Professional Documents
Culture Documents
Introduccion
Optimizacion
Analisis de media-varianza de Markowitz
Muestreo
Black - Litterman
Gestion de Portafolios
Noviembre 10 de 2010
1 Introduccion
2 Optimizacion
4 Muestreo
5 Black - Litterman
Introduccion
Optimizacion
Example
Alternativamente el problema se puede plantear como un problema
de minimizacion (problema dual):
mn w T t+1 w
w R d
s.a
T
w t+1
wT 1 = 1
B1 1 A1 + (C 1 A1 1)
w=
D
donde A = 1T 1 , B = T 1 , C = 1T 1 1 y
D = BC A2 y
B 2A + 2 C
2 =
D
Optimizacion: Analisis de media-varianza de Markowitz
Observaciones I:
Para el modelo basico de correlacion condicional, Riskmetrics,
Varianza - Covarianza con:
1 Con distribuciones arbitrarias de z (no necesariamente
normal).
2 Medidas de riesgo basadas tales como VaR, ES, volatilidada.
El problema de seleccion optima de portafolios es equivalente
al problema tradicional de Markowitz.
Optimizacion: Analisis de media-varianza de Markowitz
Observaciones II:
Los portafolios optimos son usualmente muy concentrados.
La frontera y portafolio de eficiencia es muy sensible a la
estimacion del retorno esperado.
Son modelos puramente estadsticos no incorporan las
expectativas de los expertos.
Soluciones: Muestreo (resampling ) y metodos Bayesianos.
Contenido
Introduccion
Optimizacion
Analisis de media-varianza de Markowitz
Muestreo
Black - Litterman
Muestreo
P(B p A)P(A)
P(A p B) =
P(B)
Analisis Bayesiano: Marco general
f (x p )f ()
f ( p x) =
f (x)
f (x) = f (x p )f ()d
Analisis Bayesiano: Estimador
bB
max Et [U(, Xt+1 )) | bB ]
b
B
Analisis Bayesiano
Sea V una variable aleatoria que refleja las expectativas que del
mercado, los facotores de riesgo, tiene un experto.
Black - Litterman
BL (v , ) = + P T (PP T + )1 (v P)
BL = P T (PP T + )1 P.