Optimización robusta de portafolios: conjuntos de incertidumbre y contrapartes robustas
Los modelos de optimización robusta (OR) han permitido superar las limitaciones del modelo media-varianza (MV), que comprende el enfoque tradicional para la selección de portafolios óptimos de inversión, al incorporar la incertidumbre de los parámetros del modelo (retornos esperados y covarianzas)....
- Autores:
-
Zapata Quimbayo, Carlos Andrés
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2022
- Institución:
- Universidad Externado de Colombia
- Repositorio:
- Biblioteca Digital Universidad Externado de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:bdigital.uexternado.edu.co:001/7928
- Acceso en línea:
- https://bdigital.uexternado.edu.co/handle/001/7928
https://doi.org/10.18601/17941113.n20.04
- Palabra clave:
- optimal portfolio;
robust optimization;
uncertainty sets
portafolio óptimo;
optimización robusta;
conjuntos de incertidumbre
- Rights
- openAccess
- License
- Carlos Andrés Zapata Quimbayo - 2022
| Summary: | Los modelos de optimización robusta (OR) han permitido superar las limitaciones del modelo media-varianza (MV), que comprende el enfoque tradicional para la selección de portafolios óptimos de inversión, al incorporar la incertidumbre de los parámetros del modelo (retornos esperados y covarianzas). En este trabajo se presentan los desarrollos de la OR en la teoría de portafolio mediante el enfoque del peor de los casos, a partir del cual se incorporan las formulaciones robustas para el modelo MV, teniendo en cuenta los trabajos de Markowitz y Sharpe. A partir de estas formulaciones, se lleva a cabo una sencilla aplicación en la que se resaltan las ventajas y bondades de las contrapartes robustas frente al modelo MV original. Al final, se presenta una breve discusión de formulaciones adicionales en materia de conjuntos de incertidumbre y otras medidas de desempeño. |
|---|