Digamos que ejecuto dos estrategias y obtengo sus pesos en cada rebalanceo y curvas de equidad. Me gustaría combinar estos sistemas para obtener el rendimiento si tuviera que operar con ellos simultáneamente desde un nivel de cartera.
La primera forma de hacerlo sería simplemente tomar las curvas de renta variable de las respectivas estrategias y tratarlas como flujos de rendimiento de las clases de activos y asignar las ponderaciones en el reequilibrio deseado. Para obtener el rendimiento, simplemente hago w'R, donde w = pesos en cada reequilibrio y R son los rendimientos de las estrategias. Si quisiera calcular la volatilidad de la cartera teniendo en cuenta las ponderaciones w, simplemente emplearía p.risk = w'E w.
La segunda forma de hacerlo, es calcular primero la obtención de los pesos deseados para cada estrategia. A partir de ahí puedo profundizar y obtener las ponderaciones de las clases de activos para cada estrategia. (Pero el problema aquí es que cuando obtengo la exposición agregada para cada clase de activos y calculo la volatilidad a nivel de cartera (usando w'Ew (de las clases de activos)), obtengo un número que es menor que la primera forma de hacerlo. ¿A qué se debe esto? ¿Deberían ambos métodos ser iguales, en igualdad de condiciones?
ejemplo de segunda vía
Cada estrategia negocia el Activo1 y el Activo2
en el primer reequilibrio:
Estrategia 1 asignada 30%
Estrategia 2 asignada 70%
Dentro de cada estrategia:
La estrategia 1 asigna el 10% al activo 1 y el 90% al activo 2
La estrategia 2 asigna el 60% al activo 1 y el 40% al activo 2
Para obtener una exposición de activos a nivel de cartera simplemente:
Strategy1: x= asset 1 (30%*10%), asset2 (30% * 90%) = 3% , 27%
Strategy2: y= asset 1 (70%*60%), asset2 (70% * 40%) = 42%, 28%
Aggregate Asset 1 exposure = 3% + 42% = 45%
Aggregate Asset 2 exposure = 27% + 28% = 55%
for a total of 100%
Así que dado el activo1 = 45% de peso y el activo2 de 55% de peso, puedo obtener simplemente el riesgo de la cartera por w'Ew donde E = covarianza entre los dos activos.