5 Carteras

IN56A-02
Prof. J. Miguel Cruz
Teoría de Carteras
Primavera 2005 J. Miguel Cruz
Teoría de Portafolios
Visión General
Medición del Riesgo
• Aversión al riesgo
• Riesgo=varianza del portafolio o desviación estándar
Cálculo de la varianza
• Dos activos
• Muchos activos
Portafolio eficientes
Departamento de Ingeniería Industrial

IN56A
Universidad de Chile
Primavera 2005
Primavera 2005
1
IN56A-02
Ejemplo Variable Aleatoria: Tipo de

Cambio
800.00
750.00
700.00
650.00
600.00
550.00
500.00
Ene-00
May-00
Ene-01
May-01
Ene-02
May-02
Ene-03
May-03
Ene-04
May-04
Ene-05
May-05
Sep-00
Sep-01
Sep-02
Sep-03
Sep-04
Sep-05
IN56A
Primavera 2005
Estadísticas sobre una variable aleatoria
Media
i=T
E(x) y se estima (1/T)(x1+x2+…xT) 1
µ = ⋅ ∑xi
Varianza
T i=1
V(x) o σ2(x) y se define E(x 2 )-[E(x)] 1 i=T

2 σ2 = ⋅ ∑(xi − µ)2
(T −1) i=1
Desviación Estándar
Dispersión medida en las mismas
unidades que la variable original.
σ(x) σ(x) = V(x) = σ 2(x)
Otras
– Mínimo
– Máximo
– Mediana
– ...

IN56A
Primavera 2005
Primavera 2005
2
IN56A-02
Modelamiento de series de tiempo

Modelo Aditivo
Modelando la serie de precios Tipo de Cambio
Supongamos que la distribución es normal, entonces:
~

~
Pt +1 = Pt + ε t
Precio futuro Precio conocido “Ruido” en el sistema que
se distribuye de acuerdo
a una normal
El problema estadístico es entonces estimar el valor promedio
y la desviación estándar del ruido o proceso estocástico
IN56A
Primavera 2005
Sin embargo este modelo implica precios

normales y puede generar precios negativos...
Modelo Aditivo
Esto es equivalente a que el incremento de
precios se distribuya en forma normal.
~ ~
Pt +1 − Pt = ε t
Precio futuro Precio conocido “Ruido”
εt → N(0,σ2)
IN56A
Primavera 2005
Primavera 2005
3
IN56A-02
Un modelo más usado en finanzas
Modelo
Se modela la tasa de cambio
Multiplicativo
instantánea del precio:
~
Pt +1 = Pt × e ε~t
“Ruido” multiplicativo
Precio futuro
Precio conocido
εt → N(µ,σ2)
IN56A
Primavera 2005
Aproximación usada en finanzas
Para pequeños intervalos de Modelo

tiempo, el cambio porcentual Multiplicativo
es equivalente al logaritmo del
retorno.
~
Pt +1 − Pt ~
Pt +1
≈ Ln ( ) = ε~t
Pt Pt
εt → N(µ,σ2)
IN56A
Primavera 2005
Primavera 2005
4
IN56A-02
Estimación de Parámetros
Objetos de análisis Pt
rt = Ln(

)
Pt −1
Volatilidad  Pt 
σ = DesvEst  Ln( )
 Pt −1 
Media o Tendencia
 Pt 
¿Es una buena estimación? µ = E  Ln( )
 Pt −1 
IN56A
Primavera 2005
Ejemplo: Retornos Log diarios del Tipo

de Cambio
4.000%
3.000%
2.000%
1.000%
0.000%
-1.000%
-2.000%
-3.000%
Ene-00
May-00
Ene-01
May-01
Ene-02
May-02
Ene-03
May-03
Ene-04
May-04
Ene-05
May-05
Sep-00
Sep-01
Sep-02
Sep-03
Sep-04
Sep-05

IN56A
Primavera 2005
Primavera 2005
5
IN56A-02
Volatilidad
Concepto de volatilidad:
– mide las desviaciones pasadas respecto de la media o
tendencia
– Se calcula como la desviación estándar de los cambios
porcentuales de las tasas
– Tiene asociado un período (diaria, mensual, anual)
– Generalmente se calcula con ponderador mayor para la
historia reciente

IN56A
Primavera 2005
Estimación de la volatilidad
Disponer de serie de tiempo

Cálculo del retorno logarítmico (porcentual)
Calcular desviación estándar:
– Directamente toda la muestra
– Medias móviles
– Estimación recursiva con ponderación histórica (λ=0,94)

IN56A
Primavera 2005
Primavera 2005
6
IN56A-02
Fórmulas de la volatilidad
(Caso retorno medio=0)
Ecuación tradicional:
1 t
– Requiere fijar t observaciones σ t +1 = ∑ (ri ) 2
t − 1 i =1
Fórmula alternativa:
- Recursiva: σ t +1 = λσ t2 + (1 − λ ) rt 2+1
σ t +1 : Es la predicción de volatilidad del factor de riesgo, para el período t+1,

considerando la información conocida hasta el período t.
λ: Es el factor de decaimiento que pondera los valores históricamente más

recientes. El valor recomendado de 0,94.
rt : Es el retorno log del factor de riesgo en el período t

IN56A
Primavera 2005
Volatilidad diaria Tipo de Cambio
1.20%
1.00%
0.80%
exp
media
0.60%
móvil 30
móvil 100
0.40%
0.20%
0.00%
Ene-00
Jul-00
Ene-01
Jul-01
Ene-02
Jul-02
Ene-03
Jul-03
Ene-04
Jul-04
Ene-05
Jul-05

IN56A
Primavera 2005
Primavera 2005
7
IN56A-02
Volatilidad crece con la raíz del tiempo
Supuesto es que la variable de riesgo tiene una

distribución simple (sin autocorrelación) de
varianza instantánea constante. Luego la
varianza de t períodos es proporcional a t, y la
volatilidad (desviación estándar) es entonces
proporcional a la raíz de t.
Si r(k) es el retorno k períodos hacia adelante

entonces la varianza de r(k) es k veces la varianza
de r.
rt ( k ) = rt + rt +1 + rt + 2 ..... + rt + k −1

IN56A
Primavera 2005
La distribución normal
Simétrica: Probabilidad de subir es igual a la de bajar

Movimientos en las cercanías del valor medio son mucho
más probables: Un 68,3% de las posibles realizaciones se
encuentran entre el valor medio +/- una desviación
estándar. Este porcentaje se eleva a 95,4% para dos
desviaciones estándares.
Su fórmula es conocida, y es de fácil manejo analítico.
“Aparece en la naturaleza” (Teorema Central del Límite
Suma de variables aleatorias iid tiende a una distribución normal)

IN56A
Primavera 2005
Primavera 2005
8
IN56A-02
Supuesto importante: retornos log tienen

una distribución normal.
El argumento más usado es que si bien el retorno de activos no
son exactamente normales, la distribución de grandes portafolios
se acerca mucho a una normal.
Distribución Normal
(media = 0, desv. St. 1)
Prob. de ocurrencia
95,4 % del Area Total

2,3 % 2,3 %
-6 -4 -2 0 2 4 6
Valores posibles de X

IN56A
Primavera 2005
Cuando hay más de una variable

aleatoria
Se debe estudiar la “Distribución de Probabilidad Conjunta”

La combinación de dos o más variables aleatorias tiene su propia
distribución de probabilidad
Valor esperado de la suma = suma de los valores esperados
E(X+Y)=E(X)+E(Y)
Varianza de la suma = suma de las varianzas más 2 veces la
covarianza entre las variables.
2 2 2
σ (X+Y)= σ (X)+ σ (Y)+2Cov(X,Y)

IN56A
Primavera 2005
Primavera 2005
9
IN56A-02
Varianzas y Covarianzas
Dos conceptos nuevos aparecen:
Cov(X,Y) = E(XY)-E(X)E(Y)
Corr(X,Y) = Cov(X,Y)/σ(X)σ(Y)= ρXY

Ejemplo: Volatilidad PRC 8 años 0,482%
Volatilidad Tipo de Cambio 0,364%
Matriz de
1 0,00410
correlaciones: 0,00410 1
Nota: Todas estas funciones están fácilmente disponibles en Excel

IN56A
Primavera 2005
Ejemplo de Distribución multivariada

Ejemplo: Tipo de cambio y tasa PRC 8 años
Tipo de Cambio vs. PRC 8

(Corr=0.0131)
2.00%
1.50%
Retorno % PRC 8
1.00%
0.50%
0.00%
-2.00% -1.50% -1.00% -0.50%-0.50%
0.00% 0.50% 1.00%
-1.00%
-1.50%
-2.00%
-2.50%
Retorno % Dolar

IN56A
Primavera 2005
Primavera 2005
10
IN56A-02
Distribución normal multivariada
Suma de variables aleatorias normales es también normal

(multiplicación de normales no es normal)
Describen con una serie de valores esperados y una matriz de
varianza-covarianza
Y
Probabilidad de ocurrencia
Baja
Media
X
Alta

IN56A
Primavera 2005
Efecto correlación entre dos variables
Caso de correlación positiva entre X e Y

(Valores altos de X e Y en conjunto ocurren con mayor frecuencia
que valores altos de X y bajos de Y) Y
Probabilidad de ocurrencia
Baja
Media
Alta
IN56A
Primavera 2005
Primavera 2005
11
IN56A-02
Riesgo
Definición
Variabilidad
Impacto negativo
Ejemplo
Precio sube a $110
Gano $10
Compro
Acción $100
Precio baja a $90

Y si mi alternativa es invertir 100 al 5%? Pierdo $10

IN56A
Primavera 2005
Variabilidad siempre negativa?
Precio sube a $110

Gano $10-$2 = $8
Corredora por
un costo de $2
me asegura un
precio minimo
de $100 Precio baja a $90
Pierdo $2
Separar variabilidad del impacto ques esta tienen sobre

variables de decisión (sobre la riqueza)
•Volatilidad
•Aversión al riesgo

IN56A
Primavera 2005
Primavera 2005
12
IN56A-02
Actitudes frente al riesgo
Aversos Inversión 1 Inversión 2

Neutros
Amantes R1
p
Riqueza Riqueza
R
Inicial Final R R(1+r)
1- p
R2
Supongamos que
R(1+r) = E(Riqueza Final) = pR1 + (1-p)R2

Cuál inversión es preferible?
IN56A
Primavera 2005
Supuestos fundamentales para la incorporación

del riesgo en la valorización de activos.
Antes de comenzar a estudiar la incorporación del riesgo

en la valorización de activos, debemos sentirnos cómodos
con los siguientes supuestos el análisis:
– Los inversionistas son aversos al riesgo
– Utilizaremos la varianza (o desviación estándar) como instrumento

para medir riesgo.
– La distribución de los retornos tienen una distribución normal.

IN56A
Primavera 2005
Primavera 2005
13
IN56A-02
Aversión al riesgo
Los inversionistas no asignan el mismo valor a todos los
resultados posibles.
– Entre mayor sea su riqueza, menor el valor asignado a cada dólar
adicional.
– El siguiente gráfico muestra está constatación
U(W)
Us
E(U(W))
E(W)
W
IN56A
Primavera 2005
Fijando el horizonte de análisis, nos

concentramos en N activos riesgosos
Variable aleatoria es el retorno entre t y t+1 de los

diferentes activos:
~
R → N (R e , Σ)
donde Re es el vector de retornos esperados y Σ es la matriz
varianza covarianza.
El vector de retornos aleatorios se define como:
~
[]
~
R i= ~ri = Ln(
P i ,t +1
Pi ,t
)
con [R e ] i = E (~
ri ), y [Σ ] ij = cov(~
ri , ~
rj )
IN56A
Primavera 2005
Primavera 2005
14
IN56A-02
Definimos una cartera o portafolio como

una selección de activos
Una cartera es un vector w de porcentajes
invertidos en cada uno de los activos
 w1 
v N
w =  M  con w ⋅ 1 = ∑ wi = 1
T
1
 wN 
La cartera tiene un retorno esperado r:
N
y una varianza σ2:

w T ⋅ R e = ∑ wi ⋅ ri = r
1
N N
w T ⋅ Σ ⋅ w = ∑∑ wi ⋅ w j ⋅ σ ij = σ 2
i =1 j =1

IN56A
Primavera 2005
Ejemplo de un portafolio
Supongamos que tenemos el siguiente portafolio de dos
acciones (Endesa y Copec)
Endesa Copec
Retorno Esperado (r) 15% 21%
Varianza 784 1764
Desviación Estándar 28% 42%
Peso en Portafolio 60% 40%
• El retorno esperado de este portafolio es igual a:

rp = w1r1 + w2r2 = (0.6 * 15) + (0.4 * 21) = 17.4%

IN56A
Primavera 2005
Primavera 2005
15
IN56A-02
La volatilidad del portafolio entre Endesa y

Copec se calcula como:
Varianza del portafolio =

w1 w2
w1w2ρ12σ1σ2
w1 w12σ12
= w1w2σ12
w1w2ρ12σ1σ2
w2 w22σ22
= w1w2σ12
• σ12 = covarianza de los retornos
• ρ = correlación de los retornos
IN56A
Primavera 2005
Ejemplo:
Varianza del portafolio =
0.6*0.4*0.4*
0.62*282=282
28*42=113
0.6*0.4*0.4*
0.42*422=282
28*42=113
• Varianza = 282 + 282 + (2 * 113) = 790
• Desviación estándar = (790)1/2 = 28.1%= Volatilidad
• Nota: Estamos suponiendo una correlación igual a 0.4
IN56A
Primavera 2005
Primavera 2005
16
IN56A-02
Ejemplo 2
Activos: Endesa, Copec Endesa: 12%

Retornos esperados (Anualizados)
Copec: 15%
Retorno Esperado Cartera ?
E(rC)= w1 * 12% + w2* 15%
Puesto que la proporción de inversión en cada activo suma 1:
E(rC)= w1 * 12% + (1- w1 )* 15%
Retorno Esperado Cartera puede ser menor a 12% o

mayor que 15%?

IN56A
Primavera 2005
Retorno Esperado de la Cartera
18%
16%
14%
Retorno
Esperado 12%
Cartera 10%
8%
6%
4%
2%
0%
00
50
00
25
50
75
25
0
5
.5
.2
1.
1.
0.
0.
0.
0.
1.
-0
-0
Fracción en el Activo 1

IN56A
Primavera 2005
Primavera 2005
17
IN56A-02
Volatilidad de una cartera
• Habíamos visto que para una cartera, la

volatilidad es
σC = w2 ⋅σ12 +(1−w)2 ⋅σ22 +2⋅ w⋅(1−w)⋅σ1 ⋅σ2 ⋅ ρ

• Si volatilidad del activo 1 es 10% y del activo 2 es 12%, y su
correlación es -0.5 entonces
Fracción w Vol Cartera

0.0 12.0%
0.5 5.6%
1.0 10.0%

IN56A
Primavera 2005
Calculando Retorno y Riesgo de la

Cartera
Peso Act 1 Retorno Volatilidad de la Cartera para diferentes correlaciones:

w Esperado -0.5 0 0.5 1 -1
0% 15.00% 12.00% 12.00% 12.00% 12.00% 12.00%
10% 14.70% 10.34% 10.85% 11.33% 11.80% 9.80%
20% 14.40% 8.77% 9.81% 10.74% 11.60% 7.60%
30% 14.10% 7.37% 8.92% 10.24% 11.40% 5.40%
40% 13.80% 6.25% 8.24% 9.83% 11.20% 3.20%
50% 13.50% 5.57% 7.81% 9.54% 11.00% 1.00%
60% 13.20% 5.50% 7.68% 9.37% 10.80% 1.20%
70% 12.90% 6.06% 7.87% 9.34% 10.60% 3.40%
80% 12.60% 7.11% 8.35% 9.43% 10.40% 5.60%
90% 12.30% 8.46% 9.08% 9.66% 10.20% 7.80%
100% 12.00% 10.00% 10.00% 10.00% 10.00% 10.00%
IN56A
Primavera 2005
Primavera 2005
18
IN56A-02
Graficando Retorno y Riesgo para una

cartera
16%
15%
Retorno Esperado 14%

Activo 1
13% Activo 2
12% Cartera
11%
10%
1% 6% 11% 16%
Volatilidad Cartera

IN56A
Primavera 2005
Carteras posibles con 2 activos
rp rp ρAB= -1
A (wA=1) A (wA=1)
ρAB=+1
B (wB=1) B (wB=1)
σp σp
Instrumentos con • Correlación perfecta

correlación positiva (positiva y negativa)
moderada
IN56A
Primavera 2005
Primavera 2005
19
IN56A-02
Diversificación de riesgos
Una adecuada selección del peso en cada uno de los

activos permite una disminución del riesgo de la cartera.
Un menor riesgo implica siempre una mayor rentabilidad?
Es posible encontrar una cartera con riesgo cero?
Qué pasa para más de dos activos?

IN56A
Primavera 2005
Varianza de un portafolio de N
instrumentos
N N
σ = ∑∑ wi w j σ ij
• Varianza del Portafolio: 2
p
i =1 j =1
Supongamos que el peso de cada instrumento es igual a 1/N

En la varianza del portafolio, existen N varianzas ponderadas por
1/N y N2-N covarianzas. Podemos decir entonces que la varianza
del portafolio es:
2 2
1 1
Varianza = N   (var ianza promedio) + ( N 2 − N)   (cov arianza promedio)
N N
1  1
Varianza = (var ianza promedio) + 1 − (cov arianza promedio)
N  N
• Si N es muy grande, la varianza del portafolio tiende a la covarianza promedio
de los instrumentos.
IN56A
Primavera 2005
Primavera 2005
20
IN56A-02
La varianza del portafolio descenderá hasta un nivel

donde no será posible reducir más su varianza.
Volatilidad (desviación
estándar del retorno)
Riesgo eliminado por

diversificación
Riesgo total del portafolio
Riesgo total de un
instrumento tipo del Riesgo no diversificable
portafolio
Número de instrumentos
en el portafolio

IN56A
Primavera 2005
Diversificación depende de la
correlación
Diversificación para n activos

(Varianzas iguales a 1.0, m ism a correlación entre activos)
1.2
Vol. de la cartera
1
0.8 Corr = 0
0.6
Corr = 0.3
0.4
0.2
0
10
13
16
19
22
1
Número de activos (n)

IN56A
Primavera 2005
Primavera 2005
21
IN56A-02
Frontera de mínima varianza de Carteras
1 1
Min σ C = w T
⋅Σ⋅w
w 2 2
r
s.a. w ⋅ 1 = 1
T
s.a. w T ⋅ R e = r
IN56A
Primavera 2005
Condiciones necesarias y suficientes para

carteras en la frontera de mínima varianza
∑σ
j =1
ij ⋅ w j − λ ⋅ ri − µ = 0 para i = 1K N
∑i =1
wi ⋅ ri = r
∑
i =1
wi = 1

IN56A
Primavera 2005
Primavera 2005
22
IN56A-02
Teorema de dos fondos
r
Matricialmente, Σ ⋅ w − λR e − µ 1 = 0
la solución para w
se despeja de wT ⋅ Re = r
r
w ⋅1 = 1
T
Si w1, y w2 son dos soluciones conocidas del problema

para r distintos, entonces
w3 = α w1 + (1 - α) w2
es también una solución para r3= αr1 + (1 - α) r2.

IN56A
Primavera 2005
Carteras de mínima varianza definen

una parábola en el espacio r-σ2
Frontera Mínima Varianza

Caso r1=4%, r2=6% sigma1=3.0%, sigma2=3.4%, ro=50%
6.5%
R eto rn o esp erad o
6.0%
5.5%
5.0%
4.5%
4.0%
3.8% 4.0% 4.2% 4.4% 4.6% 4.8%
Desviación Estándar Cartera
IN56A
Primavera 2005
Primavera 2005
23
IN56A-02
Concepto de frontera eficiente de

carteras
Agentes prefieren al mismo nivel de volatilidad carteras

de mayor retorno esperado
R eto rn o esp erad o d e la cartera
16.00%
15.50%
15.00% Eficiente
Ineficiente
14.50%
14.00%
13.50% Ineficiente
13.00%
13.50% 14.00% 14.50% 15.00% 15.50% 16.00%
Desviación estándar de la cartera

IN56A
Primavera 2005
Un caso particular...
Supongamos que la matriz de varianza covarianza es

la identidad
Cuál es la solución al problema de mínima varianza?
Qué ocurre si N tiende a infinito?
Cómo podemos usar este resultado para resolver el

caso más general?

IN56A
Primavera 2005
Primavera 2005
24
IN56A-02
Introduciendo Activos sin riesgo
Frontera Eficiente
6.0%
5.5%
Retorno esperado
5.0%
4.5%
4.0%
3.8% 4.0% 4.2% 4.4% 4.6% 4.8%

IN56A
Primavera 2005
Activo libre de riesgo
Nuevo valor esperado de la cartera:
rE = w⋅ rF + (1− w) ⋅ r
Y el riesgo es….:
σC =(1−w)⋅σ
El efecto de la incorporación de un activo libre de riesgo
es una ampliación de la región de carteras posibles de
construir

IN56A
Primavera 2005
Primavera 2005
25
IN56A-02
Nueva Frontera
Frontera Eficiente
6.0%
5.5%
Retorno esperado
5.0%
4.5%
4.0%
3.8% 4.0% 4.2% 4.4% 4.6% 4.8%

IN56A
Primavera 2005
Combinación de Portafolio (II)
rp rp
X
X X
X X
A
X X X
X X
X
rB=rf X
X X
X
X
σp σp
Uno de los instrumentos

es libre de riesgo • N instrumentos
riesgosos
IN56A
Primavera 2005
Primavera 2005
26
IN56A-02
Combinación de Portafolio (III)

rp
Pedir prestado
S X
X X
Prestar X X
X X X
rf X X
X
X
X X
X
X
σp
S es el mejor portafolio de instrumentos riesgosos.
El set de portafolio eficientes puede ser calculado a través de
programación cuadratica que minimize la desviación estándar del
portafolio sujeto a que el retorno sea al menos igual a Z.
El portafolio óptimo está en la frontera pero también tiene el mayor
ratio de retornos esperados por sobre la tasa libre de riesgo por unidad
de desviación estándar.
IN56A
Primavera 2005
La cartera de Mercado
Frontera Eficiente
6.0%
5.5% M
Retorno esperado
5.0%
4.5%
4.0%
3.8% 4.0% 4.2% 4.4% 4.6% 4.8%
Todo punto eficiente puede representarse como una combinación

lineal entre el activo libre de riesgos y la cartera MDepartamento de Ingeniería Industrial
IN56A
Primavera 2005
Primavera 2005
27
IN56A-02
Línea de mercado de capitales
rM El retorno de
cualquier cartera
rF en la frontera se
expresa como una
relación lineal
de la volatilidad de
σM
dicha cartera
σ
 r − rF 
r = rF +  M  ⋅ σ
 σM 
IN56A
Primavera 2005
Primavera 2005
28

5 Carteras

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

5 Carteras

Încărcat de

Drepturi de autor:

Formate disponibile

IN56A-02

Prof. J. Miguel Cruz

Primavera 2005 J. Miguel Cruz

Departamento de Ingeniería Industrial

Ejemplo Variable Aleatoria: Tipo de

Estadísticas sobre una variable aleatoria

V(x) o σ2(x) y se define E(x 2 )-[E(x)] 1 i=T

Departamento de Ingeniería Industrial

Modelamiento de series de tiempo

Sin embargo este modelo implica precios

Un modelo más usado en finanzas

Aproximación usada en finanzas

Para pequeños intervalos de Modelo

Ejemplo: Retornos Log diarios del Tipo

Departamento de Ingeniería Industrial

Departamento de Ingeniería Industrial

 Disponer de serie de tiempo

Departamento de Ingeniería Industrial

σ t +1 : Es la predicción de volatilidad del factor de riesgo, para el período t+1,

λ: Es el factor de decaimiento que pondera los valores históricamente más

rt : Es el retorno log del factor de riesgo en el período t

Departamento de Ingeniería Industrial

Volatilidad diaria Tipo de Cambio

Departamento de Ingeniería Industrial

Volatilidad crece con la raíz del tiempo

 Supuesto es que la variable de riesgo tiene una

 Si r(k) es el retorno k períodos hacia adelante

Departamento de Ingeniería Industrial

 Simétrica: Probabilidad de subir es igual a la de bajar

Departamento de Ingeniería Industrial

Supuesto importante: retornos log tienen

95,4 % del Area Total

Departamento de Ingeniería Industrial

Cuando hay más de una variable

Se debe estudiar la “Distribución de Probabilidad Conjunta”

Departamento de Ingeniería Industrial

Dos conceptos nuevos aparecen:

Corr(X,Y) = Cov(X,Y)/σ(X)σ(Y)= ρXY

Nota: Todas estas funciones están fácilmente disponibles en Excel

Ejemplo de Distribución multivariada

Tipo de Cambio vs. PRC 8

Departamento de Ingeniería Industrial

Distribución normal multivariada

 Suma de variables aleatorias normales es también normal

Departamento de Ingeniería Industrial

Efecto correlación entre dos variables

Caso de correlación positiva entre X e Y

Precio baja a $90

Departamento de Ingeniería Industrial

Variabilidad siempre negativa?

Precio sube a $110

Separar variabilidad del impacto ques esta tienen sobre

Departamento de Ingeniería Industrial

Actitudes frente al riesgo

 Aversos Inversión 1 Inversión 2

R(1+r) = E(Riqueza Final) = pR1 + (1-p)R2

Supuestos fundamentales para la incorporación

 Antes de comenzar a estudiar la incorporación del riesgo

– Los inversionistas son aversos al riesgo

– Utilizaremos la varianza (o desviación estándar) como instrumento

– La distribución de los retornos tienen una distribución normal.

Departamento de Ingeniería Industrial

Fijando el horizonte de análisis, nos

Disponer de serie de tiempo

Supuesto es que la variable de riesgo tiene una

Si r(k) es el retorno k períodos hacia adelante

Simétrica: Probabilidad de subir es igual a la de bajar

Suma de variables aleatorias normales es también normal

Aversos Inversión 1 Inversión 2

Antes de comenzar a estudiar la incorporación del riesgo

Variable aleatoria es el retorno entre t y t+1 de los

y una varianza σ2:

Varianza del portafolio =

Varianza del portafolio =

Activos: Endesa, Copec Endesa: 12%

Instrumentos con • Correlación perfecta

Una adecuada selección del peso en cada uno de los

Un menor riesgo implica siempre una mayor rentabilidad?

Es posible encontrar una cartera con riesgo cero?

Qué pasa para más de dos activos?

Supongamos que el peso de cada instrumento es igual a 1/N

Supongamos que la matriz de varianza covarianza es

Qué ocurre si N tiende a infinito?

Cómo podemos usar este resultado para resolver el

Uno de los instrumentos