Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Portafolios de Inversión
()
contenido
Descripción
1. Introducción a la teoría de Markowitz
2. Supuestos de la teoría de Markowitz
3. Diversificación de la teoría de Markowitz
4. Fronteras eficientes
5. Data
6. Riesgo de cartera
7. Paqueterías a utilizar
8. Modelado
9. Rentabilidad logarítmica
10 Rendimiento esperado y volatilidades
11. Modelo de Markowitz
12. Participación por portafolio
Antagónica a las estrategias clásicas de inversión, su Teoría de Portafolio Moderna continúa siendo una
estrategia de inversión utilizada por traders profesionales. Esta herramienta de gestión de cartera, si se usa
correctamente, puede dar como resultado una cartera de inversión diversa y rentable.
https://jesusbz.github.io/proyecto4.html 1/20
25/2/23, 10:34 Portafolios de Inversión
La idea central de su teoría plantea que el inversor racional, buscará maximizar sus beneficios (retornos)
asumiendo el menor riesgo (volatilidad) posible, esto se puede lograr con la diversificación de la cartera, eligiendo
en principio, acciones que tendrán una conexión baja o negativo. Por ejemplo, combinando acciones de
empresas con otra actividad económica.
La teoría de Markowitz también es conocida como análisis de varianza media, que se resume en: encontrar el
mayor rendimiento en un determinado nivel de riesgo o el menor riesgo en un determinado nivel de rendimiento.
Los inversores son racionales y se comportan de manera que maximizan su utilidad con un determinado
nivel de ingresos o dinero.
Los inversores tienen acceso gratuito a información justa y correcta sobre los rendimientos y el riesgo.
Los mercados son eficientes y absorben la información de manera rápida y perfecta.
Los inversores son reacios al riesgo y tratan de minimizar el riesgo y maximizar el rendimiento.
Los inversores basan sus decisiones en los rendimientos esperados y la varianza o desviación estándar de
estos rendimientos de los medios.
Los inversores eligen rendimientos más altos a rendimientos más bajos para un determinado nivel de
riesgo.
(https://jesusbezerpa.github.io/)
4. Frontera eficiente:
La frontera eficiente es el conjunto de carteras óptimas que ofrecen el rendimiento esperado más alto para un
nivel de riesgo definido o el riesgo más bajo para un nivel dado de rendimiento esperado.
5. Datos
Los seis activos bursátiles de la cartera forman parte del índice S&P 500, se seleccionó el período desde enero
2010 hasta abril 2020:
https://jesusbz.github.io/proyecto4.html 2/20
25/2/23, 10:34 Portafolios de Inversión
Representante : __ ∑( Re _pag
W1 1 ) + ( R epag
2 W2 ) + . . . . ( Re _pag
6 W 6 )
yo = 1
Para calcular el riesgo de un portafolio se necesita conocer antes dos medidas estadísticas: la covarianza y el
coeficiente de consecuencias.
Covarianza
La covarianza es una medida de la relación entre dos variables aleatorias. La métrica evalúa cuánto, en qué
medida, las variables cambian juntas. En otras palabras, es suficiente una medida de la varianza entre dos
variables. Sin embargo, la métrica no evalúa la dependencia entre variables. Su cálculo se realiza mediante la
sumatoria de la diferencia entre las rentabilidades de cada uno de los activos (Ri) y su rentabilidad esperada
(Re), multiplicados por la probabilidad de ocurrencia (p).
norte
yo = 1
Coeficiente de correlación
La medida determina la fuerza de la relación entre variables. La conexión es la medida a escala de la covarianza.
Es adimensional. En otras palabras, el coeficiente de conexión siempre es un valor puro y no se mide en ninguna
unidad.
COV x y
r =
σXσy
2
σ = ∑(WXWy COV ( )
x , y)
yo = 1
7. Paqueterías a utilizar:
portafolio (https://cran.r-project.org/web/packages/fPortfolio/fPortfolio.pdf)
Proporcione una colección de funciones para optimizar carteras y analizarlas desde diferentes puntos de vista.
Serie T (https://cran.r-project.org/web/packages/tseries/tseries.pdf)
Herramientas para análisis de series temporales y finanzas computacionales.
https://jesusbz.github.io/proyecto4.html 3/20
25/2/23, 10:34 Portafolios de Inversión
library(tseries)
library(fPortfolio)
library(knitr)
library(kableExtra)
8. Modelado
A continuación se armarán los datos de cada serie temporal utilizando la paquetería de portfolio y se graficarán.
plot(Indice, col="deepskyblue", xlab="Fecha", ylab="AdjClose"); title(main="Histórico del Índice S&P 500 [2010-2020]")
summary(Indice)
## Index Adjusted
## Min. :2010-01-04 Min. :1023
## 1st Qu.:2012-07-31 1st Qu.:1399
## Median :2015-03-03 Median :2003
## Mean :2015-03-01 Mean :1995
## 3rd Qu.:2017-09-27 3rd Qu.:2481
## Max. :2020-04-29 Max. :3386
https://jesusbz.github.io/proyecto4.html 4/20
25/2/23, 10:34 Portafolios de Inversión
https://jesusbz.github.io/proyecto4.html 5/20
25/2/23, 10:34 Portafolios de Inversión
https://jesusbz.github.io/proyecto4.html 6/20
25/2/23, 10:34 Portafolios de Inversión
https://jesusbz.github.io/proyecto4.html 7/20
25/2/23, 10:34 Portafolios de Inversión
Se observan en conjunto los históricos de las series temporales y se aprecia el comportamiento creciente en
cada uno de ellos con algunos períodos de desaceleración. Por último, la perturbación al final del primer trimestre
del 2020 impulsada por la alarma de pandemia del Covid-19.
9. Rentabilidad logarítmica
Uno de los supuestos del modelo es que los retornos (rentabilidades) tienen el comportamiento de una
distribución normal. La rentabilidad logarítmica permite su uso en probabilidades que se basan en este tipo de
distribución con la restricción de que los valores no pueden ser inferiores a (-1).
RetornoIndice<-diff(log(Indice))
head(RetornoIndice,10)
## Adjusted
## 2010-01-05 0.0031108326
## 2010-01-06 0.0005453718
## 2010-01-07 0.0039932177
## 2010-01-08 0.0028775830
## 2010-01-11 0.0017452316
## 2010-01-12 -0.0094254458
## 2010-01-13 0.0082914563
## 2010-01-14 0.0024234862
## 2010-01-15 -0.0108821266
## 2010-01-19 0.0124221511
https://jesusbz.github.io/proyecto4.html 8/20
25/2/23, 10:34 Portafolios de Inversión
Rendimientos<-diff(log(CarteraInv))
head(Rendimientos,10)
## MSFT JNJ MA
## 2010-01-05 0.0003229773 -0.0116630454 -0.0029631990
## 2010-01-06 -0.0061560136 0.0081009224 0.0038419676
## 2010-01-07 -0.0104541103 -0.0071626468 -0.0065559169
## 2010-01-08 0.0068731802 0.0034318714 0.0003544174
## 2010-01-11 -0.0128017337 0.0001557476 -0.0165952875
## 2010-01-12 -0.0066292077 0.0052802313 -0.0005601435
## 2010-01-13 0.0092685167 0.0063307684 0.0256630528
## 2010-01-14 0.0198993684 0.0019988538 0.0167630328
## 2010-01-15 -0.0032352631 -0.0083296223 0.0082960661
## 2010-01-19 0.0077472173 0.0121626041 0.0079639043
## PEP WMT MCD
## 2010-01-05 0.0120108978 -0.0100074536 -0.0076748158
## 2010-01-06 -0.0100534060 -0.0022377085 -0.0137381667
## 2010-01-07 -0.0063761433 0.0005599993 0.0072965412
## 2010-01-08 -0.0032856544 -0.0050499611 -0.0009696502
## 2010-01-11 -0.0011525859 0.0163661634 0.0077319522
## 2010-01-12 0.0139061996 0.0095466441 0.0054409889
## 2010-01-13 0.0080907160 0.0051030422 -0.0011177667
## 2010-01-14 0.0120144503 -0.0146496863 0.0009579268
## 2010-01-15 -0.0081539866 -0.0098251008 -0.0059232680
## 2010-01-19 0.0006417164 0.0064990337 0.0190846895
https://jesusbz.github.io/proyecto4.html 9/20
25/2/23, 10:34 Portafolios de Inversión
summary(Rendimientos)
(https://jesusbezerpa.github.io/)
RendimientoPromedio = c(mean(RetornoIndice),mean(Rendimientos$MSFT),mean(Rendimientos$JNJ),mean(Rendimientos$MA),mean(Rendim
ientos$PEP),mean(Rendimientos$WMT),mean(Rendimientos$MCD))
Volatilidad = c(sd(RetornoIndice),sd(Rendimientos$MSFT),sd(Rendimientos$JNJ),sd(Rendimientos$MA),sd(Rendimientos$PEP),sd(Ren
dimientos$WMT),sd(Rendimientos$MCD))
Cuadro*100
El activo de mayor rendimiento viene dado por las acciones de Marter Card (MA) con un rendimiento promedio
diario esperado de 0,099%; le siguen los valores de Microsoft (MSFT) con un 0,076%; en el tercer puesto se
encuentra el instrumento de Mc Donalds (MCD) con un 0,054%. Y los últimos lugares son para Johnson &
Johnson (JNJ) con 0,044%; PepsiCo Inc (PEP) con 0,041% y Walmart Corporate (WMT) 0,041%.
Volatilidad:
Observando la volatilidad mostrada por la desviación estándar del mercado es decir, del S&P 500 para el caso,
se ubica en 1,09% el valor más bajo comparado con los activos seleccionados excepto el de Johnson & Johnson
(JNJ) .
El activo de menor volatilidad es el de Johnson & Johnson (JNJ) con el 1,07% diario; seguido por PepsiCo Inc
(PEP) con el 1,10%; el tercer lugar es para el instrumento de Walmart Corporate (WMT) 1,18%.
https://jesusbz.github.io/proyecto4.html 10/20
25/2/23, 10:34 Portafolios de Inversión
Los más volátiles serían, en primer lugar Marter Card (MA) con 1,75% que a su vez, es el de mayor rendimiento
diario; siguen Microsoft (MSFT) y Walmart Corporate (WMT) con 1,58% y 1,18% respectivamente.
Luego vienen los cálculos de las matrices de covarianzas y correlaciones, para finalizar con un mapa de calor.
var(RetornoIndice)*100
## Adjusted
## Adjusted 0.01205826
var(Rendimientos$MSFT)*100
## [1] 0.02502466
var(Rendimientos$JNJ)*100
## [1] 0.01145611
var(Rendimientos$MA)*100
## [1] 0.03092246
var(Rendimientos$PEP)*100
## [1] 0.012165
var(Rendimientos$WMT)*100
## [1] 0.01405164
var(Rendimientos$MCD)*100
## [1] 0.014528
La covarianza es una medida en que los elementos correspondientes de dos conjuntos de datos ordenados se
mueven en la misma dirección.
En la matriz, los valores que se encuentran diagonales, son los valores de la varianza, y los que están por fuera
de la diagonal la covarianza.
https://jesusbz.github.io/proyecto4.html 11/20
25/2/23, 10:34 Portafolios de Inversión
La varianza representa el riesgo individual de cada una de las acciones seleccionadas. Según la variación, el
activo de mayor riesgo son los instrumentos de Mastercard Incorporated (MA) con el 0,030%; y el de variación
mínima Johnson & Johnson (JNJ) con un 0,011%. La variación de mercado medida a través del S&P 500 es de
0,012%. lo que quiere decir que las acciones de Johnson & Johnson (JNJ) tienen un riesgo individual menor al
riesgo de mercado.
La covarianza mide como cada par de variables se alejan de su media en un momento dado. Los valores
positivos indican que se mueven en la misma dirección y los valores negativos que se comportan de manera
inversa.
Los valores bajos de la matriz indican que las variables se alejan moderadamente de su medio y en la misma
dirección. La covarianza es uno de los estadísticos usados para medir el riesgo de una cartera.
Coeficiente de correlación
La conversión simple, es usada como estadística en las industrias financieras y de inversión, para medir el grado
en que dos valores se mueven en relación entre sí. Las correlaciones se utilizan en la gestión avanzada de
cartera, calculada como el coeficiente de conexiones, que tiene un valor que debe estar entre -1.0 y +1.0.
La consecuencia mide el grado en que dos variables se mueven en relación entre sí.
En finanzas, la conexión puede medir el movimiento de una acción con el de un índice de referencia, como
el Beta.
La mide la asociación, pero no muestra si “X” causa “Y” o viceversa, o si la asociación es causada por un
tercer factor, quizás invisible. Es decir, conexiones no implica causalidad.
La puede expresarse:
∑ ( x - X̄
) ( y − ȳ )
r =
−−−− −−− −− −−−−−−−− −
2 2
√ ∑ ( x - X̄
) √ ∑ ( y − ȳ )
En la teoría de Markowitz la diversificación de los diferentes activos que se mantendrán en la cartera, implica que
se seleccionarán aquellos con una cercanía cercana a cero (0) o negativa. Una forma sencilla de hacerlo es
tomar activos de empresas que pertenezcan a sectores económicos distintos, lo que implica que una crisis en
alguno de ellos, no afecta el valor de las acciones de empresas de los sectores.
En la cartera seleccionada todas las correlaciones son positivas, lo que implica que se mueven en la misma
dirección. Las más cadenas bajas se encuentran en las acciones de Mastercard Incorporated (MA) y Walmart
Corporate (WMT) con un 32,6%; y las más altas entre Microsotf Corporation (MSFT) y Mastercard Incorporated
(MA) con 57,35%; además de Johnson & Johnson (JNJ) y PepsiCo Inc (PEP) con un 57,88%.
Para finalizar, se agregará un mapa de calor de correlaciones “HeatMap”, el objetivo está en “rojo” y muestra las
acciones con las correlaciones más bajas, mientras que el amarillo las correlaciones altas.
https://jesusbz.github.io/proyecto4.html 12/20
25/2/23, 10:34 Portafolios de Inversión
library(gplots)
heatmap.2(x = correlationMatrix,
cellnote = correlationMatrix,
main = title,
symm = TRUE,
dendrogram="none",
Rowv = FALSE,
trace="none",
density.info="none",
notecol="black")
}
(https://jesusbezerpa.github.io/)
El conjunto eficiente de Markowitz es una cartera con rendimientos que se maximizan para un determinado nivel
de riesgo en función de la construcción de la cartera de varianza media.
La tasa libre de riesgo representa el interés que un inversionista esperaría de una inversión absolutamente libre
de riesgo durante un período de tiempo específico. La tasa real libre de riesgo puede calcularse restando la tasa
de inflación actual del rendimiento del bono del Tesoro que coincide con la duración de su inversión.
Restricciones
Solo posición en largo.
markov<-portfolioSpec()
https://jesusbz.github.io/proyecto4.html 13/20
25/2/23, 10:34 Portafolios de Inversión
constraints="LongOnly"
##
## Title:
## MV Portfolio Frontier
## Estimator: covEstimator
## Solver: solveRquadprog
## Optimize: minRisk
## Constraints: LongOnly
## Portfolio Points: 5 of 20
##
## Portfolio Weights:
## MSFT JNJ MA PEP WMT MCD
## 1 0.0000 0.0000 0.0000 0.0000 1.0000 0.0000
## 5 0.0577 0.2597 0.1101 0.1198 0.2213 0.2313
## 10 0.1565 0.1455 0.3245 0.0000 0.1643 0.2092
## 15 0.2481 0.0000 0.5533 0.0000 0.0537 0.1449
## 20 0.0000 0.0000 1.0000 0.0000 0.0000 0.0000
##
## Covariance Risk Budgets:
## MSFT JNJ MA PEP WMT MCD
## 1 0.0000 0.0000 0.0000 0.0000 1.0000 0.0000
## 5 0.0687 0.2397 0.1516 0.1082 0.1991 0.2327
## 10 0.1736 0.0961 0.4612 0.0000 0.1020 0.1671
## 15 0.2214 0.0000 0.6768 0.0000 0.0202 0.0817
## 20 0.0000 0.0000 1.0000 0.0000 0.0000 0.0000
##
## Target Returns and Risks:
## mean Cov CVaR VaR
## 1 0.0004 0.0119 0.0273 0.0166
## 5 0.0005 0.0092 0.0213 0.0124
## 10 0.0007 0.0110 0.0258 0.0159
## 15 0.0008 0.0137 0.0324 0.0200
## 20 0.0010 0.0176 0.0411 0.0263
##
## Description:
## Mon Jun 01 18:22:11 2020 by user: Personal
frontierPlot(Frontera)
grid()
tangencyPoints(Frontera, pch = 19, col = "red", cex=2)
tangencyLines(Frontera, col="grey", pch=19, cex=2)
minvariancePoints(Frontera, col="blue", pch=19, cex=2)
monteCarloPoints(Frontera, mCsteps=2000, col="#0098D5", cex=0.001)
Frontera Eficiente
En el gráfico de las fronteras eficientes se realizaron 2000 simulaciones MonteCarlo que son los pequeños
puntos azules diseminados en el área, cada uno representa una cartera de rendimiento para un determinando
https://jesusbz.github.io/proyecto4.html 14/20
25/2/23, 10:34 Portafolios de Inversión
nivel de riesgo.
En la frontera se encuentran veinte (20) círculos pequeños de color blanco, los que tienen el borde de color negro
son los portafolios eficientes. El círculo rojo es el portafolio tangente y el círculo azul el portafolio con la mínima
variación global.
##
## Title:
## MV Efficient Portfolio
## Estimator: covEstimator
## Solver: solveRquadprog
## Optimize: minRisk
## Constraints: LongOnly
##
## Portfolio Weights:
## MSFT JNJ MA PEP WMT MCD
## 0.0000 0.3190 0.0000 0.2038 0.2559 0.2213
##
## Covariance Risk Budgets:
## MSFT JNJ MA PEP WMT MCD
## 0.0000 0.3190 0.0000 0.2038 0.2559 0.2213
##
## Target Returns and Risks:
## mean Cov CVaR VaR
## 0.0005 0.0088 0.0200 0.0121
##
## Description:
## Mon Jun 01 18:22:31 2020 by user: Personal
Portafolio Tangente
El portafolio tangente se elabora a partir del índice o razón de Sharpe, el cual calcula el exceso de rentabilidad
sobre la tasa de interés libre de riesgo logrado por el portafolio por unidad de volatilidad o riesgo propio del
portafolio. El ratio de Sharpe muestra la rentabilidad ajustada por la tasa libre de riesgo y el riesgo de la
covarianza.
https://jesusbz.github.io/proyecto4.html 15/20
25/2/23, 10:34 Portafolios de Inversión
##
## Title:
## MV Tangency Portfolio
## Estimator: covEstimator
## Solver: solveRquadprog
## Optimize: minRisk
## Constraints: LongOnly
##
## Portfolio Weights:
## MSFT JNJ MA PEP WMT MCD
## 0.0409 0.2778 0.0741 0.1425 0.2302 0.2345
##
## Covariance Risk Budgets:
## MSFT JNJ MA PEP WMT MCD
## 0.0478 0.2655 0.0977 0.1339 0.2156 0.2395
##
## Target Returns and Risks:
## mean Cov CVaR VaR
## 0.0005 0.0090 0.0208 0.0123
##
## Description:
## Mon Jun 01 18:22:32 2020 by user: Personal
weightsPie(efPortfolio, col=col )
mtext(text = "Portafolio eficiente", side = 3, line = 1.5,
font = 2, cex = 0.7, adj = 0)
https://jesusbz.github.io/proyecto4.html 16/20
25/2/23, 10:34 Portafolios de Inversión
weightsPie(tgPortfolio, col=col)
mtext(text = "Portafolio tangente", side = 3, line = 1.5,
font = 2, cex = 0.7, adj = 0)
(https://www.linkedin.com/sharing/share-
(https://www.facebook.com/sharer/sharer.php?
(https://twitter.com/intent/tweet?
offsite/?
(mailto:?
u=https%3A%2F%2Fjesusbz.github.io%2Fproyecto4.html)
text=&url=https%3A%2F%2Fjesusbz.github.io%2Fproye
url=https://jesusbz.github.io/proyecto4.html)
subject=&body=https%3A%2F%2Fjesusbz
Por:
Jesús Benjamín Zerpa
Economista
JesusZerpaEconomia@Gmail.Com
https://jesusbz.github.io/proyecto4.html 17/20
25/2/23, 10:34 Portafolios de Inversión
ALSO ON PORTAFOLIO
Modelización Monte
Power BI Carlo Pronóstico de Ventas Dashb
hace 3 años • 2 comentarios hace 3 años • 2 comentarios hace 3 años • 31 comentarios hace 3
Power BI es una Modelización Monte carlo Pronóstico de Ventas en R Potent
herramienta de inteligencia para el análisis de una studio a través de los anális
empresarial y … cartera de inversión. modelos ARIMA, … cuatro
https://jesusbz.github.io/proyecto4.html 18/20
25/2/23, 10:34 Portafolios de Inversión
9 Comentarios
G Únete a la discusión...
Nombre
Compartir M
S
Sergio NR
hace 9 meses
Excelente aportación los métodos estan explicados al detalle con la transición de teoría a código de maravilla. Gracias
1 0 Responder • Compartir ›
Gracias por comentar amigo Sergio me motiva que el material sirva de aporte a su formación profesional. Saludos!!!
0 0 Responder • Compartir ›
Oriana
hace 2 años
1 0 Responder • Compartir ›
0 0 Responder • Compartir ›
Arnaldo Canelon
hace 2 años
Excelente trabajo, post compartido. Sería interesante que hicieras una segunda parte de este trabajo. La teoría de Markowitz sig
para el análisis de carteras de inversión. He visto algunos trabajos de regresión vectorial parecido al que se hace con variables m
de inversión con un conjunto de activos de renta variable.
1 0 Responder • Compartir ›
Gracias Arnaldo, en este blog existe una entrada llamada Modelización Montecarlo. Allí encontraras un ejercicio donde
"aleatorias" del Portafolio Tangente con estos mismos instrumentos financieros y sus valores (distribución en cartera).
Autorregresivos, es cierto que su utilidad académica quedó rezagada para aplicarlos a modelos de Política Monetaria y
consideramos que el VAR encuentra aplicación en el modelado de series de tiempo correlacionadas, la correlación imp
pronóstico, entonces quizás podría modelar un grupo de instrumentos financieros relacionados y hacer predicciones q
decisiones comerciales mejor conocidas en este ámbito como Trading. Lo tengo en lista. Saludos!
0 0 Responder • Compartir ›
Dayana Manco
hace 2 años
Jesús tienes alguna guía detallada en pdf de todos los modelos que tienes en tu site? Sería una excelente herramienta para mis
participación en el foro.
1 0 Responder • Compartir ›
Hola Dayana, todos los códigos de los modelos están en archivos de texto en mis repositorios de usuario Github solo d
estoy a la orden para cualquier duda. Saludos!
0 0 Responder • Compartir ›
Pablo Robles
hace 2 años
Amazing!
1 0 Responder • Compartir ›
https://jesusbz.github.io/proyecto4.html 19/20
25/2/23, 10:34 Portafolios de Inversión
Suscribirse
Copyright © 2020 Privacy
Jesús B. Zerpa Do Not Sell My Data
(https://github.com/JesusBZ) | Economista y científico de datos | Sitio creado con RStudio (https://rstudio.com/)
(https://rstudio.com/) (https://www.blogger.com/blogger.g?blogID=3272883731674348977)
| FINANZAS | NEGOCIO DE INTELIGENCIA | PRONÓSTICO | SERIE DE TIEMPO | TABLERO FINANCIERO | PRESUPUESTO FINANCIERO | ECONOMÉTRICA ESPACIAL |
https://jesusbz.github.io/proyecto4.html 20/20