Loading [MathJax]/jax/element/mml/optable/BasicLatin.js

2 votos

relación entre el coeficiente de averson de riesgo y el ratio máximo de Sharp en el contexto de Black-Litterman

El modelo BL calcula los rendimientos implícitos basándose en la optimización inversa, cuyo objetivo es:

Uinvestors risk utilityΔ=wTMΠδ2wTMΣwM

Una mención aquí podemos calcular el parámetro de aversión al riesgo multiplicando ambos lados de Π=δ×Σ×wM con wTM , para dar salida a la siguiente relación:

δ=Sharp RatiowTMΣwM

Como sabemos

Sharp Ratio=ΠwTMΣwM=μMrfσM

Sin embargo, no sé cómo podemos llegar desde wTMΠ=δwTMΣwM a la relación anterior.


Referencia: https://www.mathworks.com/help/finance/black-litterman-portfolio-optimization.html

enter image description here

2voto

xrost Puntos 129

Resolverlo algebraicamente:

Como se ve en la referencia proporcionada anteriormente ( justo encima de " 1) " ), la formulación general para el esquema de optimización de la cartera de Markowitz sin restricciones, viene dada por:

argmax En ausencia de cualquier restricción, el esquema de optimización anterior tiene la solución de forma cerrada:

w = \frac{1}{\delta} \Sigma^{-1}\mu .

Ahora, resolviendo el exceso de rendimiento esperado \mu y vemos algo reconocible, \mu = \delta \Sigma w . En esencia, si las ponderaciones son iguales a las del mercado, w=w_m entonces el exceso de rentabilidad de equilibrio implícito es igual al exceso de rentabilidad esperado, \Pi = \mu ( _esto también está escrito aquí en la página 5_ ).


Las derivaciones:

Ahora, dejemos que \Pi = \delta \Sigma w_m sea el implícito exceso de de equilibrio, multiplicando ambos lados por w^T_m nos encontramos con que:

\begin{equation} w^T_m \Pi = \delta w^T_m\Sigma w_m \qquad \iff \qquad \delta = \frac{w^T_m \Pi}{ w^T_m\Sigma w_m} \end{equation}

Como estamos trabajando con las ponderaciones del mercado, implica que \Pi = \mu y así podemos hacer los siguientes cálculos algebraicos:

\begin{align*} \delta &= \frac{w^T_m \Pi}{ w^T_m\Sigma w_m} \\ &= \frac{w^T_m \mu}{ w^T_m\Sigma w_m}\\ &= \frac{\frac{w^T_m \mu}{\sqrt{w^T_m\Sigma w_m}}}{ \sqrt{w^T_m\Sigma w_m}}\\ &=\frac{\text{Sharpe}}{\sigma_m}, \end{align*}

que es la misma expresión que aparece en su referencia. Espero que esto proporcione alguna ayuda .

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X