INTRODUCCION
Tradicionalmente se define inversin como el compromiso actual de recursos con el objetivo de obtener ms tarde algunos beneficios. El anlisis de inversiones es el proceso de examen de alternativas y de decisin
sobre qu alternativa es preferida. A diferencia de otros problemas de
eleccin similares, el anlisis de inversiones se da dentro del marco de los
mercados financieros, que simplifican la toma de decisiones a travs del
principio de comparacin. Para explicar este principio, consideremos la
siguiente situacin hipottica:
Alguien te ofrece la siguiente inversin: si entregas hoy 100$ se te
devolver 110$ dentro de un ao. Este repago est garantizado 100%,
por lo que est libre de riesgo. Aceptas o rechazas esta oferta?.
Como es fcil de comprobar, se est ofreciendo una tasa de inters
del 10%. Puedes comparar dicha tasa con la ofrece tu banco local o
los papeles gubernamentales tipo CETE. Si estas tasas estn por debajo del 10% aceptaras la propuesta de inversin y si estn por encima
del 10% rechazaras dicha oferta. En general se evalan las oportunidades de inversin comparndolas con otras oportunidades diponibles
en los mercados financieros. Los mercados financieros ofrecen una base
de comparacin.
Otro principio importante en el anlisis de inversiones es el principio
de no arbitraje. Para explicar dicho principio consideremos de nuevo un
ejemplo.
Supongamos que en tu localidad existen dos bancos que ofrecen la
misma tasa para prstamos y depsitos. Pero dicha tasa es de 10% para
el primer banco y del 12% para el segundo banco. Est claro que tienes
una oportunidad de ganar dinero sin comprometer recursos propios. Vas
al primer banco y pides un prstamo de 10,000$ que depositas immediatamente en el segundo banco. En un ao ganars 200$ sin haber
invertido un dlar de tu bolsillo.
Este ejemplo no es muy realista. En la realidad dos activos diferentes con propiedades idnticas tendern a tener el mismo precio; si no
fuese as habra una oportunidad de arbitraje. El supuesto de que en los
mercados financieros no existen oportunidades de arbitraje tiene importantes consecuencias. Se ver que este principio implica que la relacin
entre diferentes precios es lineal, que los precios tienen que satisfacer
ciertas relaciones y que los precios de los activos derivados (opciones y
futuros) se pueden determinar analticamente.
1
ANLISIS MEDIA-VARIANZA
R=
cantitad recibida
cantidad invertida
X1 X0
.
X0
R=1+r
wi = 1
i=1
wi =
cantidad pagada en t = 1
X1
-cantidad recibida
=
=
-cantidad invertida X0
cantidad recibida en t = 0
Pero tambin podemos calcular el rendimiento de una cartera utilizando la informacin disponible acerca del rendimiento individual de
los n activos que la forman. Si Ri es el rendimiento del activo i, entonces:
n
X
wi Ri
R=
i=1
2.1
r2 = 0.20
r3 = 0.15
r4 = 0.10
r5 = 0.05
p1 = 0.30
p2 = 0.20
p3 = 0.20
p4 = 0.10
p5 = 0.20
y grficamente,
Zx
f (x)dx = 1
x0
h i
donde x x0 , x es el rango de la variable x.
E(x) =
f (x)xdx
r=
n
1 X
ri
N t=1
2 = E (x E(x))2
Si la variable aleatoria es discreta entonces 2 =
n
P
i=1
si es continua, entonces 2 =
Rx
x0
(x E(x))2 f (x)dx.
pi (xi E(x))2 y
Sabiendo las propiedades del operador valor esperado, es fcil comprobar que se cumple:
2 = E(x2 ) [E(x)]2
En Finanzas la varianza del rendimiento es una medida de riesgo del
activo. Otra medida muy utilizada es la desviacin estndar que se
define como la raz cuadrada de la varianza.
Varianza muestral
Al igual que el rendimiento esperado, la varianza del rendimiento es
un parmetro desconocido. Podemos acercarnos a su valor utilizando
los datos del pasado. Y su frmula es la siguiente:
8
_2
N
_
1 X
(ri r)2
N 1 i=1
La covarianza
Si invertimos en dos activos y estamos interesados en saber qu podemos esperar de esa inversin utilizamos la covarianza. La covarianza es
la medida que explica la dependencia ( el comovimiento) de dos o ms
variables aleatorias.
Supongamos que tenemos dos activos, A y B.
Si la mayora de las veces el rA > E(rA ) cuando rB > E(rB ) y
rA < E(rA ) cuando rB < E(rB ), entonces existe una relacin positiva
entre los dos activos. Es decir, su covarianza es positiva.
Si la mayora de las veces el rA > E(rA ) cuando rB < E(rB ) y
rA < E(rA ) cuando rB > E(rB ), entonces existe una relacin negativa
entre los dos activos. Es decir, su covarianza es negativa.
Si no existe relacin entre los dos activos entonces la covarianza es
nula.
La covarianza es la esperanza del producto de las desviaciones de los
dos rendimientos con respecto a sus rendimientos esperados y se calcula
as:
Cov(rA , rB ) = ij = E [(rA E(rA ))(rB E(rB ))]
Para acercarnos a este parmetro calculamos la covarianza muestral. Una observacin es, en este caso, un par de rendimientos (rA , rB )
observados en un momento temporal. Si tenemos N observaciones temporales, entonces:
_
AB =
N
_
_
1 X
(rAi rA )(rBi rB )
N 1 i=1
AB = 1
donde AB = 0
AB = +1
Cov(rA , rB )
y se demuestra que 1 AB 1
AB
correlacin perfecta negativa
no correlacin
correlacin perfecta positiva
Pero si conocemos las varianzas y covarianzas de los activos que forman esta cartera, podemos expresar la varianza de la cartera en funcin
de estas varianzas y covarianzas individuales.
n
n X
n
X
X
2c =
wi2 2i +
wi wj ij
i=1
i=1 j=1
i6=j
10
2.2
Diversificacin
En finanzas hay un principio simple que le dice al inversionista que diversique. La lgica de este principio es que la diversificacin reduce
el riesgo. Para demostrarlo, supongamos que el inversionista invierte
su dinero en una cartera formada por activos independientes, es decir,
cuyas covarianzas son cero. Entonces, la frmula de la varianza de esta
cartera es:
n
X
2c =
wi2 2i
i=1
Si asumimos adems que todos los activos estn igualmente ponderados, entonces:
2c
n
n
X
1 _2
1 2 2 1 X 2i
= i
=
( ) i =
n
n i=1 n
n
i=1
n
P
i=1
( N1 )2 2i +
2c = ( N1 )
n
P
i=1
_
n P
n
P
i=1j=1
i6=j
( N1 ) 2i +
( N1 )2 ij .
N1
N
n P
n
P
i=1j=1
i6=j
ij
.
N(N1)
ij
2c = ( N1 ) 2i + N1
N
Si el nmero de activos
aumenta, la varianza de la cartera tiende a
_
la covarianza media ij .
11
EL MODELO DE MARKOWITZ
3.1
Supongamos que slo existen dos activos en el mundo. Queremos representar grficamente el conjunto de posibilidades que estos dos activos y
todas sus posibles combinaciones ( carteras ) nos ofrecen.
Qu medidas representan a un activo?.
Si el rendimiento del activo es una variable aleatoria con una
distribucin de probabilidad normal, o la funcin de utilidad es
cuadrtica1 entonces, slo necesitamos dos medidas: el rendimiento
esperado y la varianza.
Queremos ver si es posible una representacion grafica del conjunto de
posibilidades del inversionista si slo existen dos activos. En este conjunto queremos incluir todas las posibles carteras que se pueden formar
con estos dos activos. Y por ahora nos enfocaremos en aquellas carteras
donde ambos activos tengan ponderaciones no-negativas ( es decir, que
no haya posibilidad de ventas en corto).
El caso de correlacin perfecta positiva
Supongamos que tenemos dos activos, A y B cuyo coeficiente de
correlacin es A,B = 1. El conjunto de posibilidades estar formado por:
el activo individual A, el activo individual B y todas las carteras que se
puedan formar combinando estos dos activos. Si w es la ponderacin que
asignamos a A en cualquier cartera, es muy fcil comprobar que el activo
individual A es equivalente a una cartera donde w = 1 y 1 w = 0. De
igual forma el activo individual B puede representarse como una cartera
donde w = 0 y 1 w = 1. En definitiva, para representar el conjunto de
posibilidades hay que estudiar las carteras.
El rendimiento esperado de cualquier cartera (no especificamos w)
formada por estos dos activos es:
1
12
c b
a b
E(rc ) =
c b
c b
E(ra ) + (1
)E(rb )
a b
a b
E(rc ) = E(rb )
E(ra )E(rb )
b
a b
b)
+ ( E(raa)E(r
) c
b
2c = w2 2a + (1 w)2 2b + 2w(1 w) ab
b
a + b
14
c = (w2 2a + (1 w)2 2b ) 2
En este caso no podemos simplificar esta expresin y por lo tanto la
representacin de la relacin entre E(rc ) y c no es simple como antes.
Sin embargo podemos identificar fcilmente la cartera cuya desviacin
estndar es mnima (que no 0). Para encontrarla simplemente minimizamos la expresin de la desviacin:
c
2w 2a 2 2b + 2w 2b
=
w
2(w2 2a + (1 w)2 2b )1/2
Igualando a 0 encontramos w que minimiza la desviacin estandar:
w=
2b
2a + 2b
En el siguiente grfico quedaran representadas el conjunto de posibilidades de inversin para los tres casos analizados cuando no es posible
realizar ventas en corto.
15
Si existe la posibilidad de realizar ventas en corto (cuando las ponderaciones pueden ser negativas) entonces, el conjunto de posibilidades
de inversin se extiende ms all de los puntos que representan los activos individuales. Para mostrar dicho conjunto, seguiremos el siguiente
ejemplo. Supongamos que tenemos dos activos con las siguientes caractersticas:
Ejemplo
E(r) (r)
A 0.10 0.05
B 0.04 0.10
Si la correlacin entre ambos activos es A,B = 1
wA
3
2
1.5
0.75
0.5
0.25
-0.5
E(rc )
0.22
0.16
0.13
0.085
0.07
0.055
0.01
(rc )
0.05
0
0.025
0.0625
0.075
0.0875
0.125
B
A B
E(rc )
0.22
0.16
0.13
0.08
0.055
0.01
17
(rc )
0.35
0.20
0.125
0
0.0875
0.175
E(rc )
0.13
0.085
0.07
0.055
0.010
18
(rc )
0.09
0.045
0.056
0.076
0.154
3.2
E(rA ) rf
) C
A
3.3
3.4
3.5
21
22
w1 ,w2 ,...wn
E(rT ) rf
T
n
P
Sujeto a
wi = 1
i=1
n
P
wi E(ri )
i=1
23
T = (
n
P
i=1
wi2 2i +
n P
n
P
wi wj ij ) 2 .
i=1j=1
Si expresamos rf como
n
P
wi rf = rf , el problema de maximizacin
i=1
se transforma en:
n
P
i=1
wi (E(ri ) rf )
Max = P
n
n P
n
P
1
w1 ,w2 ,...wn
( wi2 2i +
wi wj ij ) 2
i=1
i=1j=1
=0
w1
=0
w2
.
.
= 0.
wn
Este sistema de n ecuaciones se resuelve fcilmente realizando una
serie de operaciones ( ver demo en cap 4 de Elton y Grueber). Construimos primero unas variables ficticias Zi i = 1, 2.., n, quedando el sistema
asi:
E(r1 ) rf = Z1 21 + Z2 12 + Z3 13 + ... + Zn 1n
E(r2 ) rf = Z1 21 + Z2 22 + Z3 23 + ... + Zn 2n
E(r3 ) rf = Z1 31 + Z2 32 + Z3 23 + ... + Zn 3n
.
.
.
E(rn ) rf = Z1 n1 + Z2 n2 + Z3 n3 + ... + Zn 2n
Una vez que resolvemos este sistema para Zi i = 1, 2, 3..., n encontramos las wi de la siguiente forma:
Zk
wk = P
n
Zi
i=1
24
w1 ,w2 ,...wn
Sujeto a
E(rT ) rf
T
n
P
i=1
wi = 1 y wi 0 i = 1, 2, ...n.
n
P
sujeto a
wi2 2i +
n
P
n P
n
P
wi wj ij .
i=1j=1
wi = 1
i=1
wi 0 i = 1, 2...n
n
_
P
wi E(ri ) =R
i=1
1 12 .... 1n
E(r1 ) HA
Z1A
E(r2 ) HA 22 ... 2n Z2A
...
. ...
R(rn ) HA
2n
ZnA
1 12 .... 1n
Z1B
E(r1 ) HB
E(r2 ) HB 22 ... 2n Z2B
=
...
. ...
R(rn ) HB
2n
ZnB
ZkA
wkA
= P
n
ZiA
i=1
ZkB
wkB
= P
para todo k = 1, ...n.
n
ZiB
i=1
6. Calcular E(rA ) =
y E(rB ) =
n
P
i=1
n
P
i=1
wiA
E(ri ), A = (
wiB
E(ri )
B = (
n P
n
P
i=1j=1
n P
n
P
i=1j=1
wiA
wjA
ij )1/2
wiB
wjB
ij )1/2
26
3.6
wT 1 = 1
sujeto a
wT E(R) = E(Rp )
Es decir, minimizamos la varianza de la cartera sujeto a dos restricciones: a) que la suma de las ponderaciones de los activos individuales
debe ser igual a 1 y b) que la cartera debe obtener un rendimiento esperado igual a E(Rp ). Tcnicamente minimizamos una funcin convexa
sujeta a restricciones lineales. El problema tiene una nica solucin y
slo necesitamos obtener las condiciones de primer orden.
El lagrangiano del problema es:
L = wT V w 1 (wT E(R) E(Rp )) 2 (wT 1 1)
Las condiciones de primer orden son:
L
= 2V w 1 E(R) 2 1 =
w
L
= wT E(R) E(Rp ) = 0
1
L
= wT 1 1 = 0
2
1
1 1
1 1
E(R) 1
w = 2 V (1 E(R) + 2 1) = 2 V
2
T
E(Rp )
E(R) 1 w =
1
T 1 1
1
E(Rp )
E(R) 1 w = E(R) 1 2 V
E(R) 1
=
1
2
27
T
Si llamamos A = E(R) 1 V 1 E(R) 1 se demuestra que es una
matriz definida positiva. Entonces
E(Rp )
1
1
=
A
2
1
2
Podemos resolver para los multiplicadores de Lagrange:
1 1
1 E(Rp )
=A
2
1
2
Y para el vector de ponderaciones w:
1 E(Rp )
1 1
1
E(R) 1
E(R) 1 A
w = 2V
=V
1
2
E(R
)
p
.
est dada por w = V 1 E(R) 1 A1
1
La varianza de esta cartera est dada por:
2p = wT V w
T 1
1 E(Rp )
1
2
1
E(R) 1 V V V
E(R) 1 A
p = E(Rp ) 1 A
1
1 E(Rp )
2
p = E(Rp ) 1 A
1
a 2bE(Rp ) + cE(Rp )2
E(R
c
b
)
p
1
=
2p = E(Rp ) 1 acb2
b a
1
ac b2
Donde a = E(R)T V 1 E(R) b = E(R)T V 1 1 y c = 1T V 1 1.
a 2bE(Rp ) + cE(Rp )2
ac b2
b
y su varianza
c
a 2bE(RG ) + cE(RG )2
1
.
=
ac b2
c
V 1 1
.
c
Se dice que dos carteras que pertenecen al conjunto de mnima varianza, wp y wz , son ortogonales si su covarianza es cero, es decir, wzT V wp =
0. Queremos demostrar que para cualquier cartera que pertenece al
conjunto de mnima varianza, excepto la de mnima varianza global,
podemos encontrar una nica cartera, que tambin pertenece a dicho
conjunto, ortogonal a ella. Adems, si el rendimiento esperado de la
primera es E(Rp ), la ortogonal tiene rendimiento esperado E(Rz ) donde:
29
E(Rz ) =
a bE(Rp )
b cE(Rp )
1 E(Rc )
1
E(R) 1 A
wc = V
1
1 E(Ra ) + (1 )E(Rb )
1
E(R) 1 A
wc = V
+ (1 )
E(R
E(R
)
)
a
b
wc = V 1 E(R) 1 A1
+(1)V 1 E(R) 1 A1
1
1
30
wc = wa + (1 )wb
b) Considera una cartera wc que es co
mbinacin lineal de wa y wb . Entonces:
wc = wa + (1 )wb
E(R
E(R
)
)
a
b
E(R) 1 A1
+(1)V 1 E(R) 1 A1
wc = V
1
1
1 E(Ra ) + (1 )E(Rb )
1
E(R) 1 A
wc = V
1
La varianza de p es:
2p = wT V w
El problema de seleccin de cartera cuando existe un activo libre de
riesgo se puede escribir como:
Min wT Vw
31
E(ep )
w=
V 1 E(e)
T 1
E(e) V E(e)
Y la varianza de esta cartera cuyo exceso de rendimiento es E(ep ):
E(ep )
2p = wT Vw =
E(e)T V 1 E(e)
2
E(ep )
2p =
E(e)T V 1 E(e)
E(e)T V 1 V V 1 E(e)
La cartera tangente al conjunto de MV es aquella cartera que minimiza la varianza y que cumple que wT 1 = 1 (es la cartera donde los n
activos son riesgosos). Es decir, aquella cuyo exceso de rendimiento es:
E(eT ) =
E(e)T V 1 E(e)
1T V 1 E(e)
32
El modelo de Markowitz se centra en la eleccin de cartera de un inversionista individual. Los supuestos de este modelo son:
1. El inversionista slo considera los dos primeros momentos de la
distribucin de probabilidad de los rendimientos: el rendimiento esperado y su varianza.
2. Dado un rendimiento esperado, el inversionista elige aquella cartera
que ofrece la menor varianza.
3. El horizonte temporal de la inversin es de un periodo.
4. Las decisiones individuales no afectan los precios de mercado de
los activos.
5. Se pueden comprar y vender fracciones de activos.
6. No existen costos de transaccin ni impuestos.
7. Los inversionistas pueden vender corto.
Con estos supuestos y el mtodo optimizador se determina la frontera eficiente y cada inversor elegir aquella cartera perteneciente a este
conjunto que se ajuste al nivel de riesgo que quiera asumir. La teora
de Markowitz es una teora normativa; dice a cada inversionista cmo
invertir racionalmente. Pero para llegar a una teora positiva sobre los
mercados de capitales, es decir, a una teora que explique cmo se forman los precios de los activos hacen falta supuestos adicionales. Los
supuestos del modelo de Sharpe (1964) conocido como el modelo CAPM
son:
1. Todo el mundo es optimizador en rendimiento esperado-varianza
(es decir, todos los supuestos del modelo de Markowitz se cumplen).
2. Todo el mundo asigna la misma estructura probabilstica sobre los
activos, esto es, todo el mundo calcula los mismos rendimientos esperados, las mismas varianzas y covarianzas.
3. Existe un activo libre de riesgo. La misma tasa para pedir prestado
y prestar.
Dado que existe un activo libre de riesgo y no hay restricciones a la
venta en corto, dado que todo el mundo calcula los mismos parmetros,
todos hacen frente a una misma frontera eficiente. Si todos los inversores
son racionales, mantendrn la misma cartera de activos riesgosos, la
cartera T , aunque cada uno elegir la combinacin entre rf y T que est
de acuerdo con el nivel de riesgo que quiera asumir.
33
4.1
La lnea de capitales
E(r) = rf +
E(rM ) rf
E(rM ) rf
es a menudo conocida como el precio del
M
riesgo. Nos dice cuanto tiene que incrementar el rendimiento esperado
de una cartera si se incrementa en una unidad su desviacin estandar.
La pendiente
34
4.2
El CAPM es una teora que explica la relacin que existe entre el rendimiento
esperado de cualquier activo y su riesgo.
Teorema (del CAPM). Si la cartera de mercado M es eficiente el
rendimiento esperado E(ri ) del activo i satisface:
E(ri ) rf = i (E(rM ) rf )
donde i =
iM
.
2M
Demostracin.
Considere una cartera formada por un activo individual i y la cartera
de mercado con una ponderacin en el primero y (1 ) en el segundo.El rendimiento esperado de esta cartera ser:
E(r ) = E(ri ) + (1 )E(rM )
= (2 2i + 2(1 ) iM + (1 )2 2M )1/2
Podemos representar todas el conjunto de combinaciones de estos dos
activos. En particular = 0 corresponde a la cartera de mercado.
35
iM 2M
d
|=0 =
d
M
dE(r )
=
Entonces la pendiente que estamos buscando
d
dE(r )
d
d
d
dE(r )
(E(ri ) E(rM )) M
|=0 =
d
iM 2M
Esta pendiente tiene que ser igual a la pendiente de la linea de mercado de capitales:
_
rM rf
(E(ri ) E(rM )) M
=
2
iM M
M
Resolviendo para E(ri ) obtenemos la ecuacin del CAPM.
La frmula del CAPM relaciona el exceso de rendimiento de un activo con el exceso de rendimiento de la cartera de mercado a travs de
su beta. O dicho de otra forma, tomando a rf como un punto base,
el rendimiento esperado de un activo individual y el rendimiento del
mercado son proporcionales.
Otra forma de leer la frmula est basada en el hecho de que es
un versin normalizada de la covarianza del activo con la cartera de
mercado. El CAPM nos dice que el exceso de rendimiento esperado de
un activo es directamente proporcional a su covarianza con el mercado.
Es esa covarianza la que determina el rendimiento esperado del activo.
Supongamos que la beta de un activo es 0. Segn el CAPM el
rendimiento esperado de ese activo es rf . Y sin embargo, el riesgo de
este activo (su desviacin estndar) podra ser muy alto. Un activo con
36
c =
c =
c =
4.3
c,M
E [(rc E(rc )(rM E(rM )]
=
2
M
2M
n
P
E ( wi (ri E(ri ))(rM E(rM )
i=1
2M
n
P
i=1
n
P
i=1
2M
n
P
wi i
i=1
37
Bajo los supuestos del CAPM, cualquier activo est en esta linea.
Riesgo sistemtico y riesgo idiosincrtico
El rendimiento de un activo puede ser expresado as:
ri = rf + i (rM rf ) + i
4.4
P =
E(P1 )
1 + rf + (E(rM ) rf )
E(r) =
E(P1 ) P0
E(P1 + D) P0
=
P0
P0
Sobre la base de un cierto rendimiento esperado y el riesgo, el mercado pone el precio actual del activo en P0 . Supongamos que se reciben
39
buenas noticias acerca del activo (ej, se van a recibir dividendos). Nada
cambia el riesgo del activo. Sin embargo su rendimiento esperado si que
ha cambiado. Tenemos un activo en nuestra cartera que nos da un mayor
rendimiento esperado para el mismo nivel de riesgo (el mercado no ha
cambiado su opinin acerca de la covarianza entre el activo y la cartera
de mercado). Todo el mundo querr aumentar su inversin en ese activo.
Pero la demanda en exceso hace aumentar los precios. Al aumentar P0
el rendimiento esperado se reduce hasta volver a su nivel inicial (al nivel
de rendimiento esperado adecuado al nivel de riesgo del activo).
Supongamos ahora que en vez de buenas, recibimos malas noticias.
Su rendimiento esperado disminuye y entonces los inversionistas quieren
vender un activo que les da un rendimiento esperado muy bajo con respecto al riesgo que corren. Al vender, reducen el precio de equilibrio,
restituyendo as el nivel adecuado de rendimiento esperado.
Propiedad de la frmula de valuacin del CAPM
Una propiedad de la frmula de valuacin es su linealidad. Esto
significa que el precio de la suma de dos activos es la suma de los dos
precios y que el precio de un mltiplo de un activo es el mltiplo del
precio de ese activo.
Si P0A =
E(P1A )
1 + rf + A (E(rM ) rf )
P0B =
E(P1B )
1 + rf + B (E(rM ) rf )
Entonces
E(P1A ) + E(P1B )
donde A+B es la beta de
1 + rf + A+B (E(rM ) rf )
un nuevo activo que es la suma del activo A y el activo B.
P0A + P0B =
4.5
El CAPM no estndar
40
de los dos fondos nos dice que esa cartera M pertenece a la frontera
eficiente comn.
Una vez calculada M podemos encontrar aquella cartera Z tal que
su beta sea cero en relacin a M. Entonces, podemos derivar la siguiente
relacin:
E(ri ) = E(rz ) + i (E(rM ) E(rz ))
Esta frmula se debe a Black (1972). Para llegar a ella, utiliza el
clculo matricial y el siguiente teorema:
Teorema: Para una cartera determinada p, el vector de covarianzas
de los activos individuales con respecto a la cartera p es lineal en el
vector de rendimientos esperados E(R) si y slo si p es una cartera que
pertenece al conjunto de MV.
Demostracin:
a) Sea wp las ponderaciones de una cartera que pertenece al conjunto
1 E(Rp )
1
E(R) 1 A
.
de MV y que puede ser expresada como wp = V
1
El vector de covarianzas entre los activos individuales y wp est dado
por:
1 E(Rp )
V wp = V E(R) 1 A
1
1 E(Rp )
1
E(R) 1 A
V wp = V V
1
1 E(Rp )
V wp = E(R) 1 A
1
V 1 1
son las ponderaciones de la cartera de MV global
c
V 1 E(R)
y w1 =
las ponderaciones de una cartera que pertenece al
b
a
a
conjunto de MV con E(R1 ) = , 21 = 2 . Recuerdad que a, b y c se
b
b
definen como a = E(R)T V 1 E(R) b = E(R)T V 1 1 y c = 1T V 1 1.
donde wG =
cov(Ri , Rp ) = E(Ri ) 1 A
E(Rp )
.
1
E(Rp )
1
T
Sea wz la cartera ortogonal
p , es decir, tal que wz V wp = 0 y
a w
E(Rz )
sea wz = V 1 E(R) 1 A1
. Entonces, si la covarianza entre
1
estas dos carteras es 0 se tiene que cumplir,
1 E(Rp )
T
0 = wz V wp = E(Rz ) 1 A
1
1 E(Rp )
Si restamos esta ecuacin de cov(Ri , Rp ) = E(Ri ) 1 A
1
obtenemos:
1 Rp
cov(Ri , Rp ) = E(ei ) 0 A
= E(ei )
1
cE(Rp ) b
.
ac b2
42
2p
. Si lo substituimos en cov(Ri , Rp ) =
E(ep )
E(ei ), entonces:
cov(Ri , Rp ) =
2p
E(ei )
E(ep )
Y definiendo a i =
cov(Ri , Rp )
la expresin resulta en:
2p
E(ei ) = i E(ep )
Esto se cumple para cualquier cartera p eficiente. En concreto, si p
es la cartera de mercado, M entonces obtenemos:
E(ei ) = i E(eM )
E(Ri ) E(Rz ) = i (E(RM ) E(Rz ))
donde z es la cartera ortogonal a la cartera M.
Cmo localizar la cartera z cuando no existe activo libre
de riesgo?
La cartera Z es aquella cuya covarianza con respecto a la cartera
de mercado es 0, es decir, la cartera ortogonal a la del mercado. Esta
cartera no va a ser eficiente. Se va a situar a la derecha de la cartera de
MV. Para demostrar esto slo tenemos que ver que la cartera MV puede
obtenerse como combinacin de Z y M. Dado que la covarianza entre Z
y M es 0, entonces, la varianza de la cartera MV ser:
2MV = w2 2Z + (1 w)2 2M
Sabemos que esta MV minimiza la varianza, por lo tanto:
d2M V
dw
= 2w 2Z 2 2M + 2w 2M = 0
2M
>0
2M + 2Z
43
Cuando los dividendos tienen una tasa impositiva mayor que las
ganancias de capital, es positiva. Esto nos dice que el rendimiento
esperado de un activo individual est relacionado positivamente con su
tasa de dividendo i . Dado que una mayor fraccin del rendimiento viene
en forma de dividendos, entonces se va a pagar ms impuestos, lo que
significa que el rendimiento esperado antes de impuestos tiene que ser
mayor.
Activos no comerciables
No todos los activos de la economa son comerciables. Cmo sera la
frmula del CAPM cuando suponemos que existen activos comerciables
y no comerciables?.
Si RH es el rendimiento de los activos no comerciables.
PM es el valor total de los activos comerciables.
PH el valor total de los activos no comerciables.
h
i
E(rM ) rf
PH
cov(r
,
r
)
+
cov(r
,
r
)
E(ri ) = rf + 2
i M
i H
PM
H
M + PPM
cov(rM , rH )
Esta frmula sugiera que el entre rendimiento esperado y riesgo es
menor que el sugerido por el modelo simple.
4.6
El CAPM predice que todos los inversores mantienen carteras que son
eficientes en [E(r), ]. En consecuencia, la cartera de mercado es eficiente. Para testar el CAPM tenemos que testar la prediccin de que el
mercado est posicionado en el conjunto eficiente.
El CAPM est especificado en trminos de expectativas de los inversores. Dado que hemos supuesto que la distribucin de probabilidad de
los rendimientos no cambia en el tiempo, entonces podemos estimar E(r)
y utilizando los rendimientos pasados. Podemos construir la frontera
eficiente y ver si la cartera del mercado pertenece a ese conjunto.
Los primeros tests se centraron en testar la relacin lineal entre E(ri )
y i . Para hacerlo hay que seguir dos pasos:
1) estimar las betas. Para ellos se utilizan series temporales donde
los rendimientos de un activo se relacionan con los rendimientos del
mercado.
2) estimar la relacin entre rendimientos medios y betas utilizando
series de corte transversal.
45
Se hicieron varios estudios empricos centrados en la relacin lineal, los ms relevantes, Black, Jensen y Scholes (1972), Fama y McBeth (1974). Ambos parecan reforzar la teora. Las diferencias entre
rendimientos esperados de diferentes activos se deban a sus betas diferentes.
Pero en 1976, Roll arrasa con estas conclusiones. Segn Roll el
CAPM es una teora que no se puede testar. La nica prediccin a
testar es que la cartera de mercado es eficiente. Para ello tenemos que
conocer la composicin exacta de la cartera de mercado. Pero sta tiene
que incluir todos los activos del mundo (tanto comerciables como no
comerciables). Imposible. Adems critic duramente los trabajos empricos anteriores argumentando que eran tautolgicos, es decir, que los
resultados obtenidos se iban a dar independientemente de cmo los activos se valoran en relacin al riesgo en el mundo real.
Despues de esta crtica devastadora los siguientes trabajos empricos
se centraron en testar la prediccin econmica del CAPM de que la
cartera de mercado es eficiente. Una forma de acercarse al problema es
utilizando una proxy de la cartera de mercado, normalmente el ndice de
una Bolsa. Se construye la frontera eficiente con los activos de la Bolsa
y se comprueba si el ndice est o no en esa frontera.
Dada una opinin a priori acerca de la correlacin entre la proxy y
la verdadera cartera de mercado, entonces se puede determinar cuando
la cartera de mercado se espera que sea ineficiente o no en relacin al
conjunto eficiente formado por los actios de la proxy. Si es ineficiente
en relacin a esta subpoblacin de activos, entonces tambin lo ser con
respecto al conjunto eficiente verdadero. Shanken (87) hace este test y
segn este autor el CAPM es rechazado. Pero, dado que existe una gran
proporcin de activos en la economa que no se pueden comerciar, cmo
saber que el supuesto de correlacin entre la proxy y la verdadera es el
correcto?.
La cuestin de la testabilidad o no del CAPM es una cuestin todava
abierta.
4.7
ri rf = J + (rM rf )
J es el ndice de Jensen. De acuerdo con el CAPM este ndice tendra
que ser cero cuando se utilizaran los verdaderos rendimientos esperados.
Si se obtiene un ndice de Jensen positivo es una buena seal acerca del
desempeo del fondo de inversin. Pero esta es una buena inferencia?.
Un ndice de Jensen positivo no es indicativo de que el fondo sea eficiente.
Si queremos ver si un fondo de inversin es eficiente, entonces tenemos
que chechar si pertenece o no a la lnea de mercado de capitales. El
conocido ndice de Sharpe mide el desempeo de un fondo viendo si
pertenece o no a esta lnea.
_
ri rf = S
donde S es la pendiente de la lnea de mercado de capitales.
47
5.1
El modelo unifactorial
n
X
wi i
i=1
n
X
wi i
i=1
n
X
wi2 2i
i=1
2p 2M
n
1 X 1 2
+
N i=1 N i
i =
T
P
(ri,t ri )(rM,t rM )
i=1
T
P
(rM,t rM )2
i=1
i =ri i rM
50
T
T
_
1 P
1 P
ri,t y rM =
rM,t . Es fcil darse cuenta que obT i=1
T i=1
tendremos diferentes estimaciones de betas y alfas de un mismo activo
slo modificando el conjunto de datos. Pero si los supuestos del modelo son los adecuados, la teora estadstica nos dice que los estimadores
tienen buenas propiedades (eficiencia y insesgo).
_
donde ri =
5.2
52
54
Tomamos dos activos, el activo a y el activo b del grfico y construimos una cartera cuya 1 = 0 y con rendimiento esperado E(rcm ).
Repetimos la operacin con el activo c y el activo d. De hecho podemos
construir un nmero infinito de carteras formadas por dos activos tales
que sus 1 = 0. Consideremos ahora una macrocartera formada por
esta infinidad de microcarteras. Esta macrocartera tendr varianza cero
porque su mc1 = 0 y por construccin, su varianza residual tambin
ser cero.
2MC = mc1 2I1 +
N
P
i=1
1
N
N
P
i=1
1 2
N i
=0
Esta macrocartera tiene un rendimiento esperado E(rmc ) determinado y su varianza es 0 (est libre de riesgo). Utilizando el mismo
mtodo, podemos construir otra macrocartera con varianza 0 y rendimiento
0
esperado E(rmc ) 6= E(rmc ). Puesto que tenemos dos macrocarteras sin
riesgo y con rendimientos diferentes, existe una oportunidad de arbitraje vendiendo en corto aquella con rendimiento ms bajo y utilizando
el dinero para comprar la cartera con rendimiento ms alto. Al hacerlo estaremos presionando al alza el precio de los activos que forman
la cartera con rendimiento menor de forma que la relacin entre E(ri ) y
i1 sea lineal. Con una relacin lineal no pueden existir oportunidades
de arbitraje porque es imposible construir una combinacin de carteras
con i1 iguales a 0 y rendimientos diferentes.
Este argumento se puede repetir para el caso de un modelo multifactorial.
55
6.1
Si no existe un nmero infinito de activos, no podemos reducir la varianza de la cartera cuyas betas son 0 a 0. Si el nmero de activos fuese
grande, podramos reducirla pero tendramos que soportar algn riesgo
al intentar capturar los beneficios del arbitraje. Si este fuera el caso,
entonces la relacin lineal del APT infravalora el rendimiento esperado
de cualquier activo. Se puede demostrar que si los rendimientos se distribuyen normal, entonces se puede acotar este problema de infravaloracin. La desviacin de la relacin lineal del APT est causada por la
presencia de una varianza residual ineludible en las carteras de arbitraje.
Esta varianza ser mayor, cuanto mayor sea la ponderacin el activo en
la cartera. Si los inversores fueran neutrales al riesgo, no les importara
esta varianza residual y por tanto los rendimientos esperados no se veran
afectados. Pero si los inversores son aversos al riesgo, entonces a mayor
varianza residual, mayor rendimiento esperado demandado.
6.2
APT y CAPM
El modelo factorial base del APT puede ser aplicado al CAPM para
derivar la relacin que existe entre ambas teoras. Usando el modelo de
dos factores tenemos que:
ri = i + i1 I1 + i2 I2 + ... il Il + i
La covarianza entre este rendimiento con el rendimiento del mercado
es:
Cov(ri , rM ) = i1 Cov(I1 , rM )+ i2 Cov(I2 , rM )+...+ il Cor(Il , rM )+
Cov(i , rM )
Si el mercado representa una cartera bien diversificada, no contendr
un trmino de error y por lo tanto es razonable asumir que Cov(i , rM ) =
0. Entonces podemos expresar la beta de un activo segn el CAPM en
relacin a las betas del APT de la siguiente forma:
i = i1
Cov(I1 , rM )
Cov(I2 , rM )
Cor(Il , rM )
+ i2
+ ... + il
2
2
M
M
2M
56
6.3
57
7.1
Supongamos que un inversionista tiene un nmero determinado de oportunidades de inversin que pueden afectar su riqueza al final del ao. Si
supiera con certeza que le da cada oportunidad de inversin, sera fcil clasificarlas y elegir aquella que le ofrece un mayor rendimiento de
su capital. Pero como el rendimiento es una variable aleatoria, la eleccin no es obvia y se necesita un procedimiento para clasificar niveles de
riqueza aleatorios. La funcin de utilidad provee tal procedimiento.
Una funcin de utilidad es una funcin que va de R R, que toma
valores reales (representan niveles posibles de riqueza) y los transforma
en otro nmero real Una vez elegida la funcin U, los niveles alternativos
de riqueza aleatorios se clasificarn evaluando sus respectivos valores de
utilidad esperada. Especficamente, comparamos dos resultados de dos
variables de riqueza aleatorios, x e y comparando E(U(x)) con E(U(y)).
El valor ms alto es el preferido.
Las funciones de utilidad varan entre individuos dependiendo de su
tolerancia al riesgo y de su situacin financiera. La funcin de utilidad ms simple es U (x) = x. Otras funciones utilizadas son U(x) =
eax (funcin de utilidad exponencial), U(x) = ln(x) (funcin de utilidad logartmica), U (x) = bxb (funcin de utilidad exponencial) y U(x) =
x bx2 (funcin de utilidad cuadrtica).
Para ver cmo se utiliza la funcin de utilidad consideremos el siguiente ejemplo. Un inversionista se enfrenta a dos alternativas de inversin: a) invertir su dinero en un pagar bancario que le da 6M seguros
o b) invertir su dinero en un proyecto que le ofrece tres posibles niveles
de riqueza, 10M, 5M y 1M con probabilidades respectivas de 0.2, 0.4 y
0.4. Decide utilizar la funcin de utilidad exponencial, U (x) =x1/2 para
evaluar estas alternativas.
a)tiene un valor de 6 = 2.45
La alternativa
58
Es importante no olvidar que la funcin de utilidad clasifica alternativas. El valor cardinal que toma no tiene sentido en s. Una funcin
de utilidad puede modificar su expresin sin cambiar la clasificacin de
alternativas que provee. Por ejemplo, si aadimos una constante a la
funcin U (x), la nueva funcin V (x) = U(x) + b ofrece exactamente
la misma clasificacin de alternativas que U(x). En general cualquier
funcin V (x) = aU(x) + b con a > 0 es una funcin equivalente a U(x).
7.2
Aversin al riesgo
U (x)
a(x) = 0
U (x)
00
7.3
7.4
Valuacin lineal
Vamos a analizar en esta subseccin una de las propiedades ms importantes de la valuacin de activos, esta es su linealidad.
Definiremos formalmente un activo como una variable de pago aleatorio, sea d. Este pago se revela y se obtiene al final del periodo. Asociado
61
n
X
i di
i=1
P =
n
X
i Pi
i=1
7.5
Eleccin de cartera
Vamos a analizar el problema de eleccin de cartera de un inversionista que utiliza la utilidad esperada para clasificar sus alternativas de
inversin.
Si x es una variable aleatoria, entonces si x 0 quiere decir que
la variable nunca toma valores negativos. Supongamos que un inversionista tiene una funcin de utilidad estrictamente creciente U y una
riqueza inicial de W . Existen n activos en la economa d1 , d2 , ...., dn .
El inversionista desea formar una cartera que maximice la utilidad esperada de la riqueza final, x. Una cartera de activos se define como
= (1 , 2 , ..., n ) donde i es la cantidad del activo i.
El problema del inversionista es:
MaxE(U(x))
sujeto a:
n
P
i di = x
a)
i=1
b) x 0
n
P
c) i Pi W
i=1
Teorema (eleccin de cartera). Supongamos que U(x) es continua y que lim U(x) = . Supongamos tambin que existe una cartera
x
n
P
i di > 0. Entonces, el problema de eleccin de cartera p0 tal que
i=1
n
P
i=1
i=1
n
P
i di ))
i=1
sujeto a:
n
P
i Pi = W
i=1
O lo que es lo mismo:
Max L= E(U(
i
Esto da:
n
P
i=1
i di )) (
n
P
i=1
i Pi W )
E [U(x )di ] = Pi
Para i = 1, ...n. Tenemos n + 1 condiciones de primer orden (n
ecuaciones ms la restriccin) con n + 1 incgnitas. Se puede demostrar
que > 0. Estas ecuaciones ofrecen una caracterizacin de los precios
bajo el supuesto de no arbitraje.
Si existe activo libre de riesgo cuyo rendimiento total es Rf , se cumple
que di = Rf y que Pi = 1. Entonces, aplicando la condicin de primer
orden:
64
h 0
i
= E U (x ) Rf
Sustituyendo en E(U(x )di ) = Pi obtenemos la caracterizacin
de los precios como:
Pi =
7.6
E [U (x )di ]
E [U 0 (x )] Rf
Valuacin log-ptima
di
= Pi
E
R
65
7.7
Supongamos que existe un nmero finito de posibles estados que describen los posibles resultados que podemos obtener de una inversin.
En un periodo inicial slo se conoce que uno de estos estados ocurrir,
y al final del periodo se revelar cal de ellos se ha dado.
Los estados definen incertidumbre de una forma bsica. A veces un
estado se refiere a un fenmeno fsico (llover o no llover maana), otras
se refiere a acontecimientos econmicos (xito rotundo, xito moderado
y fracaso en la exhibicin de una pelcula).
Un activo se define en este contexto como un conjunto de pagos-un
pago por cada posible estado. Un activo podr ser representado por un
vector d = (d1 , d2 , ...dS ) donde di es el pago del activo si el estado i se
da. Como antes, a cada activo d le asociaremos un precio P .
Precios-estado
Un activo especial es aquel que tiene pagos slo en un estado, es
decir, d = (0, 0, 0, .., 1, 0..., 0). Definiremos un activo-estado elementario
como es = (0, 0, ..., 1, ...0) donde el pago 1 se recibe en el estado s. Si el
precio de este existe, lo llamaremos s .
Cuando existe un conjunto completo de activos-estado (un activo
para cada estado), es fcil determinar el precio de estos activos-estado.
El activo d = (d1 , d2 , d3 , ...dS ) se puede expresar como una combinacin
lineal de los activos-estado,
S
X
d=
ds es
s=1
Y si no existieran todos los activos-estado, an as, podramos construir los que faltan combinando activos que s existen. Por ejemplo,
supongamos que el activo (1, 1) y el activo (1, 1) existen. Entonces,
el activo estado (1, 0) se obtiene combinando estos dos activos porque
(1, 0) = 12 (1, 1) + 12 (1, 1).
66
7.8
Valuacin riesgo-neutral
S
X
qs ds
s=1
P = 0 E(d)
_
donde E denota el valor esperado de la variable aleatoria d con respecto a las probabilidades artificiales qs .
67
Dado que 0 =
S
P
s=1
1 _
E(d)
R
7.9
Alternativas de valuacin
E(d)
1 + rf
E(d)
1 + rf + (E(rM ) rf )
3. Valuacin log-ptima
d
P =E
1 + r
E (d)
P =
1 + rf
_
Ejemplos de valuacin
1. Eleccin de cartera
Un inversor est considerando invertir en la produccin de una pelcula.
Este tipo de inversiones son bastante riesgosas. Esencialmente pueden
ocurrir tres cosas: a) con probabilidad 0.3 la pelcula tiene xito y obtiene tres veces lo que invirti, b) con probabilidad 0.4, recupera lo que
invirti, y c) con probabilidad 0.3 pierde todo lo que invirti. Uno de
estos tres resultados se dar dentro de dos aos.
El inversor tiene la alternativa de poner su dinero en el activo libre de
riesgo que ofrece una tasa del 20% sobre dos aos. Tiene que invertir
en la pelcula? Y si la respuesta es s, canto?.
El inversor decide utilizar la funcin logartmica para clasificar sus
alternativas. Entonces, tiene que decidir qu cantidades 1 y 2 (pelcula
y activo libre de riesgo, respectivamente) poner en estas dos alternativas
de forma que maximice su utilidad esperada sujeto a la restriccin de
que lo que invierte no supere su riqueza individual, es decir,
Max 0.3 ln(31 + 1.22 ) + 0.4 ln(1 + 1.22 ) + 0.3 ln(1.22 )
sujeto a 1 + 2 = W
La solucin a este problema de maximizacin con restriccin es:
1 = 0.089W
2 = 0.911W
= 1/W
Supongamos ahora que el inversor descubre que existe la posibilidad
de invertir en secuelas de la pelcula que tienen un pago mayor si la
pelcula ha sido exitosa. Por cada dlar que se invierte en los derechos
de la secuela se obtiene 6 dlares si la pelcula fue exitosa y 0 en los otros
dos casos. Qu tiene que hacer ahora el inversor?.
Tiene que resolver el mismo problema de maximizacin incorporando
esta nueva informacin. Es decir, ahora tendr que decidir tres cantidades 1 , 2 , y 3 . Las condiciones de primer orden del nuevo problema
son:
69
0.9
0.4
+
=
31 + 1.22 + 63 1 + 1.22
0.36
0.48
0.36
+
+
=
31 + 1.22 + 63 1 + 1.22 1.22
0.18
=
31 + 1.22 + 63
1 + 2 + 3 = W
La solucin a este problema es: 1 = 1.0W , 2 = 1.5W , 3 = 0.5W
y = 1/W .
2. Valuacin log-ptima
Supongamos que un nuevo activo aparece cuyos pagos dependen slo
de los posibles resultados de la pelcula. Es decir, que d = (d1 , d2 , d3 )
donde d1 es el pago que da si la pelcula tiene xito, d2 el pago si el xito
es moderado y d3 si es un fracaso. Podemos calcular el precio de este
activo utilizando la cartera log-ptima calculada en el ejercicio anterior.
Hay que hacer notar que no podemos utilizar el primer ejercicio puesto
que slo tenemos dos activos y tres estados. En el segundo ejemplo s
que hay tres activos y tres estados.
La cartera log-ptima tiene el siguiente rendimiento
d
d1
d2
d3
) = 0.3 1.8
+ 0.4 0.8
+ 0.3 1.8
3 1 + 2 = 1
1.2 1 + 1.2 2 + 1.2 3 = 1
6 3 = 1
Este sistema tiene como solucin:
1 =
2 =
3 =
1
6
1
2
1
6
71
Ejercicios 1
1 Supongamos que se compran 1,000 pesos del activo A, 500 pesos
del activo B y pides prestado 500. Cales son las ponderaciones de esta
cartera?.
2 Calcula el rendimiento esperado y la varianza de la cartera del
ejercicio 1 sabiendo que:
E(rA ) = 0.10
E(rB ) = 0.16
2A = 0.25
2B = 0.49
AB = 0.7
rf = 0.05
3 Una cartera est formada como sigue:
Venta en corto de 2,000 pesos en A
Compra de 3,000 pesos en B
Compra de 2,000 en C
Compra de 3,000 en D.
El inversor pone 2,000 pesos en efectivo, y lo que necesita lo pide
prestado a la tasa de 5%. Calcula las ponderaciones de esta cartera.
4 Con los siguientes datos:
E(rA ) = 0.10
E(rB ) = 0.18
A = 0.15
B = 0.30
AB = 0.1
Encuentra la ponderacin w que define una cartera con la desviacin
estndar ms pequea. Cal es el valor de esa desviacin estndar?
Cual el rendimiento esperado de esa cartera?.
5 Planeas invertir en un concierto de Rock que te costar un milln
pero del que esperas obtener 3 millones si no llueve. Si lloviera ese da,
72
E(rA ) = 10, A = 4
E(rB ) = 12, B = 10
E(rC ) = 18, C = 14
A,B = 20
A,C = 40
B,C = 70
Con esta informacin, calcula la cartera de mnima varianza. Si el
activo libre de riesgo tiene un rendimiento de 6, calcula la cartera ptima.
Ejercicios 2
1 Tenemos dos carteras formadas por tres activos, A, B y C, que
pertenecen al conjunto de MV.
XA XB XC
C1 0.24 0.52 0.24
C2 0.36 0.72 0.64
a) Cales son las ponderaciones de los activos individuales en una
cartera que se crea invirtiendo 2000 pesos en C1 y 1000 en C2?.
b) Dibuja C1 y C2 en el espacio de (XA , XB ). La combinacin de C1
y C2 pertenece al conjunto de MV?.
c) Supongamos que invertimos 1500 de los 3000 en A. Cmo asignas
los 1500 restantes entre A y B para asegurarte de que tu cartera pertenece
a MV?.
2 Supongamos que tenemos dos carteras eficientes, Cal es la frontera eficiente?.
E(r)
C1 10 6
C2 8 4
y la covarianza entre ambas es de 20.
3 Dada una economa donde slo existen tres activos riesgosos, encuentra la frontera eficiente.
E(rA ) = 0.12
E(rB ) = 0.16
E(rC ) = 0.18
210
y la MVC= 2 1
2
74
Ejercicios 3
1 Son ciertas o falsas las siguientes afirmaciones?. Explica.
a) Activos con = 0 ofrecen E(r) = 0.
b) El CAPM implica que los inversores piden rendimientos ms altos
por mantener activos ms riesgosos.
c) Se puede contruir una cartera con = 0.75 invirtiendo 75% del
presupuesto en el activo libre de riesgo y el resto en la cartera de mercado.
2 Si el CAPM es una teora vlida. Cal de las siguientes situaciones
es posible?.
Activos E(r)
A
20% 1.4
B
25% 1.2
A)
C)
E(r)
rf
10%
E(rM ) 18%
A
16%
Activos E(r)
A
30% 35%
B
40% 25%
B)
0%
24%
12%
D)
rf
rM
A
E(r)
10%
18%
16%
0
1
1.5
E(r)
12.0
13.4
12.0
76
bi,1
1
3
3
bi,2
0.5
0.2
-0.5
Ejercicios 4
1 Considera una cartera riesgosa que al final del ao espera ganar 50,000 con probabilidad 0.5 o 150,000 con probabilidad 0.5. El
rendimiento del activo sin riesgo es de 5%.
a) Si se pide un premio por riesgo del 10%, canto estars dispuesto
a pagar por esta cartera?.
b) Supongamos que puedes comprar la cartera por la cantidad calculada en a). Cal ser la tasa de rendimiento esperada de esta cartera?.
2 Supongamos que tenemos una cartera cuyo E(rc ) = 17% y C =
27%. El activo libre de riesgo tiene un rendimiento de 7%.
a) Si un cliente elige invertir un 70% en nuestra cartera y un 30% en
el activo libre de riesgo. Cal es el rendimiento esperado y la varianza
de esta cartera?.
b) Supongamos que nuestra cartera est formada por tres activos
individuales con las siguientes ponderaciones wA = 27% wB = 33% y
wc = 40%. Cales son las ponderaciones de los activos en la cartera
del cliente?.
3 Supongamos que el cliente prefiere invertir en nuestra cartera un
porcentaje y tal que maximiza el rendimiento esperado de su cartera
sujeto a la restriccin de que la desviacin estndar sea del 20%.
a) Cal es esa y?
b) Cal es el rendimiento esperado de esta cartera?.
4 Tenemos una cartera con tres activos:
E(r) w
X 15% 22% 0.5
Y 10% 8% 0.4
Z 6% 3% 0.1
Un inversor est considerando aadir otro activo a la cartera que est
correlacionado igual a estos tres activos. Cal elegir si quiere reducir
la varianza de la cartera?
a) = 1
b) = 0.5
c) = 0
77
d) = 1
5 Un administrador de fondos est considerando 3 fondos: a) un
fondo en renta variable b) un fondo en renta fija y c) un fondo en activo
libre de riesgo que da un rendimiento del 9%. Las caractersticas del
FRV y del FRF son las siguientes
E(r)
F RV 22% 32%
F RF 13% 23%
Y la correlacin entre ambos fondos es de 0.15.
a) Dibuja el conjunto de oportunidades de inversin cuando slo existen los dos fondos riesgosos.
b) Si tomamos en cuenta el fondo en activo libre de riesgo, Cal es
la frontera eficiente?.
c) Si tu cartera tiene un rendimiento esperado del 15%, Cal es su
desviacin estndar?. Cal es la proporcin invertida en rf , en FRV y
en FRF?.
6 Un proyecto tiene un 0.7 de probabilidad de doblar la inversin
inicial y un 0.3 de perder lo invertido. Cal es la desviacin estndar
de la inversin?.
7 Los inversores esperan que el mercado d un rendimiento del 10%.
Hay un activo cuya beta es de 1.2 que tiene un rendimiento esperado del
12%. Si el mercado di un rendimiento del 8%, Cmo revisaras tus
expectativas acerca del rendimiento del activo?.
8 El precio de mercado de un activo es de 40. Si el rendimiento
esperado es del 13% , el activo libre de riesgo del 7% y el premio por
riesgo del mercado es de 8%, cl es el precio de este activo si su beta
se dobla ( y el resto de las variables se mantienen). Supn que el activo
espera pagar un dividendo constante a perpetuidad.
9 Tenemos un proyecto de inversin con los siguientes flujos de efectivo proyectados:
Ao 0: -20
Del ao 1 al ao 9: 10
Y en el ao 10: 20
Si la beta del proyecto es de 1.7, y suponiendo que rf = 9% y E(rm ) =
19%. Cal es el VPN?. Qu beta hara que el VPN=0?.
78
Construye una cartera de arbitraje. Cmo deben cambiar los precios para que el equilibrio se restaure?.
13 Supongamos que A y B son dos carteras bien diversificadas, y que
E(rA ) = 14% y que E(rB ) = 14.8%. Si los rendimientos se explican por
un modelo unifactorial y si A = 1 y B = 1.1. Cal es el activo libre
de riesgo?.
14 Dos factores se identifican para la economa mexicana, la tasa de
crecimiento de la produccin industrial, PI, y la tasa de inflacin, TI. Se
espera un crecimiento de la PI del 4% y de la TI del 6%. Tenemos un
activo cuya P I = 1 y T I = 0.4. Actualmente, el E(ri ) = 15%. Si la
tasa de crecimiento de PI fue el 5% y la de TI del 7%, cal es tu mejor
pronstico acerca de ri ?.
79
Ejercicios 5
1 Supongamos que U(x) es una funcin con un coeficiente de aversin
a(x). Sea V (x) = c+bU(x). Cal es el coeficiente de aversin de V (x)?.
2 Las funciones de utilidad de clase HARA (Hyperbolic Absolute
Risk Aversion) se define como:
U(x) =
1 ax
(
+ b)
1
1
.
cx+d
80
81