Pregunta básica sobre la teoría de la cartera

Question

¡Estaba revisando mis cosas sobre la teoría de la cartera y me di cuenta de que cada vez, el rendimiento esperado y la correspondiente varianza o covarianza se dan! (sin calcular nosotros mismos). Así que me pregunto si hay una manera de averiguar esos valores estadísticamente. Creo que la previsión mediante el modelo autorregresivo o ARIMA es plausible, sin embargo, parece ser muy difícil y no es útil cuando decidimos elegir una cartera para una inversión a largo plazo.

Se agradecerá mucho si alguien me recomienda un libro de texto relacionado o deja una breve respuesta.

Gracias

Answer 1

Por supuesto, la estimación de los rendimientos esperados es el núcleo de la gestión de carteras. Encontrar una matriz de covarianza útil también. Encontrar ambas cosas llena un libro. Así que primero pensé en cerrar la pregunta. Pero es una oportunidad para discutir los enfoques actuales.

Un enfoque agradable y muy actual en el que la inversión en mementos parece estar muy de moda es el siguiente: Momentum y Markowitz: Una combinación de oro

Aplique también un poco de Black-Litterman procedimiento se aprende mucho sobre este tema.

Los enfoques tipo ARMA para los mercados financieros no parecen ser un enfoque prometedor (véase, por ejemplo, "Lo que se puede prever" en el libro por Athanasopoulos y Hyndman.

Answer 2

1. En teoría (como se hace en los libros de texto de finanzas a nivel de la escuela de negocios), la varianza y la covarianza se calculan sobre el rendimiento histórico de las clases de activos, los rendimientos a futuro son rendimientos calculados por el CAPM.
2. ARIMA. Desde el punto de vista práctico, ARIMA es inútil para predecir los rendimientos a largo plazo (o la gestión de carteras, si lo desea). ¿Por qué? Una respuesta corta es que toda la información de los precios históricos ya está incorporada en el precio actual de un activo (HME). No he visto una prueba teórica de esta afirmación, pero parece ser cierta (lo mismo para usar ARIMA para predecir el corto plazo).
3. Gestión práctica de la cartera. Es necesario tener una predicción "correcta" de los futuros rendimientos de los activos ("mercado", "por debajo del mercado", "por encima del mercado" o "vender", "mantener", "comprar" o, a veces, "comprar por convicción", como dice GS, basándose en sus investigaciones y modelos. DCF, por ejemplo). A continuación, intentas combinar esos activos en carteras de acuerdo con algunos objetivos: rentabilidad absoluta, clases de activos, sectores, etc., optimizando el riesgo/rendimiento sobre la base de tus previsiones y tu historial.

Competir en la predicción de rendimientos es difícil: algunos comparan este negocio con el lanzamiento de dardos (tanto periodistas como analistas muy respetados como Albert Edwards en su "The dangers of DCF"). Poner varios activos juntos para producir una combinación con la menor varianza posible parece ser un poco más fácil. AQR Management, de Cliff Azness, está en este negocio.

Puede leer más sobre la gestión moderna [cuantitativa] de carteras en estos libros:

1. Pfaff, Modelización del riesgo financiero y optimización de carteras con R . Ejemplos con código R.
2. Antti Ilmanen, Rendimientos esperados: Guía del inversor para aprovechar los beneficios del mercado . El libro muestra cómo se incorpora la historia a la gestión de carteras de forma práctica.
3. Richard R. Lindsey (editor), Cómo me convertí en cuentista: La visión de 25 miembros de la élite de Wall Street . Este libro no es un manual de instrucciones sobre la gestión de carteras. Más bien, es una narración de cuánticos exitosos, algunos de los cuales son gestores de carteras. Compré este libro porque me interesaba saber qué hacía Cliff Azness en su empresa.

Espero que esto ayude a responder las preguntas del OP...