25/2/23, 10:34 Portafolios de Inversión

Portafolios de Inversión

Portafolio Eficiente: Optimización de la cartera de Markowitz

()

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

Descripción : En el siguiente entrenamiento se utilizará la teoría de portafolios eficientes para la elaboración de

una cartera de inversión con seis valores bursátiles correspondientes a empresas pertenecientes a diferentes
sectores económicos y registradas en el índice Standard and Poor 500 (S&P 500).

1. Introducción a la teoría de Markowitz

En 1952, un economista llamado Harry Markowitz escribió un artículo titulado “ Portfolio Selection
(https://www.math.ust.hk/~maykwok/courses/ma362/07F/markowitz_JF.pdf) ”, un documento que contenía teorías
que transformaron el panorama de la gestión de cartera, páginas que le otorgarían el Premio Nobel de Economía
casi cuatro décadas después.

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.

2. Supuestos de la teoría de Markowitz:

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/)

Supuestos del modelo:

Los retornos siguen una distribución normal.
Una función de utilidad cuadrática representa las decisiones de los inversores.

3. Diversificación de la teoría de Markowitz:

Markowitz postuló que la diversificación no solo debe apuntar a reducir el riesgo de un valor reducido su
reducción o desviación estándar, sino también reducir la covarianza o el riesgo interactivo de dos o más valores
en una cartera. Como por combinación de diferentes valores, es teóricamente posible tener un rango de riesgo
que varíe de cero a infinito.

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:

Microsotf Corporation (https://finance.yahoo.com/quote/MSFT/) (MSFT): Importante compañía tecnológica

multinacional con sede en Redmond, Washington, EE.UU., es la mayor capitalización dentro del índice S&P 500.

Johnson & Johnson (https://finance.yahoo.com/quote/JNJ?p=JNJ&.tsrc=fin-srch) (JNJ): Histórico

fabricante de dispositivos médicos, productos farmacéuticos, de cuidado personal, perfumes y artículos para
bebés.

Mastercard Incorporated (https://finance.yahoo.com/quote/MA?p=MA&.tsrc=fin-srch) (MA): Una de las más

importantes multinacionales de servicios financieros con sede en Buy, Nueva York, Estados Unidos.

PepsiCo Inc (https://finance.yahoo.com/quote/PEP?p=PEP&.tsrc=fin-srch) (PEP): Exitosa empresa

https://jesusbz.github.io/proyecto4.html 2/20
25/2/23, 10:34 Portafolios de Inversión

multinacional estadounidense dedicada a la fabricación, comercialización y distribución de bebidas y aperitivos.

Walmart Corporate (https://finance.yahoo.com/quote/WMT?p=WMT&.tsrc=fin-srch) (WMT): Corporación

multinacional de tiendas de origen estadounidense, que opera cadenas de grandes almacenes de descuento y
clubes de almacenes.

McDonald's Corporation (https://finance.yahoo.com/quote/MCD?p=MCD&.tsrc=fin-srch) (MCD): Es una

franquicia de restaurantes de servicio rápido estadounidense con sede en Illinois Chicago.

6. Riesgo de cartera y rendimiento esperado

El rendimiento esperado de la cartera se calcula como una suma ponderada de los rendimientos de los activos
individuales. Para su cálculo se utiliza la siguiente fórmula:
norte

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

COV _ = ∑( RiX − Rmi

X) ( Riy − Rmi
y ) ( pag )

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

Riesgo (Desviación estándar)

La variación de la cartera es un valor estadístico que evalúa el grado de dispersión de los rendimientos de una
cartera. Es un concepto importante en la teoría moderna de la inversión. Aunque la medida estadística en sí
misma no puede proporcionar información significativa, podemos calcular el desvío estándar de la cartera
utilizando la variación de la cartera.
norte

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.

Indice<- get.hist.quote(instrument = "^GSPC",

start=as.Date("2010-01-04"),
end=as.Date("2020-04-30"), quote = "AdjClose")

## time series ends 2020-04-29

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

MSFT<- get.hist.quote(instrument = "MSFT",

start=as.Date("2010-01-04"),
end=as.Date("2020-04-30"), quote = "AdjClose")

## time series ends 2020-04-29

plot(MSFT, col="deepskyblue", xlab="Fecha", ylab="AdjClose"); title(main="Histórico de Microsoft Corporation [2010-2020]")

https://jesusbz.github.io/proyecto4.html 4/20
25/2/23, 10:34 Portafolios de Inversión

JNJ<- get.hist.quote(instrument = "JNJ",

start=as.Date("2010-01-04"),
end=as.Date("2020-04-30"), quote = "AdjClose")

## time series ends 2020-04-29

plot(JNJ, col="deepskyblue", xlab="Fecha", ylab="AdjClose"); title(main="Histórico de Johnson & Johnson [2010-2020]")

MA<- get.hist.quote(instrument = "MA",

start=as.Date("2010-01-04"),
end=as.Date("2020-04-30"), quote = "AdjClose")

## time series ends 2020-04-29

plot(MA, col="deepskyblue", xlab="Fecha", ylab="AdjClose"); title(main="Histórico de Mastercard Incorporated [2010-2020]")

https://jesusbz.github.io/proyecto4.html 5/20
25/2/23, 10:34 Portafolios de Inversión

PEP<- get.hist.quote(instrument = "PEP",

start=as.Date("2010-01-04"),
end=as.Date("2020-04-30"), quote = "AdjClose")

## time series ends 2020-04-29

plot(PEP, col="deepskyblue", xlab="Fecha", ylab="AdjClose"); title(main="Histórico de PepsiCo Inc. [2010-2020]")

WMT<- get.hist.quote(instrument = "WMT",

start=as.Date("2010-01-04"),
end=as.Date("2020-04-30"), quote = "AdjClose")

## time series ends 2020-04-29

plot(WMT, col="deepskyblue", xlab="Fecha", ylab="AdjClose"); title(main="Histórico de Walmart Corporate [2010-2020]")

https://jesusbz.github.io/proyecto4.html 6/20
25/2/23, 10:34 Portafolios de Inversión

MCD<- get.hist.quote(instrument = "MCD",

start=as.Date("2010-01-04"),
end=as.Date("2020-04-30"), quote = "AdjClose")

## time series ends 2020-04-29

plot(MCD, col="deepskyblue", xlab="Fecha", ylab="AdjClose"); title(main="Histórico de McDonald's Corporation [2010-2020]")

Se construye la cartera con los activos seleccionados:

CarteraInv <- merge(MSFT,JNJ,MA,PEP,WMT,MCD, all = FALSE)

names(CarteraInv)

## [1] "Adjusted.MSFT" "Adjusted.JNJ" "Adjusted.MA"

## [4] "Adjusted.PEP" "Adjusted.WMT" "Adjusted.MCD"

names(CarteraInv)<-c("MSFT","JNJ","MA", "PEP", "WMT","MCD")

plot(CarteraInv, main=" ", col="deepskyblue", xlab="Fecha")
title(main="Histórico de Cartera")

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

plot(RetornoIndice, main=" ", col="deepskyblue", xlab="Fecha", ylab="Rendimientos")

title(main="Rendimientos del Indice S&P 500")

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

plot(Rendimientos, main=" ", col="deepskyblue", xlab="Fecha")

title(main="Rendimientos de la Cartera")

https://jesusbz.github.io/proyecto4.html 9/20
25/2/23, 10:34 Portafolios de Inversión

summary(Rendimientos)

## Index MSFT JNJ

## Min. :2010-01-05 Min. :-0.1594534 Min. :-0.1057812
## 1st Qu.:2012-08-01 1st Qu.:-0.0067681 1st Qu.:-0.0040714
## Median :2015-03-04 Median : 0.0006323 Median : 0.0003368
## Mean :2015-03-02 Mean : 0.0007656 Mean : 0.0004430
## 3rd Qu.:2017-09-28 3rd Qu.: 0.0084151 3rd Qu.: 0.0056512
## Max. :2020-04-29 Max. : 0.1329289 Max. : 0.0769400
## MA PEP WMT
## Min. :-0.1361114 Min. :-0.1213581 Min. :-0.1073986
## 1st Qu.:-0.0066711 1st Qu.:-0.0045814 1st Qu.:-0.0049795
## Median : 0.0016620 Median : 0.0004190 Median : 0.0006589
## Mean : 0.0009901 Mean : 0.0004188 Mean : 0.0004145
## 3rd Qu.: 0.0087801 3rd Qu.: 0.0055736 3rd Qu.: 0.0060279
## Max. : 0.1536727 Max. : 0.1216564 Max. : 0.1107227
## MCD
## Min. :-0.1728706
## 1st Qu.:-0.0045674
## Median : 0.0008317
## Mean : 0.0005425
## 3rd Qu.: 0.0058528
## Max. : 0.1665769

(https://jesusbezerpa.github.io/)

10. Rendimientos esperados (medios) y volatilidades:

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 = data.frame (rbind(RendimientoPromedio,Volatilidad))

colnames(Cuadro)<- c("GSPC","MSFT", "JNJ", "MA", "PEP", "WMT", "MCD")

Cuadro*100

## GSPC MSFT JNJ MA

## RendimientoPromedio 0.03671093 0.07656263 0.04429897 0.09900582
## Volatilidad 1.09810127 1.58191835 1.07033231 1.75847819
## PEP WMT MCD
## RendimientoPromedio 0.04187942 0.04144703 0.05424796
## Volatilidad 1.10295077 1.18539619 1.20532144

Rendimiento promedio esperado:

El rendimiento promedio esperado diario del mercado está representado por el Índice S&P 500, en este caso es
del 0,036%, un valor por debajo del rendimiento medio diario individual de todos los demás activos que
componen la cartera.

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

Cov <- cov(Rendimientos)*100

Cov

## MSFT JNJ MA PEP WMT

## MSFT 0.025024657 0.008163749 0.015953543 0.008694497 0.007211608
## JNJ 0.008163749 0.011456113 0.008921192 0.006832574 0.005467158
## MA 0.015953543 0.008921192 0.030922455 0.008902346 0.006811006
## PEP 0.008694497 0.006832574 0.008902346 0.012165004 0.006386393
## WMT 0.007211608 0.005467158 0.006811006 0.006386393 0.014051641
## MCD 0.009283554 0.005950497 0.010680554 0.006640452 0.005065015
## MCD
## MSFT 0.009283554
## JNJ 0.005950497
## MA 0.010680554
## PEP 0.006640452
## WMT 0.005065015
## MCD 0.014527998

Matriz de Varianza - Covarianza

La varianza es una medida de la acumulación o propagación en un conjunto de datos. Matemáticamente, es la
desviación cuadrática estándar del puntaje promedio.

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.

corr <- cor(Rendimientos) * 100

corr

## MSFT JNJ MA PEP WMT MCD

## MSFT 100.00000 48.21553 57.35035 49.83154 38.45781 48.68860
## JNJ 48.21553 100.00000 47.39879 57.87747 43.09029 46.12451
## MA 57.35035 47.39879 100.00000 45.89986 32.67464 50.39111
## PEP 49.83154 57.87747 45.89986 100.00000 48.84678 49.95036
## WMT 38.45781 43.09029 32.67464 48.84678 100.00000 35.44984
## MCD 48.68860 46.12451 50.39111 49.95036 35.44984 100.00000

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)

generate_heat_map <- function(correlationMatrix, title)

{

heatmap.2(x = correlationMatrix,
cellnote = correlationMatrix,
main = title,
symm = TRUE,
dendrogram="none",
Rowv = FALSE,
trace="none",
density.info="none",
notecol="black")
}

corr1 <- round(cor(Rendimientos) * 100, 2)

generate_heat_map(corr1,"Mapa de calor: Correlaciones")

(https://jesusbezerpa.github.io/)

11. Modelo de Markowitz

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.

Tasa Libre de Riesgo

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()

setRiskFreeRate(markov)<- -0.001 #Tasa libre de riesgo

setNFrontierPoints(markov) <- 20 #Cantidad de carteras en frontera

https://jesusbz.github.io/proyecto4.html 13/20
25/2/23, 10:34 Portafolios de Inversión

constraints="LongOnly"

Frontera <- portfolioFrontier(as.timeSeries(Rendimientos),spec=markov,constraints )

Frontera

##
## 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.

pesos de los portafolios

col <- qualiPalette(ncol(Rendimientos), "Pastel1")

weightsPlot(Frontera, col=col)

efPortfolio <- efficientPortfolio(as.timeSeries(Rendimientos),markov,constraints)

efPortfolio

##
## 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.

tgPortfolio <- tangencyPortfolio(as.timeSeries(Rendimientos),markov,constraints)

tgPortfolio

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

12. Participación por portafolio:

Composición del Portafolio Eficiente

1. Johnson & Johnson (JNJ): 31,9%
2. PepsiCo Inc (PEP): 20,4%
3. Walmart Corporativo (WMT): 25,6%
4. Corporación McDonald's (MCD): 22,1%

Composición del Portafolio Tangente

1. Corporación Microsoft (MSFT):4,1%
2. Johnson & Johnson (JNJ): 27,8%
3. Mastercard Incorporated (MA): 7,4%
4. PepsiCo Inc (PEP): 14,2%
5. Walmart Corporativo (WMT): 23%
6. Corporación McDonald's (MCD): 23,4%

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)

codigo del modelo (https://raw.githubusercontent.com/JesusBZ/Rstudio/master/Markowitz)

Puedes compartir este material:


(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://i.creativecommons.org/l/by/4.0/88x31.png) Excepto donde se indique lo contrario, el contenido de

esta obra está bajo una licencia de Creative Commons
Reconocimiento 4.0 Internacional (http://creativecommons.org/licenses/by/4.0/) .

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...

INICIAR SESIÓN CON O REGISTRARSE CON DISQUS ?

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 ›

Jesús B. Zerpa Moder. > Sergio NR

hace 9 meses edited

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

Gran trabajo, en hora buena!!!

1 0 Responder • Compartir ›

Jesús B. Zerpa Moder. > Oriana

hace 2 años edited

Gracias ! Si no es mucho pedir, comparte y recomienda. Saludos !

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 ›

Jesús B. Zerpa Moder. > Arnaldo Canelon

hace 2 años

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 ›

Jesús B. Zerpa Moder. > Dayana Manco

hace 2 años

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://join.skype.com/invite/vfcMypZd0Ucf)  (https://t.me/jesusbz21)  (https://rpubs.com/JesusZ)

 (https://www.linkedin.com/in/jes%C3%BAs-zerpa-807646129/)  (https://es.scribd.com/user/330352375/Jesus-Benjamin-Zerpa)
 (https://github.com/JesusBZ)

https://jesusbz.github.io/proyecto4.html 20/20