Pontificia Universidad Javeriana

Diego Felipe Llanos Q.

Abril 18 de 2015
Taller Practico # 1 Teoría de Portafolios

A. Se tomaron aleatoriamente el histórico de precios de un año (desde el 04 de Abril de 2015

a 04 de Abril de 2016) de 6 activos del FTSE100 los cuales fueron Vodafone, Unilever,
Sab Miller, Barclays, Pearson y Fresnillo.

Muestra consistente: Teniendo en cuenta la ley de los grandes números (que explica por
qué el promedio de una muestra aleatoria mayor a 30 datos de una población de gran
tamaño tenderá a estar cerca de la media de la población completa) se puede decir que la
muestra escogida es financiera y estadísticamente consistente dado que se tomaron 252
datos.
Depuración de la serie: El histórico de cotizaciones de las acciones fueron tomadas desde
Yahoo Finance, posteriormente se depuró la serie eliminando los fines de semana e
incluyendo los días festivos, de esta manera obtenemos datos consistentes y comparables
dado que tenemos periodos completos, es decir, cinco (5) cotizaciones por semana
correspondientes a los días de lunes a viernes durante un año.
Rendimientos Periódicos: Después de haber depurado la serie, ya tenemos los datos listos
para ser manipulables, de esta manera se calcula el rendimiento periódico diario de las
acciones utilizando la siguiente formula:

Rentabilidad = (P+1/P)-1

Tasa Libre de riesgo: La mejor representación de la tasa libre de riesgo son los bonos del
tesoro, en este caso los que emite el banco central del Reino Unido. Por lo anterior se tomó
un treasury bond a un año directamente de la página de la oficina de administración de la
deuda del Reino Unido; Esta tasa es del 8% ea. tal cual se evidencia en la siguiente imagen:
B. Vector de Rendimientos Esperados (Ver anexo de Excel): Este vector representa el
promedio de los rendimientos periódicos (diarios) de cada acción, multiplicado por 252
que corresponde a los días bursátiles. Posteriormente se realizó el cálculo de la varianza
(VAR.P) de los rendimientos periódicos y la respectiva desviación estándar (Raíz de la
Varianza). De esta manera obtenemos los siguientes vectores:

Vector de rendimientos
Acción Varianza(VAR.P) Desviacion(DESVEST.P)
esperados (ea)
Vodafone 1,8934% 0,0238% 1,5436%
Unilever 12,7521% 0,0184% 1,3563%
Sab Miller 19,2688% 0,0311% 1,7631%
Barclays -46,1105% 0,0426% 2,0650%
Pearson -42,9501% 0,0543% 2,3311%
Fresnillo 33,2087% 0,0536% 2,3149%

Matriz de Varianza Covarianza: Para estimar la matriz de varianza-covarianza se

realizó previamente el cálculo de la matriz de Correlaciones. Para ello se utilizó la
formula COEF.DE.CORREL(Acción i, Acción j), después
COEF.DE.CORREL(Acción i, Acción k) y así sucesivamente para completar las 15
correlaciones necesarias.
 Matriz de Correlaciones
Vodafone Unilever Sab Miller Barclays Pearson Fresnillo
Vodafone 1 0,638294515 0,271605875 0,548656667 0,371581095 0,182184473
Unilever 0,638294515 1 0,450443776 0,527309905 0,401018796 0,083881641
Sab Miller 0,271605875 0,450443776 1 0,258035283 0,196574598 0,119372718
Barclays 0,548656667 0,527309905 0,258035283 1 0,466058351 0,230925873
Pearson 0,371581095 0,401018796 0,196574598 0,466058351 1 0,24814922
Fresnillo 0,182184473 0,083881641 0,119372718 0,230925873 0,24814922 1

Una vez determinada la matriz de correlaciones, procedemos a estimar la matriz de varianza

covarianza, donde la diagonal representa las varianzas de cada acción y las demás celdas
representan las covarianzas entre las acciones definidas como: sigma i * sigma j * correlación ij.

Matriz de Varianza-Covarianza
Vodafone Unilever Sab Miller Barclays Pearson Fresnillo
Vodafone 0,000238269 0,000133627 0,000073919 0,000174890 0,000133707 0,000065099
Unilever 0,000133627 0,000183942 0,000107711 0,000147685 0,000126786 0,000026335
Sab Miller 0,000073919 0,000107711 0,000310858 0,000093949 0,000080793 0,000048721
Barclays 0,000174890 0,000147685 0,000093949 0,000426442 0,000224356 0,000110391
Pearson 0,000133707 0,000126786 0,000080793 0,000224356 0,000543419 0,000133910
Fresnillo 0,000065099 0,000026335 0,000048721 0,000110391 0,000133910 0,000535876

C. Valores Propios de la Matriz: Uno de los mecanismos para identificar si una matriz es definida
positiva, es a través de sus valores propios. Si todos los valores propios de la matriz son mayores
a 0, se considera que la matriz es definida positiva1.

De esta manera se realizó el cálculo de los valores propios de la matriz de varianza-covarianza en

el software Matlab a través del comando (eig) de la siguiente manera:

1
https://es.wikipedia.org/wiki/Vector_propio_y_valor_propio
 Por lo anterior, comprobamos que todos los valores propios de la matriz de varianza covarianza
son positivas, por lo cual es posible decir que esta matriz es definida positiva y no se necesita
realizar ninguna ajuste.

D. A partir de las formulas indicadas en clase acerca de g y h, en documento anexo (Excel) se

encuentran los cálculos de cómo se llegan a estos vectores:

g: 0,200 h: 0,03
0,272 0,95
0,181
0,127
=1 -
0,10
1,01
=0 H: 1862,791558

0,115 - 0,55
0,105 0,47

E. Frontera de Portafolios: Para efectos del trabajo se realizó la gráfica a partir de W=g+h(e); sin
embargo también es posible realizar la gráfica a través de solver; el eje “x” representa la volatilidad
y el eje “y” representa los rendimientos.

Frontera de Portafolios
35.00%

30.00%

25.00%

20.00%

15.00%

10.00%

5.00%

0.00%
0.00% 0.50% 1.00% 1.50% 2.00% 2.50%

Portafolio de Mercado: Para obtener el portafolio de mercado se realizó una proporción con
respecto al portafolio del inversionista de la siguiente manera:

W1 2%/7% 31%
W2 24%/7% 334% Rp inversionista 322,3%
W3 4%/7% 52% O2p inversionista 0,5412%
W4 ´-23%/7% -313% Op inversionista 7,3566%
W5 ´-12%/7% -165%
W6 12%/7% 162%

Así pues se obtienen los pesos o “W” del mercado, donde el numerador de cada proporción
representa el portafolio eficiente del inversionista y el denominador es la suma de los “w” sin tener
en cuenta el activo libre de riesgo. Una vez obtenidos estos resultados, procedemos a calcular la
rentabilidad del portafolio de mercado y su respectiva volatilidad.
 Sharpe: Este coeficiente representa el exceso de rendimiento por unidad de riesgo, en otras
palabras es el market Price risk que se denota como:

322% - 8%
Sharpe = 42,72
7,36%

Otro mecanismo para calcular el Sharpe es mediante la raíz cuadrada de H para llegar al mismo
valor que anteriormente suministramos.

F. Portafolio Optimo del Inversionista: Se tomó la función exponencial negativa, donde obtenemos:
W=1/c ∑-1(ri-rf1); Allí C representa el coeficiente de aversión al riesgo el cual debe ser >0 para
garantizar que el agente sea averso y no amante al riesgo.

Por lo anterior a mayor aversidad al riesgo, el inversionista prefiere invertir en mayor proporción
en el activo libre de riesgo, dado que de esta manera reduce su volatilidad.

Portafolio del Inversionista: C= 8000

Paso 1: ri-rf Paso 2: ∑-1(ri- rf1); Paso 3: W=1/c ∑-1(ri- rf1)

W1 -6,11% 179,56 2,24%
W2 4,75% 1.939,72 24,25%
W3 11,27% 299,40 3,74%
W4 -54,11% (1.818,82) -22,74%
W5 -50,95% (959,69) -12,00%
W6 25,21% 940,56 11,76%
Wrf 92,74%
Total 100%

Rp inversionista 23,4%
O2p inversionista 0,0029%
Op inversionista 0,5340%

A partir de la función exponencial se establece el procedimiento para definir las proporciones que
se deben invertir en cada acción, finalizando con el activo libre de riesgo.

Una vez definidas dichas participaciones se procede a calcular la rentabilidad del portafolio óptimo
del inversionista junto con la respectiva volatilidad.