Publicado

2018-10-01

Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión

Robust estimation of the covariance matrix for the optimal selection of investment portfolios

DOI:

https://doi.org/10.15446/dyna.v85n207.74883

Palabras clave:

matriz de covarianza robusta, media recortada, encogimiento de la covarianza, determinante mínimo de la matriz de covarianza – MCD, distancia de Mahalanobis (es)
robust covariance matrix, trimmean, matrix covariance shrinkage, rolling horizon, minimum covariance determinant-MCD, and Mahalanobis distance (en)

Descargas

Autores/as

La selección de portafolios bajo el modelo de Media-Varianza (M-V) es muy sensible a la presencia de datos atípicos generando un alto error de estimación de los parámetros. Con el fin de minimizar este error de estimación se investiga nuevas metodologías robustas de selección de portafolios y se evalúa su desempeño financiero en términos del ratio Sharpe, del índice de Turnover y la varianza. La estimación de la matriz de covarianza se realiza con tres diferentes métodos de estimación robustos que buscan minimizar la instabilidad que generan los datos atípicos, el primero es la gran contribución de este artículo que consiste en el encogimiento de la matriz de covarianza con recorte a la media, el segundo y tercer método son recorte chi-cuadrado en la distancia de Mahalanobis y Determinante Mínimo de la Matriz de Covarianza (MCD) respectivamente.
The selection of portfolios under the Media-Variance (M-V) model work bad when it is exposed to the presence of atypical data that generate error estimation of the parameters In order to minimize this estimation error, we investigate new robust methodologies and their financial performance in terms of the ratio Sharpe, of the turnover index and of the variance. The estimation of the covariance matrix parameter is done with three different robust methods that seek to minimize the instability generated by atypical data, the first is the great contribution of this research, which consists in shrinking the covariance matrix with a cut-out to the mean, the second and third methods are chi-square cut-outs in the distance of Mahalanobis and Minimum Determinant of the Covariance Matrix (MCD) respectively.

Referencias

Black, F. and Litterman, R., Global portfolio optimization. Financial Analysts Journal, [en línea]. 48, 1992. [Fecha de consulta 5 de mayo de 2017]. Disponible en: DOI: 10.2469/faj.v48.n5.28

Box, G., Non-normality and tests on variances. Biometrika [en línea], 40(3), 1953. [Fecha de consulta10 de mayo de 2017]. Disponible en: DOI:10.2307/2333350

DeMiguel, V. and Nogales, F.J., Portfolio Selection with robust estimation. Operations Research, [en línea], 57(3), 2007. [Fecha de consulta 5 octubre de 2016]. Disponible en: DOI: 10.1287/OPRE.1080.0566

DeMiguel, V., Garlappi, L. and Uppal, R., Optimal versus naive diversification: How inefficient is the 1/N portfolio strategy? Review of Financial Studies, [en línea], 22(5), 2009. [Fecha de consulta 6 octubre de 2016]. Disponible en: DOI: 10.1093/rfs/hhm075

DeMiguel, V., Garlappi, L., Nogales, F. and Uppal, R., A generalized approach to portfolio optimization: improving performance by constraining portfolio norms. Management Science, [en línea], 55(5), 2009b. [Fecha de consulta 10 octubre 2016]. Disponible en: http://www.jstor.org/stable/40539189

Fabozzi, F.J., Kolm, P.N., Pachamanova, D.A. and Focardi, S.M., Robust portfolio optimization and management. The Journal of Portfolio Management Spring, [en línea], 33(3), pp. 40-48, 2007. [Fecha de consulta 12 octubre 2017]. Disponible en: DOI: 10.3905/jpm.2007.684751

Kenneth R., Current Research Returns, [en línea], 2018. [Fecha de consulta 5 mayo 2016]. Disponible en: http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html

Lauprete, J.G., Samarov, M.A. and Welsch, E.R., Robust portfolio optimization. Metrika, [en línea] 55(1), 2002. [Fecha de consulta 26 septiembre 2016]. Disponible en: DOI: 10.1007/s001840200193

Ledoit, O. and Wolf, M., Improved estimation of the covariance matrix of stock returns with an application to portfolio selection. Journal Empir. Finance, [en línea], 10, 2003. [Fecha de consulta 14 agosto 2016]. Disponible en: DOI: 10.1016/S0927-5398(03)00007-0

Ledoit, O. and Wolf, M., Honey, I shrunk the sample covariance matrix: problems in mean-varianceoptimization. Journal of Portfolio Management, [en línea], 30, 2004. [Fecha de consulta 14 agosto de 2016]. Diponible en: DOI: 10.3905/jpm.2004.110

Ledoit, O. and Wolf, M., A well conditioned estimator for large-dimensional covariance matrices. J. Multiv. Anal, [en línea], 88, 2004. [Fecha de consulta agosto de 2016]. Disponible en: https://doi.org/10.1016/S0047-259X(03)00096-4

Leys C., Klein O. y Dominicy Y. Detecting multivariate outliers: Use a robust variant of the Mahalanobis distance. Journal of Experimental Social Psychology. [en línea] 74, 2018. [Fecha de consulta 2 septiembre de 2016]. Disponible en: DOI: 10.1016/j.jesp.2017.09.011.

Markowitz, H., Portfolio Selection. The Journal of Finance, [en línea], 7(1), 1952. [Fecha de consulta marzo 23 de 2016]. Disponible en: DOI: 10.1111/j.1540-6261.1952.tb01525.

Medina, L.A., Aplicación de la teoría del portafolio en el mercado accionario colombiano. Cuadernos de Economía, [en línea]. 22(39), 2003. [Fecha de consulta abril 01 de 2018]. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-47722003000200007&lng=en&tlng=es.

Muñoz, J. and García, M., Técnicas para detección de outliers multivariantes. Revista en Telecomunicaciones e Informática, [en línea], 3(5), 2013. [Fecha de consulta 24 mayo de 2016]. Disponible en: https://revistas.upb.edu.co/index.php/telecomunicaciones/article/view/3308/2909

Scutell, M.G. and Recchia, R., Robust portfolio asset allocation and risk measures. Annals of Operations Research, [en línea] 204(1), 2013. [Fecha de consulta 29 agosto de 2016]. Disponible en: DOI: 10.1007/s10479-012-1266-3

Sajesh, A. and Srinivasan, R., Outlier detection for high dimensional data using the Comedian approach. Journal of Statistical Computation and Simulation, [en línea], 82(5), 2012. [Fecha de consulta 17 junio de 2016]. Disponible en: DOI: 10.1080/00949655.2011.552504

Puerta, A. and Laniado, H., Lecturas de Economía, [en línea], 73, 2010. [Fecha de consulta 25 abril 2016]. Disponible en: http://aprendeenlinea.udea.edu.co/revistas/index.php/lecturasdeeconomia/article/view/7873

Rousseeuw, P., Multivariate estimation with high breakdown point. Mathematical Statistics and Applications, [en línea], Volume B, eds. W. Grossmann, G. Pflug, I. Vincze, and W. Werz, The Netherlands: Dordrecht- Reidel, 1985. [Fecha de consulta 10 septiembre 2016]. Disponible en: DOI: 10.1007/978-94-009-5438-0_20

Rousseeuw, P.J. and Driessen, K.V., A fast algorithm for the monimum covariance determinant estimator. Technimetrics, [en línea], 41, 1999. [Fecha de consulta 10 septiembre 2016]. Disponible en: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.45.5870&rep=rep1&type=pdf

Verboven, S. and Hubert, M., MATLAB library LIBRA. Wiley Interdisciplinary Reviews: Computational Statistics, [en línea], 2(4), 2010. [Fecha de consulta 12 junio 2016]. Diponible en: DOI: 10.1002/wics.96

Cómo citar

IEEE

[1]
D. Gutiérrez-Sepúlveda, H. Laniado, y S. Medina-Hurtado, «Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión», DYNA, vol. 85, n.º 207, pp. 328–336, oct. 2018.

ACM

[1]
Gutiérrez-Sepúlveda, D., Laniado, H. y Medina-Hurtado, S. 2018. Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión. DYNA. 85, 207 (oct. 2018), 328–336. DOI:https://doi.org/10.15446/dyna.v85n207.74883.

ACS

(1)
Gutiérrez-Sepúlveda, D.; Laniado, H.; Medina-Hurtado, S. Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión. DYNA 2018, 85, 328-336.

APA

Gutiérrez-Sepúlveda, D., Laniado, H., & Medina-Hurtado, S. (2018). Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión. DYNA, 85(207), 328–336. https://doi.org/10.15446/dyna.v85n207.74883

ABNT

GUTIÉRREZ-SEPÚLVEDA, D.; LANIADO, H.; MEDINA-HURTADO, S. Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión. DYNA, [S. l.], v. 85, n. 207, p. 328–336, 2018. DOI: 10.15446/dyna.v85n207.74883. Disponível em: https://revistas.unal.edu.co/index.php/dyna/article/view/74883. Acesso em: 17 ago. 2022.

Chicago

Gutiérrez-Sepúlveda, Daniela, Henry Laniado, y Santiago Medina-Hurtado. 2018. «Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión». DYNA 85 (207):328-36. https://doi.org/10.15446/dyna.v85n207.74883.

Harvard

Gutiérrez-Sepúlveda, D., Laniado, H. y Medina-Hurtado, S. (2018) «Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión», DYNA, 85(207), pp. 328–336. doi: 10.15446/dyna.v85n207.74883.

MLA

Gutiérrez-Sepúlveda, D., H. Laniado, y S. Medina-Hurtado. «Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión». DYNA, vol. 85, n.º 207, octubre de 2018, pp. 328-36, doi:10.15446/dyna.v85n207.74883.

Turabian

Gutiérrez-Sepúlveda, Daniela, Henry Laniado, y Santiago Medina-Hurtado. «Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión». DYNA 85, no. 207 (octubre 1, 2018): 328–336. Accedido agosto 17, 2022. https://revistas.unal.edu.co/index.php/dyna/article/view/74883.

Vancouver

1.
Gutiérrez-Sepúlveda D, Laniado H, Medina-Hurtado S. Estimación robusta de la matriz de covarianza para la selección óptima de portafolios de inversión. DYNA [Internet]. 1 de octubre de 2018 [citado 17 de agosto de 2022];85(207):328-36. Disponible en: https://revistas.unal.edu.co/index.php/dyna/article/view/74883

Descargar cita

Dimensions

PlumX

Descargas

Los datos de descargas todavía no están disponibles.

Visitas a la página del resumen del artículo

431