Selección óptima de portafolios basada en cadenas de Markov de primer y segundo orden

Palabras clave: Composición de portafolios, cadenas de Markov, componentes principales, índice bursátil, aversión al riesgo

Resumen

En búsqueda de generar estrategias de inversión en pro de maximizar el rendimiento esperado y minimizar el riesgo, se estudian dos modelos de selección de portafolios óptimos. El primero se ajusta usando rendimientos logarítmicos, y en el segundo se emplea análisis de componentes principales (ACP) a estos rendimientos. Luego, para cada uno de ellos se establece su rendimiento ponderado y se crean unas medidas para establecer los estados de las cadenas de Markov de primer y segundo orden. Esto permite pronosticar si los portafolios conformados tendrán comportamientos alcistas o bajistas dadas las probabilidades de los estados de las cadenas de Markov. Se realiza una aplicación usando los retornos de precios de cierre diarios de 21 acciones del COLCAP, para el periodo comprendido desde enero de 2014 a octubre de 2017. Se concluye que en el mercado colombiano un portafolio conformado bajo ACP de los rendimientos tiene una mayor rentabilidad esperada y un menor riesgo a largo plazo, teniendo una precisión de pronóstico del modelo dados los vectores estacionarios de las cadenas de Markov.

|Resumen
= 218 veces | PDF
= 107 veces| XML
= 0 veces| EPUB
= 9 veces| HTML
= 15 veces|

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Juan Manuel Gómez Romero, Universidad Nacional de Colombia

MSc en Estadística

Universidad Nacional de Colombia

Bogotá D.C., Colombia.

José Alfredo Jiménez Moscoso, Universidad Nacional de Colombia
Profesor AsociadoDepartamento de Estadística
Facultad de Ciencias
Sede Bogotá

Citas

Bhat, U. N. & Miller, G. K. (2002). Elements of Applied Stochastic Processes (3ra. ed.). New York: John Wiley & Sons.

Cecchetti, S. & Sigalotti, L. (2013). Forward-looking robust portfolio selection (Temi di Discussione Working Paper, No. 913). Recuperado de: http://doi.org/10.2139/ssrn.2281906

Fabozzi, F. J. & Markowitz, H. M. (2002). The theory and practice of investment management (1ra. ed.) New Jersey: John Wiley.

Falk, B. (1986). Further evidence on the asymmetric behavior of economic time series over the business cycle. Journal of Political Economy, 94(5), 1096-1109. http://doi.org/10.2307/1833193

Hyung, N. & de Vries, C. G. (2007). Portfolio selection with heavy tails. Journal of Empirical Finance, 14(3), 383-400. http://doi.org/10.1016/j.jempfin.2006.06.004

Jackson, J. E. (1991). A user’s guide to principal components (1ra. ed.). John Wiley.

Jiménez Moscoso, J. A. (2017). Álgebra matricial con aplicaciones en estadística (3ra. ed.). Bogotá, Colombia: Universidad Nacional de Colombia.

Kemeny, J. G. & Snell, J. L. (1976). Finite Markov Chains. New York: Springer-Verlag.

Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7 (1), 77-91.

Markowitz, H. (1959). Portfolio selection: Efficient diversification of investment. New York: John Wiley.

Martínez, C. L.; Restrepo, J. & Velásquez, J. (2004). Selección de portafolios usando simulación y optimización bajo incertidumbre. Dyna, 71(141), 37-57.

McQueen, G. & Throley, S. (1991). Are stock returns predictable? A test using Markov chains. The Journal of Finance, 46(1), 239-263. http://doi.org/10.2307/2328695

Meucci, A. (2010). Managing diversification (Bloomberg Education and Quantitative Research and Education Paper). Recuperado del sitio web de la biblioteca virtual SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1358533

Neftci, S. N. (1984). Are economic time series asymmetric over the business cycle? Journal of Political Economy, 92(2), 307-328. http://doi.org/10.2307/1831389

Parada, J. R. (2012). La teoría financiera y análisis técnico. Revista Universidad EAFIT, 35(116), 21-36.

Partovi, H. M. & Caputo, M. R. (2004). Principal portfolios: Recasting the Efficient frontier. Economics Bulletin, 7(3), 1-10.

Pasini, G. (2017). Principal component analysis for stock portfolio management. International Journal of Pure and Applied Mathematics, 115(1), 153-167. https://ijpam.eu/contents/2017-115-1/12/12.pdf

Peña, D. (2002). Análisis de datos multivariantes (1ra. ed.). Madrid, España: McGraw-Hill Interamericana de España.

Rachev, S.; Huber, I. & Ortobelli, S. (2002). Portfolio choice with heavy tailed distributions. Recuperado de: https://pdfs.semanticscholar.org/41a9/06b013eeb3c89e28435af8375f7eacb53fc3.pdf

Ramírez, J. C. & Sandoval, R. (2002). Patrones no lineales en los rendimientos de las acciones de la BMV: Una prueba basada en cadenas de Markov de segundo orden. Centro de Investigación y Docencia Económicas, A.C. (CIDE). Recuperado de: http://aleph.academica.mx/jspui/bitstream/56789/4312/1/DOCT2064958.PDF

Ramírez, J. C. & Sandoval, R. (2003). Una propuesta para evaluar pronósticos de rendimientos de acciones cuando las distribuciones empíricas no son normales estacionarias. Estudios Económicos, 18(2), 237-277.

Yang, L. (2015). An application of principal component analysis to stock portfolio management (Tesis de maestría, University of Canterbury, Nueva Zelanda).

Publicado
2020-01-24
Cómo citar
Gómez Romero, J. M., & Jiménez Moscoso, J. A. (2020). Selección óptima de portafolios basada en cadenas de Markov de primer y segundo orden. Lecturas De Economía, (92), 33-66. https://doi.org/10.17533/udea.le.n92a02
Sección
Artículos