Principios de Economia Financiera

Principios de Economía Financiera
Miguel Cantillo Simon
Universidad de Costa Rica

5 de marzo del 2024
Email address: miguel.cantillo@ucr.ac.cr, Copyright © 2018-2024 Miguel Cantillo

Simon. Todos los derechos reservados.
łNada es tan práctico como una buena teoríaž Kurt Letwin
Índice general
Capítulo 1. Introducción 9
1.1. Referencias 10
Parte 1. Decisiones Bajo Riesgo 11
Capítulo 2. Utilidades esperadas 12

2.1. Introducción 12
2.2. Utilidades Ordinales 12
2.3. Utilidades cardinales 13
2.4. Excepciones a los axiomas 17
2.5. Ejercicios 18
2.6. Referencias 20
Capítulo 3. Aversión al Riesgo 21

3.2. Actitudes ante el riesgo 21
3.3. Diferentes deőniciones de aversión al riesgo 22
3.4. Comparaciones de aversión al riesgo 23
3.5. Funciones de utilidad HARA 24
3.6. Ejercicios 25
3.7. Referencias 28
3.8. Apéndice: Condiciones en la aversión al riesgo relativa para que las utilidades
cardinales tengan techo y piso 29
Capítulo 4. Deőniciones de Rendimientos 32

4.1. Rendimientos simples, brutos, y continuamente compuestos 32
4.2. Distribuciones normales y lognormales 33
4.3. Ejercicios 36
4.4. Referencias 37
Capítulo 5. Conceptos de Dominancia 39

5.1. Dominancia 39
5.2. Dominancia Estocástica de Primer Orden (DEPO o FOSD) 40
3
Índice general 4
5.3. Dominancia Estocástica de Segundo Orden (DESO o SOSD) 40

5.4. Dominancias Estocásticas de Mayor Orden 42
5.5. Resumen 42
5.6. Ejercicios 42
5.7. Referencias 45
Capítulo 6. Preferencias de media y varianza 46

6.2. Condiciones que generan preferencias de media y varianza 46
6.3. Utilidades cuadráticas 47
6.4. Distribuciones de ubicación y escala 48
6.5. Comentario de los resultados 50
6.6. Problemas 50
6.7. Apéndice: Otra demostración de la convexidad de la curva de indiferencia 53
6.8. Referencias 54
Parte 2. Equilibrio en Mercados completos 56
Capítulo 7. Introducción a bonos soberanos 57

7.1. Bonos 57
7.2. Ejercicios 60
7.3. Referencias 61
Capítulo 8. Instrumentos Puros, Mercados Completos, y Arbitraje 63

8.2. Venta al Descubierto (Short sale) 63
8.3. Mercados Completos 65
8.4. Precios Puros y Arbitraje 67
8.5. Problemas 69
8.6. Referencias 70
Capítulo 9. Los mercados completos descentralizados son óptimos de Pareto 71

9.1. Planteo general del problema 71
9.2. Deőnición de un óptimo de Pareto en esta economía 72
9.3. Problemas 74
9.4. Referencias 75
Capítulo 10. Cálculo de Equilibrio de Mercado 76

10.1. Precios con utilidades de potencias separables 76
10.2. Ejemplo 79
Índice general 5
10.3. Ejercicios 79
10.4. Referencias 83
Capítulo 11. Separabilidad en Carteras 84

11.1. Problema General 84
11.2. Separación en K fondos de inversión 86
11.3. Ejercicios 87
Capítulo 12. Principio de Separación de Fisher 89

12.1. La separación de propiedad y control 89
12.2. Valor Actual Neto 90
12.3. Principio de separación de Fisher sin riesgo 90
12.4. Principio de Separación de Fisher con riesgo y mercados completos 91
12.5. Ejemplo de evaluación de proyectos 93
12.6. Ejercicios 94
Capítulo 13. Modigliani Miller I en Mercados Completos 98

13.1. Demostración por ausencia de arbitraje 98
13.2. Demostración con mercados completos 99
13.3. Ejercicios 100
Parte 3. Teoría de Carteras 103
Capítulo 14. Acciones 104

14.1. Hipótesis de Mercados Eőcientes y el test de razón de varianzas 104
14.2. Medidas de localización y dispersión 107
14.3. Medidas de comovimiento 107
Capítulo 15. Matemática de Media y Varianza 111

15.1. Matemática de media y varianza 111
15.2. Un sencillo ejemplo con dos acciones 112
15.3. Problemas 114
Capítulo 16. La Frontera Eőciente 115

16.1. Desarrollo Teórico 115
Índice general 6
16.2. Un Ejemplo: Frontera Eőciente con las 10 acciones más grandes de EEUU 119
16.3. Problemas 120
Capítulo 17. Índices de Mercado y Spanning de carteras 122

17.1. Spanning de Carteras 122
17.2. Indices de Mercado 122
17.3. Fondos de Inversión 123
17.4. Razón de Sharpe. 123
17.5. Sesgo de Sobrevivencia 124
Capítulo 18. CAPM de Sharpe 126

18.1. Línea de Mercados de Capital (Capital Market Line o CML) 127
18.2. Línea de Mercado de Títulos (Security Market Line SML) 132
18.3. Implementación econométrica 132
18.4. CAPM con precios 134
18.5. Problemas 135
Capítulo 19. CAPM de Black 137

19.2. Implicaciones para m si rd > rf 137
19.3. Covarianza entre carteras en MVEF** 138
19.4. Carteras cero covarianza 139
19.5. CAPM de Black (CAPM Cero Beta) 141
19.6. Implementación econométrica 143
Capítulo 20. Tests del CAPM 145

20.1. Filosofía de la ciencia y tipos de tests 145
20.2. Predicciones débiles 146
20.3. Test No. 1: Blume y Friend (1970): 147
20.4. Test No. 2 Fama y MacBeth (1973) 147
20.5. Test No. 3: Black Jensen y Scholes (1972) 148
20.6. Predicciones fuertes 149
20.7. Problemas 150
Índice general 7
Capítulo 21. CAPM de Consumo 156

21.1. Análisis empírico del CAPM de consumo 158
21.2. Dos acertijos macroőnancieros 158
21.3. Resultados Empíricos típicos 160
21.4. Problemas 161
Capítulo 22. APT e implementaciones multifactores 167

22.1. APT de Ross (1976) 167
22.2. El modelo multifactor en mercados completos 167
22.3. Especiőcación Fama French Carhart (FFC) 168
22.4. Cálculo Costo de Capital, Ejemplo Coca Cola 169
Capítulo 23. El Zoológico de Factores 175

23.1. El desarrollo de las őnanzas empíricas a partir de Fama y French 175
23.2. Corrección de t-estadísticos para tomar en cuenta husmeo de datos 176
23.3. Hackeo de valores p 178
23.4. Descubrimiento de factores se degrada en el tiempo 179
23.5. Hipótesis de los factores empíricos de FFC 180
Capítulo 24. Dudas de los estudiantes 186
Parte 4. Respuestas 188

24.1. Construcción de la utilidad esperada 189
24.2. Aversión al Riesgo 190
24.3. Rendimientos 194
24.4. Conceptos de Dominancia 195
24.5. Preferencias de media y varianza 198
24.6. Introducción a bonos 202
24.7. Instrumentos Puros, Mercados Completos, y Arbitraje 204
24.8. El Equilibrio descentralizado es un óptimo de Pareto 205
24.9. Cálculo de Equilibrio 206
24.10. Separabilidad en Carteras 212
24.11. Principio de Separación de Fisher y Evaluación de Proyectos 213
24.12. Teorema Modigliani Miller I 215
Índice general 8
24.13. Introducción a acciones 216

24.14. Matemática de Media y Varianza 217
24.15. La Frontera Eőciente 217
24.16. Índices de Mercado y spanning de carteras 218
24.17. CAPM de Sharpe 218
24.18. CAPM de Black 219
24.19. CAPM de Consumo 219
24.20. Tests del CAPM 224
24.21. APT 230
24.22. El zoológico de Factores 233
Parte 5. Tareas 239

Capítulo 1
Introducción
Este texto introduce los principales conceptos de la economía őnanciera para estudiantes
de economía, a darse en un semestre. El público meta de este libro son estudiantes que estén
terminando la carrera de economía, y trata de presentar de una manera sencilla pero rigurosa
los resultados de esta área de la economía que ha tenido un gran desarrollo en los últimos
años. Los requisitos para entender la materia es un curso de microeconomía intermedia como
Varian (1992) y de econometría básica como Pindyck y Rubinfeld (1997) o Kennedy (2008).
El curso de microeconomía requiere un conocimiento de cálculo con optimización.
Una de las características más atractivas de la economía őnanciera es la estrecha cone-
xión entre la teoría y la forma en que las őnanzas se practican hoy en día. Por esa razón,
el libro combinará los principales desarrollos teóricos con algunas de sus aplicaciones más
fundamentales. Sin embargo, este texto no busca explicar todos los detalles institucionales
en que los distintos mercados funcionan. Para esto existen excelentes libros de referencia,
como el de Levinson (2018), que se actualizan con bastante frecuencia.
Existen muy pocos textos dirigidos a estudiantes de pregrado de economía. Dos libros
que se acercan a este público son Danthine y Donaldson (2014) y Copeland y Weston (1988),
capítulos del 4 al 7, que está dirigido a estudiantes avanzados de maestrías őnancieras o de
administración de empresas. Para estudiantes doctorales, existen libros clásicos como Inger-
soll (1987) y Huang y Litzenberger (1988) y los artículos originales citados en las referencias
de cada capítulo. Entre la mayoría de los textos antes citados y el presente han habido de-
sarrollos importantes, especialmente en el área empírica. Estos desarrollos se presentan en
los últimos capítulos de este texto, y abordan temas muy especíőcos, tales como sesgos de
selección, de sobrevivencia, o de husmeo de datos en el análisis de datos.
Cada capítulo cuenta con una serie de ejercicios, que están divididos en una parte de
falso y verdadero y otra de problemas. Los ejercicios están resueltos al őnal del libro, con
la esperanza de que los estudiantes puedan estudiar por su cuenta. Existen también sets de
problemas, que sirven como posibles tareas, y que por esta razón no tienen soluciones.
Espero que este texto sea de utilidad para aquellos jóvenes economistas que se están
adentrando al fascinante mundo de las őnanzas.
9
1.1. REFERENCIAS 10
1.1. Referencias
Copeland, Thomas E., y John Fred Weston. Financial theory and corporate policy. Edi-
torial Addison Wesley, tercera edición, 1988.
Danthine, Jean-Pierre, and John B. Donaldson. Intermediate financial theory. Academic
Press, tercera edición 2014.
Huang, Chi-fu, and Robert H. Litzenberger. Foundations for financial economics. Pren-
tice Hall, 1988.
Ingersoll, Jonathan E. Theory of financial decision making. Vol. 3. Rowman & Littleőeld,
1987.
Kennedy, Peter. A Guide to Econometrics. Wiley-Blackwell; sexta edición, 2008.
Levinson, Marc. The Economist Guide to Financial Markets: Why they exist and how
they work. The Economist, sétima edición 2018.
Pindyck, Robert S., and Daniel L. Rubinfeld. Econometric models and economic forecasts.
Vol. 4. Boston: Irwin/McGraw-Hill, 1998.
Varian, Hal. Microeconomic Analysis. W. W. Norton & Company, tercera edición, 1992
Parte 1
Decisiones Bajo Riesgo

Capítulo 2
Utilidades esperadas
2.1. Introducción
En este capítulo construiremos la utilidad esperada, que permite analizar situaciones de

riesgo. Las utilidades esperadas se construyen con utilidades cardinales, que fueron desarro-
lladas por John von Neumann y Oskar Morgenstern, y por eso a veces son también conocidas
como utilidades Von Neumann-Morgenstern, o utilidades VNM.
2.2. Utilidades Ordinales
Las utilidades ordinales fueron desarrolladas por Vilfredo Pareto en 1906 para poder
comparar la elección de carteras de bienes. El adjetivo ordinal se reőere a que permite
ordenar la elección de una canasta de bienes sobre otra.
n
Las canastas de bienes se deőnen como un vector de n dimensiones xϵR+ , donde cada
   
1 T ortilla 1
   
elemento representa un bien. Por ejemplo, x= 2 huevo y y =  1 .
2 caf é 3
Preferencias: Las preferencias indican la valoración subjetiva de un individuo de sobre
una canasta de bienes. Hay varias formas de expresar las relaciones de preferencias
entre canastas, en este curso usaremos de las preferencias débiles como punto de
partida.
1. x ⪰ y x es débilmente preferido a y
2. x ⪰̸ y x no es débilmente preferido a y.
A partir de las preferencias débiles se pueden deőnir las preferencias estrictas y la
indiferencia.
1. x ≻ y (si x ⪰ y y y ⪰̸ x): x es estrictamente preferido a y
2. x ∼ y (si x ⪰ y y y ⪰ x): x es indiferente a y
Para generar utilidades, es necesario imponer condiciones a las preferencias. Primero
hablaremos de un par de condiciones de regularidad, que tienen más importancia
matemática que económica. Luego hablaremos de condiciones A1 y A2 que sí tienen
interpretación económica de más relevante.
• R1. x ⪰ x ∀x
12
2.3. UTILIDADES CARDINALES 13
• R2. para un par de secuencias xn → x y yn → y, si xn ⪰ yn ∀n, entonces x ⪰

y. Esto es un tipo de continuidad que prohíbe, por ejemplo, las preferencias
lexicográőcas, que analizaremos más adelante.
• A1 Comparabilidad. Puedo comparar cualquier alternativa. Formalmente, para
cada x y y debe ser cierto que x ≻ y o y ≻ x o x ∼ y.
◦ Parece muy intuitivo, pero no se cumple en la super paradoja de San Peters-
burgo (explicada más adelante).
• A2. Transitividad o Consistencia: Si x ≻ y y y ≻ z entonces x ≻ z
◦ Ejemplo: me gusta más el punk que el jazz, me gusta más el jazz que el
regatón, entonces me debe gustar más el punk que el regatón.
◦ Pero no se da siempre, como en paradoja de votantes de Arrow, analizada
más abajo.
Teorema, bajo R1-R2, y A1-A2, ∃V : Rn → R ∋ xϵRn , yϵRn entonces x ≻ y ⇔
v(x) > v(y)
• La demostración se encuentra en cualquier texto avanzado de microeconomía, co-
mo en Kreps (2013), Proposición 1.11. La idea general es que con estos supuestos,
se pueden ordenar las canastas de peor a mejor. A la peor canasta le asigno un
número a, y a la segunda más mala le puedo añadir una cantidad arbitraria, y
así para las otras canastas. Al őnal me quedará una serie de valores que preserva
este ordenamiento de preferencias.
• La utilidad ordinal preserva sus decisiones ante transformaciones monotónicas.
Esto quiere decir que para f : R → R tal que f ′ > 0, si ve = f (v) entonces ve y v
tomarían las mismas decisiones acerca de la elección de canastas.
2.3. Utilidades cardinales
No es posible analizar situaciones de riesgo con utilidades ordinales. Para esto, Von
Neumann y Morgenstern (VNM), desarrollaron las utilidades cardinales, cuyo
nombre indica que no sólo pueden ordenar canastas, sino medir el riesgo.
Riesgo, ambigüedad e incertidumbre:’Siempre me interesan los informes que
dicen que algo no ha pasado, porque como sabemos, hay conocidos co-
nocidos; Hay cosas que sabemos que sabemos. También sabemos que hay
incógnitas conocidas; es decir, sabemos que hay algunas cosas que no sa-
bemos. Pero también hay incógnitas desconocidas, las que no sabemos que
no sabemos. Y si uno mira a lo largo de la historia de nuestro país y de
otros países libres, son estos últimos los que suelen ser los más difíciles’
Donald Rumsfeld, Secretario de Defensa de los E.E.U.U. el 12 de Febrero del 2002
• Von Neumann y Morgenstern desarrollaron el concepto de riesgo en 1947 usando

loterías, que en este texto deőniremos como li (x, y, π); esta lotería binomial (el
concepto más sencillo posible) dice que puedo ganar un premio xcon probabilidad
πy un premio y con probabilidad 1 − π. Es posible especiőcar el evento seguro
de recibir una canasta x como l(x, y, 1). Se habla de una lotería directa, si sus
premios son canastas de consumo. Existen también las llamadas loterías com-
puestas, cuyos premios son otras loterías; a través de las loterías compuestas uno
puede especiőcar un sinőn de repagos, por lo que el concepto de lotería binomial
no es tan restrictivo como parece a primera vista. Von Neumann y Morgenstern
(1953) interpretaron πcomo una probabilidad objetiva, como puede ser la proba-
bilidad de que una moneda caiga "cara" (y π = 21 ). Savage en 1958 re-interpretó
π como una probabilidad subjetiva. Un ejemplo de esto es la probabilidad de que
hoy me comeré un helado. Matemáticamente, las perspectivas de Von Neumann
Morgenstern y de Savage llegan al mismo resultado de la utilidad cardinal, así
que es una cuestión de gustos cómo analizar el problema.
• Ellsberg (1961) deőne la ambigüedad como li (x, y, ?), es decir, se conocen los
premios pero no las probabilidades de los mismos. Así como se desarrolla el
concepto de aversión al riesgo en el siguiente capítulo, es posible desarrollar una
aversión a la ambigüedad, pero esto va más allá de la temática de este curso.
• Finalmente, está la incertidumbre, que como un término técnico y distinto de
riesgo, fue desarrollado por Frank Knight (1921) y precisado por Epstein (1999).
En un caso de incertidumbre con la lotería tenemos l(?, ?, ?), es decir que ni cono-
cemos la naturaleza de los repagos, ni las probabilidades de los mismos. Knight
dice que los emprendedores asumen incertidumbre que los inversionistas normales
no aceptarían, y que a cambio de absorber tal incertidumbre, los emprendedores
reciben rentas económicas.
La idea de Von Neumann y Morgenstern es de deőnir preferencias sobre loterías
análogamente de como se deőnieron preferencias sobre canastas de bienes. Aparte de
R1 y A1-A2, se supondrán algunas condiciones adicionales:
• A3 Independencia (de alternativas irrelevantes). Si lx ≻ ly ⇒ l(lx , lw , π) ≻
l(ly , lw , π). Este supuesto nos dice que para decidir entre loterías, es suőciente
sólo őjarse en lo que la distingue. Este supuesto es violado en el ejemplo de
Allais, expuesto más abajo.
• A4 Medibilidad (o continuidad). Si l1 ≻ l2 ⪰ l3 o l1 ⪰ l2 ≻ l3 entonces existe
una única probabilidad πϵ[0, 1] tal que l2 ∼ l(l1 , l3 , π). Este también es conocido
como el axioma arquimedeo y reemplaza en cierto modo el R2 de las funciones
ordinales. Tanto el R2 como el A4 se violan con preferencias lexicográőcas.
• A5 Ranking (Dominancia). Si lx ≻ ly entonces l(lx , ly , π1 ) ≻ l(lx , ly , π2 ) ⇔ π1 >

π2 .
• Una de las consecuencias de A3-A5 es que la equivalencia de loterías que dan los
mismos repagos őnales esperados. Por ejemplo, considere una lotería compuesta
l1 (x, lz , π) que está hecha a partir de una lotería lz ≡ l(x, y, πz ),y de repagos őnales
x y y. En esta lotería compuesta l1 , la probabilidad de recibir x es π + (1 − π)πz ,
y la probabilidad para y sería su complemento. Los agentes que cumplan con los
supuestos A3 − A5 están indiferentes entre esa lotería compuesta l1 y una lotería
directa l2 que da los mismos pagos esperados, es decir l1 (x, lz , π) ∼ l2 (x, y, π +
(1 − π)πz ). Esto implica que un agente no hay preferencias por el hecho de jugar
más loterías.
2.3.1. Construcción de la utilidad esperada.

Teorema: bajo A1-A5. las decisiones hechas por una persona que se enfrenta a dos
o más loterías con m posibles premios será la decisión de la lotería que maximiza la
P
utilidad esperada V = E[u(x)] ≡ m i=1 πi u(xi ) donde u(xi ) es una utilidad cardinal
de obtener un premio xi y πi es la probabilidad de obtener un premio xi . La utilidad
u() se conoce como la utilidad von Neumann Morgenstern. A continuación haremos el
bosquejo más sencillo de la demostración. Para un tratamiento más formal, se puede
consultar el texto de Von Neumann y Morgenstern (1953).
1. Ordenaremos, sin pérdida de generalidad, el espacio de premios őnales de mejor
(i = 1) a peor (i = m) de tal manera que x1 ≻ x2 ≻ ... ≻ xm .
2. Para cualquier lotería lz deőnimos su utilidad como u(lz ) ≡ πz , donde lz ∼
l(x1 , xm , πz ). Por A4 sabemos que πz existe y por A5 sabemos que es único.
a) Existe el caso especial donde en vez de una lotería consideramos un pago
őnal xi y u(xi ) ≡ πi se deőne donde xi ∼ l(x1 , xm , πi ). Llamaremos a estas
utilidades sobre premios őnales utilidades cardinales. Se le llama utilidad
cardinal porque no sólo es capaz de ordenar bienes por preferencia, sino que
el número que sale tiene un signiőcado concreto.
3. Si hay dos loterías lw ≻ lz entonces sabemos que lw ∼ l(x1 , xm , πw ) ≻ l(x1 , xm , πz ) ∼
lz . Por A5 esto implica que πw ≡ u(lw ) > u(lz ) ≡ πz . Esto establece que u(), que
en (2) se estableció que existe y es única, tiene las propiedades de una función de
utilidad.
4. Por la deőnición general de utilidades esperadas, sabemos que lz ∼ l(x1 , xm , πz ).
Ahora queremos expresar πz en términos de utilidades cardinales. Considere el
caso sencillo donde lz = l(xi , xj , π). Como sabemos que xi ∼ l(x1 , xm , πi ) y
xj ∼ l(x1 , xm , πj ). Sabemos por equivalencia entre loterías directas y compuestas
que lz = l(xi , xj , π) ∼ l [l(x1 , xm , πi ), l(x1 , xm , πj ), π]. La probabilidad de recibir
x1 es ππi +(1−π)πj . La equivalencia de las loterías compuestas y directas nos dice

que lz ∼ l(x1 , xm , ππi + (1 − π)πj ) ≡ l(x1 , xm , πz ). En términos de las utilidades
deőnidas en el punto (2) de esta demostración, tenemos que u(lz ) ≡ πz = ππi +
(1 − π)πj ≡ πu(xi ) + (1 − π)u(xj ) = E [u(x)]. Esto quiere decir que la utilidad de
una lotería se puede calcular como el valor esperado de las utilidades cardinales
de los repagos őnales. El argumento arriba esbozado se puede generalizar para
P
muchos repagos discretos como V ≡ E[u(x)] ≡ m 1
i=1 πi u(xi ) . El caso de repagos
continuos con una densidad f (x) se demuestra de manera similar2 para obtener
V ≡ E[u(x)] = u(x)f (x)dx. Llamaremos utilidad esperada a V .
´
5. La deőnición en (2) pudo haberse cambiado a u e(lz ) = a+bπz con b > 0 de manera
que la construcción de los puntos (3)-(4) es idéntica. Técnicamente se dice que las
propiedades de una utilidad cardinal se preservan con cualquier transformación
lineal positiva.
Dos utilidades cardinales muy distintas pueden tener las mismas propiedades ordi-
√
nales (es decir la escogencia de un bien bajo certidumbre). Por ejemplo v = xy y
1
ve = − xy tienen las mismas propiedades ordinales y escogerían las mismas canastas
de bienes, ya que ve(v) = − v12 es una transformación positiva. Sin embargo, si se viera
vey v como utilidades cardinales, estas elegirían loterías distintas.
Las utilidades esperadas V pemiten ordenar una serie de inversiones riesgosas, por
lo que una vez calculadas, pueden tener transformaciones monotónicas. Veremos una
aplicación de esto en capítulos siguientes, al usar rendimientos lognormales y utilida-
des potenciales.
Utilidad de riqueza. En economía őnanciera generalmente trabajaremos con la uti-
lidad de la riqueza. Si existen varios bienes x y un vector de precios p, la función
derivada de riqueza está dada por
•
u(w; p) = M ax{v(x); s.t.p′ x = w}
La utilidad que sólo depende de la riqueza se llama independiente de estado, y si no
es así, se le conoce como dependiente de estado.
La versión continua del teorema de VNM, que no se demuestra aquí, es de la siguiente
forma. Si f (x) es la densidad de un premio que paga x y u(x) es la utilidad cardinal
de recibir el premio x, se puede deőnir una utilidad esperada como
ˆ
V ≡ E[u(x)] ≡ u(x)f (x)dx
1El lector interesado puede consultar Ingersoll (1987) para una demostración más general
2aunque se necesita de mucho más formalismos matemáticos que no vienen al caso aquí
2.4. EXCEPCIONES A LOS AXIOMAS 17
Hay casos de densidades f (x) y utilidades cardinales u(x) muy regulares, en los
que V será una función de unos pocos parámetros. V se puede entonces manipular
como una función ordinal, es decir, que permite transformaciones monotónicas.
2.4. Excepciones a los axiomas
A1. Comparabilidad a través de la utilidad esperada. La paradoja de San Petersburgo

(Nicolas Bernoulli 1713). Existe un casino que ofrece 2n rublos si una moneda sale cara n
veces seguidas (y cruz la última vez). £Cuánto pagaría por entrar en este juego?
∞ n
X ∞
1 1 1 X
n
E(x) = ×2 = × 1=∞
n=1
2 2 2 n=1
Uno nunca pagaría tanto por tal juego, para eso se inventó la utilidad, u(x) cóncava,
p.e. ln(x). Pero Karl Menger planteó en 1934 la ’super’ paradoja de San Petersburgo, donde
ahora el casino me paga u−1 (2n ) si la moneda cae n veces seguidas en cara. Por ejemplo, si
la función de utilidad es logarítimica, el casino me paga exp(2n ). En general, volvemos al
problema
∞ n+1
X ∞
1 −1 1 X
n
E[u(x)] = × u[u (2 )] = × 1=∞
n=1
2 2 n=1
Ahora supongamos que el casino me ofrece u−1 (2 × 2n ). Se ve que en este caso es un
mejor juego, y sin embargo la utilidad esperada me da
∞ n+1
X ∞
1 −1 1 X
n
E[u(x)] = × u[u (2 × 2 )] = × 2=∞
n=1
2 2 n=1
Es decir que las utilidades no pueden comparar dos loterías que si podemos valorar.
Arrow (1965) propone que una condición suficiente para evitar la super paradoja de San
Petersburgo es que las utilidades cardinales tengan piso y techo.
A2. Transitividad aquí se da la paradoja de votantes de Arrow. Veamos un ejemplo.
Supongamos que hay tres votantes en las elecciones con las siguientes preferencias
Votante 1 (Demócrata): Clinton ≻Sanders ≻ Trump
Votante 2 (Populista): Sanders ≻Trump ≻ Clinton
Votante 3 (Republicano): Trump ≻ Clinton ≻ Sanders
Consideremos una "función" de utilidad social, llamada elección popular en un país demo-
crático. Uno podría decir que
1. En una elección popular Clinton le gana a Sanders (Votantes 1 y 3 vs. Votante 2)
2. En una elección popular Sanders le gana a Trump (Votantes 1 y 2 vs. Votante 3)
2.5. EJERCICIOS 18
La transitividad diría que por lo tanto en una segunda ronda Clinton le debería ganar a
Trump, pero eso no sería verdad, ya que los votantes 2 y 3 votarían por Trump, en tanto
que sólo el votante 1 lo haría por Clinton.
El teorema de imposibilidad de Arrow limita las características de una función social de
escogencia cuando hay más de tres elementos a escoger. Concretamente, la única que exhibe
transitividad es una que asigne todo el peso a un sólo votante (un dictador), o que todos
tengan exactamente las mismas preferencias, que es lo mismo). Limita de forma muy fuerte
el concepto de "agente representativo" que se usa en macroeconomía.
A3. Independencia. Considere las siguientes 4 loterías
l1 = (10, 000, 0, 10 %)
l2 = (15, 000, 0, 9 %)
l3 = (10, 000, 0, 100 %)
l4 = (15, 000, 0, 90 %)
Si uno hace una encuesta, por lo general l2 ≻ l1 y l3 ≻ l4 , pero note que si l0 = (0, 0, 1),
entonces
l1 = (l3 , l0 , 10 %)
l2 = (l4 , l0 , 10 %)
l3 ≻ l4 → l1 ≻ l2 lo que no es cierto. Esto se llama la paradoja de Allais.
A4. Continuidad.
" # Supongamos que existe un bien sumamente valioso dentro del paquete
Bolsa
x= vemos que x ≻ y si x2 > y2 y cualquier x1 y y1 o si x2 = y2 y x1 > y1
V ida
2.5. Ejercicios
2.5.1. Falso o Verdadero.

1. ____________ Cualquier transformación v(x) = f [u(x)] con f ′ > 0 preserva
las propiedades de la utilidad cardinal original. Esto quiere decir que la utilidad v(x)
escogerá las mismas loterías que u(x).
2. ____________ De acuerdo a la paradoja de los votantes de Arrow, es posible
que con tres o más objetos de escogencia, una regla de mayoría viole el principio de
transitividad.
3. ____________ Con una función de utilidad u(w) = − w1 se evita la súper
paradoja de San Petersburgo.
4. ____________ La paradoja de Allais es un ejemplo donde el supuesto de con-
tinuidad de las preferencias falla.
5. ____________ El supuesto de medibilidad (continuidad) de las preferencias es
necesario para desarrollar las funciones ordinales de utilidad.
2.5. EJERCICIOS 19
6. ____________ Una función ordinal de utilidad sólo permite transformaciones

lineales positivas para mantener sus propiedades.
7. ____________ Las utilidades cardinales se pueden determinar hasta una trans-
formación lineal positiva.
8. ____________ La aversión a la ambigüedad no se puede analizar con las he-
rramientas básicas de las utilidades cardinales.
9. ____________ Las utilidades esperadas sólo se pueden construir con probabi-
lidades objetivas
10. ____________ En economía őnanciera, la incertidumbre y el riesgo son sinó-
nimos.
11. ____________ Las preferencias lexicográőcas rompen el supuesto de compa-
rabilidad.
12. ____________ Es posible construir una utilidad esperada aunque no haya
equivalencia entre loterías directas y compuestas con los mismos pagos őnales.
13. ____________ No existen excepciones conocidas al supuesto de łrankingž so-
bre loterías.
√ √
14. ____________ Las utilidades cardinales u1 = w y u2 = 2 − w son equiva-
lentes.
2.5.2. Problemas.
1. Considere los siguientes repagos: x1 = 1,x2 = 2, x3 = 3, x4 = 4,x5 = 5 y las siguientes

relaciones de indiferencia:
l(x1 , x3 , 10 %) ∼ l(x2 , x4 , 75 %)
l(x3 , x5 , 90 %) ∼ l(x2 , x4 , 25 %)
l(x1 , x5 , 20 %) ∼ l(x4 , x5 , 50 %)
a) Explique el supuesto de medibilidad y su importancia para la construcción de la
utilidad cardinal. £hay excepciones para ese supuesto?
b) Construya la utilidad cardinal de esta persona, es decir u(xi ) para i = 1, ..., 5.
c) Compare los siguientes tres pares de loterías y explique cuál es preferida para
cada par:
1) la (x1 , x3 , 0, 50) vs. lb (x2 , x4 , 1, 00)
2) lc (x3 , x5 , 0, 50) vs. ld (x2 , x4 , 0, 00)
3) le (x1 , x5 , 0, 50) vs. lf (x3 , x5 , 1, 00)
d ) En base a los resultados encontrados en el inciso (c) explique cuál es la actitud
ante el riesgo de esta persona.
2.6. REFERENCIAS 20
2.6. Referencias
Allais, Maurice. "Le comportement de l’homme rationnel devant le risque: critique des
postulats et axiomes de l’école Américaine". Econometrica. 21 (4), (1953): 503ś546
Arrow, Kenneth J. Social choice and individual values. Vol. 12. Yale University Press,
1951.
Arrow, Kenneth Joseph. Aspects of the theory of risk-bearing. Yrjö Jahnssonin Säätiö,
1965.
torial Addison Wesley, 3ra edición, 1988:
Danthine, Jean-Pierre, and John B. Donaldson. Intermediate financial theory. Academic
press, 3ra edición 2014.
Ellsberg, Daniel. "Risk, ambiguity, and the Savage axioms." The Quarterly Journal of
Economics. 75, (1961): 643-669.
Epstein, Larry G. "A deőnition of uncertainty aversion." The Review of Economic Studies
66, no. 3 (1999): 579-608.
Friedman, Milton, and Leonard J. Savage. "The utility analysis of choices involving risk."
Journal of Political Economy 56, no. 4 (1948): 279-304.
1987.
Knight, Frank H. Risk, uncertainty and profit. Houghton Mifflin Company., 1921.
Kreps, David. M. Notes on the Theory of Choice. Westview press, 1988.
Kreps, David M. Microeconomic foundations I: choice and competitive markets. Vol. 1.
Princeton University Press, 2012.
Menger, Karl. "Das unsicherheitsmoment in der wertlehre: Betrachtungen im anschliß an
das sogenannte petersburger Spiel." Zeitschrift für Nationalökonomie (1934): 459-485.
Pareto, Vilfredo. Manuale di economia politica. Vol. 13. Societa Editrice, 1906.
Savage, Leonard J. The foundations of statistics. Dover Publications, 1954.
Von Neumann, John, and Oskar Morgenstern. Theory of games and economic behavior.
Princeton, NJ: Princeton University Press, 1945.
Capítulo 3
Aversión al Riesgo
3.1. Introducción
Kenneth Arrow (1965) da una serie de ejemplos de como el riesgo y nuestra actitud ante
él nos afecta:
1. Hay quien compra lotería, donde a cambio de un pago tiene una pequeña probabilidad
de recibir un gran premio.
2. Hay personas (a veces la mismas que en el punto anterior) que compran seguros,
donde a cambio de una prima pagada, se protege el asegurado contra un siniestro
(accidente automovilístico, incendio, etc.).
3. Hay personas y empresas que tienen ciertas cantidades de dinero líquido o en efectivo,
a pesar de que con no reciben los ingresos de tener, por ejemplo un bono o una acción.
4. Hay empresas que tienen inventarios para hacer frente a imprevistos.
5. Un estadístico ante hipótesis que compiten entre sí, y un experimento, decide sobre
cual hipótesis aceptar. Cualquier decisión que haga conlleva un łcostož que son los
errores tipo I y tipo II.
6. Un cientíőco ante una serie de resultados empíricos, debe escoger entre leyes naturales
coherentes con estos datos. El problema del cientíőco se complica un poco ante el
hecho de que no sabe las consecuencias de tal escogencia.
La teoría desarrollada por Von Neumann y Morgenstern nos permite estudiar algunos de
estos problemas (1 al 4), algunos parcialmente (5), y otros no del todo, como (6), que es más
cercano al concepto de incertidumbre del que habla Knight (1921), en el que se reőere a la
problemática que enfrentan los emprendedores.
3.2. Actitudes ante el riesgo
La actitud ante el riesgo está dada por una simple decisión entre dos alternativas
1. Una lotería l(a, b, π) que paga a c.p. π y b > a c.p. 1 − π, con un valor esperado de
c ≡ πa + (1 − π)b
2. Una cosa segura, que es un pago c de őjo.
La actitud ante el riesgo se deőne ante las preferencias sobre estas dos alternativas
1. Quien es indiferente entre las alternativas es neutral al riesgo, es decir l(a, b, π) ∼
πa + (1 − π)b, o con utilidades esperadas E[u(w)] = u(E[w])
21
3.3. DIFERENTES DEFINICIONES DE AVERSIÓN AL RIESGO 22
2. Quien preőere la lotería es un amante del riesgo, l(a, b, π) ≻ πa + (1 − π)b. Si hay

función utilidades cardinales, tenemos E[u(w)] > u(E[w])
3. Quien preőere la cosa segura es un averso al riesgo, πa + (1 − π)b ≻ l(a, b, π). Con
utilidades esperadas esto sería E[u(w)] < u(E[w]). De entre estas tres actitudes, la
más comúnmente observada es la aversión al riesgo.
3.3. Diferentes definiciones de aversión al riesgo
La deőnición de aversión al riesgo depende del contexto

1. Un agente con una utilidad cardinal es averso al riesgo si para un nivel de riqueza w
es indiferente entre una lotería l con valor esperado w y una cantidad őja wce < w.
Este valor wce se conoce como el equivalente cierto, o equivalentes de certidumbre.
Si el agente es averso al riesgo a todos los niveles relevantes de riqueza, se le conoce
como globalmente averso al riesgo.
2. Con utilidades cardinales, se es averso al riesgo a un nivel de riqueza w si u(w) >
E[u(w + ϵ)] donde E(ϵ) = 0 y ϵ tenga una dispersión.
3. Un agente es globalmente averso al riesgo si y sólo si su utilidad cardinal es cóncava
a cualquier nivel de riqueza. Note que en esta deőnición las utilidades no tienen que
ser diferenciables en todos los puntos, ni es necesario que la utilidad marginal sea
positiva
4. Si la función de utilidad es diferenciable dos veces, entonces se es averso al riesgo si
y sólo si u”(w) < 0
5. Alguien es averso al riesgo si ante una inversión que cuesta c hay que darle un premio
πc por encima del valor esperado. El πc es el premio compensatorio por invertir en
un instrumento más riesgoso y es muy usado en őnanzas, y lo llamaremos premio al
riesgo (risk premium).
E[u(w + πc + ϵ)] = u(w)

Otra prima muy parecida, pero distinta conceptualmente, es πi . Si alguien es
averso al riesgo, el agente estaría dispuesto a pagar una prima πi para evitar la
lotería riesgosa.
E[u(w + ϵ)] = u(w − πi )

El πi es como la prima pagada para un seguro. La cantidad w − πi es conocida
como el equivalente cierto, o equivalente de certidumbre (certainty equivalent) de la
apuesta w + ϵ.
6. Para un riesgo pequeño y una función de utilidad continua, tenemos que la expansión
de la prima de riesgo πi es:
3.4. COMPARACIONES DE AVERSIÓN AL RIESGO 23
1 1 1
E[u(w + ϵ)] = E[u(w) + ϵu′ (w) + ϵ2 u′′ (w) + ϵ3 u′′′ (w + αϵ)] ≈ u(w) + σe2 u”(w)
2 6 2
u(w − πi ) ≈ u(w) − πi u′ (w)
σϵ2 u”(w)
πi ≈ −
2 u′ (w)
Esta es la medida Pratt-Arrow de un premio al riesgo local. Sirve para pequeños
movimientos simétricos en el riesgo
′′ (w)
7. ARA(w) = − uu′ (w) es conocida come la aversión al riesgo absoluta. Esta aversión
′
absoluta al riesgo es ARA(w) = − dln[u dw
(w)]
, es decir, se puede ver como la caída
porcentual de la utilidad marginal.
8. A partir del ARA(w) se puede recobrar la función de utilidad original, ya que
′ (w)]
ARA(w) = − dln[u dw
de manera que
   
ˆw ˆz ˆw ˆz ′ ˆw
d[lnu (x)] 
exp − ARA(x)dx dz = exp  dx dz = exp [ln[u′ (z)] dz = a+bu(w)
dx
9. La tolerancia al riesgo está dada por
u′ (w) 1
T (w) ≡ −
′′
=
u (w) ARA(w)
10. La aversión al riesgo relativa RRA(w) está dada por
wu′′ (w)
RRA(w) ≡ − = wARA(w)
u′ (w)
Si deőnimos la utilidad marginal como M U (w), entonces la aversión relativa al
riesgo es RRA = − MwU ∂M ∂w
U
, es decir, es una elasticidad de la utilidad marginal a
la riqueza, y como tal no depende de cómo deőnamos la riqueza, p.e. en miles o en
millones.
3.4. Comparaciones de aversión al riesgo
Teorema (Pratt 1964): Las siguientes cinco condiciones son equivalentes. El agente 1 es
globalmente más averso al riesgo que el agente 2 si:
1. ARA1 (w) > ARA2 (w) para todos los w
2. ∃G con G′ > 0 y G′′ < 0 tal que u1 (w) = G[u2 (w)]. Intuitivamente de acuerdo a la
condición 2 podemos pensar en el agente más averso al riesgo como una ’concaviőca-
ción’ del agente menos averso al riesgo.
3.5. FUNCIONES DE UTILIDAD HARA 24
3. π1i > π2i para la prima de seguros de todas las apuestas.

4. π1c > π2c para la premio para asumir riesgo pagada sobre la lotería actuarial.
5. u1 [u−1
2 (w)] es cóncavo
3.5. Funciones de utilidad HARA
Una de las clases de utilidades más usadas son las HARA (hiperbólica absoluta aversión
al riesgo ) también conocida como LRT (Tolerancia al riesgo lineal), y están dada por
1−γ
γ aw
u(w) = +b
1−γ γ
Donde b > 0. La función de utilidad tiene como soporte los niveles de riqueza donde el
término en paréntesis sea positivo. La tolerancia al riesgo de estas utilidades es:
1
ARA = w b
γ
+ a
w
RRA = w b
γ
+ a
1 w b
T (w)= = +
ARA(w) γ a
Arrow (1965) considera que los escenarios más comunes son que ∂ARA ∂w
< 0 y ∂RRA
∂w
> 0,
y que el RRA < 1 para bajos niveles de riqueza, y RRA > 1 para altos niveles de riqueza.
Para que la aversión al riesgo caiga con mayor riqueza debe ser que γ > 0. Esto quiere decir
que los inversionistas pedirán una menor prima de riesgo para la misma lotería conforme se
hagan más ricos, y se le conoce como el DARA (decreasing absolute risk aversion). Para que
la aversión al riesgo relativo aumente con aumentos en riqueza, debe ser que a > 0, y a esto
se le llama IRRA (increasing relative risk aversion). Arrow (1971) explica que para que la
función de utilidad tenga piso para bajos niveles de riqueza, debe ser que RRA < 1 para que
la función de utilidad tenga techo para altos niveles de riqueza, debe ser que RRA > 1. En
resumen, las condiciones ideales de una utilidad HARA son que γ > 1, a > 0 y b > 0.
Veamos ahora casos especiales de la utilidad HARA:
Cuando γ < 0 la tolerancia al riesgo disminuye con aumentos en riqueza. Esto no se
considera un caso que tenga mucho sentido económico. Un caso especial dentro de
esta familia es γ = −1 donde hay una utilidad cuadrática. Para que tenga un ARA
positivo, debe ser que ab > wmax es decir, que hay que poner un techo a la máxima
riqueza.
Cuando γ = 0 entonces tenemos una utilidad lineal, que indica neutralidad ante
riesgo.
3.6. EJERCICIOS 25
Cuando γ → ∞ tenemos una función de utilidad con aversión al riesgo constante

(CARA) dada por u(w) = −be−aw .1 Note que esta utilidad tiene un techo de cero.
Cuando a = 1 y b = 0, la utilidad se puede escribir como:
w1−γ − 1
u(w) =
1−γ
• Estas utilidades se conocen como isoelásticas, potenciales, o de aversión al riesgo
relativa constante (CRRA por sus siglas en inglés), ya que su RRA está dada
por γ.
√
• Un ejemplo de esta clase de utilidades es γ = 21 nos da u(w) = 2 w, que tiene
piso, pero no techo
• Otro ejemplo de utilidad CRRA es cuando γ → 1 y tenemos u(w) = ln(w)2, que
ni tiene piso ni techo.
• Otro ejemplo de utilidad CRRA con γ = 2 nos da u(w) = 1 − w1 , que no tiene
piso, pero sí tiene techo.
3.6. Ejercicios

1. ____________ Frankie tiene una utilidad de la riqueza u(w) = min(w, k) para
k > 0. Esto quiere decir que Frankie es neutro al riesgo.
√
2. ____________ Robin tiene una utilidad de la riqueza u(w) = w y tiene 0
riqueza inicial. Una lotería que paga 100 y 400 con un 50 % cada uno tiene un valor
de certidumbre para Robin de 25.
3. ____________ Nami puede escoger entre la lotería A que paga 200 c.p. 0.25,
400 c.p. 0.50 y 800 c.p. 0.25. La lotería B paga 200 c.p. 1/3 y 800 c.p. 2/3. Como
Nami tiene una función de utilidad u(w) = − 800w
y no tiene riqueza inicial, escogerá
la lotería A.
√
4. ____________ Chopper tiene una función de utilidad u1 (w) = 2 w + a a > 0
√
y Brooke tiene una utilidad u2 (w) = 2 w. Entonces los equivalentes de certidumbre
de Chopper serán más bajos que los de Brooke ante una misma apuesta, y con la
misma riqueza inicial.
−γ
1Esto se debe a que limγ→∞ aw
+b = exp(−aw) por el teorema binomial. El otro límite de la otra
γ
h i h i
γ aw 1 aw
parte de la utilidad HARA es limγ→∞ 1−γ γ + b = limγ→∞ 1/γ−1 γ + b = −b
2La exponencial es eu
n
= limn→∞ 1 + nu . Si hacemos un cambio de variables, donde n = 1
1−γ , la exponencial
1
u
se convierte en e = limγ→1 [1 + (1 − γ)u] la inversa de la expresión en paréntesis cuadrados se obtiene
1−γ
1 1−γ
de la siguiente forma: primero definimos w = [1 + (1 − γ)u] 1−γ y despejamos u obtenemos u = w 1−γ−1 . La
definición formal de logaritmo es la inversa de la exponencial, es decir, eln(x) = x, porh lo que el
i logaritmo se
w1−γ −1
puede ver como el limite de la inversa de w, es decir ln(w) = limγ→1 u(w) = limγ→1 1−γ
3.6. EJERCICIOS 26
√
5. ____________ Buggy, quien tiene una función de utilidad u = w, es global-
mente más averso al riesgo que Boa Hancock, quien tiene una utilidad de v = w0,25 .
6. ____________ Zoro tiene una utilidad de la riqueza u(w) = max(w, k) para
k > 0. Esto quiere decir que Zoro es averso al riesgo.
7. ____________ Un ermitaño con una función de utilidad de la riqueza w dada
por u(w) = max(k − w, 0) es averso al riesgo.
8. ____________ Con utilidades cuadráticas, la aversión al riesgo relativa (RRA)
disminuye conforme aumenta la riqueza.
9. ____________ Desire, quien tiene una utilidad cardinal sobre la riqueza de
√
ud = wi para wi > 0, es globalmente más aversa al riesgo que Bartolomeo, cuya
utilidad cardinal sobre la riqueza es ub = 12 ln(wi ).
10. ____________ Un ermitaño con una utilidad cardinal de la riqueza de u(w) =
1
w
es averso al riesgo.
11. ____________ El precio del petróleo es de $52,36 por barril actualmente.
Para el año entrante, este precio puede terminar en $35,16, $52,36 y $77,95 con
probabilidad 1/3 cada uno. Si tengo una utilidad cardinal logarítmica, una riqueza
inicial de cero, y mi única inversión es un décimo de barril de petróleo, la prima de
seguro que estoy dispuesto a pagar es de $0,5.
12. ____________ Si γ < 0 con las utilidades HARA, eso signiőca que la persona
en cuestión es amante al riesgo.
13. ____________ Es empíricamente imposible determinar si una persona es glo-
balmente más aversa al riesgo que otra.
14. ____________ La prima de seguro πi podría aumentar aunque no cambie la
aversión al riesgo absoluta del agente.
3.6.2. Problemas.
1. El capitán Picard es dueño de una nave, el Enterprise, que vale 50.000 créditos de
la Federación (CDF). El capitán Picard también tiene 10.000 CDF en ahorros, que
le dan dan un rendimiento del 7 %. Estos dos activos constituyen su riqueza actual.
Picard debe renovar el seguro de su nave con el instituto naviero de seguros (INS). Los
posibles daños al Enterprise son los siguientes: El INS le está cotizando las siguientes
Cuadro 1. Distribución de Daños del Enterprise
Valor del Daño Probabilidad

0 0,980
5.000 0,010
10.000 0,005
50.000 0,005
3.6. EJERCICIOS 27
√
primas. La función de utilidad de Picard es u(w) = w
Cuadro 2. Primas cobradas por el INS
Seguro Monto Asegurado Prima

Seguro 1 30.000 20 + AV L1
Seguro 2 50.000 15 + AV L2
AV Li = valor esperado de las pérdidas del asegurador. El seguro cubre hasta el monto
asegurado, pero más allá de eso el asegurado debe hacerse cargo de la pérdida.
a) Explique brevemente los supuestos detrás del desarrollo de utilidades cardinales,

y cómo diőeren estos supuestos del de los usados para las utilidades ordinales.
Explique el axioma de independencia para desarrollar utilidades cardinales y de
un ejemplo dónde este supuesto se violaría.
b) Explique brevemente y calcule la aversión al riesgo absoluta de Picard. £Aumenta
o disminuye con aumentos en la riqueza? Picard está considerando una inversión
con un riesgo simétrico de σe = 0,20 de su riqueza y ha oído de la medida Pratt-
Arrow de prima. Calcúlela para el nivel actual de riqueza de Picard y explique si
es adecuado usarla para considerar este riesgo.
c) Si el INS está de acuerdo con los estimados de Picard, £cuál seguro debería tomar,
o debería no tomar ninguno?
d ) Un encuentro traumático con Mr. Borg ha alterado la actitud de Picard ante
el riesgo. No sabemos su nueva función de utilidad, sólo que es globalmente más
averso al riesgo que antes. Explique qué sería el nuevo seguro que escoge, y porqué.
Pista: para su respuesta use lo encontrado en (c).
2. El łBig Chiefž Nokko tiene una función de utilidad de u(w) = −5(w + 1000)−0,25 ,
donde w es su riqueza.
a) Calcule la tolerancia al riesgo de Nokko, y explique si su aversión absoluta al
riesgo tiene sentido de acuerdo a lo que piensan los economistas.
b) Explique si esta función de utilidad está de acuerdo con lo que decía Arrow acerca
de la aversión relativa al riesgo.
c) Suponga que la riqueza inicial de Nokko es de 10000 semillas de cacao. Una
empresa, Sinocacao, le está proponiendo un negocio con un costo de 950 y unos
repagos, que en notación de lotería son l(2000, −1000, 32 ). Explique si le conviene
a Nokko entrar en este negocio o no.
d ) Suponga ahora que la riqueza de Nokko ha subido a 160000. Reconsidere el ne-
gocio propuesto, a ver si le conviene o no. Explique qué ha pasado entre (c) y (d)
para cambiar su análisis.
e) Suponga ahora que Sinocacao le propone a Nokko un proyecto cuyos repagos
son l(+0,02w0 , −0,02w0 , 32 ), donde w0 es la riqueza inicial de Nokko. Calcule el
3.7. REFERENCIAS 28
equivalente cierto para Nokko de este proyecto si su riqueza inicial es de 10000,

y si es de 160000. Si existe una diferencia entre los equivalentes ciertos, explique
la razón.
3. Preferencias:
a) Explique la paradoja de Allais, de qué manera puede afectar la construcción de
utilidades esperadas, y las posibles explicaciones de esta paradoja.
b) Considere los siguientes repagos: x1 = 0,25,x2 = 0,50, x3 = 0,75, x4 = 1,25,x5 = 2
y las siguientes relaciones de indiferencia:
l(x1 , x3 , 0,4378) ∼ l(x2 , x4 , 1)
l(x2 , x4 , 0,5808) ∼ l(x1 , x3 , 0)
l(x3 , x5 , 0,4485) ∼ l(x2 , x4 , 0)
1) Explique porqué hay dos grados de libertad al calcular u(xi ) que hace posible
decir u(x1 ) = 0 y u(x5 ) = 1. £Porqué no se podría aprovechar esos grados de
libertad para decir que u(x1 ) = 1 y u(x5 ) = 0?
2) Construya la utilidad cardinal de esta persona, es decir u(xi ) para i = 1, ..., 5.
3) Compare la lotería la (x1 , x3 , 0, 50) y la lotería lb (x2 , x4 , 1, 00). £Cuál de los
dos es preferida? £Qué implica esto acerca de la actitud ante el riesgo de esta
persona?
4) Calcule la prima de seguro para salirse de la lotería l(x1 , x3 , 0,4378) y usando
la aproximación Arrow Pratt establezca la aversión al riesgo absoluta para
este agente.
3.7. Referencias
Arrow, Kenneth Joseph. Aspects of the theory of risk-bearing. Yrjö Jahnssonin Säätiö,
1965.
Borghans, Lex, James J. Heckman, Bart HH Golsteyn, and Huub Meijers. "Gender dif-
ferences in risk aversion and ambiguity aversion." Journal of the European Economic Asso-
ciation 7, no. 2-3 (2009): 649-658.
Eckel, Catherine C., and Philip J. Grossman. "Men, women and risk aversion: Experi-
mental evidence." Handbook of experimental economics results 1 (2008): 1061-1073.
1987. pp 37-44.
Knight, Frank H. Risk, uncertainty and profit. Houghton Mifflin Company., 1921.
Pratt, John, ’Risk Aversion in the Small and in the Large’, Econometrica 32, no. 1-2
(1964): 122-136.
3.8. APÉNDICE: CONDICIONES EN LA AVERSIÓN AL RIESGO RELATIVA PARA QUE LAS UTILIDADES CARDINALES
Sapienza, Paola, Luigi Zingales, and Dario Maestripieri. "Gender differences in őnancial
risk aversion and career choices are affected by testosterone." Proceedings of the National
Academy of Sciences 106, no. 36 (2009): 15268-15273.
3.8. Apéndice: Condiciones en la aversión al riesgo relativa para que las

utilidades cardinales tengan techo y piso
Arrow (1965) derivó estos resultados por primera vez, que se exponen aquí más pausa-
damente.
Teorema 1: Para que la utilidad cardinal tenga techo, su aversión al riesgo relativo debe
ser mayor a 1 para altos niveles de riqueza
Necesidad: Suponga que no, y que la aversión al riesgo relativa es mayor o igual que
una constante k para niveles de riqueza mayores que un determinado w0
u′′ (w)
(3.8.1) RRA(w) ≡ −w ≤ k ∀w ≥ w0
u′ (w)
Si dividimos esta desigualdad por −w, se obtiene:
u′′ (w) k
≥ −
u′ (w) w
Integramos las dos partes de las desigualdades entre una zona w0 y w para conseguir
w w
u′′ (x) k
ˆ ˆ
w w
dx = {ln [u′ (x)]} w0
≥− dx = {−kln(x)} w0
w0 u′ (x) w0 x
ln [u′ (w)] − ln [u′ (w0 )] ≥ −kln(w) + kln(w0 )
ln [u′ (w)] ≥ ln [u′ (w0 )] + kln(w0 ) − kln(w)

Elevamos a la exponencial ambos lados de la desigualdad para obtener
u′ (w) ≥ u′ (w0 )w0k w−k ≡ cw−k

Integramos ahora entre w0 y w para obtener:
ˆ w ˆ w
′
u (x)dx ≥ c x−k
w0 w0
En el caso de que k ̸= 1, esta desigualdad sería:
c 1−k c 1−k
u(w) − u(w0 ) ≥ w − w01−k → u(w) ≥ u(w0 ) + w − w01−k
1−k 1−k
c 1−k
(3.8.2) u(w) ≥ u(w0 ) + w − w01−k
1−k
Al analizar el lado izquierdo de la desigualdad, notamos que si k < 1 entonces

c 1−k
limw→∞ u(w0 ) + w − w01−k = +∞
1−k
Suőciencia: Supongamos ahora que
u′′ (w)
RRA(w) ≡ −w ′ ≥ k ∀w ≥ w0
u (w)
Se puede seguir el análisis de la parte anterior, para llegar a una desigualdad de:

c 1 1 c 1
u(w) ≤ u(w0 ) + − < u(w0 ) + < +∞
k − 1 w0k−1 wk−1 k − 1 w0k−1
Establecemos entonces que una RRA(w) > 1 para w altos es equivalente a que la utilidad
tenga un techo.
Teorema 2: Para w que tiende a cero, la utilidad tiene piso si y sólo si la aversión al riesgo
es menor a 1.
Necesidad: Suponga que no, y que:
u′′ (w)
RRA(w) ≡ −w ≥ k ∀w ≤ w0
u′ (w)
u′′ (w) k
′
≤−
u (w) w
w0 ˆ w0
u′′ (x) k
ˆ
′
dx ≤ − dx
w u (x) w x
ln [u′ (w0 )] − ln [u′ (w)] ≤ −kln(w0 ) + kln(w)
ln [u′ (w)] ≥ ln [u′ (w0 )] + kln(w0 ) − kln(w)
u′ (w) ≥ u′ (w0 )w0k w−k ≡ cw−k

ˆ w0 ˆ w0
′
u (x)dx ≥ c x−k
w w
Para k ̸= 1 esta integral es:
c 1−k
u(w0 ) − u(w) ≥ w0 − w1−k
1−k

c 1 1
u(w) ≤ u(w0 ) − −
k − 1 wk−1 w0k−1
Para k > 1 tenemos que, para el lado izquierdo de la desigualdad, conforme w va a cero
tiende a:

c 1 1
limw→0 u(w0 ) − − = −∞
k − 1 wk−1 w0k−1
Y la utilidad no tiene piso.
Suficiencia: Considere ahora que:
u′′ (w)
RRA(w) ≡ −w ′ ≤ k ∀w ≤ w0
u (w)
Haciendo los mismos pasos que para la necesidad, pero con la desigualdad al revés,
obtenemos que:
c 1−k c 1−k
u(w) ≥ u(w0 ) + w − w01−k > u(w0 ) − w
1−k 1−k 0
Que representa un piso. Con esto se demuestra la equivalencia de que exista piso y de
que la aversión relativa al riesgo sea menor a 1 para niveles de riqueza bajos.
Capítulo 4
Definiciones de Rendimientos
4.1. Rendimientos simples, brutos, y continuamente compuestos
En un ambiente de dos periodos, si mi riqueza inicial el w0 y mi cartera tiene un rendi-

miento neto de r̃, entonces la riqueza őnal y su respectiva utilidad esperada es
E[u(w1 )] = E [u {w0 (1 + r̃)}] = E[u(r̃; x)]

Donde x signiőca todos los factores w0 que afectan la utilidad, pero que son una constante
y por lo tanto no interesan para nuestro análisis. En forma abreviada, se puede decir que la
utilidad depende del rendimiento simple r̃ de la inversión. Este rendimiento se calcula de la
siguiente manera para una acción:
Cuando compro una acción i en un periodo t − 1 y la vendo en el periodo t, puedo

recibir dos ŕujos de caja: los dividendos DIVt y el precio őnal Pt . El rendimiento
simple r̃jt de mi inversión es:
Pjt + DIVjt − Pjt−1 Pjt − Pjt−1 DIVjt

r̃jt ≡ = + = CGjt + DYjt
Pjt−1 Pjt−1 Pjt−1
Conceptualmente, los rendimientos tienen dos componentes, que a veces tienen
tasas impositivas distintas:
P −Pjt−1
• La plusvalía (en inglés, ’capital gains’) CGjt ≡ jtPjt−1 , es decir cuánto ha
mejorado el precio del activo
DIV
• El rendimiento por dividendos (en inglés ’dividend yield’) DYjt ≡ Pjt−1jt , la parte
de mis ingresos generados por dividendos en efectivo
• Con responsabilidad limitada, el rendimiento simple más malo es -1, es decir
donde el inversionista pierde todo (y no más) de lo que invirtió inicialmente
Otro concepto útil es el de rendimiento bruto, deőnido como el rendimiento simple
más uno, Rjt ≡ 1 + r̃jt . El rendimiento bruto toma en cuenta la inversión inicial. Con
responsabilidad limitada, Rjt ≥ 0.
Una tercera formulación de la misma idea son los rendimientos continuamente com-
puestos, deőnidos como:
32
4.2. DISTRIBUCIONES NORMALES Y LOGNORMALES 33

Pjt + DIVjt
rjt ≡ ln = ln(1 + r̃jt ) = ln(Rjt )
Pjt−1
A pesar de no ser muy intuitivos, los rendimientos continuamente compuestos per-
miten transformar su plazo muy fácilmente. Por ejemplo, si comenzamos con ren-
dimientos diarios rd y queremos expresarlos en términos anuales simplemente los
multiplicamos por 365: ra = 365 × rd . Para hacer esto mismo con rendimientos sim-
ples o brutos, es necesario elevar a una potencia, de manera que Ra = Rd365 , lo que
es más difícil de hacer en la práctica.
4.2. Distribuciones normales y lognormales
Ahora hablaremos brevemente de algunas consideraciones teóricas y empíricas de los

rendimientos accionarios.
4.2.1. Distribuciones de rendimientos normales. Consideremos primero la distri-

bución gaussiana o Normal, que es una de las más conocidas en estadística. Esta distribución
tiene desde el punto de vista őnanciero tres ventajas y dos desventajas.
La primera y más importante ventaja es que es el resultado de muchos teoremas de límite
central sumatoria. Estos teoremas dicen que la suma de variables con varianza őnita tienden
a una distribución normal. La segunda ventaja de la distribución normal es que pertenece
a la clase de distribuciones elípticas. Chamberlain (1983) demuestra que la elipticidad de
una distribución de rendimientos implica preferencias de media y varianza, que a su vez
ha permitido el estudio de carteras por Markowitz (1952), Sharpe (1964) y Black (1972), y
que veremos en detalle cuando estudiemos teoría de carteras. Otras distribuciones elípticas
aparte de la normal incluyen la distribución t de Student y la distribución logística. La
tercera ventaja de la distribución normal es que es estable paretiana. Este concepto se reőere
a que si r1 ∼ f (x) y r2 ∼ f (x), entonces ar1 + br2 ∼ f (x). Una ventaja de esta propiedad
es que una cartera de rendimientos donde a = w y b = 1 − w conserva la distribución de
cada rendimiento. Las distribuciones estables paretianas pueden ser asimétricas, a diferencia
de las elípticas, y uno de los parámetros de interés es su nivel de estabilidad αϵ(0, 2]. La
distribución simétrica y estable con α = 2 es la normal.
La primera desventaja de la distribución normal es que si el rendimiento de un sub-periodo
Q
(p.e. un mes) Rmt es normal, el rendimiento del periodo (p.e. una año) Ra = 12 t=1 Rmt no
es normal. La segunda desventaja de los rendimientos normales es que no consideran la
responsabilidad limitada. Esto se reőere a que si compro una acción en $100, lo más que
puedo perder es $100, es decir que en la práctica el rendimiento bruto más bajo de mi
inversión es Rjt = 0. Con una distribución normal, existe una probabilidad de que Rjt < 0.
4.2.2. Distribuciones de rendimientos lognormales. La principal rival teórica de

la distribución normal es la distribución lognormal. Esta distribución dice que ln(R) ≡ r ∼
N (µ, σ 2 ), o también que ln(R) = µ + σs donde s ∼ N (0, 1). Otra forma de expresar la
distribución lognormal es que R = exp(µ + σs). Esta distribución tiene dos desventajas
y tres ventajas teóricas. Las desventajas son que no es ni elíptica, ni estable paretiana.
Las ventajas es que sí respeta la responsabilidad limitada, y que si el rendimiento de los
sub-periodos son lognormales, el rendimiento del periodo completo también lo será. Es por
esto, que los rendimientos brutos, el consumo, los precios de los activos, o la riqueza se
modelan como procesos lognormales. Finalmente, la distribución lognormal se llega a través
de un teorema de límite central con shocks multiplicativos. Para ver esta idea, considere una
riqueza inicial W0 que se reinvierte cada periodo de τ = 1, ..., t. Al őnal, la riqueza en t + 1
estará dada por:
t
Y
Wt+1 = W0 Rjt
τ =1
Si tomamos el logaritmo natural de ambos lados, y deőnimos wτ ≡ ln(Wτ ), obtenemos
que
t
X
wt+1 − w0 = rjt
τ =1
Aunque los rendimientos continuamente compuestos no sean normales, su suma si tiende
a serlo por el teorema del límite central, y por lo tanto la distribución de la riqueza Wt+1 /W0
tenderá hacia una distribución lognormal.
La esperanza de una distribución normal R está dada por:

σ2
E(R) = exp µ +
2
a
Si una distribución R es normal, también R lo será ya que
ln(Ra ) = aln(R) = ar ∼ N (aµ, a2 σ 2 )

No es muy difícil de comprobar que

a a2 σ 2
E(R ) = exp aµ +
2
Usaremos este resultado con frecuencia en economía őnanciera. La última idea es que si
X y W tienen una distribución lognormal, entonces XW también lo tendrán.
La distribución lognormal se combina con frecuencia en economía őnanciera con utilidades
CRRA
w1−γ
u(w) =
1−γ
La utilidad esperada de una utilidad CRRA y una densidad lognormal de riqueza es
entonces
2 2
∞
x1−γ exp[(1 − γ)µ + (1−γ) σ
]
ˆ
2
V (µ, σ; γ) = E[u(w)] = f (x)dx =
0 1−γ 1−γ
La utilidad esperada depende de la media, de la varianza y de γ. Por lo tanto se puede
ordenar las preferencias entre una cartera 1 con media y varianza (µ1 , σ12 ) y otra cartera 2
con media y varianza (µ2 , σ22 ). En otras palabras, la utilidad esperada V está funcionando
como una utilidad ordinal, y permite transformaciones monotónicas. Por ejemplo, podemos
crear una Ve de la siguiente manera:
ln[(1 − γ)V ] (1 − γ)σ 2

Ṽ = =µ+
1−γ 2
Esto permite comparar fácilmente las preferencias sobre distintas carteras.
4.2.3. Ejemplo de rendimientos. Esta pequeña explicación nos quiere decir que
no existe una distribución teórica łperfectaž para las necesidades desde un punto de vista
őnanciero. Aparte de esto, debemos enfrentarnos a la pregunta de cómo son las distribuciones
de rendimientos en la práctica. Veamos un ejemplo tomado del mercado accionario de 1970
al 2015 para dos acciones grandes: Exxon (XOM) e IBM. A continuación calculamos los
rendimientos usando precios diarios, mensuales y anuales. Para estos rendimientos calculamos
los primeros cuatro momentos como están deőnidos en Excel.
Aunque las distribuciones de rendimientos pueden ser asimétricas, nunca se ha conside-
rado como una característica muy marcada. Por el contrario, un resultado muy común es
que los rendimientos son leptocúrticos, es decir, que tienen łcolas gruesasž. La curtosis de la
distribución normal es 3, y es común referirse a la curtosis en exceso partiendo de esta base
de 3. Como se puede ver en el cuadro de arriba, las distribuciones de las tres acciones son
leptocúrticas, siendo muy marcado para datos diarios, y persistiendo aún para datos anuales.
Se ha encontrado que para acciones más pequeñas y menos transadas en la bolsa, la lepto-
curtosis es aún más fuerte. Por otra parte, se puede ver que la asimetría de los rendimientos,
aunque nunca es cero, si va cambiando de acuerdo al periodo de inversión, y es relativamente
baja.
En general, es común rechazar la hipótesis de la normalidad y lognormalidad dada la
leptocurtosis de los rendimientos. Ante esto, existen varias posibles alternativas. La primera
la da Fama (1965), que estudió los rendimientos diarios de acciones, y encontró que no son
normales. Dentro de la familia de distribuciones estable paretianas, Fama encontró que el
4.3. EJERCICIOS 36
Cuadro 1. Rendimientos anualizados del S&P 500, Exxon e IBM, 1962-2019
S S S M M M A A A
S&P500 XOM IBM S&P500 XOM IBM S&P500 XOM IBM
Promedio anualizado 0,0653 0,1460 0, 0925 0,0657 0,1455 0, 0934 0,0656 0,1453 0, 0932
Varianza anualizada 0,0241 0,0429 0,0590 0,0218 0,0332 0,0565 0,0236 0,0404 0,0481
var(ra )
V R ≡ qvar(r a/q )
0,9767 0,8146∗ 0,9428∗ 1,0795 0,8508∗ 1,2157∗
D.S. anualizada 0,1553 0,2070 0,2429 0,1477 0,1823 0,2377 0,1534 0,2010 0,2193
Asimetría −0,5795 −0,0626 −0,1534 −0,6860 0,0843 −0,1563 −1,2747 0,8203 0,0994
Curtosis en exceso 5,5665 3,0497 3,0171 2,5649 0,5587 1,6691 2,5453 3,9214 −0,4248
Fuente: finance.yahoo.com. Los rendimientos
Pn se calculan como r jt = ln(P it /Pit−1 ) . El promedio µ = E[x] y
el estimador en Excel es x = nq i=1 xi Donde q = 52 para los datos semanales, 12 para los datos
mensuales
P
y 1 para los datos anuales. La varianza es σ = E[(x − µ)2 ] y el estimador de Excel da
n
q (x −x)2
s2 = i=1
n−1
i
. El test VR mide la correlación entre rendimientos, siendo 1 si no hay correlación. El
asterisco dice si la variable es estadísticamente distinta de 1 al 5 % de confianza. La asimetría (skewness) se
h n 3
3 i X xi − x
define como skew(x) = E x−µ σ y el estimador de Excel es skew(x) = n
(n−1)(n−2) . La
i=1
s
h 4 i
curtosis la definiremos de acuerdo a la fórmula de Excel, de manera que kurt(x) = E x−µ σ − 3 y el
Xn 4 2
n(n+1) xi − x 3(n − 1)
estimador de Excel es kurt(x) = (n−1)(n−2)(n−3) −
i=1
s (n − 2)(n − 3)
˙ pero menor que 2. El problema

factor α de estabilidad de los rendimientos era mayor que 1,90
con esta solución es que la familia de rendimientos estables con α < 2 tienen una varianza
teórica inőnita, lo que es poco amigable desde un punto de vista teórico y empírico. Una
segunda solución es considerar que los rendimientos simples o continuamente compuestos
tienen una distribución elíptica leptocúrtica, tal como la t de Student o la logística. Una
tercera solución es considerar que los rendimientos simples o continuamente compuestos son
normales con una heterocedasticidad condicional, es decir que son de la forma rjt = µt + σt εt
donde εt ∼ N (0, 1). Esta solución responde a que la volatilidad σt de hecho cambia en el
tiempo, y que dado esto, si se hace una muestra como la del cuadro 3, se obtiene una curtosis
en exceso. Para profundizar más acerca de las fascinantes propiedades de los rendimientos
accionarios, el estudiante interesado puede consultar a los capítulos 2 y 7 de Campbell, Lo
y Mackinlay (1997), y el capítulo 5 de Campbell (2017).
4.3. Ejercicios

1. ____________ Si el rendimiento simple mensual es del 2 %, el rendimiento
simple anual es del 24 %.
2. ____________ Con responsabilidad limitada, el rango de los rendimientos bru-
tos es la línea real.
4.4. REFERENCIAS 37
3. ____________ El rendimiento por dividendos (łdividend yieldž) nunca es ne-

gativo.
4. ____________ El rendimiento continuamente compuesto es siempre menor o
igual que el rendimiento simple.
5. ____________ Sin responsabilidad limitada, es posible deőnir los rendimientos
continuamente compuestos para todos los casos.
6. ____________ Si el rendimiento simple mensual es de 30 puntos base, el ren-
dimiento simple anual es del 42.576 %.
4.3.2. Problemas.
1. Problema de MSFT y GOOG.
a) Explique qué es un rendimiento bruto Rj y qué es un rendimiento continuamente
compuesto rj , su rango bajo responsabilidad limitada, y las ventajas y desventajas
de cada una de estas medidas.
b) Considere dos empresas con la condición de que lnRj ∼ N (µj , σj2 ), dadas abajo:
Ticker µj σj
M SF T 6,64 % 28,00 %
GOOG 6,70 % 31,65 %
Calcule el rendimiento bruto esperado E(Rj ) de cada acción.
c) Suponga que un agente tiene una utilidad CRRA con γ = 1,34 y debe decidir si
invierte en GOOG o M SF T , cuyos datos están dados en (b). Explique cuál de
las dos inversiones escogería.
d ) Suponga que un agente tiene una utilidad CRRA y los datos de GOOG y M SF T
están dados en (b). Explique si existe una aversión al riesgo relativa (RRA) que
haga que el agente esté indiferente entre una u otra acción: si es así, calcule el
RRA. Si tal RRA no existe, explique porqué no existe.
4.4. Referencias
Bachelier, Louis. "Théorie de la spéculation." En Annales scientiőques de l’École normale

supérieure, vol. 17, pp. 21-86. 1900.
Black, Fischer. "Capital market equilibrium with restricted borrowing." The Journal of
Business 45, no. 3 (1972): 444-455.
Campbell, John Y., Andrew W. Lo, and A. Craig MacKinlay. The econometrics of finan-
cial markets. Princeton University Press, 1997.
Campbell, John Y. Financial decisions and markets: a course in asset pricing. Princeton
University Press, 2017.
Chamberlain, Gary. "A characterization of the distributions that imply meanÐVariance
utility functions." Journal of Economic Theory 29, no. 1 (1983): 185-201.
4.4. REFERENCIAS 38
Cochrane, John H. Asset pricing. Revised edition. Princeton University press, 2009.
Fama, Eugene F. "The behavior of stock-market prices." The Journal of Business 38,
no. 1 (1965): 34-105.
Fama, Eugene F., "Efficient capital markets: A review of theory and empirical work."
The Journal of Finance 25, no. 2 (1970): 383-417.
Markowitz, Harry. "Portfolio selection." The Journal of Finance 7, no. 1 (1952): 77-91.
Sharpe, William F. "Capital asset prices: A theory of market equilibrium under conditions
of risk." The Journal of Finance 19, no. 3 (1964): 425-442.
Capítulo 5
Conceptos de Dominancia
5.1. Dominancia
£Si sólo sabemos que alguien tiene una utilidad cardinal u(w) tal que u′ (w) o u′′ (w) < 0
cómo podemos comparar y ordenar dos activos o carteras?
La medida Arrow Pratt de aversión al riesgo no es suőciente para comparar el riesgo

de dos activos.
Para eso nace el estudio de la dominancia que nos introduce al estudio del riesgo
comparativo de dos bienes riesgosos.
Después de desarrollar la utilidad esperada, es interesante estudiar bajo qué condiciones una
inversión domina a la otra. Por ejemplo, si x tiene una densidad f (x) y y tiene una densidad
g(y), £bajo qué condiciones tenemos que E[u(x)] > E[u(y)]?
ˆ ∞ ˆ ∞
E[u(x)] ≡ u(s)f (s)ds > u(s)g(s)ds ≡ E[u(y)]
−∞ −∞
Hay dos formas de responder responder a este problema
1. Especiőcar muy bien la utilidad cardinal a usarse. Esta perspectiva no es muy favo-
recida en la economía őnanciera, ya que existen muchas dudas acerca de u, más allá
de que u′ > 0 y de que u′′ < 0. La forma funcional de u es bastante debatible.
2. Especiőcar mejor las densidades f () y g(). Esto da pie a distintos conceptos de
dominancia. En general, al imponer condiciones muy especíőcas, se puede considerar
utilidades muy generales. Si se imponen utilidades más especiőcadas, las densidades
pueden requerir menos requisitos.
El concepto más fuerte es el de dominancia, que quiere decir que en cada estado de la
naturaleza el activo x tiene un mayor repago que el bien y. Si x domina a y de esta manera,
cualquier inversionista lo preferirá en una cartera que se combine con cualquier otro activo.
Cuando existe dominancia, ni siquiera es necesario que los distintos inversionistas estén de
acuerdo con la probabilidades de que los estados de la naturaleza sϵS.
Teorema: Considere dos variables aleatorias x y y con repagos en el estado de la

naturaleza s de xs y ys respectivamente. Las siguientes condiciones son equivalentes
y deőnen la dominancia de manera que x ≻ y.
39
5.3. DOMINANCIA ESTOCÁSTICA DE SEGUNDO ORDEN (DESO O SOSD) 40
1. ys ≤ xs para cada estado de la naturaleza ω con desigualdad estricta en al menos

algún ω.
2. y = x + z para una z tal que P (z ≤ 0) = 1.
3. E[u(x+z)] > E[u(y+z)] para cualquier u() siempre que u′ () ≥ 0, y para cualquier
variable aleatoria z.
5.2. Dominancia Estocástica de Primer Orden (DEPO o FOSD)
Cuando no podemos asegurar que x es mejor que y en cada estado de la naturaleza,

existe una condición más débil, de dominancia estocástica de primer orden.
Teorema: Considere dos variables aleatorias x ∼ f (x) y y ∼ g(y) y una utilidad
u′ > 0. Las tres siguientes condiciones son equivalentes y deőnen la dominancia
estocástica de primer orden (FOSD) de manera que x ≻F OSD y.
1. F (t) ≤ G(t) para todo t con desigualdad estricta en al menos alguna t.
d
2. y = x + z para una z tal que P (z ≤ 0) = 1. d denota que son iguales en
distribución, no necesariamente estado por estado de la naturaleza.
3. E[u(x)] > E[u(y)].
Para demostrar este teorema, sería necesario probar que cada proposición implica a las otras,
punto por punto. Para demostrar la menos obvia, veamos como (1) implica a (3), usando
limites deőnidos entre a y b, tal que F (a) = G(a) = 0 y F (b) = G(b) = 1.
ˆ b
u(s)[f (s) − g(s)]ds
E[u(x)] − E[u(y)] =
a
´b ´b
Usamos la integración por partes, donde a udv = uv |ba − a vdu, y u = u(s) y dv =
[f (s) − g(s)], que nos da
ˆ b
E[u(x)] − E[u(y)] = u(s)[F (s) − G(s)] |ba − u′ (s)[F (s) − G(s)]ds
a
ˆ b
(5.2.1) E[u(x)] − E[u(y)] = − u′ (s)[F (s) − G(s)]ds > 0
a
La desigualdad en la ecuación 5.2.1 se da porque u′ (s) > 0∀s y porque supusimos la

condición (1) del teorema, es decir [F (s) − G(s)] ≤ 0∀s con desigualdad estricta en al menos
algún estado.
5.3. Dominancia Estocástica de Segundo Orden (DESO o SOSD)
(DESO) Un activo o cartera x domina estocásticamente a y en segundo grado si

cualquier individuo averso al riesgo preőere a x sobre y. Si x tiene una densidad
5.3. DOMINANCIA ESTOCÁSTICA DE SEGUNDO ORDEN (DESO O SOSD) 41
f () y una distribución acumulada F () y y tiene una densidad g() y una distribución

acumulada G().
Teorema: Considere dos variables aleatorias x ∼ f (x) y y ∼ g(y) y u′′ < 0. Las
tres siguientes condiciones son equivalentes y deőnen la dominancia estocástica de
segundo orden (SOSD) de manera que x ≻SOSD y.
´t
1. −∞ [F (s) − G(s)]ds ≤ 0 para todo t con desigualdad estricta en al menos alguna
t.
d
2. y = x + z + ε para una z tal que P (z ≤ 0) = 1 y una ε tal que E[ε|x] = 0 y
E[ε2 |x] > 0. d denota que son iguales en distribución, no necesariamente estado
por estado de la naturaleza.
3. E[u(x)] > E[u(y)] para cualquier u(s) con u′ > 0 u′′ (s) < 0.
5.3.1. Aumento en Riesgo.

Aunque en algunos libros de texto también se le identiőca como SOSD, nosotros lo
deőniremos como un caso especial de SOSD.
Teorema: Considere dos variables aleatorias x ∼ f (x) y y ∼ g(y) con E[x] = E[y]
y u′′ < 0. Las tres siguientes condiciones son equivalentes y deőnen el aumento en
riesgo tal que x ≻SOSD y.
´t
1. −∞ [F (s) − G(s)]ds ≤ 0 para todo t con desigualdad estricta en al menos alguna
t.
d
2. y = x + ε para una ε tal que E[ε|x] = 0 y E[ε2 |x] > 0. d denota que son iguales
en distribución, no necesariamente estado por estado de la naturaleza.
3. E[u(x)] > E[u(y)]. Para este concepto, no es necesario que u′ > 0.
Demostración, sería necesario probar que cada proposición implica a las otras, punto por
punto. De nuevo, para demostrar la menos obvia, veamos como (1) implica a (3), usando
limites deőnidos entre a y b, tal que F (a) = G(a) = 0 y F (b) = G(b) = 1. Además usamos el
hecho de que E[x] = E[y]. Partamos de la ecuación 5.2.1 y de nuevo integremos por partes
con u = −u′ (s) y dv = [F (s) − G(s)] tenemos
(5.3.1)
ˆ b ˆ s ˆ b ˆ s
′ ′
E[u(x)]−E[u(y)] = − u (s)[F (s)−G(s)]ds = u (s) [F (t)−G(t)]dt |ba + ′′
u (s) [F (t)−G(t)]dtds
a a a a
Ahora
ˆ b ˆ a
′ ′
u (b) [F (t) − G(t)]dt − u (a) [F (t) − G(t)]dt = 0
a a
´a
Para demostrar esto, primero note que a [F (t) − G(t)]dt = 0. Luego note que de nuevo
integrando por partes con u = [F (t) − G(t)] y dv = dt tenemos
5.6. EJERCICIOS 42
ˆ b ˆ b
[F (t) − G(t)]dt = t[F (t) − G(t)] |ba − [f (s) − g(s)]sds = −E(x) + E(y) = 0
a a
Porque dijimos que las variables tenían la misma media. Re-escribimos ahora la ecuación
5.3.1 para obtener
ˆ b ˆ s
′′
E[u(x)] − E[u(y)] = u (s) [F (t) − G(t)]dt ds > 0
a a
La desigualdad en la ecuación se da porque u′′ (s) < 0∀s y porque supusimos la condición
´t
(1) del teorema, es decir a [F (s) − G(s)]ds ≤ 0 para todo t con desigualdad estricta en al
menos alguna t.
5.4. Dominancias Estocásticas de Mayor Orden
Aunque más esotérico, parece probable que una persona tenga preferencia por una asi-
metría positiva (u′′′ > 0 ) y una aversión a la leptocurtosis o ’colas gordas’. De manera que
u′′′′ < 0. Para estos conceptos uno puede desarrollar condiciones en las distribuciones f (y)
y g(y) análogas a lo desarrollado en el SOSD. El estudiante interesado en este tema puede
consultar Ingersoll (1987).
5.5. Resumen
Si x ∼ f (x) y y ∼ g(y), y z es una variable aleatoria con P (z ≤ 0) = 1 y ε es otra

variable aleatoria con E[ε] = 0 y E[ε2 ] > 0, entonces:
Cuadro 1. x ≻ y
Concepto Utilidades Esperadas Representación Distribución

Dominancia ′
E[u(x + w)] > E[u(y + w)] u > 0 y =x+z ys ≤ xs ∀s
d
DEPO (FOSD) E[u(x)] > E[u(y)] u′ > 0 y =x+z F (t) ≤ G(t) ∀t
d ´t
DESO (SOSD) E[u(x)] > E[u(y)] u′ > 0 u′′ < 0 y =x+z+ε −∞ [F (s) − G(s)]ds ≤ 0 ∀t
d
Aumento riesgo E[u(x)] > E[u(y)] u′′ <0 y =x+ε
5.6. Ejercicios

1. ____________ Si x ∼ N (0, 1) y y ∼ N (1, 1) y la correlación entre x y y es del
100 %, entonces y (sencillamente) domina a x.
2. ____________ Existe una lotería A que paga 1 c.p. 0.2, 2 c.p. 0.6 y 3 c.p.
0.2, y una lotería B que paga 0 c.p. 0.1, 2 c.p. 0.8, y 4 c.p. 0.1. Entonces, todas la
personas aversas al riesgo preőeren B sobre A.
5.6. EJERCICIOS 43
3. ____________ La dominancia estocástica de primer orden implica la domi-

nancia estocástica de segundo orden.
4. ____________ Existe una lotería A que paga 2 c.p. 0.2, 3 c.p. 0.6 y 4 c.p.
0.2, y una lotería B que paga 0 c.p. 0.1, 3 c.p. 0.8, y 6 c.p. 0.1. Entonces, todas la
personas aversas al riesgo preőeren B sobre A.
5. ____________ Si sólo sabemos que la función de utilidad tiene u′ >0 y u′′ < 0
es imposible ordenar los siguientes fondos por dominancia estocástica
Repagos 0 1 2 3 4
Prob(Fondo A) 0,2 0,2 0,2 0,2 0,2
Prob(Fondo B) 0,4 0,2 0,0 0,0 0,4
6. ____________ La dominancia estocástica de segundo orden es equivalente a
un aumento en riesgo.
7. ____________ Si x ∼ N (1, 2) y y ∼ N (2, 2) entonces x≻DEP O y .
8. ____________ Si sólo sabemos que la utilidad tiene u′ >0 y u′′ < 0 es imposible
ordenar los siguientes fondos por dominancia estocástica
Repagos 0 2 3 7 10
Prob(Fondo A) 0,20 0,10 0,40 0,10 0,20
Prob(Fondo B) 0,10 0,25 0,15 0,40 0,10
9. ____________ Si sólo sabemos que u′ >0 es posible escoger entre uno de los
siguientes fondos:
Repagos 1 3 7 9
Prob(Fondo A) 0, 30 0,20 0,20 0,30
Prob(Fondo B) 0,20 0,30 0,30 0,20
10. ____________ Si sólo sabemos que u′′ <0 es posible escoger entre uno de los
siguientes fondos:
Repago: 1 2 3 5 8
Prob(Fondo A) 0,20 0,20 0,20 0,20 0,20
Prob(Fondo B) 0,25 0,30 0,00 0,30 0,15
11. ____________ Un apostador desenfrenado tiene u′ (w) > 0 y u′′ (w) > 0 pre-
őere una apuesta x con densidad N (1, 3) a una apuesta y con densidad N (2, 1).
12. ____________ Dos variables aleatorias x y z tienen distribuciones acumuladas
de F (x) y G(t) = k(t)F (t) respectivamente. Si k(t) ≤ 1, entonces x ≻DESO z.
13. ____________ Si sólo sabemos que la utilidad tiene u′ > 0 y u′′ < 0 es posible
ordenar los siguientes fondos por dominancia estocástica
Repagos 1 2 3 5 8
Prob(Fondo A) 0,20 0,10 0,40 0,10 0,20
Prob(Fondo B) 0,10 0,25 0,15 0,40 0,10
5.6. EJERCICIOS 44
5.6.2. Problemas.
1. Problema de Sabo
a) Sabo tiene una función de utilidad de u(w) = −e−w .
1) Calcule la aversión absoluta al riesgo de Sabo. Explique cómo varía la actitud
al riesgo de Sabo conforme se hace más rico.
2) Calcule la tolerancia al riesgo de Sabo. Explique brevemente si esta utili-
dad permite la separabilidad de carteras, y qué signiőca eso. (necesita ver el
capítulo sobre separabilidad de carteras para responder esto)
3) Calcule la aversión relativa al riesgo de Sabo. Explique cómo varía la actitud
al riesgo de Sabo conforme se hace más rico, y cómo diőere de lo que encontró
en el punto (a)
4) Calcule la medida Pratt-Arrow de premio al riesgo local para Sabo. Explique
brevemente de dónde sale tal medida, y en qué situaciones se puede usar y
en cuáles no.
b) Sabo, que no tiene riqueza alguna ahora tiene que escoger entre dos posibles
inversiones mutuamente excluyentes: Ace Enterprises que genera un repago x ∼
N (µx , σx ) y Dragon Inc., con un repago y ∼ N (µy , σy ). La correlación entre x y y
está dada por ρϵ[−1, 1]. Explique las condiciones de dominancia entre x y y que
permitan determinar cuál preferirá Sabo sin tener que calcular explícitamente la
utilidad esperada. Concretamente:
1) £Cuáles son las condiciones de µx , µy , σx , σy y ρ para que x ≻F OSD y ?
2) £Cuáles son las condiciones de µx , µy , σx , σy y ρ para que x ≻SOSD y ?
3) £Cuáles son las condiciones de µx , µy , σx , σy y ρ para que x ≻ y ?
4) £Qué condiciones adicionales de decisión genera el análisis de media y va-
rianza en este contexto?
c) Sabo, que no tiene riqueza alguna ahora tiene que escoger entre los siguientes
fondos de inversión que son mutuamente excluyentes:
Cuadro 2. Probabilidad de Repago de Fondo
Fondo/Repago 0 1 2 3 4 5 6 7 8 9 10
A 0.4 0.6
B 0.2 0.2 0.2 0.2 0.2
C 0.1 0.2 0.2 0.2 0.2 0.1
D 0.2 0.2 0.2 0.2 0.2
E 0.4 0.2 0.2 0.2
F 0.2 0.2 0.2 0.2 0.1 0.1
5.7. REFERENCIAS 45
d ) £Cuál de los fondos escogerá Sabo? (Pista: para poder hacer esto en el tiempo
adecuado, debe eliminar aquellos fondos que estén dominados estocásticamente
en primer y segundo grado)
5.7. Referencias
torial Addison Wesley, 3ra edición, 1988.
Huang, Chi-fu, and Robert H. Litzenberger. Foundations for Financial Economics. Pren-
tice Hall, 1988.
1987.
Rothschild, Michael, and Joseph E. Stiglitz. "Increasing risk II: Its economic consequen-
ces." Journal of Economic Theory 3, no. 1 (1971): 66-84.
Capítulo 6
Preferencias de media y varianza
6.1. Introducción
En el capítulo anterior, vimos cómo los conceptos de dominancia simpliőcan los pro-
blemas de utilidad esperada, a cambio de imponer más estructura a las distribuciones
de los rendimientos. Un caso más fuerte es el de preferencias de media y varianza,
que tiene su origen en Markowitz (1952) y que generó un programa crucial de inves-
tigación en őnanzas de los siguientes 40 años.
Para ilustrar la idea de preferencia de media y varianza, considere un rendimiento y
que es un aumento en riesgo sombre x. Vimos en el anterior capítulo que podemos
d
escribir y = x + ε donde E[ε|x] = 0 y E[ε2 |x] = σε2 > 0. Esto implica que para
E(y) = E(x) hay var(y) > var(x), y que todo agente averso al riesgo preőere x sobre
y. Además, si existe una una serie yi que sea un aumento en riesgo sobre x, entonces
necesariamente x sería la cartera de menor varianza
Cuando hay preferencia de media y varianza, se puede escribir una función de utilidad
esperada en forma reducida V (µ, σ) ≡ E[u(µ, σ)] con Vµ > 0 y Vσ ≤ 0, cuando las
utilidades cardinales tienen u′ > 0 y u′′ < 0. Las curvas de indiferencia de los agentes
tienen pendiente positiva, son convexas, y son como las de un agente neutro al riesgo
cuando σ = 0.
6.2. Condiciones que generan preferencias de media y varianza
£Bajo qué condiciones podemos usar una V donde las únicas variables de interés sean
la media y varianza? Hay dos posibilidades:
• utilidades cuadráticas, rendimientos arbitrarios
• rendimientos con distribuciones de media y varianza con cualquier utilidad. Ob-
viamente, dentro de las utilidades, las que más nos interesan tienen u′ > 0 y
u′′ < 0
Para entender porqué esto es así, consideremos un individuo con una riqueza őnal w1 ≡ w0 R
donde el R es el rendimiento bruto con media µ varianza σ 2 . El individuo tiene una utilidad
cardinal u(w1 ) = u(w0 R) que podemos re-escribir como u(R) sin pérdida de generalidad. La
utilidad esperada V ≡ E[u(R)] se puede estudiar con una expansión de Taylor alrededor de
µ:
46
6.3. UTILIDADES CUADRÁTICAS 47
1
u(R) = u[µ] + u′ [µ][R − µ] + u′′ [µ][R − µ]2 + O3
2
Donde
∞
X
1 (n) n
O3 = u [µ][r − µ]
n=3
n!
(n)
Y donde u es la n derivada de u. Podemos usar esta descomposición de la utilidad para
calcular la utilidad esperada, reconociendo que E[R − µ] = 0 y E[R − µ]2 = σ 2 . Entonces
σ 2 ′′
V ≡ E[u(R)] = u[µ] + u [µ] + E[O3 ]
2
X∞
1 (n)
E[O3 ] = u [µ]Mn
n=3
n!
y donde Mn ≡ E(R − µ)n es el n momento del rendimiento R.
6.3. Utilidades cuadráticas
Si tenemos utilidades cuadráticas entonces u(w) = w1 − 2b w12 = R − 2b R2 donde b > 0.

Para una utilidad cuadrática u(n) = 0∀n > 2 y por lo tanto O3 = 0 en la expansión de Taylor
antes desarrollada. La utilidad esperada con utilidades cuadráticas, expresada en términos
de rendimientos está dada por:
b 2
V =µ− σ + µ2
2
Las curvas de indiferencia en esta economía se obtienen usando las condiciones de una
curva de indiferencia:
Φ ≡ V (µ, σ) − k ≡ 0
dΦ = Φµ dµ + Φσ dσ = Vµ dµ + Vσ dσ = 0
Vµ = 1 − bµ > 0
Vσ = −bσ ≤ 0
dµ Vσ bσ
=− = ≥0
dσ Vµ 1 − bµ
La pendiente de la curva de indiferencia es mayor o igual a cero. La pendiente es cero en
el caso de que σ = 0, lo que se interpreta económicamente como que en ese punto el agente se
6.4. DISTRIBUCIONES DE UBICACIÓN Y ESCALA 48
comporta de una manera neutral al riesgo. La curva de indiferencia es una función convexa
de σ, es decir que:
d2 µ b
2
= >0
dσ 1 − bµ
Esto quiere decir que ante un crecimiento de la volatilidad σ, el agente exige mayores
rendimientos a tasas crecientes. Las utilidades cuadráticas tienen dos problemas:
1. Es necesario restringir el nivel de riqueza máximo a R < 1/b para mantener una
utilidad marginal positiva u′ > 0.
2. La aversión absoluta al riesgo de esta función de utilidad es
b
ARA =
1 − bR
que aumenta con el nivel de riqueza (es IARA), lo que se considera poco creíble.
6.4. Distribuciones de ubicación y escala
Ingersoll (2021) explica que una condición suőciente para tener preferencias de media y
varianza es que la distribución de rendimientos de una cartera se puede representar como
una combinación de ubicación y escala, es decir:
R = µ + σs
Donde s es una variable con media de cero y varianza őja1, y una densidad de f (s) si se
consideran estados s continuos. La lógica también aplicaría a distribuciones discretas. Con
esta representación tenemos que E(R) = µ y var(R) ∝ σ 2 .
Puede ser que s tenga una distribución asimétrica, por ejemplo una distribución triangu-
lar. Si la distribución de s es simétrica, de manera que la densidad de s es f (s2 ), R tendría una
distribución elíptica. Algunos ejemplos de distribuciones elípticas son la Normal, Student-t,
Laplace y Logísticas, entre otras. El lector interesado puede consultar Kotz, Fang y Zhang
(1990) para un tratamiento más detallado del tema. Chamberlain (1983) demostró que la
presencia de distribuciones elípticas y u′ > 0 y u′′ < 0 genera preferencias de media y
varianza.
Para demostrar las preferencias de media y varianza con una distribución de ubicación
y escala, considere una cartera arbitraria j con media µj y varianza σj2 , que se puede
representar como:
R j ≡ µj + σ j s
La riqueza őnal w1 depende de la riqueza inicial w0 y del rendimiento bruto R :
1La varianza muchas veces se define en 1, pero esta propiedad no es necesaria para ninguna demostración
6.4. DISTRIBUCIONES DE UBICACIÓN Y ESCALA 49
w1j = w0 Rj = w0 (µj + σj s)
u(w1j ) = u[w0 (µj + σj s)] = u(µj + σj s; θ)

Donde θ signiőca todos los factores w0 que afectan la utilidad, pero que son una constante
y por lo tanto no interesan para nuestro análisis. En las siguientes líneas abandonaremos los
subscriptos j para descargar la notación. La utilidad esperada es:
ˆ b
V ≡ E[u(w1 )] = u(µ + σs)f (s)ds
a
Donde los límites van de a a b, que podrían ser inőnito. En el caso de las distribuciones
elípticas, los límites irían desde −b hasta b. Se puede ver que la utilidad esperada depende
exclusivamente de µ y σ. Para analizar las curvas de indiferencia, consideramos las derivadas
parciales Vµ y Vσ :
ˆ b
Vµ = u′ (µ + σs)f (s)ds > 0
a
ˆ b ˆ b ˆ s
′ ′′
Vσ = u (µ + σs)sf (s)ds = − σu (µ + σs) xf (x)dx ds ≤ 0
a a a
La segunda igualdad se obtiene gracias a una integración por partes, donde u = u′ (µ+σs)
´s
y du = σu′′ (µ + σs) ≤ 0, y dv = sf (s) y v = a xf (x)dx ≤ 0 que es exactamente cero cuando
x = a, b. Cuando σ = 0, la derivada parcial respecto a σ es cero, Vσ = 0.
Respecto a las curvas de indiferencia, recordemos que están dadas por la combinación
(µ, σ) que garantiza un nivel őjo de utilidad, V (µ, σ) ≡ k. Por lo tanto podemos escribir
ˆ b
Φ(µ, σ) ≡ V (µ, σ) − k ≡ u(µ + σs)f (s)ds − k ≡ 0
a
Por el teorema de la función implícita deőnimos la pendiente de la curva de indiferencia
como:
dµ Φσ Vσ
=− =− ≥0
dσ Φµ Vµ
Igual que en el caso de las utilidades cuadráticas, las curvas de indiferencia son crecientes,
con una pendiente de 0 cuando σ = 0. También son convexas. Para ver esto, consideremos dos
combinaciones en la curva de indiferencia, es decir V (µ1 , σ1 ) = V (µ2 , σ2 ) = k. La convexidad
dice que V (αµ1 + (1 − α)µ2 , ασ1 + (1 − α)σ2 ) > k donde 0 < α < 1. Considere ahora los
rendimientos de las distintas carteras:
R1 (s) = µ1 + σ1 s
6.6. PROBLEMAS 50
R2 (s) = µ2 + σ2 s
Considere ahora una combinación (µα , σα ). Donde µα = αµ1 + (1 − α)µ2 y σα = ασ1 +
(1 − α)σ2 . Esto implica que
Rα (s) = µα + σα s = αR1 (s) + (1 − α)R2 (s)
u [Rα (s)] > αu [R1 (s)] + (1 − α)u [R2 (s)]

La desigualdad se da para cada estado de la naturaleza s por la aversión al riesgo. En el
caso que los estados de R1 y R2 no sean perfectamente correlacionados, esta desigualdad se
hace más fuerte. Esta desigualdad se mantiene para el valor esperado, a saber:
E (u [Rα (s)]) > αE (u [R1 (s)]) + (1 − α)E (u [R2 (s)])
V (µα , σα ) > αV (µ1 , σ1 ) + (1 − α)V (µ2 , σ2 ) = k

Que era lo que queríamos demostrar. En el apéndice se presenta una demostración más
matemática. Ingersoll (2021) comenta que la clave para preferencias de media y varianza es
la representación R = µ + σs y no que la densidad sólo dependa de dos parámetros. Como
ejemplo, considera la distribución lognormal, que aunque depende de dos parámetros, no
genera una curva de indiferencia convexa en todos los puntos.
6.5. Comentario de los resultados
Aunque los supuestos para preferencia de media y varianza son muy distintos, dan al
őnal curvas de indiferencia con parecidos resultados, a saber:
1. Las curvas de indiferencia tienen una pendiente positiva. Esto no es lo corriente
cuando se consideran canastas con dos bienes. En nuestro caso, se puede explicar por
el hecho de que para una persona aversa al riesgo, la volatilidad σ es un mal.
2. Cuando la varianza es cero, la curva de indiferencia tiene una pendiente de cero.
Esto indica que para muy bajos niveles de riesgo, las personas son aproximadamente
neutras al riesgo, y que si se les ofrece un poco más de rentabilidad, estarían dispuestas
a asumir un poco de riesgo.
3. Las curvas de indiferencia son convexas, que también responde al hecho de que las
personas son aversas al riesgo.
6.6. Problemas

6.6. PROBLEMAS 51
Figura 1. Curvas de Indiferencia con preferencias de media y varianza

µw
Mayor Utilidad
Menor Utilidad
σw
1. ____________ Las curvas de indiferencia de media y varianza son cóncavas

para personas aversas al riesgo, ya que u′′ < 0.
2. ____________ Con utilidades cuadráticas u(w) = w − 2b w2 y b < 1/w, donde
E(w) = µ y V ar(w) = σ 2 , la curva de indiferencia entre media y varianza tiene una
dµ
pendiente dσ = 1−bµ
b
3. ____________ Con utilidades cuadráticas u(w) = w − 2b w2 y b < 1/w, donde
E(w) = µ y V ar(w) = σ 2 , la curva de indiferencia entre media y varianza que tiene
dµ b
una pendiente dσ = 1−bµ no es convexa.
4. ____________ Cuando hay preferencias de media y varianza, la curva de in-
dµ
diferencia evaluada en σ = 0, tiene la pendiente dσ σ=0
=0
5. ____________ Con preferencias de media y varianza, todos los agentes son
neutros al riesgo cuando σ = 0.
6. ____________ Cuando hay rendimientos normales, las curvas de indiferencia
entre media y varianza son convexas ya que u′′ > 0.
7. ____________ Si los rendimientos de un activo fueran normales y los agentes
fueran amantes al riesgo, las curvas de indiferencia de media y varianza tendrían
pendiente positiva y serían cóncavas.
8. ____________ Un agente con utilidades cuadráticas no puede escoger entre
los dos siguientes fondos:
Repagos 2 3 5 8
Prob(Fondo A) 0,25 0,25 0,25 0,25
Prob(Fondo B) 0,35 0,20 0,20 0,25
9. ____________ Si x ∼ N (1, 3) y y ∼ N (2, 2) entonces se puede escoger entre
las variables por preferencias de media y varianza pero no por DESO.
6.6. PROBLEMAS 52
10. ____________ Cuando los rendimientos brutos de los activos tienen una dis-
tribución łStudent tž y las utilidades son CARA, no es posible usar preferencias de
media y varianza.
11. ____________ Si una distribución tiene asimetría y las utilidades no son cua-
dráticas, es imposible que haya preferencias de media y varianza.
12. ____________ Con agentes amantes al riesgo y una distribución de ubicación
y escala, existen preferencias de media y varianza.
13. ____________ Si la distribución de rendimientos es asimétrica, no es posible
tener preferencias de media y varianza.
14. ____________ Hay preferencias de media y varianza cuando se combinan las
utilidades CRRA con rendimientos lognormales.
6.6.2. Problemas.
1. Usted ha estimado los rendimientos brutos de las empresas A y B:
Prob. A B
0,10 -1 0
0,20 2 1
0,40 3 2
0,20 4 3
0,10 5 4
a) Calcule la media y varianza de los rendimientos brutos de cada empresa.
b) Explique porqué algunos inversionistas escogerían A y otros B si las preferencias
son de media y varianza.
c) Compare A y B usando el criterio de dominancia estocástica de segundo orden.
d ) Explique si puede haber dominancia estado por estado de Rx sobre Ry , donde Ri
es el rendimiento bruto de la empresa i cuando no hay oportunidades de arbitraje.
(Necesita leer capítulo sobre arbitraje para responder esto).
2. Tribu Mink: Usted ha sido contratado por la tribu Mink como asesor őnanciero. Esta
tribu tiene unos habitantes que son diurnos y otros que son nocturnos, con distintos
jefes cada uno. Usted debe aconsejar entre dos posibles inversiones, Kaido Corp. y
Mugiwara LLC, que tienen una probabilidad f (x) y g(y) respectivamente, y que están
dadas en el siguiente cuadro:
Repago f (x) g(y)
1 0,2 0,18
2 0,2 0,25
3 0,2 0,00
4 0,2 0,53
5 0,2 0,04
6.7. APÉNDICE: OTRA DEMOSTRACIÓN DE LA CONVEXIDAD DE LA CURVA DE INDIFERENCIA53
a) Explique el supuesto de medibilidad (continuidad), y porqué es importante para la

construcción de utilidades esperadas. Explique una situación en que este supuesto
se viola.
b) El jefe de la sub-tribu diurna comenta que ellos tienen utilidades cardinales cua-
dráticas. Recomiende cuál de las dos inversiones más les conviene, si hay alguna.
c) El jefe de la sub-tribu nocturna comenta que ellos no tienen utilidades cuadrá-
ticas, y que sólo se sabe que sus utilidades u(w) tienen u′ (w) > 0 y u′′ (w) < 0.
Recomiende cuál de las dos inversiones más les conviene, si hay alguna.
d ) Tras sus recomendaciones, la tribu Mink ha quedado muy impresionada, y el
ministro de transportes le pide otra consultoría. Ellos están desarrollando una
aplicación de tránsito llamada ’Güeys’. Tras muchos estudios, se han dado cuenta
que la duración de las rutas tienen una distribución normal. Además, han logrado
determinar que las preferencias de la tribu sobre tiempos en ruta satisfacen los
supuestos de Von-Neumann y Morgenstern, por lo que han generado una función
de utilidad cardinal v(t) donde t es el tiempo que se dura en una ruta. Se sabe
además que v ′ (t) < 0 y v”(t) < 0. Proponga (en palabras) un método para
aconsejar rutas a los miembros de la tribu, y dibuje las curvas de indiferencia
relevantes de los habitantes de la tribu Mink.
6.7. Apéndice: Otra demostración de la convexidad de la curva de indiferencia
A continuación se presenta una demostración más matemática de la convexidad de las

curvas de indiferencia cuando existe una representación con ubicación y escala, es decir
R = µ + σs con E(s) = 0. Usamos la demostración de Ingersoll (2021) con un poco más de
detalle.
Para que las curvas de indiferencia sean convexas, es suőciente y necesario demostrar que
V (µ, σ) es cóncava. Empezamos con una expansión de Taylor exacta alrededor de µ0 y σ0 :
" # " #′ " #

µ − µ0 τ µ µ − µ 0 τ µ µ − µ 0
V (µ, σ) = V (µ0 , σ0 ) + ∇′ V (µ0 , σ0 ) + Hv (µ0 , σ0 )
σ − σ0 τs σ − σ 0 τs σ − σ 0
" # " #
Vµ Vµµ Vµσ
Donde ∇V (µ, σ) ≡ , y Hv (µ, σ) ≡ es la matriz hessiana de la
Vσ Vµσ Vσσ
utilidad esperada, y τx ϵ(0, 1) es una constante. Para que la función V (µ, σ) sea cóncava, la
matriz hessiana debe ser semideőnida negativa, lo que necesita de Vµµ < 0, Vσσ < 0 y que
2
su determinante sea positivo, es decir D ≡ Vµµ Vσσ − Vµσ > 0. Veriőquemos las primeras dos
condiciones:
6.8. REFERENCIAS 54
ˆ b
Vµµ = u′′ (µ + σs)f (s)ds < 0
a
ˆ b
Vσσ = u′′ (µ + σs)s2 f (s)ds < 0
a
Estos resultados se dan por la aversión al riesgo, de manera que u′′ < 0. Para ver el
resultado del determinante, calculamos primero la derivada parcial cruzada:
ˆ b
Vµσ = u′′ (µ + σs)sf (s)ds
a
Vµσ
Deőnimos ahora una constante k(µ, σ) ≡ Vµµ
, y la siguiente igualdad:
ˆ b ˆ b
′′
0 = Vµσ − k(µ, σ)Vµµ = u (µ + σs)sf (s)ds − k(µ, σ) u′′ (µ + σs)f (s)ds
a a
ˆ b ˆ b
′′
0= [s − k(µ, σ)] u (µ + σs)f (s)ds ≡ y(s)f (s)ds = E(y)
a a
Donde y ≡ [s − k(µ, σ)] u′′ (µ + σs) es una variable con media cero y que cambia de signo
de positivo a negativo cuando ses mayor que k(µ, σ). Sabemos entonces que cov(s, y) ≡
E(sy) − E(s)E(y) = E(sy) < 0. Esto nos dice que:
ˆ b ˆ b ˆ b
′′ ′′ 2
E(sy) = s [s − k(µ, σ)] u (µ+σs)f (s)ds = u (µ+σs)s f (s)ds−k(µ, σ) u′′ (µ+σs)sf (s)ds = Vσσ −
a a a
Al multiplicar E(sy) por Vµµ < 0 obtenemos:
2
Vµµ E(sy) = Vµµ Vσσ − Vµσ ≡D>0
Que era lo que necesitábamos demostrar.
6.8. Referencias
Chamberlain, Gary. "A characterization of the distributions that imply meanÐVariance

utility functions." Journal of Economic Theory 29, no. 1 (1983): 185-201.
Huang, Chi-fu, and Robert H. Litzenberger. Foundations for financial economics. Pren-
tice Hall, 1988.
Fang, K. T., S. Kotz, and K. W. Ng. "Symmetric multivariate and related distributions."
Taylor and Francis (1990).
6.8. REFERENCIAS 55
1987.
Ingersoll, Jonathan E. Financial Models and Theories. Unpublished book, 2021.
Parte 2
Equilibrio en Mercados completos

Capítulo 7
Introducción a bonos soberanos
Los instrumentos őnancieros más simples son los bonos. Los bonos se pueden dividir en
bonos de gobiernos (también llamados soberanos), en bonos de gobiernos locales (p.e. muni-
cipalidades o ciudades, llamados semi-soberanos), bonos corporativos, y bonos titularizados.
La gran mayoría de los bonos dan un repago őjo, y por eso también se les conoce como
łinstrumentos de renta őjaž.
En este capítulo estudiaremos los bonos de gobierno, que al menos en la moneda propia
de cada país tienen la característica de ser łsegurosž en el sentido que todo el mundo espera
que serán pagados.
Los bonos de gobierno aparecieron cuando era impracticable dar un préstamo bancario a
un dado gobierno. El bono más antiguo fue emitido por Venecia en 1157 para őnanciar una
guerra contra Bizancio (Levinson 2018).
7.1. Bonos
1. Bono: Los bonos son instrumentos őnancieros de deuda. Todo bono especiőca un
valor facial, cupón y plazo. Por ejemplo, un valor facial puede ser $1000, un cupón
es 2 %, y un plazo de 10 años.
a) Valor Facial (Face Value) F V
b) Cupón c
c) Plazo (Maturity) T
d ) Precio de compra P se expresa como un porcentaje del valor facial, de manera
que si el precio es un 98 % del valor facial, normalmente se reporta como 98.
2. Rendimiento (yield) de un bono. Tasa y tal que
XT
c × FV FV
P × FV = +
t=1
(1 + y)t (1 + y)T
Para cupones que se pagan anualmente, se puede usar la fórmula de una anuali-
dad 1 para los cupones, y el precio queda como:

c 1 1
P = 1− T
+
y (1 + y) (1 + y)T
1Para ver las características de la fórmula de anualidad, puede consultar
https://en.wikipedia.org/wiki/Annuity
57
7.1. BONOS 58
3. Curva de Rendimientos (Yield Curve). En el eje x pone el tenor, en el y el rendimiento

para tal plazo.
4. Duración
F Ct
V At =
(1 + y)t
T
X V At
D= t×
t=1
P
∂P
≃ −D × P
∂y
7.1.1. Bonos del Gobierno de los EEUU.
1. Tipos de Bonos del Gobierno de los EEUU
a) (Billetes del Tesoro) Treasury Bills: Valor Facial de $100. No tienen cupón, Plazo
de menos de un año: 4, 13, 26 y 52 semanas. Precio en descuento
FV − P 360
dy % = × × 100
FV dias
b) (Notas del Tesoro) Treasury Notes: Valor Facial de $1000. Cupón pagadero cada
seis meses, Plazo de 2 a 10 años.
c) (Bonos del Tesoro) Treasury Bonds: Valor Facial de $1000. Cupón pagadero cada
seis meses, Plazo de 20 a 30 años. Precio igual que las notas del Tesoro.
2. TIPS: Treasury Protected Securities: Pagan en términos reales. Existen en plazos de
5 años o más.
3. Curva de Rendimientos (Yield Curve). En el eje x pone el tenor, en el y el rendimiento
para tal plazo.
4. Como se puede ver para la curva de rendimientos del 2008, no siempre tienen pen-
diente positiva. Para Estados Unidos, un indicador de que habrá una recesión es que
los rendimientos de largo plazo caigan por debajo de los de corto plazo, como lo
estudian Bauer y Mertens (2018).
7.1.2. Bonos de Gobierno del Reino Unido.

1. Los primeros bonos de gobierno del Reino Unido fueron emitidos por el Banco de
Inglaterra en 1694 para őnanciar la guerra contra Francia.
2. En los siglos 18 y 19, como los bonos tenían bordes dorados se les conocía como ’gilts’
a) El nombre ’Gilts’ aplica primariamente a bonos del gobierno del Reino Unido.
b) Secundariamente, aplica a bonos de otros países que fueron parte del Common-
wealth, p.e. India.
c) También se les llama ’Gilts’ a los bonos de bajo riesgo.
7.1. BONOS 59
Cuadro 1. Bonos de Gobierno de los Estados Unidos

Bonos TIPS
Plazo Cupón Precio Rendimiento Cupón Precio Rendimiento
3 meses 0,00 1,01 1,03 %
6 meses 0,00 1,12 1,15 %
12 meses 0,00 1,20 1,22 %
2 años 1,25 99,87 1,32 %
5 años 1,63 99,58 1,71 % 0,13 100,70 -0,03 %
10 años 2,25 101,03 2,13 % 0,38 100,77 0,30 %
30 años 2,75 100,08 2,75 % 0,88 101,21 0,83 %
Fuente: www.bloomberg.com/markets/rates-bonds/government-bonds/us/ al 11.09.2017.
Figura 1. Curva Rendimientos EE.UU. 03.01.2008 y 11.09.2017
4.5
3.5
2.5
2
Rendimientos 11.9.2017
Rendimientos 8.01.2008
1.5
0.5
0
0.00 5.00 10.00 15.00 20.00 25.00 30.00
3. Ejemplo del nombre: 4 14 % Treasury Gilt 2055

4. Consoles ’Consol’ (anualidades consolidadas) eran bonos perpetuos del gobierno in-
glés, quien tenía la opción de retirarlos del mercado. En el 2015 los 4 Consoles que
quedaban fueron retirados por el gobierno. Aparecen en literatura, p.e. en Orgullo y
Prejuicio y en David Copperőeld.
5. Actualmente:
a) Están en manos de aseguradoras o fondos de pensiones del Reino Unido.
7.2. EJERCICIOS 60
b) A partir del 2009, el Banco de Inglaterra emitió y recompró una gran cantidad
de Gilts como parte de la política de ’quantitative easing’.
6. Ejemplo de Curva de Rendimientos
Cuadro 2. Precios y Rendimientos de Gilts
Nombre Plazo Precio y ( %) Duración

2 % Treasury Gilt 2016 0,25 100,42 0,465891 0,27
4 % Treasury Gilt 2016 1 103,15 0,491787 0,89
1 % Treasury Gilt 2017 2 100,81 0,570946 1,88
3¾ % Treasury Gilt 2020 5 112,31 1,158866 4,51
2 % Treasury Gilt 2025 10 101,59 1,823669 8,94
3½ % Treasury Gilt 2045 30 119,22 2,562548 19,16
3½ % Treasury Gilt 2068 53 128,95 2,507564 27,12
Fuente: Bloomberg y http://www.dmo.gov.uk
7.2. Ejercicios

1. ____________ Las curvas de rendimientos siempre tienen pendiente positiva.
2. ____________ La duración de un bono siempre es estrictamente menor que
su plazo.
3. ____________ El riesgo de duración es lo que hace que de vez en cuando se
invierta la curva de rendimientos
4. ____________ Un bono cupón cero de 10 años plazo que tiene un precio de
100,94 necesariamente tiene un rendimiento negativo.
5. ____________ En el Wall Street Journal del 12.5.2017 apareció el siguiente
titular: ’El mercado de bonos de China da señales de stress, ya que el rendimiento
de la deuda de largo plazo ha caído por debajo del rendimiento de corto plazo’ Esta
noticia no tiene ningún sentido según lo que hemos visto en clase.
6. ____________ La relación entre el precio de un bono y su rendimiento es
negativa y lineal.
7. ____________ Es imposible que el precio de un bono sea igual a su valor facial.
8. ____________ Un bono cupón cero de Alemania de 5 años tiene menos riesgo
ante cambios de los rendimientos que un bono de 5 años con cupones también emitido
por Alemania.
9. ____________ Un consol (bono con plazo inőnito) tiene una duración también
inőnita.
10. ____________ Un bono cupón cero de 291 días tiene un rendimiento del 5.5 %,
por lo que el precio de ese bono es 94,5, y en Bloomberg aparece como 5.5.
7.3. REFERENCIAS 61
11. ____________ Un bono de gobierno a 30 años tiene un rendimiento del 2,05 %

y el rendimiento de un bono de 30 años TIP tiene un rendimiento del 0,49 %, por lo
que la inŕación esperada a 30 años es del 2 %.
12. ____________ Conforme suben los cupones también aumenta la duración de
un bono.
13. ____________ Un bono con cupones variables de y × F V se vende a un precio
menor que el valor facial.
14. ____________ Un bono soberano (por ejemplo un bono en yenes emitido por
el gobierno japonés) no tiene ningún tipo de riesgo.
7.2.2. Problemas.
1. El siguiente cuadro muestra datos del mercado de bonos del Tesoro de los Estados
Unidos. Para solucionar los preguntas más fácilmente, suponga que los cupones, si
hay, se pagan anualmente.
Bonos
Plazo Cupón Precio Rendimiento
6 meses 0, 00 1, 64
12 meses 0,00 1,55
2 años 1,50 100,14 1,428 %
5 años 1,50 100,69 1,356 %
Fuente: www.bloomberg.com/markets/rates-bonds/government-bonds/us/ al 08.10.2019 2.44pm hora Costa Rica
a) Explique el concepto de rendimiento de un bono y los factores que afectan (5

puntos) y calcúlelo para los bonos de 6 y 12 meses.
b) Explique el concepto de la curva de rendimientos y la típica pendiente que esta
puede tener, y si esta es la situación actual con los Bonos de Estados Unidos.
c) Explique el concepto de duración y calcúlelo para cada uno de los bonos arriba
descritos.
d ) Usted tiene un total de $40,000, que están igualmente invertidos en cada uno de
los bonos arriba descritos. £Cuál sería el impacto sobre su inversión (en términos
de dólares) si la curva de rendimientos aumenta 15 puntos base uniformemente?
(pista: hay dos formas de calcular esto: una es fácil y otra es más difícil, ambos
dan resultados parecidos pero no iguales: usted puede usar cualquiera de las dos
formas para responder).
7.3. Referencias
Bauer, Michael D., and Thomas M. Mertens. "Information in the yield curve about future
recessions." FRBSF Economic Letter 20 (2018): 1-5.
7.3. REFERENCIAS 62
torial Addison Wesley, 3ra edición, 1988:145-153
Levinson, Marc. The Economist Guide to Financial Markets: Why they exist and how
they work. The Economist, 2018.
Capítulo 8
Instrumentos Puros, Mercados Completos, y Arbitraje
8.1. Introducción
El modelo Arrow-Debreu es un paradigma central de las ciencias económicas. Es un

modelo de equilibrio general con las siguientes características
1. Curvas de indiferencia convexas (utilidades cóncavas respecto a un determinado bien
de consumo).
2. Competencia perfecta.
3. Producción con rendimientos decrecientes de escala
4. Un número arbitrario de estados de la naturaleza, y un igual número de instrumentos
őnancieros independientes que se transan.
5. Mercados sin fricciones, es decir, donde se me permita pedir prestado y hacer ventas
al descubierto, descrito más abajo.
Para empezar, deőnimos sϵS como un estado de la naturaleza (p.e. sequía, normal, o inunda-
ción), y bienes (p.e. una naranja). Note que desde este punto de vista, una naranja en sequía
se considera como un bien distinto de una naranja en inundación. El resultado del mundo
Arrow-Debreu es que existe un vector de precios p donde cada elemento de este precio es
positivo, y la oferta y demanda de cada mercado se igualan. Es una demostración matemá-
tica del concepto de "la mano invisible" expuesta por Adam Smith (1776) en la riqueza de
las naciones
8.2. Venta al Descubierto (Short sale)
“Sr. Whitney: Un individuo decide con respecto a las acciones de una corpora-
ción en particular, que se está vendiendo a un precio demasiado alto respecto
a las ganancias de esa corporación o cualquier otro dato que pueda tener re-
lacionado con las acciones de esa corporación. Esto es lo inverso, quizá, en
la formación de su juicio, de lo que llega a ser un comprador marginal. El
vendedor al descubierto, o el hombre que decide que el precio de la acción es
demasiado alto, dará a su agente una orden para vender 100 acciones, diga-
mos. Esa orden se envía al piso de la bolsa. Se informa al corredor que recibe
la orden si es para una cuenta en corto o largo, y luego se dirige al puesto
particular donde se negocian esas acciones, digamos, United States Steel. Si el
63
8.2. VENTA AL DESCUBIERTO (SHORT SALE) 64
mercado es 33 21 ~ 33 85 y la última venta fue 33 21 , venderá esas 100 acciones a

33 12 y lo acreditará a la cuenta del agente, quien a su vez informará al vende-
dor en descubierto que ha vendido 100 acciones de United States Steel a 33 21 .
A partir de entonces, el corredor tomará prestadas esas 100 acciones para el
vendedor al descubierto, ya sea de otro corredor o de algún cliente suyo que le
haya dado permiso para prestar sus acciones... Posteriormente, en algún mo-
mento, el vendedor al descubierto deberá recomprar las 100 acciones de United
States Steel para que su corredor pueda devolverlo a la persona de quien se lo
prestó...
Senador Barkley. Y alguien que tiene 100 acciones está dispuesto a pres-
társelas a un corredor?
Sr. Whitney. Sí, señor.
Senador Barkley. Y el que presta le deja tener el certificado y a cambio
recibe un cheque por $3,300, y luego continúa con su negocio y deposita esos
$3,300 en su banco...
Senador Barkley. ¿Entonces el prestamista no se beneficia prestando sus
acciones?
Sr. Whitney. ... se beneficia posiblemente de la tasa de interés. (Senate
Hearings 1932, pp. 120-121 parte 1).
Este es un concepto muy usado en őnanzas (en la vida real y en la teoría) que no es muy
intuitivo para el que lo ve por primera vez, como es el caso de los senadores en la audiencia
antes citada. Consideremos un ejemplo: quiero vender al descubierto una acción de Microsoft,
para lo que debo seguir los siguientes pasos:
1. Pido prestada una acción de Microsoft, con el compromiso de devolverla por ejemplo
en una semana. Hay fondos que se dedican a prestar acciones, obviamente me van a
pedir un depósito de garantía, y quizá me cobren un pequeño alquiler, que por ahora
lo dejamos en cero.
2. Vendo la acción de Microsoft hoy al precio actual de mercado, S0 = $331,37. Deposito
este dinero en el banco
3. Al őnal de la semana, debo comprar la acción de Microsoft para devolverla. Suponga-
mos que su precio ha bajado a St = $300, por lo que sólo necesito retirar esa cantidad
del banco, quedándome un balance de $21,37.
4. Devuelvo la acción.
Como se puede ver, una persona vende al descubierto cuando piensa que un dado instrumento
bajará de precio. La ganancia de vender al descubierto es π = S0 − St donde St es el precio
őnal del instrumento, con lo que no hay responsabilidad limitada (es decir, no hay límite de
los que puedo perder). Aparte de esto, hay un techo a lo que puedo ganar, pues el mejor
8.3. MERCADOS COMPLETOS 65
caso para un vendedor al descubierto es que la empresa no valga nada, en cuyo caso ganaría
πmax = S0 .
Después de alguna crisis őnanciera, una de las prácticas más sospechosas por las autori-
dades es la venta al descubierto, lo que sucedió después del Crash de 1929 y de la crisis del
2008. . La utilidad de las ventas al descubierto es que permiten que aquellos inversionistas
que tienen una opinión negativa acerca de una acción (y de cualquier activo en general) pue-
dan hacer algo. Saffi y Sigurdsson (2011) explican que si no existiera la venta al descubierto,
las acciones tienden a una asimetría positiva (por sobrevaloraciones estilo burbujas), y que
en general los mercados serían menos łeőcientesž. La eőciencia en este contexto signiőca que
los precios de los activos reŕejen de una manera rápida toda la información que hay a su
respecto.
8.3. Mercados Completos
Para representar la incertidumbre en una economía, Debreu (1959) estableció un estado

de la naturaleza si que podemos considerar como una deőnición de un evento y un tiempo
(s1 =Real Madrid gana la Champions en el 2025, s2 =El Barcelona gana la Liga en el 2027,
etc.). El conjunto de estados de la naturaleza es S = {s1 , s2 , ..., sJ } donde hay J estados que
describen toda la realidad.
Deőnimos un instrumento puro sj aquel que paga una unidad del bien de consumo si
s = sj y cero si s ̸= sj . Este instrumento puro tiene un precio pi . La primera deőnición de un
mercado completo es donde existen tantos instrumentos puros como estados de la naturaleza
J.
Arrow (1964) dio un poco más de estructura temporal a estos mercados. Consideró la
situación donde los estados de la naturaleza se pueden agrupar por el tiempo t = 1, 2.., T
cuando ocurren. En ese caso, el conjunto de estados se puede agrupar en subconjuntos tales
que:
   

 S 1 
 
 s11 s21 . . . sN 1 


   
 S2  
  s12 s22 . . . sN 2


S= ..  = .. .. . . ..

 .  . . . . 

    

 S     s1T s2T . . . sN T


T
Vemos que para cada periodo hay N = TJ estados de la naturaleza. Un instrumento

de Arrow (Arrow security) nes aquel que paga una unidad en el periodo t = 1, 2, ..., T
sólo si s = snt y cero si s ̸= snt . El precio del instrumento de Arrow es pnt y varía de
periodo en periodo. En una economía de Arrow, el mercado está completo si existen N
instrumentos de Arrow, que se transan en cada periodo. La ventaja de esta especiőcación
8.3. MERCADOS COMPLETOS 66
es que se necesitan mucho menos instrumentos que en una economía atemporal para que el
mercado esté completo.
Volvamos ahora a la economía atemporal. Aparte de los instrumentos puros, existen otros
que llamaremos complejos, que pagan un ŕujo de caja cfjs arbitrario en cada estado sϵS. El
P
precio de los instrumentos complejos es Vj = sϵS cfjs ×ps . Si hay J estados de la naturaleza
y tenemos un vector de J instrumentos complejos, tenemos la siguiente formulación:
 
 PJ 
V1 s=1 cf1s × ps
   PJ 
 V2   s=1 cf2s × ps 
V =
 ..=
  ..  ≡ Cp

 .  . 
PJ
VJ s=1 cfJs × ps
Donde C es una matriz de dimensión J × J. En los mercados őnancieros es mucho más
común encontrar instrumentos complejos (bonos, acciones, derivados) que instrumentos pu-
ros. Si queremos despejar el vector de precios puros, obtenemos que p = C −1 V , y esto nos
indica una tercera deőnición de mercados completos: cuando hay tantos instrumentos com-
plejos independientes como estados de la naturaleza. Note que es clave que los instrumentos
complejos sean independientes, ya que esto es necesario para poder invertir la matriz C.
Veamos un ejemplo con tres estados de la naturaleza S = {recesión, normal, auge} y
tres instrumentos őnancieros complejos: un seguro de desempleo que me paga 1 sólo casos
de recesión, una deuda riesgosa que paga 1 en los estados excepto en recesión, y una deuda
libre de riesgo que me paga 1 en todos los estados de la naturaleza. Si escribimos los repagos
en forma matricial tenemos:
Deuda sin riesgo =(1 1 1)
Seguro desempleo =(1 0 0)
Deuda riesgosa = (0 1 1)
 
1 1 1
 
C≡ 1 0 0 
0 1 1
Para ver si C es invertible, debemos veriőcar que su determinante es distinto de cero. En
este ejemplo, no lo es. Esto quiere decir que los instrumentos complejos no son independientes
entre sí. Por ejemplo, podemos ver que la suma de repagos del seguro de desempleo más los de
la deuda riesgosa dan (1 1 1), es decir el repago de la deuda sin riesgo. Entonces sólo existen
dos de los tres instrumentos őnancieros que son independientes entre sí. Visto de otro modo,
8.4. PRECIOS PUROS Y ARBITRAJE 67
hay tres incógnitas (los precios de los instrumentos puros) y dos ecuaciones independientes,
por lo que no podemos despejar.
Supongamos ahora que aparece un nuevo instrumento őnanciero llamado acciones, con
los siguientes repagos
Acciones = (1 2 3)
En este caso el trío de los siguientes instrumentos son independientes entre sí: el seguro
de desempleo, la deuda riesgosa, y las acciones. El repago de estos instrumentos őnancieros
se pueden expresar matricial mente como:
 
1 0 0
 
C=  0 1 1 
1 2 3
Podemos comprobar que det(C) = 1, por lo que esto es una matriz invertible. La inversa
sería
 
1 0 0
 
C −1 =  1 3 −1 
1 −2 1
Podríamos pensar en C −1 como un libro de recetas que nos dice como construir instru-
mentos puros a partir de instrumentos complejos.
Para construir el primer instrumento puro necesito comprar 1 del primer instrumento
complejo, cero del segundo y cero del tercero.
Para construir el segundo instrumento puro necesito comprar 1 del primer instru-
mento complejo, 3 del segundo y hacer un short sell de -1 del tercero. Para ver el
repago, tenemos:
• Compro 1 seguro de desempleo y obtengo (1, 0, 0) en los distintos estados de la
naturaleza.
• Compro 3 unidades de deuda riesgosa y obtengo (0,3, 3)
• Vendo al descubierto 1 acción, y debo pagar en el siguiente periodo (-1,−2, −3)
en los distintos estados de la naturaleza
• El repago de esta cartera es (0,1,0), es decir el instrumento puro 2.
8.4. Precios Puros y Arbitraje
Hemos visto en el ejemplo que los instrumentos complejos de seguro de desempleo, deuda
riesgosa, y acciones, el mercado está completo. Si los precios de los instrumentos complejos se
8.4. PRECIOS PUROS Y ARBITRAJE 68
pueden observar, podemos extraer el precio de los instrumentos puros. Por ejemplo, supon-
gamos que el seguro de desempleo tiene un precio de mercado de 0,20, la deuda riesgosa un
precio de 0,70, y las acciones un precio de 1,7. Entonces el vector de precios puros p es igual
a la inversa de los repagos de los instrumentos complejos por el precio de los instrumentos
complejos p = C −1 V . En el ejemplo tenemos
      
p1 1 0 0 0,2 0,2
      
 p2  =  1 3 −1   0,7  =  0,6 
p3 1 −2 1 1,7 0,1
Es decir que el primer instrumento puro vale 0,2, el segundo 0,6 y el tercero 0,1. A partir
de estos instrumentos puros puedo valorar cualquier instrumento complejo j con repagos
P
(cj1 cj2 cj3 ) de manera que Vj = sϵS ps cjs . Por ejemplo, la deuda libre de riesgo debería valer
Vrf = 1 × 0,2 + 1 × 0,7 + 1 × 0,1 = 0,90. Si esto no fuera así, existe la posibilidad de hacer
arbitraje, un concepto esencial en la teoría y práctica de las őnanzas.
Veamos un ejemplo. En el ejemplo y la discusión al principio del capítulo comparamos:
(A) La deuda libre de riesgo y (B) La cartera formada por el seguro de desempleo más la
deuda riesgosa, y nos dimos cuenta que (A) y (B) tienen los mismos repagos, y por lo tanto
deberían valer lo mismo. Supongamos que esto no se da, y que (A) la deuda sin riesgo se
está vendiendo a 0,95 en el mercado, en tanto que (B) la suma del seguro de desempleo más
la deuda riesgosa valen 0,90.
Ante este desequilibrio, la regla general del arbitraje tipo I es comprar barato y vender
caro, sin tener ningún riesgo . En este ejemplo, compro la deuda riesgosa y el seguro de
desempleo, y vendo al descubierto la deuda sin riesgo (esto es equivalente a pedir prestado).
Esta transacción me generará hoy un ingreso de 0,95 − 0,90 = 0,5. En el próximo periodo
mis repagos serán
Cuadro 1. Pasos del Arbitraje
Pasos Hoy s1 s2 s3
Compro seguro desempleo −0,20 +1 0 0
Compro deuda riesgosa −0,70 0 +1 +1
Short deuda sin riesgo +0,95 -1 -1 -1
Posición neta +0,50 0 0 0
Entonces, hoy me gano 0,5 y en el próximo periodo, en todos los estados de la naturaleza
tengo un repago de 0. Es decir, gano algo hoy sin un riesgo en el futuro. Puedo hacer esto
millones de veces (es lo que hacen los fondos de arbitraje en Nueva York y Londres) hasta
que estas discrepancias en precios desaparezcan.
8.5. PROBLEMAS 69
Existe un arbitraje de tipo II, donde la cartera paga cero este periodo, y en el siguiente
periodo da repagos mayores o iguales a cero en cada estado de la naturaleza, con desigualdad
estricta en al menos un estado.
En őnanzas es muy común establecer algunos resultados invocando łausencia de arbi-
trajež. Esto quiere decir que en una economía las oportunidades de arbitraje no deberían
darse de una manera permanente. Los argumentos por ausencia de arbitraje son mucho más
generales que, por ejemplo, el de maximización de utilidades o de racionalidad.
8.5. Problemas
8.5.1. Falso o verdadero.
1. ____________ Si hay n estados de la naturaleza y n instrumentos őnancieros

complejos, el mercado está completo.
2. ____________ Una oportunidad de arbitraje no tiene riesgo.
3. ____________ La venta al descubierto (short sell) es menos riesgosa que la
compra de un activo.
4. ____________ Un mercado con tres estados de la naturaleza y tres instrumen-
tos complejos con los repagos dados abajo está completo.
Estado A B C
Instrumento 1 0 1 2
Instrumento 2 3 9 18
Instrumento 3 2 8 16
5. ____________ El arbitraje está deőnido por "comprar barato y vender caro".
6. ____________ En una venta al descubierto, sólo se gana dinero si al activo
sube de precio.
7. ____________ El arbitraje tipo 2 es más riesgoso que el arbitraje tipo 1.
8. ____________ En una venta al descubierto, hay un techo a lo que el inversio-
nista puede ganar.
9. ____________ En una economía que prohíbe las ventas al descubierto, pueden
haber oportunidades de arbitraje que no se puedan explotar.
10. ____________ El valor de un instrumento complejo con repagos cfjs está dado
P
por Vj = sϵS cfjs × πs
11. ____________ En una economía de Arrow se necesitan más instrumentos para
que el mercado esté completo, comparado con la economía de Debreu.
12. ____________ Un instrumento puro nunca puede tener un precio negativo.
13. ____________ Una oportunidad que paga cfj0 > 0 y cfjs ≥ 0 con desigualdad
estricta para algún s es más atractiva que el arbitraje I o II.
8.6. REFERENCIAS 70
14. ____________ Un instrumento complejo es un caso especial de un instrumento

puro.
8.5.2. Ejercicios.
1. Hay una economía con tres empresas cuyo valor es Vj en t = 0. En esta economía hay
tres estados de la naturaleza y los repagos de las tres empresas son los siguientes:
t=0 t=1
πs 5 % 55 % 40 %
Empresa Vj cfj1 cfj2 cfj3
CSH 4 10 4 4
DS 8 5 13 2
LDA 7 5 3 14
a) Explique el concepto de arbitraje y su importancia en economía őnanciera, con
un par de ejemplos de su uso en clase.
b) Veriőque que el mercado está completo; Calcule los precios de los instrumentos
puros, el precio de un bono libre de riesgo y de su rendimiento simple.
c) Deőna el mercado como la suma de todos los ŕujos de caja, que tiene un valor
Vm . Calcule la prima de mercado de esta economía, y explique el resultado.
d) Suponga ahora que el precio del bono libre de riesgo (como porcentaje del valor
facial) se está transando a 90. Explique si hay una estrategia de arbitraje para
aprovechar esto, y ejecútela en base a los instrumentos complejos disponibles.
8.6. Referencias
Arrow, K. J. "The Role of Securities in the Optimal Allocation of Risk-bearing." The

Review of Economic Studies 31, no. 2 (1964): 91-96.
torial Addison Wesley, 3ra edición, 1988:109-113.
D’avolio, Gene. "The market for borrowing stock." Journal of Financial Economics 66,
no. 2-3 (2002): 271-306.
Debreu, Gerard. Theory of value: An axiomatic analysis of economic equilibrium. No. 17.
Yale University Press, 1959.
Saffi, Pedro AC, and Kari Sigurdsson. "Price efficiency and short selling." The Review of
Financial Studies 24, no. 3 (2011): 821-852.
Senate, U. S. Stock Exchange Practices, Hearings Before the Committee on Banking and
Currency. US Government Printing Office, Washington, DC (1932).
Smith, Adam. An Inquiry into the Nature and Causes of the Wealth of Nations. No.
25202. Printed at the University Press for T. Nelson and P. Brown, 1827.
Capítulo 9
Los mercados completos descentralizados son óptimos de Pareto
9.1. Planteo general del problema
1. Considere una economía de intercambio, donde no existe producción, sino sólo dota-
ciones.
2. La economía consta de dos periodos, t = 0, 1
3. En el periodo t = 1 existen N estados de la naturaleza cuyo conjunto se llamará S.
Un dado estado se denomina sϵS.
4. Existen I agentes con una utilidad cardinal uis (ci0 , cis ). Note que las utilidades no
necesariamente son separables, y pueden depender del estado de la naturaleza.
5. Cada agente tiene una creencia sobre las posibilidades de los estados de la naturaleza
πis que pueden ser heterogéneas X
u homogéneas, subjetivas u objetivas. Lo único que
deben respetar es que πis ≥ 0 y πis = 1.
sϵS
I
P
6. Cada agente tiene unas dotaciones ei0 y eis , y hay una dotación total de E0 ≡ ei0
i=1
I
P
y Es ≡ eis .
i=1
7. Existen J instrumentos complejos con valor Vj para j = 1, ..., J.
8. El precio de los instrumentos puros es ps para sϵS. Normalmente, se deőne p0 ≡ 1
9.1.1. Ejemplo. Veamos un ejemplo para entender el alcance de esta economía.
Los estados de la naturaleza son S = {Sequı́a, N ormal, Lluvioso}, de tal manera

que s1 ≡ ssequı́a , s2 ≡ snormal y s3 ≡ slluvioso .
Los agentes son
3/4 1/4
• Ana, con una utilidad cardinal ua = c0a c1a y unas creencias πas = {0, 4; 0, 4; 0, 2}.
P 3/4 1/4
Note que en el caso de Ana, su utilidad esperada es E(ua ) = sϵS πas c0a csa .
P 1/4
La utilidad marginal del consumo en t = 0 es ∂E(u ∂c0a
a)
= π
sϵS as c0a
csa
, que es
compleja y depende de los consumos del siguiente periodo.
1 1 1
• Betty, con una utilidad ub = ln(c0b ) +0, 85ln(c
1b ) y creencias
π bs = ; ;
3 3 3
1 1
• Carlos, con una utilidad uc = 1 − c0c
+0,9 1 − c1c
y creencias πcs = {0, 2; 0, 4; 0, 4}.
71
9.2. DEFINICIÓN DE UN ÓPTIMO DE PARETO EN ESTA ECONOMÍA 72
9.2. Definición de un óptimo de Pareto en esta economía

 
c10 · · · c1N
 . ..  P
I P
I
1. Una repartición c ≡  .. . . . .  es factible si c i0 ≡ C 0 ≤ E 0 y cis ≡
i=1 i=1
cI0 · · · cIN
Cs ≤ Es para todo sϵS.
2. Una repartición c es un óptimo de Pareto si
a) c es factible.
b) No existe c′ tal que E [u(c′i )] ≥ E [u(ci )] para todo i, con desigualdad estricta en
al menos un agente.
3. Relación entre óptimo de Pareto y Función de bienestar social (Varian (1992, p.
 
η1
 . 
207): si la repartición c es un óptimo de Pareto, existe un vector η ≡  ..  con
ηI
cada elemento ηi > 0 tal que la repartición csería a la que llegaría un planiőcador
social que maximiza
I
" #
X X
max ηi πis uis (ci0 , cis )
{ci0 ,cis }
i=1 sϵS
P
I P
I
t.q. ci0 ≤ E0 y que cis ≤ Es para todo sϵS.
i=1 i=1
9.2.1. Problema centralizado. El Lagrangiano de este problema centralizado, y las

condiciones de primer orden son:
I
" # " I
# " I
#
X X X X X
L= ηi πis uis (ci0 , cis ) + p0 E0 − ci0 + ps E s − cis
i=1 sϵS i=1 sϵS i=1
Note que los multiplicadores de Lagrange se denominan con la letra p, lo que nos indica
que son un precio sombra de ese bien.
" #
∂L X ∂uis (ci0 , cis )
(9.2.1) = ηi πis − p0 = 0
∂ci0 sϵS
∂c i0

∂L ∂uis (ci0 , cis )
(9.2.2) = ηi πis − ps = 0
∂cis ∂cis
Al combinar las ecuaciones (9.2.1) y (9.2.2) se obtiene una expresión de los precios rela-
tivos:
9.2. DEFINICIÓN DE UN ÓPTIMO DE PARETO EN ESTA ECONOMÍA 73
 
∂uis (ci0 ,cis )
ps  ∂cis 
(9.2.3) = πis  P ∂u (ci0 ,cis ) 
p0 πis is∂c i0
sϵS
En esta solución centralizada, cada canasta del consumidor tiene la característica que
las curvas de indiferencia de cada consumidor tendrán una pendiente de − ppi0is
. Las otras
condiciones del Lagrangiano centralizado son
X I
∂L
= E0 − ci0 = 0
∂p0 i=1
X I
∂L
= Es − cis = 0 ∀sϵS
∂ps i=1
9.2.2. Problema descentralizado con mercados completos. Considere ahora una

economía de intercambio con mercados completos, donde existen N instrumentos puros con
un precio ps őjados por la oferta y demanda. Cada individuo i = 1, ..., I maximiza su utilidad
esperada sujeta a una restricción presupuestaria, a saber
X
max πis uis (ci0 , cis )
{ci0 ,cis }
sϵS
P
I P
I
p0 ci0 + ps cis ≤ p0 ei0 + ps eis , lo que genera I lagrangianos dados por
i=1 i=1
" I
#
X X
Li = πis uis (ci0 , cis ) + λi p0 (ei0 − ci0 ) + ps (eis − cis )
sϵS i=1
Aquí, el multiplicador de Lagrange λi tiene la interpretación del efecto ingreso sobre la
utilidad marginal del individuo i. Las condiciones de primer orden son
∂Li X ∂uis (ci0 , cis )

(9.2.4) = πis − λi p 0 = 0
∂ci0 sϵS
∂c i0
∂L ∂uis (ci0 , cis )

(9.2.5) = πis − λi p s = 0
∂cis ∂cis
la combinación de las ecuaciones (9.2.4) y (9.2.5) nos dan los precios relativos:
 
∂uis (ci0 ,cis )
ps  ∂cis 
(9.2.6) = πis  P ∂u (ci0 ,cis ) 
p0 πis is∂c i0
sϵS
9.3. PROBLEMAS 74
Note que las ecuaciones (9.2.3) y (9.2.6) son idénticas, por lo que el equilibrio descentra-
lizado da las mismas decisiones de consumo que las del equilibrio centralizado, que habíamos
visto que también era un óptimo de Pareto. La importancia de esta demostración es que
nos dice las condiciones bajo las cuales la "mano invisible" de Adam Smith (1776) funciona
en una economía con incertidumbre. Note que aquí trabajamos en una economía con dos
periodos, pero la demostración se puede extender a un número arbitrario de periodos. Las
condiciones sobre las creencias y sobre la funciones de utilidad son bastante generales.
Cuando las expectativas son homogéneas, es útil deőnir el precio por unidad de probabi-
lidad, que llamamos θs como:
ps
θs ≡
πs
9.3. Problemas
1. ____________ En el óptimo de Pareto que replica el equilibrio de un merca-

do completo descentralizado, el planiőcador da un mayor peso a la utilidad de los
individuos con mayor aversión al riesgo.
2. ____________ El planiőcador social que calcula un óptimo de Pareto podría
dar pesos negativos a la utilidad de ciertos agentes.
3. ____________ El mercado descentralizado completo llega a un óptimo de Pa-
reto aún si las expectativas de los agentes son heterogéneas.
4. ____________Un mercado completo llega a un óptimo de Pareto aún si las
utilidades de los agentes no son separables.
5. ____________ Si un precio puro ps aumenta, los agentes consumirán más en
ese estado de la naturaleza.
6. ____________ Los precios de los instrumentos puros no se pueden calcular
con utilidades no separables.
7. ____________ Con mercados completos, una repartición infactible no puede
ser un óptimo de Pareto.
8. ____________ En un problema descentralizado con mercados completos, el
multiplicador de Lagrange del individuo no tiene ninguna interpretación económica.
9. ____________ Los precios de los instrumentos puros ps se pueden interpretar
como el multiplicador de Lagrange del problema del planiőcador central respecto a
las restricciones de factibilidad en el estado s.
10. ____________ Ceteris paribus, con utilidades separables, si la probabilidad de
un evento se duplica, esto duplicará el precio de ese instrumento puro.
9.4. REFERENCIAS 75
11. ____________ Para un óptimo de Pareto, el planiőcador social siempre dará

el mismo peso a cada agente.
12. ____________ En un problema centralizado, el peso que el planiőcador social
dá a los individuos no tiene ninguna interpretación económica.
13. ____________ El θs es una medida de la escasez relativa en un estado de la
naturaleza.
14. ____________ El θs nunca puede tener un valor negativo.
9.4. Referencias
Arrow, Kenneth J. "The role of securities in the optimal allocation of risk-bearing." The
Review of Economic Studies 31, no. 2 (1964): 91-96.
Debreu, Gerard. Theory of value: An axiomatic analysis of economic equilibrium. No. 17.
Yale University Press, 1959.
Varian, Hal. Microeconomic Analysis. W. W. Norton & Company, 3ra Edición, 1992
Capítulo 10
Cálculo de Equilibrio de Mercado
10.1. Precios con utilidades de potencias separables
En el capítulo anterior determinamos los precios de los instrumentos puros, que con
p0 ≡ 1 se pueden re-escribir de la siguiente manera:
 
∂uis (ci0 ,cis )
 ∂cis 
ps = πis  P ∂u (ci0 ,cis ) 
πis is∂c i0
sϵS
Para obtener más intuición acerca del precio de los instrumentos, vamos a considerar
creencias homogéneas, de tal manera que πis = πs y que cada agente tiene una utilidad de:
Vi = ui (ci0 ) + e−δi ui (ci1 )

Donde δ < 1 es la paciencia del agente.
c1−γ i
−1
ui (cit ) = it → u′i (cit ) = c−γ
it
i
1 − γi
El problema para cada agente es
" #
X X
Li = ui (ci0 ) + e−δi πs ui (ci1 ) + λi (ei0 − ci0 ) + ps (eis − cis )
sϵS sϵS
∂Li
= u′i (ci0 ) − λi = 0 → λi = u′i (ci0 )
∂ci0
∂Li e−δi πs ′
= δi πs u′i (cis ) − λi ps = 0 → λi = ui (cis ) = u′i (ci0 )
∂cis ps
Con las utilidades marginales antes calculadas, obtenemos una expresión de los precios
γ
ci0 i
−δi
ps = e πs
cis
Que nos dice que los precios dependen de la paciencia δi del agente y las probabilidad
πs del evento. Para entender el efecto de las dotaciones, considere el caso donde cada agente
tiene la misma paciencia y aversión al riesgo, de manera queδi = δ y γi = γ, de manera que
los consumos para cada agente son:
76
10.1. PRECIOS CON UTILIDADES DE POTENCIAS SEPARABLES 77
1/γ I
X 1/γ X
I 1/γ
ps ps ps
ci0 = cis → E0 = ci0 = cis = Es
δπs i=1
δπs i=1
δπs
Y los precios se pueden re-escribir como:
−γ
−δi Es
ps = e πs
E0
Los precios puros aumentan cuando
1. Aumenta la probabilidad πs de ese estado de la naturaleza
2. Disminuye la tasa de descuento intertemporal δi
3. Aumenta la dotación en el estado E0
4. Disminuye la dotación en el estado Es
5. Para bienes escasos, es decir E
Es
0
> 1, si aumenta la aversión al riesgo relativa γ.
6. Para bienes abundantes, es decir E 0
Es
< 1, si disminuye la aversión al riesgo relativa γ.
10.1.1. Instrumento libre de riesgo. El instrumento libre de riesgo tiene un valor

de
−γ " −γ #
X X Es Es
V rf = ps = e−δ πs = e−δ E
sϵS sϵS
E0 E0
Para simpliőcar este resultado, deőna el valor del bono como el valor actual de sus ŕujos
de caja, traído a valor actual usando una tasa continuamente compuesta de rf , es decir
Vrf = exp (−rf ). Finalmente, suponga
que las dotaciones relativas tienen una distribución
Es
lognormal, de manera que ln ∼ N (µ, σ 2 ), donde µ es la tasa logarítmica de crecimiento
E0
−γ
Es
esperada de la economía y σ 2 su varianza. Es conocido que entonces que E también es
h i
0
−γ
Es Es
lognormal, ya que ln E 0
= −γln E 0
∼ N (−γµ, γ 2 σ 2 ) . El valor esperado de una

Es
−γ
variable lognormal es E E 0
= exp −γµ + 12 γ 2 σ 2 . Usando todos estos resultados,
podemos escribir el precio del instrumento seguro como:

1 2 2
exp (−rf ) = exp −δ − γµ + γ σ
2
Tomando el logaritmo natural y multiplicando por −1 obtenemos una ecuación para la
tasa libre de riesgo continuamente compuesta:
1
rf = δ + γµ − γ 2 σ 2
2
La tasa libre de riesgo aumenta conforme:
1. Aumenta la impaciencia δ de los agentes.
10.1. PRECIOS CON UTILIDADES DE POTENCIAS SEPARABLES 78
2. Aumenta el crecimiento esperado de la economía µ ya que los agentes serán menos

propensos a ahorrar. Este efecto es más fuerte conforme hay más aversión al riesgo.
3. Disminuye la volatilidad esperada σ 2 , ya que esto también reduce la propensidad a
ahorrar. El efecto es más fuerte conforme aumenta la aversión al riesgo.
∂r
4. El cambio en la aversión al riesgo tiene un efecto ambiguo, ya que ∂γf = µ − γσ 2 ,
es positivo para γ < σµ2 y negativo para γ > σµ2 . Intuitivamente, pareciera ser que
estaría en la segunda región, pero esto se verá más en detalle cuando se vean los
tests macroeconómicos que intentan medir las γ. Para más referencias al respecto, el
estudiante interesado puede ver Campbell (2003).
10.1.2. Mercado y prima de riesgo. Vimos que el valor del mercado está dado por
1−γ " 1−γ #

X X Es Es 1
−δ −δ −δ 2 2
Vm = E s ps = e E 0 πs = e E0 E = e E0 exp (1 − γ)µ + (1 − γ) σ
sϵS sϵS
E0 E0 2
Para obtener el rendimiento esperado de mercado, sabemos Vm es el valor actual de Es ,
traído a valor presente usando una tasa continuamente compuesta de rm :
X X
1 Es
Vm = e E0 exp (1 − γ)µ + (1 − γ)2 σ 2
−δ
= exp(−rm ) πs Es = exp(−rm )E0 πs
2 sϵS sϵS
E0

1 σ2
E0 exp −δ + (1 − γ)µ + (1 − γ)2 σ 2 = exp(−rm )E0 exp µ +
2 2

σ2 σ2
exp(−rm ) = exp −δ + (1 − γ)µ − µ + [(1 − γ − 1)(1 − γ + 1)] = exp −δ − γµ − γ(2 − γ)
2 2
1
rm = δ + γµ − γ 2 σ 2 + γσ 2 = rf + γσ 2 → rm − rf = γσ 2
2
La tasa de descuento de mercado aumenta cuando
1. Aumenta la impaciencia δ de los agentes.
2. Aumenta el crecimiento esperado µ de las dotaciones
3. La volatilidad esperada tiene un efecto ambiguo sobre el rendimiento esperado. Si
γ < 2, un aumento en volatilidad aumenta el rendimiento rm , y para valores mayores
lo deprime.
4. La aversión al riesgo tiene un efecto ambiguo, ya que ∂r∂γm = µ + σ 2 (1 − γ). La tasa de
descuento aumenta si la aversión al riesgo es γ < 1 + σµ2 y disminuye para aversiones
al riesgo más altas.
5. La prima de riesgo aumenta conforme aumenta la aversión al riesgo y la volatilidad
de la economía
10.3. EJERCICIOS 79
10.1.3. Estimado de la aversión al riesgo. De la ecuación anterior obtenemos que

r −r
γ = mσ2 f , donde σ 2 es la volatilidad de las dotaciones. Para hacer un breve estimado de las
aversiones al riesgo usaremos como proxy de la volatilidad de las dotaciones, la volatilidad
de los dividendos, usando los cuadros 1 y 2 de Campbell (2003)
Cuadro 1. Estimadores de aversión al riesgo
País Suecia R.U. EE.UU.

Empieza 1920 1919 1891
Termina 1998 1998 1998
rm 7,084 % 7,713 % 7,169 %
rf 2,209 % 1,255 % 2,020 %
rm − rf 4,875 % 6,458 % 5,149 %
σ∆div 12,894 % 7,824 % 14,019 %
µ∆div 1,551 % 1,990 % 1,516 %
γ 2,932 10,550 2,620
δ 4,81 % 14,33 % 4,79 %
∂rf
∂γ
-0,0332 -0,0447 -0,0363
∂rm
∂γ
-0,0166 -0,0386 -0,0167
Fuente: Campbell (2003) cuadros 1 y 2, y elaboración propia.
10.2. Ejemplo
El cálculo del equilibrio őnanciero se puede hacer en un modelo muy general, como
veremos a continuación. Primero, consideramos una economía de intercambio, es decir, una
donde los agentes simplemente tienen dotaciones. preferencias, y probabilidades subjetivas
de estados de la naturaleza. En los siguientes capítulos simpliőcaremos algunos supuestos
(de probabilidades subjetivas, de funciones de utilidad) y añadiremos condiciones (funciones
de producción).
Pensemos en una economía de dos periodos, hoy t = 0 y mañana, que tiene tres estados
de la naturaleza: desértico (d), normal (n), y lluvioso (l). Existen tres agentes: Ana, Betty,
y Carlos. En este ejemplo, cada uno tendrá distintas utilidades y probabilidades subjetivas
de los eventos Ana
10.3. Ejercicios

1. ____________ En un mercado completo de una economía de intercambio, el
equilibrio competitivo es Pareto óptimo.
2. ____________ En un mercado completo de una economía de intercambio, el
equilibrio se puede encontrar sólo si los agentes concuerdan acerca de las probabili-
dades de los estados de la naturaleza.
10.3. EJERCICIOS 80
3. ____________ Las probabilidades neutras al riesgo son simplemente los precios

de los estados puros multiplicados por (1 + rf ), donde 1 + rf es el rendimiento de un
título őnanciero libre de riesgo.
4. ____________ Los precios de los instrumentos puros tienen una correlación
positiva con la probabilidad de que ocurran.
5. ____________ Un equilibrio competitivo en una economía de intercambio con
mercados completos es Pareto eőciente, siempre y cuando las utilidades sean iguales
entre sí.
6. ____________ Considere una economía de mercados completos de dos perio-
dos con incertidumbre, donde todos los agentes tienen una misma función de utilidad
cardinal U (c0 , c1 ) = u(c0 ) + e−δ u(c1 ): En esta economía la tasa libre de riesgo siempre
1
es rf = e−δ − 1.
7. ____________ En un equilibrio de mercados completos, un aumento en la
incertidumbre esperada tiende a aumentar la tasa libre de riesgo rf .
8. ____________ Los precios θs siempre son más bajos para estados de la natu-
raleza menos probables.
9. ____________ Cuando los agentes son neutrales al riesgo, la probabilidad de
un estado de la naturaleza πs no afecta el precio del instrumento puro ps .
10. ____________ Una mayor aversión al riesgo reduce la dispersión de los rendi-
mientos esperados de los instrumentos puros
11. ____________ Con utilidades separables, los precios θs son independientes de
la probabilidad πs del evento.
12. ____________ Con agentes representativos con utilidad separable CRRA y
distribución de dotaciones agregadas lognormales, el factor de descuento del mercado,
r̂m no depende de la tasa de impaciencia de los agentes.
13. ____________ Las probabilidades neutras al riesgo pueden ser negativas para
un agente muy pesimista.
14. ____________ La tasa libre de riesgo puede bajar con un aumento en la aver-
sión relativa al riesgo.
10.3.2. Problemas.
1. En una economía de dos periodos (t = 0 y t = 1) existen dos estados de la naturaleza
para t = 1: S = {F rio, Calor} y dos empresas: Abrigos Arabasta (a) y Bronceadores
Baroque (b) que producen la siguientes cantidades de bienes en t = 1 y tienen el
precios de mercado en t = 0.
a) Explique qué es un mercado completo, y demuestre que este mercado en concreto
está completo. Explique qué es un título puro, y demuestre cómo se construyen
los títulos puros de frío y calor a partir de los títulos complejos de Arabasta y
10.3. EJERCICIOS 81
Cuadro 2. Repagos y Precios
Empresa Frío Calor Precio

Arabasta 5 3 2.80
Baroque 5 7 5.20
Baroque. Explique qué es el precio de los instrumentos puros, y calcule los de

esta economía. Explique cómo se valora cualquier activo őnanciero a partir de los
precios puros.
b) Explique el concepto de un activo libre de riesgo. Calcule el precio del mismo
en esta economía y la tasa libre de riesgo. Explique qué son las probabilidades
neutras al riesgo. £Para qué sirven? Calcule las probabilidades neutras al riesgo
de esta economía. Existe un activo llamado ’Superbono’ que da un repago de
(2,2) y tiene un precio de 1.8. Explique el concepto de arbitraje y aplíquelo en
este ejemplo, para crear una cartera que combina el Superbono y las acciones de
Arabasta y de Baroque, para obtener ganancias de arbitraje.
c) En esta economía existen dos agentes: Vivi, que es dueña de Arabasta (cuyo pre-
cio hay que determinar) y tiene una dotación inicial de 6 unidades de consumo.
El otro agente, Crocodile, es dueño de Baroque (cuyo precio hay que determinar)
y tiene una dotación inicial de 4 unidades de consumo. La probabilidad de los
estados de la naturaleza {F rio, Calor} es de {0,25, 0,75} y la función de utili-
dad de Vivi y Crocodile es de ui = ln(ci0 ) + 0,8ln(ci1 ). Encuentre el equilibrio
(consumos, precios de los bienes complejos y puros, carteras de inversión) de esta
economía.
2. En una economía de dos periodos (t = 0 y t = 1) existen dos estados de la naturaleza
para t = 1: S = {P az, Guerra} y dos empresas: Cervecería Andoriana (CA) y
Armería Klingon (AK) que generan la siguientes créditos de la federación (CDF) en
t = 1.
Cuadro 3. Repagos
Empresa Paz Guerra

CA 45 50
AK 31 64
a) Explique en qué consiste un mercado completo, y veriőque que éste lo sea. Ex-
plique porqué se dice que en un mercado completo, el equilibrio es un óptimo de
Pareto.
b) En esta economía existen dos agentes: Uhura, que es dueña de CA y tiene una
dotación inicial de 40 CDF . El otro agente, Kirk, es dueño de AK y también
tiene una dotación inicial de 40 CDF . Tanto Kirk como Uhura creen que la
10.3. EJERCICIOS 82
probabilidad de los estados de la naturaleza {P az, Guerra} es de {0,50, 0,50} y

la función de utilidad de Uhura y Kirk es de ui = ln(ci0 ) + 0,95ln(ci1 ). Encuentre
el equilibrio, a saber el precio y rendimientos de los títulos puros, Tasa libre
de riesgo, Probabilidades neutras de riesgo, valor y rendimientos de los títulos
complejos.
c) Suponga que existe una empresa llamada Bibliotecas Vulcano (BV ) con repagos
(40,60) y que se cotiza a un precio de 42 CDF. Explique detalladamente las
posibilidades de arbitraje con títulos puros en esta economía.
d ) Resulta que ahora Uhura tiene una probabilidad subjetiva de los estados de la
naturaleza {P az, Guerra} de (0, 40, 0, 60) mientras que Kirk mantiene una pro-
babilidad subjetiva de esos estados de la naturaleza de (0, 60, 0, 40). Recalcule los
precios de los títulos puros.
3. Considere una economía de intercambio donde los inversionistas tienen dotaciones
en fanegas de trigo. Los agentes son Leo, dueño de Argentina, Donald, dueño de
Estados Unidos, y Wolverine, dueño de Australia. Actualmente, el clima es normal.
En el próximo periodo puede darse el fenómeno de la Niña con probabilidad del
10 %, mantenerse normal, non un 40 %, o darse el fenómeno de la Niño, con un
50 % de probabilidad. Cada uno de los agentes tiene una función de utilidad Ui =
u(ci0 ) + 0,94u(ci1 ) y las siguientes dotaciones ei0 y eis :
Niña Normal Niño
Nombre ei0 ei1 ei2 ei3
Leo 2 3 3 4
Donald 4 2 3 4
Wolverine 3 3 2 2
a) Explique brevemente qué es un mercado completo y veriőque que este mercado
lo está.
b) Suponga que los agentes tienen una utilidad logarítmica en cada periodo:u(cit ) =
ln(cit ). Calcule la tasa libre de riesgo y la prima de mercado de esta economía.
c) Suponga ahora que los agentes tienen una utilidad u(cit ) = − c1it . £Son más o
menos aversos que en la pregunta anterior? Calcule la tasa libre de riesgo y la
prima de mercado de esta economía y explique porqué estos valores han cambiado
respecto a la pregunta anterior
d ) £Cuál es el peso que daría un planiőcador central a cada agente en la pregunta
anterior para llegar a la solución descentralizada? Explique.
4. Problema de los tres chiŕados
a) Explique brevemente los cuatro factores que afectan las tasas libres de riesgo
reales. De octubre del 2016 a abril del 2018, las tasas de interés reales para los
10.4. REFERENCIAS 83
bonos del Tesoro de los Estados Unidos a 10 años han subido de 0.10 a 0.74 %.
Explique si eso es un buen o mal síntoma de los prospectos de la economía de ese
país, suponiendo que las utilidades de los inversionistas no han cambiado.
b) En esta economía hay tres agentes: Larry, Moe y Curley y tres estados de la
naturaleza. Las funciones de utilidad de los tres agentes son ui (ci0 , ci1 ) = −c−0,25
i0 −
−0,25
0,96ci1 . En el periodo 0 no hay riesgo, mientras que en el periodo 1 hay tres
estados de la naturaleza: recesión (s = 1) con probabilidad 0.20, normal (s = 2)
con probabilidad 0.45, y auge (s = 3) con probabilidad 0.35: Las dotaciones de
los tres agentes son:
Agente t = 0 t=1
ei0 ei1 ei2 ei3
Larry 5 2 5 13
Moe 3 5 3 5
Curley 8 1 8 3
Calcule los precios de los instrumentos puros, la tasa libre de riesgo, las probabi-
lidades neutras al riesgo y la prima de mercado de esta economía.
c) Suponga que en vez de tres, existe un continuo de estados de la naturaleza.
Es
Las dotaciones agregadas tienen una distribución lognormal, tal que ln E 0
∼
N (µ, σ 2 ). Encuentre los parámetros µ y σ que generen las mismas tasas libres
de riesgo y prima de mercado que en la parte (b), y el crecimiento porcentual
esperado de las dotaciones totales.
10.4. Referencias
Campbell, John Y. "Consumption-based asset pricing." Handbook of the Economics of

Finance,Constantinides, Harris y Stulz (eds.), Elsevier. 1 (2003): 803-887.
Cantillo, Miguel. "Asset Pricing with Heterogenous Agents and Non-Tradeable Assets"
SSRN Working Paper (2019).
Capítulo 11
Separabilidad en Carteras
La separabilidad en carteras (en inglés łPortfolio Separationž) se reőere a las situaciones

en que el análisis de equilibrio de mercados se puede simpliőcar signiőcativamente. Supon-
gamos que en una economía existen I inversionistas (millones de hogares), J instrumentos
complejos (decenas de miles de acciones, bonos, y otros instrumentos transados en el mer-
cado). La pregunta es si las decisiones de los inversionistas se pueden enfocar en unos pocos
fondos de inversión. Estos fondos de inversión construyen carteras de instrumentos comple-
jos. Quizá los más famosos son los fondos índice, que buscan replicar la cartera de un dado
índice, p.e. el S&P 500. En este capítulo estudiaremos las condiciones suőcientes para tener
separación en carteras de inversión. La separación en carteras también tiene ciertas ventajas
teóricas. Una de ellas, es que cuando existe separabilidad en carteras, es posible llegar a un
equilibrio de Pareto aún si los mercados están incompletos.
11.1. Problema General
Considere una economía con las siguientes condiciones

1. Existen estados de la naturaleza sϵS con probabilidad πs
2. Existen J instrumentos complejos riesgosos j = 1, 2..., J con un rendimiento bruto
Rjs ≡ 1 + rjs en un dado estado de la naturaleza s.
3. Puede o no existir un instrumento libre de riesgo, que llamaremos 0,y que da un
rendimiento bruto de R0s = Rf ≡ 1 + rf para todos los estados de la naturaleza.
4. Existen I inversionistas i = 1, 2, ..., I. Supondremos, sin pérdida de generalidad,
que la cantidad ahorrada por cada inversionista es 1. La proporción el ahorro de
un inversionista i en un instrumento j será llamado wij . Esta proporción puede ser
negativa, que es el caso de un inversionista que hace una venta al descubierto. Lo que
importa es que la suma de las inversiones sea 1. La utilidad cardinal del inversionista
es ui (ci1 ), con los típicos supuestos de u′ > 0 y u” < 0.
11.1.1. Condiciones de equilibrio cuando no hay un activo libre de riesgo.

El consumo cis estará dado por la riqueza őnal para un dado estado, a saber el ahorro inicial
(igual a uno sin pérdida de generalidad) por los rendimientos brutos en ese estado de cada
instrumento complejo, a saber:
84
11.1. PROBLEMA GENERAL 85
J
X
cis = wij Rjs
j=1
PJ
Tal que j=1
wij = 1. El Lagrangiano y las condiciones de primer orden para cada
inversionista son:
J
! " J
#
X X X
Li = πs ui wij Rjs + λi 1 − wij
sϵS j=1 j=1
∂Li X
= πs u′i (cis ) Rjs − λi = 0
∂wij sϵS
E [u′i (ci )Rj ] = λi

En palabras, esto signiőca que los inversionistas invertirán en un activo j hasta que el
rendimiento multiplicado por la utilidad marginal sean iguales para todos los activos j.
11.1.2. Condiciones de equilibrio cuando hay un activo libre de riesgo. En

este caso, las condiciones se simpliőcan un poco. Consideremos primero los pesos en cada
instrumento riesgoso. Tenemos que
J
X J
X
wi0 + wij = 1 → wi0 = 1 − wij
j=1 j=1
El consumo cis estará dado por la riqueza őnal para un dado estado, a saber el ahorro
inicial (igual a uno sin pérdida de generalidad) por los rendimientos brutos en ese estado de
cada instrumento complejo, a saber:
J J
! J J
X X X X
cis = wij Rjs = 1− wij Rf + wij Rjs = Rf + wij zjs
j=0 j=1 j=1 j=1
Donde zjs ≡ Rjs − Rf = rjs − rf se conoce como el rendimiento en exceso. En este caso,
la utilidad esperada y condiciones de primer orden para cada inversionista son:
J
!
X X
Lfi = πs ui Rf + wij zjs
sϵS j=1
∂Lfi X
= πs u′i (cis ) zjs = 0
∂wij sϵS
E [u′i (ci )zj ] = 0

Esto signiőca que los inversionistas invertirán en un activo j hasta que el rendimiento en
exceso multiplicado por la utilidad marginal sean cero para todos los activos j.
11.2. SEPARACIÓN EN K FONDOS DE INVERSIÓN 86
11.2. Separación en K fondos de inversión
Queremos ahora exponer las condiciones en que los inversionistas sólo se interesarán en K
fondos de inversión, donde K es un número mucho menor al de activos complejos disponibles
en la economía. Expondremos las condiciones y un esbozo de su razón de ser. El estudiante
interesado en una demostración más detallada del tema puede consultar los capítulos 6 y 8
de Ingersoll (1987).
11.2.1. Condiciones suficientes para separación en un fondo de inversión

(K = 1).
1. Cuando I = 1, con cualquier tipo de utilidad y rendimientos. Este es el caso de un
agente representativo.
2. Cuando u′i = bi u′ para todo inversionista, y cualquier Rjs . Este es un caso muy
parecido al anterior, ya que implica que la utilidad está dada por ui = ai + bi u. Esto
quiere decir que todos los agentes tienen la misma utilidad cardinal, y la cartera que
es óptima para uno, lo será también para otro inversionista.
3. Para cualquier tipo de utilidad tal que ui ” < 0, y donde cada Rjs = µ + εjs y cada
∗
εjs es i.i.d. En esta situación, la cartera óptima es wij = wj∗ = J1 para cada agente.
Cualquier desviación de esa cartera representa un aumento en riesgo sobre el óptimo.
4. Cualquier tipo tipo de utilidad aversa al riesgo, y donde
Rjs = ys + εjs
P
∗
Donde E(εjs | ys ) = 0, y donde la cartera óptima wij = wj∗ tiene Jj=1 wj∗ εjs = 0,
es decir, donde todos los riesgos idiosincráticos εjs se cancelen. Cualquier cartera
distinta de la óptima representa un aumento en riesgo.
11.2.2. Condiciones suficientes para separación en dos fondos de inversión

(K = 2).
1. I = 2 y cualquier tipo de utilidades y rendimientos.
2. Cualquier Rjs , existe un activo sin riesgo y donde las utilidades de cada agente i
cumplan con la condición de
u′i (ci ) = (ai + bi ci )−γ

Donde la aversión al riesgo relativa γ es igual para todos los inversionistas.
3. Cualquier Rjs y utilidades cuadráticas.
4. Cualquier utilidad aversa al riesgo, donde haya un instrumento sin riesgo, y los ren-
dimientos de los otros instrumentos cumplan:
11.3. EJERCICIOS 87
Rjs = Rf + bj ys + εjs
Donde E(εjs | ys ) = 0. En este caso, todos los inversionistas compran sólo dos
P
carteras: la del activo libre de riesgo, y una del łmercadož que cumple Jj=1 wj∗ εjs = 0
P
y con Jj=1 wj∗ = 1
5. Cualquier utilidad aversa al riesgo, donde haya un instrumento sin riesgo, y los ren-
dimientos de los otros instrumentos cumplan:
E(Rj ) = Rf + bj E(y)
bj
E(Rm ) = Rf + bm E(y) → E(Rj ) = Rf + [E(Rm ) − Rf ]
bm
Las distribuciones de rendimientos que cumplen se llaman elípticas, e incluyen los
rendimientos normales.
Las condiciones (4) y (5) se les llama łseparación en dinerož (łmoney separationž en inglés)
y serán los resultados que se obtengan al estudiar el CAPM de Sharpe.
11.2.3. Condiciones para separación en K > 2 fondos de inversión.

1. K agentes bajo cualquier utilidad o rendimiento.
2. Cualquier utilidad aversa al riesgo, y un activo libre de riesgo. Los rendimientos de
cada instrumento se puede establecer de la siguiente manera:
K
X
Rjs = Rf + bjk ysk + εjs
k=1
Donde existen K factores yks . El riesgo idiosincrático cumple con E(εjs | y1s , ...yks ) =
P P
∗
0 y la cartera k = 1, ..., K wjk cumple con Jj=1 wjk ∗
εjs = 0 y con Jj=1 wjk
∗
= 1.
11.3. Ejercicios

1. ____________ En un mercado donde los agentes tienen una aversión absoluta
√
al riesgo ARAi = 1/ wi , entonces no puede haber separabilidad de carteras.
2. ____________ No es posible resolver el equilibrio de consumo en mercados
incompletos.
3. ____________ Una función de utilidad con tolerancia al riesgo T (w) = aw2 +b
es una condición suőciente para separación de carteras.
4. ____________ Hay separación en dos carteras cuando los agentes tienen uti-
lidades cuadráticas.
5. ____________ La condición E [u′i ()Rj ] = λi se utiliza para analizar si hay

separación en carteras cuando hay un activo libre de riesgo.
6. ____________ La separabilidad en una cartera sólo se da cuando hay un agente
en la economía.
7. ____________ Los mismos supuestos que generan preferencias de media y
varianza también implican separabilidad en dos carteras cuando hay un activo libre
de riesgo.
8. ____________ Cuando todos los rendimientos son i.i.d., hay separabilidad en
dos carteras. h i1−γ
γ ai c
9. ____________ Si todos los agentes tienen una utilidad ui (c) = 1−γ γ
+ b i ,
entonces siempre hay separabilidad en dos carteras.
10. ____________ En la selección de carteras óptimas cuando no hay activos libres
de riesgo, el multiplicador de Lagrange λi mide el impacto del aumento en el ingreso
en la utilidad esperada.
11. ____________ Cuando no hay riesgo idiosincrático, no existe separabilidad en
carteras.
12. ____________ En una economía con tres agentes con utilidades distintas y
con dos estados, habrá separabilidad en tres carteras.
13. ____________ En una economía donde todos los agentes tienen la misma
utilidad y expectativas heterogéneas, hay separabilidad en una cartera.
14. ____________ Los fondos índice tienen por lo general una rotación (stock
turnover) más alta que los fondos activamente administrados.
11.4. Referencias
Copeland, Thomas E., y John Fred Weston. Financial Theory and Corporate Policy.
Editorial Addison Wesley, 3ra edición, 1988:119-124
1987.
Capítulo 12
Principio de Separación de Fisher
El principio de separación de Fisher dice que las decisiones de inversión de una empresa
se pueden hacer independientemente de las preferencias de los dueños de la empresa. Este
principio permite que puede haber una separación entre la propiedad (los dueños) y el control
(los gerentes) de una empresa. El principio de separación fue establecido por Irving Fisher
en 1930, donde también desarrolló el concepto de valor actual neto. En 1930 todavía no se
había desarrollado la teoría de la utilidad esperada, de manera que el primer ejemplo que
daremos analiza una situación sin riesgo. Cuando hay riesgo, el principio de separación de
Fisher sigue siendo cierto cuando los mercados están completos.
12.1. La separación de propiedad y control
Para entender el contexto en que se desarrolla el libro de Irving Fisher (1930), es impor-
tante explicar un poco de historia. La primera revolución industrial se da en Inglaterra a
partir del siglo XVIII, con el desarrollo de textileras y de empresas relativamente grandes.
La segunda revolución industrial despega a mediados del siglo XIX, y esta vez los países más
prominentes son Estados Unidos y Alemania, que desarrollan ferrocarriles, telégrafos, equi-
pos eléctricos, maquinaria agrícola, acero, químicos entre otras. Estas empresas son varios
órdenes de magnitud más grandes y complejas que las de la primera revolución industrial.
Muchas de estas empresas tuvieron necesidad de ingentes cantidades de capital, y todas
requirieron de cuadros gerenciales altamente profesionalizados. El lector interesado puede
consultar el excelente libro de Chandler (1977) para estudiar este fenómeno en más detalle.
En Estados Unidos, a partir de 1880-1890, comienza un proceso en que los dueños fundadores
de muchas de estas empresas se retiran. Esto lleva a un fraccionamiemto de la propiedad
accionaria, de manera que en un estudio al principio de la Gran Depresión, Berle y Means
(1932) documentan como se da una separación entre la propiedad, que queda en manos de
accionistas cada vez más fragmentados, y el control real de las empresas, que queda en ma-
nos de los gerentes profesionales que se habían desarrollado en las empresas gigantes de la
segunda revolución industrial. En este contexto, el libro de Fisher (1930) explica que esta se-
paración no genera problemas, si los gerentes maximizan el valor actual neto de los proyectos,
independientemente de las preferencias de los dueños.
89
12.3. PRINCIPIO DE SEPARACIÓN DE FISHER SIN RIESGO 90
12.2. Valor Actual Neto
Primero, deőniremos los conceptos de valor actual (VA, PV, o łPresent Valuež) y valor
actual neto (VAN, NPV, o łNet Present Valuež). Considere un proyecto con un costo inicial,
que deőnimos como ŕujo de caja −cfj0 . Este proyecto genera ŕujos de caja, positivos o
negativos, dados por cfjt para t = 1, ..., T . El valor actual se deőne como:
T
X cfjt
V Aj =
t=1
(1 + k)t
Donde k es una tasa de interés que a veces es conocida como tasa de corte (łhurdle ratež
en inglés). Note que el valor actual no considera el ŕujo de caja inicial. Veamos ahora el valor
actual neto:
T
X cfjt
V ANj = −cfj0 + = V Aj − cfj0
t=1
(1 + k)t
El valor actual neto incluye el ŕujo de caja inicial.
12.3. Principio de separación de Fisher sin riesgo
Rubinstein (2011) propone el siguiente ejemplo en una economía sin riesgo.

En primer lugar, considere una economía de producción donde una inversión en capital
k0 hoy genera un repago seguro f (k0 ) el siguiente periodo. La función de producción tiene
las características que f ′ > 0, f ” < 0, y por un tema de regularidad, suponemos que
limk→0 f ′ (k) = ∞ y que limk→∞ f ′ (k) = 0. Considere ahora al dueño de la empresa, que
tiene una dotación inicial e0 , y una utilidad separable de:
V = u(c0 ) + e−δ u(c1 )

La maximización del dueño de la empresa implica que
V = u(e0 − k0 ) + e−δ u [f (k0 )]
∂V u′ (c0 )
= −u′ (c0 ) + e−δ u′ (c1 )f ′ (k0 ) = 0 → f ′ (k0 ) = eδ ′
∂k0 u (c1 )
Considere ahora en segundo lugar una economía de intercambio donde existe un mercado
őnanciero en el que se puede invertir para recibir un rendimiento bruto seguro de Rf . El
agente tiene una riqueza total e0 que usa para consumir en este y el siguiente periodo, con
un presupuesto total de:
c1
e 0 = c0 + → c1 = Rf (e0 − c0 )
Rf
12.4. PRINCIPIO DE SEPARACIÓN DE FISHER CON RIESGO Y MERCADOS COMPLETOS 91
El problema del consumidor genera la siguiente solución:
V = u (c0 ) + e−δ u(Rf [e0 − c0 ])
∂V u′ (c0 )
= u′ (c0 ) − e−δ u′ (c1 )Rf = 0 → Rf = eδ ′ = f ′ (k0 ) = f ′ (e0 − c0 )
∂c0 u (c1 )
La última igualdad nos indica que hay una relación entre la tasa de descuento Rf y la
productividad marginal f ′ (k0 ). Este es el primer punto de Fisher, de que las tasas de interés
toman en cuenta aspectos łsubjetivosž de las preferencias de los inversionistas, dados por
su impaciencia y sus utilidades marginales, y por otra parte dependen de efectos łobjetivosž
relacionados con la función de producción. Podríamos dar un ejemplo concreto con utilidades
y funciones de producción, pero esto puede confundir en vez de esclarecer el punto, de manera
que veremos el ejemplo para el caso de la economía con riesgo.
Consideremos ahora, en tercer lugar, una economía donde hay separación entre la pro-
piedad y el control de la empresa. Los gerentes se encargan de maximizar el V AN de un
proyecto, es decir:
f (k0 )
V AN = −k0 +
Rf
∂V AN f ′ (k0 )
= −1 + = 0 → Rf = f ′ (k0 )
∂k0 Rf
Es decir, que el gerente escoge el mismo nivel de inversión que el dueño de la empresa.
Note que en la fórmula del V AN no aparece por ninguna parte la utilidad del dueño de la
empresa. El hecho de que en la economía separada y en la economía integrada encontramos
que Rf = f ′ (k0 ) es la esencia del principio de separación de Fisher.
12.4. Principio de Separación de Fisher con riesgo y mercados completos
El libro de Fisher antecede a los ambientes de riesgo desarrollados por Von Neumann y
Morgenstern. En el siguiente ejemplo, ilustraremos como la intuición de Fisher sigue funcio-
nando siempre y cuando haya mercados completos. Pondremos a continuación los supuestos
del ejemplo
1. Hay dos periodos, t = 0 donde no hay riesgo, y t = 1, donde existen estados de la
naturaleza s, cuyo conjunto llamaremos S. La probabilidad de un dado estado de la
naturaleza es πs .
2. Existen mercados completos, donde p0 ≡ 1 y ps para sϵS.
3. El agente tiene una utilidad cardinal de V = u(c0 ) + e−δ u(c1 ), con u‘ > 0 y u” < 0
4. El agente tiene una dotación inicial e0 , que se puede usar para consumo inmediato
c0 o para inversión k0 .
12.4. PRINCIPIO DE SEPARACIÓN DE FISHER CON RIESGO Y MERCADOS COMPLETOS 92
5. La inversión genera un repago riesgoso en t = 1 que llamaremos fs (k0 ), con fs′ (k0 ) > 0
y fs′′ (k0 ) < 0 para cada sϵS.
En el problema de producción, el agente deberá maximizar su utilidad marginal sujeta a que

c0 = e0 − k0 y que c1s = fs (k0 ). El problema nos da:
X
Lp = u [e0 − k0 ] + e−δ πs u [fs (k0 )]
sϵS
∂L p X
= −u′ (c0 ) + e−δ πs u′ (c1s )fs′ (k0 ) = 0
∂k0 sϵS
X
(12.4.1) u′ (c0 ) = e−δ πs u′ (c1s )fs′ (k0 )
sϵS
En el problema de intercambio, el agente maximiza la utilidad esperada sujeto a la

P
restricción de que su riqueza es igual al valor actual de su consumo, e0 = c0 + sϵS ps c1s →
P
c0 = e0 − sϵS ps c1s , de manera que
" #
X X
i
L = u e0 − ps c1s + e−δ πs u [c1s ]
sϵS sϵS
Maximizando estado por estado obtenemos:
∂Li
= −u′ (c0 )ps + e−δ πs u′ (c1s ) = 0
∂c1s
Esta ecuación puede ser multiplicada por fs′ (k0 )para obtener:
−u′ (c0 )ps fs′ (k0 ) + e−δ πs u′ (c1s )fs′ (k0 ) = 0

Podemos ahora sumar todos los estados de la naturaleza, que nos da:
X X
−u′ (c0 ) ps fs′ (k0 ) + e−δ πs u′ (c1s )fs′ (k0 ) = 0
sϵS sϵS
El segundo término de esta ecuación es igual a u′ (c0 ) por la ecuación (12.4.1) que encon-
tramos en el problema de producción, de manera que:
X X
−u′ (c0 ) ps fs′ (k0 ) + u′ (c0 ) = 0 → ps fs′ (k0 ) = 1
sϵS sϵS
Esta última expresión es la generalización en una economía con riesgo a decir que Rf =
′
f (k0 ) en la economía sin riesgo. Para ilustrar esto, suponga que el proyecto es efectivamente
sin riesgo, de manera que fs (k0 ) = f (k0 ) y que por lo tanto la producción marginal también
es constante, de manera que fs′ (k0 ) = f ′ (k0 ). Para este caso:
12.5. EJEMPLO DE EVALUACIÓN DE PROYECTOS 93
X X f ′ (k0 )
′ ′ ′
ps f (k0 ) = f (k0 ) ps = f (k0 )Vf = = 1 → f ′ (k0 ) = Rf
sϵS sϵS
Rf
Esto ocurre porque como habíamos visto ante, el activo libre de riesgo paga 1 para todo
P
sϵS y tiene un valor Vf = sϵS ps = R1f
Consideremos ahora una economía donde hay separación entre la propiedad (los dueños
de la empresa) y el control (los gerentes de la empresa), y los gerentes maximizan el valor
actual neto de las inversiones, a saber:
X
V AN (k0 ) = −k0 + ps fs (k0 )
sϵS
Las condiciones de primer orden nos dan:
∂V AN (k0 ) X X
= −1 + ps fs′ (k0 ) = 0 → ps fs′ (k0 ) = 1
∂k0 sϵS sϵS
Que vimos que son las condiciones de optimalidad que se obtenían combinando el pro-
blema de producción y de intercambio.
Para entender la idea de Fisher de que los rendimientos mezclan factores subjetivos y
objetivos, consideremos el factor de descuento libre de riesgo de una economía de intercambio
con utilidades CRRA y dotaciones lognormales:
γ 2σ2
rf = δ + γµ −
2
En esta fórmula se combinan parámetros subjetivos de preferencia, la tasa de impaciencia
δ y la aversión al riesgo relativa γ. También existen factores objetivos, que son el crecimiento
y volatilidad, µy σde las dotaciones, donde Es = E0 exp (µ + σs) donde s ∼ N (0, 1).
12.5. Ejemplo de evaluación de proyectos
Usemos el ejemplo del cálculo de equilibrio en el capítulo 9. En esa economía, había tres

estados de la naturaleza, con probabilidades πs = 14 , 21 , 14 , y dotaciones agregadas de Es =
{3, 4, 5}. Cuando los agentes tenían utilidades logarítmicas, los precios de los instrumentos
puros eran ps = {0,30; 0,45; 0,18}. Ahora consideraremos tres proyectos:
12.5.1. Proyecto hidropónico. Este proyecto tiene un costo inicial de x y genera

ŕujos de caja adicionales de fs′ (x) = {1, 1, 1}. El ŕujo de caja esperado del proyecto es 1, El
valor actual y factor de descuento del proyecto son:
V A(x) = 1 × 0,30 + 1 × 0,45 + 1 × 0,18 = 0,93

12.6. EJERCICIOS 94
E[fs′ (x)] E[fs′ (x)] 1

V A(x) = → E(rx ) = −1= − 1 = 7,526 %
1 + E(rx ) V A(x) 0,93
Note que el factor de descuento del proyecto es igual a la tasa libre de riesgo de esa
economía. El valor actual neto del proyecto es
V AN (x) = −x + 0,93
Esto es positivo si x ≤ 0,93.
12.5.2. Proyecto de abono. Este proyecto tiene un costo inicial de y y genera ŕujos
de caja adicionales de fs′ (y) = {0, 1, 2}. El ŕujo de caja esperado del proyecto es 1, El valor
actual y factor de descuento del proyecto son:
V A(y) = 0 × 0,30 + 1 × 0,45 + 2 × 0,18 = 0,81
E[fs′ (y)] 1
E(ry ) = −1= − 1 = 23,4 %
V A(y) 0,81
La tasa de descuento es mayor aún que la tasa de descuento del mercado, que era del
11,11 % en el ejemplo calculado. El valor actual neto del proyecto es
V AN (y) = −y + 0,81
Esto es positivo si y ≤ 0,81.
12.5.3. Proyecto de riego. Este proyecto tiene un costo inicial de z y genera ŕujos
de caja adicionales de fs′ (z) = {2, 1, 0}. El ŕujo de caja esperado del proyecto es 1, El valor
actual y factor de descuento del proyecto son:
V A(z) = 2 × 0,30 + 1 × 0,45 + 0 × 0,18 = 1,05
E[fs′ (z)] 1
E(rz ) = −1= − 1 = −4,76 %
V A(z) 1,05
La tasa de descuento es negativa, y queda para que el lector medite porqué este es el
caso. El valor actual neto del proyecto es
V AN (z) = −z + 1,05
Esto es positivo si z ≤ 1,05.
12.6. Ejercicios

12.6. EJERCICIOS 95
1. ____________ El principio de separación de Fisher no aplica en mercados

incompletos.
2. ____________ En un mercado completo con precios de los estados de la natu-
raleza de (0.20, 0.15, 0.25, 0.30) y probabilidades de esos estados de (0.25, 0.25, 0.25,
0.25), un proyecto que da los repagos de (2, 0, 1, 1) tiene una tasa de corte negativa
porque actúa como un seguro.
3. ____________ Si el principio de separación de Fisher falla, a veces se aceptarán
proyectos con V AN < 0.
4. ____________ El principio de separación de Fisher dice que en un mercado
completo, una empresa seleccionará los proyectos independientemente de la identidad
de los dueños, cuando maximiza el V AN.
5. ____________ El principio de separación de Fisher sólo se cumple para eco-
nomías de intercambio.
6. ____________ En un mercado completo con precios de los estados de la na-
turaleza de (0,25, 0,15, 0,40, 0,10) un proyecto que da los repagos de (2, 4, 1, 3) y
un costo de 2 debería hacerse, independientemente de las preferencias del dueño de
la empresa.
7. ____________ El principio de separación de Fisher dice que se deben usar las
mismas tasas de descuento para traer a valor actual los ŕujos de caja de proyectos
con distintos perőles de riesgo.
8. ____________ Cuando hay mercados completos, ningún gerente aceptará un
proyecto con VAN negativo.
9. ____________ Es imposible que hayan tasas de corte negativas en análisis de
proyectos.
10. ____________ En mercados completos, el principio de separación de Fisher
dice que el valor actual de un proyecto se calcula de la misma manera que un activo
complejo.
11. ____________En mercados completos, el principio de separación de Fisher
dice que se deben aceptar los proyectos con VAN positivos, pero no es necesario
maximizar el VAN de cada proyecto.
P
12. ____________ Las expresiones sϵS ps fs′ (k0 ) = 1 y Rf = f ′ (k0 ) son incompa-
tibles entre sí.
13. ____________ Un proyecto que tiene repagos fs (k0 ) estocásticos, pero si fs′ (k0 )
es őjo, los ŕujos de caja se pueden descontar a la tasa libre de riesgo.
14. ____________ Si la tasa libre de riesgo simple es positiva, un proyecto con un
costo de k0 y repagos marginales fs′ (k0 ) < k0 puede tener un V AN positivo.
12.6.2. Problemas.
1. Problema de Donald y Xi.

a) Explique brevemente en qué consiste el principio de Separación de Fisher.
b) En esta economía hay dos agentes y tres estados de la naturaleza. Las funciones
de utilidad de los dos agentes son ui (ci0 , ci1 ) = ln(ci0 ) + 0,95ln(ci1 ). En el periodo
0 no hay riesgo, mientras que en el periodo 1 hay tres estados de la naturaleza:
guerra comercial (s = 1) con probabilidad 40 %, normal (s = 2) con probabilidad
20 %, y liberalización comercial (s = 3) con probabilidad 40 %: Las dotaciones de
los dos agentes son:
Agente t = 0 t=1
ei0 ei1 ei2 ei3
Donald 20 18 20 22
Xi 13 8 13 18
£Está el mercado completo? £Hay separabilidad en cuántas carteras? £Cómo se
relacionan estos dos conceptos en esta economía?
c) Calcule los precios de los instrumentos puros, la tasa libre de riesgo y la prima
de mercado de esta economía.
d ) Considere ahora tres proyectos de inversión, con costos cj0 y repagos cfjs . Suponga
que los proyectos no afectan los precios de los instrumentos puros.
Proyecto t = 0 t=1
Costo cfj1 cfj2 cfj3
A 0,5 +1 -2 +1
B 0,2 +1 -1 -1
C 0,05 -1 +5 -1
Calcule el V A, el V AN y la tasas de corte de cada proyecto. £Cuál es el más
atractivo? £Cuál es el menos riesgoso? £Me sirve este cálculo para aconsejar qué
proyecto deben aceptar o rechazar los agentes si yo trabajara para ellos?
12.7. Referencias
Berle, Adolf Augustus, and Gardiner Gardiner Coit Means. The modern corporation and
private property. Harcourt, 1932
Chandler, Alfred Dupont. The visible hand: The managerial revolution in American bu-
siness. Harvard University Press, (1977).
torial Addison Wesley, 3ra edición, 1988: 124-128 y 135-139.
DeAngelo, Harry. "Competition and unanimity." The American Economic Review 71,
no. 1 (1981): 18-27.
Fisher, Irving. The Theory of Interest. New York 43 (1930)
Hirshleifer, Jack. "On the theory of optimal investment decision." Journal of Political
Economy 66, no. 4 (1958): 329-352.
Robinson, Joan. The economics of imperfect competition. Springer, 1969.
Rubinstein, Mark. "Competition and approximation." The Bell Journal of Economics
(1978): 280-286.
Rubinstein, Mark. A history of the theory of investments: My annotated bibliography. Vol.
335. John Wiley & Sons, 2011.
Smith, James E. Fisher separation and project valuation in partially complete markets.
Duke University Working Paper, 1996.
Capítulo 13
Modigliani Miller I en Mercados Completos
Las őnanzas corporativas es una de las principales ramas de las őnanzas, y se distingue
por el estudio a lo interno de la empresa. Franco Modigliani y Merton Miller se pueden
considerar como los padres de las őnanzas corporativas, gracias a dos artículos en 1958 y
1961. Lo que demuestran es que bajo un set de condiciones, las políticas őnancieras de la
empresa no afectan su valor ni su costo de capital. Más generalmente, el resultado indica
que la łingeniería őnancieraž de una empresa (su estructura de capital y sus política de
dividendos) son de segundo orden relativo a su política de inversión. Desde un punto de
vista técnico, los teoremas de Modigliani y Miller son importantes por que son demostrados
a partir de un supuesto de que no hay posibilidades de arbitraje. Esta es una condición
más general que la racionalidad de los agentes. En este capítulo haremos un esbozo de la
demostración del teorema inicial (MMI). Los supuestos son los siguientes:
1. No existen costos de quiebra.
2. Los impuestos no subsidian a ningún instrumento en concreto. Para esta demostración
supondremos que los impuestos son cero.
3. Existe competencia perfecta.
4. Los mercados son perfectos. Especíőcamente, es posible vender al descubierto cual-
quier instrumento őnanciero, y no existen posibilidades de arbitraje.
5. Existe información simétrica
El desarrollo de las őnanzas corporativas moderna se ha hecho a base de cambiar los ante-
riores supuestos.
13.1. Demostración por ausencia de arbitraje
Para la demostración original del Modigliani y Miller (1958) se supuso además que es
posible emitir deuda sin riesgo. La demostración se hace de la siguiente manera:
1. Existen dos empresas con el mismo ŕujo de caja subyacente ats para t = 1, ...T . La
diferencia entre las empresas es que una tiene una deuda que paga dt , y la otra no
tiene deuda.
2. El valor del negocio (Enterprise value) de la empresa endeudada es EVl = El + Dl ,
donde El es el valor de mercado de su patrimonio, mientras que Dl es el valor de
98
13.2. DEMOSTRACIÓN CON MERCADOS COMPLETOS 99
mercado de su deuda. La empresa desapalancada, por su parte, tiene una valor del
negocio de EVu = Eu . Los ŕujos de caja, en resumen, están dados por
Valor f.c. f.c. deuda f.c. acciones
Empresa L EVl = El + Dl ats dt ats − dt
Empresa U EVu = Eu ats 0 ats
3. El teorema dice que EVl = EVu . Esta demostración se hace por contradicción. Su-
ponga que los valores son distintos, por ejemplo, que EVl > EVu . Entonces existen
oportunidades de arbitraje tipo 1, como se demostrará a continuación:
Acción f.c. t = 0 f.c. t > 0
Compro α de EVu −αEVu αats
Short de α de Dl +αDl −αdt
Short de α de El +αEl −α(ats − dt )
Posición neta α(El + Dl − EVu ) 0
Esta es una oportunidad de arbitraje tipo 1, ya que el ŕujo de caja inicial es
f c0 = α(El + Dl − EVu ) = α(EVl − EVu ) > 0. Esto contradice el supuesto de que
no hay oportunidades de arbitraje. Si EVu > EVl también habrán oportunidades de
arbitraje. Por lo tanto, la única situación con ausencia de arbitraje es EVl = EVu .
13.2. Demostración con mercados completos
Stiglitz en 1969 demostró que con mercados completos se llega a la misma situación, aún
cuando la deuda tenga riesgo. Veamos la demostración:
1. Existen estados de la naturaleza sϵS con un precio ps .
2. Un negocio genera un ŕujo ajs . Este negocio tiene una deuda con un valor nominal
D, sobre la que promete un rendimiento bruto de R. Esta deuda es riesgosa. Podemos
deőnir los estados de naturaleza Q de quiebra, y de Q′ (no quiebra), dados por :
Q : {s | ajs < RD}
Q′ : {s | ajs ≥ RD}
3. Los acreedores y accionistas reciben:
(
RD sϵQ′
djs =
ajs sϵQ
(
ajs − RD sϵQ′
ejs =
0 sϵQ
4. El valor de la deuda y de las acciones están dados por:
13.3. EJERCICIOS 100
X X X X
D= ajs ps + RDps → RD ps = D − ajs ps
sϵQ sϵQ′ sϵQ′ sϵQ
X X X X X
E= (ajs − RD)ps = ajs ps − RD ps = ajs ps − D + ajs ps
sϵQ′ sϵQ′ sϵQ′ sϵQ′ sϵQ
La última ecuación usa el valor de la deuda riesgosa. Reacomodando obtenemos

X X X
E + D = EV = ajs ps + ajs ps = ajs
sϵQ′ sϵQ sϵS
El último resultado nos dice que el valor del negocio, EV es independiente de la
estructura de capital de la empresa. Para la demostración, explotamos que el valor
facial y de mercado de la deuda son iguales.
P a
Esto siempre se puede obtener, si őjamos
js
1− D s
p
la tasa bruta prometida como R = PsϵQ
ps
.
sϵQ′
13.3. Ejercicios

1. ____________ Para la demostración del teorema Modigliani Miller en una
economía Arrow Debreu con mercados completos, puede haber quiebra, siempre que
no sea costosa.
2. ____________ El teorema Modigliani Miller I dice que el valor del patrimonio
de una empresa no cambia con distintas estructuras de capital.
3. ____________ El teorema Modigliani Miller dice que la deuda riesgosa de una
empresa siempre vale igual que su patrimonio.
4. ____________ El teorema Modigliani Miller I en su forma original se demues-
tra por ausencia de arbitraje tipo II.
5. ____________ El teorema Modigliani Miller I no se cumple en mercados in-
completos.
6. ____________ El teorema Modigliani Miller I no se cumple si las ventas al
descubierto son imposibles.
7. ____________ El teorema Modigliani Miller I dice que si una empresa acepta
proyectos con VAN positivo, el valor de ese negocio no cambiará.
8. ____________ De acuerdo a la demostración de Modigliani Miller I con mer-
cados completos, es imposible que el valor facial de una deuda sea igual a su valor de
mercado.
9. ____________ De acuerdo al Teorema Modigiliani Miller I, la estructura de
capital no afecta el valor del negocio de una empresa.
10. ____________ Ceteris Paribus, el teorema Modigliani Miller dice que si la

deuda aumenta $1, el patrimonio debe caer exactamente $1.
11. ____________ En la demostración del teorema de MM en mercados completos,
los bonos corporativos tienen un valor menor a 100.
12. ____________ El valor del negocio nunca puede ser menor que el valor del
patrimonio.
13. ____________ Ceteris Paribus, en un mercado completo el valor de la deuda
riesgosa es mayor que el de una deuda sin riesgo.
13.3.2. Problemas.
1. Hay una economía con tres empresas cuyo valor es Vj . En esta economía hay tres
estados de la naturaleza que ocurren con la misma probabilidad, y los repagos de las
tres empresas son los siguientes:
t=1
Zoom 10 12 10 8
Delta 9 2 12 16
Apple 11 8 10 18
a) Explique las condiciones en esta economía de que un mercado esté completo, su
importancia, y demuestre que en esta economía los mercados están completos
b) Calcule los precios de los instrumentos puros, la tasa libre de riesgo simple, y la
prima de mercado para esta economía
c) Calcule los rendimientos esperados de cada una de las empresas, y comente el
riesgo relativo de ellas respecto al mercado.
d) Calcule las probabilidades neutras al riesgo de esta economía y expliqué cuáles
serían los estados łmalosž y łbuenosž de acuerdo a ellas.
e) Usted es un asesor őnanciero y Delta está considerando dividir sus ŕujos de
caja en una deuda cero cupón con un valor facial de 3, y el resto a pagarse en
acciones. Suponga que no hay costos de quiebra, explique que le recomendaría a
Delta acerca de esta estructura de capital y porqué. Explique cómo cambiaría su
respuesta si hubieran costos de quiebra.
13.4. Referencias
Miller, Merton H., and Franco Modigliani. "Dividend policy, growth, and the valuation
of shares." The Journal of Business 34, no. 4 (1961): 411-433.
Modigliani, Franco, and Merton H. Miller. "The cost of capital, corporation őnance and
the theory of investment." The American Economic Review 48, no. 3 (1958): 261-297.
Stiglitz, Joseph E. "A re-examination of the Modigliani-Miller theorem." The American
Economic Review (1969): 784-793.
Parte 3
Teoría de Carteras
Capítulo 14
Acciones
Las acciones son instrumentos őnancieros con dos características importantes:

1. Da el derecho a los ŕujos de caja residuales de una empresa.
2. Normalmente, da ’control’ sobre la empresa, al menos nominalmente, ya que son los
que escogen a los miembros de la junta directiva.
La totalidad de las acciones conforman el patrimonio (’equity’) de una empresa. Este patri-
monio tiene un valor en libros (’Book Value of Equity’ o BVE)
Para las empresas que se cotizan en bolsa, el valor de mercado (’Market Value of Equity
o MVE) se calcula de la siguiente manera:
M V Ej = Nj × Pj también se conoce como la capitalización de mercado (’Market Capi-
talization o Market Cap’), donde Nj es el número de acciones y Pj es el precio por acción.
Toda empresa cotizada tiene un ’Ticker’ que es una abreviatura por la que se puede ver
en el mercado.
Al 1.7.2020 estas eran las capitalizaciones de mercado de las 10 empresas más grandes
del mundo
Cuadro 1. Capitalizaciones de Mercado, Miles de Millones de USD
Ticker M V E
Apple AAPL 2716
Microsoft MSFT 2390
Saudi Aramco 2222.SR 2213
Alphabet GOOG 1697
Amazon AMZN 1335
NVIDIA NVDA 1106
Tesla TSLA 799
Meta META 789
Berkshire BRK-B 759
Eli Lilly LLY 511
Capitalización en miles de millones de USD, 2.X.2023 , https://companiesmarketcap.com
14.1. Hipótesis de Mercados Eficientes y el test de razón de varianzas
Existe una hipótesis de mercados eőcientes (EMH por sus siglas en inglés) que fue intro-
ducida por Bachelier (1900), estudiada empíricamente por Cowles (1933) y teóricamente por
104
14.1. HIPÓTESIS DE MERCADOS EFICIENTES Y EL TEST DE RAZÓN DE VARIANZAS 105
Samuelson (1965). Una buena reseña de la hipótesis se encuentra en Fama (1970,1991). Esta
hipótesis dice que toda la información relevante está reŕejada en los precios, que implica que
los rendimientos pasados no puedan predecir los rendimientos futuros, y que es conocida co-
mo una caminata aleatoria. Téoricamente esto se puede ver de la siguiente manera. El precio
de un activo en el periodo t reŕeja la esperanza de los repagos futuros, dada la información
al momento, y por tanto pt = Et (v ∗ ). El cambio futuro en el precio del activo es:
Et [pt+1 − pt ] = Et [Et+1 (v ∗ ) − Et (v ∗ )] = 0
Esto se debe a que usamos la ley de la esperanza iterada, donde Et [Et+1 (v ∗ )] = Et (v ∗ ).
Los rendimientos de un activo que incorpora toda la información disponible, son impre-
decibles de un periodo al otro. Una de las consecuencias de que los rendimientos no tienen
autocorrelación es que la varianza de los rendimientos logarítmicos de distintos horizontes son
proporcionales. Veamos un ejemplo, donde rmt se reőere a los rendimientos continuamente
compuestos mensuales y ra es el rendimiento logarítmico anual, de manera que:
12
X
ra = rmt
t=1
Si los rendimientos mensuales no tienen correlación entre sí, entonces:
12
X
σa2 = 2
σm 2
= 12σm
t=1
σa2
VR ≡ 2
=1
12σm
Esta idea fue usada por un número de economistas, de los cuales se destacan Lo y
Mackinlay (1988), ya que desarrollaron la distribución asintótica de V R. Lo y Mackinlay
(1989) estudian las propiedades del test para muestras őnitas, y encuentran que a partir de
32 observaciones, los errores estándar se acercan bastante a los asintóticos. Wright (2000)
propone un test alternativo con signos y rangos de los rendimientos. Ahora veremos cómo
calcular el test de V R:
1. Primero, uno descarga un índice, p.e. el S&P 500 con datos mensuales. Llamaremos
a este índice Pt
2. Como trabajaremos con rendimientos continuamente compuestos, calculamos pt ≡
ln(Pt )
3. Considere ahora un periodo de nq periodos mínimos (un día, una semana, o un
mes), y un número de periodos acumulados q. Por ejemplo, si el periodo mínimo es
de un mes, entonces para el periodo acumulado de q = 12 estaríamos hablando de
rendimientos anuales, y n es el número de años. Lo y Mackinlay (1988) trabajaron con
14.1. HIPÓTESIS DE MERCADOS EFICIENTES Y EL TEST DE RAZÓN DE VARIANZAS 106
rendimientos mínimos semanales, en tanto que Poterba y Summers (1988) lo hicieron

con rendimientos mensuales. Para este análisis calculamos varios estimadores:
nq
1 X pnq − p0
µ̂ ≡ (pk − pk−1 ) =
nq k=1 nq
nq
1 X
σ̂a2 = (pk − pk−1 − µ̂)2
nq − 1 k=1
nq
1 X
σ̂c2 = (pk − pk−q − q µ̂)2
m k=q
Donde m = q(nq−q+1)(1−1/n). La interpretación de σ̂c2 es el estimador insesgado
de la varianza de los rendimientos para periodos más largos, puesto de manera que
sea comparable con σ̂a2 , y m es el número necesario para tener un estimador insesgado.
2
4. Calculamos el test de varianzas V Rq = σ̂σ̂a2 . Lo y Mackinlay (1988) encuentran que
c
√
la distribución asintótica de esta variable es nq (V Rq − 1) ∼ N 0, 2(2q−1)(q−1) 3q
,
suponiendo homocedasticidad. Esto signiőca
rh i hque el estimador M ≡ V Rq − 1 tiene
i
1 2(2q−1)(q−1)
un error estándar asintótico de σm = nq 3q
, y el estadístico z ≡ σMm =
V Rq −1
σm
∼ N (0, 1), con un valor crítico al 5 % de 1.96. Lo y Mackinlay (1988) tam-
bién desarrollan un estimador del error estándar con heterocedasticidad. El cuadro
siguiente nos muestra los resultados del test usando Gretl (también se puede calcular
con Eviews)
Cuadro 2. VR Test del S&P 500
Periodo nq q=3 q = 12 q = 96
1915 : 01 − 2021 : 07 1272 1,08417 1,16388 0,83705
e.s. 0,04170∗ 0,10512 0,31775
e.s. (robusto) 0,07396 0,18228 0,46455
2010 : 05 − 2021 : 04 132 0,80617 0,41577
e.s. 0,12975 0,32632
e.s. (robusto) 0,19083 0,37905
Fuente: https://stooq.com/q/d/?s= %5Espx&c=0&i=m
Con la muestra de 1915 al 2021, hay una leve autocorrelación positiva al horizonte
de 3 y 12 meses, siendo signiőcativa con homocedasticidad para el caso trimestral. En
el caso de periodos más largos (q = 96 meses u ocho años), hay una autocorrelación
negativa, que en nuestro caso no es tampoco signiőcativa, pero que Poterba y Sum-
mers (1988) sí encontraron que era signiőcativa para el periodo que ellos estudiaron,
1926 a 1986. En el caso de los datos más recientes, encontramos que para q = 3, 12
meses, hay una autocorrelación negativa, pero que tampoco es signiőcante. El test
14.3. MEDIDAS DE COMOVIMIENTO 107
de Lo y Mackinlay nos indica que al menos con el S&P 500 para los horizontes ana-
lizados no podemos rechazar la hipótesis de caminata aleatoria. Es notable también
que los errores estándar son muy altos con sólo 11 años de datos.
Veamos ahora la evidencia semanal para índices de mercado y acciones individuales. El
siguiente cuadro maneja las razones de varianza V Rq . Se puede ver que el índice S&P
500, parece no tener autocorrelación de los rendimientos, mientras que para Exxon hay una
autocorrelación negativa, y para IBM pasa de autocorrelaciones negativas a nivel semanal a
autocorrelaciones positivas a nivel mensual.
Cuadro 3. Rendimientos anualizados del S&P 500, Exxon e IBM, 1962-2019
S S S M M M A A A
S&P500 XOM IBM S&P500 XOM IBM S&P500 XOM IBM
Promedio anualizado 0,0653 0,1460 0, 0925 0,0657 0,1455 0, 0934 0,0656 0,1453 0, 0932
Varianza anualizada 0,0241 0,0429 0,0590 0,0218 0,0332 0,0565 0,0236 0,0404 0,0481
var(ra )
V R ≡ qvar(r a/q )
0,9767 0,8146∗ 0,9428∗ 1,0795 0,8508∗ 1,2157∗
D.S. anualizada 0,1553 0,2070 0,2429 0,1477 0,1823 0,2377 0,1534 0,2010 0,2193
Asimetría −0,5795 −0,0626 −0,1534 −0,6860 0,0843 −0,1563 −1,2747 0,8203 0,0994
Curtosis en exceso 5,5665 3,0497 3,0171 2,5649 0,5587 1,6691 2,5453 3,9214 −0,4248
Fuente: finance.yahoo.com. * significativo al 5 %
14.2. Medidas de localización y dispersión
Cuadro 4. Localización y Dispersión
AAPL XOM Notas

Observaciones 60 60
Media µi 0,0248 0,0093
Mediana 0,0226 0,0090
Moda nd nd
Varianza σi2 0,0050 0,0019 σi2 ≡pE [(ri − µi )2 ]
Desviación σi 0,0706 0,0441 σi ≡ E [(ri − µi )2 ]
Rango Ri 0,3324 0,1927 Ri ≡ rimax − rimin
Ri
Rango Estandarizado≡ σi 4,7066 4,3737 N (60) ∼ [3, 85, 5, 70]
ri75 −ri25
Rango intercuartil 0,0428 0,0315 2
Semivarianza 0,0025 0,0008 y = min(0, rit − µi )
MAD 0,0554 0,0358 E (|ri − µi |)
rit ≡ ln(pit /pit−1 ) del 1.6.2010 al 1.5.2015, fuente: őnance.yahoo.com
14.3. Medidas de comovimiento
A continuación se pueden ver las media, varianzas y correlaciones de 10 acciones de

Estados Unidos
Cuadro 5. Medidas de comovimiento

Medida
Covarianza σij 0,0008 E [(ri − µi )(rj − µj )]
σ
Correlación ρij 0,2533 ρij ≡ σiijσj ϵ[−1, 1]
Cuadro 6. µi , σi y ρij ( %)
ρij ρij ρij ρij ρij ρij ρij ρij ρij

Ticker µi σi XOM MSFT GOOG BRKA JNJ WFC WMT GE PG ρ
AAPL 2,21 6,94 26 30 32 8 11 37 21 38 18 25
XOM 0,83 4,39 30 37 30 35 50 17 69 40 37
MSFT 1,25 6,31 33 4 17 57 9 48 31 28
GOOG 1,36 6,90 3 12 48 10 48 31 28
BRKA 1,22 3,87 45 20 22 33 29 22
JNJ 1,22 3,67 23 40 34 55 30
WFC 1,32 5,03 26 73 27 40
WMT 0,90 4,30 32 39 24
GE 1,14 6,23 37 46
PG 0,73 3,77 33
Rendimientos logarítmicos del 3.5.2010 al 1.5.2015. ρ promedio es 31 %, con desviación estándar del 16 %. ρ una
desviación debajo de la media en itálica. ρ una desviación por encima de la media en negrita.
14.4. Ejercicios

1. ____________ La semivarianza de un rendimiento siempre es mayor que su
varianza.
2. ____________ La posibilidad de hacer ventas al descubierto no son importan-
tes para valorar instrumentos complejos redundantes.
3. ____________ El rango intercuartil es una medida de dispersión de los rendi-
mientos de una acción.
4. ____________ La capitalización de mercado de una empresa es siempre mayor
al valor en libros de su patrimonio.
5. ____________ Si una empresa emite un 100 % más de acciones, su capitaliza-
ción de mercado se duplicaría.
6. ____________ Cuando hay asimetría de rendimientos, la mediana siempre es
menor que la media.
7. ____________ Si el MAD de una acción es mayor a su desviación estándar,
es una señal de que tiene curtosis en exceso (leptocurtosis).
8. ____________ Una empresa A con una q de Tobin alta tiene menos duración
que una empresa B con una q baja.
9. ____________ Si el test de razón de varianzas para una empresa me da 1, eso

signiőca que no puedo predecir sus rendimientos de corto plazo.
10. ____________ Con una perpetuidad creciente, el q de una empresa es mayor
que uno siempre y cuando ROE > g.
11. ____________ La varianza de XOM mensual es de 31.31 p.b., mientras que la
semestral es de 178.68 p.b., y el error estándar es de 0.1616. Si el valor crítico al 5 %
es de 1.96, puedo rechazar la hipótesis de la caminata aleatoria para esta empresa.
12. ____________ La razón de varianzas para el tipo de cambio EU R : U SD de
datos diarios a semanales para el periodo que va del 16.V.2019 al 5.V.2023 genera
un valor de 1,0522 con un error estándar de 0,06928, por lo que se rechazaría que ese
mercado sea eőciente.
13. ____________ Si el test de razón de varianzas se rechaza, la variable bajo
estudio debe ser estacionaria.
14.5. Referencias
Bachelier, Louis. "Théorie de la spéculation." En Annales scientifiques de l’École normale

supérieure, vol. 17, pp. 21-86. 1900.
Cowles, Alfred. "Can stock market forecasters forecast?." Econometrica (1933): 309-324
Fama, Eugene F. "Efficient capital markets: A review of theory and empirical work." The
Journal of Finance 25, no. 2 (1970): 383-417.
Fama, Eugene F. "Efficient capital markets: II." The Journal of Finance 46, no. 5 (1991):
1575-1617.
Lo, Andrew W., and A. Craig MacKinlay. "Stock market prices do not follow random
walks: Evidence from a simple speciőcation test." The Review of Financial Studies 1, no. 1
(1988): 41-66.
Lo, Andrew W., and A. Craig MacKinlay. "The size and power of the variance ratio test
in őnite samples: A Monte Carlo investigation." Journal of Econometrics 40, no. 2 (1989):
203-238.
Poterba, James M., and Lawrence H. Summers. "Mean reversion in stock prices: Evidence
and implications." Journal of Financial Economics 22, no. 1 (1988): 27-59.
Samuelson, Paul A. "Proof That Properly Anticipated Prices Fluctuate Randomly." Ma-
nagement Review 6, no. 2 (1965).
Sharpe, William F. "Mutual fund performance." The Journal of Business 39, no. 1 (1966):
119-138.
Sharpe, William F. "The Sharpe ratio." The Journal of Portfolio Management 21, no. 1
(1994): 49-58.
Wald, Abraham. " A Method of Estimating Plane Vulnerability Based on Damage of Sur-
vivors" Operations Evaluation Group, Center for Naval Analyses, 1943. ver https://jmbuhr.de/dataIntro20/
Wright, Jonathan H. "Alternative variance-ratio tests using ranks and signs." Journal of
Business & Economic Statistics 18, no. 1 (2000): 1-9.
Capítulo 15
Matemática de Media y Varianza
La teoría de carteras clásica se desarrolló en un ambiente de preferencias de media y

varianza, donde se considera la formación de carteras en base a un gran número de activos.
Para esto, es importante entender el cálculo de medias y varianzas en notación matricial.
Empezaremos considerando sólo dos activos, de donde obtendremos valiosas intuiciones.
15.1. Matemática de media y varianza
Considere dos variables aleatorias, los rendimientos rx y ry . Deőniremos la media de rj

como E(rj ) ≡ µj para j = {x, y}. En términos matriciales podemos deőnir:
" #
µx
µ≡
µy
En cuanto a las medidas de dispersión, deőnimos la varianza del rendimiento rj como
V ar(rj ) ≡ σj2 = E(rj − µj )2 = E(rj2 ) − µ2j para j = {x, y}. La raíz cuadrada de la varianza
es la desviación estándar, y se escribe como σj .
Existen dos medidas de comovimiento: la covarianza, deőnida como Cov(rx , ry ) ≡ σxy =
σyx = E [(rx − µx ) (rj − µy )] = E (rx ry )−µx µy . También existe la correlación, deőnida como:
σxy
ρxy ≡
σx σy
La correlación entre dos variables siempre está entre 1 (perfecta correlación positiva)
y -1 (perfecta correlación negativa). Si uno corre una regresión entre x y y, el R2 de esa
regresión es de ρ2xy . En términos matriciales, las medidas de dispersión se pueden resumir en
una matriz de varianzas covarianzas V dada por:
" #
σx2 σxy
V =
σxy σy2
La matriz de varianzas tiene dos propiedades importantes. La primera es que es simétrica.
La segunda es que es semideőnida positiva: esto signiőca que para cualquier vector arbitrario
w, entonces w′ V w ≥ 0. La inversa de la matriz de varianzas covarianzas, V −1 , hereda las
propiedades de V,es decir, V −1 es también simétrica y semideőnida positiva.
Consideremos ahora una cartera que combina los activos x y y en las siguientes pro-
porciones. Invierto wx de los ahorros en x y wy = 1 − wx en y. Note que wx < 0, lo que
111
15.2. UN SENCILLO EJEMPLO CON DOS ACCIONES 112
implica que estoy vendiendo x al descubierto. También puede ser que wx > 1, lo que implica
que estoy vendiendo y al descubierto. En términos matriciales, podemos deőnir un vector w,
dado por:
" # " #
wx wx
w= =
wy 1 − wx
La cartera tiene rendimientos de
rw = w x rx + w y ry
La esperanza de esta cartera E(rw ) ≡ µw se puede expresar:
µw = w x µx + w y µy = w ′ µ
La varianza de la cartera, V ar(rw ) ≡ σw2 se puede expresar como:
σw2 = wx2 σx2 + 2wx wy σxy + wy2 σy2 = w′ V w

Análogamente, cuando existen n activos, se pueden deőnir los vectores µ y w, con una
dimensión de n őlas y una columna, y una matriz V de dimensión n × n.
15.2. Un sencillo ejemplo con dos acciones
Consideremos un sencillo ejemplo con las acciones de dos empresas, Apple (AAPL) y
Exxon (XOM). Suponga que µ y V de los rendimientos mensuales están dados por los
siguientes valores:
" #
1 2, 48
µ=
100 0, 93
" #
1 50 8
V =
(100)2 8 19
Estos valores nos dicen que la desviación estándar de los rendimientos de AAPL y XOM
son, respectivamente:
s
50
σAAP L = = 7,07 %
(100)2
s
19
σXOM = = 4,36 %
(100)2
La correlación de las dos acciones es:
15.2. UN SENCILLO EJEMPLO CON DOS ACCIONES 113
8
ρ= √ = 0,2533 → R2 = 0,0641
50 × 19
Como se puede ver, las dos acciones tienen una correlación relativamente baja, pero
positiva. Considere ahora cartera que invierte w en AAP L y 1 − w en XOM,en sus media
es
1 1
µw = [2,48w + 0,93(1 − w)] = [0,93 + 1,55w]
100 100
Observe que es posible conseguir un rendimiento superior al de AAPL de un 2,48 % por
mes. £De qué manera? Considere una cartera donde w = 2 y 1 − w = −1: esto quiere
decir que estoy vendiendo al descubierto un 100 % de mis ahorros en Exxon, y que estoy
invirtiendo un 200 % de mis ahorros en Apple. Esta cartera tiene un rendimiento esperado
de µw = 4,03 %. Note que es una cartera sumamente riesgosa, ya que estoy asumiendo tanto
el riesgo de vender al descubierto a Exxon y de que estoy invirtiendo una gran cantidad en
Apple. Si el precio de Apple cae y el de Exxon sube, estaría en serios problemas.
Consideremos ahora la varianza de la cartera
" #" #
1 h i 50 8 w 1
σw2 = w 1 − w = 53w2 − 22w + 19
(100)2 8 19 1−w (100) 2
Un concepto importante es el de la cartera de mínima varianza, MVP, (minimum va-

riance portfolio por sus siglas en inglés). Para calcular los pesos de esa cartera, simplemente
tomamos las condiciones de primer orden, a saber:
∂σw2 1
= [106w − 22] = 0 → w = 0,2075
∂w (100)2
Esta cartera de mínima varianza invierte un 20,75 % de los ahorros en Apple y el balance,
79,25 %, en Exxon. La varianza y desviación estándar de la cartera de mínima varianza son:
2 16,72
σM VP = → σM V P = 4,09 %
(100)2
Note un resultado importantes de este ejemplo: la cartera de mínima varianza tiene menos
riesgo que cualquiera de las dos acciones individualmente. Esto es el valor de la diversiőcación,
que se da gracias a que la correlación entre las acciones es menor a uno. Entre menor sea ρ,
mayor es el beneőcio de la diversiőcación de carteras.
En el siguiente capítulo estudiaremos la formación de carteras cuando tenemos n activos
riesgosos.
15.3. Problemas

1. ____________ Las matrices de varianza-covarianza siempre son deőnidas se-
mipositivas.
2. ____________ Cuando se hacen carteras con dos acciones, es imposible que
una cartera tenga una varianza mayor a la más alta varianza de las dos acciones.
3. ____________ La matriz V −1 es simétrica y deőnida positiva.
4. ____________ Suponiendo que sólo puedo invertir w en n activos riesgosos,
es posible que w′ V w sea igual a cero.
5. ____________ Dos acciones tienen una correlación de −1, por lo que no hay
beneőcios de diversiőcación.
6. ____________ Los rendimientos de dos acciones tienen una correlación de 0,5,
y una desviación 0,1 cada una. La cartera que minimiza la varianza total da un peso
de 0.25 a la primera acción, y 0.75 a la segunda.
7. ____________ Los rendimientos " de dos acciones
# tienen una matriz de varianza
117 21
covarianza (en puntos base) de V = . La cartera que minimiza la varianza
21 67
total da un peso de 0.50 a cada acción.
8. ____________Conforme el R2 de una regresión entre r̃x y r̃y sea más alto, hay
un mayor beneőcio posible de diversiőcación al crear una cartera que combina a las
dos empresas.
9. ____________ Los rendimientos " de dos #acciones tienen una matriz de varianza
62 18
covarianza (en puntos base) de V = , entonces la mínima varianza posible
18 33
es de 33 puntos puntos base.
10. ____________ Dos acciones tienen correlación negativa: en este caso, conforme
el R2 de la regresión entre las dos acciones aumenta, hay mayor beneőcio de la
diversiőcación.
15.4. Referencias
torial Addison Wesley, 3ra edición, 1988: 153-166
Capítulo 16
La Frontera Eficiente
16.1. Desarrollo Teórico
Considere una economía que tiene n instrumentos riesgosos, y donde no existe ningún
activo libre de riesgo. Los n activos riesgosos tienen un vector de rendimientos rϵRn con una
distribución multivariada normal. Analíticamente, r ∼ N (µ, V ), donde
   
µ1 σ11 σ12 . . . σ1n
   
 µ2   σ21 σ22 · · · σ2n 
µ=
 .. ...V = 
  .. .. .. .. 

 .   . . . . 
µn σn1 σn2 . . . σnn
Es decir, µ es un vector de dimensión n×1 con los rendimientos esperados de cada activo.
V es una matriz simétrica y semideőnida positiva de dimensión n × n. Cada elemento dentro
de la matriz es una covarianza σij ≡ cov(ri , rj ) = σji . Note además que σii = var(ri ). La
inversa de la matriz de varianzas y covarianzas, V −1 , es también simétrica y semideőnida
positiva.
La notación para diferenciación con vectores y matrices simétricas es la siguiente:
dx
x ≡ w′ a → = aϵRn
dw
dx
x ≡ w′ V w → = 2V wϵRn
dw
Para generar la frontera eőciente, el accionista busca la cartera con mínima varianza,
sujeto a que la cartera rinda µw determinado. Conceptualmente, esto se deőne como:
1
M ax − w′ V w t.q.w′ µ = µw t.q.w′ ι = 1
w 2
Donde ι es un vector de dimensión n × 1 lleno de unos. La maximización de Lagrange da:
1
L = − w′ V w + λ1 [w′ µ − µw ] + λ2 [w′ ι − 1]
2
(16.1.1) Lw = −V w + λ1 µ + λ2 ι = 0
115
16.1. DESARROLLO TEÓRICO 116
(16.1.2) L λ 1 = w ′ µ − µw = 0 → w ′ µ = µw
(16.1.3) Lλ 2 = w ′ ι − 1 = 0 → w ′ ι = 1
Para encontrar la frontera eőciente seguiremos los siguientes tres pasos

1. Despejamos los multiplicadores de Lagrange λ1 y λ2 .
2. Despejamos los pesos de las carteras w como una función de µw .
3. Calculamos la frontera σw2 ≡ w′ V w como una función de µw .
16.1.1. Paso I: Encontrar λ1 y λ2 . La ecuación (16.1.1) puede re-escribirse de la

siguiente manera
V w = λ1 µ + λ2 ι → V −1 V w = λ1 V −1 µ + λ2 V −1 ι
(16.1.4) w = λ1 V −1 µ + λ2 V −1 ι → w′ = λ1 µ′ V −1 + λ2 ι′ V −1
Ahora combinamos los encontrado en la ecuación (16.1.4) en las ecuaciones (16.1.2) y

(16.1.3) para obtener
" #" # " #

w′ µ = λ1 µ′ V −1 µ + λ2 ι′ V −1 µ µ′ V −1 µ ι′ V −1 µ λ1 µw
(16.1.5) = =
w′ ι = λ1 µ′ V −1 ι + λ2 ι′ V −1 ι µ′ V −1 ι ι′ V −1 ι λ2 1
" #" # " #" # " #
µ′ V −1 µ ι′ V −1 µ λ1 B A λ1 µw
≡ =
µ′ V −1 ι ι′ V −1 ι λ2 A C λ2 1
" # " #−1 " # " #" #
λ1 B A µw 1 C −A µw
(16.1.6) = =
λ2 A C 1 D −A B 1
Deőnimos B ≡ µ′ V −1 µ > 0, C ≡ ι′ V −1 ι > 0 y A ≡ ι′ V −1 µ = µ′ V −1 ι y D = BC −A2 , que
es el determinante. Note que los multiplicadores dependen del µw de la cartera que quiero
obtener. Para demostrar que D > 0 usamos el hecho de que V −1 es positiva semideőnida, y
por lo tanto (Aµ − Bι)′ V −1 (Aµ − Bι) > 0. Esto se puede expandir para obtener:
(Aµ − Bι)′ V −1 (Aµ − Bι) = A2 µ′ V −1 µ − ABµ′ V −1 ι − ABι′ V −1 µ + B 2 ι′ V −1 ι
= A2 B − 2A2 B + B 2 C = B(BC − A2 ) = BD > 0

Como B > 0 entonces D > 0 también. Con este proceso ya hemos encontrado el valor de
λ1 y λ2 que era el primer paso para estimar la frontera eőciente.
16.1.2. Paso II: Encontrar los pesos w de las carteras eficientes. Este es un
paso sencillo, que combina las ecuaciones (16.1.4) y (16.1.6) para obtener:
" # " #
h i λ1 h i µ′
(16.1.7) w = V −1 µ ι → w′ = λ 1 λ2 V −1
λ2 ι′
Estos pesos w serán estudiados más a fondo en el próximo capítulo. Por ahora continue-
mos con la caracterización de la frontera eőciente.
16.1.3. Paso III: Frontera eficiente y consideraciones económicas. Usamos

ahora los pesos en la ecuación (16.1.7) y la deőnición de los multiplicadores de Lagrange
de la ecuación (16.1.6) para obtener la varianza dada una media, es decir σw2 (µw ):
" # " #
h i µ′ h i λ1
σw2 = w′ V w = λ 1 λ2 V −1 V V −1 µ ι
ι′ λ2
" #" #
h µV µ ιV µ i λ1 ′ −1 ′ −1
σw2 = λ 1 λ2
′ −1 ′ −1
µV ι ιV ι λ2
" #" #−1 " # " #
h i B A B A µw h i µ
w
σw2 = λ1 λ2 = λ1 λ 2
A C A C 1 1
La segunda línea de la ecuación usa el resultado de la ecuación (16.1.5). Ahora introdu-
cimos la ecuación (16.1.6) para obtener
" #" #
1 h i C −A µw 1 2
σw2 = µw 1 = Cµw − 2Aµw + B
D −A B 1 D
Esta formulación de la frontera eőciente no es muy intuitiva, y se puede simpliőcar un
poco. El lector recordará que el determinante D = BC − A2 , por lo que la variable B se
2
puede re-escribir como B = DC
+ AC . Al introducir esta deőnición en la ecuación de arriba,
obtenemos:
(16.1.8) "
2
2 # 2
2 1 2 D A 1 C 2 A A 1 C A
σw = Cµw − 2Aµw + + = + µ − 2µw + = + µw −
D C C C D w C C C D C
2 s
1 C A A D 1
σw2 = + µw − → µw = ± σw2 −
C D C C C C
La siguiente őgura enseña las propiedades básicas de la frontera eőciente, llamada M V EF

(łMean Variance Efficient Frontierž por sus siglas en inglés).
Figura 1. Frontera Eőciente

µw
Zona dominante de MVEF
q
D
C
A
C
Zona dominada de MVEF
√1 σw
C
Detengámonos un momento para interpretar económicamente los distintos números en-

contrados:
La varianza mínima es C1 . Conforme se añaden más instrumentos riesgosos, C au-
menta, y la varianza mínima disminuye. Este es un primer efecto de la diversiőcación
de carteras.
La varianza mínima se obtiene cuando la cartera rinde µw = CA . Esta combinación es
conocida como la cartera de mínima varianza, o M V P por sus siglas en inglés. La
M V P , donde µM V P = CA y σM V P = √1C , tiene una serie de características especiales
que veremos en capítulos siguientes cuando examinemos el CAPM de Black. Con-
forme añado activos riesgosos no se puede decir mucho acerca de A y por tanto de
µM V P . Todas las carteras de la frontera eőciente con µw < CA están dominadas. Esto
signiőca que existen para estas carteras, otras con la misma desviación estándar y un
rendimiento esperado mayor. Las carteras con µw > CA están en la zona dominante.
q
La razón D C
marca una pendiente, positiva y negativa, que circunscribe a la frontera
eőciente. Una interpretación de esta pendiente es que es una especie de tasa de
transformación. Siq recordamos la fórmula de la media como función de la varianza,

tenemos µw = CA ± D C
σ 2 − 1 . Analizando la zona dominante, tenemos una tasa de
w C
16.2. UN EJEMPLO: FRONTERA EFICIENTE CON LAS 10 ACCIONES MÁS GRANDES DE EEUU 119
r
µw −µmvp D 1
transformación entre rendimiento esperado y riesgo de : σw
= C
1− Cσw
.
Cuando σw = σmvp = C1 , esa tasa de transformación es inőnito, y va bajando, hasta
q
llegar a un límite de DC
. Me dice, en términos generales, que si aumento la desviación
estándar de mi cartera
q un punto porcentual, el rendimiento esperado de esa cartera
aumentará al menos D C
del punto porcentual. Más adelante veremos que una medida
más apropiada de la tasa de transformación entre σ y µqes la razón de Sharpe.
D
Conforme aumenta el número de activos riesgosos, sube C
, es decir recibo más
repago por tomar riesgos. Esta es el segundo efecto de la diversiőcación de carteras.
16.2. Un Ejemplo: Frontera Eficiente con las 10 acciones más grandes de

EEUU
A continuación construiremos las fronteras eőcientes con 2 y 10 acciones, para ilustrar la

forma de las carteras eőcientes, conocidas como M V EF por sus siglas en inglés.
Figura 2. Fronteras Eőcientes

2.50%
µ
Frontera 10 acciones
2.00%
1.50%
1.00%
0.50%
Frontera AAPL XOM
σ
0.00%
0.00% 1.00% 2.00% 3.00% 4.00% 5.00% 6.00% 7.00% 8.00%
Como dice la teoría, la diversiőcación de carteras reduce la σM V P signiőcativamente,

ya que cuando pasamos a usar de 2 a 10 activos riesgosos, la σM V P cae de un 4, 092 %
a un 2, 439 % , es decir más de un 40 %.
16.3. PROBLEMAS 120
1 C

A 2
Cuadro 1. Parámetros Frontera Eőciente σw2 = C
+ D
µw − C
2 acciones 10 acciones
′ −1
A=ιV µ 6,7714 18,5844
B = µ′ V −1 µ 0,1138 0,2758
C = ι′ V −1 ι 597,23 1681,06
D = BC − A2 22,116 118,24
µM V P =qCA 1,134 % 1,106 %
1
σM V P = 4,092 % 2,439 %
qC
D
Pendiente C
19, 24 % 26, 52 %
q
También, cuando pasamos a usar de 2 a 10 activos riesgosos, la pendiente D C
au-
menta de 0, 1924 a 0, 2652, casi un 38 % de mejora de la tasa de transformación de
riesgo a rendimiento.
En este ejemplo se ve también que no hay una relación entre el número de activos y
el rendimiento del MVP, ya que al pasar de 2 a 10 activos riesgosos, CA de hecho baja
levemente.
16.3. Problemas

1. ____________ Conforme uno añade activos riesgosos a una frontera eőciente,
el coeőciente C podría bajar.
el coeőciente A podría bajar.
el coeőciente D podría bajar.
4. ____________ El multiplicador de Lagrange λ2 en el cálculo de la frontera
eőciente no tiene ningún sentido económico más allá de la maximización.
5. ____________ Es posible que D sea menor a cero.
6. ____________ En la derivación de la frontera eőciente, el multiplicador de
Lagrange λ2 siempre es positivo. q
7. ____________ En la frontera eőciente siempre es cierto que |∆µw | < D
C
|∆σw |
8. ____________ La frontera eőciente sólo incluye las carteras dominantes.
9. ____________ El único beneőcio de añadir más activos riesgosos es que la
varianza de la cartera M V P bajará.
C
10. ____________ Conforme aumenta el número de activos riesgosos, la razón D
deberá disminuir.
11. ____________ En la derivación de la frontera eőciente, es siempre posible

encontrar una cartera con cero riesgo.
16.4. Referencias
Copeland, Thomas E., y John Fred Weston. Financial theory and Corporate policy. Edi-
torial Addison Wesley, 3ra edición, 1988: 166-172.
Merton, Robert C. "An analytic derivation of the efficient portfolio frontier." Journal of
Financial and Quantitative Analysis 7, no. 4 (1972): 1851-1872.
Roll, Richard. "A critique of the asset pricing theory’s tests Part I: On past and potential
testability of the theory." Journal of Financial Economics 4, no. 2 (1977): 129-176.
Capítulo 17
Índices de Mercado y Spanning de carteras
17.1. Spanning de Carteras
1. Si una cartera
h −1w está eni la frontera
h −1 eőciente, ise puede escribir como w = g + hµw
BV ι−AV −1 µ CV µ−AV −1 ι
donde g = D
yh= D
2. g es una cartera con media de cero, y cumple ι′ g = 1.
3. h es una cartera auto őnanciada, y cumple ι′ h = 0
4. Spanning: si wa ϵM V EF y wb ϵM V EF entonces αwa + (1 − α)wb ≡ wc ϵM V EF
17.2. Indices de Mercado
17.2.1. Índices ponderados por capitalización de mercado (’value weighted’).

Estos son los más usados a nivel práctico, y son de especial interés a nivel teórico. Algunos
ejemplos de estos índices son el S&P 500, el CRSP y el Nasdaq. Cuando el número de
empresas es constante en todo el periodo, el índice se puede calcular de la siguiente manera.
Suponga que hay M empresas en el índice, y cada empresa j tiene un precio pjt y un número
de acciones nj , y k es un factor arbitrario, p.e. 100. El índice vwt sería
PM
j=1 nj × pjt
vwt = k × PM
j=1 nj × pj0
17.2.1.1. Cálculo de los índices de capitalización de mercado cuando cambia el número
de empresas: En este caso, primero se calculan los rendimientos de los índices, que luego se
capitalizan. Los rendimientos del periodo t usa las ponderaciones del őnal del periodo t − 1.
Suponga que en el periodo t − 1 hay Mt−1 empresas. La ponderación para cada una sería:
njt−1 pjt−1 M V Ejt−1

wjt−1 = PMt−1 = PMt−1
j=1 njt−1 pjt−1 j=1 M V Ejt−1
Dadas estas ponderaciones, calculamos los rendimientos (simples o brutos) de la siguiente
manera:
Mt−1
X
rmt = wjt−1 rjt
j=1
El índice vwt sería la capitalización de todos los rendimientos brutos pasados:
122
17.4. RAZÓN DE SHARPE. 123
t
Y t
Y
vwt = k Rmτ = k (1 + rmτ )
τ =1 τ =1
Donde k es de nuevo un factor arbitrario, p.e. 100.
17.2.2. Índices ponderados por el ’flote’ (’float adjusted’). Algunos ejemplos

son el MSCI ACWI y el DAX. De las nj acciones sólo una fracción αj ≤ 1 se transa libremente
en el mercado, entonces el índice f wt sería:
PM
j=1 αj × nj × pjt
f wt = k × PM
j=1 αj × nj × pj0
En el caso de que haya un cambio en el número de empresas, el índice se calcula de
manera análoga a la del vw.
17.2.3. Índices ponderados por precio (’price weighted’). Históricamente estos

fueron los primeros índices en aparecer. Algunos ejemplos son el Dow Jones Industrial Average
(DJIA) y el Nikkei 225 sólo usa el precio de las acciones
PM
j=1 pjt
pwt = k ×
d
El DJIA no usa BRKA, porque su precio por acción es mucho más alto que el de los
otros componentes. En el caso de que haya un cambio en el número de empresas, el índice
se calcula de manera análoga a la del vw.
Finalmente, se cuenta con los índices ponderados uniformemente (’equally weighted’) los
rendimientos de todas las acciones tienen la misma ponderación.
17.3. Fondos de Inversión
1. Indexados: SPY, comisión anual $0,945 por $1000 invertidos.

2. Activistas: Fidelity Contrafund, comisión anual de $7, 1 por $1000 invertidos.
17.4. Razón de Sharpe.
1. Desarrollado por William Sharpe en 1966, mide un índice de ’premio entre variabili-
dad’:
E[rj ] − rf
SRj =
σj
2. Modiőcado por Sharpe en 1994, compara el desempeño de un fondo de inversión
contra un punto de referencia (’benchmark’) rb :
E[rj − rb ]
S˜j =
stdev(rj − rb )
Cuadro 1. Datos rjt mensuales índices, 5.2010-5.2015
Nombre DJIA Nasdaq SP500 FTSE100 DAX Nikkei 225 ACWI

Fundación 1896 1971 1957 1984 1988 1950 2000
Ponderación pw vw vw-fw vw fw pw fw
Componentes 30 5073 500 100 30 225 2466
Cap Mercado USD 5, 6T 8, 5T 19, 5T 2, 37T 1, 04T 2,71T 38, 5T
Valor 31.5.15 17950 5005 2108 6984 11414 20563 199
µ 1, 15 % 1, 33 % 1, 10 % 0, 50 % 1, 08 % 0, 95 % 0, 95 %
σ 3, 29 % 4, 10 % 3, 51 % 3, 39 % 4, 87 % 5, 20 % 4, 11 %
skew −0, 1763 −0, 0670 −0, 1935 −0, 1427 −1, 5268 −0, 4872 −0, 3540
kurt 0, 0707 0, 0249 0, 3704 0, 0952 6, 4336 0, 1655 1, 1079
Rango Norm. 4, 6693 4, 5944 5, 0291 4, 5268 6, 6360 4, 5304 5, 2868
Razón Sharpe 0, 2993 0, 2836 0, 2661 0, 1017 0, 2222 0, 1823 0, 1902
rf = 0,165 % mensual en USD 0, 1511 % en GBP, 0 % en JPY y EUR
17.5. Sesgo de Sobrevivencia
La muestra de las 10 empresas más grandes no es aleatoria

Tiene sesgo de sobrevivencia (Abraham Wald).
También hay un sesgo de exceso de rendimiento.
17.6. Ejercicios

1. ____________ El índice S&P 500 tiene las 500 empresas con la capitalización
de mercado más grandes del mundo.
2. ____________ Si hay preferencias de media y varianza, puede ser que teóri-
camente la cartera de mercado no esté en la frontera eőciente.
3. ____________ El vector g se puede interpretar como una cartera autoőnan-
ciada con media esperada de cero.
4. ____________ g + h se puede interpretar como una cartera normal.
5. ____________ g está en la frontera eőciente.
6. ____________ h está en la frontera eőciente.
7. ____________ Un índice accionario ponderado por precio siempre estará en
la frontera eőciente.
8. ____________ El Nikkei es un ejemplo de un índice ponderado por ŕote.
9. ____________ g + h es una cartera que da un 1 % de rendimiento esperado.

10. ____________ Por construcción, los índices ponderados por ŕote tendrán peo-
res rendimientos que los índices ponderados por precio.
11. ____________ Si hay preferencias de media y varianza V (µ, σ) con Vµ > 0
Vσ < 0, la cartera de mercado siempre estará en la zona dominante de la frontera
eőciente.
17.7. Referencias
Sharpe, William F. "Mutual fund performance." The Journal of Business 39, no. 1 (1966):
119-138.
Sharpe, William F. "The Sharpe ratio." The Journal of Portfolio Management 21, no. 1
(1994): 49-58.
Wald, Abraham. A Reprint of" A Method of Estimating Plane Vulnerability Based on
Damage of Survivors" by Abraham Wald. Operations Evaluation Group, Center for Naval
Analyses, 1943.
Capítulo 18
CAPM de Sharpe
El CAPM (Capital Asset Pricing Model) es la culminación del programa de investigación

iniciado por Markowitz (1952), y que además usa el resultado de Tobin (1958) de separación
en carteras con preferencias de media y varianza. El modelo se llamará en este texto el łCAPM
de Sharpež para distinguirlo del łCAPM de Blackž que veremos en el próximo capítulo. La
atribución a Sharpe (1964) se hace principalmente por el premio Nobel que recibió junto
con Markowitz y Miller en 1990. Sin embargo, parece ser que Treynor (1962) llegó al mismo
resultado őnal independientemente. Lintner (1965) y Mossin (1966) clariőcaron el CAPM
en base a los resultados de Treynor y Sharpe respectivamente. French (2003) y Rubinstein
(2011) explican un poco más el origen histórico de este modelo. El CAPM de Sharpe llega a
dos resultados fundamentales:
1. Hay separación en dos carteras: todo agente combina un activo libre de riesgo con
una cartera de mercado m. La cartera de mercado sería igual a un índice ponderado
por capitalización de mercado. Esta idea da origen al concepto de fondos de inversión
pasiva, que en el siglo XXI han tomado tanta fuerza.
2. Los rendimientos esperados de un activo j están dados por E(rj ) = rf +βj [E(rm ) − rf ],
cov(r ,r )
donde βj ≡ var(rj mm) . Esta sencilla formulación fue expuesta por Fama (1968), y es la
que se usa para calcular el costo de capital de las empresas. Los resultados empíricos
que examinan esta ecuación se verán en la próximos capítulos. En resumen, se podría
decir que el modelo da resultados sugerentes, pero que se desvían consistentemente
del modelo anterior.
Los supuestos del CAPM de Sharpe son:
1. Preferencias de media y varianza, ya sea porque haya utilidades cuadráticas, o más
plausiblemente, porque haya rendimientos conjuntamente normales.
2. Creencias homogéneas.
3. No hay restricciones para vender al descubierto.
4. Existe un activo libre de riesgo rf .
En este capítulo primero estudiaremos una economía con dos activos, para entender la fron-
tera de posibilidades (llamada CML) a la que se enfrentan los inversionistas. Seguidamente
analizaremos una economía con n + 1 activos: en esta economía encontraremos la cartera q
que mezcla exclusivamente los n activos de la economía que son riesgosos. Por argumentos de
126
18.1. LÍNEA DE MERCADOS DE CAPITAL (CAPITAL MARKET LINE O CML) 127
oferta y demanda, veremos que la cartera q debe ser idéntica a la cartera m que pondera los
activos por su valoración. La cartera q tiene además la propiedad de que genera la ecuación
del CAPM, en la llamada SM L (łSecurity Market Linež por sus siglas en inglés).
18.1. Línea de Mercados de Capital (Capital Market Line o CML)
18.1.1. Economía con dos activos de inversión. Considere una situación donde
un agente invierte un porcentaje w0 en un activo sin riesgo que da un rendimiento neto de
rf . El balance de sus ahorros, 1 − w0 se invierten en un activo riesgoso con media de µj > rf
y varianza de σj2 . La cartera que combina estos dos activos dará un rendimiento de
rw = w0 rf + (1 − w0 )rj
La media de esta cartera es igual a:
µw − r f zw
µw ≡ E(rw ) = w0 rf + (1 − w0 )µj = rf + (1 − w0 )(µj − rf ) → 1 − w0 = ≡
µj − r f zj
Donde zj ≡ µj − rf se conoce como el rendimiento esperado en exceso. La varianza de la
cartera está dada por

zw
σw2
= (1 − w0 )2 σj2
→ σw = ±(1 − w0 )σj = ± σj
zj
Este resultado combina la expresión de 1 − w0 encontrado arriba.
zw zj
= ± ≡ ±SRj → zw = µw − rf = ±SRj σw → µw = rf ± SRj σw
σw σj
Esta es la frontera de posibilidades de inversión. Note que existe una zona negativa, que
ningún agente escogería, y por eso se llama dominada. La zona positiva se conoce como la
CML. Note que la pendiente de la CML es la razón de Sharpe del activo j que vimos en
anteriores capítulos. El siguiente gráőco muestra las posibilidades para los inversionistas:
Cuando w0 < 0, los inversionistas se están endeudando para invertir más que su
riqueza, 1 − w0 > 1 en el activo riesgoso. Los inversionistas que harían esto tienen
menos aversión al riesgo, y su cartera tiene mayor rendimiento que el activo j, de
manera que µw > µj , pero también asumen mayor riesgo, por lo que σw > σj .
Cuando w0 ϵ[0, 1], los inversionistas más aversos al riesgo escogen una cartera que
mezcla un poco del instrumento sin riesgo con el riesgoso. En esta situación, la cartera
tiene menos rendimiento y riesgo que el activo j.
Finalmente, existe la región dominada, cuando w0 > 1, lo que implica que estaría
vendiendo al descubierto el activo riesgoso para comprar más del 100 % de mis ahorros
en el activo libre de riesgo. Esto es una mala estrategia porque tal inversión me genera
Figura 1. CML con dos activos
Zona dominante: CML
w0 ǫ(0, 1)
µj
w0 < 0
SRj w0 = 0
rf w0 = 1
w0 > 1
σj
Zona dominada
un rendimiento por debajo de la tasa libre de riesgo, µw < rf y al mismo tiempo me

expone a un riesgo cada vez mayor σw > 0.
18.1.2. Economía con n + 1 activos de inversión. Cuando existen n activos ries-

gosos y un activo sin riesgo, el análisis matemático se complica un poco, pero los resultados
anteriores no cambian cualitativamente. Cuando existen n + 1 instrumentos, deőnimos w0
como la proporción de los ahorros invertidos en el activo sin riesgo que da un rendimien-
to őjo de rf . La proporción de los ahorros invertidos en los n activos riesgosos está dada
por un vector wϵRn con n őlas y una columna. Los activos riesgosos tienen un rendimiento
rϵRn con un valor esperado de E(r) ≡ µϵRn y una matriz de varianzas covarianzas igual
a E(r − µ)(r − µ)′ ≡ V , donde V es una matriz simétrica y semideőnida positiva. Los
rendimientos de la cartera están dados por
rw = w 0 rf + w ′ r
E(rw ) ≡ µw = w0 rf + w′ µ
V ar(rw ) ≡ σw2 = w′ V w
La optimización consiste en minimizar la varianza sujeto a que los pesos de las carteras sea
igual a uno, es decir w0 +w′ ι = 1, donde ι es un vector de n őlas lleno de unos. Esto implica que
podemos deőnir a w0 = 1 − w′ ι. La otra restricción de esta maximización es que queremos
obtener un determinado rendimiento esperado µw = w0 rf + w′ µ = (1 − w′ ι)rf − w′ µ =
rf + w′ (µ − ιrf ). Esto se puede resumir en zw = w′ z donde zw son los rendimientos en exceso
esperados de la cartera, y z es un vector de rendimientos en exceso esperados. El Lagrangiano
y las condiciones de primer orden son:
1
L = − w′ V w + λ [w′ z − zw ]
2
∂L
= −V w + λz = 0 → w = λV −1 z
∂w
λ es el łprecio sombraž de aumentar zw un poco, y por lo tanto será distinto para distintos
zw . A continuación vamos a estudiar una cartera especial, que llamaremos q. Esta cartera
tiene como característica que no incluye activos sin riesgo, por lo que w0 = 0 y por lo tanto
wq′ ι = 1. Veamos las características de la cartera wq , así como su rendimiento en exceso
esperado y su varianza:
1 1
wq′ ι = λq z ′ V −1 ι → λq = ≡
z ′ V −1 ι G
V −1 z
wq = ′ −1
zV ι
′ z ′ V −1 z H
zq ≡ z wq = ′ −1 ≡
zV ι G
z ′ V −1 V V −1 z z ′ V −1 z H
σq2 = wq′ V wq = = ≡
(z ′ V −1 ι)2 (z ′ V −1 ι)2 G2
Donde G ≡ z ′ V −1 ι y H ≡ z ′ V −1 z. Ahora interpretaremos el signiőcado económico de
estos dos coeőcientes. Para esto primero calcularemos la razón de Sharpe y el índice de
dispersión de la cartera q

zq H √
SRq ≡ = qG = H
σq H
G2
H

σq2 2 1
Dq ≡ = GH = = λq
zq G
G
Es decir, que H es el cuadrado de la razón de Sharpe de la cartera q, Mientras que G es
la inversa del índice de dispersión y del precio sombra λq . Podríamos resumir el vector de
pesos wq como

σq2
wq = V −1 z
zq
Esta formulación será muy importante para calcular la fórmula del CAP M.
Para calcular la línea de mercados de capital, consideremos una cartera arbitraria w de
la solución sin exigir que sume a uno. Esta cartera genera las siguientes características:
w = λw V −1 z
zw ≡ z ′ w = λw z ′ V −1 z ≡ λw H
σw2 = w′ V w = λ2w z ′ V −1 V V −1 z = λ2w H
zw √
SRw ≡ =± H
σw
√
µw = r f ± Hσw
En otras palabras, todas las carteras que solucionan el problema del inversionista tienen
la misma razón de Sharpe (en valor absoluto) que la cartera q. Gráőcamente obtenemos un
resultado muy parecido al del caso de dos activos, sustituyendo j por q.
Gráőcamente podemos ver también que la cartera q es el punto de tangencia entre la
frontera de eőciencia y el activo libre de riesgo. Económicamente, esto dice que la cartera
qes la cartera dentro de la frontera eőciente con la razón de Sharpe más alta. Tobin (1958)
explicó que en una economía con estas características hay una separabilidad en dos carteras.
Esto quiere decir que todo agente invierte sólo en dos tipos de activos: el libre de riesgo y la
cartera q. En el gráőco anterior, hay dos inversionistas: el agente 1 es menos averso al riesgo,
y su cartera óptima consiste en pedir prestado (vende al descubierto el activo libre de riesgo)
e invierte sus ahorros más lo prestado en la cartera q. El agente 2, por otra parte, es más
averso al riesgo. En su caso, invierte una parte de sus ahorros en el activo libre de riesgo,
y otra en la cartera q. Así será con cualquier inversionista. Esto implica que nadie invertirá
en carteras dentro de la frontera eőciente distinta de q. £Qué implica esto en un equilibrio
económico? Veamos la demanda por activos riesgosos. El inversionista i invierte αi wi = αi wq
Figura 2. CML con n + 1 activos

µw Cartera Agente 1
CML
Cartera Agente 2
q
A
C
rf
√1 σw
C
PJ
Vij
en los activos riesgosos, donde ϕi ≡ PJ
j=1
Vj
= es la proporción de las inversiones riesgosas
j=1
de las que el agente i invierte. La demanda total por activos riesgosos es:
I
X I
X
wd = ϕi w q = w q ϕi = w q
i=1 i=1
Por su parte, la oferta de activos riesgosos está dada por wm , un vector con n őlas, con
V
cada elemento igual a PJ j V . Dado que la oferta y la demanda deben igualarse, entonces
j=1 j
wm = wq . Este es paso central en el desarrollo del CAPM, ya que nos permite identiőcar la
cartera q por una cartera teóricamente observable, wm .
18.3. IMPLEMENTACIÓN ECONOMÉTRICA 132
18.2. Línea de Mercado de Títulos (Security Market Line SML)
Ahora hemos identiőcado la cartera q (la que tiene la máxima razón de Sharpe dentro
de la frontera eőciente) con la cartera de mercado (la que pondera a cada acción de acuerdo
a su capitalización de mercado). Esto nos lleva a la siguiente expresión:
2

σm
wq = wm = V −1 z
zm
Ahora, estudiemos la covarianza de una cartera arbitraria wj con la cartera de mercado.
Esto está dado por
2
2 2
σm σm σm
cov(rj , rm ) ≡ wm = wj′ V ′ −1
wj V V z = ′
wj z = zj
zm zm zm
Esta ecuación se puede escribir de la siguiente manera
cov(rj , rm )
zj ≡ E(rj ) − rf = 2
zm ≡ βj zm = βj [E(rm ) − rf ]
σm
cov(r ,r )
Donde βj ≡ var(rj mm) se conoce como el beta del activo j. El beta mide la variación en
un activo dado un movimiento del mercado. La forma más conocida del CAPM es la línea
de mercado de títulos o SML, dada por:
E(rj ) = rf + βj [E(rm ) − rf ]
El siguiente gráőco nos muestra la relación entre los rendimientos esperados de un activo,
E(rj ) y su beta:
A pesar de que hemos desarrollado este modelo en dos periodos, Fama (1970) demuestra
que bajo ciertos supuestos, este mismo resultado se obtiene en una versión multiperiod.
18.3. Implementación econométrica
De acuerdo al CAPM de Sharpe, los rendimientos en exceso de un activo j se pueden

expresar como:
zj = βj zm
cov(rj ,rm )
Donde βj ≡ var(rm )
. Econométricamente, se corre la siguiente regresión para calcular
los betas:
zjt = αj + βj zmt + εjt

En esta ecuación aparece un nuevo término, el alfa. Este es el rendimiento más allá de lo
que predice el CAPM. Si el CAPM fuera cierto (si la cartera m fuera la que tiene la razón
de Sharpe más alta), entonces todos los alfas deberían ser iguales a cero, o por lo menos
18.3. IMPLEMENTACIÓN ECONOMÉTRICA 133
Figura 3. Línea de Mercado de Títulos, SML
E(rm )
rf
1 βj
estadísticamente insigniőcantes. Veamos como ejemplo el cálculo de los alfas y betas para
Apple del 2010 al 2015, que nos dan los siguientes resultados:
Cuadro 1. Estimadores β̂j y α̂j con sus t-estadísticos
Nombre β̂j t de β̂j α̂j t de α̂j R2

Apple 0.8401 3.6096 0.0126 1.5029 0.1809
Vemos que Apple en este periodo tenía un beta menor a uno. Esto quiere decir, que si el
mercado subía un 10 %, Apple subiría en promedio un 8.4 %. La őgura abajo muestra que
aunque esta relación es positiva y estadísticamente signiőcativa, está lejos de ser perfecta,
ya que el R2 de la regresión es apenas de 0,18. El alfa de Apple es positiva, pero no podemos
rechazar la hipótesis de que sea distinta de cero.
La descomposición econométrica nos permite calcular el riesgo de una empresa como:
σj2 = βj2 σm
2 2
+ σεj
Estos riesgos son estadística y económicamente muy distintos:
1. βj2 σm
2
se conoce como el riesgo de mercado, sistemático, o no diversiőcable. Dado que
este es un riesgo del que no me puedo deshacer no importa cuánto diversiőque mi
18.4. CAPM CON PRECIOS 134
Figura 4. Cálculo de αj y βj para Apple, 2010 al 2015
20.00%"
z(it)"
15.00%"
y"="0.8401x"+"0.0126"
10.00%"
R²"="0.18089"
5.00%"
0.00%"
010.00%" 08.00%" 06.00%" 04.00%" 02.00%" 0.00%" 2.00%" 4.00%" 6.00%" 8.00%" 10.00%" 12.00%"
z(mt)"
05.00%"
010.00%"
015.00%"
020.00%"
cartera, entonces una empresa con mucho riesgo de mercado debe ofrecer un mayor
rendimiento esperado.
2
2. σεj se conoce como el riesgo idiosincrático, no sistemático, o diversiőcable. Por muy
grande que sea este riesgo, el CAPM dice que el mercado no me lo cobrará, ya que
es fácil de deshacerse de él.
β 2 σ2
3. El R2 = jσ2m es la parte de la varianza que es explicada por las variables de regresión.
j
La interpretación económica para őnanzas del R2 es la proporción del riesgo total
que es no-diversiőcable. Desde un punto de vista econométrico, un R2 bajo se puede
considerar como algo malo, pero desde un punto de vista de őnanzas, representa una
buena oportunidad de diversiőcación.
Para el ejemplo de Apple, si la varianza de sus rendimiento es 0, 004821 y la varianza del
mercado (el índice S&P 500) es de 0, 001236, entonces:
σj2 = βj2 σm
2 2
+ σjε → 0, 004821 = 0,0008721 + 0, 003949
0,0008721
La parte del riesgo total explicada por el mercado es 0,004821
= 0, 1809 = R2 .
18.4. CAPM con precios
Habíamos visto la ecuación del CAPM que nos daba:
E(Pjt ) cov(rj , rm )
E(rj ) = − 1 = rf + [E(rm ) − rf ]
Pjt−1 var(rm )
18.5. PROBLEMAS 135

E(Pjt ) Pjt zm G
− 1 = rf + cov − 1, rm 2
= rf + cov(Pjt , rm )
Pjt−1 Pjt−1 σm Pjt−1
E(Pjt ) Gcov(Pjt , rm ) E(Pjt ) − Gcov(Pjt , rm )
1 + rf = − → Pjt−1 =
Pjt−1 Pjt−1 1 + rf
Este resultado es parecido al que encontramos en valoración con mercados completos,
donde podíamos descontar los ŕujos de caja a una tasa libre de riesgo, siempre y cuando usá-
ramos las probabilidades neutras al riesgo, que en este caso E ∗ (Pjt ) = E(Pjt )−Gcov(Pjt , rm ),
donde G = z ′ V −1 ι = λ1q = σzq2 = σzm2 .
a m
18.5. Problemas

2
1. ____________ Sanji tiene una utilidad esperada de V = µ − σ2 y enfrenta una
CML dada por µ = 0,02 + 0,25σ donde el mercado tiene σm = 0,15. Entonces Sanji
no se endeudará en su punto óptimo de inversión.
2. ____________ El sistema de precios de mercados completos, a diferencia del
CAPM, no castiga el precio de proyectos con más alta correlación con el mercado.
3. ____________ Si un activo tiene correlación de 1 con el mercado, entonces su
beta debe necesariamente ser de 1.
4. ____________ La CML y SML son iguales si todo activo riesgoso tiene una
correlación de uno con el mercado.
5. ____________El CML puede tener una pendiente negativa.
6. ____________ En el CAPM de Sharpe hay separabilidad en dos carteras.
7. ____________ Es posible empíricamente que una acción particular esté por
encima de la CML.
8. ____________ En el CAPM de Sharpe, si la regresión zjt = αj + βj zmt + εjt
tuviera un R2 = 0, esa acción tiene un rendimiento esperado de rf .
9. ____________ Yamato tiene una utilidad esperada de V = µ − 0,15σ 2 y
enfrenta una CML de µ = 0,04 + 0,30σ donde el mercado tiene σm = 0,20. Entonces
Yamato invierte un peso positivo en el activo sin riesgo.
10. ____________En el CAP M de Sharpe, si el rendimiento en exceso de una
empresa tiene correlación de 0.40 con el rendimiento en exceso del mercado, eso
signiőca que el riesgo diversiőcable es el 60 %.
11. ____________ En el CAPM de Sharpe, el riesgo idiosincrático debería teóri-
camente afectar el rendimiento esperado.
18.6. Referencias
Editorial Addison Wesley, 3ra edición, 1988: 166-172.
Fama, Eugene F. "Risk, return and equilibrium: some clarifying comments." The Journal
of Finance 23, no. 1 (1968): 29-40.
Fama, Eugene F. "Multiperiod Consumption-Investment Decisions." American Economic
Review 60, no. 1 (1970): 163-174.
French, Craig W. "The Treynor capital asset pricing model." Journal of Investment
Management 1, no. 2 (2003): 60-72.
Lintner, John. "The valuation of risk assets and the selection of risky investments in stock
portfolios and capital budgets." The Review of Economics and Statistics (1965): 13-37.
Merton, Robert C. "An analytic derivation of the efficient portfolio frontier." Journal of
Financial and Quantitative Analysis 7, no. 4 (1972): 1851-1872.
Mossin, Jan. "Equilibrium in a capital asset market." Econometrica (1966): 768-783.
Rubinstein, Mark. A history of the theory of investments: My annotated bibliography. Vol.
335. John Wiley & Sons, 2011.
Sharpe, William F. "Capital asset prices: A theory of market equilibrium under conditions
of risk." The Journal of Finance 19, no. 3 (1964): 425-442.
Tobin, James. "Liquidity preference as behavior towards risk." The Review of Economic
Studies 25, no. 2 (1958): 65-86.
Treynor, Jack L. "Toward a theory of market value of risky assets." SSRN manuscript
(1962).
Capítulo 19
CAPM de Black
19.1. Introducción
En el capítulo anterior vimos que la implementación econométrica del CAPM de Sharpe

nos llevó a la siguiente regresión

De acuerdo al CAP M de Sharpe, αj = 0. Sin embargo, los primeros estudios empíricos de
los modelos de valoración encontraron desviaciones consistentes, de manera que las carteras
con activos donde βj < 1 tenían αj > 0 y cuando βj > 1 entonces αj < 0. Black (1972)
es uno de los primeros modelos teóricos que trata de explicar este resultado. Black departe
de los supuestos de Sharpe en un punto: los inversionistas pagan una tasa de interés de
endeudamiento rd mayor que rf . Por ejemplo, en junio del 2017 Morgan Stanley cobraba
una tasa de interés rd = 3,375 % para sus clientes con deudas de más de $50 millones de
USD1, (usando de garantía los títulos őnancieros que tiene el inversionista). La tasa de interés
para billetes del Tesoro de los Estados Unidos de un mes era rf = 1,131 %. Esta pequeña
diferencia en tasas de interés tiene un impacto tanto en la teoría como en la práctica.
19.2. Implicaciones para m si rd > rf
Sabemos por el spanning de Carteras que la cartera de mercado m debe estar en la frontera
eőciente. Según el CAPM de Sharpe, cuando rd = rf entonces m es además la cartera con
la razón de Sharpe más alta. Cuando rd > rf esto no es así: veamos el razonamiento viendo
las tres zonas de inversión creadas por esta nueva situación:
1. La zona p − q es donde invierten las personas más aversas al riesgo. En esta zona hay
separación en dos carteras, ya que las personas combinarán la cartera q (que tiene la
razón de Sharpe más alta) con el activo libre de riesgo.
2. La zona q − s es donde invierten las personas con aversión al riesgo intermedio. En
esta zona, los inversionistas ni prestan ni piden prestado. Por el spanning de carteras,
cada inversionista en esta zona puede crear su inversión ideal como una combinación
de la cartera q y la cartera s.
1www.morganstanley.com/wealth-disclosures/pdf/Margin_Interest_Rate.pdf accesado el 10.12.2017

137
19.3. COVARIANZA ENTRE CARTERAS EN MVEF** 138
Figura 1. Frontera de Posibilidades con rd > rf

t
µ
s
m
q
A
C
rd
rf
p
√1 σ
C
3. La zona s − t es donde invierten las personas menos aversas al riesgo. Hay separación
de carteras, ya que todo inversionista combinará la cartera s con pedir prestado (téc-
nicamente se puede ver como vender al descubierto un activo que da un rendimiento
rd ).
La cartera de mercado está en la frontera eőciente, como ya habíamos visto en capítulos
anteriores. El modelo de Black, sin embargo circunscribe la cartera de mercado a estar en la
zona q − s, es decir que:
µq ≤ µm ≤ µs
SRs ≤ SRm ≤ SRq

Note que este modelo ya no predice que la cartera de mercado es la que tiene la razón de
Sharpe más alta de esta economía.
19.3. Covarianza entre carteras en MVEF**
Suponga que tengo dos carteras que están en la frontera eőciente. £Cuál sería la covarianza
entre ellas? Para analizar esto, recordemos que si wj está en la frontera eőciente, se puede
escribir como:
19.4. CARTERAS CERO COVARIANZA 139
" #" #
1 h i C −A µj
wj = V −1 µ ι
D −A B 1
A2 D
Donde A ≡ ι′ V −1 µ, B ≡ µ′ V −1 µ, C ≡ ι′ V −1 ι y D = BC − A2 → B = C
+ C
. La
covarianza entre dos carteras wj y wi en la frontera eőciente están dadas por
cov(rj , ri ) = wj′ V wi
" #" # " #" #

1 h i C −A µ′ h i C −A µi
cov(rj , ri ) = 2 µj 1 V −1 V V −1 µ ι
D −A B ι′ −A B 1
" #" #" #" #

1 h i C −A µ′ V −1 µ ι′ V −1 µ C −A µi
cov(rj , ri ) = 2 µj 1
D −A B ι′ V −1 µ ι′ V −1 ι −A B 1
" #" #" #" #
1 h i C −A B A C −A µi
cov(rj , ri ) = 2 µj 1
D −A B A C −A B 1
" #" #
1 h i C −A µi
cov(rj , ri ) = µj 1
D −A B 1
1
cov(rj , ri ) = [(Cµi − A) µj − Aµi + B]
D

1 A2 D
cov(rj , ri ) = (Cµi − A) µj − Aµi + +
D C C

1 C A A A2
cov(rj , ri ) = + µ j µi − µ j − µ i + 2
C D C C C

1 C A A
cov(rj , ri ) = + µj − µi −
C D C C
Un caso especial de esto es la varianza de la cartera, que nos da la fórmula de la frontera
eőciente. Existe otro caso especial, el de la cartera de mínima varianza, que como habíamos
dicho tiene µM V P = CA , por lo que la covarianza entre la cartera M V P y cualquier otra en
la frontera eőciente es
1
cov(rj , rM V P ) = >0
C
19.4. Carteras cero covarianza
Las carteras de cero covarianza serán importantes para escribir una ecuación como la
del CAPM de Sharpe. Antes de derivarlas, es importante entender un par de cosas acerca
19.4. CARTERAS CERO COVARIANZA 140
de la geometría de la frontera eőciente. En primer lugar, nos interesa ver la pendiente de la

frontera eőciente. Usaremos el teorema de la función implícita para esto:
2 2
1 C A 1 C A
σj2 = + µj − →Ψ≡ + µj − − σj2 ≡ 0
C D C C D C
dµj Ψσ σj
=− = C A

dσj Ψµ D
µ j − C
También será útil expresar la frontera eőciente de la siguiente manera:
2
1 2 C A
= σj − µj −
C D C
Considere ahora una cartera wj en la frontera eőciente, distinta de la cartera de mínima
varianza. £Existe una cartera, que podemos llamar wcj que tenga cero covarianza con wj ?
Veamos sus características:

1 C A A
cov(rj , rcj ) = + µj − µcj − =0
C D C C
1
A C
µcj = − C A

C D
µj − C
De la ecuación anterior, podemos ver que si µj > entonces µcj < CA y viceversa. Para
A
C
poder obtener una interpretación geométrica de la posición de la cartera cero covarianza en
la frontera eőciente, reemplazaremos C1 por la función de la frontera eőciente:
C
2
A σj2 − D µj − CA A A σj2
µcj = − C A
= + µj − − C A

C D
µ j − C
C C D
µ j − C

σj dµj
µcj = µj − C A
σ j = µ j − σj
D
µ j − C
dσ j
Gráőcamente, esto nos dice que para encontrar la cartera µcj debemos seguir los siguientes
pasos:
1. Primero debemos calcular la pendiente de la frontera eőciente en el rendimiento

esperado µj . Sabemos que sí µj > CA , entonces la pendiente es positiva. Si µj < CA , la
pendiente es negativa.
2. Proyectamos esta pendiente hasta que intercepte el eje y. A ese nivel está el rendi-
miento esperado de la cartera de cero covarianza µcj .
3. Una vez identiőcado este rendimiento esperado µcj , podemos usar la formula de la
2
frontera eőciente para encontrar la varianza σcj .
En el siguiente gráőco podemos ver cómo encontrar la cartera de cero covarianza del mercado:
19.5. CAPM DE BLACK (CAPM CERO BETA) 141
Figura 2. Cartera de cero covarianza del mercado

µ
A
C
rd
µcm
rf
p
√1 σcm σ
C
A partir de lo que sabemos de la geometría de la cero covarianza, podemos hablar algo

acerca de µcm :
µq ≤ µm ≤ µs
Por lo tanto sabemos que:
µcq = rf ≤ µcm ≤ µcs = rd

La igualdad de µcq = rf y de µcs = rd se saca al ver la construcción tanto de la cartera q
como de la cartera s.
19.5. CAPM de Black (CAPM Cero Beta)
Ahora ya estamos listos para encontrar una ecuación análoga a la del CAPM de Sharpe
en esta economía. Nos interesa ver cuál es la covarianza entre la cartera de mercado m (que
está en la frontera eőciente) y una cartera arbitraria que no necesariamente está en la frontera
eőciente. Sabemos lo siguiente acerca de m
wm = g + hµm
wm = λ1 V −1 µ + λ2 V −1 ι = V −1 (λ1 µ + λ2 ι)
19.5. CAPM DE BLACK (CAPM CERO BETA) 142

Cµm − A C A
λ1 = = µm −
D D C
B − Aµm
λ2 =
D
El segundo multiplicador de Lagrange es negativo, ya que corresponde a una restricción
de que la suma de los pesos de la cartera suman a uno. Además, como D = BC − A2 →
2
B = AC + DC
, tenemos

Aµm − A2
+ D
Aµm − B C A C A 1
−λ2 = = = µm − −
D D D C C
Para encontrar las covarianza entre m y una cartera j cualquiera, tenemos
cov(rj , rm ) = wj′ V wm = wj′ V V −1 (λ1 µ + λ2 ι)
cov(rj , rm ) = λ1 wj′ µ + λ2 wj′ ι = λ1 µj + λ2

Aquí usamos el hecho de que los pesos de la cartera j debe sumar a uno, y la deőnición
de su rendimiento esperado. Despejamos µj de la ecuación anterior para obtener:
2 2
λ2 cov(rj , rm ) σm λ2 σm
µj = − + 2
= − + βj
λ1 σm λ1 λ1 λ1
Nos interesa ahora despejar los multiplicadores de Lagrange λ1 y λ2 para ponerlo en
términos económicamente inteligibles. Vamos por partes:
A A
1 1
λ2 µ m − −C A
− = D C C = − C = µcm
λ1 D
µm − CA C C
D
µm − CA
Nos interesa ahora calcular la segunda expresión de la ecuación:
1 C
2
2
σm C
+D µm − CA A C
1
= C
= µ m − + = µm − µcm
λ1 D
µm − CA C C
D
µm − CA
Esto permite expresar el rendimiento esperado de un activo j como:
µj = µcm + βj [µm − µcm ] = (1 − βj )µcm + βj µm

Este es el CAPM cero beta o CAPM de Black. Los multiplicadores de Lagrange en base
a estos resultados nos da:
2
σm
λ1 = >0
µm − µcm
2
µcm σm
λ2 = = −λ1 µcm < 0
µcm − µm
19.6. Implementación econométrica
Podemos deőnir los rendimientos en exceso zj como el rendimiento esperado menos la

tasa libre de riesgo, zj = µj − rf . La ecuación del CAPM cero beta es igual a:
zj = (1 − βj )zcm + βj zm
Entonces en la regresión que corre

El CAPM de Black diría que αj = (1 − βj )zcm . Además sabemos que como µcm ≤ rd ,
entonces
|αj | ≤ |(1 − βj )| (rd − rf )

Otro aspecto del CAPM de Black es la especiőcación de los rendimientos de un instru-
mento j, que estarían dados por
rj = (1 − βj )rcm + βj rm + εj
Es decir, que se puede ver como un modelo de dos factores, rm y rcm que además son
ortogonales entre sí. La descomposición de riesgo entonces nos daría que:
σj2 = (1 − βj )2 σcm
2
+ βj2 σm
2 2
+ σεj
19.7. Ejercicios

1. ____________ A diferencia del CAP M de Sharpe y Lintner, en el CAPM de
Black la cartera de mercado puede no estar en la frontera eőciente.
2. ____________ De acuerdo al CAPM de Black, todo activo őnanciero debe
tener un alfa de cero.
3. ____________ La covarianza de carteras wi y wj es siempre σij = wj′ V wi .
4. ____________ No existe una cartera cero beta para la cartera de mínima
varianza.
5. ____________ De acuerdo a Black (1972) el µcm > rd .
6. ____________ En el CAPM de Black hay separabilidad en dos carteras.
7. ____________En el CAPM de Black, el riesgo idiosincrático es menor que en

el CAPM de Sharpe.
8. ____________ Las carteras wm y wcm tienen la misma desviación estándar.
9. ____________ En el CAPM de Black hay separabilidad en 3 carteras.
10. ____________ En el CAP M de Black, si el rendimiento en exceso de una
empresa tiene correlación de 0.50 con el rendimiento en exceso del mercado, eso
signiőca que el riesgo diversiőcable es el 75 %.
11. ____________ De acuerdo al CAPM de Black, el λ2 es proporcional a la
desviación estándar del mercado.
19.8. Referencias
Business 45, no. 3 (1972): 444-455.
Editorial Addison Wesley, 3ra edición, 1988: 205-208
Capítulo 20
Tests del CAPM
20.1. Filosofía de la ciencia y tipos de tests
Karl Popper (1902-1994) en los años 20s descubre el marxismo, el psicoanálisis de Freud
y Adler, y la teoría de la relatividad de Einstein. De acuerdo a Popper:
1. Una teoría que tiene elementos ’riesgosos’ que pueden ser rechazados empíricamente
es una ciencia.
Una teoría que es capaz de explicar todas las observaciones es una pre-ciencia
o una pseudo-ciencia. Eso no signiőca que sea necesariamente mala, o que en algún
futuro pueda ser falsiőcada.
Una teoría que fue cientíőca en algún momento y que al fallar debe ser modiőcada
ad-hoc para explicar sus fallos es una pseudo-ciencia.
a) Entre dos teorías, se preőere la que tenga un poder predictivo mayor, p.e. la física
de Einstein sobre la física Newtoniana.
b) Si las implicaciones empíricas de una teoría se demuestran como ciertas, la teoría
se corrobora (pero nunca se puede decir que sea łciertaž). Si las implicaciones son
falsas, la teoría no puede ser completamente cierta, y el cientíőco debe buscar
una mejor teoría.
c) Paradójicamente El cientíőco empírico debe enfocarse en los elementos más ries-
gosos de la teoría (tests fuertes) en vez de los elementos menos sencillos (que
podrían ser explicados por muchas otras teorías).
d ) Aunque la falsibilidad es en teoría fácil, en la práctica es complicada, ya que (a)
la observación es errada o (b) los supuestos empíricos son defectuosos.
e) Una buena teoría tiene más verosimilitud. Toda teoría tiene contenidos ’verda-
deros’ T y contenidos ’falsiőcables’ F . Una teoría t1 es más cercana a la verdad
que t2 si y sólo si: T (t1 ) > T (t2 ) para F (t1 ) = F (t2 ) o F (t1 ) > F (t2 ) para
T (t1 ) = T (t2 ).
f ) El progreso cientíőco nace de pasar de teorías parcialmente ciertas pero falsiőca-
das, a teoría con mayor verosimilitud. Esto es útil especialmente para las ciencias
sociales, de acuerdo a Popper.
2. Desarrollo empírico en economía őnanciera.
145
20.2. PREDICCIONES DÉBILES 146
a) Empiezan con tests de predicciones menos riesgosas: el rendimiento esperado. Se

rechazan algunos elementos del CAPM de Sharpe y de Black.
b) Se desarrolla una teoría sustituta, el APT, por Ross (1976).
c) Roll (1976) critica la forma en que los tests de predicciones débiles se han imple-
mentado, arguye que realmente no implican un test fuerte.
d ) En los años 1980s se desarrollan una serie de tests fuertes.
e) A partir de los años 1990s se desarrollan más tests débiles para encontrar más
factores que afectan el rendimiento esperado.
20.2. Predicciones débiles
Veamos un ejemplo de las predicciones débiles del CAPM. De acuerdo al CAP M de

Sharpe, tenemos que
E(z̃j ) = βj E(z̃m ) → E(z̃j ) − βj E(z̃m ) = 0

Para evaluar esta predicción, uno podría correr el siguiente estadístico:
z j − β̂j z m ≡ α̂j
El test sería que α̂j sea estadísticamente distinto de cero. Blume y Friend hacen una muy
interesante exposición de las posibles razones para que α̂j fuera estadísticamente distinto de
cero:
1. Que los supuestos de Sharpe no se cumplan, por ejemplo, preferencias de media y
varianza. El modelo no sería el correcto y se rechazaría.
2. Las distribuciones ex-ante (con las que se obtienen las esperanzas de E(z̃j ) y E(z̃m )
sean distintas de las distribuciones ex-post con que se obtuvieron z j y z m . Esto puede
suceder para periodos más o menos cortos. Los economistas que creen que existen
expectativas racionales pensarían que por lo menos en el muy largo plazo (más de 10
años), deberían coincidir las esperanzas ex-ante y ex-post. Queda a criterio del lector
qué pasa en el mediano plazo.
3. El estimador de β̂j tiene algún tipo de sesgo. Normalmente se trabajará con carteras
de acciones en vez de instrumentos individuales porque se piensa que las carteras se
acercan más a una distribución elíptica que las acciones individuales, y para poder
estimar β̂j con menos ruido. Sin embargo, hay que tener mucho cuidado al construir
las carteras para evitar sesgos de agrupación como estudian Lo y Mackinlay (1990).
A este tipo de predicciones se les llama łdébilesž en el sentido de que si no se rechaza la
hipótesis nula, pueden haber otros modelos con las mismas predicciones. Por ejemplo, el
CAPM de Black con µcm = rf y un modelo APT (por ser visto en los próximos capítulos)
con un sólo łfactorž de mercado da la mismas predicciones débiles del CAPM de Sharpe.
20.4. TEST NO. 2 FAMA Y MACBETH (1973) 147
Para estudiar el test de predicciones débiles del CAPM de Sharpe y de Black, suponga-
mos que los rendimientos de cualquier título siguen un ’modelo de mercado’ propuesto por
Markowitz en 1952:

Donde zjt ≡ rjt − rf y zmt ≡ rmt − rf . De acuerdo a Sharpe, αj = 0 y de acuerdo a Black,
αj = (1 − βj )zcm , donde sabemos que zcm ≤ rd − rf .
20.3. Test No. 1: Blume y Friend (1970):
Blume y Friend (1970) hacen un test en dos partes. Primero calculan los estimadores αˆp
y βˆp para una cartera de empresas. Para nuestro ejemplo, calcularemos el alfa y beta de cada
empresa:
Cuadro 1. Estimadores β̂p y α̂p con sus t-estadísticos
Nombre β̂p t de β̂p α̂p t de α̂p R2

Apple 0.8401 3.6096 0.0126 1.5029 0.1809
Exxon 0.8628 7.3356 -0.0014 -0.3413 0.4770
Microsoft 0.9954 5.1140 0.0015 0.2143 0.3071
Google 1.0593 4.9256 0.0020 0.2616 0.2914
Berkshire 0.4466 3.4053 0.0064 1.3494 0.1643
Johnson & Johnson 0.5012 4.2047 0.0059 1.3652 0.2306
Wells Fargo 1.0863 8.9609 0.0014 0.3204 0.5764
Walmart 0.4166 2.7775 0.0034 0.6293 0.1156
General Electric 1.4175 10.2340 -0.0035 -0.7061 0.6397
Procter & Gamble 0.4796 3.8369 0.0012 0.2557 0.1997
Luego corren las siguientes regresiones de sección cruzada para N empresas:
z p = a + bβˆp + up
Versión CAPM: a b
Sharpe y Linter 0 zm
Black z cm > 0 z m − z cm
Nuestro resultado es que a = 0,0031 > 0. Además b = 0,0081 < 0,0118 = z m . Blume y
Friend encuentran resultados similares.
20.4. Test No. 2 Fama y MacBeth (1973)
Usan datos mensuales de panel para N carteras y T periodos, usando β̂j estimados el
estimado de la desviación de residuos de cada cartera ŝj , y la regresión es:
20.5. TEST NO. 3: BLACK JENSEN Y SCHOLES (1972) 148
2
rjt = γ0t + γ1t β̂jt + γ2t β̂jt + γ3t ŝj + ujt
El CAPM de Sharpe implica que γ2t = γ3t = 0, que no se rechaza. También implica que
γ0t − rf t = 0 y que γ1t − zmt = 0 lo que sí se rechaza
20.5. Test No. 3: Black Jensen y Scholes (1972)
Asumen que los betas y zcm son constantes. Usan una serie de tiempo para cada cartera
p = 1, .., 10 donde corren la siguiente regresión
zpt = αp + βp zmt + εpt

Sus resultados son los siguientes
p 1 2 3 4 5 6 7 8 9 10
β̂p 1,5614 1,3838 1,2483 1,1625 1,0572 0,9229 0,8531 0,7534 0,6291 0,4992
αˆp % -0,0829 -0,1938* -0,0649 -0,0167 -0,0543 0,0593 0,0462 0,0812 0,1968* 0,2012
zp % 2.13 1.77 1.71 1.63 1.45 1.37 1.26 1.15 1.09 0.91
Figura 1. Resultados BJS 1972
/%0$2"
!"#"$%$&1("
,-"#"$%''1&'"
/%$$2"
&%0$2"
&%$$2"
!"#"$%$&$'(")"$%$$*+"
,-"#"$%.'/'0"
$%0$2"
$%$$2"
$%$$" $%/$" $%1$" $%+$" $%'$" &%$$" &%/$" &%1$" &%+$"
Rendimiento de 10 carteras de 1931 a 1965 (420 meses).
PN αp
La restricción es que αp = zcm (1−βp ), el test es de que i=1 N (1−βp ) = 0, lo cual rechazan.
20.6. PREDICCIONES FUERTES 149
20.6. Predicciones fuertes
1. Roll (1977), dice que el test del tipo zj = zcm + βj (zm − zcm ) es equivalente a evaluar
si m es eőciente. Para la versión Sharpe Lintner (zcm = 0), además m debería ser el
que tenga la más alta razón de Sharpe.
2. Si la relación de rendimientos no es cierta, lo único que se sabe es que el m escogido
no es eőciente. Si m fuera ex-post eőciente, la ecuación de rendimientos de Black
debe ser cierta con un R2 = 1.
a) En teoría, debería usarse un m con todos los activos riesgosos de la economía
(ediőcios, bonos riesgosos, capital humano). Si uno usa una proxy como el S&P
500, lo más que puede rechazar es que ese proxy no esté cerca de la frontera
eőciente. Kandel y Stambaugh (1987) y Shanken (1987) demuestran que si la
correlación entre el verdadero m y el proxy sobrepasa 0,7, entonces un rechazo
del proxy implica un rechazo del verdadero mercado.
3. Gibbons Ross y Shanken (1989) que llamaremos GRS, desarrollan un test para ver
si m es el que dice el modelo de Sharpe y Lintner, zj = βj zm . Para esto es necesario
calcular la razón de Sharpe de la cartera ex-post eőciente SR ˆ q = µ̂q −rf y compararlo
σ
bq
con la razón de Sharpe del índice ponderado SR ˆ m = µ̄m −rf . Entonces, para T periodos
σ̂m
y N carteras:
!
T −N −1 SR ˆ 2m
ˆ 2q − SR
J1 = ∽ FN,T −N −1
N 1 + SRˆ 2
m
a) La cartera ex-post con la mayor razón de Sharpe (que llamaremos wq ) se calcula
usando wq = z′ Vz−1
q
z
V −1 z, y wq′ ι = 1,
wq zq σq SR ˆ q
V −1 z H
√
H
√
G G G
H
′ −1 ′ −1
G≡zV ι H≡zV z
b) Veamos el test GRS con el ejemplo de las 10 empresas. Primero calculamos G =
15,8103. De ahí podemos extraemos los pesos de la cartera wq con mayor razón
de Sharpe ex-post.
0,2243 0,0514 0,0738 0,1076 0,3575 0,3919 0,2025 0,0760 −0,3032 −0,1818
wq′ =
AAP L XOM M SF T GOOGL BRK.A JN J W F C W M T GE PG
Como se puede ver, esta cartera diőere de la cartera ponderada de mercado wm
porque necesita que se vendan al descubierto las acciones de General Electric
(GE) y de Procter y Gamble (PG), lo que no puede ser un equilibrio económico.
20.7. PROBLEMAS 150
c) El H = 0,2190, por lo que zq = 0,0139 y σq = 0,0296 y SRq = 0,4680, mientras

que el índice ponderado con las 10 acciones (suponiendo que es nuestro universo)
tiene un zm = 0,0113 y σm = 0,0328 para darnos una razón de Sharpe de SRm =
0,3441. El Test GRS nos da que para T = 60 y N = 10:

49 (0,4680)2 − (0,3441)2 0,1006
J1 = × 2
= 4,9 × = 0,4408 ∼ F10,49
10 1 + (0,3441) 1,1184
El valor al 5 % de la hipótesis nula es de 2.03051, por lo que no podemos rechazar
que las dos carteras wq y wm son ’iguales’ en el sentido de que tienen una razón de
Sharpe signiőcativamente distinta. Con tan pocas observaciones, este test tiene
bajo poder 1 − β = P rob(H0 rechazada|H1 es cierta). Para tener mayor poder
deberíamos usar T ≥ 120.
Figura 2. Análisis geométrico del test GRS

2.50%$
µ!
2.00%$
q$
1.50%$
m$
1.00%$
0.50%$
Frontera$10$acciones$
σ!
0.00%$
0.00%$ 1.00%$ 2.00%$ 3.00%$ 4.00%$ 5.00%$ 6.00%$ 7.00%$ 8.00%$
20.7. Problemas

1. ____________ La crítica de Roll dice que no vale la pena hacer tests del
CAPM.
1Fuente: https://www.danielsoper.com/statcalc/calculator.aspx?id=4
20.7. PROBLEMAS 151
2. ____________ Si al correr la regresión z i = a + bβi se encuentra un b negativo

y signiőcativo, esto supone un rechazo tanto del CAP M de Sharpe y Lintner como
del CAP M ’cero beta’ de Black.
3. ____________ La regresión del test de Blume y Friend tendría un R2 = 1 si
el proxy de mercado está en la frontera eőciente.
4. ____________ El análisis empírico de Black Jensen y Scholes rechaza la linea-
ridad de la SML.
5. ____________ Fama y Macbeth (1973) encuentran que el riesgo idiosincrático
sí afecta el rendimiento esperado de una acción.
6. ____________ El test GRS pierde poder conforme añado activos N .
7. ____________ Si las distribuciones ex-ante diőeren signiőcativamente de las
distribuciones ex-post, siempre se rechazaría el test de Blume y Friend aunque el
CAPM de Sharpe sea verdadero.
8. ____________ Si las distribuciones ex-ante diőeren signiőcativamente de las
distribuciones ex-post, entonces wm ̸= wq .
9. ____________El test de Blume y Friend z j = a + bβj tendría un R2 < 1 si la
cartera de mercado está en la frontera eőciente, en su zona dominada.
10. ____________ Si en un periodo z m < 0, se rechazaría el CAPM de Sharpe
aunque haya preferencias de media y varianza y rd = rf .
11. ____________ En el test de Blume y Friend (1970) se usan carteras en vez de
empresas individuales para evitar un sesgo de sobrevivencia.
20.7.2. Problemas.
1. En este problema considerarán que la tasa libre de riesgo mensual es rf = 0,0023,
que el proxy del mercado es el índice S&P 500, y que la economía está compuesta
por tres acciones: Berkshire Hathaway (BRKA), Johnson & Johnson (JNJ), y Apple
(AAPL). A continuación están los rendimientos promedio y las varianzas-covarianzas
mensuales desde junio del 2005 a junio del 2015:
Cuadro 2. Rendimientos Mensuales 2005-2015: Medias y Varianzas-Covarianzas
BRKA JNJ AAPL S&P 500

Media 0,00748 0,00586 0,02695 0,00458
BRKA JNJ AAPL S&P 500
BRKA 0,00236 0,00087 0,00060 0,00102
JNJ 0,00087 0,00158 0,00079 0,00108
AAPL 0,00060 0,00079 0,00961 0,00229
S&P 500 0,00102 0,00108 0,00229 0,00187
Fuente: Finance.yahoo.com, datos de junio del 2005 a junio del 2015. Rendimientos
logarítmicos
20.7. PROBLEMAS 152
La varianza-covarianza invertida de las tres acciones está dada por

 
532, 83 −290, 57 −9, 02
 
V −1 =  −290, 57 819, 21 −49, 66 
−9, 02 −49, 66 108, 73
a) Para una economía donde sólo existen los tres activos riesgosos:
1) Explique brevemente lo que signiőca la frontera eőciente y qué parte de la
misma está dominada. Calcule la función de la frontera eőciente para esta
economía, y la media y desviación estándar de la cartera de mínima varianza.
2) Cualquier cartera en la frontera eőciente tiene la caracterización de w =
g + hµw . Explique brevemente porqué la combinación de dos carteras en la
frontera eőciente está en la frontera eőciente, y porqué esto es importante.
Calcule los vectores g y h para esta economía, y calcule los pesos w para una
cartera eőciente con µw = 0,0195.
b) Para una economía donde uno puede endeudarse libremente:
1) Explique brevemente qué es el beta y alfa de una empresa, y cuál debe ser
en teoría el alfa y beta del mercado. Calcule los betas y alfas de las tres
empresas. Nota: use la fórmula βi = cov(r i ,rm )
var(rm )
.
2) Explique brevemente qué es la cartera ex-post eőciente q, y calcule los pesos
wq , media µq y desviación σq de la misma.
3) Explique brevemente en qué consiste el test GRS y calcúlelo para esta eco-
nomía, usando como m el índice S&P 500. El valor crítico del test al 10 %
de signiőcancia es de 2.1316. £Qué diría Roll de lo que podemos concluir del
resultado de este test?
c) Para una economía donde uno no puede endeudarse libremente:
1) Explique brevemente dónde se debe ubicar la cartera de mercado respecto a
lo encontrado arriba.
2) Suponga que sólo sabemos que la cartera de mercado tiene un rendimiento
promedio de µm = 0,0195. Explique brevemente el concepto de µcm y calcúlelo
para esta economía. Veriőque si µcm se encuentra dentro de los límites teóricos
donde debería ubicarse. Calcule σcm y los pesos wcm .
2. En este problema la tasa libre de riesgo mensual es rf = 0,00275, el proxy del mercado
es el índice CRSP, y la economía está compuesta por tres acciones: Exxon (XOM),
Microsoft (MSFT) Johnson y Johnson (JNJ). A continuación están los rendimientos
promedio y las varianzas-covarianzas mensuales de mayo de 1986 a abril del 2016:
20.7. PROBLEMAS 153
XOM MSFT JNJ CRSP

Media 0, 00970 0, 01796 0,01103 0,00885
XOM MSFT JNJ CRSP
XOM 0, 00225 0, 00121 0, 00089 0, 00109
MSFT 0, 00121 0, 00971 0, 00166 0, 00253
JNJ 0, 00089 0, 00166 0, 00322 0, 00129
CRSP 0, 00109 0, 00253 0, 00129 0, 00201
Fuente: Finance.yahoo.com, datos de mayo de 1986 a abril del 2016. Rendimientos
logarítmicos
 
516, 25 −43, 867 −120, 21
 
V −1 =  −43, 867 116, 65 −48, 131 
−120, 21 −48, 131 369, 11
a) Explique brevemente la lógica y resultados del test de Black Jensen y Scholes de
1972 £Porqué rechazaron estos autores tanto el CAPM de Sharpe y Lintner como
el CAPM de Black? £Le parece que el CAPM es entonces una teoría inservible?
b) Calcule la función de la frontera eőciente para esta economía, explicando cuál
es
q la cartera de mínima varianza. Calcule y explique el signiőcado económico de
D
C
para esta economía.
c) Calcule los pesos wq , media µq y desviación σq de la cartera ex-post eőciente.
Calcule el test GRS para esta economía, usando como m el índice CRSP. Explique
qué concluye del resultado de este test, si el valor crítico del mismo al 5 % es de
2,6299.
d ) Calcule la correlación entre la cartera ex-post eőciente q que usted encontró en (c)
y una cartera en la frontera eőciente con un rendimiento esperado del 0, 00885.
Calcule la correlación entre q y el índice CRSP (pista: CRSP está fuera de la
frontera eőciente).
3. En este problema la tasa libre de riesgo promedio de corto plazo anualizada es de
0,5360 %, y la economía está compuesta por tres acciones: BM W , DHL, y Rease-
guradora Munich (M U V G). En el cuadro están el número de acciones, el último
valor por acción, los rendimientos promedio y las varianzas-covarianzas mensuales
desde octubre del 2005 hasta junio del 2023 (inclusive). Los rendimientos y varianzas
covarianzas están expresados en puntos base
a) Explique brevemente la lógica y resultados de Fama y MacBeth (1973), explican-
do en cierto detalle cómo formaron las carteras de inversión.
b) Calcule la función de la frontera eőciente para una economía donde solo existen
las acciones BM W y DHL,y otra donde existen las tres acciones. Explique el
Cuadro 4. Rendimientos Mensuales 10.2005-06.2023: Medias y Varianzas-Covarianzas
BM W DHL M U V G
Nj 641,05 1198,74 137,64
PjT 107,48 43,98 326,90
µj 81,61 70,85 74,39
σji BM W DHL M U V G
BM W 68,98 35,09 23,94
DHL 35,09 62,15 17,50
M U V G 23,94 17,50 32,88
Nj en millones. PjT en EUR. µj y σji están en puntos base. Fuente: investing.com. Rendimientos simples
beneőcio de diversiőcación que se da cuando se pasa de 2 a 3 acciones (10 puntos).

Para la economía con las tres acciones, calcule la media y desviación estándar
de los rendimientos del índice de mercado ponderado por capitalización, que
llamaremos m.
c) Calcule los alfas y razones de Sharpe de las tres acciones y del índice, explicando
cuál es la mejor inversión para combinar con un activo sin riesgo, y explique si
esto tiene sentido (9 puntos). Calcule y comente los pesos de wq y haga el test
GRS para esta economía, usando el índice m. Explique qué concluye del resultado
de este test, si el valor crítico del mismo al 5 % es de 2,6476.
d ) Considere una economía donde, en términos anualizados rd = rf + 1,75 %. El
mercado está en la frontera eőciente y será llamado l. Se sabe que la cartera cl de
r +r
cero covarianza con el mercado tiene µcl = f 2 d . Para la economía con las tres
acciones, calcule wl , wcl y el SM L empírico.
20.8. Referencias
Business 45, no. 3 (1972): 444-455.
Black, Fischer., Jensen Michael, and Myron S. Scholes, łThe Capital Asset Pricing Model:
some empirical tests,ž en Studies in the Theory of Capital Markets, M. Jensen (editor),
Praeger, New York (1972).
Friend, Irwin, and Marshall Blume. "Measurement of portfolio performance under un-
certainty." The American Economic Review (1970): 561-575.
Blume, Marshall E., and Irwin Friend. "A new look at the capital asset pricing model."
torial Addison Wesley, 3ra edición, 1988: 195-219.
Fama, Eugene F., and James D. MacBeth. "Risk, return, and equilibrium: Empirical
tests." Journal of Political Economy 81, no. 3 (1973): 607-636.
Gibbons, Michael R., Stephen A. Ross, and Jay Shanken. "A test of the efficiency of a
given portfolio." Econometrica (1989): 1121-1152.
Kandel, Shmuel, and Robert F. Stambaugh. "On correlations and inferences about mean-
variance efficiency." Journal of Financial Economics 18, no. 1 (1987): 61-90.
Imre, Lakatos. "Falsiőcation and the methodology of scientiőc research programmes."
(1970).
Lo, Andrew W., and A. Craig MacKinlay. "Data-snooping biases in tests of őnancial
asset pricing models." The Review of Financial Studies 3, no. 3 (1990): 431-467.
Markowitz, Harry. "Portfolio selection." Journal of Finance 7, no. 1 (1952): 77-91.
Popper, Karl, 1935, Logik der Forschung, Viena, Julius Springer Verlag.
Popper, Karl, 1963, Conjectures and Refutations: The Growth of Scientific Knowledge,
Londres: Routledge.
Capítulo 21
CAPM de Consumo
La valoración de activos en base al consumo agregado fue desarrollado en primer lugar

por Rubinstein en 1976, y Breeden en 1979. Esta rama de las őnanzas se ha desarrollado
mucho, especialmente en macroeconomía. En este capítulo simplemente veremos una versión
del CAPM de consumo, con un esbozo del resultado de Breeden.
Considere una economía de intercambio de T periodos. Se puede pensar en los estados
őnales de la naturaleza como s, con una probabilidad homogénea de πs . Antes del periodo
őnal, se observan unos eventos st que pueden delimitar los estados s que őnalmente podrán
ser observados. El set de información disponible en el periodo t se llamará Ft .
Existen I consumidores con utilidades son separables. Existen J instrumentos complejos.
Cada instrumento genera un dividendo aleatorio de xjst y tiene un valor aleatorio de vjst .
Cuando analizamos los mercados completos, habíamos obtenido la siguiente condición entre
los precios puros y las utilidades marginales:
u′i (cis )
ps = πs
u′i (ci0 )
En una economía multiperiodo se obtiene una condición similar:
u′it [cist ]
pst = πst
u′it−1 [cit−1 ]
Esta condición debe aplicar para cada agente i Si hay un agente representativo, se usaría
una razón de utilidades marginales del consumo agregado. Para valorar un instrumento j,
P
simplemente usamos vjt−1 = st ϵSt (xjst + vjst )pst , que nos da el resultado de:

u′it [cist ]
vjt−1 = E (xjt + vjt ) | Ft−1
u′it−1 [cit−1 ]
Esto se puede simpliőcar un poco, ya que el rendimiento bruto del activo j está dado por
x +vjts
Rjts ≡ jts
vjt−1
, por lo que
1 = Et−1 [Dist Rjst ]

Esto se conoce como la ecuación de Euler. Cuando se supone la existencia de un agente
u′ [C ]
representativo, entonces la interpretación Dist ≡ u′ it [Cstt−1 ] es conocido como un factor de
it−1
descuento estocástico. Este factor es inobservable, ya que depende de la razón de utilidades
156
21. CAPM DE CONSUMO 157
marginales. Sin embargo, se puede identiőcar su valor esperado, ya que para un bono cupón
cero libre de riesgo entre t − 1 y t que tiene un rendimiento bruto őjo Rf t la ecuación de
Euler nos dice que:
1
1 = Et−1 [Dist Rf t ] = Rf t Et−1 [Dist ] → Et−1 [Dist ] =
Rf t
Es decir, Et−1 [Dist ] es el precio de un bono sin riesgo cero cupón. Para continuar con
la ecuación de Euler, usamos la deőnición de una covarianza como cov(X, Y ) = E[XY ] −
E[X]E[Y ] para obtener E[XY ] = cov(X, Y ) + E[X]E[Y ], por lo que:
E (Rjt )
1 = cov (Dist , Rjst ) + E (Dist ) E (Rjt ) = cov (Dist , Rjst ) +
Rf t
Queremos encontrar el rendimiento esperado del activo riesgoso j, que podemos despejar
de la ecuación de arriba:
(21.0.1) E(Rjt ) = Rf t − Rf t cov (Dist , Rjst )
La ecuación (21.0.1) tiene muy poco contenido empírico, ya que las utilidades no son
observables. Para obtener una relación en base al consumo agregado se puede emplear un
agente representativo y utilidades cuadráticas como hizo Rubinstein en 1976. Otra posibilidad
es usar rendimientos continuos lognormales, como hizo Breeden en 1979. A continuación haré
un esbozo de su resultado, que el lector interesado puede consultar directamente. En tiempo
continuo, las utilidades marginales se pueden escribir como:
u′i [ci (t)] ≈ u′i [ci (t − ∆)] + ∆ci u”i [ci (t − ∆)]
Donde ∆ci ≡ ci (t) − ci (t − ∆). Esto implica que:
u′i [ci (t)] ∆ci ci (t) − ci (t − ∆) ci (t − ∆) ci (t)

′
≈1− =1− =1+ −
ui [ci (t − ∆)] Ti (t − ∆) Ti (t − ∆) Ti (t − ∆) Ti (t − ∆)
u′
Donde Ti ≡ − uii” es la tolerancia al riesgo del periodo t − ∆. Note que los dos primeros
términos de la igualdad ya están predeterminados desde el punto de vista del periodo t. Esto
nos dice que

u′it [cit ] cov(cit , Rjt )
cov ′
, Rjt = −
uit−1 [cit−1 ] Ti
Aplicando este resultado a la ecuación 21.0.1obtenemos el rendimiento esperado del ins-
trumento j como:
21.2. DOS ACERTIJOS MACROFINANCIEROS 158

cov(cit , rjt ) Rf t
E(Rjt ) = Rf t + Rf t → Ti = cov(cit , Rjt )
Ti zjt
Donde zjt ≡ Rjt − Rf t . La suma de las tolerancias al riesgo de todos los agentes nos dan
el consumo agregado, es decir
I
X
Rf t
Ti ≡ T = cov(Ct , rjt )
i=1
zjt
Consideremos ahora una cartera m que representa al mercado. Para esta cartera también
obtenemos:

Rf t Rf t
T = cov(Ct , rmt ) = cov(Ct , rjt )
zmt zjt
Podemos ahora plantear el rendimiento esperado del activo j como:
cov(Ct , Rjt )
E(Rjt ) − Rf t = [E(Rmt ) − Rf t ]
cov(Ct , Rmt )
El lado derecho de la ecuación anterior se puede multiplicar y dividir por la covarianza
del consumo agregado para dar:
βjc
E(Rjt ) = Rf t + [E(Rmt ) − Rf t ]
βmc
cov(C ,R ) cov(Ct ,Rmt )
Donde βjc ≡ var(C
t jt
t)
y βmc ≡ var(Ct )
. Este es el CAPM de consumo, también
conocido como CCAP M.
21.1. Análisis empírico del CAPM de consumo
Breeden, Gibbons y Litzenberger calculan las betas de consumo para distintos tipos
de activos, que comparan con las betas de mercado y obtienen para 1929-1982 con datos
mensuales
1. Rechazan linearidad de rendimientos y βjc para todo el periodo, pero no en algún
subperiodo.
2. Comparando con Black Jensen y Scholes, encuentran que hay alfas negativas para
βjc altas.
3. Modelo de CCAPM aproximadamente similar al CAP M de Sharpe o de Black.
21.2. Dos acertijos macrofinancieros
Para entender los estudios de Mehra y Prescott (1985) y de Weil (1989), considere la
siguiente economía:
21.2. DOS ACERTIJOS MACROFINANCIEROS 159
Cuadro 1. Resumen de βjc y βj de 1929 a 1982 y 1926 a 1982
Activo β̂jc t(β̂jc ) β̂j t(β̂j )

Billetes del Tesoro −0,11 1,27 0,01 2,04
Bonos del Tesoro −0,01 0,02 0,07 4,93
Bonos corporativos 0,24 0,91 0,08 6,62
Bonos basura 2,45 6,85 0,33 20,45
Petróleo 4,31 6,37 0,92 38,63
Finanzas, bienes raíces 5,85 (6,30) 1,19 (75,95)
Bienes duraderos 6,86 (6,80) 1,29 (80,79)
Industrias básicas 5,45 (6,95) 1,09 (100,8)
Alimentos y tabaco 3,25 (5,69) 0,76 (58,15)
Construcción 7,36 (7,06) 1,20 (61,22)
Bienes de capital 5,31 (6,74) 1,08 (85,90)
Transporte 5,15 (4,97) 1,19 (49,04)
Utilities 3,73 (6,10) 0,75 (46,34)
Textiles 5,63 (7,84) 0,95 (48,73)
Servicios 4,21 (4,18) 0,80 (12,82)
Recreo 7,35 (6,95) 1,22 (49,82)
CRSP vw 4,92 (7,06) 1,00
Fuente: Breeden Gibbons y Litzenberger (1989), Cuadro II.
Agente representativo con utilidad separable y factor de descuento δ > 0, V =

PT −δt
t=0 e u(Ct )
′
Factor estocástico de descuento (stochastic discount factor o SDF ): Dt ≡ e−δ uu′ (C(Ct−1
t)
)
.
En mercados completos SDFt es único.
Ecuación de Euler: Si Rjt es el rendimiento bruto, entonces:
1 = Et−1 [Rjt Dt ] ≡ Et−1 [xt ]

Si suponemos que Rjt y Dt tienen una distribución conjunta lognormal. Si x es

lognormal, ln(x) ∼ N (µx , σx2 ), E(x) = exp µx + 21 σx2 lo que implica que lnE(x) =
µx + 12 σx2 . Si tomamos el logaritmo natural de la ecuación de Euler arriba, y deőnimos
x ≡ Rjt Dt , obtenemos:
1 2
0 = µj + µd + σi + σd2 + 2σjd
2
Donde rjt ≡ ln(Rjt ), dt ≡ ln(Dt ), µj ≡ Et−1 (rjt ), µd ≡ Et−1 (dt ), σj2 ≡ var(rjt ),
σd2 ≡ var(dt ), y σjd = cov(rjt , dt ).
Para el bono sin riesgo con rendimiento continuamente compuesto rf , por lo que
1
0 = rf + µd + σd2
2
21.3. RESULTADOS EMPÍRICOS TÍPICOS 160

1 2 1 2 Et−1 (Rjt )
µj − rf + σj + 2σjm = 0 →= µj + σj − rf ≡ ln ≈ zjt = −σjm
2 2 Et−1 (Rf t )
Como sabemos que ρjd ≥ −1 → −σjd ≤ σj σd y

1 Et−1 (Rjt )
σd ≥ ln ≈ SRj
σj Et−1 (Rf t )
La volatilidad del SDF debe ser mayor que la mayor razón de Sharpe de toda la
economía.
La utilidad de cada periodo es CRRA,
• permite que rf t y M RPt no cambien con niveles de Ct .
• Suponemos que ct son lognormales, y deőnimos σjc ≡ cov(∆ct , rjt )
γ
Ct1−γ − 1 −δ Ct−1
u(Ct ) = → Dt = e → dt = −δ − γEt−1 (∆ct ) → σjd = −γσjc
1−γ Ct
1 lnE(Rj ) − lnE(Rf ) zj
E(rj ) − rf + σj2 = γσjc → γ = ≈
2 σjc σj σc ρjc
21.3. Resultados Empíricos típicos
A continuación ser presentan los resultados que consideran al mercado, es decir, donde
j = m.
Cuadro 2. Estados Unidos, datos anuales, 1891-1998
µx σx
rmt 7, 169 18, 599
rf t 2, 020 8, 811
∆ct 1, 789 3, 218
Dividendos ∆divt 1, 516 14, 019
Correlaciones: horizonte τ : 0,25 1 2 4
ρ(∆ct , ∆divt ) 0,178 0,151 0,202 0,098
ρ(∆ct , rmt ) 0,452 0,491 0,396 0,138
ρ(∆divt , rmt ) 0,476 0,503 0,676 0,784
Fuente: Campbell (2003), Cuadros 1, 2 y 4.
Problema de prima de riesgo (Equity premium puzzle, Mehra y Prescott, 1985).

2
0, 07169 − 0, 0202 + (0,18599)
2 0, 0688
γ= = = 23, 407
0, 18599 × 0, 03218 × 0, 491 0, 0029
• El efecto es más fuerte en la posguerra (1947 a 1998) que para Estados Unidos
da un γ = 240,6
• Para otros países y periodos, cuando no da una γ < 0, el rango es de 23 hasta
1713. Mehra y Prescott consideran γ = 10 cómo un máximo plausible.
21.4. PROBLEMAS 161
• Rietz (1988) dice que existe un sesgo de sobrevivencia en el cálculo de µm − rf .

Problema de la tasa de interés (risk free rate puzzle, Weil 1989). rf debería ser muy
alto, a menos que δ sea anormal.

1 γ 2 σc2
rf = − µd + σd2 = δ + γµc − = δ + 0, 4184 − 0, 2837 = 0, 0202 → δ = −0, 1145
2 2
• Es decir, que los agentes preőeren esperar a recibir dinero hoy, lo que no tiene
sentido.
Shiller (1981), los dividendos son mucho menos volátiles que los precios accionarios.
Ante estos problemas empíricos de la valoración de activos por consumo, se han propuesto
una serie de respuestas:
1. Utilidades con formación de hábitos: de Campbell y Cochrane (1999): esto hace que
los agentes sean mucho más aversos en pérdidas que en ganancias y permite calcular
aversiones al riesgo.
2. Heterogeneidad: Constantinides y Duffie (1996) se apartan del modelo del agente
representativo y usan agentes heterogéneos. En un modelo con generaciones trasla-
padas, Garleanu y Panageas (2015) replican los resultados de Campbell y Cochrane
arriba mencionados. Cantillo (2019) usa un modelo sencillo con dos tipos de agentes
para separar el consumo agregado de la dotación de activos transados en los merca-
dos. Pohl et al. (2020) consideran heterogeneidad en las creencias de los agentes para
explicar los acertijos macro y microeconómicos de esta literatura.
3. Riesgos de largo plazo: Bansal y Yaron (2004) consideran una economía donde el
consumo tiene un componente predecible de largo plazo e incertidumbre acerca del
consumo, y en este ambiente también logran explicar los acertijos de la prima de
riesgo y de tasa libre de riesgo.
4. Desastres poco frecuentes. Barro (2006) desarrolla un modelo donde existen desastres
que ocurren con una muy pequeña probabilidad, y esto también explica algunos de
los resultados acerca de la prima por riesgo y las tasas de interés.
5. Explicaciones basadas en la psicología. Greenwood y Shleifer (2014) encuentran que
las expectativas de los inversionistas tienen importantes sesgos, y que la prima de
mercado es para compensar las sorpresas negativas de tales agentes. De la O y Myers
(2019) y Nagel y Xu (2020) presentan otros modelos basados en encuestas de los
inversionistas que son explican la problemática de los tests antes mencionados.
21.4. Problemas

21.4. PROBLEMAS 162
1. ____________ El CAPM de consumo se cumple sólo cuando hay utilidades

cuadráticas.
2. ____________ El resultado sobre el problema de la prima de riesgo (’equity
premium puzzle’) que encuentran Mehra y Prescott sólo aplica para el mercado de
Estados Unidos.
3. ____________ El valor esperado del factor estocástico de descuento es igual
al rendimiento de un bono cupón cero libre de riesgo.
4. ____________ El problema del CCAPM es que no debería usarse el factor
estocástico de descuento para valorar activos.
5. ____________ De acuerdo al CCAPM, el βmc = 1.
6. ____________ Un activo riesgoso que tenga cero correlación con el factor
estocástico de descuento tiene un rendimiento esperado igual a la tasa libre de riesgo.
7. ____________ El problema de la tasa de interés (risk free rate puzzle) es que
encuentra que δ debe ser demasiado alto para justiőcar las tasas de interés libres de
riesgo observadas.
8. ____________ Un activo que actúa como un seguro tiene correlación positiva
con el factor estocástico de descuento.
9. ____________ Para que el CAPM de consumo se cumpla es necesario que
haya un solo agente.
10. ____________ Por lo general se encuentra que βjc < βj .
11. ____________ El factor estocástico de descuento puede ser negativo.
21.4.2. Problemas.
1. En este problema la tasa libre de riesgo mensual es rf = 0,0008, y la economía está
compuesta por tres acciones: Adidas (ADS), Henkel (HNKG) y Bayer (BAYG). A
continuación están los rendimientos promedio y las varianzas-covarianzas mensuales
desde diciembre del 2005 hasta agosto del 2016:
ADS HNKG BAYG

µi 0, 0123 0, 0121 0,0094
σij ADS HNKG BAYG
ADS 0, 00606 0, 00256 0, 00253
HNKG 0, 00256 0, 00350 0, 00205
BAYG 0, 00253 0, 00205 0, 00452
Fuente: Finance.yahoo.com, datos de diciembre del 2005 a setiembre del 2016.
Rendimientos logarítmicos

21.4. PROBLEMAS 163
 
259, 04 −142, 76 −80, 112
 
V −1 =  −142, 76 468, 08 −132, 90 
−80, 112 −132, 90 326, 75
a) Explique brevemente el CCAPM, y en qué se parece y en qué es diferente del
CAPM de Sharpe.
b) Calcule la función de la frontera eőciente para esta economía, explicando cuál es
la cartera de mínima varianza. Calcule los pesos wj de la cartera que está en la
frontera eőciente y tiene una media de µj = 0,0012 (5 puntos). Calcule los pesos
de la cartera wcj de la frontera eőciente que tiene cero covarianza con wj .
c) El índice de mercado m está compuesto de Adidas en un 20, 56 %, de Henkel
en un 30, 01 % y de Bayer en un 49, 43 %. Calcule la media µm y desviación
estándar de éste índice. Calcule el beta de Adidas. Calcule los pesos wq , media
µq y desviación σq de la cartera ex-post eőciente. Calcule el test GRS para esta
economía, usando el índice m anteriormente descrito. Explique qué concluye del
resultado de este test, si el valor crítico del mismo al 10 % es de 2,1278.
d ) Suponga que hay una economía donde todos los rendimientos tienen una distri-
bución normal, y dónde los agentes tienen preferencias en que más es preferido a
menos, y donde una cosa segura es preferida a una lotería con el mismo valor es-
perado. Explique qué curvas de indiferencia llevarían a que la cartera de mercado
sea la de mínima varianza, y qué implicaría acerca de la aversión al riesgo de los
agentes. £Cuál sería el beta de las carteras que están en la frontera eőciente en
esta situación?.
2. En este problema la tasa libre de riesgo promedio a un mes mensualizada es de
20,87 puntos base, y la economía está compuesta por tres acciones: Analog Devices
(ADI), EOG Resources (EOG), y Progressive Corporation (PGR). En el cuadro están
el número de acciones, el último valor por acción, los rendimientos promedio y las
varianzas-covarianzas mensuales desde noviembre del 1989 hasta noviembre del 2022
(inclusive). Los rendimientos y varianzas covarianzas están expresados en puntos base
a) Explique qué es y para qué sirve la ecuación de Euler, y lo que se sabe acerca del
factor estocástico de descuento (también llamado SDF por sus siglas en inglés)
Explique el concepto de la log linearización y los factores que afectan al logaritmo
natural del SDF con un agente representativo que tiene utilidades separables
CRRA y un descuento en el tiempo de e−δt .
b) Calcule la función de la frontera eőciente para esta economía, y los datos de la
cartera M V P (8 puntos). Calcule la media y desviación estándar de los rendi-
mientos del índice de mercado ponderado por capitalización, que llamaremos m
. Calcule los betas de estas tres acciones y analice las diferencias entre wm y wq
21.4. PROBLEMAS 164
ADI EOG P GR
Nj 509,30 587,40 585,07
PjT 171,91 141,93 132,15
µj 200,64 165,29 169,86
σji ADI EOG P GR
ADI 142,45 34,70 20,45
EOG 34,70 117,48 21,01
P GR 20,45 21,01 66,92
Nj en millones. PjT en USD. µj y σji están en puntos base. Fuente: finance.yahoo.com. Rendimientos
simples
y sus implicaciones . Usando el test GRS para esta economía, calcule cuál es el
valor SRj de una proxy de mercado que rechazaría el CAPM de Sharpe si el valor
crítico del mismo al 5 % es de 2,6277 .
c) Suponga rf < rd y que el mercado (que llamaremos l) está en la zona dominante
de la frontera eőciente, y que tiene la misma varianza que la cartera m encontrada
en (b). Calcule los pesos de wl y wcl y el SM L empírico de esta economía.
d ) Suponga ahora que hay rendimientos brownianos geométricos y un agente re-
presentativo con utilidad CARA, y que el consumo agregado está dado por
Cit = C +0,4r̃mt . Calcule las betas de consumo de las tres acciones y del mercado.
3. En este problema la tasa libre de riesgo promedio de corto plazo mensual es de 1.31
puntos base y la economía está compuesta por tres acciones: Sony (6758), Tokyo
Electron (8035), y Fast Retailing (9983), que son dueños de Uniqlo. En el cuadro
están el número de acciones, el último valor por acción, los rendimientos promedio y
las varianzas-covarianzas mensuales desde enero del 2009 hasta noviembre del 2023
(inclusive). Los rendimientos y varianzas covarianzas están expresados en puntos base
Empresa 6758 8035 9983

Nj 1230,82 462,82 306,67
PjT 12820 24025 37490
µj 156,96 188,38 169,86
σji 6758 8035 9983
6758 104,36 50,16 29,83
8035 50,16 130,12 19,64
9983 29,83 19,64 99,13
Nj en millones. PjT en JPY. µj y σji están en puntos base. Fuente: investing.com. Rendimientos simples
a) Explique qué es la log linearización en la valoración de activos, para qué sirve, y

los límites que encuentra Robert Shiller al factor estocástico de descuento.
b) Calcule la función de la frontera eőciente para esta economía, y los datos de la

cartera M V P (10 puntos). Calcule la media y desviación estándar de los rendi-
mientos del índice de mercado ponderado por capitalización, que llamaremos m
(4 puntos). Calcule los alfas y betas de estas tres acciones.
c) Considere una economía donde rd > rf , y el mercado tiene la media del punto
(b) pero está en la frontera eőciente y será llamado l. Calcule wl , wcl y el SM L
empírico, explicando sus resultados.
d ) Calcule el test GRS usando como proxy del mercado el índice m calculado en
(b), y explique los resultados, suponiendo que el valor crítico es de 2,6138 (5
puntos). Suponga que SRm y SRq se mantienen constantes independientemente
del número de meses, £cuál sería el número de meses necesarios para rechazar la
hipótesis de igualdad entre SRm y SRq , usando el valor crítico de 2,6138?
21.5. Referencias
Bansal, Ravi, and Amir Yaron. "Risks for the long run: A potential resolution of asset
pricing puzzles." The Journal of Finance 59, no. 4 (2004): 1481-1509.
Barro, Robert J. "Rare disasters and asset markets in the twentieth century." The Quar-
terly Journal of Economics 121, no. 3 (2006): 823-866.
Breeden, Douglas T. "An intertemporal asset pricing model with stochastic consumption
and investment opportunities." Journal of financial Economics 7, no. 3 (1979): 265-296.
Breeden, Douglas T., Michael R. Gibbons, and Robert H. Litzenberger. "Empirical tests
of the consumption-oriented CAPM." The Journal of Finance 44, no. 2 (1989): 231-262.
Campbell, John Y. "Consumption-based asset pricing." Handbook of the Economics of
Finance,Constantinides, Harris y Stulz (eds.), Elsevier. 1 (2003): 803-887.
Campbell, John Y. Financial Decisions and Markets: a Course in Asset Pricing, Prin-
ceton University Press, 2017.
Cantillo, Miguel. "Asset Pricing with Heterogenous Agents and Non-Tradeable Assets"
SSRN Working Paper (2019).
Constantinides, George M., and Darrell Duffie. "Asset pricing with heterogeneous con-
sumers." Journal of Political Economy 104, no. 2 (1996): 219-240.
De la O, Ricardo, and Sean Myers. "Subjective Cash Flow and Discount Rate Expecta-
tions." (2019).
Gârleanu, N. and Panageas, S., 2015. Young, old, conservative, and bold: The implications
of heterogeneity and őnite lives for asset pricing. Journal of Political Economy, 123(3),
pp.670-685.
Greenwood, Robin, and Andrei Shleifer. "Expectations of returns and expected returns."
The Review of Financial Studies 27, no. 3 (2014): 714-746.
Mehra, Rajnish, and Edward C. Prescott. "The equity premium: A puzzle." Journal of
Monetary Economics 15, no. 2 (1985): 145-161.
Nagel, Stefan, and Zhengyang Xu. Asset pricing with fading memory. No. w26255. Na-
tional Bureau of Economic Research, 2020.
Pohl, Walter, Karl Schmedders, and Ole Wilms, łAsset Pricing with Heterogeneous
Agents and Long-Run Risk.ž Working paper, (2020)
Rubinstein, Mark. "The valuation of uncertain income streams and the pricing of op-
tions." The Bell Journal of Economics (1976): 407-425.
Shiller, Robert J. "Do Stock Prices Move Too Much to be Justiőed by Subsequent Chan-
ges in Dividends?." The American Economic Review 71, no. 3 (1981): 421-436.
Weil, Philippe. "The equity premium puzzle and the risk-free rate puzzle." Journal of
Monetary Economics 24, no. 3 (1989): 401-421.
Capítulo 22
APT e implementaciones multifactores
22.1. APT de Ross (1976)
El modelo de mercado de Markowitz más el CAPM de Sharpe y Lintner nos había dado:
r̃jt = (1 − βj )rf t + βj r̃mt + εit = rf t + βj z̃mt + εi

Ross propone un modelo más general, donde existen k factores z̃kt k = 1, ..K:
K
X
r̃jt = aj + βjk z̃kt + εjt
k=1
El coeőciente βjk es el efecto
h del factor ij en el rendimiento de la empresa j. Ross explica
PK
que si εjt = 0 entonces aj = 1 − k=1 βjk rf , análogo a lo encontrado en el CAPM, pero
por un argumento de no arbitraje, a saber: (a) Compro wjk = βjk de cada factor k. (b)
P PK
Compro wi0 = 1 − K k=1 w jk = 1 − k=1 βjk en el activo libre de riesgo. La cartera sintética
rinde
" K
# K
X X
r̃st = 1 − βjk rf + βjk z̃kt
k=1 k=1
hi PK
Si no hay rendimiento idiosincrático y aj ̸= 1 − k=1 βjk rf entonces hay oportunidad
de arbitraje. Cuando hay rendimiento idiosincrático, entonces
K
X k
X
r̃jt ≈ rf t + βjk z̃kt → zj ≈ βjk zk
k=1 j=1
PK
Donde zk ≡ E(z̃k ) y zj ≡ E(rj ) − rf . Además, zj − k=1 βjk zk ≤ L y L = si Resi R σε2i ,
donde si es la proporción de la riqueza invertida en el activo i, σε2i es la varianza del riesgo
idiosincrático del activo i, y R es el supremo de la aversión relativa al riesgo, es decir, que
′′ (w)
para todo inversionista, − wuu′ (w)
< R. En una economía grande tenemos que si → 0.
22.2. El modelo multifactor en mercados completos
Podemos llegar a un resultado parecido al de Ross cuando hay mercados completos.

Empezamos con la ecuación de Euler que calcula los rendimientos brutos de cualquier activo,
R̃j :
167
22.3. ESPECIFICACIÓN FAMA FRENCH CARHART (FFC) 168
E(R̃jt D̃it ) = Cov(R̃jt , D̃it ) + E(R̃jt )E(D̃it ) = 1

u′it (c̃it )
Donde D̃it ≡ u′ (cit−1 ) es el factor estocástico de descuento (SDF ). Podemos reagrupar
it−1
la ecuación de arriba como:
" #
D̃it 1
Cov R̃jt , + E(R̃jt ) =
E(D̃it ) E(D̃it )
Esto se puede simpliőcar un poco más, ya que el activo sin riesgo no tiene covarianza con
el SDF y por tanto Rf t = E(D̃1 ) . Aparte de esto, deőnimos Ỹit ≡ E(D̃D̃it ) , note que E(Ỹit ) = 1.
it it
La ecuación de Euler se convierte en
E(R̃jt ) − Rf t = E(r̃jt ) − rf t ≡ zj = −cov(R̃jt , Ỹit ) = −cov(r̃jt , Ỹit )

Donde r̃jt y rf t son los rendimientos simples el activo j y del instrumento libre de riesgo.
Suponga ahora que el SDF es linear en una serie de factores k = 1, ..., K, de manera que
P
Ỹit = 1 + K k=1 (zk − z̃kt ). Dado esto, la ecuación de Euler de arriba se convierte en :
K
X K
X
zj = cov(r̃jt , z̃kt ) = βjt zk
k=1 k=1
cov(r̃jt ,z̃kt )
Donde βjk ≡ zk
es una medida de la sensibilidad del rendimiento rj al factor z̃k .
22.3. Especificación Fama French Carhart (FFC)
En Fama y French (1993) y Carhart (1997) se especiőcan un total de tres factores, aparte
del mercado, que tienen relevancia estadística en Estados Unidos:
1. Cartera de mercado menos una tasa libre de riesgo, con rendimiento en exceso de z̃mt
2. Cartera SM B (small minus big), donde compra una sub-cartera S de empresas pe-
queñas menos una sub-cartera B de empresas grandes con un costo neto de cero. El
punto de corte es la mediana de empresas. Tiene un rendimiento z̃st
3. Cartera HM L (high minus low). Se ordenan las empresas de mayor a menor de
acuerdo a la razón de valor en libros entre valor de mercado (Book to Market o
B/M). Se forma una cartera autoőnanciada donde se compra una cartera H del 30 %
de empresas con la razón B/M más alta (llamados ’value stocks’), y se le resta una
cartera L con el 30 % de empresas con el B/M más bajo (llamados ’growth stocks’).
Tiene un rendimiento z̃vt
4. Cartera M OM , (momentum), donde se compra la cartera W con el 30 % de las
empresas que tuvieron el rendimiento más alto, menos una cartera l con el 30 % de
las empresas que tuvieron los rendimientos más bajos. Tiene un rendimiento z̃momt
El rendimiento de una empresa es
22.4. CÁLCULO COSTO DE CAPITAL, EJEMPLO COCA COLA 169
zj = βjm zm + βjs zs + βjv zv + βjmom zmom

Donde βij es coeőciente de la siguiente regresión multivariada:
z̃jt = αj + βjm z̃ mt + βjs z̃st + βjv z̃vt + βjmom z̃momt + εjt

A continuación tenemos los rendimientos promedios de cada factor de 1927 al 2015. y el
rendimiento de McDonald’s usando el FFC y el CAPM de Sharpe y Lintner
Cuadro 1. Ejemplo de cálculo de costo de capital de McDonald’s
Factor Media % MCD CAPM FFC

1927-2020 2010-2015
zm 0,6435 βm 0, 54 0, 687
zs 0,2156 βs −0, 299
zv 0,3857 βv −0, 156
zmom 0, 6860 βmom 0, 123
E(zj ) 0, 3474 % 0, 4018 %
20
2015.12 rf a = 2,67 % rf m 0,2198 % 0,2198 %
12
[1 + E(rj )] − 1 7,0200 % 7,7200 %
Fuente: Kenneth French
http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html, Estimadores
tomados de Berk y Demarzo (2015), p. 464-465
Fuente: Kenneth French http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html,
Estimadores tomados de Berk y Demarzo (2015), p. 464-465
22.4. Cálculo Costo de Capital, Ejemplo Coca Cola
Para este ejemplo, bajamos los precios de las acciones de Coca Cola de Yahoo Finan-
ce, y los factores de investigación de la página de Ken French. En este ejemplo tenemos
rendimientos de mayo del 2010 a abril del 2021.
22.4.1. CAPM de Sharpe. Primero corremos el modelo de mercado donde:

Los resultados son los siguientes
A continuación corremos la implementación Fama French Carhart iterativamente:
zjt = αj + βjm zmt + βjs zst + βjv zvt + βjmom zmomt + εjt
El valor promedio de los factores es el siguiente:
El rendimiento en exceso mensual (en puntos base) para el CAPM
22.4. CÁLCULO COSTO DE CAPITAL, EJEMPLO COCA COLA 170
Cuadro 2. Estimación modelo de Mercado, Coca Cola Co. 2010:05-2021:04
R2 0,25419
T 132
AIC −486,8211
α̂j 0,00225
(0,6319)
β̂j 0,52149
(5,4700)
Fuentes zj y zm de Yahoo Finance y
https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html. Estadísticos t calculados
con errores robustos.
Cuadro 3. Estimación modelo de Mercado, Coca Cola Co. 2010:05-2021:04
R2 0,4326 0,4226
T 132 132
AIC −516,9127 −518,6142
α̂j 0,00095 0,00061
(0,3255) (0,1903)
β̂jm 0,70130 0,69193
(8,9650) (7,8300)
β̂js −0,79869 −0,79393
(5,391) (5,5650)
β̂jv 0,17156
(0,9198)
β̂jmom 0,11364
(0,9028)
Fuentes zj y zm de Yahoo Finance y
https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html. Estadísticos t calculados
con errores robustos.
Cuadro 4. Valor promedio de factores de investigación con datos mensuales

1926-2021, en puntos base
Factor pb
zm 68,82
zs 20,45
zv 34,10
z mom 63,80
Fuente https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html.
E(zjm ) = 0,5214 × 68,82pb = 35,88pb = 0,003588

El costo de capital sería el rendimiento libre de riesgo más la prima. Para este ejemplo
tomemos un rf de 20 años, que para el 15 de julio del 2021 es de 1,85 % anual , de manera
que en datos mensualizados sería de 15,29 puntos base. A
E(rjm ) = 15,29pb + 35,88pb = 51,17pb = 0,005117

Para anualizar este resultado, tenemos que
E(rja ) = (1 + E(rjm ))12 − 1 = 0,06316

es decir un 6,316 %.
En el caso de la implementación Fama French Carhart con los factores signiőcativos,
tenemos
E(zjm ) = 0,7013 × 68,82 − 0,7987 × 20,45 = 31,93pb = 0,003193
E(rjm ) = 15,29pb + 31,93pb = 47,22pb = 0,004722
E(rja ) = (1 + E(rjm ))12 − 1 = 0,05816

es decir, un 5,816 %. La diferencia en el costo de capital anualizado es de 50 puntos base,
una cantidad relativamente pequeña.
Para el crecimiento esperado usamos la fórmula de la perpetuidad:
∞
X EP St+1 (1 + g)τ −1 EP St+1 EP St+1
Pt = = →g=r−
τ =1
(1 + r)τ r−g Pt
Ahora, sabemos que EPPStt+1 es el llamado forward looking price earnings ratio. Para Coca
Cola al 15 de julio del 2021, el estimado de los EP S2022 era de $2,36 de acuerdo a Yahoo
Finance, y el precio era de 56,44, por lo que EPPStt+1 = 0,04181 o el 4,181 %. Entonces, el
crecimiento esperado usando el CAP M sería de g = 6,316 % − 4,181 % = 2,134 %. Según
el modelo FFC sería de g = 5,816 % − 4,181 % = 1,635 %, que ambos están debajo de la
inŕación predicha a 20 años según el TIPS, de 2,43 %.
22.5. Ejercicios

√
1. ____________ Donŕamingo tiene una función dada por w + 1, por lo que la
teoría APT puede aplicar para él.
2. ____________ El factor ’valor’ zv de Fama French Carhart se forma a partir

de una cartera autoőnanciada que invierte en empresas con buen desempeño y vende
al descubierto empresas grandes.
3. ____________ En la implementación FFC del APT, los factores son ortogo-
nales entre sí.
4. ____________ Que una empresa tenga una carga de factor (’factor loading’)
de βmom = −0,5 implica que le fue muy bien en el año anterior.
5. ____________ Los resultados empíricos dicen que por el factor de momentum,
las empresas con alto q de Tobin tienen mejores rendimientos futuros que las empresas
con bajos q de Tobin.
6. ____________ Para que el APT funcione, es necesario que las utilidades sean
CARA.
7. ____________ Una empresa con un factor de carga positiva en zs es una
empresa pequeña.
P
8. ____________ Ceteris paribus, conforme aumenta el múltiplo EP Sjtjt+1 se espera
un menor crecimiento de esa empresa.
9. ____________ Todos los factores de la implementación FFC son carteras auto-
őnanciadas.
10. ____________ El factor zmom sería positivo sólo si la razón de varianzas de
todas las acciones en todos los horizontes fuera menor a uno.
11. ____________ El rendimiento esperado usando el modelo FFC siempre es
mayor que el rendimiento esperado usando el CAPM de Sharpe.
22.5.2. Problemas.
1. Acciones de Francia: En este problema la tasa libre de riesgo mensual es rf = 0,00094,
y la economía está compuesta por tres acciones: Airbus (AIR.PA), Carrefour (CA.PA)
y Peugot (UG.PA). A continuación están los rendimientos promedio y las varianzas-
covarianzas mensuales desde mayo del 2007 hasta abril del 2017:
AIR CA UG
µi 0, 01425 −0, 00447 0,00111
σij AIR CA UG
AIR 0, 00923 0, 00258 0, 00378
CA 0, 00258 0, 00525 0, 00410
UG 0, 00378 0, 00410 0, 01621
Fuente: Finance.yahoo.com, datos de mayo del 2007 a abril del 2017. Rendimientos sencillos

 
129,52 −50, 014 −17, 565
 
V −1 =  −50, 014 256, 42 −53, 194 
−17, 565 −53, 194 79, 255
a) Explique brevemente qué papel juega el rendimiento de mercado en los modelos
multifactores. El índice de mercado m está compuesto de Airbus en un 54 %,
de Carrefour en un 16, 17 % y de Peugot en un 29, 83 %. Calcule la media µm y
desviación estándar de éste índice.
b) Calcule la función de la frontera eőciente para esta economía y explique qué le
pasaría a la cartera de mínima varianza si añadiéramos una acción adicional.
c) Calcule los betas de estas tres acciones, y explique cuál tiene menos riesgo de
mercado. Calcule los alfas de estas tres acciones, y explique si en este caso se
cumple lo encontrado por Black Jensen y Scholes.
d ) Calcule el test GRS para esta economía, usando el índice m descrito en (1).
Explique qué concluye del resultado de este test, si el valor crítico del mismo al
30 % es de 1, 26. Explique qué características del test hacen que el valor crítico
sea mucho mayor que el 5 % usual.
e) Suponga que en la economía no existe un activo libre de riesgo, y que un agente
tiene preferencias cardinales cuadráticas que generan una utilidad esperada V =
µ − 0, 95(σ 2 + µ2 ). Calcule los pesos de la cartera que ese agente escogería en la
economía que estamos analizando.
2. En este problema la tasa libre de riesgo promedio a un mes mensualizada es de 8,28
puntos base, y la economía está compuesta por tres acciones: Macdonalds (MCD),
Bank of America (BAC), y Oracle (ORCL). En el cuadro están el número de acciones,
el último valor por acción, los rendimientos promedio y las varianzas-covarianzas
mensuales desde junio del 2017 hasta mayo del 2022 (inclusive):
M CD BAC ORCL
Nj 0,7396 8,0400 2,6600
PjT 250,82 36,99 71,60
µj 1,1802 % 1,3807 % 1,0908 %
σji M CD BAC ORCL
M CD 0,00241 0, 00139 0, 00100
BAC 0, 00139 0, 00713 0, 00292
ORCL 0, 00100 0, 00292 0, 00381
Nj en miles de millones. PjT es en USD. Fuente: őnance.yahoo.com, datos de 06.2017 a
05.2022. Rendimientos simples
a) Explique brevemente el concepto de arbitraje, los tres tipos que se han visto en
clase, con un ejemplo de los usos vistos en clase para cada tipo. Explique cuál de
los tipos de arbitraje se usan para el APT, y qué supuestos adicionales requiere.
b) Calcule la función de la frontera eőciente para esta economía (5 puntos). Calcule la
media y desviación estándar de los rendimientos del índice de mercado ponderado
por capitalización, que llamaremos m (4 puntos). Calcule los alfas, los betas y
las razones de Sharpe de estas tres acciones (6 puntos). Calcule los pesos de wq y
haga el test GRS para esta economía, usando el índice m. Explique qué concluye
del resultado de este test, si el valor crítico del mismo al 5 % es de 2,7694
c) Suponga ahora que el mercado está en la frontera eőciente, a 9 puntos base por
encima de la cartera de mínima varianza. Calcule los pesos de wm y wcm y el
SML empírico de esta situación.
d ) El cuadro de abajo muestra las cargas de factor de las tres acciones, y el promedio
de los factores para distintos periodos. Las tasas libres de riesgo al 25.07.2022
eran de 2,14 % a un mes, 2,62 % a tres meses, 2,81 % a 10 años y 3,28 %a 20 años.
Calcule el costo de capital anual para estas tres acciones.
Cuadro 7. Cargas de Factor 2017.06-2022.05
βjk M CD BAC ORCL z k , p.b. z k , p.b.

De 2017 : 06 2017 : 06 2017 : 06 1927 : 01 2017 : 06
Hasta 2022 : 05 2022 : 05 2022 : 05 2022 : 05 2022 : 05
βjm 0,6312 1,3416 0,9019 67,71 65,28
βjs −0,6870 −0,5411 18,92 21,13
βjv −0,8745 35,97 38,06
βjmom 64,41 66,00
22.6. Referencias
Berk, Jonathan B., and Peter M. DeMarzo. Corporate finance. Pearson Education, 2016.
Carhart, Mark M. "On persistence in mutual fund performance." The Journal of Finance
52, no. 1 (1997): 57-82.
torial Addison Wesley, 3ra edición, 1988: 219-230
Fama, Eugene F., and Kenneth R. French. "Common risk factors in the returns on stocks
and bonds." Journal of Financial Economics 33, no. 1 (1993): 3-56.
Griffin, John M. "Are the Fama and French factors global or country speciőc?." The
Review of Financial Studies 15, no. 3 (2002): 783-803.
Ross, Stephen A. "The arbitrage theory of capital asset pricing." Journal of Economic
Theory 13, no. 3 (1976): 341-360.
Capítulo 23
El Zoológico de Factores
23.1. El desarrollo de las finanzas empíricas a partir de Fama y French
Descubrimiento de factores nuevos

Cuadro 1. ’Descubrimiento’ anual de factores
Periodo Factores por año Factores Acumulados
1980-1991 1 12
1992-2003 5 72
2004-2012 18 234
Fuente: Harvey, Liu y Zhu (2016)
Ioannidis (2005): la probabilidad de que un descubrimiento de investigación sea cierto

depende
• 1 − β es el poder de un test, es decir, que si es cierto, soy capaz de demostrarlo
estadísticamente. β es el error tipo II, es decir, que siendo cierta la hipótesis, no
puedo descubrirla
• La probabilidad a priori de que el resultado sea verdadero.
• El poder estadístico del test (el error tipo II es minimizado con el análisis)
• El nivel de signiőcancia estadístico (el error tipo I es muy bajo).
Resultados
• Estudios pequeños (β bajo) disminuye el P P V .
• El β es alto para estudios con efectos muy pequeños, lo que disminuye el P P V.
• R muy bajos, por ejemplo cuando no hay teorías que guíen los estudios, tendrán
P P V muy bajos.
• Demasiada ŕexibilidad, que permite u, disminuyen los P P V. Por ejemplo, Hou
et al (2020) demuestran que la mayoría de las anomalías se debe a dar peso en
exceso a muestras con empresas diminutas (Microcaps, que representan menos
del 3 % de la muestra y 60 % de las acciones), y por uso de deciles que no usan
los cortes del NYSE para Estados Unidos.
• Si hay demasiados incentivos őnancieros y no pecuniarios, esto aumenta el u y
disminuye la tasa de descubrimientos verdaderos, PPV. Si además existen ex-
pertos que están interesados en mantener el status quo, esto suprime verdaderos
descubrimientos y perpetua falsos dogmas.
175
23.2. CORRECCIÓN DE T-ESTADÍSTICOS PARA TOMAR EN CUENTA HUSMEO DE DATOS 176
Cuadro 2. Descubrimientos investigativos y verdaderas relaciones
Descubrimiento Relación
Si No Total
c(1−β)R cα c(α+(1−β)R)
Si R+1 R+1
/(R + 1) R+1
cβR c(1−α) c(1−α+βR)
No R+1 R+1 R+1
cR c
Total R+1 R+1
c
(1−β)R
PPV P P V = α+(1−β)R
Descubrimiento Relación Con sesgo
Si No Total
cR((1−β)+uβ) c(α+u(1−α)) c(α+u(1−α)+R((1−β)+uβ))
Si R+1 R+1 R+1
(1−u)cβR (1−u)c(1−α) c(1−u)(1−α+βR)
No R+1 R+1 R+1
cR c
Total R+1 R+1
c
R((1−β)+uβ)
P P V = α+u(1−α)+R((1−β)+uβ)
Descubrimiento Relación n grupos estudiando lo mismo
Si No Total
c(1−β n )R c[1−(1−α)n ] c(1−(1−α)n +(1−β n )R)
Si R+1 R+1 R+1
cβ n R c(1−α)n c((1−α)n +β n R)
No R+1 R+1 R+1
cR c
Total R+1 R+1
c
(1−β n )R
P P V = 1−(1−α) n +(1−β n )R
PPV = positive predictive power, proporción de descubrimientos que si constituyen una verdadera relación.
R
R tasa entre relaciones verdaderas y ausencia de relacionesP rob(V erdadera) = R+1 . Poder del test =
1 − β, Error tipo II β. Error tipo I: α. Número de relaciones estudiadas en la disciplina: u tasa de estudios
manipulados que no hubieran sido descubiertos estadísticamente, pero fueron alterados para serlo. n
número de grupos independientes estudiando el mismo fenómeno. Fuente: Ioannides (2005).
• En áreas de estudio muy populares, donde el n es alto, hay menos descubrimientos

verdaderos P P V.
La Probabilidad de que haya más resultados falsos que verdaderos se da si (1 −
β)R > α
Sesgo: proporción de resultados de análisis u que no se debieron presentar, ya que
tienen elementos de manipulación.
23.2. Corrección de t-estadísticos para tomar en cuenta husmeo de datos
Para analizar el husmeo de datos, considere la siguiente taxonomía:

Estudios H0 no rechazado H0 rechazado Total
H0 Cierta N0|a N0|r N0
H0 Falsa N1|a N1|r N1
Total N −R R N
N0|r
• El error tipo I es el de rechazar H0 siendo cierta, α ≡ N0
.
23.2. CORRECCIÓN DE T-ESTADÍSTICOS PARA TOMAR EN CUENTA HUSMEO DE DATOS 177
Cuadro 3. Ejemplo Modelo Ioannides
Si No Total
Si 33 66 99
No 33 1246 1279
Total 66 1312 1378
PPV 0,3333
c = 1378, R = 0, 05, β = 0, 50 α = 0, 05
Si No Total
Si 36 190 226
No 30 1122 1152
Total 66 1312 1378
PPV 0,1593
c = 1378, R = 0, 05, β = 0, 50 α = 0, 05 u = 0, 10
Si No Total
Si 64 297 363
No 2 1015 1017
Total 66 1312 1378
PPV 0,1763
c = 1378, R = 0, 05, β = 0, 50 α = 0, 05 n = 5
Si No Total
Si 66 398 464
No 0 914 914
Total 66 1312 1378
PPV 0,1422
c = 1378, R = 0, 05, β = 0, 50 α = 0, 05 n = 5, u = 0,1
N
• El error tipo II es el de no rechazar H0 , siendo falsa, β ≡ N1|a
1
.
• La proporción de descubrimientos falsos (’false discovery proportion’) es F DP ≡
N0|r
R
. La literatura en medicina y estadística busca reducir esto, p.e., estableciendo
una tasa γ tal que P (F DP > γ) ≤ α. Analizamos el método de Benjamini,
Hochberg y Yekutieli (BHY ).
• Pueden haber factores estadísticamente signiőcativos, sin husmeo de datos, pero
que son económicamente insigniőcativos.
Veamos un ejemplo usando datos y estimadores de Harvey et al. (2016):
23.3. HACKEO DE VALORES P 178
Estudios No publicados Publicados Total

H0 Cierta 526 86 612
H0 Falsa 536 230 766
Total 1062 316 1378
PPV
86
Aquí el F DP = 316 = 0,2722, el P P V = 1 − F DP = 0,7278 el error tipo I es
86
α = 612 = 0,1405 y el error tipo II es de β = 536
766
= 0,6997. De estos, son preocupantes
tanto el F DP como el α. El β se puede deber a que hay factores estadísticamente
signiőcativos, pero con poca relevancia económica. En realidad, la F DP puede ser
mucho más alta, ya que los artículos no publicados pueden ir desde 3160 hasta 6320,
usando una tasa de rechazo del 10 al 5 % en las revistas más importantes.
El método de BHY propone un t estadístico mínimo de 3 para publicaciones des-
pués del 2010, que además sube conforme pase el tiempo. Con esto, baja el F DP a
menos de 1 %. Por comparación, en física se usa un t estadístico de 5 para declarar
descubierto un nuevo tipo de partícula, p.e. el Higgs Boson. Esto implicaría un ni-
vel de conőanza en física de 99,99994 %. Usando como ejemplo de 12 factores muy
prominentes, Harvey et al. muestran como sólo sobrevivirían 5, a saber:
1. El mercado zmt ≡ rmt − rf
2. El factor HM L de Fama y French (1993) zvt ≡ rht − rlt
3. El factor M OM de Carhart (1997) zmomt = rwt − rlt
4. El factor DCG (durable consumption goods) de Yogo (2006)
5. El factor SRV (short run volatility) de Adrian y Rosenberg (2008)
En general, los factores deben tener un rendimiento en exceso mayor a 0, 55 % por
mes, o un 6, 6 % por año. Si estos factores tuvieran una volatilidad del 15 % anual,
implicaría una razón de Sharpe anual mínima de 0, 44 (0,13 mensual).
Una corrección de este tipo no sólo reduce el F DP sino que también permite a que
la teoría puede ceñirse en estudiar la razón por la que los factores signiőcativos son
así.
23.3. Hackeo de valores p
Hou et al (2020) replican 447 anomalías encontradas al 2017, excluyendo acciones llama-
das ’Microcaps’ que representan menos del 3 % del valor de las acciones, pero un 60 % de los
títulos. De estas, 286 desaparecen al ser replicadas, usando un 5 % de signiőcancia. Si se usa
como punto de corte un t estadístico de 3, 380 anomalías desaparecen.
Sólo 46 anomalías son signiőcantes con modelos q y de esos, sólo 13 con t-estadísticos
mayores a 3.
Encuentran que el factor momentum de Carhart es o insigniőcativo, o cercano a ello.
23.4. DESCUBRIMIENTO DE FACTORES SE DEGRADA EN EL TIEMPO 179
Cuadro 4. Número de anomalías por clases
Tipo Anomalías t < 1,96 α con t > 1,96 α con t > 3 PPV %
Momentum 57 20 9 2 3,509
Valor 68 37 6 0 0,000
Inversiones 38 11 7 3 7,894
Rentabilidad 79 46 9 3 3,797
Intangibles 103 77 11 4 3,883
Liquidez 102 95 4 1 0,980
Total 447 286 46 13 2,908
Fuente: Hou, Xue y Zhang (2017) La última columna reporta las anomalías con alfas
signiőcativos y mayores a 3, corridos contra un modelo q de tres factores.
Las variables que miden liquidez desaparecen especialmente, ya que sólo 7 de 102
variables sobreviven al análisis de replicación.
Modelo q: Tamaño, inversión, y rendimiento sobre patrimonio (ROE).
23.4. Descubrimiento de factores se degrada en el tiempo
McLean y Pontiff (2016) demuestran que, una vez publicado el descubrimiento de un

factor, este se degrada con el tiempo.
La caída total es de un 58 %
• Un 26 % es por husmeo de datos, es decir el factor es un 26 % menos potente
fuera de muestra pero antes de publicación. Husmeo de datos: encontrar patrones
estadísticamente signiőcativos sin especiőcar hipótesis ni causalidad.
• Un 32 % es por aprendizaje de los inversionistas, muchos aprenden ya cuando
está el working paper.
• Un 42 % del rendimiento se mantiene, ya sea porque reŕeja un riesgo verdade-
ro, hay costos de transacción relacionados a explotar el factor, o por razones
impositivas.
Cuadro 5. Factores FFC en el tiempo
Factor zm zs SM L zv HM L zmom M OM
’Descubrimiento’ 0.9.1964 06.1992 06.1992 03.1997
Periodo de estudio 1926-1965 1963-1990 1963-1990 1962-1990
x (1900-estudio) 0,612 % 0,175 % 0,739 % 0,605 %
x periodo estudio 0,863 % 0,237 % 0,464 % 0,846 %
x (estudio-2016) 0,484 % 0,211 % 0,252 % 0,489 %
1900-2016 0,641 % 0,204 % 0,466 % 0,652 %
1900-1926 0,612 % 0,152 % 1,179 % 0,547 %
1926-2016 0,650 % 0,211 % 0,388 % 0,666 %
Fuente: http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html. Datos a Setiembre
del 2016. Vargas (2016) para datos de 1900 a 1926.
23.5. HIPÓTESIS DE LOS FACTORES EMPÍRICOS DE FFC 180
Figura 1. Factores FFC 1911-2016
Figura 7: Tendencia de los cuatro factores a 10 años
Fuente: Elaboración propia

Fuente: Vargas (2016)
23.5. Hipótesis de los factores empíricos de FFC
Momentum
• Han habido dos ’crashes’ de momentum: en 1929 y en el 2008. Daniel y Moskowitz
(2016) y Barroso y Santa Clara (2015).
• En mercados menos eőcientes, el momentum es más importante. Cuando un
mercado tiene inversionistas menos informados, hay más momentum (Goetzmann
y Huang, 2016)
Factor HML (q de Tobin alta menos q de Tobin baja)
• EL HML representa un riesgo de duración de las acciones. Las empresas con q
alto son empresas de crecimiento, cuyos ŕujos de caja están muy en el futuro,
y por lo tanto, con duración alta. Las empresas de łvalorž, por su parte, tienen
duración más baja. Dechow et al. (2004) encuentran que esta medida de duración
domina al factor HML. Una teoría usando las őnanzas del comportamiento es que
las acciones de crecimiento son por deőnición glamorosas, y que los que invierten
en ellas sean irracionalmente optimistas.
• Puede representar un ’riesgo de desplazamiento’ al que son susceptibles empresas
que tienen q alto (Garleanu et al 2016)
Figura 2. Factores 1956-2016
1.4
zrm
1.2 zs
zv
1
zmom
0.8
0.6
0.4
0.2
0
195709
196209
196709
197209
197709
198209
198709
199209
199709
200209
200709
201209
195606
195812
196003
196106
196312
196503
196606
196812
197003
197106
197312
197503
197606
197812
198003
198106
198312
198503
198606
198812
199003
199106
199312
199503
199606
199812
200003
200106
200312
200503
200606
200812
201003
201106
201312
201503
201606
-0.2
23.6. Referencias
Carhart, Mark M. "On persistence in mutual fund performance." The Journal of Finance
52, no. 1 (1997): 57-82.
Fama, Eugene F., and Kenneth R. French. "Common risk factors in the returns on stocks
and bonds." Journal of Financial Economics 33, no. 1 (1993): 3-56.
Adrian, Tobias, and Joshua Rosenberg. "Stock Returns and Volatility: Pricing the Short-
Run and Long-Run Components of Market Risk." The Journal of Finance 63, no. 6 (2008):
2997-3030.
Barroso, Pedro, and Pedro Santa-Clara. "Momentum has its moments." Journal of Fi-
nancial Economics 116, no. 1 (2015): 111-120.
Benjamini, Yoav, and Yosef Hochberg. "Controlling the false discovery rate: a practical
and powerful approach to multiple testing." Journal of the Royal Statistical Society. Series
B (Methodological) (1995): 289-300.
Daniel, Kent, and Tobias J. Moskowitz. "Momentum crashes." Journal of Financial Eco-
nomics 122, no. 2 (2016): 221-247.
Dechow, Patricia M., Richard G. Sloan, and Mark T. Soliman. "Implied equity duration:
A new measure of equity risk." Review of Accounting Studies 9, no. 2 (2004): 197-228.
Goetzmann, William, and Simon Huang. Momentum in Imperial Russia. No. w21700.
National Bureau of Economic Research, 2015.
Harvey, Campbell R., Yan Liu, and Heqing Zhu. ". . . and the cross-section of expected
returns." The Review of Financial Studies 29, no. 1 (2016): 5-68.
Hou, Kewei, Chen Xue, and Lu Zhang. "Replicating anomalies." The Review of Financial
Studies 33, no. 5 (2020): 2019-2133.
Gârleanu, Nicolae, Stavros Panageas, Dimitris Papanikolaou, and Jianfeng Yu. Drifting
apart: The pricing of assets when the beneőts of growth are not shared equally. Working
Paper, UC Berkeley, 2016.
Ioannidis, John PA. "Why most published research őndings are false." PLoS medicine 2,
no. 8 (2005): e124.
McLean, R. David, and Jeffrey Pontiff. "Does academic research destroy stock return
predictability?." The Journal of Finance 71, no. 1 (2016): 5-32.
Vargas, Daniel, 2016, ’Cálculo de los factores empíricos para la estimación de rendimientos
en NYSE de 1900 a 1925,’ Tesis Universidad de Costa Rica.
Yogo, Motohiro. "A consumption-based explanation of expected stock returns." The
23.7. Ejercicios
1. ____________ El índice S&P500 tiene un sesgo por husmeo de datos.

2. ____________ Cuando un factor descubierto desaparece completamente des-
pués de que es publicado en una revista, es porque es resultado de husmeo de datos.
3. ____________ Si al replicar un estudio con datos precedentes, se encuentra
que el factor antes era más fuerte que cuándo se hizo el estudio, esto se debe al
husmeo de datos.
4. ____________ Según Ioannides, las PPV siempre son cercanas a uno.
5. ____________ De acuerdo a Ioannides, conforme aumenta el número de ex-
perimentos, así también aumentará la PPV.
6. ____________ Cuando se descubre un factor estadísticamente signiőcativo,
esto sólo se puede dar por husmeo de datos.
7. ____________ Conforme uaumenta, disminuye el PPV.
8. ____________ El factor ’valor’ zv de Fama French Carhart no tiene ninguna
base teórica.
9. ____________ Una forma de contrarrestar el husmeo de datos es disminuyendo
el α (error tipo I).
10. ____________ El hecho de que un 20 % de los investigadores hagan łchan-

chullož no tiene un efecto importante sobre el P P V comparado con el caso en que
siempre fueran honestos.
11. ____________ McLean y Pontiff (2016) no encuentran evidencia de husmeo
de datos en su análisis.
23.7.2. Problemas.
1. En este problema la tasa libre de riesgo mensual es rf = 0,00012, y la economía está
compuesta por tres acciones con las siguientes capitalizaciones en miles de millones
de USD: Chevron (CVX): 221.18 , AT&T (T): 217.44 y Pőzer (PFE):213.69. A conti-
nuación están los rendimientos promedio y las varianzas-covarianzas mensuales desde
enero del 2010 hasta octubre del 2017:
CVX T PFE
µi 0, 00968 0, 00885 0,01099
σij CVX T PFE
CVX 0,00326 0, 00093 0, 00117
T 0, 00093 0, 00183 0, 00076
PFE 0, 00117 0, 00076 0, 00213
Fuente: Finance.yahoo.com, datos de enero del 2010 a octubre del 2017. Rendimientos
simples

 
407,92 −132,65 −176,80
 
V −1 =  −132,65 684,68 −171,88 
−176,80 −171,88 627,98
a) Explique brevemente qué es el łhusmeo de datosž. £Ha sido esto un problema
serio en őnanzas? £Porqué sí o porqué no? £Qué remedios se han propuesto para
resolver los posibles sesgos?
b) Calcule la función de la frontera eőciente para esta economía y los vectores g y
h.
c) Calcule la media y desviación estándar de los rendimientos del índice de mercado
ponderado por capitalización, que llamaremos m. Calcule los betas de estas tres
acciones, y explique cuál tiene más riesgo de mercado. Calcule la razón de Sharpe
de estas tres acciones, y compárelo con la razón de Sharpe de m y diga si estos
números concuerdan con la teoría.
d ) Calcule los pesos de la cartera q y el test GRS para esta economía, usando el
índice m descrito en (3). Explique qué concluye del resultado de este test, si el
valor crítico del mismo al 5 % es de 2,7058. Calcule cuál sería la peor razón de
Sharpe de mercado (al cuadrado) que aún pasaría el test GRS en esta economía
y explique que signiőca esto acerca del valor crítico que hemos escogido.
2. Problema acciones de Australia En este problema la tasa libre de riesgo mensual es
rf = 0,00351, y la economía está compuesta por tres acciones: BHP Billiton (BHP),
Rio Tinto Ltd. (RIO), y Commonwealth Bank of Australia (CBA). En el cuadro
están el número de acciones, el primer valor por acción, los rendimientos promedio y
las varianzas-covarianzas mensuales desde setiembre del 2000 hasta julio del 2018:
BHP RIO CBA

Nj 4,7385 1,5410 1,7895
Pj0 8,28 21,09 27,68
µj 0, 00904 0, 00974 0,00620
σji BHP RIO CBA
BHP 0,00500 0, 00391 0, 00080
RIO 0, 00391 0, 00678 0, 00130
CBA 0, 00080 0, 00130 0, 00304
Fuente: investing.com, datos de 09.2000 a 07.2018. Rendimientos simples

 
363,79 −208,26 −6,30
 
V −1 =  −208,26 279,77 −65,03 
−6,30 −65,03 358,85
a) Explique brevemente el argumento de Ioannidis (2005) de que la mayoría de los
resultados publicados son falsos. £Es cierto esto para las őnanzas empíricas? £Qué
se puede hacer para atenuar este problema?
h.
ponderado por capitalización, que llamaremos m. Calcule los alfas de estas tres
acciones. Calcule la razón de Sharpe de estas tres acciones, y diga cual de las tres
acciones es más atractiva.
índice m descrito en (3). Explique qué concluye del resultado de este test, si el
valor crítico del mismo al 10 % es de 2,1099. Calcule los pesos de la cartera wcq .
3. Problema HD BAC CSCO. En este problema la tasa libre de riesgo mensual es
rf = 0,00046, y la economía está compuesta por tres acciones: Home Depot (HD),
Bank of America (BAC), y Cisco (CSCO). En el cuadro están el número de acciones,
el primer valor por acción, los rendimientos promedio y las varianzas-covarianzas

mensuales desde julio del 2012 hasta junio del 2019 (inclusive):
HD BAC CSCO
Nj 1,1000 9,5080 4,2810
Pj0 44,82 6,74 12,84
µj 0, 0198 0, 02043 0,01949
σji HD BAC CSCO
HD 0,00250 0, 00157 0, 00123
BAC 0, 00157 0, 00587 0, 00163
CSCO 0, 00123 0, 00163 0, 00383
Fuente: őnance.yahoo.com, datos de 07.2012 a 06.2019. Rendimientos simples

 
527,91 −106,30 −124,81
 
V −1 =  −106,30 214,56 −56,97 
−124,81 −56,97 325,66
a) Explique brevemente los resultados del artículo de McLean y Pontiff (2016)
h.
ponderado por capitalización, que llamaremos m (5 puntos). Calcule los pesos de
la cartera q y el test GRS para esta economía, usando el índice m descrito arriba.
6 % es de 2,57
d ) Encuentre los pesos wcj para la cartera cero covarianza con la cartera en la
frontera eőciente que tiene µj = 0,01
e) Calcule los alfas y betas de estas tres acciones (5 puntos). Suponiendo que los
alfas más extremos son estadísticamente signiőcativos, proponga una estrategia
que no tenga riesgo de mercado para aprovechar esto
Capítulo 24
Dudas de los estudiantes
1. Me gustaría saber en que ocasiones recomienda graőcar para mostrar una dominancia.
A mi me gusta hacerlo para poder apreciar la diferencia de áreas y demás pero no se
si en un examen será tiempo perdido que no le van a dar puntuación.
En general es más difícil graficar F() y G() especialmente para funciones
continuas. Para probabilidades discretas a veces sí es fácil graficar.
2. A la hora de graőcar los rendimientos, esto se debe hacer de forma discreta? Porque los
ejemplos en el libro vienen como funciones continuas, los teoremas vienen expresados
como una integral, sin embargo en la pagina 101 para demostrar la DESO se calcula
la diferencia de las áreas de las dos funciones de distribución acumulada como una
sumatoria y no una integral, ademas de que gráőcamente se representa discreto. Se
que el resultado es el mismo pero me gustaría saber cual es la manera mas apropiada.
Hay que graficar de acuerdo a las funciones de probabilidad: si son
continuas, los rendimientos se grafican continuamente.
3. En la paradoja de san Petersburgo entiendo la noción a la que llegamos al őnal con
que se preferiría una sumatoria inőnita de 2’s a 1’s. Sin embargo quisiera saber cual
es la conclusión őnal, que se puede decir sobre el valor esperado de la lotería?
La súper-paradoja de san Petersburgo nos pone un ejemplo de dos
loterías que uno por sentido puede clasificar como mejor o peor, pero no
usando la utilidad cardinal, ya que ambas dan infinito. Esto indica que
hay que ponerle un techo a las loterías para que se ’comporten’ bien.
4. Quería veriőcar que la esperanza de ε2 es su varianza
Si, porque el valor esperado es cero. En general V ar(x) = E[(x − µ)2 ] = E[x2 ] −
E 2 [x] = E[x2 ] − µ2 .
5. Cuando hacemos la ecuación de las distribuciones utilizando los parámetros z y ε me
queda la duda de por qué iniciamos diciendo que y es igual en distribución a x + z
pero luego se omite lo de distribución y se hace como una ecuación cualquiera.
Se debe distinguir la dominancia pura, donde se usa la igualdad como
una ecuación cualquiera, porque en ese caso x domina a y estado por
estado. Si es dominancia estocástica, se usa la igualdad en distribución.
Esto significa que tienen la misma distribución, pero que hay estados de
la naturaleza donde y puede rendir más que x.
186
24. DUDAS DE LOS ESTUDIANTES 187
6. Si en dos distribuciones la única diferencia que hay es la varianza, pero no estoy

segura de que la distribución sea normal, entonces debo hacer el análisis com DEPO
y DESO e igual si ya se que es normal podría hacerlo tan simple como solo comparar
las varianzas?
Si es una distribución normal, se puede hacer fácilmente como lo plan-
teó. Con otras distribuciones hay que hacerlo con más cuidado para ver si
se verifica o el FOSD o el SOSD.
7. Cuando se calcula la aproximación por Taylor de la función de utilidad se asume que
la esperanza del error es 0? 8. En la lección anterior explico por qué la distribución
de w tiene como media y varianza. Entendí como saco la media sin embargo no como
saco la varianza. Acá mi desarrollo
Como la expansión de Taylor se hizo a partir de E[W], el resto de lo
expandido es como si se vieran los momentos E[(W − E(W )n ]. Cuando n
=1 sería cero, cuando n=2 sería la varianza, y así los momentos mayores.
Parte 4
Respuestas
24.1. Construcción de la utilidad esperada
1. F., esto es cierto sólo para utilidades ordinales. Para utilidades cardinales, sólo trans-
formaciones lineares son posibles.
2. V.
3. V., ya que las utilidades tienen un techo.
4. F. Es un ejemplo donde falla la independencia de alternativas irrelevantes.
5. F., es necesario para desarrollar las funciones cardinales.
6. F., permite transformaciones monotónicas.
7. V.
8. V.
9. F. Se puede también construir con utilidades subjetivas
10. F. Aunque en lenguaje coloquial son sinónimos, en economía őnanciera, el riesgo se
reőere a una l(x, y, α) es decir, loterías con repagos y probabilidades, en tanto que
la incertidumbre del que habla Frank Knight se reőere a l(?, ?, ?) es decir que no se
saben ni los repagos ni las probabilidades.
11. F. rompen el supuesto de medibilidad (también llamado continuidad).
12. F. en la demostración se usa esta propiedad para deőnir la utilidad esperada en base
a las utilidades cardinales.
13. V.
14. F. porque es una transformación lineal negativa.
24.1.2. Problemas.
1. Problema utilidad esperada

a) El supuesto de medibilidad dice que si la ≻ lb ≻ lc entonces existe un único
πϵ(0, 1) tal que l(la , lc , π) ∼ lb . Este supuesto es clave para la construcción de
la utilidad esperada, ya que construimos una utilidad łancestralž usando esa
propiedad, de manera que u(lz ) ≡ πz donde lz ∼ l(x1 , xm , πz ). Este supuesto no
se cumple cuando hay preferencias lexicográőcas
b) En este caso primero suponemos que xj+1 ≻ xj , es decir, que el agente preőere más
a menos. Seguidamente, ya que hay dos grados de libertad, tenemos u(x1 ) = 0 y
u(x5 ) = 1. Resolviendo las relaciones de indiferencia de arriba, encontramos que
u(x2 ) = 0,40, u(x3 ) = 0,50 y u(x4 ) = 0,60
c) Comparando las loterías tenemos:
1) la (x1 , x3 , 50 %) vs. lb (x2 , x4 , 100 %), u(la ) = 0,25 < u(lb ) = u(x2 ) = 0,40, por
lo que lb ≻ la
24.2. AVERSIÓN AL RIESGO 190
2) lc (x3 , x5 , 50 %) vs. ld (x2 , x4 , 0 %) , u(lc ) = 0,75 > u(ld ) = u(x4 ) = 0,60 por lo
que lc ≻ ld
3) le (x1 , x5 , 50 %) vs. lf (x3 , x5 , 100 %) u(le ) = 0,50 = u(lf ) = u(x3 ) por lo que
le ∼ lf
d ) Vemos que para bajos repagos (menores que x3 ), el agente es averso al riesgo ya
que escoge la cosa segura lb versus una lotería con el mismo valor esperado. Para
niveles de repago más alto, el agente se vuelve amante al riesgo, ya que preőere
la lotería lc al repago con el mismo valor esperado. Dentro de todo el espectro de
repagos, el agente es neutral al riesgo. Esta utilidad es parecida a la postulada
por Friedman y Savage (1948), donde, si la riqueza inicial el 3, compraría seguros
para evitar pérdidas, al mismo tiempo que compraría lotería por las ganancias.
24.2. Aversión al Riesgo

1. F. En la región de loterías 0 ≤ w < k efectivamente es neutro al riesgo, pero más
globalmente es averso al riesgo.
2. F., tenemos E[w] = 0,5 × 100 + 0,5 × 400 = 250 E[u(w)] = 0,5 × 10 + 0,5 × 20 = 15.
El valor de certidumbre es w − πi donde u(w − πi ) = 15 → w − πi = 225. πi = 25.
800
3. F. E[u(la )] = − 200 × 0,25 − 800
400
× 0,5 − 800
800
× 0,25 = −1 − 1 − 0,25 = −2,25. Además
tenemos E[u(lb )] = − 200 × 3 − 800 × 3 = − 43 − 32 = −2. Entonces E[u(lb )] > E[u(la )]
800 1 800 2
− 3
1 3 1 (w+b) 2
4. F. u′i (w) = (w + b)− 2 y u′′i (w) = − 21 (w + b)− 2 , por lo que ARAi = 2 (w+b)− 12
=
1 1
w+b
. Concretamente ARA1 = w+a < w1 = ARA2 , lo que signiőca que Chopper es
globalmente menos averso al riesgo que Sogeking, y por lo tanto πi1 < πi2 , o lo que
es lo mismo que w − πi1 > w − πi2 .
√
5. F., la utilidad de Boa es v = u que es una concaviőcación de la utilidad de Buggy.
6. F., es una función convexa (pero no diferenciable en todos sus puntos), por lo que
Zoro es amante del riesgo.
7. F., la función de repago es convexa en w, por lo que el ermitaño es amante al riesgo
aún cuando u′ < 0.
8. F. u(w) = aw − 2b w2 , con w ≤ a/b con ARA = a−bw b bw
y RRA = a−bw y ∂RRA
∂w
=
b
(a−bw)2
> 0.
9. F. Al revés, ub = ln(ud ) y por el teorema de Pratt esto dice que Bartolomeo es
globalmente más averso al riesgo que Desire.
10. F. Es amante al riesgo, su utilidad es convexa.
11. F. La inversión riesgosa tiene un valor esperado de E(u) = 1,6555, por lo que πi =
5,236 − exp(1,6555) = $0,0005 Por redondeo a algunos les dio un número un poco
diferente.
12. F. por ejemplo, con γ = −1 tenemos utilidades cuadráticas que pueden ser aversas
al riesgo.
13. F. Por ejemplo, se puede ver la disponibilidad de pagar seguros πi1 > πi2 que sí es
observable.
14. V., si aumenta el riesgo σε2 .
24.2.2. Problemas.
1. Problema del capitán Picard.
a) Resumidamente, loa axiomas son A1 Comparabilidad. Puedo comparar cualquier
alternativa. Formalmente, para cada xϵS y yϵS debe ser cierto que x ≻ y o y ≻ x
o x ∼ y. A2 Transitividad (Consistencia): Si x ≻ y y y ≻ z entonces x ≻ z. A3
Independencia fuerte. Si x ≻ y entonces una lotería que da x con probabilidad α
y z con el complemento es preferida a una lotería que da y con probabilidad α y z
con probabilidad 1 − α. Formalmente x ≻ y ⇒ αx + (1 − α)z ≻ αy + (1 − α)z. No
siempre se cumple, como en el ejemplo de Kreps de la cena con aperitivo y postre
igual (salmón y pie de manzana), y donde preőero en el plato fuerte el salmón al
bistec, pero en la cena dependiendo de lo que tenga alrededor escoja otra cosa. A4
Medibilidad (Continuidad). Si x ≻ y ⪰ z o x ⪰ y ≻ z entonces existe una única
probabilidad α tal que y ∼ αx + (1 − α)z. A5 Ranking (Dominancia). Si x ≻ y
entonces αx + (1 − α)y ≻ βx + (1 − β)y si y sólo si α > β. Teorema: bajo A1-A5.
las decisiones hechas por una persona que se enfrenta a dos o más loterías con m
posibles premios será la decisión de la lotería que maximice la utilidad esperada
P
E[u(wi )] = m i=1 πi (wi )u(wi ) donde u(xi ) es una utilidad cardinal de obtener un
premio xi y πi es la probabilidad de obtener un premio xi . La utilidad u() se
conoce como la utilidad von Neumann Morgenstern. Las utilidades ordinales no
necesitan la A3 ni la A5; adicionalmente, si el set de escogencia es őnito, tampoco
necesitan de la A4.
1
b) u′ (w) = 0,5w−0,5 y u′′ (w) = −0,25w−1,5 por lo que ARA = 2w y el ARA disminuye
con aumentos en la riqueza. la medida Pratt-Arrow se calcularía con w = 60,000
y σe = 0,20, de manera que si esto afecta toda la riqueza de Picard, tenemos σw =
2
0,20×60000 para dar πi = (0,2×60000)
4×60,000
= 3000, es decir que Picard estaría dispuesto
a pagar hasta 3000 CDF para salirse de este juego. La medida Pratt Arrow no
es muy adecuada aquí, ya que se usa para cambios simétricos y pequeños, que en
este caso no son pequeños.
c) Note que si no toma el seguro, Picard tiene 10.000 CDF para invertir, y por lo
tanto un ingreso por ahorros de 10700 en el siguiente periodo. Si toma el seguro
de 30.000 CDF, el AV L + 20 = 270 y Picard sólo se queda con 9730 CDF de
ahorro, lo que le genera 10411 CDF en el siguiente periodo. Si Picard toma el
seguro completo, el AV L + 15 = 365 por lo que quedan 9635 CDF para ahorrar
y tiene un ingreso por ahorros de 10309. Las riquezas están dadas abajo. Por lo
tanto Picard escoge el seguro 2.
Estado f Sin seguro u Seguro 1 u Seguro 2 u
a 0,98 60700 246,37 60411 245,79 60309 245,58
b 0,01 55700 236,01 60411 245,79 60309 245,58
c 0,005 50700 225,17 60411 245,79 60309 245,58
d 0,005 10700 103,44 40411 201,03 60309 245,58
E(w) 245,45 245,56 245,58
d ) Al hacerse más averso al riesgo, esto signiőca según el teorema de Pratt que
πi′ > πi donde la tilde representa al agente más averso al riesgo. Pero en (c)
vimos que Picard estaba dispuesto a pagar la prima que el INS le ofrecía, por lo
que el Picard más averso al riesgo también lo haría.
2. Problema del Big Chief
′ 1,25(w+1000)−1,25
a) T (w) = ARA(w) 1
= − uu′′(w)
(w)
= 1,5625(w+1000) −2,25 =
w+1000
1,25
. Al ser una tolerancia
linear en riqueza, es una utilidad HARA. Además nos dice que T ′ (w) > 0 →
ARA′ (w) < 0, que es acorde con lo que los economistas piensan que es razonable.
1,25w
b) RRA(w) = wARA(w) = w+1000 = 1+1,25
1000 . Tiene tres características acorde con
w
lo que decía Arrow: (a) RRA(w = 0) = 0 < 1, RRA(w → ∞) = 1,25 > 1, y
RRA′ (w) > 0.
c) La utilidad esperada de Nokko con el negocio es − 23 × 5 × (11050 + 1000)−0,25 −
1
3
× 5 × (8050 + 1000)−0,25 = −0,4890. Su utilidad sin el negocio es −5 × (10000 +
1000)−0,25 = −0,4882, por lo que es mejor rechazar el negocio.
d ) La utilidad esperada de Nokko con el negocio es − 32 ×5×(161050+1000)−0,25 − 13 ×
5 × (158050 + 1000)−0,25 = −0,24956. Su utilidad sin el negocio es −5 × (160000 +
1000)−0,25 = −0,24961, por lo que le conviene aceptar el negocio. La razón de que
haya cambiado el resultado es que al ser más rico, la aversión absoluta al riesgo
de Nokko ha bajado, y lo que antes era un mal negocio se convierte ahora en un
buen negocio.
e) En términos generales, la utilidad esperada de Nokko es EU = − 23 ×5×(1,02w0 +
1000)−0,25 − 31 × 5 × (0,98w0 + 1000)−0,25 . Para encontrar el equivalente cierto,
debemos primero encontrar el nivel de riqueza cierto equivalente a esta utilidad

5 4
esperada, wc = − EU − 1000. El equivalente cierto del proyecto sería , que
además se puede expresar como un porcentaje de la riqueza inicial. Cuando la ri-
queza es w0 = 10000 esto da una utilidad esperada de −0,4875 → wc = 10064,64,
o un equivalente cierto del proyecto de 64,64, o sea un 0,06464 % de la rique-
za inicial. Cuando la riqueza es w0 = 160000 esto da una utilidad esperada de
−0,2492 → wc = 161031,21, o un equivalente cierto del proyecto de 1031,21, o

sea un 0.6445 % de la riqueza inicial. La diferencia de los resultados se deben a
dos cosas: primero, el valor absoluto del proyecto cuando w0 = 160000 porque
el proyecto tiene un mayor valor esperado. Sin embargo, como un porcentaje de
la riqueza, Nokko ahora está dispuesto a ofrecer mucho menos aunque los dos
proyectos afecten porcentualmente la riqueza de la misma manera. Esto se debe
a que la aversión al riesgo relativa ha subido, de RRA(w = 10000) = 1,1364 a
RRA(w = 160000) = 1, 2422
3. Paradoja de Allais:
a) La paradoja de Allais es una violación de la independencia de alternativas irrele-
vantes. Allais usa cuatro loterías, de tal manera que típicamente l3 = (10, 000, 0, 100 %) ≻l4 =
(15, 000, 0, 90 %) y también l2 = (15, 000, 0, 9 %) ≻ l1 = (10, 000, 0, 10 %). Sin em-
bargo, se puede ver que l1 = l(0, l3 , 0,90) y que l2 = l(9, l4 , 0,90) por lo que en
teoría si l3 ≻ l4 entonces también l1 ≻ l2 , lo que no sucede casi nunca en la
práctica. Este es un serio problema para la construcción de utilidades esperadas,
ya que la independencia de alternativas irrelevantes se usa para la demostración.
Parte de las razones por la que se da la paradoja de Allais viene de la őnanza
del comportamiento. Por ejemplo, en el caso de l(0, x, π) puede dar lugar a la
aversión al remordimiento, que hace que quiera evitar l4 por ejemplo
b) Relaciones de indiferencia
1) Los grados de libertad se dan porque las utilidades cardinales permiten trans-
formaciones lineales positivas. No puedo asumir que u(0,25) = 1 > 0 = u(2)
ya que uno de los supuestos respecto al dinero es que preőero más a menos
(dicho de otra manera, u′ > 0 me impide ese supuesto).
u(x1 ) u(x2 ) u(x3 ) u(x4 ) u(x5 )
2) La solución de estas ecuaciones me da
0.0000 0.2677 0.4763 0.7651 1.0000
3) Tenemos en este caso que E(u(la )) = 0,5 × 0 + 0,5 × 0,4763 = 0,2382 <
u(x2 ) = 0,2677. Como x1 +x2
3
= x2 entonces, el agente preőere la cosa segura
antes que una lotería con el mismo valor esperado, por lo que hay aversión
al riesgo.
4) Por la primera relación de indiferencia, sabemos que el agente está indife-
rente ante un pago seguro de 0,50 y una lotería que paga 0,25 con 43,78 %
de probabilidad y 0,75 con 56.22 %. Vemos que el equivalente cierto es 0,50 =
(0,25 × 0,4378 + 0,75 × 0,5622 − πi ) por lo que πi = 0,5311−0,5000 = 0,0311.
Vemos que en este caso la desviación estándar (distancia promedio respecto
a 0,50) es de σe = 0,25 = 14 (si uno quiere calcular la aproximación Arrow
2
Pratt de un error pequeño y simétrico), de manera que πi ≈ σ2ε ARAi →
24.3. RENDIMIENTOS 194
ARAi = 2πσe2
i
= 0,9952 o muy cercano a 1. Alternativamente, podemos calcu-
lar σe = 0,4378 × (0,5311 − 0,25)2 + 0,5622 × (0,75 − 0,5311)2 = 0,0615 y
2
ARAi ≈ 1,011
24.3. Rendimientos

1. F. ra = (1,02)12 − 1 = 0,2682.
2. F., Es R+
3. V.
4. V.
5. F. Para Rjs < 0, el rendimiento continuamente compuesto no se puede calcular.
6. F. Es 3,66 %
24.3.2. Problemas.
1. Problema de MSFT y GOOG
a) Para una inversión como el de una acción, el rendimiento bruto se calcula como
Pjt DIV
Rjt ≡ Pjt−1 + Pjt−1jt , y me dice por cuánto se ha multiplicado mi inversión en un
dado periodo. Con responsabilidad limitada, este rendimiento debe ser mayor o
igual a cero. Este rendimiento es intuitivo, aunque para cambiar su periodo de
análisis (p.e. de un mes a un año), hay que componer los intereses, no solamente
multiplicarlo, p.e. por doce. El rendimiento continuamente compuesto se calcula
como rjt = ln(Rjt ), y con responsabilidad limitada tiene el rango igual a toda
la línea real. De desventaja tiene que es menos intuitivo, pero de ventaja tiene,
por ejemplo, que para pasarlo de un periodo mensual a anual, sólo es necesario
multiplicarlo por 12, es decir, que es muy fácil de manipular. Los dos rendimientos
son dos formas de decir la misma cosa.
σ2
b) Para un rendimiento lognormal, sabemos que E(Rj ) = exp µj + 2j , por lo que
el rendimiento bruto esperado de M SF T es 1,1113 y el de GOOG es de 1,1243.
1−γ
c) La utilidad CRRA = W 1−γ−1 , y con W0 ≡ 1 sin pérdida de generalidad, tene-
mos que W = Rj , dependiendo de la "acción en que #queremos invertir. La utili-
(1−γ)2 σj2
exp (1−γ)µj + −1
E( Rj1−γ )−1 2
dad esperada es Vj = 1−γ
= . Esta utilidad esperada
(1−γ)
ln([Vj + 1−γ
1
]×[1−γ])
admite transformaciones monotónicas, en particular, Ṽj = 1−γ
=
σ2
µj + (1 − γ) 2j , como vimos en clase. Usando esta fórmula, la utilidad esperada
con γ = 1,34 de M SF T es 5,30 % y la de GOOG es de 5,00 %, por lo que la
persona escogerá invertir en M SF T .
24.4. CONCEPTOS DE DOMINANCIA 195
d ) Si el agente tuviera una utilidad logarítmica (γ = 1) preferiría a Google, por lo

que el γ de indiferencia está entre 1 y 1,34. En este caso, debemos igualar las
σ2 σ2
utilidades esperadas, µ1 + (1 − γ) 21 = µ2 + (1 − γ) 22 , y despejando a γ nos da
γ = 1+ 2(µ 1 −µ2 )
(σ 2 −σ 2 )
, y usando a M SF T como 1 y a GOOG como 2 nos da γ = 1,0551.
1 2
24.4. Conceptos de Dominancia

1. Verdadero, porque podemos escribir ys = 1 + xs .
2. Falso. Es al revés. Veamos de la forma más difícil
Cuadro 1. Probabilidades 1(f ) y 2(g)
t 0 1 2 3 4
f (t) 0.0 0.2 0.6 0.2 0.0
g(t) 0.1 0.0 0.8 0.0 0.1
F (t) 0.0 0.2 0.8 1.0 1.0
G(t) 0.1 0.1 0.9 0.9 1.0
F (t) − G(t) -0.1 0.1 -0.1 0.1 0.0
´t
0
[F (x) − G(x)]dx -0.1 0.0 -0.1 0.0
3. Verdadero: en el sentido de que si F (s) − G(s) ≤ 0 para todo s (DEPO), entonces

´s
−∞
[F (t) − G(t)]dt ≤ 0 (DESO). Pero DEPO no implica aumento en riesgo en el
sentido de que si el DEPO es cierto, entonces y = x + z + ε con z < 0 y E(ε) = 0,
pero habíamos deőnido el DESO simplemente como y = x + ε.
´t
4. Falso para a ∼ f y b ∼ g entonces 0 [F (s)−G(s)]ds ≤ 0, lo que indica de A ⪰DESO B
t 0 1 2 3 4 5 6
f (t) 0 0 0,2 0,6 0,2 0 0
g(t) 0,1 0 0 0,8 0 0 0,1
F (t) 0 0 0,2 0,8 1,0 1,0 1,0
G(t) 0,1 0,1 0,1 0,9 0,9 0,9 1,0
F (t) − G(t) -0.1 -0.1 +0.1 -0.1 +0.1 +0.1 0.0
´t
0
[F (s) − G(s)]ds -0.1 -0.2 -0.1 -0.2 -0.1 0.0
5. Falso. A ≻DESO B
Repagos 0 1 2 3 4
f (t) 0,2 0,2 0,2 0,2 0,2
g(t) 0,4 0,2 0,0 0,0 0,4
F (t) 0,2 0,4 0,6 0,8 1,0
G(t) 0,4 0,6 0,6 0,6 1,0
F (t) − G(t) -0,2 -0,2 0,0 +0,2 0,0
´t
−∞
(F (s) − G(s)) ds -0,2 -0,4 -0,4 -0,2
6. Falso. El aumento en riesgo es un caso especial del DESO, donde las medias de las
variables son iguales.
d
7. Falso. vemos que de hecho se puede escribir y = x + z , pero en este caso z = 1 > 0,
d
y la condición era que z fuera menor o igual a cero. En cambio, x = y − 1, por lo que
y≻DEP O x.
8. F.
Repagos 0 2 3 7 10
f Prob(Fondo A) 0,20 0,10 0,40 0,10 0,20
g Prob(Fondo B) 0,10 0,25 0,15 0,40 0,10
F (x) 0,20 0,30 0,70 0,80 1,00
G(x) 0,10 0,35 0,50 0,90 1,00
´x
F (s)ds 0,40 0,70 3,50 5,90
´0x
0
G(s)ds 0,20 0,55 2,55 5,25
Por lo tanto, el fondo B domina estocásticamente en segundo orden al fondo A.
9. F.
Repagos 1 3 7 9
Prob(Fondo A) 0,30 0,20 0,20 0,30
Prob(Fondo B) 0,20 0,30 0,30 0,20
F(A) 0,30 0,50 0,70 1,00
G(B) 0,20 0,50 0,80 1,00
A veces F (s) < G(s) y a veces G(s) < F (s), por lo que no hay DEPO, que es la
única forma de determinar dominancia si sólo sabemos es que u′ > 0.
10. F. En el caso en que sólo sabemos que u′′ < 0 sólo podemos usar el concepto de
aumento en riesgo, que necesita como condición que E(x) = E(y), pero en este caso
el valor esperado del fondo A es de 3.8, mientras que el del fondo B es 3.55.
d
11. F. Es cierto que x = y − 1 + ε y por lo tanto y ≻DESO x, pero como u” > 0 no
podemos saber si el agente preőere yo x.
12. F. ya que G(t) ≤ F (t) por lo que z ≻DEP O x.
13. V. B ≻DESO A
Repagos 1 2 3 5 8
Prob(Fondo A) 0,20 0,10 0,40 0,10 0,20
Prob(Fondo B) 0,10 0,25 0,15 0,40 0,10
F (t) 0,20 0,30 0,70 0,80 1,00
G(t) 0,10 0,35 0,50 0,90 1,00
´t
F (x)dx 0.20 0.90 2.5 5.5
´−∞
t
−∞
G(x)dx 0.10 0.60 2.4 5.4
24.4.2. Problemas.
1. Problema de Sabo
−w
a) ARA = ee−w = 1 su aversión absoluta al riesgo no cambia conforme se hace más
rico,
1) T (w) = 1/ARA = 1. Es linear en w en el sentido de que T (w) = aw +b donde
a = 0 y b = 1. Es parte de la funciones HARA, así que si existe una separación
de carteras, es decir que los agentes van a elegir las mismas carteras de activos
simples (igualmente, de activos complejos), independientemente del nivel de
riqueza.
2) RRA = wARA = w, es decir, se hace más averso al riesgo relativo a su
riqueza, es decir, pagaría un porcentaje más alto de su riqueza para salir de
una apuesta.
2 σϵ2
3) πi ≈ − σ2ϵ u”(w)
′
u (w)
= 2
Esta es una aproximación de la prima pagada para salirse
de una lotería. Esta aproximación es buena para pequeños riesgos simétricos.
b) Explique las condiciones de dominancia entre x y y que permitan determinar
cuál preferirá Sabo sin tener que calcular explícitamente la utilidad esperada.
Concretamente:
1) Para dominio estocástico es necesario sólo equivalencia en distribución, por lo
que ρ puede tener cualquier valor. Para entender esto tome en cuenta que el
agente simplemente debe escoger poner todo su dinero o en Ace Enterprises
d
o en Dragon. Para FOSD es necesario poder escribir y = x + z donde z < 0.
Entonces las condiciones son µy < µx y σx = σy
2) En este caso µx = µy y σy > σx .
3) En este caso, para deőnir estado por estado, es necesario que ρ = 1 y µx > µy
y que σx = σy
4) En este caso, que se puede usar ya que hay una distribución conjuntamen-
te normal, podemos además añadir las condiciones de la convexidad de las
curvas de indiferencia, de manera que si por ejemplo, existe un αϵ(0, 1) y
una (µz , σz ) Tal que µx = αµy + (1 − α)µz y σx = ασy + (1 − α)σz y
V (µy , σy ) = V (µz , σz ), entonces V (µx , σx ) > V (µy , σy ).
c) Sabo, que no tiene riqueza alguna ahora tiene que escoger entre los siguientes
fondos de inversión que son mutuamente excluyentes:
En este problema hay que eliminar carteras dominadas, que son 5. Veamos de
más fácil a más difícil
1) E ≻F OSD B. Ya que por inspección se ve que F (xE ) ≤ F (xB )
2) B ≻SOSD C . Ya que se puede escribir xC = xB + ε Donde E(ε|xB ) = 0
3) A ≻SOSD E Ya que se puede escribir xE = xA + ε Donde E(ε|xA ) = 0
4) D ≻F OSD F Ya que por inspección se ve que F (xD ) ≤ F (xF )
24.5. PREFERENCIAS DE MEDIA Y VARIANZA 198
Fondo/Repago 0 1 2 3 4 5 6 7 8 9 10
A 0.4 0.6
B 0.2 0.2 0.2 0.2 0.2
C 0.1 0.2 0.2 0.2 0.2 0.1
D 0.2 0.2 0.2 0.2 0.2
E 0.4 0.2 0.2 0.2
F 0.2 0.2 0.2 0.2 0.1 0.1
5) Los que no quedan tan claros son A y D por inspección, por lo hay que
veriőcarlo a mano en el cuadro abajo, y encontramos que de hecho A ≻SOSD
D.
Fondo/Repago t 1 2 3 4 5 6 7 8 9 10
f (xA ) 0.4 0.6
f (xD ) 0.2 0.2 0.2 0.2 0.2
F (xA ) 0.0 0.0 0.0 0.4 0.4 1.0 1.0 1.0 1.0 1.0
F (xD ) 0.2 0.2 0.4 0.4 0.6 0.8 0.8 0.8 0.8 1.0
F (xD ) − F (xA ) 0.2 0.2 0.4 0.0 0.2 -0.2 -0.2 -0.2 -0.2 0.0
´t
1
[F (sD ) − F (sA )]ds 0.2 0.4 0.8 0.8 1.0 0.8 0.6 0.4 0.2
24.5. Preferencias de media y varianza

1. F. precisamente porqueu′′ < 0 las curvas de indiferencia son convexas. Se puede
explicar esto intuitivamente si se quiere.
2. F. Tenemos que la utilidad esperada es V = µ − 2b [σ 2 + µ2 ] ≡ k en una curva de
dµ
indiferencia, por lo que dσ = − VVσµ = 1−bµ
bσ
>0
3. F. conforme aumenta µ la pendiente se hace más fuerte.
4. V.
5. V.
6. F. la convexidad de las curvas de indiferencia entre media y varianza se debe a la
aversión al riesgo de los agentes, es decir que u′′ < 0
7. F. Las curvas de indiferencia en ese caso tendrían pendiente negativa.
8. F. Si hay utilidades cuadráticas, podemos hacer un análisis de media y varianza,
y para el fondo A tenemos (µA = 4, 5, σA2 = 5, 25), que domina al fondo B (µB =
4,3,σB2 = 5,71).
9. F. Las dos condiciones no son excluyentes. En este caso y ≻DESO x y también y
domina por media y varianza a x.
10. F. esa distribución es elíptica y es una condición suőciente para generar preferencias
de media y varianza.
11. F. Si la distribución de rendimientos se puede representar como R = µ + σs donde
E(s) = 0, aunque s sea asimétrico, se pueden establecer preferencias de media y
varianza.
12. V
13. F. si es posible, si las utilidades son cuadráticas por ejemplo. También los rendimien-
tos de ubicación y escala permiten asimetría.
14. F., ya que los rendimientos lognormales no son de ubicación y escala, y la CRRA no
incluye a la utilidad cuadrática.
24.5.2. Problemas.
1. Problema empresas A y B
a) Calcule la media y varianza de los rendimientos brutos de cada empresa (15
puntos).
B A
µi 2 2,8
σi2 1,2 2,36
b) Explique porqué algunos inversionistas escogerían A y otros B si las preferencias
son de media y varianza Tenemos una situación donde µB < µA pero también que
σB < σA , así que dependiendo de la aversión al riesgo del agente, escogerá una u
otra inversión. Por ejemplo, con utilidades cuadráticas un agente con ui = µ − σ 2
2
escogería la inversión B mientras que un agente con uj = µ − σ2 escogería A
c) Compare A y B usando el criterio de dominancia estocástica de segundo orden
(15 puntos).
-1 0 1 2 3 4 5
g(B) 0,0 0,1 0,2 0,4 0,2 0,1 0,0
f (A) 0,1 0,0 0,0 0,2 0,4 0,2 0,1
G(B) 0,0 0,1 0,3 0,7 0,9 1,0 1,0
F (A) 0,1 0,1 0,1 0,3 0,7 0,9 1,0
´t
−1
[G(s) − F (s)]ds 0,0 -0,1 -0,1 +0,1 +0,5 +0,7 +0,8
Como se puede ver, la integral de la diferencia entre las distribuciones cambia de
signo, por lo que no hay DESO.
d ) Explique si en un mercado completo es posible que haya dominancia estado por
estado de Rx sobre Ry , donde Ri es el rendimiento bruto de la empresa i. Esto
contradecía la condición de no arbitraje (del tipo B). Por ejemplo, suponga que
compro 1 colón del activo x y vendo al descubierto un colón del activo y. El costo
de esta cartera es cero, pero me da un repago de Rxs − Rys ≥ 0 en cada estado, y
en algunos con desigualdad estricta. Esto es una oportunidad de arbitraje, lo cual

se asume que no existe en un mercado completo. Lo que pasaría es que si todos
hacen este arbitraje, el precio de x subiría (bajando Rxs ) y el precio de y bajaría
(aumentado en Rys ) hasta que no existan tales oportunidades de arbitraje.
2. Tribu Mink
a) Medibilidad (o continuidad). Si l1 ≻ l2 ⪰ l3 o l1 ⪰ l2 ≻ l3 entonces existe una
única probabilidad πϵ(0, 1) tal que l2 ∼ l(l1 , l3 , π). Este también es conocido como
el axioma arquimedeo. El supuesto se viola con preferencias lexicográőcas.
b) Por el tipo de utilidades, se puede trabajar con preferencias de media y varianza.
Como se ve, las dos inversiones tienen la misma media, pero Mugiwara tiene una
varianza más baja, por lo que sería la recomendada.
µi σi2
Kaido 3 2
Mugiwara 3 1,66
c) En este caso, no se pueden usar las preferencias de media y varianza, y debemos
recurrir a la DEPO o DESO, que se muestran en la siguiente tabla:
´t ´t
Repago t f (t) g(t) F (t) G(t) 1 F (s)ds 1 G(s)ds
1 0,2 0,18 0,20 0,18 0,00 0,00
2 0,2 0,25 0,40 0,43 0,20 0,18
3 0,2 0,00 0,60 0,43 0,60 0,61
4 0,2 0,53 0,80 0,96 1,20 1,04
5 0,2 0,04 1,00 1,00 2,00 2,00
6 1,00 1,00 3,00 3,00
En la tabla se puede ver que por ejemplo F (1) > G(1) y que F (4) < G(4), por
´2 ´2 ´3
lo que no hay DEPO. Similarmente, 1 F (s)ds > 1 G(s)ds, pero 1 F (s)ds <
´3
1
G(s)ds, por lo que tampoco hay DEPO. A esta tribu no se le puede aconsejar
ninguna de las dos inversiones.
d ) Primero que nada, ya que las preferencias cumplen con los supuestos Von-Neumann
Morgenstern, se puede crear una utilidad cardinal del tiempo, con v ′ (t) < 0, lo
que indica que los habitantes preőeren una ruta corta a una larga. El resultado de
que v ′′ (t) < 0 indica que son aversos al riesgo. Esto implica que no sería correcto
aconsejar las rutas con duración esperada más corta, ya que hay que tomar el
’riesgo’ de atrasos en cada ruta. El segundo punto importante es que como la
duración de las rutas tienen una distribución normal, se puede trabajar de nuevo
en el marco de preferencias de media y varianza. Especíőcamente, si una ruta
tiene una distribución N (µ, σ 2 ), la duración t se puede re-escribir como
t = µ + σz
donde z tiene una distribución N (0, 1). La utilidad esperada sería
ˆ ∞
V = v(µ + σz)f (z)dz
−∞
ˆ ∞
Vµ = v ′ (µ + σz)f (z)dz < 0
−∞
ˆ ∞ ˆ ∞ ˆ ∞
′ ′ ′
Vσ = v (µ + σz)zf (z)dz = − v (µ + σz)f (z)dz = v ′′ (µ + σz)f (z)dz ≤ 0
−∞ −∞ −∞
Donde la igualdad en la última línea usa el hecho que para N (0, 1) se cumple
que f ′ (z) = −zf (z), y la integración por partes. Note además que cuando σ =
0, entonces Vσ = 0. Por el teorema de la función implícita obtenemos que la
pendiente de la curva de indiferencia es negativa, y que cuando σ = 0 tiene
pendiente de cero.
dµ Vσ
=− ≤0
dσ Vµ
Por la aversión al riesgo de los agentes, obtenemos además que la curva de indi-
ferencia es cóncava, es decir, que se ve de esta manera:
Figura 1. Curvas de indiferencia Güeys
mayor
utilidad
Para aconsejar rutas, se debe tener en cuenta la media y desviación estándar de

cada ruta, y ponerlas en la őgura 1, con la curva de indiferencia se decide cuál es
24.6. INTRODUCCIÓN A BONOS 202
la mejor. Por ejemplo, el sistema puede aconsejar una ruta un poco más lenta,
pero que tenga una desviación estándar más baja, y así el conductor no asumirá
tanto riesgo al ir de un punto al otro
24.6. Introducción a bonos

1. Falso, es posible que tenga una pendiente negativa, p.e. en Ucrania, o en Estados
Unidos antes de una recesión.
2. Falso, son iguales en el caso de un bono de cupón cero.
3. Falso Es lo que hace que haya pendiente positiva por lo general. Cuando la curva se
invierte es o porque un recesión es inminente, o algún otro shock que haga pensar
que las tasas a futuro bajarán.
4. Verdadero.
5. Falso, la noticia dice que la curva de rendimientos en China se ha invertido. Eso en
general (pero no siempre) es una señal de que se espera una contracción en el futuro.
6. F. Es negativa y convexa, P ′ (y) < 0 P ”(y) > 0.
7. F. Es posible si su rendimiento y es igual a la tasa cupón c.
8. F. Un bono cupón cero tiene mayor duración que un bono que paga cupones, por lo
que es más sensitivo a cambios en los rendimientos.
9. F. La mejor forma de verlo es por sensibilidad
a cambios en y. El precio de un consol
c ∂P 1 c y
1
es P = y , y la duración es D = − ∂y P = y2 c = y < ∞.
10. F. t = 291
365
100
= 0,7973 y P = (1+y) t = 95,82 y en Bloomberg aparecería como 4,1788.
11. F. La inŕación esperada (se le llama el breakeven inŕation) es 1,0205

1,0049
− 1 = 0,0155 o
1.55 %.
12. F. disminuye la duración conforme c aumenta.
13. F. en ese caso, el precio es igual al valor facial.
14. F. puede no tener riesgo de crédito, pero si tiene riesgo de mercado o riesgo de
duración, si por alguna razón no voy a mantener mi inversión hasta que acabe el
plazo.
24.6.2. Problema.
Unidos. Para solucionar los preguntas más fácilmente, suponga que los cupones, si
hay, se pagan anualmente.
a) El Rendimiento (yield) de un bono es la tasa y tal que
XT
c × FV FV
P × FV = t
+
t=1
(1 + y) (1 + y)T
24.6. INTRODUCCIÓN A BONOS 203

Bonos
Plazo Cupón Precio Rendimiento D ∆P
6 meses 0, 00 1, 64 1,66 % 0,5 −7,50
12 meses 0,00 1,55 1,574 % 1,0 −15,00
2 años 1,50 100,14 1,428 % 1,985 −29,78
5 años 1,50 100,69 1,356 % 4,855 −72,82
−125,10
Fuente: www.bloomberg.com/markets/rates-bonds/government-bonds/us/ al 08.10.2019 2.44pm hora Costa Rica
Supondremos que F V = 100. El rendimiento y para un bono de este tipo es la

tasa libre de riesgo rf . En mercados completos, vimos que la tasa real está dada
2 2
por δ+γµ− γ 2σ . La tasa nominal estaría afectada por las expectativas de inŕación
(que no aparece en la fórmula de las tasas reales), la tasa de impaciencia δ, la
aversión al riesgo relativa γ de los inversionistas, las expectativas de crecimiento
µ de la economía y de la volatilidad σ de la misma. En general, las tasas de
interés suben cuando crecen las expectativas de inŕación, cuando los inversionistas
se vuelven más impacientes, cuando el crecimiento tendencia de la economía
aumenta y cuando la volatilidad esperada disminuye. Aunque el efecto de la
∂r
aversión al riesgo es teóricamente ambiguo ya que ∂γf = µ − γσ 2 no se sabe,
lo más común es que tenga signo negativo, que es el caso cuando la prima de
mercado γσ 2 ≡ r̂m − rf es mayor que el crecimiento tendencia de la economía µ.
Del libro de texto sabemos que el precio del bono de menos de un año se enuncia
en descuento dy dado por dy = F VF V−P × dias360
× 100 → P = 100 − dy × t donde
dias 100
t ≡ 360 . Como estos bonos tienen cero cupón sabemos que P = (1+y) t y por lo
1/t
100
tanto y = 100−dy×t − 1 y donde t = 0,5 y t = 1 para los bonos de 6 y 12
meses respectivamente. Esto da un rendimiento a 6 meses de 1.66 % y a un año
de 1.57 %.
b) La curva de rendimientos es el rendimiento de un bono soberano para un dado
plazo. Esta curva de rendimientos es esencial para valorar activos őnancieros, y
normalmente tiene una pendiente positiva. Existen muchas teorías que explican
esta pendiente negativa, una que hemos visto en clase es que a mayor plazo hay
más duración, y por ende más riesgo de precio a cambios en los rendimientos.
La curva de Estados Unidos está actualmente łinvertidaž, lo cual no es normal,
y muchos comentaristas comentan que es un preludio a una recesión.
c) La duración es el promedio ponderado del tiempo en que un bono produce ŕujos
de caja. Es aproximadamente la semielasticidad del precio de un bono al cambio
24.7. INSTRUMENTOS PUROS, MERCADOS COMPLETOS, Y ARBITRAJE 204
en los rendimientos: es decir, que si un bono tiene una duración D y los rendi-
mientos cambian ∆y, el precio del bono cae ∆P/P ≈ −D∆y. Las duraciones de
los cuatro bonos están en la tabla arriba. Note que para un bono cupón cero, la
duración es igual al plazo.
d ) La respuesta está en la tabla de arriba, sabiendo 100 puntos bases es equivalente
a un punto porcentual que cada bono cambia ∆P ≈ −15D. La forma larga y
difícil es recalculando el precio de cada bono y viendo el cambio de cada uno.
Como se puede ver, el cambio en el rendimiento ha afectado especialmente al
bono de 5 años.
24.7. Instrumentos Puros, Mercados Completos, y Arbitraje

1. Falso solo si los n instrumentos őnancieros complejos son independientes.
2. Verdadero.
3. Falso, porque con la compra de un activo hay responsabilidad limitada (sólo puedo
perder lo que invertí), mientras que con la venta al descubierto no hay responsabilidad
limitada.
4. Falso, instrumento 3 es una combinación lineal de 1 y 2 x3 = 23 x2 + x1 .
5. Falso. El arbitraje tipo I es comprar barato y vender caro, y no tener ningún riesgo
mañana
6. Falso. el vendedor al descubierto gana dinero cuando el activo cae de precio.
7. F. en el sentido de que ningún tipo de arbitraje tiene riesgo. Sin embargo, alguien
puede decir que los repagos del arbitraje tipo 2 son más variables que el repago del
arbitraje tipo 1.
8. V.
9. V., en el sentido que las oportunidades de arbitraje no van a desaparecer.
P
10. F. es Vj = sϵS cfjs × ps
11. F. Es al revés.
12. V.
13. V.
14. F. Es al revés
24.7.2. Ejercicios.
1. Ejercicio CSH DS LDA:
a) El arbitraje es la creación de una cartera que genere repagos sin riesgo. Se llama de
tipo I si cfj0 > 0 y cfjst = 0 en el futuro en todos los estados de la naturaleza, y de
tipo II si cfj0 = 0 y cfjst ≥ 0 con desigualdad estricta en algún periodo y estado de
la naturaleza. En economía őnanciera, se dice que no deben existir oportunidades
24.8. EL EQUILIBRIO DESCENTRALIZADO ES UN ÓPTIMO DE PARETO 205
de arbitraje, ya que cualquiera, aún no siendo racional, las explotaría. Usamos

la ausencia de arbitraje para demostrar que el valor de un instrumento complejo
P
con repagos cfjs tiene un valor Vj = sϵS ps cfjs y en la segunda demostración
del teorema Modigliani Miller de 1958.
b) El determinante de la matriz de repago es 1320, es decir hay tantos instrumentos
complejos independientes como estados de la naturaleza. Los p = C −1 V nos da
p1 = 0,0333 p2 = 0,5454 y p3 = 0,3712, el bono libre de riesgo es la suma de estos
1
precios y vale Vf = 0,95 = 1+r f
por lo que rf = 5,2632 %
c) Se observa como el mercado, la suma de los ŕujos de caja, da Ejs = 20 para todos
P
los estados de la naturaleza, y Vm = sϵS 20ps = 19 (también es la suma de los
20
valores de VCSH , VDS y VLDA , y su rendimiento esperado nos dice 19 = 1+E(r̃ m)
es
decir E(r̃m ) = 5,2632 %, por lo que la prima de mercado es cero. Esto se debe no
tanto a que los agentes sean neutrales al riesgo (no lo sabemos), a que le economía
en su agregado no tiene riesgo.
d ) Sí existe oportunidad de arbitraje, comprando este bono sin riesgo y haciendo
short del mercado. En este caso, por ejemplo,
Ejecución cfj0 cfj1 cfj2 cfj3
1) Compro 20 bonos F V = 1 −18 20 20 20
2) Short CSH 4 −10 −4 −4
3) Short DS 8 −5 −13 −2
4) Short LDA 7 -5 −3 −14
Posición total +1 0 0 0
24.8. El Equilibrio descentralizado es un óptimo de Pareto

1. F. Da mayor peso a quienes tiene una utilidad marginal más baja.
2. F. Parte del teorema del bienestar, es que si hay un óptimo de Pareto, este se puede
replicar con un problema de un planiőcador social que da pesos positivos a cada
agente.
3. V.
4. V.
5. F. Consumirá menos y su utilidad marginal será por tanto más alta.
6. F. Es posible calcularlos con utilidades no separables.
7. V. Una repartición infactible no puede ser un óptimo de Pareto.
8. F. Ese multiplicador se interpreta como la utilidad marginal esperada del agente.
9. V.
10. V.
24.9. CÁLCULO DE EQUILIBRIO 206
11. F. no necesariamente, por ejemplo, el que es igual al del equilibrio descentralizado da

un peso de la inversa de la utilidad marginal de cada consumidor.
12. F. la interpretación es el inverso del efecto ingreso sobre la utilidad marginal.
13. V.
14. V.
24.9. Cálculo de Equilibrio

1. F. (pero muy cerca de ser verdadero), si hay curvas de indiferencia convexas y com-
petencia perfecta.
2. F., vimos un ejemplo de un equilibrio con probabilidades subjetivas de los eventos.
P
3. V., ya que sϵS ps = (1+r 1
f)
es ≡ P ps ps = ps (1 + rf ).
yπ
sϵS
4. V.
5. F., no es necesario que las utilidades sean iguales entre sí.
6. F. No siempre, también afecta la incertidumbre del periodo t = 1 y las dotaciones
1
P
relativas entre periodos. Decir únicamente que 1+r f
= sϵS ps no es una buena
respuesta, ya que ps depende de δ, de las dotaciones, de las probabilidades etc.
7. F. Tiende a disminuir la tasa libre de riesgo, ya que los agentes están más propensos
a ahorrar.
8. F. θs ≡ πpss , es el precio dividido por la probabilidad, ya depende de otros factores, a
saber, la impaciencia y la escasez relativa de las dotaciones. Decir ∂π ∂θs
s
= − πps2 < 0 es
s
incorrecto, ya que ps es una función linear de πs cuando hay expectativas homogéneas.
9. F. Aunque fueran neutrales al riesgo, el ps = δπs si depende de la probabilidad del
evento.
10. F. Un aumento en la aversión al riesgo aumenta la dispersión de los precios puros.
11. V.
2 2
12. F. r̂m = δ + γµ − γ 2σ + γσ 2 y por lo tanto si depende de δ.
13. F. ya que son simplemente precios puros divididos por el precio de un bono sin riesgo
π˜s ≡ P ps ps = Vpfs , ambos siempre tienen valor positivo.
sϵS
γ 2 σ2
14. V. rf = δ + γµ − 2
24.9.2. Ejercicios.
1. Problema de Arabasta
a) Mercados completos, títulos puros, etc. Es un mercado donde existe igual número
de instrumentos őnancieros
" # independientes como estados. En este caso debemos
5 3
veriőcar que A = es invertible, para esto es necesario que det(A) =
5 7
5 × 7 − 5 × 3 = 20 sea distinto de cero, que lo es. Un título puro es aquel que
paga 1 en un estado de la naturaleza y cero en todos los demás. Para obtenerlo

debemos invertir A, de tal manera que A−1 A = I."El A−1 nos# indica " la receta de #
7 3
1 7 −3 −
los títulos puros. Además sabemos que A−1 = 20 = 20
5 5
20
,
−5 5 − 20 20
7
de manera que Para crear el primer título puro hay que comprar 20 de Arabasta
3
y vender al descubierto 20 de Baroque Para crear el segundo título puro hay que
5 5
vender al descubierto 20 de Arabasta y comprar 20 de Baroque. El precio del
instrumento puro es lo que debería costar el mismo, en base a los precios de los
títulos complejos, para que no haya arbitraje. Si ha un vector ps de dimensión
n × 1 de precios puros, eso se"obtiene # de un vector n ×"1 de precios#complejos
" # pc
7 3
pf − 20 2,80
multiplicado por la inversa, = ps = A−1 pc = 20
5 5
=
pc − 20 20
5,20
" #
0,2
. Un activo complejo i que pague (xf , xc ) tiene un precio de pi = xf pf +
0,6
xc pc . Sino se da esto, se puede hacer arbitraje.
b) Arbitraje. Un activo libre de riesgo paga (1, 1) tiene un precio de p = 0,2 +
1
0,6 = 0,8. Tal bono tiene un rendimiento dado por 0,8 = 1+r f
→ rf = 0,25 es
p
decir, hay una tasa de interés libre de riesgo del 25 %. π̃s = P s ps = ps (1 + rf )
sϵS
Sirve para valorar activos como el ’valor esperado’ descontado a una tasa libre
de riesgo usando el set de nuevas probabilidades. En esta economía tenemos
π̃f = 0,2 × 1,25 = 0,25 y π̃c = 0,6 × 1,25 = 0,75. El arbitraje es una acción donde
uno tiene ganancias hoy y no hay riesgo en los periodos futuros. De acuerdo a
nuestros precios puros, este bono debería valer pi = 2 × 0,2 + 2 × 0,6 = 1,6, esto
signiőca que el bono a 1.8 está sobrevaluado. Lo que tenemos que hacer es una
cartera de bienes complejos que repague lo mismo que el Superbono. Para hacer
esto notamos que necesitamos crear 2 bienes puros de f y dos bienes puros de
calor c. Con las fórmulas de 1b, esto se puede crear de la siguiente manera: Debo
7 5
comprar 2 × 20 − 2 × 20 = 15 de Arabasta, con un costo de 0.56, Debo comprar
3 5
−2 × 20 + 2 × 20 = 51 de Baroque con un costo de 1.04, Debo vender al descubierto
una unidad del Superbono, recibiendo 1.80
Cuadro 5. Acciones de Arbitraje
Acciones Hoy f c
Compro 0.2 de Arabasta -0.56 +1 +0.6
Compro 0.2 de Baroque -1.04 +1 +1.4
Short Superbono +1.8 -2 -2
Posición neta +0.2 0 0
c) Equilibrio Los multiplicadores de Lagrange y condiciones de primer orden para

cada individuo son:
X X
Li = ln(ci0 ) + 0,8πs ln(cis ) + θi [(ei0 − ci0 ) + ps (eis − cis )]
sϵS sϵS
∂Li 1 1
= − θi = 0 → ci0 =
∂ci0 ci0 θi
∂Li 0, 8πs 0, 8πs 0, 8πs
= − θi ps = 0 → cis = = ci0
∂cis cis θi p s ps
cv0 + cc0 = ev0 + ec0 = 10
0, 8 × 0,25 0, 8 × 0, 25 × 10
cvf + ccf = (cv0 + cc0 ) = = evf + ecf = 10 → pf = 0,2
pf pf
0, 8 × 0,75 0, 8 × 0, 75 × 10
cvc + ccc = (cv0 + cc0 ) = = evc + ecc = 10 → pc = 0,6
pc pc
pArabasta = 5 × 0,2 + 3 × 0,6 = 2,8
pBaroque = 5 × 0,2 + 7 × 0,6 = 5,2
X X
ci0 + pf cif + pc cic = ci0 + 0,8ci0 πs = 1,8ci0 = ei0 + πs eis
sϵS sϵS
1,8cv0 = 6 + (5 × 0,2 + 3 × 0,6) = 8,8 → cv0 = cvf = cvc = 4,89
1,8cc0 = 4 + (5 × 0,2 + 7 × 0,6) = 9,2 → cc0 = ccf = ccc = 5,11
Ahorros de Vivi son 8,8 − 4,89 = 3,91. Invierte 0,2 × 4,89 = 0,978 en el estado
de frío (25 % de sus ahorros) y 0,6 × 4,89 = 2,93 en el estado de calor (75 % de sus
ahorros). Los ahorros de Crocodile son 9,2 − 5,11 = 4,09 y se dividen igualmente en
25 % en el estado de frío y un 75 % en el estado de calor. Desde el punto de vista de
3,91
títulos complejos, Vivi invierte en 3,91+4,09 =0.4887 en un 48.87 % de Arabasta y de
Baroque, en tanto que Crocodile lo hace en un 51.13 % del mercado, es decir en un
51.13 % de Arabasta y en un 51.13 % de Baroque.
2. Problema de Uhura y Kirk
a) Un mercado completo es donde hay igual número de títulos puros como estados
de la naturaleza. En este caso debemos veriőcar que haya tantos instrumentos
complejos independientes como! estados de la naturaleza (2 en este caso). Para ver
45 50
esto, tomamos det = 45 × 64 − 50 × 31 = 1330 ̸= 0 y vemos que de
31 64
hecho son linearmente independientes, por lo que si está completo el mercado. El
equilibrio competitivo es Pareto óptimo, porque las condiciones de optimalidad
del equilibrio
h competitivo
i son iguales a las de un planiőcador social que le da un
−1
peso θi = ∂u
∂ci
i
a cada agente.
b) Tenemos las condiciones de optimalidad donde cada agente
Li = ln(ci0 ) + 0, 95[0,5ln(ci1 ) + 0,5ln(ci2 )] + λi [ei0 + p1 ei1 + p2 ei2 − ci0 − p1 ci1 − p2 ci2 ]

∂Li 1
= − λi = 0
∂ci0 ci0
∂Li 0,95 × 0, 5 0,95 × 0,5ci0
= − λi pis = 0 → pis =
∂cis cis cis
0,475ci0
cis =
ps
Las condiciones de equilibrio general son
cu0 + ck0 = eu0 + ek0 = 80

0,475(cu0 + ck0 ) 38 1 0,5
cu1 + ck1 = 76 = = → p1 = → E(r1 ) = −1=0
p1 p1 2 0,5
0,475(cu0 + ck0 ) 38 1 0,5
cu2 + ck2 = 114 = = → p2 = → E(r2 ) = − 1 = 0,50
p2 p2 3 0,33
El precio del bono libre de riesgo es p = 21 + 31 = 56 y la tasa libre de riesgo es
rf = 56 − 1 = 0,20 o el 20 %
1 1
las probabilidades neutras al riesgo son π
e1 = 2
5 = 0,6 y π
e2 = 3
5 = 0,40.
6 6
45 50 47,5
El precio de pCA = 2
+ 3
= 39,17 y E(rCA ) = 39,17
− 1 = 0,2127 y el de
31 64 47,5
pAK = 2 + 3 = 36,83 y E(rAK ) = 36,83 − 1 = 0,2896.
c) pBV = 40 2
+ 603
= 40 usando los títulos puros. La oportunidad de arbitraje es
vender al descubierto BV y comprar 40 títulos puros del estado paz (costo 20),
y 60 títulos puros de estado guerra (costo 20). La suma de estos tres elementos
es +2, y los pagos en los estados de la naturaleza son cero, por lo que tenemos
arbitraje tipo 1.
d ) Tenemos 8 incógnitas (cu0 , cu1 , cu2 , ck0 , ck1 , ck2 , p1 , p2 ). Empezamos con las con-
diciones de Kirk de optimalidad:
ck0 0, 57
(24.9.1) p1 = 0, 95 × 0, 6 × → ck1 = ck0
ck1 p1
ck0 0, 38
(24.9.2) p2 = 0,95 × 0, 4 × → ck2 = ck0
ck2 p2
Ahora vemos las condiciones de equilibrio general:
(24.9.3) cu0 + ck0 = 80 → cu0 = 80 − ck0
0, 57
(24.9.4) cu1 = 76 − ck1 = 76 − ck0
p1
0, 38
(24.9.5) cu2 = 114 − ck2 = 114 − ck0
p2
Las condiciones de optimalidad para Uhura son:
!
cu0 80 − ck0
(24.9.6) p1 = 0, 95 × 0, 4 = 0, 38 → p1 = 0, 40 + 0, 0025ck0
cu1 76 − 0,57 c
p1 k0
!
cu0 80 − ck0
(24.9.7) p2 = 0, 95 × 0, 6 = 0, 57 → p2 = 0, 40 − 0, 0017ck0
cu2 114 − 0,38 c
p2 k0
La Restricción presupuestaria de Kirk es:
(24.9.8) 1, 95ck0 = 40+31p1 +64p2 = 40+12, 4−0, 0517ck0 +25, 6+0, 16ck0 → ck0 = 42,3522
De aquí se puede resolver todo lo demás. p1 = 0, 5059 p2 = 0, 3294, que son

levemente distintos de los precios de equilibrio con expectativas homogéneas, igual
que las probabilidades neutras de riesgo que ahora son π̃1 = 0,6057 y π̃2 = 0, 3943.
3. Problema de Wolverine.
a) Un mercado completo es donde existe un mercado y precios para cada estado
de la naturaleza. Si se comienza con instrumentos complejos, es necesario que
haya un número de instrumentos complejos independientes igual al número de
estados de la naturaleza. Para eso, debemos veriőcar que la matriz de dotaciones
sea invertible, y para
 esto se  necesita que tenga un determinante distinto de cero.
3 3 4
 
En este caso det  2 3 4  = −2
3 2 2
b) Para contestar esto, primero tenemos que encontrar los precios de cada esta-
1−γi
c −1
do de la naturaleza. Si tenemos utilidadesui (cit ) = it1−γi , vimos que la so-
−γ
Es
lución de los precios cumple con ps = δπs E 0
. Las utilidades logarítmi-
cas implican un γ = 1, por lo que p1 = 0,10575, p2 = 0,423 y p3 = 0,423.
El bono cupón cero libre de riesgo es igual a la suma de los precios, es decir
1
Vrf = 1+r f
= 0,95175 → rf = (0,95175)−1 − 1 = 0,050696. El valor del mercado
es Vm = 8×0,10575 + 8 × 0,423 + 10 × 0,423 = 8,46 y el ŕujo de caja esperado

del mercado es E(f cm ) = 8 × 0, 10 + 8 × 0,40 + 10 × 0,50 = 9. El rendimiento es-
9
perado del mercado es por lo tanto 1+r̂9 m = 8,46 → r̂m = 8,46 − 1 = 0,06383, y por
lo tanto la prima de riesgo es M RP = r̂m − rf = 0,06383 − 0,050696 = 0, 013134.
c) Igual que antes, debemos encontrar los precios de cada estado de la natura-
−γ
Es
leza, ps = δπs E 0
. Las utilidades − c1it implican una tasa de aversión al
riesgo relativa de γ = 2. De aquí encontramos los precios de los estados pu-
2
ros como ps = 0,94πs E 0
Es
así que p1 = 0,1190, p2 = 0,4759 y p3 = 0,3807.
El bono cupón cero libre de riesgo es igual a la suma de los precios, es de-
1
cir Vrf = 1+r f
= 0,9755 → rf = (0,9755)−1 − 1 = 0,0251. Este rendimiento
esperado es menor que en el problema anterior, porque la mayor aversión al
riesgo de los agentes les ha empujado a ahorrar más, subiendo el precio del
bono cupón cero y bajando su rendimiento esperado. El valor del mercado es
Vm = 8×0,1190 + 8 × 0,4759 + 10 × 0,3807 = 8,57 El rendimiento esperado del
mercado es por lo tanto 1+r̂9 m = 8,57 → r̂m = 8,57 9
− 1 = 0,0507, y por lo tanto la
prima de riesgo es M RP = r̂m − rf = 0, 0256. El aumento en la prima de riesgo
se da porque aunque el rendimiento esperado de mercado cae (por un efecto de
ahorro), no lo hace tan rápido como la caída de la tasa libre de riesgo. En general,
un aumento en la aversión al riesgo debe aumentar la prima de mercado.
d ) En clase, vimos que los pesos ηi que da el planiőcador son iguales al inverso
de la utilidad marginal de los agentes. El primer paso es calcularla como ηi =
1
u′ (ci )
= c2i . Ahora, para calcular el consumo, debemos saber la riqueza de cada
agente, que es la dotación inicial más el valor de su propiedad. En este caso, Leo
tiene una riqueza de 5,31, Donald 7,19 y Wolverine 5,07, para una riqueza total
de 17, 57 = Vm + E0 = 8, 57 + 9, 00. La condición de optimalidad de consumo
1/γ P 1/γ
δπs
dice que cis = ps ci0 y que el consumo total es ci0 + sϵS ps δπ ps
s
ci0 =

P 1/γ P 1/γ
ci0 1 + sϵS ps δπ ps
s
= Wi . Si deőnimos α1 = 1 + sϵS ps δπps
s
, entonces
ci0 = αWi0 1. En otras palabras, el consumo es proporcional a la riqueza, y la
inversa de la utilidad marginal de cada agente en esta economía es proporcional a
su riqueza al cuadrado. La suma de las riquezas al cuadrado es WL2 + WD2 + WW 2
=
28,17 + 51, 67 + 25, 71 = 105, 55, y entonces los pesos del planiőcador social son
28,17 51,67 25,71
ηL = 105,55 = 0,2669, ηD = 105,55 = 0, 4896 y ηW = 105,55 = 0, 2435.
4. Problema de los tres chiŕados:
1En √ P √
nuestro caso específico ps cis = ci0 0,94πs ps , así que ci0 + sϵS ps cis = ci0 (1 + 0,94(0,1091 + 0, 4363 +
0, 4363) = 1,9518ci0 = Wi , pero esto no era importante resolverlo explícitamente
24.10. SEPARABILIDAD EN CARTERAS 212
a) La fórmula de la tasa libre de riesgo real (continuamente compuesta) da rf =

2 2
δ + γµ − γ 2σ . Aquí hay tres variables que afectan al rendimiento de una manera
inequívoca. rf aumenta con aumentos en la impaciencia δ y el crecimiento espera-
do de tendencia µ, ya que ambos deprimen el ahorro de los agentes. rf disminuye
con aumentos en la volatilidad σ, que incentiva al ahorro. Finalmente, la aversión
∂r
al riesgo γ tiene un signo ambiguo, ya que ∂γf = µ − γσ 2 , que es negativo si
γ > σµ2 , que es lo más común. El hecho de que rf de 10 años haya subido 64 p.b.
es una buena señal, ya que indica que o el crecimiento esperado µ ha aumentado
y/o la volatilidad σ ha bajado. Esto es suponiendo que δ y γ no han cambiado
en este periodo.
b) Notamos que la utilidad de cada periodo es CRRA con γ = 1,25, y e−δ = 0,96 →
1,25
δ = 0,0408, y la fórmula de la clase aplica, de manera que ps = 0,96πs E 0
Es
,
donde E0 = 16, para obtener:
Agente t=1
s=1 s=2 s=3
Es 8 16 21
ps 0.457 0.432 0.239
Vrf 1.1278
∗
πs 0.405 0.383 0.212
Vm 15.588
La tasa libre de riesgo simple es -0.1133, y la continuamente compuesta es -0.1203.
El ŕujo de caja esperado del mercado es de 16.15, y el rendimiento de mercado
16,15
simple es 15,588 − 1 = 0,0361 y la continuamente compuesta es r̂m = 0,0354. Por
lo tanto, la prima de riesgo sencilla es 0.1494 y r̂m − rf = 0,1557.
c) En este caso usamos dos ecuaciones. En la primera, sabemos que r̂m − rf =
0,1557 = 1,25σ 2 → σ 2 = 0,1246 → σ = 0,3529. En segundo lugar, usamos la
ecuación para la tasa libre de riesgo, donde rf = −0,1203 = 0,0408 + 1,25µ −
0,1246×(1,25)2
2
→ µ = −0,1611
1,25
+ 0,0623 × 1,25 = −0,051. Con una distribución
2
lognormal, sabemos que E(Es ) = E0 exp(µ + σ2 ) y en nuestro caso E(E E0
s)
=
0,1246

exp −0,0510 + 2 = 1,0114, es decir, un crecimiento porcentual del 1, 14 %.
24.10. Separabilidad en Carteras

1 √
1. F., no necesariamente. Aunque la función no es HARA, ya que T (w) = ARA(w) = w
, los rendimientos pueden ser estables, que es la otra condición suőciente.
2. F. es posible si hay separabilidad de carteras
24.11. PRINCIPIO DE SEPARACIÓN DE FISHER Y EVALUACIÓN DE PROYECTOS 213
3. F. en este caso no habría separación de carteras, se necesitaría, p.e. distribuciones

estables.
4. V.
5. F. esa es la condición cuando no existe un activo sin riesgo.
6. F.es una de las condiciones, pero no es la única, por ejemplo se da si todos los
rendimientos son i.i.d.
7. V.
8. F. Suponiendo que u′′i < 0, hay separabilidad en una cartera donde wj = J1 , y J es el
número de activos.
9. F. En este caso concreto, también es necesario que haya un activo sin riesgo.
10. F. Como esta restricción es para que los pesos de las carteras sumen a uno, no tiene
un sentido económico.
11. F. Puede existir, por ejemplo si solo hay un tipo de utilidades, etc.
12. F. al haber dos estados, hay separabilidad como mucho en 2 carteras. Si además los
rendimientos fueran iid, habría separabilidad en una cartera.
13. F. cuando las expectativas son heterogéneas, no hay separabilidad en una cartera,
aún cuando los agentes tengan las mismas utilidades.
14. F. tiende a ser al revés, ya que los fondos activos compran y venden mucho más
frecuentemente, precisamente por ser fondos activos.
24.11. Principio de Separación de Fisher y Evaluación de Proyectos
1. V.
2. F., el bien libre de riesgo tiene un precio de 0,20 + 0,15 + 0,25 + 0,30 = 0,90 =
1
1+rr
→ rf = 0,11. En el caso de este proyecto, tiene un valor actual de V Ai =
2 × 0,20 + 1 × 0,25 + 1 × 0,30 = 0,95. El proyecto tiene un ŕujo de caja esperado de
1
E[F Ci ] = 2 × 0,25 + 1 × 0,25 + 1 × 0,25 = 1, por lo que 1 + E(ri ) = 0,95 → E(ri ) =
0,0526 < rf . Aunque es un proyecto que actúa como un seguro, no necesariamente
tiene una tasa de corte negativa.
3. V.
4. V.
5. F., se cumple para una economía de producción también.
6. F., el valor actual del proyecto es V Aj = 0,25 × 2 + 0, 15 × 4 + 0,40 × 1 + 0,10 × 3 = 1,8
y el V ANj = 1, 8 − 2, 0 = −0,2 < 0. Note que los precios de los estados ya traen los
ŕujos futuros a valor presente.
24.11. PRINCIPIO DE SEPARACIÓN DE FISHER Y EVALUACIÓN DE PROYECTOS 214
7. F. Lo que dice es que puedo usar la herramienta del V AN y no las preferencias de

los dueños. Pero para usar la herramienta del V AN debo usar la tasa de descuento
apropiada para el riesgo de cada proyecto.
8. V.
9. F. Es posible, si el proyecto actúa como un seguro contra la economía general.
10. V.
11. F. Los gerentes sí deben maximizar el VAN.
12. F. La segunda ecuación es un caso especial de la primera con un proyecto sin riesgo.
13. V. h i
P P 1
14. F. ya que V AN = −k0 + sϵS ps fs′ (k0 ) < k0 [−1 + sϵS ps ] = k0 −1 + 1+r =
h i f
r
−k0 1+rf f < 0
24.11.2. Problemas.
1. Problema de Donald y Xi.

a) El principio de separación de Fisher dice que cuando hay separación entre el
control y la propiedad, los gerentes (agentes) de los dueños (principales) no deben
preocuparse por sus preferencias, ya que sólo deben maximizar el V AN de los
proyectos. Este principio sigue siendo cierto si los mercados están completos.
Con mercados incompletos, es posible que un agente acepte un proyecto con
V AN < 0 si este proyecto le resuelve los consumos a su principal que no es capaz
de transar en el mercado de títulos y deshacerse de ciertos riesgos que en un
mercado completo sí podría.
b) El mercado no está completo ya que hay menos instrumentos complejos que
estados de la naturaleza. Sin embargo, sí podemos encontrar los precios de los
estados puros gracias a que hay separabilidad en una cartera. La separabilidad en
una cartera se da porque los agentes tienen el mismo tipo de utilidad, de manera
que tenemos una especie de agente representativo.
c) p1 = 0,4823, p2 = 0,1900 y p3 = 0,3135, rf = 1,44 % y E(rm ) = 5,26 % por lo que
el M RP = 3,82 %.
d ) La solución es:
Proyecto t = 0 t=1 V Aj V ANj Tasas de corte
P E(cf )
Costo cfj1 cfj2 cfj3 = cfjs × ps V Aj − C0 E(cfj ) E(rj ) = V Ajj − 1
A 0,5 +1 -2 +1 0,4158 −0,0842 0,4 −3,80 %
B 0,2 +1 -1 -1 −0,0219 −0,2212 −0,6 843,74 %
C 0,05 -1 +5 -1 0,1542 0,1042 0,2 29,71 %
24.12. TEOREMA MODIGLIANI MILLER I 215
El único proyecto atractivo es el C y el menos riesgoso es el A que tiene una

leve correlación negativo con el mercado. Estos cálculos no sirven mucho para
aconsejar a los dueños, Donald y Xi, debido a que los mercados están incompletos.
24.12. Teorema Modigliani Miller I

1. V.
2. F., dice que el valor del negocio (patrimonio más deuda) es invariable con cambios
en la estructura de capital.
3. F. Dice que el valor de la empresa no cambia con cambios en la estructura de capital,
dados unos supuestos.
4. F. Se da por ausencia de arbitraje tipo I.
5. F. la demostración original de MM se hace por ausencia de arbitraje, no asume
especíőcamente mercados completos. Con mercados completos, Stiglitz demuestra
que la deuda no tiene porqué ser libre de riesgo para demostrar el MM I.
6. V.
7. F. el teorema MM I hable de cambios en la estructura de capital, no de las inversiones
reales de la empresa.
8. F., ya que se őja una tasa bruta R tal que el valor de mercado y facial sean iguales.
9. V.
10. V.
11. F. Tienen un valor de mercado igual al facial, que en la jerga sería decir que tienen
un valor de 100.
12. V.
13. F. ya que los f cjs de la deuda riesgosa es menor o igual al de la deuda sin riesgo con
las mismas caracterítsicas (valor facial, cupón, plazo, etc.).
24.12.2. Problemas.
1. Problema de Zoom, Delta y Apple.
a) en esta economía es necesario que hayan tantos instrumentos complejos como
estados de la naturaleza. La importancia es que en una economía como esta, el
equilibrio al que se llega es un óptimo de Pareto. Podemos demostrar que la matriz
de ŕujos de caja es invertible encontrando su determinante, que es 984 ̸= 0, por
lo que sí hay tres instrumentos complejos independientes.
b) Tenemos p1 = 0,3699, p2 = 0,3577 y p3 = 0,2480. El Vf = 0,9756 y el rf = 2,5 %.
El E(rm ) = 6,67 % por lo que M RP = 4,167 %.
24.13. INTRODUCCIÓN A ACCIONES 216
c) E(rzoom ) = 0,00 %, E(rdelta ) = 11,1 % y E(rapple ) = 9,1 %. Por estos resultados se

ve que la acción de zoom actúa como un seguro, en tanto que las de Delta como
Apple se mueven más que el mercado.
d ) π˜1 = 0,3792, π̃2 = 0,3667 y π̃3 = 0,2542. Como tenemos que π̃s > πs para s = 1, 2,
estos serían łmalos estadosž mientras que π̃s < πs para s = 3, por lo que este
sería un buen estado.
e) En el caso de cero costos de quiebra, se crearía dos sub-instrumentos de Delta. La
deuda cero cupón con valor facial de 3 no puede pagar este valor facial en todos
los estados de la naturaleza, y como deuda riesgosa, pagaría (2, 3, 3) y tendría un
valor D. El resto de los ŕujos de caja serían residuales (es una acción) y pagarían
(0, 9, 13) y valdría E. Como se cumplen los supuestos de MM con mercados
completos, sabemos que el valor del negocio EV = D + E = 9 sin importar la
estructura de capital, por lo que como asesor őnanciero no tendría problema con
esta propuesta. En el caso de haya costos de quiebra cs > 0, entonces con la
P
deuda riesgosa sí habría una pérdida y el EV = 9 − sϵQ cs ps , donde Q es el
conjunto de estados de quiebra. La forma de maximizar este valor es hacer que
Q sea un conjunto vacío, es decir emitir deuda sin riesgo (V F ≤ 2) o no emitir
deuda del todo.
24.13. Introducción a acciones
1. Falso, ya que la semivarianza siempre suprime datos más allá de un cierto punto.
2. Falso. El supuesto es muy importante, ya que permite tomar las acciones para ha-
cer arbitraje en los casos en que los instrumentos complejos redundantes no estén
alineados con los valores fundamentales dados por los precios puros.
3. Verdadero.
4. Falso. puede darse el caso contrario, lo que signiőcaría que el q de la empresa es
menor que uno, y no compensa hacer inversiones en ella.
5. F. Si no cambian sus activos, su capitalización se mantendría igual, y el precio por
acción caería a la mitad (es como emitir dinero sin respaldo).
6. F. La mediana será diferente de la media.
7. F. es una señal de que es platocúrtica
8. F. la empresa de crecimiento (q alta) tiene una duración más alta que una empresa
de valor (q baja).
9. V.
10. F debe ser ROE > k − g
24.15. LA FRONTERA EFICIENTE 217
178,68
11. F. V R6 = 31,31
6
= 0,9511 y z = 0,9511−1
0,1616
= −0,3024 que es menos que el valor crítico,
por lo que no se puede rechazar la hipótesis de la caminata aleatoria.
12. F. El test sería z = 1,0522−1
0,06928
= 0,7534 < 1,96 por lo que no podemos rechazar la
hipótesis nula de caminata aleatoria (o de rendimientos no correlacionados).
13. F. sólo si V R < 1 signiőcativamente.
24.14. Matemática de Media y Varianza

1. V.
2. F. Sí w > 1 o w < 0 es posible que la cartera tenga una varianza mayor a la de las
carteras individuales.
3. F. Es simétrica y positiva semideőnida.
4. F. ya que ι′ w = 1 ̸= 0 entonces w′ V w > 0.
5. F. más bien se puede llegar a cero varianza con una cartera donde dos variables tiene
correlación negativa perfecta.
6. F. wmvp = 0,5.
7. F. La varianza (en puntos base) es σw2 = 117w2 + 42w(1 − w) + 67(1 − w)2 , o simpli-
őcando σ 2 = 142w2 − 92w + 67, y esto se minimiza cuando w∗ = 92/284 ≈ 0,3239.
8. F. En ese caso, el valor de la diversiőcación cae.
18
9. F. La correlación entre los dos activos es ρ = √62×33 = 0,3979 < 1, por lo que
la cartera de mínima varianza es menor que la más baja de cada empresa. σw2 =
2
62w2 +36w(1−w)+33(1−w)2 = 59w2 −30w+33 y ∂σ w
∂w
= 108w−30 = 0 → wmvp = 108 30
2
y σmvp = 29,22.
10. V.
24.15. La Frontera Eficiente

1. F. Tiene que subir, y así la varianza de la cartera MVP baja.
2. V.
3. F. No sólo sube, sino que lo hace a una tasa mayor que el aumento de C.
4. V.
5. F. D siempre es mayor a cero.
6. F. Más bien, normalmente es negativo, ya que indica el efecto de que mi cartera sume
a más de uno en la mínima volatilidad. En el desarrollo de Black (1972), encontramos
2
que λ2 = − µµmcm σm
−µcm
, y teóricamente µm > µcm , por lo que sería positiva sólo si µcm < 0.
∆µ
7. F. De hecho limσ→ √1 ∆σ =∞
C
24.17. CAPM DE SHARPE 218
8. F. Incluye también las carteras dominadas, obviamente la parte de interés es la zona

dominante. q
9. F. Además, el piso de la tasa de conversión de media por riesgo aumenta D C
cuando
hay más activos riesgosos.
10. V.
11. F. eso sólo es posible si C = +∞, que no ocurre a menos que haya alguna correlación
de -1 en alguna parte.
24.16. Índices de Mercado y spanning de carteras

1. F, son las de capitalización más grande de Estados Unidos.
2. F. Está en la parte dominante de la frontera eőciente ya que cada cartera individual
(suponiendo p.e. que no hay activo libre de riesgo) tiene wi = g + hµi para cada
inversionista, y la cartera de mercado es una combinación lineal de cada wi , por lo
que debe estar, en teoría, en la frontera eőciente.
3. F. Es una cartera normal (la suma de cuyos precios es uno) cuyo rendimiento esperado
es cero.
4. V.
5. V. Ya que se puede escribir como w = g + hµj donde µj = 0.
6. F. ya que ι′ h = 0 por lo que ni siquiera cumple con ser una cartera normal.
7. F. Sólo el índice ponderado por capitalización siempre tiene esa característica teórica.
8. F. El Nikkei es un índice ponderado por precios.
9. F. Tiene un rendimiento esperado del 100 %.
10. F. la construcción de esos índices nada tiene que ver con sus rendimientos.
11. V.
24.17. CAPM de Sharpe

1. V = 0,02 + 0,25σ − 0,5σ 2 → ∂V ∂σ
= 0,25 − σ = 0 → σ = 0,25 > 0,15 = σm → w0 < 0,
por lo que Sanji debe endeudarse para llegar a su punto óptimo de inversión.
2. F. Ambos piden una tasa más alta para proyectos con covarianza más alta con el
mercado.
3. F., quiere decir que el riesgo idiosincrático es 0, pero puede tener un beta distinto de
1, p.e. ri = 2rm y la correlación entre ri y rm es de uno.
4. F. Además, sería necesario que σm = 1.
5. F. Dado que el q siempre está en la zona dominante de la MVEF, entonces la CML
tiene siempre pendiente positiva.
24.19. CAPM DE CONSUMO 219
6. V.
7. F. El único que está en el CM L es la cartera ex-por eőciente q, todas las demás
carteras y acciones están estrictamente debajo del a CM L.
8. V.
9. F. Su utilidad con el CML es V = 0,04 + 0,30σ − 0,15σ 2 , y se maximiza cuando
σ = 1,0 > σm es decir, que Yamato se endeuda (hace un short de la deuda sin riesgo)
bastante para llegar a este punto.
10. F. R2 = ρ2 = 0,16 y la proporción del riesgo diversiőcable es 1 − R2 = 0,84.
11. F. El riesgo idiosincrático no afecta el rendimiento esperado, ya que es diversőcable.
24.18. CAPM de Black

1. F. De acuerdo al CAPM de Black, la cartera sí está en la frontera eőciente.
2. F. De acuerdo al CAPM de Black, zi = (1 − βi )zcm + βi zm por lo que el alfa debe ser
αi = (1 − βi )zcm ̸= 0.
3. V.
4. V.
5. F. dado que la gente puede pedir prestado a una tasa rd > rf , entonces rf ≤ µcm ≤ rd .
6. F. Hay zonas (donde ni se presta ni se pide prestado), donde no hay separabilidad
en carteras.
7. V.
8. F. La fórmula del µcm depende de la pendiente en µm y no necesariamente tendrán
la misma varianza.
9. F. Hay separabilidad en cuatro carteras globalmente, y en 2 para cada segmento.
10. F. Con un sólo factor zmt , la regresión de zjt tendría un R2 de 0,25. Con dos factores
zmt y zcmt tendría un R2 > 0,25, y la proporción del riesgo diversiőcable sería menor
a 75 %.
11. F. Es proporcional a la varianza del mercado.
24.19. CAPM de Consumo

1. F. También cuando hay rendimientos continuos.
2. F. Los resultados se han replicado para muchos países, en que los coeőcientes de
aversión al riesgo que justiőcan la prima de mercado son exageradamente altos, mucho
más de lo que los economistas consideran como plausible.
3. F. Si tengo un bono seguro que rinde 1 + Rf t en el periodo t y para cada estado de la
naturaleza, entonces tenemos que E [(1 + Rf t )Mt ] = (1+Rf t )E(Mt ) = 1 → E(Mt ) =
1
(1+Rf t )
,
es decir el precio (como porcentaje del valor facial) de un bono cupón cero
sin riesgo.
4. F. El uso del factor estocástico de descuento es correcto, lo que no funciona en la
práctica es el uso del crecimiento del consumo agregado como proxy de ese factor.
5. F. Esto no se da ya que el consumo agregado del agente representativo no es igual al
mercado.
6. V.
7. F. Weil (1989) encuentra que en una economía con un agente representativo, δ puede
ser menor que cero para justiőcar las tasas de interés de los activos sin riesgo.
8. V.
9. F. Por ejemplo, en el CCAPM de Breeden (1979) pueden ser agentes con distintas
utilidades CARA.
cov(rjt ,Ct )
10. F. Al revés, ya que βjc ≡ var(C t)
, y el consumo agregado tiende a ser muy bajo.
11. F. Al ser una razón de utilidades marginales, tanto el numerador como el denominador
(utilidades marginales) son estrictamente positivas, por lo que el factor estocástico
de descuento también lo es.
24.19.2. Problemas.
1. Problema empresas alemanas
a) El CCAPM es un modelo multiperiodo de cálculo de rendimientos, que llega
a la fórmula E(rit − rf t ) = ββmc
ic
E(rmt − rf t ) donde βic ≡ cov(r it ,∆ct )
var(∆ct )
y βmc ≡
cov(rmt ,∆ct )
son las sensibilidades de rendimientos de un activo y del mercado a
var(∆ct )
cambios en consumo. La fórmula es bastante parecida a la del CAPM de Sharpe
de E(ri − rf ) = βi E(rm − rf ), donde βi ≡ cov(r i ,rm )
var(rm )
es la sensibilidad de los
rendimientos de un activo a movimientos de los rendimientos del mercado. Las
diferencias están en los supuestos, a saber: (1) el CAPM de Sharpe asume sólo
dos periodos, mientras que el CCAPM tiene un número arbitrario de periodos.
(2) El CAPM de Sharpe asume que hay preferencias de media y varianza (que
puede darse o por utilidades cuadráticas o por rendimientos normales), en tanto
que el CCAPM supone utilidades separables, y utilidades cuadrátricas (para el
desarrollo de Rubinstein en 1976) o movimientos brownianos (en el desarrollo de
Breeden de 1979). (3) Ambos modelos asumen que existe un instrumento libre
de riesgo, y que se puede prestar y pedir prestado a la misma tasa, a diferencia,
p.e. del CAPM de Black. (4) La interpretación de los betas es distinto, ya que en
el CCAPM es muy importante ver la variación relativa respecto al crecimiento
agregado del consumo, por lo que ha sido muy usado en macroeconomía.
b) Obtenemos los siguientes coeőcientes A = 3, 8548, B = 0, 0456, C=342,2997y
D = 0, 7527, por lo que la frontera eőciente tiene la fórmula de σi2 = 0, 00292 +
454,74(µi −0, 01126)2 , y la cartera de mínima varianza tiene µM V P = CA = 0, 01126

2
y σM V P = 0, 00292 → σM V P = 0,05405. Para calcular los pesos de las carteras
en
 la frontera  eőciente,
 usamosla fórmula de que wi = g + hµ i donde g =
−1, 3967 133,40 −1, 2366
     
 −2, 0113  y h =  228,52  de manera que obtenemos wj =  −1, 7371  .
4, 4080 −361,92 3, 9737
Para el otro peso, debemos usar la fórmula  de Black
 de cero beta para obtener
0, 1908
 
µcj = 0, 01189 y donde entonces wcj =  0, 7080 .
0, 1012
 
0, 2056
 
c) Tenemos entonces que wm =  0, 3001  , por lo que µm = wm ′
µ = 0, 01084 y que
0, 4943
2 ′
σm = wm V wm = 0, 00311 → σm = 0, 0558. Para calcular el beta debemos primero
hcalcular lasi covarianza entre Adidas y el mercado, dada por cov(rADS , rm ) =
1 0 0 V wm = 0, 03264 por lo que βADS = 0,03264 0,0311
= 1, 0483. Para calcular lo
cartera ex-post eőciente, debemos primero calcular los coeőcientes G = 3, 58094
(note lo parecido que es al coeőciente A dadas las bajas tasas  de interés)
 y
0, 1876
√  
H = 0, 03966 → SRq = H = 0, 1992. Los pesos son wq =  0, 7024 (note
0, 1100
lo parecidos que son al wcj ), con µq = 0, 01188 y σq = 0,05561. Para hacer el
test GRS de esta economía debemos calcular la razón de Sharpe de m, SRm =
0,01084−0,0008 2
0,0558
= 0, 1799 → SRm = 0, 0324. Tenemos 130 meses de rendimientos
(T) y tres activos (N), por lo que el estimador del test GRS es

126 0, 03966 − 0, 0342
J= = 0, 2962
3 1 + 0, 0324
que es menor que el valor crítico, por lo que no se puede rechazar la hipótesis de
que el mercado tiene la misma razón de Sharpe que la cartera ex-post eőciente,
y por lo tanto no se rechazaría el CAPM de Sharpe en esta economía.
d ) Voy a suponer que en esta economía no hay un activo libre de riesgo. Primero que
nada, dados los supuestos de preferencias, debe ser que todos tienen el mismo tipo
de preferencia, ya que si hubiera al menos un agente que escogiera una cartera
con un poco más de rendimiento y riesgo que la cartera M V P . Esto implicaría
que el mercado, que es una combinación linear de todas las carteras individuales,
tampoco sería M V P . Para que cada agente invierta en M V P , debe ser que su
curva de indiferencia es una línea vertical en el punto de MVP (acuérdese que
en MVP la pendiente es de inőnito). Por ejemplo, los agentes podrían tener

preferencias lexicográőcas de media y varianza en el sentido que preőere una
cartera con una varianza más baja a otra que tenga varianza más alta, no importa
los rendimientos que le prometa. Para el beta, sabemos que si una cartera wi que
está en la frontera eőciente y rinde ri , entonces cov(rM V P , ri ) = C1 . Sabemos
1/C
además que var(rM V P ) = C1 , por lo que βi = 1/C = 1 para toda cartera i que
esté en la frontera eőciente.
2. Problema Analog Devices
a) La ecuación de Euler permite valorar cualquier activo en un mercado completo,
y tiene Et−1 (Rjt Dit ) = 1, donde Rjt es el rendimiento bruto del activo j, y
u′ (c )
Dit ≡ u′ it (cist es el llamado factor estocástico de descuento en base a un agente
it−1 it−1 )
representativo. Se sabe que tiene una covarianza negativa con activos que se
mueven positivamente con el consumo, y una covarianza positiva cuando el activo
j es un seguro. El valor esperado de el SDF es E(Dt ) = 1/Rf t = Vf t , es decir,
el precio de un bono cupón cero libre de riesgo. Shiller además demostró que
la varianza en un modelo log linearizado es mayor a la mayor razón de Sharpe
posible. La log linearización considera la situación donde tanto el rendimiento
como el SDF son lognormales, por lo que su producto Yts ≡ Rjts Dits también es
h i−γ
lognormal. En el caso de utilidades CRRA, tenemos que Dts = e−δ CCt−1 ts
,y
por lo tanto dts ≡ ln(Dts ) = −δ − γ∆cts tiene una distribución normal, y donde
∆cs ≡ ln(Cts ) − ln(Ct−1 ) es el crecimiento porcentual del consumo agregado.
Tenemos que E(dt ) = −δ − γµc y V ar(dt ) = γ 2 σc2 donde el suscrito c se reőere a
la media y varianza del crecimiento logarítmico del consumo agregado.
b) Tenemos que A = 3,7150, B = 0,0656, C = 212,7989 y D = 0,1623, la car-
tera de mínima varianza tiene una media de 1,746 % y una desviación están-
dar de 6,855 % (que es bastante alto). La fórmula del MVEF es σ 2 = 0,0047 +
1311,52(µ − 0,0175)2 El índice de mercado tiene una media de 1,7918 % y una
desviación de 7,387 %,para una razón de Sharpe de 0,2143. Los betas son βADI =
′
1,2510,
h βEOG = 1,0671 y iβP GR = 0,6434, y los pesos del mercado son h wm =
0,3527 0,3358 0,3115 versus de la cartera ex-post eőciente de wq′ = 0,2592 0,2032 0,53
Esto signiőca que aunque ninguna de las acciones cae con peso negativo en la car-
tera ex-post, si tuviéramos la información ex-ante, hubiéramos invertido más en
P GR y menos en las otras dos acciones. Usando el test de Gibbons
Ross
y Shan-
ˆ 2 −SR
SR ˆ 2
T −N −1
ken para un valor crítico de 2,6277 tenemos J1 = N
q
ˆ 2
j
= 2,6277
1+SR j
SRq2 −p 2,6277N
y despejamos SRj2 = 1+p
, donde p ≡ T −N −1
. En esta economía tenemos que
N = 3 T = 396 , y p = 0,0201, y SRq2 = H = 0,05104, por lo que SRj2 = 0,0303,

y el SRj < 0,1741 para rechazar la hipótesis nula.
c) En este caso tenemos el CAPM de Black, y despejando de la fórmula de la
frontera eőciente, obtenemos µl = 1,8218 %. Usando la fórmula para encontrar
la cartera
h cero beta encontramos µicl = 1,2743 h %. Los pesos de estas carteras
i son
wcl′ = −1,2244 1,0380 1,1863 y wl′ = 0,4172 0,1143 0,4686 . El SML
empírico (en porcentajes) es µj = 1,2743 + 0,5474βj
d ) Bajo estos supuestos, funciona el CCAPM usando el modelo de Breeden (1979)
cov(rj ,Ct ) 0,4cov(rj ,rm )
y el beta de consumo es βjc ≡ var(C t)
= (0,4)2 var(r m)
= 2,5βj , de manera que
los betas de consumo son βADIc = 3,1275, βEOGc = 2,6678, βP GRc = 1,6085 y
βmc = 2,5.
3. Problema de Sony
a) La ecuación de Euler dice que E(Rj Di ) = 1. La loglinearización presenta la
situación en que tanto Rj como Di son lognormales, es decir, donde ln(Rj ) ≡
rj ∼ N (µj , σj2 ) y ln(Di ) ≡ di ∼ N (µd , σd2 ). Esto implica que Y ≡ Rj Di es

σ2
lognormal, y E(Rj Di ) ≡ E(Y ) = exp µy + 2y = 1. Si se toma el logaritmo
natural de ambos lados de esta igualdad, se encuentra una función que es linear,
σ2
es decir µy + 2y = µj + µd + 12 σj2 + 2σjd + σd2 = 0. Este logaritmo natural de
la ecuación de Euler nos permite calcular los rendimientos de cualquier activo
σ2 σ2
µj + 2j = ln (E(Rj )) = −µd − 2d − σjd . La ecuación anterior se puede poner en
términos de observables, notando que en el caso del activo libre de riesgo tenemos
σ2
rf = ln [E(Rf )] = −µd − 2d , y que por lo tanto, la prima de riesgo de cualquier
activo es ln (E(Rj )) = ln [Rf ] + σjd es decir, ln (E(Rj )) − ln [Rf ] ≈ zj = −σjd .
Shiller encuentra la siguiente desigualdad zj = −σjd = −ρjd σj σd ≤ σj σd , ya que
ρjd ≥ −1. Esto a su vez pone un piso a la volatilidad del logaritmo del factor
z
estocástico de descuento, ya que σd ≥ σjj = SRj , es decir que la volatilidad del
logaritmo natural del factor estocástico de descuento es mayor que la mayor razón
de Sharpe de la economía.
b) Encontramos que A = 2,9966, B = 0,0514, C = 173,6887 y D = 0,12871,
encontramos que, en puntos base, tenemos σw2 = 57,5743 + 1349,4510 × (µw −
170,7875)2 . La cartera de mínima varianza tiene una media de 1,7078 % y una
′
desviación
h estándar de 7,588
i %. El índice de mercado tiene los pesos de wm =
0,4110 0,2896 0,2994 , con una media de µm = 1,6992 % y σm = 7,7534 %.
A
Note que este índice tiene µm < C
,
es decir,
h está en la zona dominada
i de la
frontera eőciente. Tenemos que los β ′ = 1,1036 1,0676 0,7923 , note que
Fast Retail tiene un beta menor a uno, y las otras dos empresas tienen un beta
24.20. TESTS DEL CAPM 224
mayorh a uno. Los alfas de las tresi empresas, expresados en puntos base, son:
α′ = −30,4449 7,0601 34,9563
c) Usamos h el spanning de carteras, dondei wϵMhV EF ⇐⇒ w = g + hµw , donde i
g = 6,0095 −4,9858 −0,0237 y h′ = −334,2300 307,1585 27,0692 .
′
Sabemos que, en puntos base h µl = µm = 169,92, que i sus pesos por span-
′
ning de carteras son wl = 0,3303 0,2334 0,4362 . Usando la fórmula de
′
hcero covarianza, encontramos ique, en puntos base, µcl = 661,5740,y que wcl =
−16,1022 15,3351 1,7671 . Note que como µl está en la zona dominada, y
muy cerca de la media de la cartera de mínima varianza, su cartera cero beta
debe estar en la zona dominante, y muy alto. Tenemos que el SM L empírico de
Black nos dice, en puntos base µj = 661,5740 − 491,66βj , es decir que existe una
relación inversa entre el beta y el rendimiento esperado. Este resultado que no es
común se debe a que asumimos que el mercado l está en la zona dominada de la
frontera eőciente.
d ) Tenemos que H = 0,05063 (note lo parecido que es al B dado que rf es extremada-
mente bajo), por lo que SRq = 0,2250. El proxy de mercado tiene SRm = 0,2175,
2
y SRm = 0,04729. Tenemos T = 179, N = 3, y por lo tanto el estadístico, en
puntos base, es J = 179−3−1 3
× 31,8786, y en números es 0,1860 que es mucho
menor al valor crítico, por lo que no se puede rechazar la hipótesis nula que de
que el mercado y la cartera ex-post eőcientes son iguales. Para la segunda parte

del problema, tenemos de incógnita T , y resolvemos T −4 3
× 31,8786
10000
= 2,6138,
∗
que resolviendo da T = 2463,91, por lo que a partir de T > 2464 (o unos 205
años de datos) se puede rechazar la hipótesis nula de igualdad entre m y q. La
razón de este resultado es que las razones de Sharpe de m y q son muy parecidas.
24.20. Tests del CAPM

1. F. dice que los tests del CAPM simplemente rechazan o no que la proxy de mercado
esté cerca de la frontera eőciente.
2. F. por dos razones. Primero, lo que rechaza es que el proxy usado está en el punto
de máxima razón de Sharpe posible (argumento de Roll). Además, es posible que en
el CAPM de Black µcm > CA > µm para una dada muestra, y en ese caso b < 0.
3. V. donde z i = a + bβi Además, si el proxy de mercado tiene la razón de Sharpe más
alta, entonces a = 0 y b = z m .
4. F. Rechaza que los alfas sean cero, rechazando el CAPM de Sharpe. También rechazan
que los alfas son αj = (1 − βj )zcm y por lo tanto el CAPM de Black. La relación entre
betas y rendimiento promedio sí parece ser lineal en el test de Black, Jensen y Scholes.
5. F. Rechazan que el rendimiento idiosincrático de sus carteras afecten el rendimiento

esperado.
6. V.
7. V.
8. V.
9. F. Tendría un R2 = 1 pero una relación negativa entre beta y rendimiento esperado.
10. V.
11. F. Es para evitar el error en variables.
24.20.2. Problemas.

que el ’proxy’ del mercado es el índice S&P 500, y que la economía está compuesta
por tres acciones: Berkshire Hathaway (BRKA), Johnson & Johnson (JNJ), y Apple
(AAPL). A continuación están los rendimientos promedio y las varianzas-covarianzas
mensuales desde junio del 2005 a junio del 2015:
a) Para una economía donde sólo existen los tres activos riesgosos:
1) La frontera eőciente es la curva que describe la varianza mínima para un
dado rendimiento µ. Es una ecuación cuadrática, que tiene una desviación
mínima σmvp y una media que minimiza esta varianza µmvp . Las parte de
la frontera eőciente µ < µmvp están dominadas, ya que existe otra cartera
con la misma desviación y un mayor rendimiento esperado. La fórmula del
la frontera eőciente está dada por:
A ≡ ι′ V −1 µ = 5,90
B ≡ µ′ V −1 µ = 0,0921
C ≡ ι′ V −1 ι = 762,27
D ≡ BC − A2 = 35,406
2
1 C A p
σw2 = + µw − = 0,00113+21,529 (µw − 0,00774)2 → µmvp = 0,00774, σmvp = 0,00113 = 0,0362
C D C
2) wa ϵM V EF ⇒ wa = g + hµa y wb ϵM V EF ⇒ wb = g + hµb por lo que
wc ≡ αwa + (1 − α)wb = g + h(αµa + (1 − α)µb ) = g + hµc ϵM V EF . Esto es
muy importante porque me dice que un promedio ponderado de las carteras
escogidas por cada agente individual (que siempre escoge algo en la frontera),
y que es la cartera de mercado, debe ser eőciente. Esto se usa para encontrar
la versión cero beta del CAPM. Tenemos
 
−1 −1
0,2673
BV ι − AV µ  
g= =  1,0312 
D
−0,2985
 
5,0007
CV −1 µ − AV −1 ι  
h= =  −52,0317 
D
47,0310
 
0,3648
 
w0,0195 =  0,0166 
0,6186
b) Para una economía donde uno puede endeudarse libremente:
1) El β mide el impacto que tiene en una acción el movimiento del mercado,
en tanto que el alfa mide el rendimiento de una empresa más allá de lo que
predice la versión Sharpe Lintner del CAPM. El beta del mercado es 1, y
su alfa debe ser 0. Para las empresas concretas tenemos lo siguiente: todas
tienen alfas positivos, y BRKA y JNJ se mueven menos con el mercado que
AAPL.
β α
BRKA 0, 5464 0, 00388
JN J 0, 5752 0, 00078
AAP L 1, 2204 0, 02467
2) q es la cartera que maximiza la razón de Sharpe con los datos históricos
Tenemos los siguientes resultados
G=z’V −1 ι=4.1598 H = z ′ V −1 z = 0,06914

 
0,36182
V −1 z  
wq = =  0,04738 
G
0,59080
H
µq = z q + r f = + rf = 0,0166 + 0,0023 = 0,0189
G √
H
σq = = 0,0632
G
3) El test GRS trata de ver si mi proxy de mercado m se ’acerca’ a la cartera
ex-post eőciente q. En este caso tenemos T =120 meses de datos, N = 3
√
acciones y SRq = H = 0,2630 y SRm = 0,05294. El test dice
!
T − N − 1 SR ˆ 2 − SR
ˆ 2 116 0,06914 − 0,00280
q m
J1 = = = 2,5582 ∽ F3,116
N ˆ 2m
1 + SR 3 1 + 0,0028
El valor crítico al 10 % me indica que puedo rechazar la hipótesis a un 10 % de

conőanza de que m y q son iguales. De acuerdo a Roll, esto me dice que mi proxy
de mercado, el S&P 500, no está cerca de ser la razón de Sharpe más alta.
c) Para una economía donde uno no puede endeudarse libremente:
1) Brevemente, debe ser que la cartera de mercado esté en la frontera eőciente
y además σm > σq y µm > µq ya que es una combinación linear de todas
las carteras riesgosas, que empiezan a partir de q y de ahí para carteras más
riesgosas y con más rendimiento.
2) La cartera cm es la que tiene cero covarianza con m. Está dada por:
A D dµ
µcm = µcm = − 2 A
= µm − σ m = 0,00256
C C µm − C dσ
En teoría como µm > CA porque todo lo que está por debajo de A/C está
dµ
dominado, entonces µcm < CA . Además, como µm > µq y por lo tanto dσ q
>
dµ
dσ m
→ rf > µcm , ya que rf se obtiene exactamente como µcm para la cartera
q. Veriőcamos que
A
rf = 0,0023 < µcm = 0,00256 < = 0,00774
C
Podemos usar la frontera eőciente para encontrar σcm = 0,04347. Podemos usar
los vectores g y h para encontrar los pesos de la cartera que conforman a wcm
 
0,2801
 
wcm = w0,00256 =  0,8980 
−0,1781
2. Problema 2
a) El test de BJS fue uno de los primeros en examinar los resultados ’débiles’ del
CAPM, es decir, de los rendimientos. En este test se crearon 10 carteras de 1931 a
1965, donde la cartera ’1’ tenía las acciones con betas más altos, la ’2’ el segundo
decil de betas más altos, y así. Luego corrieron la regresión zit = αi + βi zmt + εit
para i = 1, 2, ..., 10. El test del CAPM de Sharpe y Lintner dice que αi = 0 lo que
se rechaza. BJS encuentran que hay una relación linear entre beta y rendimiento
promedio, pero que las carteras con β < 1 tienen alfas positivos, y que las carteras
con β > 1 tienen alfas negativos. Esto lo predice el CAPM de Black, ya que αi =
(1 − βi )zcm . Sin embargo el test de BJS rechaza también esta versión del CAPM
ya que los alfas predichos son mucho menores que los reales. Aunque uno sea muy
crítico del CAPM, llama la atención que hay una relación linear entre el beta y
rendimiento promedio. También que sea el beta y no la volatilidad total el que sea
el factor a tomar en cuenta. Finalmente, aunque se use un modelo multifactor,
siempre se considera el factor ’mercado’ como un componente importante para

establecer el rendimiento esperado de un activo.
b) Se obtiene un A = 6,07169, B = 0,07100, C = 577,58 y D = 4,14565. De ahí
sale una frontera eőciente con σi2 = 0,00173 + 139,32(µi − 0,0105)2 , con una
cartera de mínima varianza q dada por µM V P = 1,0512 % y σM V P = 4,1609 % o
2 D
σM V P = 0,00173. El valor C
= 8,472 % indica el ángulo del dos rayos que
A
salen a partir de y = C
y x = 0, y que en si limitan la frontera eőciente. Una
interpretación económica de este factor me dice que para tener una cartera que
me de un 1 % más alto de rendimiento mensual, debo aceptar, en general una
desviación más alta de un 8.472 %. h i
c) Obtengo G = 4,48301 y H = 0,041973, por lo que wq = 0,4293 0,23897 0,33179 ,
′
√
zq = 0,00936 σq = 0,04570 y una razón de Sharpe SRq = H = 0,20487. Para
calcular el test de GRS, debemos buscar la razón de Sharpe del índice CRSP, que
√
tiene una media de µm = 0,00885 y una desviación estándar de σm = 0,00201 =
0,04488 , por lo que su razón de Sharpe es SRm = 0,00885−0,00275
0,04488
= 0,13599. En
este test tenemos T = 360, N = 3, por lo que tenemos

356 (0,20487)2 − (0,13599)2
J3,356 = = 2,73558
3 1 + (0,13599)2
Con este test, se puede rechazar la hipótesis de que le índice CRSP sea estadísti-
camente igual a q, y por loo tanto que la relación del CAPM de Sharpe y Lintner
se cumpla si se usa el CRSP como ’mercado’. Noten que el CAPM de Sharpe y
Lintner siempre se cumple exactamente si se usa a ’q’ como mercado.
σ
d ) Recordamos que la correlación entre una cartera i y q se deőne como ρiq ≡ σiiqσq ,
de la cual ya sabemos σq = 0,04570. Entonces, para resolver los dos problemas
debemos conseguir las covarianzas σiq y la desviación estándar de la cartera i.
e) Para una cartera en la frontera eőciente con µi = 0,00885 usamos el resultado de la
frontera eőciente en (2) y obtenemos σi2 = 0,00173+139,32×(0,00885−0,0105)2 =
0,002116 y σi = 0,04600. Para obtener el valor esperado de la cartera q en-
tonces µq = zq + rf = 0,00936 + 0, 00275 = 0,01211. Para obtener σiq pode-
mos usar la fórmula del cero beta, donde si wi y wq están en la frontera eő-

ciente, entonces σiq = C1 + D C
µi − CA µq − CA = 0,00173 + 139,32(0,00885 −
0,0105)(0, 01211 − 0, 0105) = 0,001361. Ahora combinamos los resultados y ob-
0,001361
tenemos ρ = 0,04600×0,04570 = 0,64710.
√
f ) En el caso del índice CRSP, tenemos σi = 0,00201 = 0,04488. Podemos usar la
matriz de varianza covarianza expandida para obtener
  
0, 00225 0, 00121 0, 00089 0, 00109 0
h i 0, 00121 0, 00971 0, 00166 0, 00253  0 
  
σiq = 0, 42923 0, 23897 0, 33179 0    = 0, 0014992
 0, 00089 0, 00166 0, 00322 0, 00129  0 
0, 00109 0, 00253 0, 00129 0, 00201 1
0,0014992
ρiq = = 0, 73131
0, 04488 × 0, 04570
3. Problema BM W , DHL, y (M U V G).
a) Fama y Macbeth (1973) es un test de las predicciones débiles del CAPM de
Sharpe, Usan datos mensuales de panel para N carteras y T periodos, usando
β̂j estimados el estimado de la desviación de residuos de cada cartera ŝj , y la
regresión es:
2
rjt = γ0t + γ1t β̂jt + γ2t β̂jt + γ3t ŝj + ujt
El CAPM de Sharpe implica que γ2t = γ3t = 0, que no se rechaza. También
implica que γ0t − rf t = 0 y que γ1t − zmt = 0 lo que sí se rechaza. Estos resultados
indican que no se puede rechazar una relación lineal y positiva entre los rendi-
mientos esperados y el beta, y que otros factores como el riesgo idiosincrático
no afectan el rendimiento esperado. Los autores, sin embargo, encuentran que el
SM L empírico diőere de la teoría del CAP M de Sharpe, ya que tiene un inter-
cepto mayor al rf y una pendiente menor al z m . Los autores hacen sus estudios
con carteras de acciones para minimizar los errores en variables en el calculo de
los betas. También descartan los primeros años de sus cálculos para evitar una
relación mecánica entre los rendimientos y los betas: por ejemplo, usan datos del
1926 a 1930 para formar las carteras, pero calculan el beta de cada cartera sin
usar esos datos iniciales.
b) Con dos acciones, se obtiene que A = 1,5084, B = 0,0116, C = 199,4479 y
D = 0,03791, en este caso la cartera de mínima varianza tiene una media en
puntos base de 75,6 y una desviación
q estándar de 7.08 %, y la relación mínima
entre rendimiento por riesgo es D C
= 1,379 %. Con tres acciones, se obtiene que
A = 2,5644, B = 0,0192, C = 346,8839 y D = 0,0707, en este caso la cartera de
mínima varianza tiene una media en puntos base de 73,9 y la desviación estándar
cae a 5.37 % (el primer beneőcioqde la diversiőcación) , y la relación mínima entre
D
rendimiento por riesgo sube a = 1,427 %, que es el segundo beneőcio de la
C
h i
′
diversiőcación. Con los pesos de wm = 0,4135 0,3164 0,2706 tenemos que
µm = 76,26 puntos base y que σm = 6,1594 %.
24.21. APT 230
c) Lo primero que hay que hacer es mensualizar la tasa libre de riesgo, que en
puntos base es rf = 4,46, que es un número super bajo ya que en Europa se ha
mantenido una política monetaria muy relajada durante todo el periodo 2005 al
2023. Los alfas, expresados en puntos base son αBM W = −10,08, αDHL = −7,23,
αM U V G = +23,91 y αm = 0, la última por construcción. En cuanto a las razones
de Sharpe, encontramos que SRBM W = 0,0929, SRDHL = 0,0842, SRM U V G =
0,1220 y SRm = 0,1166. Para combinar con un activo sin riesgo siempre buscamos
el activo con la razón de Sharpe más alta, que en este caso sería M U V G, lo que
no es lo típico, porque la teoría
h aconsejaría el mercado m.i Los pesos de la cartera
′
ex-post eőciente q son wq = 0,1369 0,1712 0,6919 , que por una parte son
todos positivos, pero que diőeren signiőcativamente de la cartera wm en que dan
menos peso a BM W y DHL, y le dan más peso a M U V G, ya que la última
acción ha tenido un desempeño relativamente mejor. La razón de Sharpe de la
Cartera ex-post eőciente es 0,1302, y el test de GRS con T = 214 N = 3 da
un estadístico de J = 0,2317 que es menor que el valor crítico, por lo que no se
rechazaría H0 que SRm = SRq , y por lo tanto no se rechazaría el CAP M de
Sharpe.
d ) De nuevo, es necesario mensualizar las tasas de interés, y obtenemos en puntos ba-
se que rf = 4,46, rd = 18,85 y que por lo tanto µcl = 11,66 < CA = 75,60, es decir
que la cartera cero covarianza con el mercado está en la zona dominada. Esto nos
indica que el mercado está en la zona dominante, y usando la fórmula de cero beta
para encontrar la media µl = 74,87 expresado en puntos base. Usamos el span-
ning de
h carteras (g y h) para encontrar
i los pesos de las carteras, y obtenemos que
wl′ = 0,1469 0,1640 0,6891 que se parecen bastante a los pesos de la cartera
h i
q. Para la cartera cero covarianza obtenemos wcl′ = −6,3099 4,8444 2,4654 .
El SM L empírico, en puntos base, da E(r̃j ) = 11,66 + 63,21βj , contra el teórico
según el CAPM de Sharpe de E(r̃j ) = 4,46 + 71,80βj .
24.21. APT

′′
1. V. u′ (w) = 0,5(1 + w)−0,5 y u′′ (w) = −0,25(1 + w)−1,5 , y RRA = − wu (w)
u′ (w)
=
−1,5
0,5 w(1+w)
(1+w)−0,5
w
= 0,5 1+w < 0,5 = R < ∞
2. F. El factor valor o HML se construye con una cartera autoőnanciada que compra
acciones H con un alto valor en libros entre valor de mercado (baja q de Tobin) y
vende al descubierto acciones L con una razón Valor en Libros/Valor de mercado
baja (una q de Tobin alta). Este factor parece capturar el riesgo de desplazamiento
por parte de nuevas tecnologías a empresas existentes.
24.21. APT 231
3. F. no son ortogonales entre sí en la práctica.

4. F. Implica más bien que tiene una correlación más alta con empresas perdedoras de
los periodos anteriores.
5. F. El factor momentum se reőere a los rendimientos diferenciales entre acciones a las
que les fue bien comparado con las acciones a las que les fue mal en el pasado.
6. F. Las utilidades CARA no se deben usar en el desarrollo del APT, ya que pueden
impedir el arbitraje asintótico.
7. F. aunque es cierto que tiene una correlación con empresas łpequeñasž (el 30 por
ciento más pequeño del CRSP), no la hace necesariamente pequeña. Por ejemplo,
Bank of America, una empresa grande, tiene un factor de carga muy positivo con el
factor zs .
8. F., el crecimiento esperado aumenta conforme sube la razón precio ganancias.
9. V.
10. F. Una razón de varianzas signiőcativamente menor a uno indica autocorrelación
negativa, lo cual signiőca que la estrategia del mom de comprar acciones de empresas
anteriormente ganadoras y vender al descubierto perdedoras sería una estrategia que
genera pérdidas y por tanto zmom < 0.
11. F. Esto no es cierto si, por ejemplo, una empresa tiene la misma carga de factor para
zm y cargas negativas para los otros factores.
24.21.2. Problemas.
1. Acciones de Francia
a) El ’factor’ de mercado siempre es usado en los modelos multifactores. La razón es
que es el único que tiene una base teórica, ya sea a través del CAPM de Sharpe,
o el de Black. Para calcular la media y varianza del mercado considere que wm es
el vector de pesos relativos de cada acción, y entonces µm = µ′ wm = 0,00728 y
2 ′
σm = wm V wm = 0,0064 → σm = 0,07934.
b) Tenemos A = 0,2069, B = 0,0379, C = 223,65 y D = 8,8423, de manera que
σ 2 = 0,00447+26,5485(µ−0,000925)2 . Al añadir un activo nuevo, pasan dos cosas:
primero, la varianza mínima 1/C cae, y por otra parte, el cono que contiene a
la frontera eőciente se expande, de manera que D/C aumenta. El efecto sobre la
media de la mínima varianza es incierto.
c) Tenemos βAIR = 1,027 βCA = 0,549 y βU G = 1,186, de manera que Carrefour es
la que tiene menos riesgo de mercado, a saber (0,549 × 0,07934)2 . En cuanto a las
alfas, tenemos αAIR = 0,0068, αCA = −0,0089 y αU G = −0,0073. Black, Jensen y
Scholes encontraron que para β > 1 entonces en general α < 0, y que para β < 1
entonces α > 0. En nuestra economía no encontramos esos resultados.
24.21. APT 232
d ) Para este caso, tenemos que T = 120 N = 3, que H = 0,03767 y que SRm 2
=
0,0063, por lo que el test GRS da un valor de J3,116 = 1,2054. Esto es menor al
valor crítico dado, por lo que no podemos rechazar la hipótesis de que el mercado
y la cartera es-post eőcientes tienen la misma razón de Sharpe. El valor crítico
ha sido alterado, ya que el test GRS no tiene mucho poder, es decir que tiende a
aceptar el CAPM de Sharpe cuando la alternativa (p.e. el CAPM de Black o el
APT) es cierta.
e) Esta pregunta es más complicada de lo que pueda parecer. Para empezar esta-
mos en una situación de preferencias de media y varianza, dadas las preferencias
cuadráticas. Debemos igualar las pendientes de las curvas de indiferencia y de la
frontera eőciente, a saber
∂µ Vσ bσ σ Ψ
=− = = C A
=− σ
∂σ Vµ 1 − bµ D
µ− C Ψµ
Esto implica que
D + bA
µ=
(C + D)b
Dado que tenemos b = 1,90 y los valores de la frontera eőciente encontrada en (2),
entonces µ∗ = 0,02 y sabemos que el inversionista  está en la
 frontera eőciente, por

0,2280 52,8893
   
lo que sólo debemos encontrar los vectores g =  0,7357  y h =  −54,6824 
0,0363 1,7931
 
1,2856
∗  
por lo que obtenemos w =  −0,3578 .
0,0722
2. Problema de Macdonalds BAC y Oracle.
a) El arbitraje se reőere a la posibilidad de ganar dinero sin tener riesgo. Se supone
en general en la economía őnanciera que no deben existir oportunidades de arbi-
traje, y este es un supuesto más fuerte que la racionalidad. Existe el arbitraje tipo
I, donde uno tiene cf0 > 0 y cfs = 0 y se usó para la demostración del teorema
Modigliani Miller I. En el arbitraje tipo II tiene cf0 = 0 y cfs ≥ 0 con desigualdad
en al menos un sϵS, y se usó en la demostración del APT sin riesgo idiosincrático.
Finalmente, existe el riesgo asintótico es cuando el número de activos va a inőnito
tenemos cf0 = 0 cfs > 0 y var(cfs ) = 0 y se usó en la demostración del APT con
riesgo idiosincrático. En el APT además de los supuestos de ausencia de arbitraje
asintótico, se supone que la aversión relativa al riesgo tiene un tope, y que existe
al menos un activo con responsabilidad limitado.
24.22. EL ZOOLÓGICO DE FACTORES 233
8,28
b) Para traducir de puntos base tenemos rf = (100) 2 = 0,000828. En la frontera
eőciente tenemos A = 5,9500, B = 0,0702 C = 516,36 y D = 0,8553, por lo que

la frontera eőciente tiene σw2 = 0,00194 + 603,74(µw − 0,01152)2 donde la cartera
de mínima varianza tiene µ = 1,152 % y σ = 4,401 %. Para el mercado tenemos
rm = 1,243 % y s2m = 5,5687 %. Tenemos para los indicadores de cada acción:
MCD BAC ORCL Mercado q
βj 0,5033 1,4048 0,8518
αj 0,0051 −0,0033 0,00019
SRj 0,2237 0,1538 0,1634 0,2084 0,2464
wq′ 0,6731 0,1308 0,1961
Para el test GRS tenemos T = 60 N = 3 y J = 0,3091 y no podemos rechazar la
hipótesis de que m y q tienen las mismas razones de Sharpe.
c) Tenemos µ9pb
m = 1,242 % y µcm = 0,7959 %. El SML de Black en puntos base sería
E(rj ) = 79,59 + 44,61βj . Compare esto con el SML de Sharpe en p.b que daría
E(rj ) = 8,28 + 116,06βj . Para los pesos de las carteras, usamos el spanning de
carteras de wj = g + hµj .
9pb
g h wm wcm
MCD 0,3692 25,56 0,6868 0,5727
BAC −3,8770 337,09 0,3107 −1,1941
ORCL 4,5078 −362,66 0,0025 1,6215
d ) Para calcular el costo de capital debemos tener parecida duración entre los ŕujos
de caja de las empresas (15 años) por lo que usamos el rf a 20 años, que men-
1
sualizado da rf = (1,0328) 12 − 1 = 0,002693 o 26,93 puntos base. Recordamos
P
que zj = 4k=1 βjk zk , donde usaríamos los zk que incluye todo el periodo (1927 a
2022).
Cuadro 6. Rendimientos esperados
periodicidad M CD BAC ORCL

zj pb mensual 26,68 54,29 47,44
rf pb mensual 26,93 26,93 26,93
E(rj ) pb mensual 53,61 81,23 74,37
E(rj ) % anual 6,63 % 10,19 % 9,30 %
24.22. El zoológico de Factores

1. F. tiene un sesgo de sobrevivencia
2. F. Puede también ser porque se haya descubierto una ineőciencia que el mercado
luego aprovecha
3. F. En el paper de McLean y Pontiff, más bien se sospechaba de husmeo de datos en

los casos en que el factor era menos fuerte usando datos que precedían los del estudio.
4. F. Más bien, dice que es normal que el PPV sea menor al 50 %. En őnanzas empíricas,
el PPV es menor al 3 % según Hou et al. (2017).
5. F. El número de experimentos, c, no cambia el PPV.
6. F. Puede ser por que de verdad hay una imperfección que se puede explotar (y el
factor perderá alguna fuerza) o representa un verdadero riesgo.
R((1−β)+uβ) 1 1
7. F. El PPV es igual a P P V = α+u(1−α)+R((1−β)+uβ) = α+u(1−α) ≡ 1+γ , y lo que nos
1+ R((1−β)+uβ)

α+u(1−α)
interesa ver el signo de γ = R((1−β)+uβ) ∂γ
y ∂u = R1 (1−α)(1−β)−αβ
[(1−β)+uβ]2
para que disminuya
tiene que ser que αβ < (1 − α)(1 − β).
8. F. existen teorías de que un q de Tobin alto implica un riesgo de desplazamiento, y
un mayor riesgo de duración.
9. V. Es lo que hacen en física para que se acepte el descubrimiento de una partícula es
de 5 sigmas.
10. F. En el modelo de Ioannides con R = 1, β = 0,5 y α = 0,05, el P P V cae de 0.33 a
0.03 con un aumento de tan sólo u = 0,2, lo cual es desproporcionadamente alto.
11. F. Encuentran que los factores si se calculan antes de la muestra en que lo hicieron
los autores originales tienen un 26 % menos de potencia que en el estudio, que es
alguna evidencia de husmeo de datos.
24.22.2. Problemas.
1. Problema de Chevron, AT&T y Pőzer

a) El husmeo de datos se reőere a buscar correlaciones empíricas (en nuestro caso
őnancieras) sin que haya una verdadera relación. Esto se debe a que por la abun-
dancia de datos őnancieros, es posible encontrar correlaciones estadísticamente
łsigniőcativasž por pura casualidad. Este ha sido un problema serio en őnanzas,
ya que a partir de 1992 se han łdescubiertož más de 400 factores, de los cuales
menos de un 3 % han podido ser replicados (Hou et al 2017). Además, se ha de-
mostrado que una vez publicados, los factores pierden poder predictivo (McLean
y Pontiff 2016). Se han propuesto dos formas de controlar este sesgo causado
por el husmeo de datos. La primera es ajustar los t estadísticos (Harvey et al
2017) para controlar por que se está haciendo una minería de datos. La segunda
propuesta es hacer más estudios de replicación, para veriőcar que los resultados
realmente están ahí.
b) Los resultados son
A
A 7,38661 C
0,00975 0,78668 −67,3893
1
B 0,07392 √
C
0,03632 g 4,64279 h −424,929
C
C 757,94 518,43 −4,42947 492,3183
qD
D
D 1,46198 C
0,04392
Por lo tanto σw = (0,03632)2
2
+ 518,43(µw − 0,00975)2
c) Los resultados son:
µj σj βj SRj
CV X ˙
1,24600 0,16739
T 0,81359 0,20401
PFE 0,93506 0,23559
m 0,00983 0,03798 1,00000 0,25572
Chevron tiene el mayor riesgo de mercado βj2 σm2
. La teoría del CAPM de Sharpe
dice que el m es la cartera con la razón de Sharpe más alta, por lo que los datos
hasta el momento encontrados por lo menos no lo contradicen.
d ) Los resultados son:
G 7,29710 0,11211
H 0,07218 wq 0,38924
SRq 0,26867 0,49865
J3,90 0,19118
Por lo tanto, no se puede rechazar la hipótesis de que q es igual a m. Para ver
2
el valor mínimo de SRm ≡ x que no rechazaría esta hipótesis, entonces tenemos
que

90 0,07218 − x
= 2,7058 → 0,07218 − x = 0,09019(1 + x) → x = −0,016520
3 1+x
En otras palabras, nunca se rechazaría la hipótesis de que q = m. Esto nos indica
que el valor crítico se ha puesto a un nivel donde el error tipo II es muy alto.
Dado el poder tan bajo del test GRS, es necesario usar niveles de conőanza más
bajos (p.e. al 90 % en vez del 95 % como en este caso).
2. Problema de las acciones australianas
a) Ioannides desarrolla un sencillo modelo para estudiar la proporción de estu-
dios publicados que son ciertos (PPV), y una de sus fórmulas nos da P P V =
R((1−β)+uβ)
α+u(1−α)+R((1−β)+uβ)
, donde R tasa entre relaciones verdaderas y ausencia de
R
relacionesP rob(V erdadera) = R+1 . Poder del test = 1 − β, Error tipo II β.
Error tipo I: α y u tasa de estudios manipulados que no hubieran sido descubier-

tos estadísticamente, pero fueron alterados para serlo. Para analizar los efectos,
α+u(1−α)
quizá es mejor deőnir P P1 V = 1+ R[(1−β)+uβ] . El PPV es muy bajo cuando las rela-
ciones verdaderas R son muy bajas, cuando hay una alta tasa u de manipulación
de estudios, y cuando el poder de los tests 1 − β es bajo. Este problema parece
darse mucho en las őnanzas empíricas a partir de 1992, cuando los economistas
őnancieros empezaron a buscar łfactores de desempeñož divorciados de alguna
base teórica. Para mitigar el problema de u, Harvey et al. (2016) propone usar
t-estadísticos que suban de magnitud conforme pasa el tiempo. Hou et al. (2017)
hacen estudios de replicación usando este estándar, y encuentran que sólo un 3 %
de los factores encontrados sobreviven. Otro factor que puede ayudar a aumentar
el PPV es hacer tests con mayor poder, y así poder disminuir el β.
h.
A
A 3, 1938 C
0,0072 −0, 2399 80, 0195
B 0,0248 √1 0,0475 g −1, 5539 h 217, 6817
C
C
C 443, 24 552, 47 2, 7938 −297, 701
qD
D
D 0, 8023 C
0,0425
Por lo tanto σw2 = (0,0475)2 + 552, 47(µw − 0,0072)2
ponderado por capitalización, que llamaremos m. Calcule los alfas de estas tres
acciones. Calcule la razón de Sharpe de estas tres acciones, y diga cual de las tres
acciones es más atractiva.
M V Ej0 wjm µj σj βj αj SRj
BHP 39, 23 0, 3235 ˙
1,1117 0, 00046 0,0783
RIO 32, 50 0, 2680 1, 3433 0, 00011 0,0758
CBA 49, 53 0, 4085 0, 6863 −0, 00044 0,0488
m 121, 27 1, 0000 0,0081 0,0518 1,0000 0, 00000 0,0880
Tanto por su alfa como por la razón de Sharpe, la cartera más atractiva es la de
BHP.
índice m descrito en (c). Explique qué concluye del resultado de este test, si el
valor crítico del mismo al 10 % es de 2,1099 Calcule los pesos de la cartera wcq .
G 1, 6399 0,4250 0,04062

H 0, 0079 wq 0,2549 wcq -0,79076
SRq 0,0888 0,3201 1,75014
J211,3 0,0097
Por lo tanto, no se puede rechazar la hipótesis de que q es igual a m. Para
encontrar wcq usamos la ecuación de spanning de carteras y el hecho de que
µcq = rf , por lo que wcq = g + h × rf .
3. Problema HD BAC CSCO
a) El artículo estudia factores encontrados por artículos, y demuestra que una vez
publicados, los factores pierden en promedio un 58 % de fuerza. Estudian a qué se
debe esa caída: parte se puede deber a husmeo de datos, ya que usando datos de
antes de los usado en los estudios, los factores tienen un 26 % menos de fuerza. El
resto de la caída (32 %) se puede deber a que una vez encontrada una oportunidad,
lo inversionistas la aprovechan y hacen que se reduzca. El balance del factor, un
42 % se debe a que existen verdaderos riesgos, o es imposible explotar más las
oportunidades de inversión.
h.
A
A 9, 7265 C
0,01977 3, 5689 −150
1
B 0, 1924 √
C
0,04509 g −21, 8788 h 1111, 898
C
C 491, 97 7206, 36 19, 3099 −961, 898
qD
D
D 0, 06827 C
0,01178
Por lo tanto σw2 = (0,04509)2+ 7206,36(µw − 0,01977)2 .
ponderado por capitalización, que llamaremos m (5 puntos). Calcule los pesos de
la cartera q y el test GRS para esta economía, usando el índice m descrito arriba.
6 % es de 2,57
M V Ej0 wjm µj σj βj αj SRj
HD 49, 29 0, 2927 ˙
0,7029 0, 005648 0,38667
BAC 64,13 0, 3808 1,3094 −0, 00553 0,26065
CSCO 54,99 0, 3265 0, 9056 0, 00139 0,30754
m 168,42 1, 0000 0,01993 0,04962 1,0000 0, 00000 0,39247
G 9, 50105 0,60111 0, 59897

H 0, 18363 wq 0, 12049 wcj 0, 13634
SRq 0,42852 0, 27841 0, 2647
J80,3 0,6839
Por lo tanto, no se puede rechazar la hipótesis de que q es igual a m. (Con el error
tipográőco µm = 0,01472 y el test da 1,6038 y tampoco rechaza la hipótesis)
d ) respondida arriba
e) Para alfas y betas, ver arriba. Lo que haríamos tiene tres pasos:
1) Comprar $1 de HD
2) Vender al descubierto $1 de BAC
3) Comprar $0,6065 del mercado. Esto último se debe hacer ya que con las
primeras dos medidas me queda riesgo de mercado (un beta negativo de -
0.6065) que debo łesterilizarž con esta última inversión. Note que no es una
cartera autoőnanciada.
Parte 5
Tareas
Tarea 1
1. Considere los siguientes repagos: x1 = 1,x2 = 2, x3 = 3, x4 = 4,x5 = 5 y las siguientes

relaciones de indiferencia:
l(x1 , x3 , 0, 437) ∼ l(x2 , x4 , 1)
l(x3 , x5 , 0, 4368) ∼ l(x2 , x4 , 0)
l(x3 , x5 , 1) ∼ l(x2 , x4 , 0, 4150)
a) Construya la utilidad cardinal de esta persona, es decir u(xi ) para i = 1, ..., 5 y
grafíquela. Como tiene dos grados de libertad (£sabe porqué?) puede establecer
u(x1 ) = 0 y u(x5 ) = 1 sin pérdida de generalidad.
b) Compare la lotería la (x1 , x5 , 0, 50) y la lotería lb (x3 , x4 , 1, 00). £Cuál de los dos es
preferida? £Qué implica esto acerca de la actitud ante el riesgo de esta persona?
c) Considere las siguientes dos loterías:
Repago lc :P rob(xi ) ld : P rob(xi )
x1 0, 20 0, 25
x2 0, 20 0, 00
x3 0, 20 0, 45
x4 0, 20 0, 00
x5 0, 20 0, 30
Calcule la utilidad esperada de cada lotería y explique cual de las dos es preferida
por esta persona.
2. Considere las siguientes loterías l1 = l(50, 0, 0,6), l2 = l(100, 0, 0,4), l3 = l(50, 0, 0,3)
y l4 = l(100, 0, 0,2). El señora Komurasaki tiene las siguientes preferencias l1 ≻ l2
y l4 ≻ l3 . £Son estas preferencias consistentes con los axiomas de las utilidades
esperadas? Si lo son, dé una utilidad cardinal consistente con las preferencias de
Choi. Si no, explique porqué esta utilidad cardinal no se puede proponer.
3. £Es verdadera la siguiente proposición? Si lo es, demuéstrelo. Si no lo es, dé un ejemplo
que lo contradiga: Sea ⪰ una relación de preferencias que puede ser representada por
una utilidad cardinal Von Neumann Morgenstern que es estrictamente creciente y
cóncava. Sean x1 , x2 y x3 los premios de tres loterías. Si x1 ⪰ x3 y x2 ⪰ x3 entonces
x1 +x2 ⪰ x3 . £Qué pasaría con la proposición anterior si la cambiamos por: Si x1 ⪰ x3
y x2 ⪰ x3 entonces x1 + x2 ⪰ 2x3 ?
√
4. Considere un individuo A con una utilidad cardinal ua (w) = w y otro b con una
utilidad ub (w) = ln(w). Ambos tienen una riqueza inicial de 1. £Puede encontrar
unas loterías l1 y l2 tal que el inversionista A acepta l1 y rechaza l2 , mientras que el
inversionista B acepta l2 pero rechaza l1 ? Si las puede encontrar, dé un ejemplo. Si
no, explique porqué no se pueden dar esas loterías.
241
5. £Qué tipo de utilidad de la riqueza es consistente con una persona que está dispuesta
a comprar una lotería y un seguro al mismo tiempo?2
Tarea 2
1. £Cuál es el equivalente cierto (también llamado de certidumbre) del casino de la
paradoja de San Petersburgo si tengo una riqueza inicial de cero, mi única fuente de
ingresos es la apuesta en el casino y mi utilidad cardinal es de u(w1 ) = (w1 )0,5 ?
2. Considere la función de utilidad u(w) = 1−1/w. Explique si sus características (ARA,
RRA, etc.) concuerdan con lo propuesto por Arrow (1965), y si hay alguna desviación,
qué posibles violaciones de los supuestos Von Neumann Morgenstern puede generar.
3. Derive una aproximación de la prima de seguro relativa πi dada en la siguiente ex-
presión: E[u(w [1 + ϵ])] = u(w [1 − πi ]).
4. Suponga que x1 > x2 > x3 > x4 y que u(x1 ) + u(x4 ) = u(x2 ) + u(x3 ) £Será cierto

que u x1 +x
2
4
< u x2 +x
2
3
?£Porqué o porqué no?
Tarea 3
1. Calcule el rendimiento simple, bruto, y continuamente compuesto de Apple en los úl-
timos seis meses, y anualícelos. (Puede ver los precios de Apple en őnance.yahoo.com
o en investing.com)
2. Suponga que la utilidad cardinal es u(w) = 10 − w52,3 , y que la distribución de la
riqueza es lognormal. Calcule la utilidad esperada del inversionista, y recomiende
entre dos inversiones con rendimientos lognormales: w1 donde E [ln(w1 )] = 0,01 y
V ar [ln(w1 )] = 0,04, y w2 donde E [ln(w2 )] = 0,06 y V ar [ln(w2 )] = 0,16.
3. Usted está considerando dos fondos de inversión A y B con los repagos y probabili-
dades descritos abajo. Usted sólo sabe que u′ (w) > 0 y que u′′ (w) < 0. Explique si es
posible determinar cuál de los fondos serían preferidos, y si no es posible clasiőcarlos,
explique porqué.
Fondo\Repago 200 300 400 500

A 0.45 0.20 0.30 0.05
B 0.50 0.15 0.25 0.10
4. Suponga que hay dos carteras j = 1, 2 con rendimientos simples rj ∼ N (µj , σj2 ).
Compare las dos carteras usando los criterios de DEPO y DESO (o aumento en
riesgo) en los siguientes casos:
a) µ1 = µ2 y σ1 > σ2 .
b) µ1 > µ2 y σ1 = σ2 .
2Pista, para esto, puede consultar Friedman, Milton, y Leonard J. Savage. "The utility analysis of choices
involving risk." Journal of Political Economy 56, no. 4 (1948): 279-304.
242
c) µ1 < µ2 y σ1 < σ2
5. Usted trabaja en un puesto de bolsa, y debe asesorar a sus clientes acerca de 6 posibles
fondos de inversión cuyos repagos y probabilidades se muestran abajo
Fondo\Repago 1 3 4 7 11 18
A 0.3 0.4 0.3
B 0.1 0.55 0.35
C 0.1 0.1 0.2 0.1 0.2 0.3
D 0.2 0.2 0.1 0.2 0.3
E 0.3 0.7
F 0.2 0.1 0.2 0.1 0.4
a) Usted sólo sabe que sus clientes tienen u′ > 0. £Qué fondos le recomendaría?
b) Usted sólo sabe que sus clientes tienen u′ > 0 y u′′ < 0 £Qué fondos le recomen-
daría?
c) Usted sólo sabe que sus clientes tienen preferencias de media y varianza £Qué
fondos le recomendaría?
d ) Explique cuáles fondos no se pueden comparar en (c) pero sí en (b)
Tarea 4
1. Un bono del gobierno del Reino Unido con plazo de 10 años y un cupón de 4,63 tiene
un rendimiento de 4,01 %. Calcule el precio y la duración de tal bono.
2. Un bono del gobierno japonés a 2 años tiene un valor facial de Y 50, 000 y un cupón
de veinte puntos bases pagadero cada semestre. El primer cupón se pagará dentro de
seis meses. El rendimiento de este bono es de 17 puntos base:
a) Calcule el precio de este bono expresado como un porcentaje del valor facial, y
en yenes.
b) Calcule la duración de este bono, y explique para qué sirve la duración.
c) Suponga que el rendimiento del bono a 2 años aumenta 100 puntos base. Calcule
el efecto sobre el precio de una manera exacta, y con la aproximación que usa la
duración, y explique si la aproximación le parece buena en este caso especíőco.
Unidos. Para responder esto debe usar Excel y algunas fórmulas őnancieras.
a) Calcule el rendimiento y duración para todos los instrumentos arriba descritos.
b) Graőque la curva de rendimientos, y si hay algo atípico en la misma.
c) Usted tiene un total de $70,000, que están igualmente invertidos en cada uno de
los bonos arriba descritos. £Cuál sería el impacto sobre su inversión si la curva
de rendimientos aumenta 50 puntos base uniformemente?
243

Bonos
Plazo Cupón Precio
3 meses 0, 00 5, 22
6 meses 0, 00 5, 07
12 meses 0, 00 4, 70
2 años 4, 63 100,13
5 años 4, 25 100,47
10 años 4, 00 98,81
30 años 4,25 99,38
Fuente: www.bloomberg.com/markets/rates-bonds/government-bonds/us/ al 05.III.2024 11:50 am hora de Nueva
York
4. Describa las tres empresas con mayores porcentajes de venta al descubierto en el

sitio: https://www.marketwatch.com/tools/screener/short-interest. Explique si usted
también las vendería al descubierto y porqué.
Tarea 5
1. Suponga que sólo hay dos estados de la naturaleza en el futuro, y que Bartolomeo
Kuma tiene una utilidad logarítmica con una tasa de descuento entre periodos de δ =
0,90. La probabilidad del estado 1 es π1 = 1/3 y que los precios de los instrumentos
puros p1 y p2 son $0,40 y $0,60 respectivamente. Kuma tiene una dotación inicial de
cien mil dólares.
a) £Qué cantidades de los instrumentos puros 1 y 2 comprará Kuma?
b) £Cómo repartirá Kuma su dotación inicial entre consumo presente y futuro?
2. Suponga que sólo hay dos periodos. El primero es seguro (el precio de este primer
periodo lo normalizaremos a 1), y en el segundo hay dos estados de la naturaleza,
con probabilidades π1 = 2/3 π2 = 1/3 y precios puros p1 = 0,60 y p2 = 0,40. Un
individuo tiene una utilidad logarítmica separable, una tasa de descuento e−δ = 0,9
y una riqueza inicial de 50000.
a) £Cuánto invertirá el individuo en los instrumentos puros 1 y 2?
b) £Cómo dividirá el individuo entre el consumo del primer y segundo periodo?
3. Considere tres estados de la naturaleza S = {s1 , s2 , s3 } con probabilidad positiva de
ocurrir. Existen tres activos. El primero tiene un precio de 1 y repagos de (3, 1, 2).
El segundo tiene un precio de 2 y repagos de (4, 4, 3). El tercer activo tiene repagos
de (1, 3, 3) y un precio desconocido v. £Qué límites se le pueden poner a los precios
de v para prevenir cualquier tipo de arbitraje?
4. Hay tres instrumentos y tres estados de la naturaleza:
244
Cuadro 10. Cuadro de Repagos
t=1
πs 0,25 0,40 0,25
McDonalds 20 17 22 23
Bank of America 30 19 32 45
Oracle 20 16 21 26
a) Si usted quisiera crear un instrumento libre de riesgo (que pague cfjs = 1 para
todo s), £cuántas acciones debería comprar de McDonalds, Bank of America y
Oracle?
b) Hay una cuarta empresa, Chipotle, cuyos repagos son (10, 12, 14) y que tiene un
valor de 11. Explique si existen oportunidades de arbitraje, y si las hay, proponga
una estrategia de arbitraje.
c) Si hubiera cuatro estados de la naturaleza, no sería posible crear un activo libre
de riesgo. Explique porqué.
5. En una economía existen tres estados de la naturaleza: s1 que es guerra comercial; s2
que es status quod; y s3 que es apertura comercial. La probabilidad de estos estados
es π = (20 %, 40 %, 40 %). El número de acciones Nj , el precio actual por acción Pj y
los repagos contingentes Pjs por acción de los tres activos complejos en esta economía
son:
Cuadro 11. Valores y repagos de tres activos
Empresa Nj Pj Pj1 Pj2 Pj3

Verizon 4132 51 48 50 55
Grubhub 90 112 115 110 110
Boeing 583 357 300 360 420
a) Veriőque que este mercado está completo, y encuentre el precio y rendimiento

esperado de los instrumentos puros. Explique porqué no es necesario tener las
probabilidades de cada estado para hacer estos cálculos.
b) Calcule el precio, rendimiento esperado y duración de un bono libre de riesgo en
esta economía.
c) Calcule el rendimiento esperado de cada uno de los instrumentos complejos de
esta economía.
d ) Calcule el precio, rendimiento esperado y prima de riesgo del mercado de esta
economía. (Nota, el mercado es la suma de la capitalización de mercado de cada
P
empresa: Vm ≡ Jj=1 Pj Nj , y análogamente para Vms )
245
e) Suponga ahora que existe un cuarto activo complejo, Apple, cuyo valor es ac-
tualmente 192, y cuyos repagos en los tres estados de la naturaleza son (170,
190, 210). Explique porqué existe una oportunidad de arbitraje, y ejecútela con
instrumentos puros y con instrumentos complejos.
Tarea 6
1. Considere una economía de intercambio de I agentes con una dotación inicial de ei0 ,
y una utilidad cardinal de:
ui (ci0 , cis ) = ln(ci0 ) + βi ln(ci1 )

Donde βi > 0, ci0 y cis son los consumos del agente i en el periodo 0 y en el
estado s respectivamente. Cada agente asume una probabilidad del estado s como
πs ϵ(0, 1). Normalice el precio del consumo de t = 0 en uno. Los precios de los estados
de la naturaleza son ps y las dotaciones agregadas son E0 y Es . Encuentre el valor
de equilibrio de ps . Recalcule este equilibrio cuando βi = β y πis = πs .
2. Hay una economía con tres empresas cuyo valor es Vj . En esta economía hay tres
estados de la naturaleza con probabilidad πs , y los repagos de las tres empresas son
los siguientes:
t=1
πs 0,30 0,40 0,30
McDonalds 20 17 22 23
Bank of America 30 19 32 45
Oracle 20 16 21 26
a) Calcule los precios de los instrumentos puros, la tasa libre de riesgo simple, y la
prima de mercado para esta economía.
b) Calcule los rendimientos rj de cada instrumento y del mercado rm .
c) Calcule el rendimiento esperado E(rj ), y grafíquelo como función de sus betas,
cov(r ,r )
deőnido como βj ≡ var(rj mm) .
d ) Calcule los alfas αj ≡ [E(rj ) − rf ] − βj [E(rm ) − rf ] de estas empresas en puntos
base, y comente su interpretación .
3. Suponga que δ = 2,77 % y que γ = 1,34. Calcule el crecimiento esperado µ de las
dotaciones para cada mes en los próximos seis meses, en base a la curva de rendimiento
y la estructura de volatilidades implícita del viernes pasado. Use de fuentes para
las tasas de interés https://fred.stlouisfed.org/, y para las volatilidades implícitas
http://vixcentral.com/.
246
4. Suponga que γ = 1,34. Calcule la prima de mercado del viernes pasado, y calcule el
rendimiento esperado para las acciones de Apple, usando la tasa de interés libre de
riesgo de 20 años, y el beta de esta empresa, que puede encontrar en investing.com
5. Suponga que δ = 2,77 % y que γ = 1,34. Usando los últimos datos disponibles, calcule
si el mercado estadounidense esta sub o sobrevalorado, y por cuánto, usando la base
de datos de de Robert Shiller en http : //www.econ.yale.edu/ shiller/data.htm para
el CAP E. Para las tasas libres de riesgo https : //f red.stlouisf ed.org/ y para la
volatilidad a un año, https : //www.cboe.com/us/indices/dashboard/V IX1Y /,
Tarea 7
1. Busque cuáles son los fondos índices y activamente manejados más grandes del mundo
en este momento, explique sus tamaños, costos y desempeño en los últimos tres años.
P a(1+g)t−1 P t−1
2. Calcule el valor de V A ≡ ∞ t=1 (1+k)t y de V A(T ) ≡ Tt=1 a(1+g)
(1+k)t
, y explique
cómo a, g, k y T afectan a este número.
3. Explique con un ejemplo porqué si los mercados están incompletos puede fallar el
principio de separación de Fisher.
4. Demuestre que si ui (w) = ai u(w) + bi hay separación en una cartera, para los casos
donde existe y donde no existe un activo sin riesgo.
5. Demuestre que si u′′i < 0 y hay N activos con rendimientos i.i.d., la cartera óptima
da un peso wj = N1 para todo inversionista.
Tarea 8
1. Considere las 5 empresas con la capitalización de mercado más alto de los Estados
Unidos del último viernes.
a) Encuentre la caliőcación de riesgo de esas empresas.
D
b) Calcule su valor del negocio EV y su endeudamiento EV
2. Considere una economía donde no hay impuestos, la información es simétrica, y los
mercados őnancieros permiten las ventas al descubierto y pedir prestado sin restric-
ciones. En la economía hay tres estados de la naturaleza y los siguientes repagos y
valores del negocio de empresas desapalancadas:
t=0 t=1
A 88 96 100 106
B 89 98 101 102
C 90 100 100 100
a) Suponga que la empresa A quiere cambiar su estructura de capital emitiendo una
deuda con un repago őnal de 90. No hay costos de quiebra. Calcule el valor de la
deuda Da , del patrimonio Ea y del negocio Va de esta empresa con esta estructura
de capital.
247
b) Suponga alternativamente que la empresa A quiere emitir una deuda con un

repago őnal de 99. No hay costos de quiebra. Calcule el valor de la deuda Da , del
patrimonio Ea y del negocio Va de esta empresa con esta estructura de capital.
c) Suponga ahora que la empresa A quiere emitir una deuda con un repago őnal
de 99. La quiebra de la empresa genera un costo de 9, que deberán pagar los
acreedores. Calcule el valor de la deuda Da , del patrimonio Ea y del negocio Va
de esta empresa con esta estructura de capital.
3. Descargue del siguiente sitio: https://stooq.com/q/d/?s=^spx, los valores semanales
y mensuales del índice S&P500 desde enero del 2015 hasta el dato más reciente. Usan-
do el test de Varianzas calcule si el índice semanal se comporta como una caminata
aleatoria a un horizonte de cuatro semanas. Calcule si el índice mensual se compor-
ta como caminata aleatoria a un horizonte trimestral y semestral. Pista: el test de
VR (o también llamado de Lo y Mackinlay) se puede hacer fácilmente con paquetes
econométricos tales como Eviews o Gretl. Calcule los tests con errores robustos3.
4. Descargue del siguiente sitio: https://investing.com, los valores diarios del precio de
cierre del tipo de cambio EUR:CZK y USD:CZK desde el dos de enero del 2009 hasta
el último viernes. Usando el test de varianzas, calcule si estos tipos de cambio se
comportan como una caminata aleatoria a un horizonte de dos días y de una semana
(q = 5) .
5. Las varianzas mensualizadas de los rendimientos continuamente compuestos de las
acciones de Citibank entre el agosto del 2017 y el julio del 2022 (inclusive), para
un mes es de 2,062 %, para dos meses de 1,798 %, y para cuatro meses de 1,6941 %.
Calcule el error estándar homocedástico y haga el test de varianzas, comentando
los resultados. Si el error estándar robusto a 2 y 4 meses es de 0,1563 y 0,2719
respectivamente, haga un test de varianzas y explique sus resultados.
Tarea 9
1. Descargue del siguiente sitio https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_libra

el archivo łFama/French 3 factorsž mensual, donde aparece el rendimiento rm − rf
y rf mensuales, en porcentajes. Calcule la media, desviación estándar, asimetría y
curtosis en exceso de rm y rf y comente los resultados.
2. Una acción vale en este momento $50 y tiene repagos futuros de:
3Qué es de código abierto y que se puede descargar en https://sourceforge.net/projects/gretl/

248
Repago Prob
35 0,15
42 0,10
50 0,30
55 0,20
60 0,25
Calcule los rendimientos para cada probabilidad, el repago esperado, la varianza,
la semivarianza, y el rango intercuartil.
3. Derive una expresión para el producto de dos variables aleatorias E(r1 r2 ) en términos
de covarianzas, y en términos de correlaciones
4. Demuestre que si existe una relación entre dos acciones r1 y r2 donde r2 = a + br1
con b > 0, no existe beneőcio de diversiőcación entre dos títulos. demuestre que si
b < 0, puedo obtener una cartera con cero riesgo.
5. Los rendimientos de dos acciones tienen una correlación de ρ. La primera empresa
tiene una varianza de σ 2 y la segunda tiene una varianza de k 2 σ 2 . Encuentre los pesos
de la cartera que minimiza la varianza total.
Tarea 10
1. Asuma que no hay activos libres de riesgo, que los rendimientos de los activos ries-
gosos son multivariados normales, y que los agentes son aversos al riesgo. £Bajo qué
condiciones comprarían los agentes la misma cartera de activos riesgosos?
2. La economía está compuesta por tres acciones: Apple (AAPL), Johnson & John-
son (JNJ) y Procter & Gamble (PG), con las siguientes medidas de localización y
dispersión:
AAPL JNJ PG
µj 0, 0221 0, 0122 0,0073
Nj 5, 761 2,773 2, 713
Pj0 34,47 49,97 52,19
Rango intercuartil 0,0417 0,0229 0,0272
Semivarianza 0,00127 0,00025 0,00031
σij AAPL JNJ PG
AAPL 0,00482 0, 00028 0, 00048
JNJ 0, 00028 0, 00135 0, 00077
PG 0, 00048 0, 00077 0, 00142
Fuente: Finance.yahoo.com, datos de mayo del 2010 a mayo del 2015. Acciones en miles de
millones
249
a) Calcule la relación entre el rango intercuartil y la desviación estándar de cada

instrumento, y explique qué consecuencias saca de este resultado para cada una
de los instrumentos.
b) Explique qué signiőca la semivarianza, para qué puede usarse y qué conclusiones
saca para estas acciones
c) Considere una economía donde existen sólo Apple y Johnson & Johnson. Calcule
la correlación de estos instrumentos,
d ) Considere una cartera igualmente ponderada con los tres instrumentos que lla-
maremos ew. Calcule la media y desviación estándar de tal cartera. Calcule el
cov(r ,r )
beta βj ≡ var(rj ewew) de cada instrumento j y calcule el promedio simple de estos
betas, explicando si ese promedio tiene sentido.
e) Considere una cartera ponderada por capitalización que llamaremos vw. Calcule
cov(r ,r )
la media y desviación estándar de tal cartera. Calcule el beta βj ≡ var(rj vwvw)
de cada instrumento j y calcule el promedio simple de estos betas, explicando
porqué obtuvo este resultado y comparándolo con el punto anterior.
f ) Encuentre la fórmula de la frontera eőciente, las carteras g y h, y los pesos de la
cartera de mínima varianza.
3. Usted está asesorando a varios clientes para formar carteras óptimas.
a) Un inversionista tiene una utilidad CRRA y hay dos activos: uno libre de riesgo
que rinde rf y otro riesgoso que tiene rendimientos simples con una distribución
N (µ, σ 2 ). Calcule la cartera óptima para ese inversionista.
b) Existen sólo dos activos riesgosos con rendimientos normales N (µj , σj2 ) para j =
1, 2, y una correlación ρ entre ellos. Calcule la cartera óptima para un inversionista
que es absolutamente averso al riesgo
4. Demuestre que D es estrictamente mayor que cero
Tarea 11
1. Exprese H y G como una función de A, B, C.

2. Suponga que el CAPM de Sharpe funciona, y que rf = 0,06, µm = 0,12 y σm = 0,20.
£Cuál es la desviación estándar mínima para una cartera con un rendimiento esperado
de 0.10?
3. Para la empresa más grande y más pequeña del S&P 500 por capitalización de merca-
do al último viernes, corra la regresión con 60 meses de datos de zjt = αj +βj zmt +εjt ,
donde puede obtener zmt y rf t de https : //mba.tuck.dartmouth.edu/pages/f aculty/ken.f rench/da
el archivo łFama/French 3 factorsž mensual. Reporte el valor estimado y el el t-
estadístico de αj y βj , y el R2 de la regresión, y comente sus resultados.
250
4. Dos acciones tiene las siguientes distribuciones conjuntas de r1 y r2 : P rob(r1 =

−1, r2 = 0,15) = 0,1, P rob(r1 = 0,5, r2 = 0,15) = 0,8 y P rob(r1 = 0,5, r2 = 1,65) =
0,1
a) Calcule la medias, varianzas y covarianzas de los dos instrumentos.
b) Calcule las combinaciones factibles de media esperada y desviación estándar si
estos fueran los dos únicos instrumentos disponibles.
c) £Cuáles carteras pertenecen a la frontera eőciente?
d ) Demuestre que el instrumento 2 está dominado en media y varianza, pero entra
en todas las carteras eőcientes menos una. £Cómo explicaría este resultado?
e) Suponga que existe la posibilidad de prestar (pero no de pedir prestado) al 5 %,
sin riesgo alguno se añade a nuestras posibilidades. Calcule las combinaciones
factibles de media esperada y desviación estándar con esta nueva posibilidad.
£Cuáles carteras son ahora eőcientes?
5. En este problema, la tasa mensual libre de riesgo y de endeudamiento son rf =
0,00012 y rd = 0,00277 respectivamente. La economía está compuesta por tres ac-
ciones: Chevron (CVX) , AT&T (T) y Pőzer (PFE). A continuación están los rendi-
mientos promedio y las varianzas-covarianzas mensuales desde enero del 2010 hasta
octubre del 2017:
CVX T PFE
µi 0, 00968 0, 00885 0,01099
σij CVX T PFE
CVX 0,00326 0, 00093 0, 00117
T 0, 00093 0, 00183 0, 00076
PFE 0, 00117 0, 00076 0, 00213
Fuente: Finance.yahoo.com, datos de enero del 2010 a octubre del 2017. Rendimientos
simples
La frontera eőciente de esta economía es σw2 = (0,03632)2 + 518,43(µw − 0,00975)2

a) Suponga que las capitalizaciones de mercado (en miles de millones de USD) son
para CVX de 73,13, para T de 253,90 y para P F E de 325,27. Calcule los betas
y alfas de estas tres acciones, usando el índice ponderado por capitalización de
mercado como proxy de m. Explique si estos resultados conőrman o rechazan
alguno de los modelos de valoración vistos en clase.
b) Suponga ahora que las capitalizaciones de mercado (en miles de millones de USD)
ahora son para CVX de 69,31, para T de 229,82 y para P F E de 353,18. Calcule los
betas y alfas de estas tres acciones, usando el índice ponderado por capitalización
de mercado como proxy de m.
251
Tarea 12
que el ’proxy’ del mercado es el índice S&P 500, y que la economía está compuesta
por dos acciones: Walmart (WMT) y General Electric (GE). A continuación están los
rendimientos promedio y las varianzas-covarianzas mensuales desde mayo del 2010 a
mayo del 2015:
WMT GE S&P 500

Media 0,00895 0,01138 0,01100
WMT GE S&P 500
WMT 0,00185 0,00087 0,00051
GE 0,00087 0,00388 0,00172
S&P 500 0,00051 0,00172 0,00124
Fuente: Finance.yahoo.com, datos de mayo del 2010 a mayo del 2015. Rendimientos
logarítmicos
a) £Cuáles son todos los supuestos suőcientes conocidos para desarrollar un análisis
de media y varianza? Explique.
b) Calcule la función de la frontera eőciente para esta economía, y la media y des-
viación estándar de la cartera de mínima varianza.
c) Cualquier cartera en la frontera eőciente tiene la caracterización de w = g + hµw
. Explique brevemente porqué los pesos de g deben sumar a uno. Calcule los
vectores g y h para esta economía. " # " #
0,2 0,01 0
2. Considere una economía con dos activos y µ = yV =
0,1 0 0,0064
a) £Cuál es µcm si el mercado pondera a cada activo igualmente?
b) £Cuál es el peso de la cartera de mínima varianza (MVP)?
c) £Cuál es la covarianza del MVP y la cartera cero beta del mercado?
d ) £Cuál sería la ecuación de E(rj ) de Black?
3. Considere una economía de marcados completos con tres estados de la naturaleza y
rm (s1 ) = 0,1 rm (s2 ) = 0,2 y rm (s3 ) = 0,3. Tenemos πs > 0,π1 = 0,10, rf = 0,15. Si el
CAPM funciona, calcule el máximo valor que π2 puede tomar.
4. Explique qué es un movimiento Browniano geométrico, y averigüe si este es un buen
supuesto para los rendimientos de una acción.
5. Recalcule la ecuación de Euler 1 = E(Rj Mi ) si los rendimientos de Rj y Mi son
lognormales, y tome el logaritmo natural de esta ecuación.
a) Calcule el valor de rf (continuamente compuesto) si Rj y Mi son lognormales.
Tarea 13
252
1. En este problema la tasa libre de riesgo mensual para prestar es rf = 0,00220, y

la economía está compuesta por tres acciones: Exxon (XOM), Microsoft (MSFT)
Johnson y Johnson (JNJ). A continuación están los rendimientos promedio y las
varianzas-covarianzas mensuales de mayo de 1991 a abril del 2016:
XOM MSFT JNJ

Media 0, 00833 0, 01319 0, 00937
XOM MSFT JNJ
XOM 0, 00216 0, 00091 0, 00064
MSFT 0, 00091 0, 00820 0, 00123
JNJ 0, 00064 0, 00123 0, 00300
Fuente: Finance.yahoo.com, datos de mayo de 1991 a abril del 2016. Rendimientos
logarítmicos
a) Como proxy de mercado usaremos un índice ponderado por capitalización de

mercado, que era de 394.43 MM de USD para XOM, 422.11MM de USD para
MSFT, y de 338.33MM de USD para JNJ. Calcule la media y desviación estándar
del proxy de mercado y explique porqué una ponderación por capitalización de
mercado es preferible a una ponderación por precios desde un punto de vista
económico.
b) Calcule la función de la frontera eőciente para esta economía, explicando cuál es
la cartera de mínima varianza.
c) Explique brevemente el test de Blume y Friend, y calcule los parámetros del SM L
empírico que sale con estos datos.
d ) De los parámetros sacados en (c), calcule el zcm y wcm que salen del SM L empí-
rico, y diga si esto es compatible con lo que dice la teoría de carteras.
e) Calcule los pesos wq , media µq y desviación σq de la cartera ex-post eőciente.
Calcule el test GRS para esta economía. Explique qué concluye del resultado de
este test, si el valor crítico del mismo al 5 % es de 2,6347.
f ) Suponga que estamos en una economía donde la tasa de pedir prestado diőere
de la tasa de prestar, y que sólo sabemos que la cartera de mercado tiene un
rendimiento esperado de un 1 %. Calcule los pesos de esa cartera de mercado y
los pesos de la cartera que tiene un cero beta con ese mercado.
2. En este problema la tasa libre de riesgo mensual es rf = 0,0013, y la economía
está compuesta por tres acciones: Air Liquide (AI.PA), Klepierre (LI.PA) y Pu-
blicis (PUB.PA). A continuación están los rendimientos promedio y las varianzas-
covarianzas mensuales desde julio del 2002 hasta abril del 2017:
253
AI LI PUB
µi 0, 00671 0, 02094 0,00839
σij AI LI PUB
AI 0, 00236 0, 00059 0, 00147
LI 0, 00059 0, 03384 0, 00223
PUB 0, 00147 0, 00223 0, 00509
Fuente: Finance.yahoo.com, datos de julio del 2002 a abril del 2017. Rendimientos sencillos
a) Explique brevemente qué es un índice ponderado por capitalización, y qué carac-

terísticas tiene el índice de mercado, de acuerdo al CAPM de Sharpe. El índice
de mercado m está compuesto de Air Liquide en un 62, 15 %, de Klepierre en un
16, 38 % y de Publicis en un 21, 47 %. Calcule la media µm y desviación estándar
de éste índice.
b) Calcule la función de la frontera eőciente para esta economía y la mínima des-
viación estándar posible. Calcule los pesos de g y h y explique su importancia.
c) Calcule la razón de Sharpe mensual de estas tres acciones, y explique cuál es la
más atractiva. Calcule los betas de estas tres acciones, y explique cuál acción
tiene más riesgo sistemático.
d ) Calcule el test GRS para esta economía, usando el índice m descrito en (a).
15 % es de 3, 7626.
3. En este problema la tasa libre de riesgo promedio mensualizada es de 8,31 puntos
base, y la economía está compuesta por tres acciones: Esteé Lauder (EL), Citigroup
(C), e IBM (IBM). En el cuadro están los rendimientos promedio y las varianzas-
covarianzas mensuales desde setiembre del 2017 hasta julio del 2022 (inclusive):
Cuadro 17. Rendimientos Mensuales 2017-2022: Medias y Varianzas-

Covarianzas en puntos base
EL C IBM
µj 191,22 26,50 57,86
σji EL C IBM
EL 56,36 34,81 20,40
C 34,81 118,17 41,86
IBM 20,40 41,86 55,03
Fuente: őnance.yahoo.com, datos de 10.2017 a 06.2022. Rendimientos simples
a) Suponga que que rf < rd y que el mercado está en la frontera eőciente con una
media de 150 puntos base. Calcule los pesos de wm y wcm , y los betas y los alfas
de esta economía
254
4. El cuadro de abajo muestra las cargas de factor de las tres acciones, y el promedio
de los factores para distintos periodos. La curva de rendimiento de bonos del tesoro
de los Estados Unidos al 4 de agosto del 2022 eran de 2,19 % a un mes, 2,50 % a tres
meses, 2,98 % a seis meses, 3,11 % a un año, 2,68 % a 10 años y 3,15 % a 20 años.
Explique el signiőcado de cada carga de factor estimada, Calcule el costo de capital
anual para estas tres acciones.
Cuadro 18. Cargas de Factor 2017-2022
βjk EL C IBM z k , p.b. z k , p.b.

De 2017 : 10 2017 : 10 2017 : 10 1927 : 01 2017 : 10
Hasta 2022 : 06 2022 : 06 2022 : 06 2022 : 06 2022 : 06
βjm 0,8394 1,2824 66,91 100,56
βjs 19,08 −3,70
βjv −0,3131 0,8476 0,4327 35,42 −5,67
βjmom −0,3463 −1,7315 64,42 3,42
5. Considere los siguientes resultados de una regresión sobre la empresa T SLA

Cuadro 19. Estimación zjt de Tesla 2011:09-2023:05
R2 0,1855 0,2376 0,2253

T 141 141 141
AIC −101,3996 −104,7160 −106,4547
α̂j 0,0298 0,0313 0,0282
(2,0260) (2,2790) (1,981)
β̂jm 1,8232 1,6275 1,8540
(4,8240) (3,644) (4,808)
β̂js 0,6275
(1,1230)
β̂jv −1,1826 −1,0701
(3,4500) (3,0310)
β̂jmom −0,3575
(0,9223)
Fuentes zjt y zxt de investing.com y
https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html. Estadísticos t en paréntesis
calculados con errores robustos.
a) Explique lo que le dicen los resultados de arriba acerca de la empresa.

b) El 20 de julio del 2023 la tasa libre de riesgo anualizada a un mes era de 5.37 %,
en tanto que la 10 años era del 3.75 % y la de 20 años de 4.01 %, y el rendimiento
anualizado de un bono corporativo con la caliőcación como la de TSLA era del
5.71 %. El cuadro abajo muestra distintos promedios de los factores. Calcule el
costo de capital del patrimonio anualizado de T SLA según el CAP M y el modelo
F F C, y explique cuál le parece más razonable y porqué.
255
Cuadro 20. Valor promedio de factores en puntos base
De 2011:09 1926:06
Hasta 2023:05 2023:05
zm 105,30 67,14
zs −6,57 18,74
zv −12,23 34,05
z mom 14,28 63,00
Fuente https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html.
c) El 20 de julio del 2023, el precio del T SLA cerró en $291,26, y su ganancia

por acción en los12 meses anteriores era de $3,40, mientras que su ganancia por
acción esperada en los próximos 12 meses era de $4,79. Calcule el crecimiento que
el mercado espera de T SLA según el CAP M y según el modelo F F C y explique
cuál le parece más razonable y porqué.

Principios de Economia Financiera

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Principios de Economia Financiera

Cargado por

Copyright:

Formatos disponibles

Principios de Economía Financiera

Miguel Cantillo Simon

Universidad de Costa Rica

Email address: miguel.cantillo@ucr.ac.cr, Copyright © 2018-2024 Miguel Cantillo

Parte 1. Decisiones Bajo Riesgo 11

Capítulo 2. Utilidades esperadas 12

Capítulo 3. Aversión al Riesgo 21

Capítulo 4. Deőniciones de Rendimientos 32

Capítulo 5. Conceptos de Dominancia 39

5.3. Dominancia Estocástica de Segundo Orden (DESO o SOSD) 40

Capítulo 6. Preferencias de media y varianza 46

Parte 2. Equilibrio en Mercados completos 56

Capítulo 7. Introducción a bonos soberanos 57

Capítulo 8. Instrumentos Puros, Mercados Completos, y Arbitraje 63

Capítulo 9. Los mercados completos descentralizados son óptimos de Pareto 71

Capítulo 10. Cálculo de Equilibrio de Mercado 76

Capítulo 11. Separabilidad en Carteras 84

Capítulo 12. Principio de Separación de Fisher 89

Capítulo 13. Modigliani Miller I en Mercados Completos 98

Parte 3. Teoría de Carteras 103

Capítulo 14. Acciones 104

Capítulo 15. Matemática de Media y Varianza 111

Capítulo 16. La Frontera Eőciente 115

Capítulo 17. Índices de Mercado y Spanning de carteras 122

Capítulo 18. CAPM de Sharpe 126

Capítulo 19. CAPM de Black 137

Capítulo 20. Tests del CAPM 145

Capítulo 21. CAPM de Consumo 156

Capítulo 22. APT e implementaciones multifactores 167

Capítulo 23. El Zoológico de Factores 175

Capítulo 24. Dudas de los estudiantes 186

Parte 4. Respuestas 188

24.13. Introducción a acciones 216

Parte 5. Tareas 239

Decisiones Bajo Riesgo

En este capítulo construiremos la utilidad esperada, que permite analizar situaciones de

2.2. Utilidades Ordinales

• R2. para un par de secuencias xn → x y yn → y, si xn ⪰ yn ∀n, entonces x ⪰

2.3. Utilidades cardinales

• Von Neumann y Morgenstern desarrollaron el concepto de riesgo en 1947 usando

• A5 Ranking (Dominancia). Si lx ≻ ly entonces l(lx , ly , π1 ) ≻ l(lx , ly , π2 ) ⇔ π1 >

2.3.1. Construcción de la utilidad esperada.

x1 es ππi +(1−π)πj . La equivalencia de las loterías compuestas y directas nos dice

2.4. Excepciones a los axiomas

A1. Comparabilidad a través de la utilidad esperada. La paradoja de San Petersburgo

2.5.1. Falso o Verdadero.

6. ____________ Una función ordinal de utilidad sólo permite transformaciones

1. Considere los siguientes repagos: x1 = 1,x2 = 2, x3 = 3, x4 = 4,x5 = 5 y las siguientes

3.2. Actitudes ante el riesgo

2. Quien preőere la lotería es un amante del riesgo, l(a, b, π) ≻ πa + (1 − π)b. Si hay

3.3. Diferentes definiciones de aversión al riesgo

La deőnición de aversión al riesgo depende del contexto

E[u(w + πc + ϵ)] = u(w)

E[u(w + ϵ)] = u(w − πi )

u(w − πi ) ≈ u(w) − πi u′ (w)

9. La tolerancia al riesgo está dada por

3.4. Comparaciones de aversión al riesgo

3. π1i > π2i para la prima de seguros de todas las apuestas.

3.5. Funciones de utilidad HARA

Cuando γ → ∞ tenemos una función de utilidad con aversión al riesgo constante

3.6.1. Falso o Verdadero.

Cuadro 1. Distribución de Daños del Enterprise

Valor del Daño Probabilidad

Seguro Monto Asegurado Prima