Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Hamilton Galindo
11 de junio de 2019
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
max E [u(W̃ )]
{aj }
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Short Selling
Significa que el inversionista vende el activo j al precio actual con el
compromiso de comprarlo otra vez al nuevo precio. No short-selling
restriction significa que w ≥ 0.
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
1
u(W̃ )|E (W̃ ) ≈ u[E (W̃ )]+u 0 [E (W̃ )]∗[W̃ −E (W̃ )]+ u 00 [E (W̃ )]∗[W̃ −E (W̃ )]2 +R3
2
(1)
Donde:
X 1
R3 = u (n) [E (W̃ )] ∗ [W̃ − E (W̃ )]n
n=3
n!
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
1
E [u(W̃ )] ≈ E [u[E (W̃ )]] + u 00 [E (W̃ )] ∗ E [W̃ − E (W̃ )]2 (2)
2
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
X
aj = W0
j
X aj
= 1
W0
j
X
wj = 1 (3)
j
X
W̃ = aj (1 + r˜j )
j
X aj
W̃ = W0 (1 + r˜j )
W0
j |{z}
=wj
X X X
W̃ = W0 wj (1 + r˜j ) = W0 [ wj + wj r˜j ]
j j j
| {z }
=1
X
W̃ = W0 + W0 wj r˜j = W0 + W0 w t r˜ (4)
j
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
X
W̃ = W0 + W0 wj r˜j = W0 + W0 w t r˜
j
t
E [W̃ ] = W0 [1 + w E (˜
r )] (6)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
1
E (u(W̃ )) = u( E (W̃ ) ) + u 00 ( E (W̃ ) ) Var (W̃ )
| {z } 2 | {z } | {z }
F (E (˜
rp )) F (E (˜
rp )) W02 w t Vw
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
wte = E (˜
rp ) (tasa de retorno del portafolio esperada)
t
w 1 = 1 (suma de los pesos del portafolio)
Donde: e t = [E (˜
r1 ), E (˜
r2 ), ..., E (˜
rn )]
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Frontier portfolio
Un portafolio es frontier portfolio si este tiene la minima varianza entre
los portafolios que tienen la misma tasa de retorno esperada.
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Recordemos:
1 00
E [u(W̃ )] ≈ E [u[E (W̃ )]] + u [E (W̃ )] ∗ E [W̃ − E (W̃ )]2 + E (R3 ) (7)
2
Donde:
X 1
E (R3 ) = u (n) [E (W̃ )] ∗ E [W̃ − E (W̃ )]n
n=3
n! | {z }
momentosdeorden“n≥300
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Distribución arbitraria
Distribución arbitraria de W̃ I
y función de utilidad cuadrática
b 2
u(W̃ ) = W̃ − W̃
2
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Distribución arbitraria
Distribución arbitraria de W̃ II
y función de utilidad cuadrática
Donde:
X 1
R3 = u (n) [E (W̃ )] ∗ [W̃ − E (W̃ )]n
n=3
n!
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Distribución arbitraria
4. Tomando expectativas:
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Distribución arbitraria
Distribución arbitraria de W̃ IV
y función de utilidad cuadrática
b
u(E (W̃ )) = E (W̃ ) − [E (W̃ )]2
2
u 0 (E (W̃ )) = 1 − bE (W̃ )
u 00 (E (W̃ )) = −b
000
u (E (W̃ )) = 0
(n)
u (E (W̃ )) = 0, ∀n ≥ 3
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Distribución arbitraria
Distribución arbitraria de W̃ V
y función de utilidad cuadrática
6. Introduciendo estas expresiones en la expansión de Taylor -ecuación
(9)-:
1
+ u 00 [E (W̃ )] ∗ E [W̃ − E (W̃ )]2 + E [R3 ]
2 | {z } | {z } | {z }
−b Var (W̃ ) 0
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Distribución arbitraria
Distribución arbitraria de W̃ VI
y función de utilidad cuadrática
Conclusión 1
La función de utilidad cuadrática es suficiente para que la elección de
activos sea completamente descrita en términos de la relación de
preferencia sobre la media y varianza de W̃ (y por tanto de r˜p ).
8. Desventajas:
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Distribución arbitraria
Conclusión 2
Conclusiones económicas basadas en la función de utilidad cuadrática son
contra intuitivas y estas no representan a un individuo que prefiere mas
que menos (no saciabilidad) y que considera que los activos son bienes
normales.
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
1 t
min w Vw
{w } 2
sujeto a:
wte = E (˜
rp ) (tasa de retorno del portafolio esperada)
wt1 = 1 (suma de los pesos del portafolio)
Donde: e t = [E (˜
r1 ), E (˜
r2 ), ..., E (˜
rn )]
Pasos de solución:
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
1 t
L= rp ) − w t e] + λ2 [1 − w t 1]
w Vw + λ1 [E (˜ (11)
2
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
∂L
= 0
∂w
1 ∂(w t Vw ) ∂(w t e) ∂(w t 1)
+ λ1 [− ] + λ2 [− ] = 0
2 ∂w ∂w ∂w
1 ∂w t ∂Vw ∂w ∂w
Vw + w t − λ1 [e t ] + λ2 [−1t ] = 0
2 ∂w ∂w ∂w ∂w
1 t t ∂w
+ w t V − λ1 [e t ] − λ2 [1t ]
w V = 0
2 ∂w
1 t
2w V − λ1 [e t ] − λ2 [1t ] = 0
2
w t V − λ1 [e t ] − λ2 [1t ]
= 0 (12)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
(w t V )t − λ1 [e t ]t − λ2 [1t ]t = 0
V t w − λ1 e − λ2 1 = 0, V es simetrica : V = V t
Vw − λ1 e − λ2 1 = 0
w = λ1 V −1 e + λ2 V −1 1 (13)
(14)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
λ1 B + λ2 A = E [˜
rp ]
λ1 A + λ2 C = 1
(17)
1 − λ2 C
λ1 =
A
Esto lo reemplazamos en la primera ecuación y se obtiene λ2 :
B − AE [˜
rp ]
λ2 =
BC − A2
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Finalmente, λ1 quedarı́a:
rp ] − A
CE [˜
λ1 =
BC − A2
B = e t V −1 e > 0
C = 1t V −1 1 > 0
Además: D = BC − A2 > 0
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
w = λ1 V −1 e + λ2 V −1 1 (18)
rp ] − A −1
CE [˜ B − AE [˜
rp ] −1
w = V e + V 1 (19)
BC − A2 BC − A2
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Solución: w
BV −1 1 − AV −1 e CV −1 e − AV −1 1
w = + E [˜
rp ]
| D
{z } | D
{z }
gnx1 hnx1
w = g + hE [˜
rp ] (20)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
w0 = g + hE [˜
rp ]
w0 = g
w1 = g + hE [˜
rp ]
w1 = g +h
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
PRUEBA:
1. Sea el siguiente portafolio de frontera:
wq = g + hE [˜
rq ]
Entonces:
wnew = (1 − E [˜
rq ])w0 + (E [˜
rq ])w1
3. Reemplazando la expresión para cada portafolio “especial” w0 y w1 :
wnew = (1 − E [˜
rq ])w0 + (E [˜
rq ])w1
wnew = (1 − E [˜
rq ])(g ) + (E [˜
rq ])(g + h)
wnew = g − E [˜
rq ]g + E [˜
rq ]g + E [˜
rq ]h
wnew = g + E [˜
rq ]h
wnew = wq
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
PRUEBA:
rp1 ] 6= E [˜
1. Consideremos dos portafolios frontera: p1 y p2 con E [˜ rp2 ]
2. Elijamos otro portafolio frontera “q”.
rp1 ] 6= E [˜
3. Dado que E [˜ rp2 ], existe un único número real “α” tal que
E [˜ rp1 ] + (1 − α)E [˜
rq ] = αE [˜ rp2 ]
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
De la CPO tenemos:
w t V = λ1 [e t ] + λ2 [1t ]
1. Multiplicando por w
wtV = λ1 [e t ] + λ2 [1t ]
t
w
| {zV w} = λ1 [e t ]w +λ2 [1t ]w
| {z } | {z }
=σ 2 (˜
rp ) =E [˜
rp ] =1
2
σ r˜p = λ1 E [˜
rp ] + λ2
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
σ 2 (˜
rp ) = λ1 E [˜
rp ] + λ2
CE [˜rp ] − A B − AE [˜
rp ]
σ 2 (˜
rp ) = E [˜
rp ] +
D D
2
CE [˜ rp ] − 2AE [˜
rp ] + B
σ 2 (˜
rp ) =
D
rp ] − σ 2 (˜
En este punto podemos trabajar en dos espacios: E [˜ rp ) o
rp ] − σ(˜
E [˜ rp )
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
CE 2 [˜
rp ] − 2AE [˜
rp ] + B
σ 2 r˜p =
D/C
2 2
2 E 2 [˜
rp ] − 2(A/C )E [˜
rp ] + B/C + A/C − A/C
σ r˜p =
D/C
2
2
(E [˜rp ] − A/C ) + B/C − A/C
σ 2 r˜p =
D/C
2
2 B/C − A/C
(E [˜rp ] − A/C )
σ 2 r˜p = +
D/C D/C
2
(E [˜rp ] − A/C ) BC − A2
σ 2 (˜
rp ) = + 2
D/C C D/C
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
rp ] − A/C )2
(E [˜ D
σ 2 (˜
rp ) = +
D/C CD
rp ] − A/C )2
(E [˜ 1
σ 2 (˜
rp ) = +
D/C C
σ 2 (˜
rp ) rp ] − A/C )2
(E [˜
= +1
1/C D/C 2
σ 2 (˜ rp ] − A/C )2
rp ) (E [˜
− = 1 (21)
1/C D/C 2
(x − x0 )2 (y − y0 )2
− =1
a2 b2
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
rp ] − σ˜
4. En el espacio de E [˜ rp :
σ 2 (˜ rp ] − A/C )2
rp ) (E [˜
− = 1
1/C D/C 2
s
rp ] − A/C )2
(E [˜
σ(˜
rp ) = ± 1/C + (22)
D/C
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
𝑨/𝑪
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
A/𝑪
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
σ 2 (˜
rp ) (E [˜rp ] − A/C )2
− = 1
1/C D/C 2
2 tomando derivadas
rp ) 1
∂σ (˜ rp ] − A/C )
2(E [˜
− = 0
∂E [˜
rp ] 1/C D/C 2
∂σ 2 (˜
rp ) rp ] − A/C )
2(E [˜
=
∂E [˜ rp ] D/C
∂σ 2 (˜
rp ) rp ] − A/C )
2(E [˜
= =0
∂E [˜rp ] D/C
rp ] − A/C
E [˜ = 0
E [˜
rp ] = A/C (23)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
rp ] −A/C )2
(E [˜
| {z }
σ 2 (˜
rp ) =A/C
− = 1
1/C D/C 2
σ 2 (˜
rp )
= 1
1/C
σ 2 (˜
rp ) = 1/C
o
p
σ(˜
rp ) = 1/C
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
4. ¿Cuál es wmvp ?
Dado que “mvp” es un portafolio de frontera, entonces:
wmvp = g + hE [˜
rmvp ] = g + h(A/C )
BV −1 1−AV −1 e CV −1 e−AV −1 1
Dado que g = D yh= D , entonces:
1t V −1
wmvp =
C
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Propiedad
Sea “p” un portafolio (no necesariamente en la frontera de portafolios),
entonces se cumple:
Cov (˜
rp , r˜mvp ) = Var (˜
rmvp )
PRUEBA:
Paso 1: Consideremos un portafolio formado en función a “p” y “mvp” con
pesos a y 1 − a respectivamente.
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
rp ) + (1 − a)E (˜
min Var (portafolio) sujeto a: aE (˜ rmvp ) = E [˜
rportafolio ]
{a}
Donde:
Var (˜
rportafolio ) = rp ) + (1 − a)(˜
Var (a(˜ rmvp ))
= a2 Var (˜
rp ) + (1 − a)2 Var (˜
rmvp ) (24)
+2a(1 − a)Cov (˜
rp , r˜mvp )
∂Var (˜
rportafolio )
= 2aVar (˜
rp )−2(1−a)Var (˜
rmvp )+2(1−2a)Cov (˜
rp , r˜mvp ) = 0
∂a
Dado que este portafolio es de mı́nima varianza, entonces tiene
sentido invertir toda la riqueza en el portafolio “mvp”. Con
resultado “a” deberı́a ser igual a cero (a = 0).
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Paso 4: Considerando a = 0:
rp ) − 2(1 − a)Var (˜
2aVar (˜ rmvp ) + 2(1 − 2a)Cov (˜
rp , r˜mvp ) = 0
−2Var (˜
rmvp ) + 2Cov (˜
rp , r˜mvp ) = 0
Cov (˜
rp , r˜mvp ) = Var (˜
rmvp )
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
E [˜
r ] > A/C
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
1
2
mvp
Frontera
Eficiente
p 3
Para cada portafolio eficiente
existe uno ineficiente con la misma
𝑨/𝑪 varianza pero con menor E[r]
P’ 4
Frontera
Ineficiente
𝟏/𝑪 𝝈(𝒓)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Propiedad 1
Cualquier combinación lineal de los portafolios de frontera está en la
frontera.
Notar que antes hemos demostrado dos afirmaciones sobre la generación
de la frontera de portafolios:
I Puede ser generada por DOS portafolios de frontera especı́ficos:
w0 y w1
I Puede ser generada por CUALQUIER DOS portafolios de
frontera
I En ambos casos, la combinación de dichos dos portafolios es lineal.
I Notar que la propiedad 1 es más general que las dos previas: en
este caso NO está limitado a dos portafolios de frontera.
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
wi = g + hE [˜
ri ]
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
4. En el nuevo portafolio:
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
m
X
wn = αi wi
i=1
Xm
= αi (g + hE [˜
ri ])
i=1
Xm m
X
= αi g + αi hE [˜
ri ]
i=1 i=1
Xm Xm
= g αi +h αi E [˜
ri ]
i=1 i=1
| {z } | {z }
=1 =E [˜
rn ]
wn = g + hE [˜
rn ] (25)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Propiedad 2
Cualquier combinación convexa de portafolios eficientes es un portafolio
eficiente.
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
PRUEBA:
Paso 1: asumamos que tenemos “m” portafolios eficientes: w1 , w2 , w3 , ..., wm
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
A
rwi ] ≥
E [˜
C
m m
X X A
αi E [˜
rwi ] ≥ αi
C
i=1 i=1
m
AX
E [˜
rwn ] ≥ αi
C
i=1
| {z }
=1
A
E [˜
rwn ] ≥ (26)
C
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Esto significa que el nuevo portafolio formado por una combinación con-
vexa de portafolios eficientes es también un portafolio eficiente.
Propiedad 3
Para cualquier portafolio “p” en la frontera (excepto para “mvp”), existe
un único portafolio de frontera zc(p) el cual tiene cero covarianza con
“p”.
Cov (p, zc(p)) = 0
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
𝟏/𝑪 𝝈(𝒓)
Hamilton Galindo
PRUEBA:
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Pregunta 1:
Para cualquier portafolio “p” fuera de la frontera, ¿Cuál es el portafolio
de cero covarianza “q” y que a su vez es de mı́nima varianza?
p p
¿ Dónde está este portafolio ¿ Dónde está este portafolio
𝑨/𝑪 mvp zc(p) que cumple:
𝑨/𝑪 mvp q que cumple:
Cov(p,zc(p)) = 0 Cov(p,q) = 0
? ?
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Sujeto a:
Cov (˜
rq , r˜p ) = wqt Vwp = 0
wqt 1 = 1
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
1 t
L= w Vwq + λ1 (0 − wqt Vwp ) + λ2 (1 − wqt 1)
2 q
La CPO:
∂L
= wqt V − λ1 wpt V − λ2 1t = 0
∂wq
wqt V − λ1 wpt V − λ2 1t = 0
wqt V = λ1 wpt V + λ2 1t
wqt = λ1 wpt + λ2 1t V −1 (29)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
wqt = λ1 wpt + λ2 1t V −1
restricción de la Cov()
wqt Vwp = λ1 wpt Vwp +λ2 1t V −1 Vwp = 0
| {z } | {z }
=σ 2 (˜
rp ) =1
λ1 σ 2 (˜
rp ) + λ2 = 0
λ2
λ1 = − 2
(30)
σ (˜
rp )
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
wqt = λ1 wpt + λ2 1t V −1
restricción de la suma de pesos
t −1
wqt 1 = λ1 wpt 1 +λ2 1
| V{z 1} = 1
|{z}
=C
=1
λ1 + λ2 C = 1
λ2
− 2 + λ2 C = 1
σ (˜
rp )
1
λ2 (− 2 + C) = 1
σ (˜rp )
σ 2 (˜
rp )
λ2 = (31)
C σ 2 (˜
rp ) − 1
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
E [˜
rq ] = wqt e
= (λ1 wpt + C λ2 wmvp
t
)e
= λ1 wpt e + C λ2 wmvp
t
e
E [˜
rq ] = λ1 E [˜
rp ] + C λ2 E [˜
rmvp ] (35)
Reemplazando λ1 , λ2 y E [˜
rmvp ] = A/C , se tiene:
rp ] − Aσ 2 (˜
E [˜ rp )
E [˜
rq ] = 2
1 − C σ (˜ rp )
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
rp ] − Aσ 2 (˜
E [˜ rp )
E [˜
rq ] = 2
1 − C σ (˜ rp )
A A rp ] − Aσ 2 (˜
E [˜ rp )
E [˜
rq ] = − +
C C 1 − C σ 2 (˜rp )
CE [˜ rp ]
E [˜
rq ] = A/C − (36)
C (C σ 2 (˜
rp ) − 1)
| {z }
>0
∆E [˜ r] rp ] − E [˜
E [˜ rmvp ]
= 2
∆σ 2 (˜
r) σ (˜rp ) − σ 2 (˜
rmvp )
La misma pendiente se debe de mantener entre “mvp” y el
intercepto de la lı́nea con el eje E [˜
r ]:
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
rmvp ] = A/C y σ 2 (˜
Dado que: E [˜ rmvp ) = 1/C , entonces:
rp ] − Aσ 2 (˜
E [˜ rp )
X = 2
1 − C σ (˜ rp )
| {z }
por (36)=E [˜
rq ]
X = E [˜
rq ]
Esto significa que el intercepto de la linea que une el portafolio fuera
de frontera “p” y el “mvp” es igual a E [˜ rq ], que es el valor esperado
de la tasa de retorno del portafolio de frontera de cero-covarianza
con “p”.
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
p p
¿ Dónde está este portafolio
𝑨/𝑪 mvp q que cumple: 𝑨/𝑪 mvp q
Cov(p,q) = 0
?
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Pregunta 2:
¿Cuál es la relación entre un portafolio de frontera “p” y uno “q” que
está FUERA de la frontera?
Portafolio “p” en la Frontera
𝑬[𝒓]
y portafolio “q” fuera de la frontera
p
¿Cuál es la relacion
entre ambos
portafolios?
𝑨/𝑪 mvp q
𝟏/𝑪 𝝈𝟐 (𝒓)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Paso 1: sabemos:
rp , r˜q ) = wpt Vwq
Cov (˜
Donde “p” es portafolio de frontera y “q” no.
Paso 2: dado que “p” es portafolio de frontera, entonces:
wp = g + hE [˜
rp ]
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
σ 2 (˜
rp )
= Dβqp (38)
rp ] − A
CE [˜
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
A D/C 2
E [˜
rzc(p) ] = −
C rp ] − A/C
E [˜
Se tiene:
D/C 2
= A/C − E [˜
rzc(p) ]
rp ] − A/C
E [˜
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
rp ] − A/C )
(E [˜
C σ 2 (˜
rp ) = 1+ (E [˜rp ] − A/C )
D/C 2
1
C σ 2 (˜
rp ) = 1+ rp ] − A/C )
(E [˜
A/C − E [˜ rzc(p) ]
rp ] − E [˜
E [˜ rzc(p) ]
σ 2 (˜
rp ) =
A − CE [˜ rzc(p) ]
En la ecuación (38):
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
A D/C 2
E [˜
rzc(p) ] = −
C rp ] − A/C
E [˜
Tenemos:
D
= A − CE [˜
rzc(p) ]
rp ] − A
CE [˜
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
rp ] − B
AE [˜
rp ] − A
CE [˜
si le sumamos A/C y le restamos A/C , queda igual a:
A D/C 2
−
C rp ] − A/C
E [˜
el cual es igual a E [˜
rzc(p) ].
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
DCov (˜ rp , r˜q ) AE [˜ rp ] − B
E [˜
rq ] = + (41)
rp ] − A
CE [˜ CE [˜ rp ] − A
E [˜
rq ] = rp ] − E [˜
βqp (E [˜ rzc(p) ]) + E [˜
rzc(p) ] (42)
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
E [˜ rp ] + (1 − βqp )E [˜
rq ] = βqp E [˜ rzc(p) ] (43)
Esto significa que E [˜
rq ] (rendimiento esperado de un portafolio fuera de
frontera ) es una combinación lineal del rendimiento esperado del
portafolio de frontera “p” y de su portafolio de covarianza cero “zc(p)”
con pesos βqp y 1 − βqp .
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
E [˜
rq ] rp ] + (1 − βqp )E [˜
= βqp E [˜ rzc(p) ]
E [˜
rq ] = rzc(p) ] + (1 − βqzc(p) )E [˜
βqzc(p) E [˜ rp ]
βqzc(p) = 1 − βqp
Entonces, la ecuación (43) se puede escribir como:
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
E [˜
rq ] = βqp E [˜
rp ] + βqzc(p) E [˜
rzc(p) ] (44)
La cual es interesante porque los β’s representan la relación entre
“q” y el portafolio especı́fico. Por ejemplo, βqp es el ratio entre la
Cov entre q y p y la Var de p. De otro lado, βqzc(p) es el ratio entre
la Cov entre q y zc(p) y la Var de zc(p).
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Cov (˜
rp , r˜zc(p) ) = 0
Cov (˜
rq , ε̃q ) = 0
E (ε̃q ) = 0
E (˜
rq ) = β0 +β1 E (˜
rp ) + β2 E (˜
rzc(p) ) + E (ε̃q ) (46)
|{z} | {z }
=0 =0
β0 = 0
β1 = βqp
β2 = βqzc(p) = 1 − βqp
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Relación entre las tres variables aleatorias: r˜q , r˜p y r˜zc(p) III
Cov (˜
rp , r˜zc(p) ) = 0
Cov (˜
rq , ε̃q ) = 0
E (ε̃q ) = 0
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Conclusiones I
Conclusiones II
4. La frontera de portafolios es el conjunto de portafolios que tienen
mı́nima varianza para un nivel dado de tasa de rendimiento
esperado. Un portafolio que pertenece a la “frontera de portafolios”
es obtenido por medio de la optimización del inversionista (también
podemos llamar a este portafolio como “portafolio óptimo”).
5. El portafolio óptimo “p” (o wp ) es lineal en su valor esperado de la
tasa de rendimiento:
wp = g + hE [˜ rp ]
6. La frontera de portafolios puede ser generado por dos portafolios de
frontera especı́ficos: w0 y w1 . El primero tiene E [˜
r ] = 0 y el segundo
E [˜
r ] = 1.
7. Es más, la frontera de portafolios puede ser generada por
CUALQUIER dos portafolios de frontera que tienen valores
esperados de sus retornos distintos.
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)
Especificación del modelo Solución del problema de elección del portafolio Análisis Conclusiones
Conclusiones III
8. Existe un portafolio de mı́nima varianza “mvp” el cual tiene la
menor varianza de todos los portafolios posibles. Naturalmente este
ubicado en la frontera de portafolios. Para obtenerlo hay que derivar
la relación media-varianza (que proviene de la optimización) e
igualar a cero dicha derivada.
9. La principal propiedad del “mvp” es que la covarianza de cualquier
portafolio “p” (no necesariamente en la frontera) es igual a la
varianza de “mvp”:
Cov (˜
rp , r˜mvp ) = Var (˜
rmvp )
Hamilton Galindo
Lecture 4: Teorı́a de la Elección del Portafolio (The Mean-Variance Model)