- The School
- Academic information
- Students support
- Knowledge transference
- Internationalization
- International mobility
- National mobility
- Quality
Este artículo propone la construcción de carteras de inversión en un marco de aversión extrema al riesgo donde el inversor trata de minimizar el riesgo en la cola de la distribución de los rendimientos de su cartera. Para hacer esto el trabajo propone minimizar una función objetivo de tipo maximin. Usando esta función los pesos asignados a cada activo se obtienen de maximizar la medida de Valor en Riesgo condicional bajo aquellas combinaciones de parámetros que dan lugar a los peores casos posibles. Esto se denomina en la literatura como Worst Case Value at Risk.
El método propuesto para la elección de carteras combina varios modelos avanzados de la literatura en econometría financiera. Así, propone modelos GARCH asimétricos para modelizar la volatilidad condicional y modelos de mixturas de funciones cópula para modelizar la dependencia multivariante entre activos financieros (que incluyen acciones, bonos, oro y Bitcoin). El artículo también propone mixturas en la distribución marginal de los rendimientos financieros que permiten modelizar de forma paramétrica y semi-paramétrica la posibilidad de eventos extremos. Estas mixturas combinan (a) la distribución Normal con las distribuciones generalizadas de Pareto (GPD) y (b) la distribución empírica y la distribución GPD.
Una de las contribuciones principales de este artículo es la posibilidad de simular mediante técnicas de Monte Carlo la distribución de los rendimientos de las carteras de inversión utilizando diferentes parametrizaciones de la relación entre los rendimientos de los diferentes activos y su dependencia temporal (funciones cópula para la dependencia entre activos y modelos GJR-GARCH para la dependencia temporal en la volatilidad). Al hacer esto obtenemos elecciones óptimas de las carteras que son robustas a valores específicos de los parámetros.
En la sección empírica utilizamos este modelo para construir carteras de inversión obtenidas a partir de datos diarios de cuatro activos (índice S&P500, bonos a 5 años del Tesoro de EEUU, Oro y Bitcoin) durante el período 2 de enero de 2015 hasta el 13 de diciembre de 2021. La muestra se divide en tres sub-períodos que corresponden a antes de la crisis debida al virus COVID-19, durante dicha crisis, y después de la crisis. Se observa que en períodos de crisis la cartera de inversión propuesta se comporta mejor que otras elecciones habituales en la literatura de asignación de activos como son los modelos mínima-varianza, media-varianza, pesos iguales, o estrategias basadas en métodos de aprendizaje de máquinas (machine learning). Mientras que en períodos sin sobresaltos financieros la cartera de inversión obtenida se comporta de forma parecida a sus competidores.
Autores del trabajo: Yifu Jiang, Jose Olmo y Majed Atwi.
Referencia: Y. Jiang, J. Olmo and M. Atwi (2024). Dynamic robust portfolio selection under market distress. North American Journal of Economics and Finance Volume 69, Part B, 102037.
Enlace a la publicación: https://www.sciencedirect.com/science/article/pii/S1062940823001602
Este trabajo fue presentado en la sesión nº 6 de la VI Edición de los Brown Bag Seminars de la Facultad de Economía y Empresa