FACULTAD DE TURISMO Y FINANZAS

GRADO EN FINANZAS Y CONTABILIDAD

Ttulo del Trabajo Fin de Grado

Trabajo Fin de Grado presentado por Manuel Quevedo Zarcero, siendo la tutora del
mismo la profesora Inmaculada Masero Moreno.

V. B. de la Tutora:

Da. Inmaculada Masero Moreno

Alumno:

D. Manuel Quevedo Zarcero

Sevilla. Junio de 2015

GRADO EN FINANZAS Y CONTABILIDAD

FACULTAD DE TURISMO Y FINANZAS
TRABAJO FIN DE GRADO
CURSO ACADMICO [2014-2015]

TTULO:
ANLISIS DE UNA CARTERA DE INVERSIN DE MARKOWITZ COMO
APLICACIN DE LA OPTIMIZACIN CON RESTRICCIONES DE DESIGUALDAD
AUTOR:
MANUEL QUEVEDO ZARCERO
TUTOR:
DA INMACULADA MASERO MORENO
DEPARTAMENTO:
ECONOMA APLICADA III
REA DE CONOCIMIENTO:
METODOS CUANTITATIVOS PARA LA ECONOMA Y LA EMPRESA
.
RESUMEN:
En el presente trabajo se aborda una aplicacin de la optimizacin clsica con
restricciones de desigualdad en el mbito financiero. Se plantea una aplicacin
prctica del modelo de Markowitz para una cartera de valores del Ibex35 que
minimice el riesgo para una rentabilidad dada.

PALABRAS CLAVE:
Mtodos Cuantitativos, Optimizacin, Inversin, Rentabilidad, Riesgo.

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

NDICE

INTRODUCIN....................................................................................................................................................................................................................................................................... 1
CAPTULO 1. OPTIMIZACIN MATEMTICA ........................................................................................................................................................ 3
1.1. Breve aproximacin histrica de la Optimizacin .......................................................................................................................... 3
1.2. Clasificacin de los problemas de Optimizacin Matemtica ......................................................................................... 4
CAPTULO 2: OPTIMIZACIN EN ECONOMA ...................................................................................................................................................... 7
2.1. La Optimizacin Libre en el contexto econmico-empresarial ..................................................................................... 8
2.2. La Optimizacin Condicionada en el contexto econmico-empresarial ........................................................... 9
CAPTULO 3: PROBLEMA DE OPTIMIZACIN CON RESTRICCIONES DE
DESIGUALDAD ................................................................................................................................................................................................................................11
3.1. Formulacin del problema ..........................................................................................................................................................................................11
3.2. Condiciones de Kuhn-Tucker .................................................................................................................................................................................12
3.2.1. Problemas con condiciones de no negatividad. Condiciones de K-T ....................................13
3.3. Condicin suficiente de Optimalidad Global.....................................................................................................................................14
CAPTULO 4: EL MODELO DE MARKOWITZ.........................................................................................................................................................17
4.1. Introduccin ....................................................................................................................................................................................................................................17
4.2. Planteamiento ...............................................................................................................................................................................................................................17
4.2.1. Minimizacin del riesgo .......................................................................................................................................................................17
4.2.2. Rendimiento esperado..............................................................................................................................................................................19
4.2.3. La frontera eficiente ....................................................................................................................................................................................20
CAPTULO 5: APLICACIN PRCTICA .............................................................................................................................................................................21
5.1. Eleccin de las Empresas..............................................................................................................................................................................................21
5.2. Planteamiento y construccin del problema .......................................................................................................................................23
5.3. Resolucin del problema ...............................................................................................................................................................................................25
5.3.1 Condiciones de Kuhn-Tucker ..........................................................................................................................................................25
5.3.2 Resolucin del problema mediante LINGO ................................................................................................................27
5.3.3 Variantes sobre el problema ..............................................................................................................................................................28
5.3.4 Conclusiones ..........................................................................................................................................................................................................30

BIBLIOGRAFA .................................................................................................................................................................................................................................................................31

Quevedo Zarcero, Manuel

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

INTRODUCCIN
En este trabajo se presenta una aplicacin de la optimizacin clsica en el mbito
financiero. Ms concretamente se disear una aplicacin prctica utilizando el
modelo de Markowitz para una cartera de valores con el fin de encontrar una cartera
eficiente con el mnimo riesgo para una rentabilidad dada.
En primer lugar, comentaremos un planteamiento matemtico del modelo
econmico, que se ajusta a un problema de Optimizacin. sta, ha estado siempre
ligada al comportamiento humano, ya que el hombre por su propia naturaleza busca
siempre lo mejor en casi todos los segmentos de su actividad.
Comenzaremos por exponer qu es la Optimizacin y las caractersticas de los
distintos tipos de problemas que engloban para proponer una clasificacin de los
mismos.
En el captulo 2 comentaremos la importancia de la Optimizacin, tanto
condicionada como libre, en los contextos econmicos- empresariales y en algunos de
los problemas que se plantean en torno al consumidor, la empresa y el inversor.
Planteada la relacin entre algunos problemas econmicos y los problemas
Optimizacin, abordaremos en el captulo 3 los problemas con restricciones
desigualdad, detenindonos en su estudio, ya que la aplicacin prctica que
propone se ajusta a este tipo de problemas de optimizacin. Se plantearn
Condiciones de Kuhn-Tucker.

de
de
se
las

En el captulo 4, se expone el modelo de Markowitz. En primer lugar haremos una

referencia a sus orgenes, las ideas sobre su teora y, lo ms importante, cmo se
plantea su modelo. Como principal caracterstica tiene que, el inversor analiza la
situacin de inversin para decidir qu proporcin de su capital invertir para conseguir
un mnimo riesgo. Se necesita construir una cartera de valores eficientes. La cuestin
se centra en demostrar cmo, a partir de las expectativas que se crean sobre las
rentabilidades esperadas de los activos financieros individuales, se puede realizar una
correcta eleccin de la cartera a travs de tres objetivos fundamentales; la
minimizacin del riesgo, el rendimiento esperado y la frontera eficiente.
Una vez conocidas las ideas principales del modelo se plantea una aplicacin
prctica del mismo en el captulo 5, que se ajusta a un problema de Optimizacin
Clsica con restricciones de desigualdad. Se pretende construir una cartera de valores
formada por tres compaas, justificando la eleccin de estas empresas del Ibex-35
referencindonos a sus rentabilidades por dividendo.
Se exponen de forma detallada la construccin del mismo, es decir, el clculo de
cada uno de las funciones que intervienen en el modelo para realizar el adecuado
planteamiento del problema.
A continuacin, se plantean las Condiciones de Kuhn-Tucker para dicho problema y
dado el nmero de variables y de ecuaciones e inecuaciones se resuelve mediante el
programa informtico LINGO, herramienta fundamental para formular problemas
lineales y no lineales, resolverlos y analizar su solucin.
Para finalizar, se introducen algunas variantes sobre el mismo y se analizan los
resultados detalladamente.

Quevedo Zarcero, Manuel

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

CAPTULO 1
OPTIMIZACIN MATEMTICA
La Optimizacin Matemtica proporciona los mejores valores de una funcin objetivo
en un determinado dominio.
Segn Barrios y otros, la Optimizacin es cualquier proceso genrico por el cual se
obtiene la mejor solucin a un problema dado y caracteriza la manera en que nos
enfrentamos a situaciones del da a da conflictivas en las que deseamos escoger la
opcin ms apropiada o beneficiosa (2005, p.325).
Para Costa en la Optimizacin necesitamos establecer unas condiciones de
preferencia que nos permitan decidir qu situacin es ms conveniente entre las
posibles. (1989, p.75).
En ocasiones, para poder determinar cul es la decisin ptima en un problema
real, y siempre que la naturaleza del problema a resolver lo permita, se formula en
trminos matemticos antes de abordar su resolucin. Una vez transformado el
problema al lenguaje matemtico, es preciso disponer de tcnicas que permitan
conocer si ste tiene o no solucin.
1.1 Breve aproximacin histrica de la Optimizacin
La Optimizacin Matemtica segn Barrios y otros, se encuadra en la actualidad en
un rea de las Matemticas que se denomina Investigacin Operativa (2005, p.326).
sta disciplina surge a partir de la Segunda Guerra Mundial debido al inters que
planteaba la aplicacin de los mtodos matemticos en las operaciones blicas.
Es un rea extremadamente extensa que aborda problemas relacionados con la
bsqueda de la mejor alternativa, empleando diversos enfoques para su resolucin.
Sin embargo el origen de la Optimizacin Matemtica se remonta a pocas muy
anteriores, siendo posible el tratamiento de tales problemas con el nacimiento del
Anlisis Matemtico. El problema de Optimizacin ms antiguo conocido, data del
siglo V a. C y consiste en encontrar de entre todas las curvas planas cerradas aquella
que abarca mayor superficie.
La formalizacin de este tipo de problemas y su resolucin por procedimientos
analticos se aborda en el siglo XVII a travs del Clculo Diferencial, dando lugar a lo
que hoy conocemos como Optimizacin Clsica.
La Optimizacin Clsica aborda problemas en los que todas sus funciones son
suficientemente diferenciables y trata problemas de Optimizacin sin restricciones
(Optimizacin Libre) o bien con restricciones (Optimizacin Condicionada o
Restringida)
Las tcnicas clsicas de Optimizacin Condicionada fueron
desarrolladas en el siglo XVIII, gracias a las aportaciones de
Joseph-Louis de Lagrange (1736-1813). El principio general sobre
el que se basa el llamado mtodo de los multiplicadores de
Lagrange consiste en modificar la funcin objetivo para incorporar
el efecto de las restricciones de igualdad. Esto se lleva a cabo
aadiendo a la funcin que se est optimizando las expresiones
que definen las restricciones multiplicadas por parmetros que
actan a modo de variables adicionales. La nueva funcin
construida se denomina funcin de Lagrange o Lagrangiana.
Joseph-Louis Lagrange

Quevedo Zarcero, Manuel

En un principio, los problemas con restricciones de igualdad pueden ser resueltos

mediante el mtodo de sustitucin. ste emplea la estrategia de eliminacin de
variables como medio para conseguir la transformacin del problema original
(restringido) en un problema libre. El mtodo de Lagrange tambin persigue la
transformacin del problema original en uno sin restricciones aumentando el nmero de
incgnitas del problema en un nmero igual al de las restricciones del enunciado
original.
El mtodo de los multiplicadores no solo proporciona el ptimo sino que tambin
facilita informacin sobre la sensibilidad del valor ptimo ante cambios en las
disponibilidades. Adems se obtiene informacin adicional sobre el efecto que las
restricciones tienen en el valor ptimo del problema a partir de los valores de los
multiplicadores asociados a las correspondientes restricciones.
Las condiciones necesarias que deben satisfacer los ptimos de los problemas de
Optimizacin con restricciones de desigualdad fueron publicadas por primera vez en el
ao 1939 por William Karush (1917-1997) en la tesis de maestra1, aunque fueron
renombradas por Harold William Kuhn (1925-2014) y Albert William Tucker (19051995) en un artculo2 en 1951. Las condiciones de Karush-Kuhn-Tucker (KKT) son una
generalizacin del mtodo de los multiplicadores de Lagrange para problemas de
Optimizacin con restricciones de desigualdad. Se suelen nombrar como las
condiciones de Kuhn-Tucker.

Albert William Tucker

Harold William Kuhn

William Karush

1.2 Clasificacin de los problemas de Optimizacin Matemtica

Las tcnicas de Optimizacin Matemtica admiten distintas clasificaciones atendiendo
a las caractersticas del problema, como son los valores que pueden tomar las
variables o los tipos de funciones que aparecen en el modelo.
Los tipos de problemas de optimizacin se pueden clasificar en funcin de diversos
criterios, como son:

1
2

Segn la diferenciabilidad de las funciones: problemas diferenciables y

problemas no diferenciables.
Segn el tipo de restricciones: problemas sin restricciones, problemas con
restricciones de igualdad y programa con restricciones de desigualdad.
Segn la convexidad de la funcin objetivo y del conjunto factible: problemas
convexos y problemas no convexos.
Segn la linealidad de funciones: problemas lineales y problemas no
lineales.

Minima of Functions of Several Variables with Inequalities as Side Constraints

Nonlinear Programmingpresentado en el Proceedings of 2nd Berkeley Symposium

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

La Optimizacin Esttica analiza modelos en un instante temporal dado y la

Optimizacin Dinmica trabaja con valores de decisin que dependen del tiempo.
La Programacin Matemtica es la parte de la Optimizacin dedicada a la
resolucin de problemas en los que no se considera el tiempo como variable, existe un
nico decisor y no hay aleatoriedad.
Cuando existe un nico decisor el problema se encuadra en la Programacin
Matemtica y si existen varios decisores el problema se encuadra dentro de la Teora
de Juegos. Cuando hay un nico decisor y hay una nica funcin objetivo el problema
se considera de Programacin Escalar y de Programacin Multiobjetivo cuando hay
varios objetivos.
Dentro de la Programacin Escalar se encuentra la Programacin Lineal que trata
la optimizacin de una funcin lineal sujeta a una serie de restricciones tambin
lineales y la Programacin No Lineal cuya caracterstica es la presencia de no
linealidades en la funcin objetivo y/o en las restricciones.

Programacin
Lineal
Programacin
Escalar

Programacin
No Lineal

Programacin
Matemtica
(un decisor)

Optimizacin
Optimizacin
Optimizacin
libre
Esttica
Programacin
Clsica
Multiobjetivo
Optimizacin
Condicionada o
Teora de Juegos
Restringida
Estticos
(varios decisores)
Optimizacin
Dinmica
Esquema 1.1. Clasificacin de la Optimizacin Matemtica
Fuente: Barrios y otros (2005, p. 328).

Quevedo Zarcero, Manuel

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

CAPTULO 2
LA OPTIMIZACIN EN ECONOMA
Una de las definiciones ms conocidas de la Economa segn Barrios y otros, hace
referencia a la asignacin ptima de recursos escasos (2005, p.325) Esta definicin
establece una clara relacin entre Optimizacin y Economa.
En Economa, as como en otras ciencias, aparecen a menudo situaciones en las
que es necesario tomar la mejor decisin entre varias posibles. Si este problema se
puede formular matemticamente, da lugar a un problema de Optimizacin
Matemtica.
Los distintos agentes econmicos tratan de alcanzar de entre todas las opciones
posibles aquella que les resulte ms satisfactoria, adoptando comportamientos
optimizadores segn un criterio de seleccin, como por ejemplo obtener la
combinacin de inputs de mnimo coste, maximizar los beneficios para una empresa,
satisfacer la demanda con el mnimo coste o maximizar la utilidad bajo un supuesto
dado.
En un entorno econmico, es frecuente que existan determinadas restricciones de
una u otra naturaleza que acoten el conjunto de posibles decisiones de los agentes.
En ocasiones, es posible formalizar matemticamente los problemas econmicos,
sustituyendo las acciones por variables, los objetivos por funciones y los medios
disponibles por restricciones
Las herramientas propias de la Optimizacin Matemtica han desempeado un
papel primordial en la formalizacin de problemas bsicos en el Anlisis Econmico
como en el caso de la asignacin eficiente de recursos escasos entre fines
alternativos. En este contexto se supone la racionalidad como caracterstica principal
de la toma de decisiones. Segn Barrios y otros el axioma de racionalidad, asegura
que los agentes econmicos tienen preferencias consistentes y bien especificadas en
virtud de las cuales eligen sus acciones para obtener el mejor resultado posible,
siendo su conducta de carcter optimizador (2005, p.326). Esto supone buscar la
asignacin ms eficiente entre todas las posibles de recursos, lo que convierte estos
planteamientos en problemas de optimizacin, como los que encontramos tpicamente
en la teora del consumidor (maximizacin de la utilidad) y de la empresa
(maximizacin del beneficio, minimizacin del coste).
La Teora Econmica se basa en modelos de comportamiento humano que definen
al agente objeto de estudio del modo ms sencillo posible basndose en la hiptesis
de comportamiento racional de los agentes econmicos. Por ello, asume que estos
tienen propiedades bien definidas y actan consecuentemente con esas prioridades,
de modo que su conducta es optimizadora. Este supuesto sencillo, consensuado
dentro del Anlisis Econmico, no ha quedado exento de controversias. Gran parte se
ha centrado en discernir hasta qu punto consumidores y empresas optimizan al tomar
decisiones, en la medida que, claramente, ninguno de ellos realiza en general un
sofisticado anlisis matemtico de la situacin.
Sin embargo, si la eleccin realizada es acertada para el agente, aceptar como
vlido el principio de racionalidad supone calificar de racional aquel comportamiento
que, en su lugar, pueda justificarse como derivado de la maximizacin de una funcin
objetivo bajo ciertas restricciones y en estas circunstancias se puede establecer una
estrechsima relacin entre los problemas econmicos y los problemas de
optimizacin. Justamente es esta relacin la que ha ejercido una mayor influencia en

Quevedo Zarcero, Manuel

los avances significativos de la Economa Matemtica, acaecidos tras el nacimiento de

la Programacin Lineal y la Teora de Juegos como respuesta a problemas de carcter
econmico.
El pionero en la incorporacin de la teora formal de mximos
y mnimos de funciones en el campo econmico fue el
considerado padre de la Economa Matemtica, Antoine
Augustin Cournot (1801-1877). La incorporacin de nuevas
tcnicas que permitieran el anlisis de problemas con
restricciones permiti manejar situaciones ms realistas,
adems fue el primero en utilizar funciones matemticas para
describir conceptos econmicos como la demanda, la oferta
o el precio.
Antoine Augustin Cournot

El mtodo de los multiplicadores de Lagrange es una herramienta de gran inters

para el economista, gracias a la cual es posible analizar el comportamiento humano
desde el punto de vista de un comportamiento maximizador con restricciones. El
primer problema econmico en ser abordado con la tcnica de los multiplicadores de
Lagrange, consisti en encontrar la distribucin eficiente de un recurso entre distintos
usos de manera que maximizar la utilidad total.
Ya en el siglo XX, un nuevo y espectacular avance para la
optimizacin se produjo en 1939 de la mano del matemtico
ruso Leonid Kantorovich3 (1912-1986), al advertir que los
problemas de planificacin de la produccin poseen una
estructura matemtica definida y represent un gran avance
en la comprensin de la asignacin de recursos para lograr
resultados ptimos.
Leonid Kantorovich

2.1 La Optimizacin Libre en el contexto econmico-empresarial.

En la Teora de la Empresa, donde el comportamiento racional induce a la
maximizacin de beneficios o la minimizacin de los costes, es frecuente encontrar
situaciones que pueden ser resueltos mediante problemas de optimizacin libre. Por
ejemplo, la obtencin de un plan de produccin para una empresa que fabrica un
producto a partir de varios inputs o para una empresa que fabrica varios productos.
Un importante papel es el que juega la Optimizacin Clsica Libre en la Estadstica
y Econometra, por ejemplo, para obtener estimadores de mxima verosimilitud. El
mtodo de los mnimos cuadrados es una aproximacin polinmica usada como en el
ajuste de datos y la estadstica. Sin embargo la Optimizacin Clsica presenta como
inconvenientes las funciones han de ser suficientemente diferenciables y que los
ptimos que se calculan no son absolutos, sino relativos a un entorno ms o menos
amplio del punto encontrado.

Premio Nobel de Economa en 1975.

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

2.2 La Optimizacin Condicionada en el contexto econmico-empresarial.

Los problemas de Optimizacin Condicionada encuentran una cantidad de
aplicaciones en multitud de reas, en particular en la Economa y la Empresa. Un
problema econmico casi siempre es un problema condicionado. En Economa es muy
tpico ilustrar la Optimizacin Condicionada con el ejemplo del consumidor que desea
elegir los bienes adecuados para maximizar su utilidad teniendo en cuenta su
restriccin presupuestaria.
La Optimizacin Clsica libre es rica tericamente y proporciona los fundamentos de
la Optimizacin Clsica Condicionada. En ocasiones, sta ltima podra verse como
un caso particular de aqulla ya que hay problemas condicionados que se traducen de
una forma ms o menos directa a problemas libres.
Las restricciones limitan los valores que pueden tomar las variables, pues
representan condiciones sobre las incgnitas del problema. En ocasiones tales
condiciones se podran eliminar si se tuvieran en cuenta variables adicionales. Por
ejemplo, una restriccin presupuestaria se podra eliminar si consideramos que se
puedan obtener fondos adicionales a un cierto inters, a costa de modificar la funcin
objetivo para incluir el coste de dicha operacin. As el problema de optimizacin
restringida tambin puede reducirse en algunas ocasiones a problemas de
optimizacin sin restricciones.
En numerosas ocasiones las restricciones de igualdad son una limitacin a la hora
de recrear fielmente la realidad. Una restriccin presupuestaria no necesariamente
debe satisfacerse con exactitud, es decir, no es necesario gastar todo el presupuesto,
sino garantizar que el gasto sea menor o igual que el total disponible.
Son ms realistas aquellos problemas que contienen restricciones definidas
mediante inecuaciones (restricciones de desigualdad). Y por ello, veremos las
consecuencias que tendra para el consumidor, la empresa y el inversor:

El problema del consumidor

El problema bsico del consumidor se resume en la eleccin de bienes a consumir a

partir de una renta disponible. Dado que el conjunto de bienes y servicios para el
consumo es muy amplio, se supone que el consumidor dispone de un nivel de renta
que puede gastar en su totalidad o no en una combinacin de productos que le
proporciona un beneficio mximo. As el consumidor realiza un proceso de eleccin
teniendo en cuenta una conducta optimizadora.

El problema de la empresa

En este caso el problema consiste en elegir la combinacin adecuada de inputs, de

manera que se consigan la maximizacin de los beneficios. Las variables de decisin
son las cantidades a consumir de los distintos inputs y la funcin de produccin
informa de la cantidad de output que se puede producir con una determinada
combinacin de inputs. Conocidos los precios unitarios de los inputs y del output, se
puede construir la funcin de beneficios de la empresa y la funcin objetivo del
problema de optimizacin.
Sin embargo, pueden aparecer otras situaciones que nos gue a un modelo de
Optimizacin Condicionada. Por ejemplo, segn Barrios y otros supongamos que la
empresa tiene que satisfacer determinado contrato que le exige asegurar una
produccin prefijada mnima en P unidades de output (2005, p.416). La mejor opcin

Quevedo Zarcero, Manuel

posible para cumplir dicho contrato consiste en efectuar esa produccin de manera
que se minimice el coste asumido por la empresa, que ser tambin una funcin de las
unidades empleadas de los inputs.

El problema del inversor

La inversin en cualquier tipo de bienes suele plantear elegir entre varias opciones
disponibles. El problema para el inversor es elegir dentro de la cartera ptima qu
combinacin de ttulos es la que le reportar una rentabilidad total prefijada, as como
la minimizacin de su riesgo de inversin. En el presente trabajo abordaremos la
resolucin de un problema de este tipo.

10

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

CAPTULO 3
PROBLEMA DE OPTIMIZACIN CON RESTRICCIONES DE
DESIGUALDAD
En este captulo se formulan los problemas de optimizacin con restricciones de
desigualdad, ya que son los que ms se ajustan a la realidad de un modelo.
3.1 Formulacin del problema.
Un problema de optimizacin con restricciones de desigualdad se formula de la
siguiente manera:
Opt
s.a. g(x) b
x

Donde
es la Funcin Objetivo

X = {x

D / g (x) b, x

S} es el conjunto factible.

DEFINICIN
Denotaremos por

al conjunto de direcciones factibles a partir de

representa la clausura de
y por
denotaremos el conjunto de
ndices correspondientes a las restricciones saturadas en .
Un punto

verifica hiptesis de cualificacin de restricciones (h.c.r) si:

= {

v 0, i

)}

Esta condicin es difcil de comprobar en la prctica y existen condiciones suficientes

ms operativas para determinar la presencia de esta hiptesis.
DEFINICIN
Un punto
es regular si los gradientes de las restricciones saturadas en
linealmente independientes o es un punto interior de .

son

La regularidad de un punto es condicin suficiente para que se cumplan en l la

hiptesis de cualificacin de restricciones.
A continuacin se exponen las dos condiciones suficientes ms utilizadas para que
todos los puntos de X cumplan hiptesis de cualificacin de restricciones.

-11-

Quevedo Zarcero, Manuel

Todas las funciones

que definen las restricciones
convexas, y X tiene interior no vaco.
Todas las restricciones del problema son lineales.

son

Supondremos que los puntos del conjunto factible verifican la denominada hiptesis
de cualificacin de restricciones.
3.2 Condiciones de Kuhn y Tucker
Consideremos el problema

Opt f(x)
s.a g(x) b

con f, g

(D)

El siguiente resultado establece las denominadas condiciones de Kuhn y Tucker que

son condiciones necesarias para que un punto que cumple las h.c.r. sea un ptimo
local del problema.
Teorema (Condicin Necesaria de Kuhn-Tucker de Optimalidad Local)
Sea

que verifica hiptesis de cualificacin de restricciones.

Si
es mximo (mnimo) local del problema, entonces
tales que:

se denominan multiplicadores de Kuhn-Tucker.

(

) se denominan puntos de Kuhn-Tucker.

La segunda relacin se llama de holgura complementaria. Establecen que si una

restriccin no est saturada en el punto, esto hace que el multiplicador
correspondiente sea nulo.
Segn el teorema los puntos de Kuhn-Tucker
condiciones:

12

han de verificar las siguientes

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

Las condiciones anteriores se pueden expresar en trminos de la funcin

langraniana
de la forma siguiente:
es punto de Kuhn-Tucker si verifica:

Las condiciones necesarias de mnimo local, son anlogas cambiando el signo de los
multiplicadores.
El valor de los multiplicadores de Kuhn-Tucker asociado a una restriccin mide la
variacin marginal que experimenta el valor objetivo ptimo cuando se realizan
variaciones infinitesimales en el coeficiente de la restriccin correspondiente.
3.2.1 Problemas con condiciones de no negatividad. Condiciones de KuhnTucker.
Las variables econmicas siempre son no negativas, por lo que supongamos el
problema anterior introduciendo que las variables estn sujetas a condiciones de no
negatividad.
El problema se formula de la forma siguiente.

con f, g

(D)

El siguiente resultado establece las denominadas condiciones de Kuhn y Tucker,

condiciones necesarias para que un punto que cumple las h.c.r. sea un ptimo de este
problema.
Teorema (Condicin Necesaria de Kuhn-Tucker de Optimalidad Local)
Sea

que verifica hiptesis de cualificacin de restricciones.

Si
es mximo (mnimo) local del problema, entonces
tales que:

-13-

Quevedo Zarcero, Manuel

3)

Los puntos

se denominan puntos de Kuhn y Tucker.

En trminos de la funcin Langraniana para el problema anterior, las condiciones

anteriores se reescriben como:
es punto de Kuhn y Tucker si verifica.
1)
2)
(

3)

4)
5)
6)
Para el problema de minimizar, las condiciones son anlogas salvo que el signo de
cada multiplicador es negativo y el signo de las derivadas de la Lagrangiana respecto
a las variables originales del problema que son positivas.

3.3 Condicin Suficiente de Optimalidad global

La Condicin Suficiente de ptimo Global se aplican para afirmar que los puntos de
Kuhn-Tucker son ptimos Globales.
Si
Tucker entonces

son funciones convexas y

es un mnimo global.

En el caso que f fuera estrictamente convexa,

14

es un punto de Kuhn-

es un mnimo global nico.

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

Si f cncava y
son convexas y
Tucker entonces
es un mximo global.
En el caso que f fuera estrictamente cncava,

-15-

es un punto de Kuhn-

es un mximo global nico.

Quevedo Zarcero, Manuel

16

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

CAPTULO 4
EL MODELO DE MARKOWITZ
4.1 Introduccin
El modelo matemtico de Harry Max Markowitz (1927- ) se desarrolla sobre la base del
comportamiento racional del inversor, es decir, el inversor desea la rentabilidad de la
inversin y rechaza el riesgo, por lo que una cartera ser eficiente si proporciona la
mxima rentabilidad posible para un riesgo dado.
Markowitz4 public en 1952 en la revista Journal of
Finance, un artculo5 basado en su tesis doctoral,
planteando un modelo de conducta racional del decisor
para la seleccin de carteras de ttulos-valores con liquidez
inmediata. Desde su aparicin, el modelo de Markowitz ha
conseguido un gran xito a nivel terico, dando lugar a
mltiples desarrollos y derivaciones, e incluso sentando las
bases de diversas teoras de equilibrio en el mercado de
activos financieros. Sin embargo, su utilidad en la prctica
no ha sido tan extensa como podra suponerse de su xito
terico.
Harry Markowitz

Una de sus principales causas de este hecho contradictorio es la complejidad

matemtica de sus clculos. El algoritmo de resolucin es complejo y por otro lado, el
nmero de estimaciones de rentabilidades esperadas, varianzas y covarianzas a
realizar es muy elevado aunque depende del nmero de ttulos a analizar.
Es importante sealar que el modelo no tiene en cuenta los costes de transaccin ni
los impuestos y considera la perfecta divisibilidad de los ttulos-valores seleccionados.
4.2 Planteamiento del problema
4.2.1 Minimizacin del riesgo
El modelo de Markowitz analiza una cartera de mnimo riesgo. ste se calcula a travs
de medidas estadsticas de dispersin. Una de ellas es la varianza y se define como la
esperanza matemtica del cuadrado de los desvos que se producen entre cada valor
de la variable y la media aritmtica.
Ya que la varianza est expresada en trminos cuadrticos, es til calcular la
desviacin tpica, que es la raz cuadrtica positiva de la varianza. En este caso, la
desviacin se utilizar como indicador del riesgo de un activo.
La desviacin estndar de cada una de las acciones, permite indicar que a mayor
desviacin estndar mayor ser el nivel de riesgo de ese activo ya que significa una
mayor dispersin de los datos con respecto al promedio.
[(
4
5

) ]

Premio Nobel de Economa en 1990.

Portfolio Selection.

-17-

Quevedo Zarcero, Manuel

Supongamos una cartera a analizar que se compone de n activos y pueden tener

algn tipo de riesgo, es decir, cada uno de ellos son variables aleatorias, con sus
esperanzas, varianzas, covarianzas y correlacin lineal entre ellos. La desviacin
tpica de la cartera ser la que nos indique el riesgo de la misma, y es la raz cuadrada
positiva de la suma de las varianzas de los n activos que la componen y sus
covarianzas, ponderadas por la participacin de cada activo en la cartera.
Si se plantea un problema de minimizacin del riesgo, la funcin objetivo es la
varianza de la cartera. Para pasar de la varianza a la desviacin tpica se aplica una
transformacin montona, que es la raz cuadrtica positiva, al minimizar la varianza
tambin estaremos minimizando la desviacin tpica y por lo tanto el riesgo.
Las variables de eleccin sern las cantidades de capital a invertir en cada uno de
los activos. A continuacin, se muestra el planteamiento del problema matemtico,
minimizando el riesgo de la cartera con una restriccin que supone que la inversin
total ser igual a 1.

Dnde:
= Proporcin a invertir en el activo i.
= Varianza del activo i.
= Covarianza entre el Activo i y el Activo j, siendo i distinto de j.
Varianza del rendimiento de la cartera.

El problema se puede expresar de forma matricial.

18

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

Una vez resuelto el problema, se obtienen todos los

que indican la proporcin a
invertir en cada uno de los activos. Luego se reemplazan todos esos valores en la
funcin objetivo para calcular
. A continuacin, se calcula su raz cuadrada
positiva,
y se obtiene el riesgo mnimo de la cartera.
Como resultado de esta optimizacin se obtiene la composicin de la cartera de
valores de mnimo riesgo y el valor de dicho riesgo.
4.2.2

Rendimiento esperado

El rendimiento esperado de la cartera es el promedio ponderado de los rendimientos

esperados de los activos individuales de la cartera, es decir, la suma de los
rendimientos esperados de cada activo multiplicado por el porcentaje del capital
invertido en cada uno tal y como se presenta en la siguiente ecuacin:

Donde:
: Rendimiento esperado del Activo i.
: Rendimiento esperado de la cartera.
: Proporcin a invertir en el Activo i.
Para calcular el rendimiento de la cartera, se debe de calcular el rendimiento
esperado de cada activo. ste se obtiene a travs del cociente entre la diferencia del
precio esperado del activo al momento t y su precio actual, dividido el precio actual.

Donde:
: Precio esperado del activo i.
: Precio actual del activo i.
Por otra parte, se considera al precio como una variable aleatoria. El valor
esperado, ser por lo tanto, la esperanza matemtica de la variable aleatoria. Se
define la esperanza como la suma del producto de cada valor numrico de la funcin
por la correspondiente probabilidad de que se de ese estado. La ecuacin, en este
caso, sera:

Donde:
: Estado S del precio del activo i.
: Probabilidad puntual del estado s.

-19-

Quevedo Zarcero, Manuel

: Nmero total de posibles estados.

4.2.3 La frontera eficiente
Para calcular la frontera eficiente nos basaremos en lo planteado en el subapartado
4.2.1. La funcin objetivo no cambiar, seguir siendo la varianza de la cartera. En
cuanto a las restricciones que hay que aplicar, se sigue invirtiendo el total de la cuanta
de su capital, pero ahora aade una restriccin correspondiente al rendimiento. En ella
se le exigir a la cartera un determinado rendimiento, ( ).
En la resolucin de la minimizacin, se obtendr un par ordenado compuesto por un
rendimiento y el riesgo que conlleva.
Si se resuelve el problema para varios valores de , se obtiene una variedad de
puntos con los que se puede dibujar la frontera eficiente. Para poder trazarla se
deber contar con algunos puntos ptimos, correspondientes a diferentes , siendo
necesario realizar la minimizacin en ms de una ocasin.
Matemticamente el problema es el siguiente:

20

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

CAPTULO 5
APLICACIN PRCTICA
Despus de plantear el modelo de Markowitz, se va a realizar una aplicacin prctica
con datos de tres compaas del Mercado Burstil Espaol, concretamente del IBEX35, para construir una cartera de valores y conseguir la minimizacin del riesgo para
una rentabilidad deseada.
5.1 Eleccin de las Empresas
Para construir la cartera de valores, se han seleccionado tres de las empresas
atendiendo a las rentabilidades que cosechan sus dividendos. Adems, esta eleccin
se refuerza con los datos publicados en ABCEMPRESAS el 07/06/2015 que recoge
cuales son las empresas lderes en sus respectivos sectores6.
A continuacin se explicar el porqu de la eleccin de stas empresas.
En primer lugar, el Banco Santander, es la compaa del IBEX-35 ms rentable
por dividendo con cargo a 2015. Los analistas prevn que el banco reduzca el importe
por accin por primera vez en nueve aos, aunque cotiza a ratios algo ajustados por lo
que la mayora pospone compras, aunque se aconseja mantener los ttulos.

En segundo lugar, la petrolera Repsol, es una de las empresas ms generosas del

parqu del IBEX-35. Los analistas prevn una rentabilidad alta por dividendo para las
accionistas de dicha empresa. Uno de esos motivos es que segn expertos, si no
encuentra activos interesantes en los que invertir, podra dedicar todo o parte de lo
obtenido tras la venta de su filial argentina YPF en remunerar al accionista. Adems, la
compaa presenta buenas perspectivas de revalorizacin.

http://www.merco.info/docs/Premios-ABC-Merco-2015-2.pdf

-21-

Quevedo Zarcero, Manuel

Por ltimo, la compaa aseguradora Mapfre, que es la primera aseguradora del

pas, que es otra de las empresas del IBEX-35 que ofrece buenos rendimientos. Los
analistas destacan el elevado descuento con el que cotiza. Adems las previsiones de
ingresos de Mapfre superan los 30.000 millones en los prximos dos aos, as que es
otro atractivo ms en esta compaa aseguradora que se encuentra en auge.

Como ya se ha comentado, tomaremos como referencia las rentabilidades por

dividendo de estas tres compaas segn datos facilitados por la Bolsa de Madrid en
su Informe 20147 que nos aporta los aos 2013 y 2014. Para la previsin de 2015 la
rentabilidad se toma de un artculo en prensa de expansin.com8 publicado el
28/09/2014.
En principio, se pretende mantener la cartera como inversin a medio-largo plazo.
Esta opcin nos permite plantear la inversin desde el punto de vista del rendimiento
por dividendo y no desde el rendimiento de la accin, obviando la posible ganancia o
perdida obtenida de su potencial venta que depende del precio del ttulo. Por lo tanto,
vamos a utilizar este ratio en vez de la rentabilidad de la accin propuesta por
Markowitz.
La rentabilidad por dividendo es el ratio de rentabilidad que procede nicamente del
cobro de dividendos por ser titular de unas acciones. Se calcula comparando el
dividendo esperado por accin (DPA) y el precio de cotizacin de la misma (P). La
rentabilidad por dividendo es el ratio de rentabilidad que procede nicamente del cobro
de dividendos por ser titular de unas acciones. Se expresa en trminos porcentuales y
matemticamente se obtiene de la siguiente forma:

Existe una concordancia entre el dividendo repartido y la rentabilidad por dividendo,

mientras que la relacin es inversa entre la cotizacin y la rentabilidad por dividendo.
En numerosas ocasiones, la rentabilidad por dividendo suele tener comparacin
con la rentabilidad de la deuda pblica del Estado, ya que los dividendos se asimilan a
los intereses repartidos por los bonos y obligaciones.
Normalmente, las compaas con una elevada rentabilidad por dividendo suponen
oportunidades de compra en relacin con otras empresas que ofrecen una fuente de
rentabilidad menor. Lo lgico es invertir en acciones que el mercado valora que van a
distribuir una ganancia asegurada para el accionista (dividendo) por encima de lo que
se valora la accin en el mercado en el que cotice. Sabiendo esto, no es tan relevante
que el precio de la accin caiga, ya que el ingreso estar asegurado en forma de
dividendo.

7
8

www.bolsasmadrid.es/docs/SBolsas/InformesSB/anual.pdf
http://www.expansion.com/2014/09/28/mercados/1411924991.html

22

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

RENTABILIDAD POR DIVIDENDO %

Empresa

2013

2014

Previsin 2015

SANTANDER (S)

9.27(

8.60

6.64

REPSOL (R)

5.25

6.16

5.37(

MAPFRE (M)

3.85

4.98

5.24

Tabla 5.1. Rentabilidad por dividendo %. Perodo (2013-Previsin 2015)

Fuente: www.bolsasmadrid.es/docs/SBolsas/InformesSB/anual.pdf
www.expansion.com/2014/09/28/mercados/1411924991.html

Como se puede apreciar en la tabla, tanto Santander como Repsol disminuyen su

rentabilidad por dividendo con respecto al ao pasado, pero an as siguen siendo las
ms atractivas del Mercado Burstil. En cambio, Mapfre debido al auge en sus
resultados tiene un pequeo aumento en cuanto a este ratio financiero lo que conlleva
el atractivo que tiene invertir en la compaa aseguradora.
5.2 Planteamiento y construccin del problema
A continuacin, se detallan los pasos para llegar a la formulacin del problema de la
inversin en la cartera formada por las tres empresas seleccionadas.
Primer paso. Clculo de la Varianza de cada activo:

La desviacin estndar (S) de cada una de las rentabilidades por dividendo,

estadstico que se toma como indicador del riesgo son los siguientes:

. Riesgo de un 11.59%

. Riesgo de un 4.04%

. Riesgo de un 6.03%

-23-

Quevedo Zarcero, Manuel

Segundo paso. Clculo de las covarianzas entre los activos.

) (

(
)

Tercer paso. Matriz de varianza y covarianza:

M=

Cuarto paso. Funcin Objetivo.

Sean

el % de capital a invertir en cada uno de los activos.

+
Quinto paso. Rendimiento de los Dividendos por Activo Burstil.

Sexto Paso. Restricciones del problema.

24

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

Fijamos una rentabilidad o ganancia determinada del 8% (nivel mximo ya que si no,
no hay conjunto factible).

En este caso, las variables representan el % de inversin de cada tipo de accin a

valorar. Vamos a suponer que no existe obligacin de invertir todo el capital disponible,
lo que se traduce en la siguiente restriccin:

Sptimo paso. Planteamiento del problema:

Obtener el porcentaje ptimo de inversin en cada activo que minimiza el riesgo
asegurando una rentabilidad mnima del 8%, 6,15% y 4,5% y una inversin mxima de
10.000 euros

5.3 Resolucin del problema

5.3.1 Condiciones de Kuhn-Tucker
Vamos a escribir las condiciones necesarias de Kuhn-Tucker para este problema.
En primer lugar comprobemos que se verifican las hiptesis de cualificacin de
restricciones y para ellos apliquemos una de las condiciones suficientes:
Las restricciones del problema son lineales, por lo tanto todos los puntos del
conjunto factible verifican las hiptesis de cualificacin.
Las funcin objetivo y las funciones que aparecen en las restricciones son de clase
uno.
La funcin de Lagrange del problema es:

-25-

Quevedo Zarcero, Manuel

Los puntos
condiciones:

que son Kunh-Tucker

del problema verifican las siguientes

1)

2)

3)

4)
5)
6)

Dado el nmero de variables y de inecuaciones y ecuaciones vamos a resolverlo a

travs del programa informtico LINGO. ste programa nos proporciona ptimos
locales. Para asegurar que el ptimo obtenido sea global podemos aplicar el Teorema
de Local-Global.
La funcin es estrictamente convexa ya que:
>0
>0

El conjunto factible est formado por las soluciones de un sistema lineal de

inecuaciones por lo que es convexo.
El Teorema Local-Global afirma que si f es estrictamente cncava y el conjunto
factible es convexo, entonces si existe un mnimo local es global y es nico.
Para la obtencin de ptimos locales en los problemas de programacin
matemtica, se puede utilizar el programa informtico LINGO.
El problema planteado se ajusta a uno de Optimizacin Condicionada que puede
ser resuelto mediante el Teorema de Kuhn-Tucker
En este caso, lo vamos a resolver a travs del programa LINGO. Para Lucero y
Canizo, LINGO es una herramienta simple para formular problemas lineales y no
lineales, resolverlos y analizar su solucin.... el resultado que LINGO nos
proporciona es la optimizacin que nos ayuda a encontrar el mejor resultado: la
26

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

ganancia ms alta o el costo ms bajo (2002, p.1). Por lo tanto, LINGO proporciona
un ptimo local del problema, sea nico o no.
Segn estos autores, el programa permite expresar cualquier problema de manera
similar a una notacin matemtica en su conjunto, pudiendo incluir restricciones en el
problema que se vaya a plantear. Incluso puede leer datos de una hoja de clculo
separada, base de datos o archivo de texto.
A continuacin, se mostrar la resolucin mediante dicho programa del problema
planteado anteriormente.
5.3.2 Resolucin del problema mediante LINGO
Para introducir los datos en el programa LINGO, fijamos una rentabilidad o ganancia
determinada del 8% (el nivel mximo es la rentabilidad ms alta entre los ttulos para
que el conjunto factible no sea el conjunto vaco).

Figura 5.1. Solucin del problema para una rentabilidad mnima del 8 %
proporcionada por LINGO
Fuente: LINGO

Los resultados se muestran en la siguiente tabla.

RENTABILIDAD

SANTANDER

REPSOL

MAPFRE

95.11%

0%

4.89%

8%
INVERSIN

10.375%

RIESGO

100%

TOTAL INVERTIDO

Tabla 5.2. Aplicacin prctica con la rentabilidad fijada al 8%.

Fuente: Elaboracin propia a partir del programa informtico LINGO.
-27-

Quevedo Zarcero, Manuel

El reparto de la inversin se realiza entre dos de los tres ttulos, concentrndose casi
el total de la inversin en las acciones del Santander (95,11%), compaa cuya
rentabilidad est ms cercana al porcentaje mnimo fijado. En cuanto a las otras dos
compaas, no se invierte en Repsol y se realiza una inversin mnima en Mapfre.
El riesgo de la inversin es de 10,375% inferior al riesgo de realizar toda la
inversin en el ttulo con el porcentaje con riesgo ms alto, 11,59%, que en este caso
es Santander.
Se invierte la totalidad del capital y se obtiene la rentabilidad ms baja esperada.
5.3.3 Variantes sobre el problema
Vamos a plantear el mismo problema con dos valores diferentes de rentabilidad
mnima esperada.
Comenzaremos por un porcentaje de rentabilidad que es el promedio de los
rendimientos por activo burstil de los tres ttulos. Dicha rentabilidad es del 6,15%. A
continuacin, se muestra el problema resuelto mediante el programa LINGO.

Figura 5.2. Solucin del problema para una rentabilidad mnima del 6,15 %
proporcionada por LINGO
Fuente: LINGO

La siguiente tabla muestra los resultados en el reparto de inversin entre los tres tipos
de ttulos:

28

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

RENTABILIDAD

SANTANDER

REPSOL

MAPFRE

41.95%

0%

58.05%

6.15%
INVERSIN
RIESGO

2.75%

TOTAL INVERTIDO

100%

Tabla 5.3. Aplicacin prctica con la rentabilidad fijada al 6.15%.

Fuente: Elaboracin propia a partir del programa informtico LINGO.

La inversin se reparte de nuevo entre las dos mismas compaas del caso anterior,
siendo el porcentaje a invertir superior en Mapfre, un 58,05%, pero relativamente
cercano al de Santander (41,95%).
El riesgo de la inversin es de 2,75%, muy inferior al riesgo asociado a los datos
del problema anterior y a los de los tres activos.
Se invierte la totalidad del capital y se obtiene la rentabilidad ms baja esperada.
Por ltimo, fijaremos una rentabilidad o ganancia determinada del 4,5% (nivel
mnimo). No tiene sentido plantearse una rentabilidad inferior a este dato ya que la
rentabilidad ms baja de los activos es del 4,69 %

Figura 5.3. Solucin del problema para una rentabilidad mnima del 4,5 %
proporcionada por LINGO
Fuente: LINGO

Los resultados muestran el siguiente reparto de inversin entre los tres tipos de ttulos:
-29-

Quevedo Zarcero, Manuel

RENTABILIDAD

SANTANDER

REPSOL

MAPFRE

26.63%

0%

49.56%

4.5%
INVERSIN
RIESGO

1.82%

TOTAL INVERTIDO

76.19%

Tabla 5.4. Aplicacin prctica con la rentabilidad fijada al 4.5%.

Fuente: Elaboracin propia a partir del programa informtico LINGO.

Se mantiene la dinmica del segundo planteamiento, repartindose la inversin

entre los Santander y Mapfre, siendo bastante superior la de este ltimo, aunque
inferiores ambas al caso anterior. Para esta rentabilidad mnima, el 23,8% del capital
se deja sin invertir.
El riesgo de la inversin en este caso es del 1,82%. Este caso es el ms
conservador, lo que justifica ese bajo nivel de riesgo.
5.3.4 Conclusiones finales.
Segn los datos anteriores, conforme se exige al planteamiento de la inversin una
rentabilidad menor, el riesgo de la misma a su vez tambin va tomando valores
inferiores. Por lo tanto a menor exigencia de rentabilidad menor riesgo asumido, es
decir, mientras ms conservador es el inversionista menor riesgo y rentabilidad.
Conforme disminuye el nivel mnimo de rentabilidad exigida, se invierten las
posiciones de fuerza en la inversin entre Santander y Mapfre.
Es de destacar que cuando se fija la rentabilidad en el nivel mnimo es decir, 4.5%,
el total de la inversin es de 76.19% por lo que no se invierte todo nuestro capital.
En ninguno de los tres casos analizados se invierte parte del capital en Repsol.
Cabe decir que la frontera eficiente ser la misma para todos los inversores,
siempre y cuando no haya informacin asimtrica. Esto nos dice que si todos los
inversores tienen los mismos datos con los que actuar sobre los activos, construirn la
misma frontera eficiente. A raz de esto, cada uno decidir cul de las interminables
carteras eficientes les conviene segn el riesgo que quieran asumir en cada una de
ellas.

30

TFG. FICO. Anlisis de una cartera de inversin de Markowitz como aplicacin de la Optimizacin con restricciones de
desigualdad

Bibliografa
Agopin, E. (2010):Teora de Seleccin de la Cartera de Valores 26 de abril.
Alcelay, S. (2015): Suplemento ABC, ABC EMPRESA. 7 de junio.
http://www.merco.info/docs/Premios-ABC-Merco-2015-2.pdf (Consultado 16/06/2015)
Arvalo M.T; Camacho E; Mrmol A; Monroy, L. (2005): Programacin Matemtica para la Economa.
Las Rozas (Madrid):Delta Publicaciones.
Barrios ,G; Carrillo, F; Concepcin, G; Pestano, C. (2005): Anlisis de Funciones en Economa y empresa,
un enfoque interdisciplinar, Madrid: Daz de Santos.
BME: Sociedad de Bolsas, Informe Anual 2014.
http://www.bolsamadrid.es/docs/SBolsas/InformesSB/anual.pdf (Consultado 28/04/2015)
Botero Buitrago (2014), Aplicacin del Modelo de Markowitz en la construccin de portafolios con las
acciones de empresas ms transitadas en la Bolsa de Valores de Colombia,
http://repository.unimilitar.edu.co/bitstream/10654/11669/1/APLICACI%C3%93N%20DEL%20MO
DELO%20DE%20MARKOWITZ%20.pdf (Consultado: 18/05/2015).
Canizo, E; Lucero, P (2002): Investigacin Operativa, Software para Programacin Lineal.
http://www1.frm.utn.edu.ar/ioperativa/lingo_lindo.pdf (Consultado 16/06/2015)
Costa, E. (1989): Matemticas para economista, Madrid: Pirmide
Daz, M; Bernabu, R ; Olmeda, M (2007): Aplicacin del modelo de Markowitz para la determinacin
de la cartera eficiente de vinos en la empresa vincola Vol. 103 (1) 43-53
http://www.aida-itea.org/aida-itea/files/itea/revistas/2007/103-1/43-53_ITEA_103-1.pdf (Consultado:
11/06/2015)
Glvez, P; Salgado, M; Gutirrez, M. (2010): Optimizacin de Carteras de Inversin, Modelo de
Markowitz y estimacin de volatilidad con Garch INVESTMENT PORTFOLIO OPTIMIZATION
http://www.ubiobio.cl/miweb/webfile/media/42/version%209-2/finanzas.pdf (Consultado 11/05/2015)
Gonzlez, C; Gil Faria (2000): El lenguaje de la Ciencia Econmica, Madrid: Ra- Ma.
Karush, W. (1939): Minima of Functions of Several Variables with Inequalities as Side Constraints.
Tesis. Dept de Matemticas, Universidad de Chicago, Illinois.
Kuhn, H.W. ; Tucker, A.W. Nonlinear Programming. Proceedings of 2nd Berkeley Symposium. Berkeley.
University of California Press, pp. 481-492
Markowitz, H.,(1952): Portfolio Selection. The Journal of Finance, 7 (1), pp.77-91.
https://www.math.ust.hk/~maykwok/courses/ma362/07F/markowitz_JF.pdf (Consultado 16/06/2015)
Pacheco J.M. (2002): Programacin Cuadrtica y seleccin de Carteras de inversin Sptimas
Jornadas: Investigacin en la Facultad de Ciencias Econmicas y Estadstica, (Consultado:
10/05/2015)
Prez-Grasa; Minguilln, E; Jarne G. (2001): Matemticas para la Economa. Programacin Matemtica y
Sistemas Dinmicos, Madrid [etc] McGraw Hill, D.L
Snchez-Galn ; Sogorb, M. (2015): Rentabilidad por Dividendo Expansion.com. 21 de mayo.
http://www.expansion.com/diccionario-economico/rentabilidad-por-dividendo.html(Consultado:
27/05/2015)
Sekulits. C (2014): Las mejores compaas para cosechar dividendos, Expansion.com, 28 de septiembre
http://www.expansin.com/2014/09/28/mercados/1411924991.html (Consultado: 17/04/2015).

-31-

Quevedo Zarcero, Manuel

Zubeldia, M; Zabalza, M ; Zubiarre, Z. (2002): El modelo de Markowitz en la gestin de carteras

Cuadernos de Gestin 2(1), pp. 33-46. https://addi.ehu.es/bitstream/10810/7000/1/CdG_212.pdf
(Consultado: 17/04/2015)
.

32