You are on page 1of 161

Modelo Media-Varianza para la Gesti´on de

Portafolios
Maestr´ıa en Finanzas
Luis Ch´avez Bedoya, PhD
Esan Graduate School of Business
Lima, Junio de 2014
1
Relaci´on riesgo-rendimiento
2
Rendimiento esperado, varianza y covarianza
3
Rendimiento esperado y varianza de un portafolio
4
Problema del portafolio con activos riesgosos
5
Problema del portafolio con activo libre de riesgo
Introducci´on
El balance entre rendimiento y riesgo es un aspecto
fundamental en las finanzas
Son dos caras de la misma moneda
No hay un consenso claro en como definir el riesgo de un
activo o de una decisi´on financiera
¿C´omo incorporar y administrar el riesgo en las decisiones
financieras?
Introducci´on
El balance entre rendimiento y riesgo es un aspecto
fundamental en las finanzas
Son dos caras de la misma moneda
No hay un consenso claro en como definir el riesgo de un
activo o de una decisi´on financiera
¿C´omo incorporar y administrar el riesgo en las decisiones
financieras?
Introducci´on
El balance entre rendimiento y riesgo es un aspecto
fundamental en las finanzas
Son dos caras de la misma moneda
No hay un consenso claro en como definir el riesgo de un
activo o de una decisi´on financiera
¿C´omo incorporar y administrar el riesgo en las decisiones
financieras?
Introducci´on
El balance entre rendimiento y riesgo es un aspecto
fundamental en las finanzas
Son dos caras de la misma moneda
No hay un consenso claro en como definir el riesgo de un
activo o de una decisi´on financiera
¿C´omo incorporar y administrar el riesgo en las decisiones
financieras?
Introducci´on
El balance entre rendimiento y riesgo es un aspecto
fundamental en las finanzas
Son dos caras de la misma moneda
No hay un consenso claro en como definir el riesgo de un
activo o de una decisi´on financiera
¿C´omo incorporar y administrar el riesgo en las decisiones
financieras?
Introducci´on
Mucha de la teor´ıa financiera trata de explicar la relaci´on
riesgo-rendimiento de los activos
A m´as riesgo se requiere mayor rendimiento
No se debe compensar riesgos que pueden ser evitados
Existen actores en el mercado que “corrigen” desbalances en
esta relaci´on
Introducci´on
Mucha de la teor´ıa financiera trata de explicar la relaci´on
riesgo-rendimiento de los activos
A m´as riesgo se requiere mayor rendimiento
No se debe compensar riesgos que pueden ser evitados
Existen actores en el mercado que “corrigen” desbalances en
esta relaci´on
Introducci´on
Mucha de la teor´ıa financiera trata de explicar la relaci´on
riesgo-rendimiento de los activos
A m´as riesgo se requiere mayor rendimiento
No se debe compensar riesgos que pueden ser evitados
Existen actores en el mercado que “corrigen” desbalances en
esta relaci´on
Introducci´on
Mucha de la teor´ıa financiera trata de explicar la relaci´on
riesgo-rendimiento de los activos
A m´as riesgo se requiere mayor rendimiento
No se debe compensar riesgos que pueden ser evitados
Existen actores en el mercado que “corrigen” desbalances en
esta relaci´on
Introducci´on
Mucha de la teor´ıa financiera trata de explicar la relaci´on
riesgo-rendimiento de los activos
A m´as riesgo se requiere mayor rendimiento
No se debe compensar riesgos que pueden ser evitados
Existen actores en el mercado que “corrigen” desbalances en
esta relaci´on
Rendimiento de un activo
Un instrumento de inversi´on que puede ser comprado y vendido se
llama activo, un concepto fundamental de los activos es su
rendimiento
Rendimiento total
Supongamos que compramos un activo en el tiempo cero, y un a˜ no
despu´es lo vendemos. El rendimiento total de la inversi´on se define
como:
rendimiento total =
cantidad recibida
cantidad invertida
Rendimiento de un activo
Un instrumento de inversi´on que puede ser comprado y vendido se
llama activo, un concepto fundamental de los activos es su
rendimiento
Rendimiento total
Supongamos que compramos un activo en el tiempo cero, y un a˜ no
despu´es lo vendemos. El rendimiento total de la inversi´on se define
como:
rendimiento total =
cantidad recibida
cantidad invertida
Rendimiento de un activo
Un instrumento de inversi´on que puede ser comprado y vendido se
llama activo, un concepto fundamental de los activos es su
rendimiento
Rendimiento total
Supongamos que compramos un activo en el tiempo cero, y un a˜ no
despu´es lo vendemos. El rendimiento total de la inversi´on se define
como:
rendimiento total =
cantidad recibida
cantidad invertida
Rendimiento de un activo
Un instrumento de inversi´on que puede ser comprado y vendido se
llama activo, un concepto fundamental de los activos es su
rendimiento
Rendimiento total
Supongamos que compramos un activo en el tiempo cero, y un a˜ no
despu´es lo vendemos. El rendimiento total de la inversi´on se define
como:
rendimiento total =
cantidad recibida
cantidad invertida
Rendimiento de un activo
Un instrumento de inversi´on que puede ser comprado y vendido se
llama activo, un concepto fundamental de los activos es su
rendimiento
Rendimiento total
Supongamos que compramos un activo en el tiempo cero, y un a˜ no
despu´es lo vendemos. El rendimiento total de la inversi´on se define
como:
rendimiento total =
cantidad recibida
cantidad invertida
Rendimiento de un activo
Un instrumento de inversi´on que puede ser comprado y vendido
frecuentemente se llama activo, un concepto fundamental de los
activos es su rendimiento
Rendimiento porcentual
Supongamos que compramos un activo en el tiempo cero, y un
a˜ no despu´es lo vendemos. El rendimiento porcentual o tasa de
rendimiento de la inversi´on se define como:
rendimiento porcentual =
cantidad recibida −cantidad invertida
cantidad invertida
Rendimiento de un activo
Un instrumento de inversi´on que puede ser comprado y vendido
frecuentemente se llama activo, un concepto fundamental de los
activos es su rendimiento
Rendimiento porcentual
Supongamos que compramos un activo en el tiempo cero, y un
a˜ no despu´es lo vendemos. El rendimiento porcentual o tasa de
rendimiento de la inversi´on se define como:
rendimiento porcentual =
cantidad recibida −cantidad invertida
cantidad invertida
Rendimiento de un activo
Un instrumento de inversi´on que puede ser comprado y vendido
frecuentemente se llama activo, un concepto fundamental de los
activos es su rendimiento
Rendimiento porcentual
Supongamos que compramos un activo en el tiempo cero, y un
a˜ no despu´es lo vendemos. El rendimiento porcentual o tasa de
rendimiento de la inversi´on se define como:
rendimiento porcentual =
cantidad recibida −cantidad invertida
cantidad invertida
Rendimiento de un activo
Sean X
0
y X
1
la cantidad de dinero invertida y recibida. Si
denotamos como r a la tasa de rendimiento, entonces
r =
X
1
−X
0
X
0
Rendimiento de un activo
Sean X
0
y X
1
la cantidad de dinero invertida y recibida. Si
denotamos como r a la tasa de rendimiento, entonces
r =
X
1
−X
0
X
0
Rendimiento de un activo
Sean X
0
y X
1
la cantidad de dinero invertida y recibida. Si
denotamos como r a la tasa de rendimiento, entonces
r =
X
1
−X
0
X
0
Riesgo: ideas preliminares
No existe una definici´on universalmente aceptada de riesgo
Queremos una medida de riesgo de los rendimientos de los
activos
Riesgo puede considerarse como una medida de dispersi´on del
rendimiento
Estudiaremos la varianza y desviaci´on est´andar como medidas
de riesgo
Riesgo: ideas preliminares
No existe una definici´on universalmente aceptada de riesgo
Queremos una medida de riesgo de los rendimientos de los
activos
Riesgo puede considerarse como una medida de dispersi´on del
rendimiento
Estudiaremos la varianza y desviaci´on est´andar como medidas
de riesgo
Riesgo: ideas preliminares
No existe una definici´on universalmente aceptada de riesgo
Queremos una medida de riesgo de los rendimientos de los
activos
Riesgo puede considerarse como una medida de dispersi´on del
rendimiento
Estudiaremos la varianza y desviaci´on est´andar como medidas
de riesgo
Riesgo: ideas preliminares
No existe una definici´on universalmente aceptada de riesgo
Queremos una medida de riesgo de los rendimientos de los
activos
Riesgo puede considerarse como una medida de dispersi´on del
rendimiento
Estudiaremos la varianza y desviaci´on est´andar como medidas
de riesgo
Riesgo: ideas preliminares
No existe una definici´on universalmente aceptada de riesgo
Queremos una medida de riesgo de los rendimientos de los
activos
Riesgo puede considerarse como una medida de dispersi´on del
rendimiento
Estudiaremos la varianza y desviaci´on est´andar como medidas
de riesgo
Riesgo: varianza y desviaci´ on est´andar
La varianza y su ra´ız cuadrada, la desviaci´on est´andar son las dos
medidas m´as comunes de la variabilidad o dispersi´on. Utilizaremos
σ
2
para denotar a la varianza, y σ para la desviaci´on est´andar
A la desviaci´on est´andar tambi´en se le denomina volatilidad
Riesgo: varianza y desviaci´ on est´andar
La varianza y su ra´ız cuadrada, la desviaci´on est´andar son las dos
medidas m´as comunes de la variabilidad o dispersi´on. Utilizaremos
σ
2
para denotar a la varianza, y σ para la desviaci´on est´andar
A la desviaci´on est´andar tambi´en se le denomina volatilidad
Riesgo: varianza y desviaci´ on est´andar
La varianza y su ra´ız cuadrada, la desviaci´on est´andar son las dos
medidas m´as comunes de la variabilidad o dispersi´on. Utilizaremos
σ
2
para denotar a la varianza, y σ para la desviaci´on est´andar
A la desviaci´on est´andar tambi´en se le denomina volatilidad
Relaci´ on riesgo-rendimiento
Figura: Relaci´on riesgo rendimiento para una serie de activos
Relaci´ on riesgo-rendimiento
Figura: Relaci´on riesgo rendimiento para una serie de activos
Relaci´ on riesgo-rendimiento
Figura: Relaci´on riesgo rendimiento para una serie de activos. Portafolios
“dominados” aparecen en rojo
Relaci´ on riesgo-rendimiento
Figura: Relaci´on riesgo rendimiento para una serie de activos. Portafolios
“dominados” aparecen en rojo
Riesgo y rendimiento: predicci´ on
Nosotros podemos calcular de manera “precisa” el riesgo y
rendimiento hist´orico de ciertos activos, pues basta una serie de
datos que produzca estimadores estad´ısticamente adecuados de la
media y la varianza.
Lamentablemente, lo m´as com´ un es que se necesite predecir tanto
la media como la varianza de los rendimientos para un periodo
futuro: un mes, un a˜ no etc.
¿Que tan bueno es utilizar datos hist´oricos para predecir medias y
varianzas?
Riesgo y rendimiento: predicci´ on
Nosotros podemos calcular de manera “precisa” el riesgo y
rendimiento hist´orico de ciertos activos, pues basta una serie de
datos que produzca estimadores estad´ısticamente adecuados de la
media y la varianza.
Lamentablemente, lo m´as com´ un es que se necesite predecir tanto
la media como la varianza de los rendimientos para un periodo
futuro: un mes, un a˜ no etc.
¿Que tan bueno es utilizar datos hist´oricos para predecir medias y
varianzas?
Riesgo y rendimiento: predicci´ on
Nosotros podemos calcular de manera “precisa” el riesgo y
rendimiento hist´orico de ciertos activos, pues basta una serie de
datos que produzca estimadores estad´ısticamente adecuados de la
media y la varianza.
Lamentablemente, lo m´as com´ un es que se necesite predecir tanto
la media como la varianza de los rendimientos para un periodo
futuro: un mes, un a˜ no etc.
¿Que tan bueno es utilizar datos hist´oricos para predecir medias y
varianzas?
Riesgo y rendimiento: predicci´ on
Nosotros podemos calcular de manera “precisa” el riesgo y
rendimiento hist´orico de ciertos activos, pues basta una serie de
datos que produzca estimadores estad´ısticamente adecuados de la
media y la varianza.
Lamentablemente, lo m´as com´ un es que se necesite predecir tanto
la media como la varianza de los rendimientos para un periodo
futuro: un mes, un a˜ no etc.
¿Que tan bueno es utilizar datos hist´oricos para predecir medias y
varianzas?
Rendimiento esperado, varianza y covarianza
Datos sobre los activos
Existen 3 activos disponibles para construir el portafolio:
Tabla: Informaci´on sobre escenarios y retornos de los activos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
(Optimista) (Moderado) (Pesimista)
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
Datos sobre los activos
Existen 3 activos disponibles para construir el portafolio:
Tabla: Informaci´ on sobre escenarios y retornos de los activos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
(Optimista) (Moderado) (Pesimista)
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
Calculando los rendimientos esperados
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
¯r
1
= E[r
1
] = (0.25)(10%) + (0.5)(2%) + (0.25)(−8%) = 1.5%
¯r
2
= E[r
2
] = (0.25)(4%) + (0.5)(3%) + (0.25)(−2%) = 2.0%
¯r
3
= E[r
3
] = (0.25)(1%) + (0.5)(0.5%) + (0.25)(0%) = 0.5%
Calculando los rendimientos esperados
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
¯r
1
=
E[r
1
] = (0.25)(10%) + (0.5)(2%) + (0.25)(−8%) = 1.5%
¯r
2
= E[r
2
] = (0.25)(4%) + (0.5)(3%) + (0.25)(−2%) = 2.0%
¯r
3
= E[r
3
] = (0.25)(1%) + (0.5)(0.5%) + (0.25)(0%) = 0.5%
Calculando los rendimientos esperados
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
¯r
1
= E[r
1
] =
(0.25)(10%) + (0.5)(2%) + (0.25)(−8%) = 1.5%
¯r
2
= E[r
2
] = (0.25)(4%) + (0.5)(3%) + (0.25)(−2%) = 2.0%
¯r
3
= E[r
3
] = (0.25)(1%) + (0.5)(0.5%) + (0.25)(0%) = 0.5%
Calculando los rendimientos esperados
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
¯r
1
= E[r
1
] = (0.25)(10%) + (0.5)(2%) + (0.25)(−8%) = 1.5%
¯r
2
= E[r
2
] = (0.25)(4%) + (0.5)(3%) + (0.25)(−2%) = 2.0%
¯r
3
= E[r
3
] = (0.25)(1%) + (0.5)(0.5%) + (0.25)(0%) = 0.5%
Calculando los rendimientos esperados
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
¯r
1
= E[r
1
] = (0.25)(10%) + (0.5)(2%) + (0.25)(−8%) = 1.5%
¯r
2
= E[r
2
] = (0.25)(4%) + (0.5)(3%) + (0.25)(−2%) = 2.0%
¯r
3
= E[r
3
] = (0.25)(1%) + (0.5)(0.5%) + (0.25)(0%) = 0.5%
Calculando los rendimientos esperados
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
¯r
1
= E[r
1
] = (0.25)(10%) + (0.5)(2%) + (0.25)(−8%) = 1.5%
¯r
2
= E[r
2
] = (0.25)(4%) + (0.5)(3%) + (0.25)(−2%) = 2.0%
¯r
3
= E[r
3
] = (0.25)(1%) + (0.5)(0.5%) + (0.25)(0%) = 0.5%
Calculando los retornos esperados
Se pueden “colocar” los rendimientos esperados individuales, ¯r
i
, en
un vector
¯r =
_
_
¯r
1
¯r
2
¯r
3
_
_
=
_
_
1.5%
2.0%
0.5%
_
_
Denotamos como ¯r al vector de rendimientos esperados
Calculando los retornos esperados
Se pueden “colocar” los rendimientos esperados individuales, ¯r
i
, en
un vector
¯r =
_
_
¯r
1
¯r
2
¯r
3
_
_
=
_
_
1.5%
2.0%
0.5%
_
_
Denotamos como ¯r al vector de rendimientos esperados
Calculando los retornos esperados
Se pueden “colocar” los rendimientos esperados individuales, ¯r
i
, en
un vector
¯r =
_
_
¯r
1
¯r
2
¯r
3
_
_
=
_
_
1.5%
2.0%
0.5%
_
_
Denotamos como ¯r al vector de rendimientos esperados
Vector de rendimientos esperados
En general, si existen n activos, el vector de sus retornos esperados
es dado por
¯r =
_
¸
¸
¸
_
¯r
1
¯r
2
.
.
.
¯r
n
_
¸
¸
¸
_
donde ¯r
i
es el retorno esperado del activo i
Vector de rendimientos esperados
En general, si existen n activos, el vector de sus retornos esperados
es dado por
¯r =
_
¸
¸
¸
_
¯r
1
¯r
2
.
.
.
¯r
n
_
¸
¸
¸
_
donde ¯r
i
es el retorno esperado del activo i
Vector de rendimientos esperados
En general, si existen n activos, el vector de sus retornos esperados
es dado por
¯r =
_
¸
¸
¸
_
¯r
1
¯r
2
.
.
.
¯r
n
_
¸
¸
¸
_
donde ¯r
i
es el retorno esperado del activo i
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
2
1
= E[(r
1
−¯r
1
)
2
] = E[(r
1
−1.5%)
2
]
= (0.25)(10%−1.5%)
2
+ (0.5)(2%−1.5%)
2
+(0.25)(−8%−1.5%)
2
= 0.004075
σ
1
= 6.38%
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
2
1
= E[(r
1
−¯r
1
)
2
] = E[(r
1
−1.5%)
2
]
= (0.25)(10%−1.5%)
2
+ (0.5)(2%−1.5%)
2
+(0.25)(−8%−1.5%)
2
= 0.004075
σ
1
= 6.38%
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
2
1
= E[(r
1
−¯r
1
)
2
]
= E[(r
1
−1.5%)
2
]
= (0.25)(10%−1.5%)
2
+ (0.5)(2%−1.5%)
2
+(0.25)(−8%−1.5%)
2
= 0.004075
σ
1
= 6.38%
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
2
1
= E[(r
1
−¯r
1
)
2
] = E[(r
1
−1.5%)
2
]
= (0.25)(10%−1.5%)
2
+ (0.5)(2%−1.5%)
2
+(0.25)(−8%−1.5%)
2
= 0.004075
σ
1
= 6.38%
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
2
1
= E[(r
1
−¯r
1
)
2
] = E[(r
1
−1.5%)
2
]
= (0.25)(10%−1.5%)
2
+ (0.5)(2%−1.5%)
2
+(0.25)(−8%−1.5%)
2
= 0.004075
σ
1
= 6.38%
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
2
1
= E[(r
1
−¯r
1
)
2
] = E[(r
1
−1.5%)
2
]
= (0.25)(10%−1.5%)
2
+ (0.5)(2%−1.5%)
2
+(0.25)(−8%−1.5%)
2
= 0.004075
σ
1
= 6.38%
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
2
1
= E[(r
1
−¯r
1
)
2
] = E[(r
1
−1.5%)
2
]
= (0.25)(10%−1.5%)
2
+ (0.5)(2%−1.5%)
2
+(0.25)(−8%−1.5%)
2
= 0.004075
σ
1
= 6.38%
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
2
2
= E[(r
2
−¯r
2
)
2
] = E[(r
2
−2%)
2
]
= (0.25)(4%−2%)
2
+ (0.5)(3%−2%)
2
+(0.25)(−2%−2%)
2
= 0.00055
σ
2
= 2.35%
Calculando la varianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
De la misma forma:
σ
2
3
= E[(r
3
−¯r
3
)
2
] = 0.0000125
σ
3
= 0.35%
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
12
= E[(r
1
−¯r
1
)(r
2
− ¯ r
2
)] = E[(r
1
−1.5%)(r
2
−2%)]
= (0.25)(10%−1.5%)(4%−2%)
+(0.5)(2%−1.5%)(3%−2%)
+(0.25)(−8%−1.5%)(−2%−2%)
= 0.0014
= σ
21
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
12
=
E[(r
1
−¯r
1
)(r
2
− ¯ r
2
)] = E[(r
1
−1.5%)(r
2
−2%)]
= (0.25)(10%−1.5%)(4%−2%)
+(0.5)(2%−1.5%)(3%−2%)
+(0.25)(−8%−1.5%)(−2%−2%)
= 0.0014
= σ
21
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
12
= E[(r
1
−¯r
1
)(r
2
− ¯ r
2
)] =
E[(r
1
−1.5%)(r
2
−2%)]
= (0.25)(10%−1.5%)(4%−2%)
+(0.5)(2%−1.5%)(3%−2%)
+(0.25)(−8%−1.5%)(−2%−2%)
= 0.0014
= σ
21
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
12
= E[(r
1
−¯r
1
)(r
2
− ¯ r
2
)] = E[(r
1
−1.5%)(r
2
−2%)]
= (0.25)(10%−1.5%)(4%−2%)
+(0.5)(2%−1.5%)(3%−2%)
+(0.25)(−8%−1.5%)(−2%−2%)
= 0.0014
= σ
21
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
12
= E[(r
1
−¯r
1
)(r
2
− ¯ r
2
)] = E[(r
1
−1.5%)(r
2
−2%)]
= (0.25)(10%−1.5%)(4%−2%)
+(0.5)(2%−1.5%)(3%−2%)
+(0.25)(−8%−1.5%)(−2%−2%)
= 0.0014
= σ
21
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
12
= E[(r
1
−¯r
1
)(r
2
− ¯ r
2
)] = E[(r
1
−1.5%)(r
2
−2%)]
= (0.25)(10%−1.5%)(4%−2%)
+(0.5)(2%−1.5%)(3%−2%)
+(0.25)(−8%−1.5%)(−2%−2%)
= 0.0014
= σ
21
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
12
= E[(r
1
−¯r
1
)(r
2
− ¯ r
2
)] = E[(r
1
−1.5%)(r
2
−2%)]
= (0.25)(10%−1.5%)(4%−2%)
+(0.5)(2%−1.5%)(3%−2%)
+(0.25)(−8%−1.5%)(−2%−2%)
= 0.0014
= σ
21
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
13
= E[(r
1
−¯r
1
)(r
3
− ¯ r
3
)] = E[(r
1
−1.5%)(r
3
−0.5%)]
= (0.25)(10%−1.5%)(1%−0.5%)
+(0.5)(2%−1.5%)(0.5%−0.5%)
+(0.25)(−8%−1.5%)(0%−0.5%)
= 0.000225
= σ
31
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
13
= E[(r
1
−¯r
1
)(r
3
− ¯ r
3
)] = E[(r
1
−1.5%)(r
3
−0.5%)]
= (0.25)(10%−1.5%)(1%−0.5%)
+(0.5)(2%−1.5%)(0.5%−0.5%)
+(0.25)(−8%−1.5%)(0%−0.5%)
= 0.000225
= σ
31
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
13
= E[(r
1
−¯r
1
)(r
3
− ¯ r
3
)] = E[(r
1
−1.5%)(r
3
−0.5%)]
= (0.25)(10%−1.5%)(1%−0.5%)
+(0.5)(2%−1.5%)(0.5%−0.5%)
+(0.25)(−8%−1.5%)(0%−0.5%)
= 0.000225
= σ
31
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
13
= E[(r
1
−¯r
1
)(r
3
− ¯ r
3
)] = E[(r
1
−1.5%)(r
3
−0.5%)]
= (0.25)(10%−1.5%)(1%−0.5%)
+(0.5)(2%−1.5%)(0.5%−0.5%)
+(0.25)(−8%−1.5%)(0%−0.5%)
= 0.000225
= σ
31
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
σ
13
= E[(r
1
−¯r
1
)(r
3
− ¯ r
3
)] = E[(r
1
−1.5%)(r
3
−0.5%)]
= (0.25)(10%−1.5%)(1%−0.5%)
+(0.5)(2%−1.5%)(0.5%−0.5%)
+(0.25)(−8%−1.5%)(0%−0.5%)
= 0.000225
= σ
31
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
De la misma forma:
σ
23
= E[(r
2
−¯r
2
)(r
3
− ¯ r
3
)] = E[(r
1
−1.5%)(r
3
−0.5%)]
= 0.000075
= σ
32
Calculando la covarianza de los retornos
Prob. 0.25 0.5 0.25
Activo Escenario 1 Escenario 2 Escenario 3
1 10% 2% -8%
2 4% 3% -2%
3 1% 0.5% 0%
De la misma forma:
σ
23
= E[(r
2
−¯r
2
)(r
3
− ¯ r
3
)] = E[(r
1
−1.5%)(r
3
−0.5%)]
= 0.000075
= σ
32
Calculando la covarianza de los retornos
Podemos “colocar” las varianzas y covarianzas en una matriz
Σ =
_
_
σ
2
1
σ
12
σ
13
σ
21
σ
2
2
σ
23
σ
31
σ
32
σ
2
3
_
_
=
_
_
σ
2
1
σ
12
σ
13
σ
12
σ
2
2
σ
23
σ
13
σ
23
σ
2
3
_
_
Σ es la matriz de covarianza de los retornos
Debido a que σ
ij
= σ
ji
para i = j , Σ es sim´etrica
Calculando la covarianza de los retornos
Podemos “colocar” las varianzas y covarianzas en una matriz
Σ =
_
_
σ
2
1
σ
12
σ
13
σ
21
σ
2
2
σ
23
σ
31
σ
32
σ
2
3
_
_
=
_
_
σ
2
1
σ
12
σ
13
σ
12
σ
2
2
σ
23
σ
13
σ
23
σ
2
3
_
_
Σ es la matriz de covarianza de los retornos
Debido a que σ
ij
= σ
ji
para i = j , Σ es sim´etrica
Calculando la covarianza de los retornos
Podemos “colocar” las varianzas y covarianzas en una matriz
Σ =
_
_
σ
2
1
σ
12
σ
13
σ
21
σ
2
2
σ
23
σ
31
σ
32
σ
2
3
_
_
=
_
_
σ
2
1
σ
12
σ
13
σ
12
σ
2
2
σ
23
σ
13
σ
23
σ
2
3
_
_
Σ es la matriz de covarianza de los retornos
Debido a que σ
ij
= σ
ji
para i = j , Σ es sim´etrica
Matriz e covarianza
Utilizando nuestros datos:
Σ =
_
_
0.004075 0.0014 0.000225
0.0014 0.00055 0.000075
0.000225 0.000075 0.0000125
_
_
Matriz de covarianza en su forma general
En general, la matriz de covarianza de los retornos de los n activos
es dada por
Σ =
_
_
_
_
_
_
_
_
_
_
σ
2
1
σ
12
. . . σ
1j
. . . σ
1n
σ
21
σ
2
2
. . . σ
2j
. . . σ
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
σ
i 1
σ
i 2
. . . σ
ij
. . . σ
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
σ
n1
σ
n2
. . . σ
nj
. . . σ
2
n
_
_
_
_
_
_
_
_
_
_
Recordar que σ
ij
= σ
ji
para i = j
La diagonal de Σ contiene σ
2
i
para i = 1, ..., n
Matriz de covarianza en su forma general
En general, la matriz de covarianza de los retornos de los n activos
es dada por
Σ =
_
_
_
_
_
_
_
_
_
_
σ
2
1
σ
12
. . . σ
1j
. . . σ
1n
σ
21
σ
2
2
. . . σ
2j
. . . σ
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
σ
i 1
σ
i 2
. . . σ
ij
. . . σ
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
σ
n1
σ
n2
. . . σ
nj
. . . σ
2
n
_
_
_
_
_
_
_
_
_
_
Recordar que σ
ij
= σ
ji
para i = j
La diagonal de Σ contiene σ
2
i
para i = 1, ..., n
Matriz de covarianza en su forma general
En general, la matriz de covarianza de los retornos de los n activos
es dada por
Σ =
_
_
_
_
_
_
_
_
_
_
σ
2
1
σ
12
. . . σ
1j
. . . σ
1n
σ
21
σ
2
2
. . . σ
2j
. . . σ
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
σ
i 1
σ
i 2
. . . σ
ij
. . . σ
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
σ
n1
σ
n2
. . . σ
nj
. . . σ
2
n
_
_
_
_
_
_
_
_
_
_
Recordar que σ
ij
= σ
ji
para i = j
La diagonal de Σ contiene σ
2
i
para i = 1, ..., n
Coeficiente de correlaci´ on
Recordar que
ρ
ij
=
σ
ij
σ
i
σ
j
, para i = j
y
ρ
ii
= 1
Es m´as f´acil interpretar ρ
ij
que σ
ij
porque −1 ≤ ρ
ij
≤ 1
Se cumple que ρ
ij
= ρ
ji
Se puede construir una matriz con elementos ρ
ij
,
denominamos esta matriz como ρ
Coeficiente de correlaci´ on
Recordar que
ρ
ij
=
σ
ij
σ
i
σ
j
, para i = j
y
ρ
ii
= 1
Es m´as f´acil interpretar ρ
ij
que σ
ij
porque −1 ≤ ρ
ij
≤ 1
Se cumple que ρ
ij
= ρ
ji
Se puede construir una matriz con elementos ρ
ij
,
denominamos esta matriz como ρ
Coeficiente de correlaci´ on
Recordar que
ρ
ij
=
σ
ij
σ
i
σ
j
, para i = j
y
ρ
ii
= 1
Es m´as f´acil interpretar ρ
ij
que σ
ij
porque −1 ≤ ρ
ij
≤ 1
Se cumple que ρ
ij
= ρ
ji
Se puede construir una matriz con elementos ρ
ij
,
denominamos esta matriz como ρ
Coeficiente de correlaci´ on
Recordar que
ρ
ij
=
σ
ij
σ
i
σ
j
, para i = j
y
ρ
ii
= 1
Es m´as f´acil interpretar ρ
ij
que σ
ij
porque −1 ≤ ρ
ij
≤ 1
Se cumple que ρ
ij
= ρ
ji
Se puede construir una matriz con elementos ρ
ij
,
denominamos esta matriz como ρ
Coeficiente de correlaci´ on
Recordar que
ρ
ij
=
σ
ij
σ
i
σ
j
, para i = j
y
ρ
ii
= 1
Es m´as f´acil interpretar ρ
ij
que σ
ij
porque −1 ≤ ρ
ij
≤ 1
Se cumple que ρ
ij
= ρ
ji
Se puede construir una matriz con elementos ρ
ij
,
denominamos esta matriz como ρ
Matriz de coeficientes de correlaci´on - ejemplo
Utilizando los valores de σ
ij
en nuestro ejemplo:
ρ =
_
_
1.00 0.935 0.997
0.935 1.00 0.332
0.997 0.332 1.00
_
_
Rendimiento esperado y varianza de un portafolio
Vector de pesos de un portafolio
Sea w
i
el peso del activo i en el portafolio, entonces
n

i =1
w
i
= 1
Definimos el vector del pesos del portafolio como
w =
_
¸
¸
¸
_
w
1
w
2
.
.
.
w
n
_
¸
¸
¸
_
Vector de pesos de un portafolio
Sea w
i
el peso del activo i en el portafolio, entonces
n

i =1
w
i
= 1
Definimos el vector del pesos del portafolio como
w =
_
¸
¸
¸
_
w
1
w
2
.
.
.
w
n
_
¸
¸
¸
_
Vector de “unos”
Definimos a 1 como el n-vector
1 =
_
¸
¸
¸
_
1
1
.
.
.
1
_
¸
¸
¸
_
Restricci´ on del portafolio
Recordar que la restricci´on del portafolio viene dada por:
n

i =1
w
i
= w
1
+ w
2
+· · · + w
n
= 1
Podemos expresar la constante como
1

w = 1
donde A

es la transpuesta A
Restricci´ on del portafolio
Recordar que la restricci´on del portafolio viene dada por:
n

i =1
w
i
= w
1
+ w
2
+· · · + w
n
= 1
Podemos expresar la constante como
1

w = 1
donde A

es la transpuesta A
Restricci´ on del portafolio
Recordar que la restricci´on del portafolio viene dada por:
n

i =1
w
i
= w
1
+ w
2
+· · · + w
n
= 1
Podemos expresar la constante como
1

w = 1
donde A

es la transpuesta A
Rendimiento esperado (media) del portafolio
Podemos expresar el rendimiento esperado de un portafolio como
¯r
p
=
n

i =1
¯r
i
w
i
= ¯r
1
w
1
+¯r
2
w
2
+· · · + w
n
¯r
n
En notaci´on matricial tenemos:
¯r
p
= ¯r

w
Rendimiento esperado (media) del portafolio
Podemos expresar el rendimiento esperado de un portafolio como
¯r
p
=
n

i =1
¯r
i
w
i
= ¯r
1
w
1
+¯r
2
w
2
+· · · + w
n
¯r
n
En notaci´on matricial tenemos:
¯r
p
= ¯r

w
Varianza de los rendimientos del portafolio
Podemos expresar la varianza de los rendimientos esperados del
portafolio como
σ
2
p
=
n

i =1
n

j =1
w
i
w
j
σ
ij
En notaci´on matricial tenemos:
σ
2
p
= w

Σw
Varianza de los rendimientos del portafolio
Podemos expresar la varianza de los rendimientos esperados del
portafolio como
σ
2
p
=
n

i =1
n

j =1
w
i
w
j
σ
ij
En notaci´on matricial tenemos:
σ
2
p
= w

Σw
Problema del portafolio con activos riesgosos
Problema del portafolio con activos riesgosos
Queremos resolver el siguiente problema de optimizaci´on:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
Dado un “target” de rendimiento esperado, µ, queremos encontrar
el portafolio con la menor varianza. Denotamos a los pesos
´optimos del portafolio como w

Problema del portafolio con activos riesgosos
Queremos resolver el siguiente problema de optimizaci´on:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
Dado un “target” de rendimiento esperado, µ, queremos encontrar
el portafolio con la menor varianza. Denotamos a los pesos
´optimos del portafolio como w

Problema del portafolio con activos riesgosos
Queremos resolver el siguiente problema de optimizaci´on:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
Dado un “target” de rendimiento esperado, µ, queremos encontrar
el portafolio con la menor varianza. Denotamos a los pesos
´ optimos del portafolio como w

Frontera eficiente
Por cada target de rendimiento, µ, podemos calcular el
portafolio ´optimo w

(µ)
Tal portafolio ´optimo tiene una varianza dada por σ
2
p
(w

(µ))
La frontera eficiente es el gr´afico de µ vs. σ
2
p
(w

(µ))
(media-varianza)
La frontera eficiente “tambi´en” es el gr´afico de µ vs.
σ
p
(w

(µ)) (media-desviaci´on est´andar)
Los inversionistas s´olo seleccionar´an portafolios que se
encuentran en la frontera eficiente
Frontera eficiente
Por cada target de rendimiento, µ, podemos calcular el
portafolio ´optimo w

(µ)
Tal portafolio ´optimo tiene una varianza dada por σ
2
p
(w

(µ))
La frontera eficiente es el gr´afico de µ vs. σ
2
p
(w

(µ))
(media-varianza)
La frontera eficiente “tambi´en” es el gr´afico de µ vs.
σ
p
(w

(µ)) (media-desviaci´on est´andar)
Los inversionistas s´olo seleccionar´an portafolios que se
encuentran en la frontera eficiente
Frontera eficiente
Por cada target de rendimiento, µ, podemos calcular el
portafolio ´optimo w

(µ)
Tal portafolio ´optimo tiene una varianza dada por σ
2
p
(w

(µ))
La frontera eficiente es el gr´afico de µ vs. σ
2
p
(w

(µ))
(media-varianza)
La frontera eficiente “tambi´en” es el gr´afico de µ vs.
σ
p
(w

(µ)) (media-desviaci´on est´andar)
Los inversionistas s´olo seleccionar´an portafolios que se
encuentran en la frontera eficiente
Frontera eficiente
Por cada target de rendimiento, µ, podemos calcular el
portafolio ´optimo w

(µ)
Tal portafolio ´optimo tiene una varianza dada por σ
2
p
(w

(µ))
La frontera eficiente es el gr´afico de µ vs. σ
2
p
(w

(µ))
(media-varianza)
La frontera eficiente “tambi´en” es el gr´afico de µ vs.
σ
p
(w

(µ)) (media-desviaci´on est´andar)
Los inversionistas s´olo seleccionar´an portafolios que se
encuentran en la frontera eficiente
Frontera eficiente
Por cada target de rendimiento, µ, podemos calcular el
portafolio ´optimo w

(µ)
Tal portafolio ´optimo tiene una varianza dada por σ
2
p
(w

(µ))
La frontera eficiente es el gr´afico de µ vs. σ
2
p
(w

(µ))
(media-varianza)
La frontera eficiente “tambi´en” es el gr´afico de µ vs.
σ
p
(w

(µ)) (media-desviaci´on est´andar)
Los inversionistas s´olo seleccionar´an portafolios que se
encuentran en la frontera eficiente
Frontera eficiente
Por cada target de rendimiento, µ, podemos calcular el
portafolio ´optimo w

(µ)
Tal portafolio ´optimo tiene una varianza dada por σ
2
p
(w

(µ))
La frontera eficiente es el gr´afico de µ vs. σ
2
p
(w

(µ))
(media-varianza)
La frontera eficiente “tambi´en” es el gr´afico de µ vs.
σ
p
(w

(µ)) (media-desviaci´on est´andar)
Los inversionistas s´olo seleccionar´an portafolios que se
encuentran en la frontera eficiente
Frontera eficiente
Por cada target de rendimiento, µ, podemos calcular el
portafolio ´optimo w

(µ)
Tal portafolio ´optimo tiene una varianza dada por σ
2
p
(w

(µ))
La frontera eficiente es el gr´afico de µ vs. σ
2
p
(w

(µ))
(media-varianza)
La frontera eficiente “tambi´en” es el gr´afico de µ vs.
σ
p
(w

(µ)) (media-desviaci´on est´andar)
Los inversionistas s´olo seleccionar´an portafolios que se
encuentran en la frontera eficiente
Frontera eficiente
Figura: Frontera eficiente (media-desviaci´on est´andar)
Frontera eficiente
El problema
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
no asegura que para el portafolio ´optimo w

i
≥ 0 par todo i
Es decir, est´a permitiendo la venta en corto de los activos, porque
es posible que w

i
< 0 para ciertos i
¿C´omo se puede “corregir” esta situaci´on?
Frontera eficiente
El problema
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
no asegura que para el portafolio ´optimo w

i
≥ 0 par todo i
Es decir, est´a permitiendo la venta en corto de los activos, porque
es posible que w

i
< 0 para ciertos i
¿C´omo se puede “corregir” esta situaci´on?
Frontera eficiente
El problema
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
no asegura que para el portafolio ´optimo w

i
≥ 0 par todo i
Es decir, est´a permitiendo la venta en corto de los activos, porque
es posible que w

i
< 0 para ciertos i
¿C´omo se puede “corregir” esta situaci´on?
Frontera eficiente
El problema
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
no asegura que para el portafolio ´optimo w

i
≥ 0 par todo i
Es decir, est´a permitiendo la venta en corto de los activos, porque
es posible que w

i
< 0 para ciertos i
¿C´omo se puede “corregir” esta situaci´on?
Frontera eficiente
El problema
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
no asegura que para el portafolio ´optimo w

i
≥ 0 par todo i
Es decir, est´a permitiendo la venta en corto de los activos, porque
es posible que w

i
< 0 para ciertos i
¿C´omo se puede “corregir” esta situaci´on?
Frontera eficiente sin venta en corto
Se tendr´ıa que resolver
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Recordar que w ≥ 0 es equivalente a tener w
i
≥ 0 para todo i
¿C´omo cambia la frontera eficiente?
Frontera eficiente sin venta en corto
Se tendr´ıa que resolver
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Recordar que w ≥ 0 es equivalente a tener w
i
≥ 0 para todo i
¿C´omo cambia la frontera eficiente?
Frontera eficiente sin venta en corto
Se tendr´ıa que resolver
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Recordar que w ≥ 0 es equivalente a tener w
i
≥ 0 para todo i
¿C´omo cambia la frontera eficiente?
Frontera eficiente sin venta en corto
Se tendr´ıa que resolver
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Recordar que w ≥ 0 es equivalente a tener w
i
≥ 0 para todo i
¿C´omo cambia la frontera eficiente?
Frontera eficiente sin venta en corto
Figura: Frontera eficiente (media-desviaci´on est´andar) con y sin venta en
corto
Frontera eficiente con restricciones adicionales
Es posible a˜ nadir m´as restricciones y resolver:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Por ejemplo:
Los activos 1 y 2 no deben ser m´as del 50% del portafolio:
w
1
+ w
2
≤ 0.5
Se debe invertir al menos 30% en el activo 5:
w
5
≥ 0.3
Frontera eficiente con restricciones adicionales
Es posible a˜ nadir m´as restricciones y resolver:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Por ejemplo:
Los activos 1 y 2 no deben ser m´as del 50% del portafolio:
w
1
+ w
2
≤ 0.5
Se debe invertir al menos 30% en el activo 5:
w
5
≥ 0.3
Frontera eficiente con restricciones adicionales
Es posible a˜ nadir m´as restricciones y resolver:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Por ejemplo:
Los activos 1 y 2 no deben ser m´as del 50% del portafolio:
w
1
+ w
2
≤ 0.5
Se debe invertir al menos 30% en el activo 5:
w
5
≥ 0.3
Frontera eficiente con restricciones adicionales
Es posible a˜ nadir m´as restricciones y resolver:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Por ejemplo:
Los activos 1 y 2 no deben ser m´as del 50% del portafolio:
w
1
+ w
2
≤ 0.5
Se debe invertir al menos 30% en el activo 5:
w
5
≥ 0.3
Frontera eficiente con restricciones adicionales
Es posible a˜ nadir m´as restricciones y resolver:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Por ejemplo:
Los activos 1 y 2 no deben ser m´as del 50% del portafolio:
w
1
+ w
2
≤ 0.5
Se debe invertir al menos 30% en el activo 5:
w
5
≥ 0.3
Frontera eficiente con restricciones adicionales
Es posible a˜ nadir m´as restricciones y resolver:
Minimizar w

Σw
sujeto a 1

w = 1
¯r

w = µ
w ≥ 0
Por ejemplo:
Los activos 1 y 2 no deben ser m´as del 50% del portafolio:
w
1
+ w
2
≤ 0.5
Se debe invertir al menos 30% en el activo 5:
w
5
≥ 0.3
Frontera eficiente con restricciones adicionales
Figura: Frontera eficiente (media-desviaci´on est´andar) con restricciones
adicionales
Portafolio ´ optimo
El portafolio w

a seleccionar debe ser alguno de la frontera
eficiente. Pero, ¿cu´al?
Se necesita especificar un “trade-off” balance entre riesgo y
rendimiento
Una especificaci´on com´ un es encontrar el portafolio P que
maximice:
U(P) = ¯r
P
−λ
T
σ
2
P
donde P es un portafolio de la frontera eficiente, y λ
T
es un
coeficiente de aversi´on al riesgo
Portafolio ´ optimo
El portafolio w

a seleccionar debe ser alguno de la frontera
eficiente.
Pero, ¿cu´al?
Se necesita especificar un “trade-off” balance entre riesgo y
rendimiento
Una especificaci´on com´ un es encontrar el portafolio P que
maximice:
U(P) = ¯r
P
−λ
T
σ
2
P
donde P es un portafolio de la frontera eficiente, y λ
T
es un
coeficiente de aversi´on al riesgo
Portafolio ´ optimo
El portafolio w

a seleccionar debe ser alguno de la frontera
eficiente. Pero, ¿cu´al?
Se necesita especificar un “trade-off” balance entre riesgo y
rendimiento
Una especificaci´on com´ un es encontrar el portafolio P que
maximice:
U(P) = ¯r
P
−λ
T
σ
2
P
donde P es un portafolio de la frontera eficiente, y λ
T
es un
coeficiente de aversi´on al riesgo
Portafolio ´ optimo
El portafolio w

a seleccionar debe ser alguno de la frontera
eficiente. Pero, ¿cu´al?
Se necesita especificar un “trade-off” balance entre riesgo y
rendimiento
Una especificaci´on com´ un es encontrar el portafolio P que
maximice:
U(P) = ¯r
P
−λ
T
σ
2
P
donde P es un portafolio de la frontera eficiente, y λ
T
es un
coeficiente de aversi´on al riesgo
Portafolio ´ optimo
El portafolio w

a seleccionar debe ser alguno de la frontera
eficiente. Pero, ¿cu´al?
Se necesita especificar un “trade-off” balance entre riesgo y
rendimiento
Una especificaci´on com´ un es encontrar el portafolio P que
maximice:
U(P) = ¯r
P
−λ
T
σ
2
P
donde P es un portafolio de la frontera eficiente, y λ
T
es un
coeficiente de aversi´on al riesgo
Portafolio ´ optimo
El portafolio w

a seleccionar debe ser alguno de la frontera
eficiente. Pero, ¿cu´al?
Se necesita especificar un “trade-off” balance entre riesgo y
rendimiento
Una especificaci´on com´ un es encontrar el portafolio P que
maximice:
U(P) = ¯r
P
−λ
T
σ
2
P
donde P es un portafolio de la frontera eficiente, y λ
T
es un
coeficiente de aversi´on al riesgo
Portafolio ´ optimo
El portafolio w

a seleccionar debe ser alguno de la frontera
eficiente. Pero, ¿cu´al?
Se necesita especificar un “trade-off” balance entre riesgo y
rendimiento
Una especificaci´on com´ un es encontrar el portafolio P que
maximice:
U(P) = ¯r
P
−λ
T
σ
2
P
donde P es un portafolio de la frontera eficiente, y λ
T
es un
coeficiente de aversi´on al riesgo
Problema del portafolio con activo libre de riesgo
Activo libre de riesgo
Hemos asumido que existen n activos riesgosos; es decir que todos
tienen
σ
i
> 0
Un activo libre de riesgo tiene un rendimiento r
f
que es
determin´ıstico (siempre toma el mismo valor) y por consiguiente
σ
f
= 0
Activo libre de riesgo
Hemos asumido que existen n activos riesgosos; es decir que todos
tienen
σ
i
> 0
Un activo libre de riesgo tiene un rendimiento r
f
que es
determin´ıstico (siempre toma el mismo valor) y por consiguiente
σ
f
= 0
Activo libre de riesgo
Consideremos un activo riesgoso A que tiene rendimiento r
A
con
media ¯r
A
y varianza σ
2
A
Es importante notar que
σ
Af
= E[(r
A
−¯r
A
)(r
f
−r
f
)] = 0
Es decir, la covarianza de estos dos activos es cero
Activo libre de riesgo
Consideremos un activo riesgoso A que tiene rendimiento r
A
con
media ¯r
A
y varianza σ
2
A
Es importante notar que
σ
Af
= E[(r
A
−¯r
A
)(r
f
−r
f
)] = 0
Es decir, la covarianza de estos dos activos es cero
Activo libre de riesgo
Consideremos un activo riesgoso A que tiene rendimiento r
A
con
media ¯r
A
y varianza σ
2
A
Es importante notar que
σ
Af
= E[(r
A
−¯r
A
)(r
f
−r
f
)] = 0
Es decir, la covarianza de estos dos activos es cero
Activo libre de riesgo
Ahora combinamos el activo A con el activo libre de riesgo en un
portafolio P.
Damos un peso α ≤ 1 al activo libre de riesgo y
1 −α al activo A
Se demuestra que:
¯r
P
= αr
f
+ (1 −α)¯r
A
σ
P
= (1 −α)σ
A
Estas ecuaciones representan una l´ınea en el diagrama
media-desviaci´on est´andar
Activo libre de riesgo
Ahora combinamos el activo A con el activo libre de riesgo en un
portafolio P. Damos un peso α ≤ 1 al activo libre de riesgo y
1 −α al activo A
Se demuestra que:
¯r
P
= αr
f
+ (1 −α)¯r
A
σ
P
= (1 −α)σ
A
Estas ecuaciones representan una l´ınea en el diagrama
media-desviaci´on est´andar
Activo libre de riesgo
Ahora combinamos el activo A con el activo libre de riesgo en un
portafolio P. Damos un peso α ≤ 1 al activo libre de riesgo y
1 −α al activo A
Se demuestra que:
¯r
P
= αr
f
+ (1 −α)¯r
A
σ
P
= (1 −α)σ
A
Estas ecuaciones representan una l´ınea en el diagrama
media-desviaci´on est´andar
Activo libre de riesgo
Ahora combinamos el activo A con el activo libre de riesgo en un
portafolio P. Damos un peso α ≤ 1 al activo libre de riesgo y
1 −α al activo A
Se demuestra que:
¯r
P
= αr
f
+ (1 −α)¯r
A
σ
P
= (1 −α)σ
A
Estas ecuaciones representan una l´ınea en el diagrama
media-desviaci´on est´andar
Activo libre de riesgo
Ahora combinamos el activo A con el activo libre de riesgo en un
portafolio P. Damos un peso α ≤ 1 al activo libre de riesgo y
1 −α al activo A
Se demuestra que:
¯r
P
= αr
f
+ (1 −α)¯r
A
σ
P
= (1 −α)σ
A
Estas ecuaciones representan una l´ınea en el diagrama
media-desviaci´on est´andar
Activo libre de riesgo
Ahora combinamos el activo A con el activo libre de riesgo en un
portafolio P. Damos un peso α ≤ 1 al activo libre de riesgo y
1 −α al activo A
Se demuestra que:
¯r
P
= αr
f
+ (1 −α)¯r
A
σ
P
= (1 −α)σ
A
Estas ecuaciones representan una l´ınea en el diagrama
media-desviaci´on est´andar
Activo riesgoso A y activo libre de riesgo
Figura: Diferentes valores de media y desviaci´on est´andar para el
portafolio. Recordar que α representa la posici´on en el activo libre de
riesgo, y 1 −α la posici´on en el activo A
Frontera eficiente con activo libre de riesgo
Figura: Frontera eficiente (media-desviaci´on est´andar) bajo la presencia
del activo libre de riesgo
Encontrando el portafolio tangente
Queremos resolver el siguiente problema de optimizaci´on:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
A SR se le conoce como el ratio de Sharpe, y al portafolio soluci´on
como portafolio tangente. El portafolio tangente s´olo contiene
activos riesgosos
Nada garantiza que w
i
≥ 0 en el portafolio tangente
Encontrando el portafolio tangente
Queremos resolver el siguiente problema de optimizaci´on:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
A SR se le conoce como el ratio de Sharpe, y al portafolio soluci´on
como portafolio tangente. El portafolio tangente s´olo contiene
activos riesgosos
Nada garantiza que w
i
≥ 0 en el portafolio tangente
Encontrando el portafolio tangente
Queremos resolver el siguiente problema de optimizaci´on:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
A SR se le conoce como el ratio de Sharpe, y al portafolio soluci´on
como portafolio tangente.
El portafolio tangente s´olo contiene
activos riesgosos
Nada garantiza que w
i
≥ 0 en el portafolio tangente
Encontrando el portafolio tangente
Queremos resolver el siguiente problema de optimizaci´on:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
A SR se le conoce como el ratio de Sharpe, y al portafolio soluci´on
como portafolio tangente. El portafolio tangente s´olo contiene
activos riesgosos
Nada garantiza que w
i
≥ 0 en el portafolio tangente
Encontrando el portafolio tangente
Queremos resolver el siguiente problema de optimizaci´on:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
A SR se le conoce como el ratio de Sharpe, y al portafolio soluci´on
como portafolio tangente. El portafolio tangente s´olo contiene
activos riesgosos
Nada garantiza que w
i
≥ 0 en el portafolio tangente
Encontrando el portafolio tangente con restricciones
Podemos trabajar con:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
w ≥ 0
De esta forma aseguramos que el portafolio tangente tenga w
i
≥ 0
para todo i
Podemos a˜ nadir otras restricciones al problema de optimizaci´on
Encontrando el portafolio tangente con restricciones
Podemos trabajar con:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
w ≥ 0
De esta forma aseguramos que el portafolio tangente tenga w
i
≥ 0
para todo i
Podemos a˜ nadir otras restricciones al problema de optimizaci´on
Encontrando el portafolio tangente con restricciones
Podemos trabajar con:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
w ≥ 0
De esta forma aseguramos que el portafolio tangente tenga w
i
≥ 0
para todo i
Podemos a˜ nadir otras restricciones al problema de optimizaci´on
Encontrando el portafolio tangente con restricciones
Podemos trabajar con:
Maximizar SR =
¯r
P
−r
f
σ
P
=
¯r

w−r
f
w

Σw
sujeto a 1

w = 1
w ≥ 0
De esta forma aseguramos que el portafolio tangente tenga w
i
≥ 0
para todo i
Podemos a˜ nadir otras restricciones al problema de optimizaci´on
Frontera eficiente con activo libre de riesgo
Figura: Frontera eficiente (media-desviaci´on est´andar) bajo la presencia
del activo libre de riesgo y restricciones adicionales