2 votos

Metodología estadística para demostrar la estabilidad en el tiempo de las ponderaciones de la asignación de activos

Estoy comparando el conjunto de ponderaciones obtenidas por el proceso de asignación clásico de Markowitz con las de otra técnica de asignación de activos que he ideado.

Las ponderaciones de Markowitz son inestables, ya que el algoritmo conduce a carteras concentradas en las que la riqueza se asigna a pocos valores. Además, esto cambia con el tiempo, lo que lleva a un reequilibrio extremo.

Una forma de demostrarlo es simplemente trazando la serie temporal de ponderaciones de cada valor. Por otra parte, me preguntaba si existe una metodología estadística que pueda utilizarse para demostrar el grado de estabilidad temporal de las ponderaciones.

Muchas gracias.

3voto

xrost Puntos 129

Ejemplos de medidas estadísticas para comparar el reequilibrio extremo:

A continuación, he proporcionado algunos ejemplos de medidas estadísticas, que compara el reequilibrio extremo de diferentes carteras. No muestran cómo se asigna la concentración, sólo si la asignación es extrema. Muchas de las medidas pueden encontrarse en la sección de carteras empíricas de Patton et al. (2018) donde comparan diferentes previsiones de covarianza bajo una configuración de cartera. Sin embargo, las medidas siguen siendo aplicables bajo diferentes configuraciones de cartera, incorporando las mismas previsiones de covarianza.


Tasas de rotación de la cartera:

Dejemos que $w_t = \left[w_{1t},\ldots,w_{dt}\right]$ ser un $d$ -vector dimensional de pesos en el tiempo $t$ , que se encuentra en uno de sus esquemas de asignación de carteras. Luego, acudiendo al documento de DeMiguel et al. (2014) Una de las características importantes de los esquemas de asignación de activos estables es que producen una menor rotación de la cartera. A partir del documento, podemos definir el índice de rotación de la cartera como:

\begin {Ecuación} TO_t = \sum_ {i=1}^{d} \bigg\vert w^{i}_{t+1} - w^{i}_{t} \frac {1+r_t^{i}}{1+w_t^ \intercal r_t} \bigg\vert , \end {Ecuación}

donde $w_t^{i}$ y $r_t^i$ corresponde respectivamente a la asignación en $i$ y los rendimientos logarítmicos del activo $i$ .

En esencia, al final de la jornada comercial $t$ el inversor reequilibra su cartera utilizando la matriz de covarianza ex-post para calcular las ponderaciones $w_{t+1}^i$ para el día siguiente. En el momento anterior a la aplicación de las nuevas ponderaciones, el valor nocional de la cartera de cada activo ha cambiado el valor del activo $i$ a $w_t^i (1+r_t^{i})$ y el correspondiente peso realizado de las acciones $i$ se convierte en $ w_t^i \frac{(1+r_t^{i})}{1+w_t^\mathsf{T} r_t}$ . La rotación produce un valor decimal, que puede interpretarse como la fracción de la cartera que se ha comprado o vendido en el momento $t$ .

Bajo el supuesto de que está utilizando la misma matriz de covarianza para todas sus carteras, entonces la menor rotación de la cartera implica un reequilibrio menos extremo desde el día $t$ a $t+1$ .


Concentración de la cartera:

Otra forma de comparar el esquema de asignación de carteras es el uso de un enfoque del Índice Hirschman-Herfindahl (HHI) corregido . Definimos la concentración de una cartera como la medida de la desigualdad relativa a la asignación de pesos de la riqueza disponible entre los valores disponibles. Definimos el índice HHI como la suma de los pesos al cuadrado

\begin {equation} HHI_t = \sum_ {i=1}^{d} \left (w_t^i \right )^2, \end {Ecuación}

entonces, $HHI_t \in [\frac{1}{d}, 1]$ en virtud del principio de "plena inversión".

La intuición de la concentración simple de la cartera proviene del hecho de que una cartera igualmente ponderada tendría la menor concentración posible. Además, si el gestor de la cartera decide invertir todo su patrimonio en un solo activo, esa sería la máxima concentración. Podemos acotar la concentración de la cartera de 0 a 1 corrigiendo el estimador HHI anterior:

\begin {Ecuación} cHHI_t = 1 - \frac {1-HHI_t}{1-} \frac {1}{d}}. \end {Ecuación}

Ahora, el $cHHI_t \in [0,1]$ . La notación se desprende de Chammas (2017) (ver pp. 71 - 76) que también dan ejemplos de otras medidas de concentración de carteras. En Patton et al. (2018) utilizan una medida alternativa de la concentración de la cartera, que utiliza la norma euclidiana para medir la distancia entre las ponderaciones.


Posiciones cortas de la cartera:

Lo ideal sería medir el total de las posiciones cortas de la cartera, ya que es probable que un número menor de posiciones cortas y menos extremas faciliten la aplicación práctica de las carteras, y ayuden además a mitigar las mayores comisiones de transacción (relacionadas con las posiciones cortas). Una forma de hacerlo, puede formularse como:

\begin {Ecuación} SP_t = \sum_ {i=1}^d w_t^{i} 1_{{w_t^{i}}: < \: 0\}}. \end {Ecuación}

Aunque esto no le dice directamente nada sobre el reequilibrio extremo de sus carteras, sigue siendo es bueno saberlo .


Ninguna de las medidas anteriores muestra cómo se concentra realmente su cartera . Si tiene un gran espacio de activos, una idea sería agruparlos en sectores y luego mostrar cómo pueden cambiar las ponderaciones de un sector a otro mediante un gráfico de series temporales. En este caso, también se podría examinar un sector concreto y trazar la serie temporal de las ponderaciones, para mostrar los cambios que se producen en él.

No obstante, espero que esto le sirva de ayuda.

2voto

steveo'america Puntos 340

Dejar que la cartera de Markowitz durante el período $i$ sea $\hat{w}_i = \hat{\Sigma}_i^{-1} \hat{\mu}_i$ Las distribuciones de estos son asintóticamente normales alrededor del valor de la población: $$ \hat{w}_i \sim \mathcal{N}\left(w_i, \Omega_i\right), $$ donde $w_i$ es el valor de la población y $\Omega_i$ es la covarianza de la cartera de Markowitz de la muestra. Si el subyacente no ha cambiado, todos los $w_i$ son iguales a algún valor. Entonces tenemos $$ \hat{w}_i - \hat{w}_j \sim \mathcal{N}\left(0, \Omega_i + \Omega_j\right). $$ Se puede estimar el $\Omega$ para calcular $$ d^2 = \left(\hat{w}_i - \hat{w}_j\right)^{\top}\left(\hat{\Omega}_i + \hat{\Omega}_j\right)^{-1} \left(\hat{w}_i - \hat{w}_j\right). $$ Esto será aproximadamente $\chi^2$ con $k$ grados de libertad para $k$ activos.

Puede estimar el $\Omega_i$ asumiendo rendimientos normales, o utilizar el método delta como se indica aquí y aplicado en el MarkowitzR Paquete R.

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