Supongamos que tengo dos índices de renta variable X e Y. Supongamos que están correlacionados negativamente con cierto apalancamiento. Quiero cubrir X con Y.
He visto muchas formas de calcular una beta para describir la relación
$(X_t)$ y $(Y_t)$ son estrictamente positivos. $t\in\{0,1,..,n\}$ diario,
$D^X_t = X_t - X_{t-1}$ (serie de diferencias)
$R^X_t = \frac{X_t-X_{t-1}}{X_{t-1}}$ (serie de retorno)
Digamos que hoy es t=n, observo todos los valores pasados hasta t=0. El objetivo de mi cobertura diaria es encontrar en el momento n la beta, la cantidad de Y a comprar por cada dólar de X, tal que $E[D^X_{n+1}-\beta_{n+1} D^Y_{n+1} ] =0 $
La Beta del CAPM podría definirse como: $\beta_t=\frac{{cov}(R_t^X,R_t^Y)}{ V[R_t^Y]}$ (que podría estimar de muchas maneras, ignorémoslo aquí a menos que alguien tenga un método mejor que un filtro de Kalman).
Mis preguntas son:
-
podría definir $\beta_t=\bigg (\frac{{cov}(R_t^X,R_t^Y)}{ V[R_t^X]} \bigg )^{-1} $
$\frac{{cov}(R_t^X,R_t^Y)}{ V[R_t^X]}$ tiene más sentido para mí porque hago el mercado de X, pienso en términos de movimiento de X.
-
podría definir $\beta_t = \frac{{cov}(D_t^X,D_t^Y)}{ V[D_t^Y]}$ ? Si lo estimo dinámicamente con un filtro de kalman por ejemplo entiendo que la serie $D$ y, por tanto, esta beta depende en gran medida del nivel de X e Y, mientras que $R$ se reescala.
Podría ampliar mis estudios pero no quiero perder el 90% de la audiencia potencial ni sesgar la respuesta.