Professional Documents
Culture Documents
En caso de que exista ms de un activo riesgoso de modo que el individuo pueda formar distintos portafolios (sin restricciones), si alguno de estos
portafolios domina estocsticamente en segundo orden a todo el resto de los
portafolios (dada una igual media) entonces este portafolio tiene que ser el
que tiene la mnima varianza. El conjunto de todos los portafolios que minimizan la varianza (o el desvo) dadas diferentes medias forman un conjunto
que se denomina como la frontera ( de portafolios con dicha caracterstica)
En el prrafo anterior se sugera la existencia de un isomorfismo entre la
maximizacin de la utilidad esperada y la minimizacin de la varianza (dada
una media). Notemos sin embargo que la aversin a una mayor varianza est
implicita en la concavidad estricta de la funcin de utilidad. y por lo tanto
dicho isomorfismo (entre el modelo de media-varianza y la maximizacin
de la utilidad esperada) no es vlido para funciones de utilidad y/o
distribuciones arbitrarias.
A los efectos de ver que dicho isomorfismo se cumple solo en casos particulares se proceder a expandir por Taylor la funcin de utilidad alrededor
de la riqueza final esperada, E(w),
e y luego tomar su valor esperado, es decir
U(w)
e = U(E(w))
e + U 0 (E(w))(
e w
e E(w))
e +
1
+ U 00 (E(w))(
e w
e E(w))
e 2 + R(w),
e
2
y tomando valor esperado obtenemos
e
w
e E(w))
e +
E(U(w))
e = U(E(w))
e + U 0 (E(w))E(
1
+ U 00 (E(w))E(
e
w
e E(w))
e 2 + E(R(w)),
e
2
donde
X
1 dn U(E(w))
e
R(w)
e =
(w
e E(w))
e n,
n
n!
d w
e
n=3
(1)
La ecuacin (1) muestra (dado el carcter cncavo de la funcin de utilidad) que la maximizacin de la utilidad esperada esta asociada a la aversin
por la varianza, y la preferencia por una mayor media. Sin embargo tambin demuestra que no se puede nicamente caracterizar la utilidad esperada
como una funcin positiva de la esperanza y negativa de la varianza, ya que
el agente tambin debera maximizar el resto de Lagrange. Para que se pueda
tomar ambas operaciones (maximizar utilidad esperada o minimizar varianza
dado una media) como equivalentes se deben exigir ciertas restricciones sobre
la distribucin de los retornos, o sobre la funcin de utilidad.
Si se toma una funcin de utilidad cuadrtica (dado que las derivadas
de orden mayor a 2 son nulas) se puede caracterizar a la maxmizacin de la
utilidad esperada a travs de un problema de media y de varianza. De hecho
si se considera la siguiente funcin de utilidad
se obtiene
1 2
U(w)
e =w
e bw
e,
2
1
E(U(w))
e = E(w)
e bE(w
e2 ),
2
1
E(U(w))
e = E(w)
e b(E(w)
e 2 + 2w ).
2
es constante
}|
{
1
1
e bE(w)
e 2 + bMin{ 2w }.
Max{E(U(w))}
e
= E(w)
2
2
2
Otra condicin suficiente para que el modelo de media-varianza sea equivalente a maximizar la utilidad esperada, es que los retornos tengan una
distribucin Normal. Se debe recordar que la distribucin Normal tiene la
propiedad de que los momentos de orden mayor al dos pueden ser expresados
como funciones de los dos primeros momentos. Es decir que E{R(w)}
e puede
ser expresado como una sumatoria de funciones de media y varianza que son
conocidas. Por lo tanto para funciones de utilidad arbitrarias, la normalidad
de la distribucin de los retornos es condicin suficiente para caracterizar
completamente a la utilidad esperada con la media y la varianza.
Lamentablemente estas condiciones presentan algunas propiedades no deseables. Por ejemplo, la utilidad cuadrtica presenta la propiedad de saciedad
y de increasing absolute risk aversion. La primer propiedad no parece ser
una buena representacin del comportamiento de los agentes. La segunda
propiedad implica que el riesgo es tratado como un bien inferior (lo cual es
contra intuitivo). Por su parte la distribucin Normal no parece caracterizar
correctamente las distribuciones de los retornos (componente estocstico de
la riqueza), ya que permite que tomen valores infinitamente negativos.
Por estas razones el modelo de media-varianza no es un modelo general
de eleccin de activos. Pero dado que tiene buenas predicciones empricas y
que, principalmente, es analticamente es manejable ocupa un rol central en
la teora de eleccin de portafolios.
Modelo de Media-Varianza
Supuestos
1 Existen n 2 activos riesgosos en la economa
2 No existen fricciones en la economa
3 Se permite ir corto (short-selling) en activos o portafolios
4 Los activos tienen varianzas finitas y diferentes medias
5 El retorno de cualquier activo no puede ser expresado como combinacin lineal de retornos de otros activos
Bajo estos supuestos la matriz de varianza-covarianza V es no singular y
simtrica. Se define a w <n como los pesos de los diferentes activos dentro
del portafolio, por ende w0 V w es la varianza del portafolio.1
1
w0 e = E(rp ) , w0 I = 1;
sa
donde I es un vector (de n-componentes) de unos y e es un vector (de ncomponentes) de las esperanzas de los retornos de los n activos que componen
el portafolio. Notemos que no existe restriccin alguna sobre el lmite de
short-selling.
El Lagragiano que resuelve el programa es el siguiente
1
Min L = w0 V w + (E(rp ) w0 e) + (1 w0 I).
{w,,}
2
Las condiciones de primer orden (CP O) son
Lw = V w e I = 0,
(2)
L = E(rp ) w0 e = 0,
Definimos el retorno de dicho portafolio rp , entonces
rp = w1 .r1 + (1 w1 )r2
La media de rp puede ser expresada como
p = w1 .1 + (1 w1 ).2
y la varianza como
2p = w12 .21 + (1 w1 )2 . 22 + 2w1 (1 w1 )cov(r1 , r2 )
Notemos que definimos el vector de pesos como w =
y la matriz
de varianza-covarianza
como
21
cov(r1 , r2 )
V =
, entonces
cov(r1 , r2 )
22
2p = w0 V w.
w1
(1 w1 )
L = 1 w0 I = 0.
Como V es una matriz definida positiva, estas condiciones son necesarias
y suficientes para la existencia de un mximo global.
Despejando wp de (2) obtenemos
w = V 1 e + V 1 I.
(3)
B = e0 V 1 e,
D = BC A2 ,
C = I 0 V 1 I,
B A
A C
E(rp )
1
CE(rp ) A
D
&
B AE(rp )
,
D
wp =
CE(rp ) A 1
B AE(rp ) 1
V e+
V I,
D
D
5
(4)
=h
z
}|
{ z
}|
{
1
1
1
1
1
1
wp = (B(V I) A(V e)) + (C(V e) A(V I)E(rp ).
D
D
Por ltimo se encuentra que el nico set de pesos para formar el portafolio
frontera, dada una esperanza E(rp ) es
wp = g + hE(rp ).
(5)
wp2 = g + hE(rp2 ).
Este teorema nos permite generar toda la frontera, a partir de dos portafolios frontera distintos.
La importancia del segundo teorema presentado a continuacin radica en
que a partir de ste se puede inferir la forma de la frontera, sus asntotas y
el punto donde se encuentra el portafolio de mnima varianza.
Theorem 2 La covarianza de dos portafolios forntera p y q es
Cov(rp , rq ) = wp0 V wq =
C
1
(E(rp ) A/C)(E(rq ) A/C)) +
D
C
g0V g =
g 0 V hE(rq ) =
A
E(rp ).
El tercer sumando es anlogo al anterior D
1
[B AE(rq ) AE(rp ) + E(rp )E(rq )C],
D
A
A
A
1 D
[ + {( )2 E(rq ) E(rp ) + E(rp )E(rq )}C],
D C
C
C
C
2.1
C
1
+ {(E(rp ) A/C)(E(rq ) A/C)} .
C
D
Derivacin de la Frontera
(6)
1/C
D/C 2
Esta ltima expresin es la ecuacin implcita de un Hiprbola en el plano
((rp ), E(rp )), con centro en (0, CA ) y asntotas
p
E(rp ) = A/C D/C(rp ).
8
2.1.1
x2 ry 2 = 1
2.1.2
Portafolios Eficientes
Todos los portafolios frontera que tengan un retorno esperado ms alto que
el portafolio de mnima varianza, son portafolios eficientes.
Debido a la forma de la frontera para cada portafolio eficiente, existe
un portafolio ineficiente con una misma varianza pero un menor retorno
esperado.
As como se acever con anterioridad que la frontera poda ser generada por una combinacin lineal de portafolios frontera, a continuacin se
demostrar que cualquier combinacin convexa de portafolios
P eficientes ser
+
un portafolio eficiente. Es decir, sea i { : i < i = 1, i} y wi
pesos de portafolios eficientes, sabemos que
X
i wi =
i (g + hE(ri )) = g + h
i E(ri ) = g + hE(rconv ),
i A/C = A/C
i E(ri )
10
2.2
(7)
C
dE(rp ),
D
11
(rp )
D
(rp )
(CE(rp )A) C
2 (rp )
D
,
(CE(rp ) A) C
C
+ (E(rp ) A/C)2 D
D
(CE(rp ) A)
C
D/C 2
(E(rp ) A/C)
= E(rp )
(E(rp ) A/C)
D/C 2
= E(rzc(p) ).
= A/C
(E(rp ) A/C)
k = E(rp )
sa
wq0 V wp = 0
&
wq0 I = 1.
Donde el Lagrangiano es
1
MinL = wq0 V wq wq0 V wp + (1 wq0 I),
wq
2
y las condiciones de primer orden son
Lw = V wq V wp I = 0,
12
(8)
L = wq0 V wp = 0,
L = 1 wq0 I = 0.
Pre-multiplicando la ecuacin (8) por V 1 obtenemos
wq = wp + V 1 I,
y luego pre multiplicando por I 0 obtenemos
=1
=C
=1
z }| {
z}|{
z}|{
0
0
I wq = I wp + I 0 V 1 I = + C.
wp0 V
wq
wp0 V
z}|{
wp wp0 I = 0,
=0
z }| {
wq0 V wp = 2p + .
1 C
2p 1
1
0
2p
1
De este sistema se obtiene = 2
y=
, donde reemC p 1
C 2p 1
plazando en la condicin de primer orden obtenemos
wq = wp + V 1 I
V 1 I
= wp + C
C
C 2p V 1 I
1
= 2
wp +
C p 1
C 2p 1 C
13
(9)
V 1 I
C
= wmv
1
wp =
wmv
e0 wq + I 0 wq
Cov(rp , rq ) = E(rq ) + ,
donde reemplazando a y a por las expresiones
respectivamente obtenemos
E(rq ) =
E(rq ) =
CE(rp )A
D
BAE(rp )
,
D
1
Cov(rp , rq )
AE(rp ) B
D
+ Cov(rp , rq )
CE(rp ) A
CE(rp ) A
(10)
Note que
(i) En el primer sumando, dado que B = D/C + A2 /C se obtiene
AE(rp ) B
1
=
(AE(rp ) D/C A2 /C),
CE(rp ) A
CE(rp ) A
1
=
(A(E(rp ) A/C) D/C),
CE(rp ) A
A
(CE(rp ) A)
D/C
= C
CE(rp ) A
CE(rp ) A
1
= A/C
D/C 2 = E(rzc(p) )
E(rp ) A/C
(ii) Que al dividir y multiplicar elsegundo trmino de (10) por 2 (rp ) obtenemos
qp
z }| {
Cov(rp , rq ) 2 (rp )D
E(rq ) = E(rzc(p) ) +
2 (rp ) CE(rp ) A
15
(11)
C
, por lo que la ecuacin (11) puede
(iii) Que 2 (r) = C1 + (E(rp ) A/C)2 D
escribirse como
E(rq ) =
=
=
=
2.2.2
C
+ (E(rp ) A/C)2 D
D
E(rzc(p) ) + qp
,
A
C(E(rp ) C )
A
1
2
,
E(rzc(p) ) + qp E(rp ) + D/C
C
E(rp ) A/C
(12)
(13)
(14)
(15)
(16)
16
qp =
Cov(rq , rzc(p) )
Cov(rq , rp )
, qzc(p) =
.
2
(p)
2 (p)
2.3
1
Min wp0 V wp
{wp } 2
sa
(17)
(18)
&
1
E(rp ) rf
= (E(rp ) rf ).
0 1
H
(e Irf ) V (e Irf )
{z
}
|
=H
[E(rp ) rf ] 1
V (e Irf ).
H
18
2.3.1
1
1
0 1
1
V V (e Irf ) (E(rp ) rf ) ,
wp =
(E(rp ) rf )(e Irf ) V
(rp ) =
H
H
1
1
=
(E(rp ) rf )(e Irf )0 V 1 (e Irf ) (E(rp ) rf ),
H
H
1
=
(E(rp ) rf )H(E(rp ) rf ),
H2
2
wp0 V
1
(E(rp ) rf )2 .
H
Por lo tanto la desviacin estndar es
2 (rp ) =
(rp ) =
(E(rp ) rf ),
H
1H (E(rp ) rf ),
.
si E(rp ) rf 0
si E(rp ) rf 0
(19)
E(rp ) = rf H(rp ).
He aqu un grfico a modo de muestra de la frontera (rf = 0, H = 1)
p
y2 = 0
2.4
En esta seccin vamos a analizar la relacin entre la frontera que solo considera activos riesgosos y la recientemente derivada que considera tambin el
activo libre de riesgo. Claramente va a existir un punto de la frontera que
incluye al activo libre de riesgo que va a ser comn (tangente) a la frontera
de los riesgosos. Este punto le asigna peso cero al libre de riesgo y el resto a
los riesgosos, por lo tanto, tiene que ser comn a algn punto de la frontera
de los riesgosos.
Vamos a ver que las decisiones del individuo con respecto a la cartera van
a diferir dependiendo de la relacin entre el retorno del portafolio de mnima
varianza y la tasa libre de riesgo, (rf , A/C).
Considere los siguientes casos:
(i) Cuando rf = A/C la frontera degenera en un punto. El individuo invierte
toda su riqueza inicial en el activo libre de riesgo. En ese caso, el
portafolio p es un portafolio de arbitraje (portafolio en el que no se
invierte riqueza inicial). Esto se ve claramente en la ecuacin (20)2
E(rp ) = A/C
CB A2
(rp ) = A/C
C
D
(rp ).
C
(20)
cuando rf =
A
C,
= B 2A
=
D
.
C
20
A
A
+ C( )2
C
C
1
[E(rp ) rf ]
H
I 0 wp = I 0 V 1 (e Irf )
(a) H = d
| (para la frontera de los riesgosos),
d e
(b) rf = E(rzc(e)).
(Ver Huanj & Litzemberger, pag 78)
Notar que dado que para rf < A/C el portafolio e es eficiente, entonces
todos los portafolios frontera (de la frontera que incluye el activo libre de
riesgo) pueden ser generados como combinaciones lineales del activo libre de
riesgo y el portafolio de tangencia, e. Si el portafolio pertenece al segmento
rf e , dicho portafolio es una combinacin convexa de ambos activos. En
21
2.4.1
Usando las ponderaciones ptimas del portafolio wp y un portafolio wq cualesquiera de activos riesgosos (agregar la tasa libre de riesgo no cambia el
analisis pues al ser una constante su covarianza es cero) podemos ver que la
covarianza entre dichos portafolios es
Cov(rq , rp ) = wq0 V wp =
(E(rq ) rf )(E(rp rf ))
.
H
1
[E(rp ) rf ]
H
0
1
[E(rp ) rf ] , ,
wq e rf wq0 I)
H
1
=
[E(rp ) rf ] [E(rp ) rf ] .
H
=
(E(rq ) rf ) = {
Cov(rq , rp )
}E(rp rf ),
(E(rp rf ))2 /H
22