Aquí se examina un problema de selección de cartera con la medida del riesgo espectral. La medida del riesgo espectral es una familia general de medidas de riesgo coherentes y es capaz de reflejar la preferencia de riesgo del inversor. Se emplea un modelo heteroscedástico condicional multivariante con cópulas de vid para describir la dinámica y la dependencia de los rendimientos (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de los activos subyacentes. Se utiliza la técnica de programación lineal en algunas investigaciones para determinar con precisión y rapidez las asignaciones óptimas de los activos. Se realizan estudios de simulación para investigar los efectos de la magnitud de la dependencia de la cola entre los activos subyacentes y los grados de aversión al riesgo en el rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de la cartera óptima. Se realizó un estudio empírico, publicado en 2017, utilizando los precios de las acciones incluidas en el índice FTSE TWSE Taiwan 100. Los resultados numéricos indican que las carteras óptimas tienen diferentes reacciones a diferentes situaciones económicas.Entre las Líneas En dicha investigación, los inversores menos reacios al riesgo consiguen mayores rendimientos (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) previstos que los inversores conservadores. El estudio empírico indicaba que la cartera óptima tiende a ser agresiva en los mercados alcistas y a ser conservadora en los mercados bajistas.
En la teoría moderna de selección de carteras, el procedimiento de optimización de carteras de variación media (VM) introducido por Markowitz (1952; 1959) desempeña un papel crucial en la asignación óptima de activos y la diversificación de las inversiones.Entre las Líneas En el procedimiento de VM, los inversores tratan de maximizar el rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) previsto de su cartera para un determinado nivel de riesgo de la misma, o de forma equivalente, de minimizar el riesgo de la inversión con el logro de una determinada cantidad de rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) previsto, determinando las proporciones de inversión de los diversos valores (Markowitz 1952, 1959, 1991; Merton 1972; Kroll et al. 1984). El problema tradicional de las carteras de valores mobiliarios utiliza la desviación estándar como medida del riesgo y supone que los rendimientos (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de los activos subyacentes son independientes y están distribuidos de forma idéntica (i.i.d.). Recientemente, los comerciantes utilizan más comúnmente muchas otras medidas de riesgo en la realidad, por ejemplo, el valor en riesgo (VaR), el riesgo de déficit esperado (ES) y una clase general de medidas de riesgo coherentes, denominada medida de riesgo espectral (SRM). Así pues, el problema de selección de la cartera óptima con limitaciones de riesgo en lugar de la desviación estándar atrae más atención para su aplicación práctica.
Una Conclusión
Por consiguiente, la evaluación de las repercusiones de la selección de las diferentes medidas de riesgo en la asignación de la cartera es de particular importancia para los administradores de activos.
Sin embargo, en muchos estudios empíricos se ha comprobado que este supuesto no es adecuado para los datos financieros. Las cópulas ayudan a divulgar el supuesto gaussiano y ofrecen una clase general de distribuciones conjuntas. Utiliza una función de cópula para vincular las distribuciones marginales de los rendimientos (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de los activos individuales para representar la estructura de dependencia.
Basado en la experiencia de varios autores, mis opiniones, perspectivas y recomendaciones se expresarán a continuación (o en otros lugares de esta plataforma, respecto a las características en 2026 o antes, y el futuro de esta cuestión):
La cópula se ha hecho recientemente cada vez más popular en muchos campos de aplicación para la construcción de distribuciones multivariantes. Establece el vínculo entre los márgenes univariantes y las funciones de distribución multivariante. La principal preocupación en la aplicación práctica es cómo identificar una familia adecuada de cópulas.Entre las Líneas En la literatura se ha investigado a fondo una rica variedad de familias de cópulas bivariadas.
Puntualización
Sin embargo, la elección de familias adecuadas para las dimensiones superiores es más difícil. Las cópulas multivariadas estándar, como las cópulas multivariadas gaussiana, t-estudiante y arquimediana, carecen de la flexibilidad necesaria para modelar con precisión la dependencia entre un número mayor de variables.Entre las Líneas En lugar de generalizar las cópulas multivariadas estándar aumentando la complejidad de sus estructuras, las cópulas de vid proponen modelar la dependencia multivariada utilizando y beneficiándose de la rica variedad de cópulas bivariadas como bloques de construcción.
Las “cópulae” de vid son modelos gráficos flexibles para describir distribuciones multivariadas mediante la descomposición de una densidad multivariada en una serie de cópulas bivariadas, o denominadas cópulas-pareja, en las que cada cópula-pareja puede elegirse independientemente de las demás. Esta descomposición permite una enorme flexibilidad en la modelización de las asimetrías y la dependencia de la cola de un gran número de variables. Aas y otros (2009) propusieron un método para la inferencia estadística de los modelos de descomposición de pares de células. Brechmann y Schepsmeier (2013) establecieron un paquete R, llamado CDVine, que proporciona funciones y herramientas para la inferencia estadística de las cópulas canónicas de la vid (vid C) y de la vid D, en las que las vid C y D son dos familias de cópulas de vid exitosas y populares en muchas aplicaciones (véase Brechmann y Schepsmeier 2013, y las referencias en él). A continuación, empleamos la distribución multivariante con 4 variables como ejemplo para ilustrar brevemente las cópulas de vid C y D de 4 dimensiones.
📬Si este tipo de historias es justo lo que buscas, y quieres recibir actualizaciones y mucho contenido que no creemos encuentres en otro lugar, suscríbete a este substack. Es gratis, y puedes cancelar tu suscripción cuando quieras: Qué piensas de este contenido?
Estamos muy interesados en conocer tu opinión sobre este texto, para mejorar nuestras publicaciones. Por favor, comparte tus sugerencias en los comentarios. Revisaremos cada uno, y los tendremos en cuenta para ofrecer una mejor experiencia.
Hay 12 formas diferentes de vid C y 12 formas diferentes de vid D en 4 dimensiones, y ninguna de ellas es la misma.
▷ Esperamos que haya sido de utilidad. Si conoces a alguien que pueda estar interesado en este tema, por favor comparte con él/ella este contenido. Es la mejor forma de ayudar al Proyecto Lawi.
VAR en Sistemas de Alta Dimensión: La agrupación de la volatilidad, es decir, la correlación positiva de las variaciones de precios observadas en los mercados especulativos, motivó la introducción de los procesos autorregresivos condicionalmente heteroskedásticos (ARCH) y sus populares generalizaciones (ARCH generalizado, GARCH) y (GARCH exponencial). Sin embargo, al ser de naturaleza univariante, estos modelos dejan de lado otro rasgo estilizado de las variaciones empíricas de los precios, a saber, la correlación contemporánea en una sección transversal de los mercados de activos, de acciones o de divisas. En la financiación empírica, los modelos de volatilidad (véase su definición en el diccionario y más detalles, en esta plataforma, sobre este término) multivariante se utilizan ampliamente para captar tanto la agrupación de la volatilidad (véase su definición en el diccionario y más detalles, en esta plataforma, sobre este término) como la correlación contemporánea de los vectores de retorno de los activos. En los sistemas de dimensiones más elevadas, las especificaciones paramétricas a menudo se vuelven intratables para el análisis empírico debido a los grandes espacios de parámetros. Por el contrario, las especificaciones factibles imponen fuertes restricciones que pueden no ser satisfechas por los datos financieros como, por ejemplo, la correlación condicional constante (CCC). Recientemente se han introducido modelos de correlación condicional dinámica (DCC) como medio de resolver el dilema entre la viabilidad y la flexibilidad de los modelos. En este caso, empleamos alternativamente el marco de modelización CCC y DCC para evaluar el valor en riesgo asociado a las carteras que comprenden las principales acciones de los Estados Unidos. Además, comparamos sus rendimientos (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) con los correspondientes resultados obtenidos de la modelización de los rendimientos (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de las carteras directamente a través de modelos de volatilidad (véase su definición en el diccionario y más detalles, en esta plataforma, sobre este término) univariante. Aquí, revisaremos brevemente dos clases de modelos MGARCH que compiten entre sí, a saber, la familia de modelos medio-veculares y los modelos de correlación. (Tal vez sea de interés más investigación sobre el concepto). Este último se aplicará para evaluar el VaR asociado a las carteras compuestas por acciones que figuran en el índice Dow Jones Industrial Average (DJIA). Motivamos la idea del backtesting del VaR y nos remitimos a la literatura reciente sobre pruebas de cobertura del VaR (in)condicional. Comparamos el rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de los modelos basados en la correlación condicional constante y dinámica. Además, se ilustra cómo se desempeña un modelo de volatilidad (véase su definición en el diccionario y más detalles, en esta plataforma, sobre este término) univariante en comparación con ambos modelos de correlación.
Se introduce el modelo MGARCH y menciona brevemente algunas especificaciones que entran dentro de la clase de los llamados modelos MGARCH de media velocidad. Los modelos de correlación son el foco de una sección donde se discuten con cierto detalle cuestiones como la estimación o la inferencia dentro de esta familia de modelos. En otra sección se motiva y discute el backtesting del VaR por medio de la cobertura (in)condicional. Véase también: Ciencia Actuarial, Deuda, Economía Financiera.
Probabilidad de Default: El riesgo crediticio de las empresas es una preocupación común para todas las instituciones financieras debido a su exposición natural a las empresas a través de las actividades de préstamo. Desde la perspectiva de los bancos, el Acuerdo de Capital de Basilea y su cumplimiento añade más importancia a la modelización de los riesgos crediticios. La comunidad inversora también se preocupa por el riesgo crediticio de las empresas debido a las posibles pérdidas de sus carteras. Los encargados de formular políticas y los reguladores también prestan mucha atención al riesgo crediticio de las empresas debido al efecto desestabilizador en la economía y los mercados cuando se producen incumplimientos masivos de las empresas. Desde el modelo seminal de riesgo crediticio de Merton (1974), la consideración de la estructura de capital corporativo como un acuerdo de tipo opcional ha ganado una amplia aceptación en la evaluación de las probabilidades de impago de las empresas. Véase también: Ciencia Actuarial, Deuda, Economía Financiera.
Calificación Crediticia Basada en el Mercado: La calificación crediticia es un reflejo de la solvencia de una empresa, tradicionalmente proporcionada por agencias de calificación profesional. Se utiliza ampliamente para medir el riesgo crediticio de una empresa, es decir, la capacidad de la empresa para cumplir sus obligaciones de servicio de la deuda, y por lo tanto desempeña un papel importante en el mercado financiero. [rtbs name="mercados-financieros-mundiales"]Los inversionistas pueden utilizar las calificaciones crediticias para ayudar a sus decisiones de inversión, mientras que un emisor puede utilizar la calificación para determinar el monto óptimo de la deuda saliente o señalar su bajo riesgo de inversión. (Tal vez sea de interés más investigación sobre el concepto). Algunos fondos de inversión pueden restringir la inversión solo a las empresas cuya calificación crediticia exceda de cierto nivel. Generalmente, las calificaciones implican mucha información específica de la empresa que es difícil de obtener o solo está disponible trimestralmente. En los últimos decenios, cada vez más investigadores se interesan por las calificaciones crediticias, especialmente después de la crisis financiera de las hipotecas de alto riesgo de 2008. Algunos se interesan por la eficacia de las calificaciones de los organismos. Véase también: Ciencia Actuarial, Deuda, Economía Financiera.
Probabilidad de Impago Soberano: La probabilidad de incumplimiento o impago soberano refleja la vulnerabilidad financiera y las dificultades de financiación o refinanciación soberanas o el impago de las economías de mercado avanzadas y emergentes. Se considera un indicador fundamental de alerta temprana de crisis financieras y de contagio de los mercados financieros mundiales. Así pues, las calificaciones crediticias de los soberanos y las tasas de impago soberano conexas siguen siendo una de las principales preocupaciones de los mercados financieros internacionales y de los encargados de la formulación de políticas económicas. Según la versión actual del Acuerdo de Capital de Basilea 3, se permitirá a las instituciones financieras utilizar las calificaciones crediticias y las correspondientes tasas de impago para determinar la cantidad de capital reglamentario que deben reservar contra sus riesgos crediticios. Esto suscita los crecientes intereses de investigación sobre los determinantes y los co-movimientos de los incumplimientos soberanos. Véase también: Ciencia Actuarial, Deuda, Economía Financiera.
Swaps de Crédito: Este texto se ocupa de los swaps de crédito. Un contrato de permuta de incumplimiento crediticio, o swap de incumplimiento crediticio, es un acuerdo financiero que se utiliza para transferir el riesgo de crédito entre dos partes. Un contrato de permuta de incumplimiento crediticio está vinculado a un instrumento de préstamo, como bonos municipales, deuda corporativa o un valor respaldado por hipotecas. El vendedor del swap de incumplimiento crediticio se compromete a compensar al comprador en caso de impago del préstamo hasta la fecha de vencimiento del contrato de swap de incumplimiento crediticio. A cambio, el comprador realiza pagos regulares de primas al vendedor durante ese tiempo. Véase también: Ciencia Actuarial, Deuda, Economía Financiera.
Riesgo Financiero en Mercados Energéticos: Los productos básicos energéticos están constantemente en el centro de los intereses financieros y geopolíticos mundiales. El efecto multiplicador de los productos básicos energéticos en la producción eléctrica, agrícola e industrial hace que sea necesario protegerse de los riesgos asociados a los precios de la energía. Esto se aplica no solo a los productores y usuarios de energía, sino también a las instituciones financieras y a un amplio espectro de actores de diferentes industrias. Desde la perspectiva de la modelización financiera es difícil tratar los productos básicos energéticos como una única clase de activos, ya que sus especificidades y sus respectivos mercados difieren considerablemente. Las principales diferencias se refieren a la influencia de la geopolítica (más detalles sobre relaciones internacionales y las tensiones geopolíticas en nuestra plataforma), las cuestiones ecológicas, los costos (o costes, como se emplea mayoritariamente en España) de almacenamiento, las cuestiones de seguridad, la distancia espacial entre los lugares de producción y consumo y la dispersión geográfica. Por estas razones, los productos básicos energéticos suelen presentar una mayor volatilidad, colas más gruesas y una mayor asimetría en comparación con los activos financieros clásicos. La cobertura contra las variaciones de los precios de la energía es igualmente importante para los compradores y los vendedores/productores de energía, que protegen sus empresas contra el aumento y/o la disminución de los precios de la energía, como lo es para el sector financiero, en el que los productos básicos sirven como un vehículo de inversión alternativo. Véase también: Ciencia Actuarial, Deuda, Economía Financiera.
Seguro de Riesgo de Crédito: Concepto de Seguro de Riesgo de Crédito en el Entorno Empresarial Global Seguro de riesgo de crédito puede ser definido/a de la siguiente forma: Seguro que cubre el riesgo de impago de los bienes entregados.
Seguro de Crédito a la Exportación: Concepto de Seguro de Crédito a la Exportación en el Entorno Empresarial Global Seguro de crédito a la exportación puede ser definido/a de la siguiente forma: Seguro proporcionado a los exportadores para protegerlos contra los riesgos comerciales y políticos.
Riesgo Financiero: Riesgos Financieros La adquisición de un instrumento financiero, ya sea con un objetivo de inversión, cobertura, especulación, etc. conlleva riesgos financieros que deben ser valorados por los clientes de una entidad financiera antes de su contratación. (Tal vez sea de interés más investigación sobre el concepto). Dentro de un mismo instrumento [...] Véase también: Ciencia Actuarial, Deuda, Gestión del Riesgo Financiero.
Los de arriba son los elementos relacionados con este contenido de la presente plataforma digital de ciencias sociales.
1 comentario en «Medida del Riesgo en Selección de Carteras»
En un estudio llevado a cabo hace algunos años, consideramos un problema de optimización de la cartera con el SRM, en el que la dinámica de los procesos de retorno subyacentes se representa mediante modelos heteroscedáticos autorregresivos y condicionales. La dependencia de la cola de los activos subyacentes se modela mediante una cópula de vid de CD. Se utiliza una linealización del problema de selección de la cartera óptima para calcular las asignaciones óptimas de los activos de forma precisa y rápida. Se realizan estudios de simulación para investigar varios fenómenos económicos interesantes. En primer lugar, se demuestra la precisión del método LP para resolver el problema de la cartera óptima utilizando el caso de dos activos subyacentes. En segundo lugar, revelamos que la cartera óptima tiende a diversificar el riesgo de inversión seleccionando los activos independientes en el mercado bajista.
Foro de la Comunidad: ¿Estás satisfecho con tu experiencia? Por favor, sugiere ideas para ampliar o mejorar el contenido, o cómo ha sido tu experiencia:Cancelar respuesta
En un estudio llevado a cabo hace algunos años, consideramos un problema de optimización de la cartera con el SRM, en el que la dinámica de los procesos de retorno subyacentes se representa mediante modelos heteroscedáticos autorregresivos y condicionales. La dependencia de la cola de los activos subyacentes se modela mediante una cópula de vid de CD. Se utiliza una linealización del problema de selección de la cartera óptima para calcular las asignaciones óptimas de los activos de forma precisa y rápida. Se realizan estudios de simulación para investigar varios fenómenos económicos interesantes. En primer lugar, se demuestra la precisión del método LP para resolver el problema de la cartera óptima utilizando el caso de dos activos subyacentes. En segundo lugar, revelamos que la cartera óptima tiende a diversificar el riesgo de inversión seleccionando los activos independientes en el mercado bajista.