Gestión de Carteras
GESTIÓN DE CARTERAS
Índice
Conceptos estadísticos
Rentabilidad y Riesgo
Teoría de carteras
Asignación de activos y
políticas de inversión
fikai AULA FINANCIERA
2
Media aritmética y esperanza matemática
4
Varianza y desviación típica
6
Covarianza y correlación
9
Regresión lineal mínimo cuadrática
18
Rentabilidad
22
Riesgo
34Eficiencia de los mercados
40
Selección de carteras. Modelo de Markowitz
48
Modelo de mercado de Sharpe
58
Modelo de equilibrio de los activos. CAPM
78
Gestión activa y pasiva de carteras
80
Definición de la política de inversión
84
Asignación de activos
Medición y atribución de
resultados
fikai AULA FINANCIERA
92
Introducción
93
Medidas derentabilidad
97
Medidas de rentabilidad ajustada al riesgo
102
Comparación con un índice de referencia
103
Aplicación al análisis y selección de fondos
106
Atribución de resultados
111
Normas de presentación de resultados. GIPS
MÓDULO 1: GESTIÓN DE CARTERAS
Capítulo 1. Conceptos estadísticos
1.1 Media aritmética y esperanza matemática
1.2 Varianza y desviacióntípica
1.3 Covarianza y correlación
1.4 Regresión lineal mínimo cuadrática
fikai AULA FINANCIERA
1
1.1 Media Aritmética y Esperanza Matemática
Capítulo 1: Conceptos estadísticos
Tanto dentro del campo de las finanzas, como dentro de la economía en
general, se hace necesario conocer y comprender algunos conceptos
estadísticos que nos permitan organizar y simplificar la informaciónque nos
proporcionan los datos históricos (estadística descriptiva-conceptos
estadísticos muestrales), así como utilizar la información disponible para
estimar el comportamiento futuro de las magnitudes estudiadas (inferencia
estadística - conceptos estadísticos poblacionales).
Con el objeto de simplificar la información recogida, la estadística utiliza los
estadísticos o valores típicos,que son valores que representan el
comportamiento de un conjunto de datos.
A partir de un conjunto de datos muestrales x 1, x 2 ,..., x n , se define la media
aritmética como:
x=
x1 + L + x n
n
Por otra parte, si los valores que puede tomar X están sometidos a
incertidumbre, estaremos ante una variable aleatoria que puede tomar los
valores x 1, x 2 ,..., x n , con probabilidadesrespectivas P( x 1 ),P( x 2 ),...,P( x n ) . Se
define la esperanza matemática o valor esperado de X como:
E( X) = x1·P(x1) + x 2 ·P(x 2 ) +L+ xn ·P(xn )
2
fikai AULA FINANCIERA
►EJEMPLO RESUELTO
Media Aritmética y Esperanza Matemática
Supongamos que estamos analizando el comportamiento del Ibex-35. Las
cotizaciones en la última semana son: 13.566,40 ; 13.588,30 ; 13.572,30 ;13.590,50 ; 13.600,20. Calcular su media aritmética.
x=
13.566,40 + 13.588,30 + 13.572,30 + 13.590,50 + 13.600,20
= 13.583,54
5
Supongamos ahora que un asesor se plantea determinar la cotización del
Ibex35 dentro de un mes, y prevé tres posibles escenarios:
Escenario
Pesimista
Normal
Optimista
Cotización
13.530
13.650
13.740
Probabilidad
0,25
0,50
0,25
Calcular lacotización esperada (esperanza matemática de la cotización).
E( X) = 13.530·0,25 + 13.650·0,50 + 13.740·0,25 = 13.642,5
fikai AULA FINANCIERA
3
1.2 Varianza y Desviación Típica
Capítulo 1: Conceptos estadísticos
A continuación introducimos medidas estadísticas que nos permitan
representar la dispersión respecto a la media de un conjunto de datos.
De nuevo distinguimos dos casos: Sihacemos referencia a valores pasados
(datos conocidos) o si hacemos referencia a valores futuros (incertidumbre en
los datos).
A partir de un conjunto de datos muestrales x 1, x 2 ,..., x n , se define la varianza
muestral como:
( x1 - x)2 + ( x 2 - x)2 + L + ( x n - x)2
2
S =
n
y la desviación típica muestral como la raíz cuadrada de la varianza muestral.
Por otra parte, si los valores...
Regístrate para leer el documento completo.