Selección de portafolios de inversión mediante el empleo de la matriz de covarianza condicional y la incondicional

Abstract

El presente trabajo tiene como objeto la selección de portafolios de inversión mediante el modelo estándar, mejor conocido como el modelo de Media-Varianza (M-V), contra dos portafolios con matriz de covarianzas condicionales: el primero corresponde al caso del modelo multivariado Exponencial Ponderado de Medias Móviles (EWMA) y el segundo corresponde al modelo de Correlación Condicional Dinámica (DCC), este último emplea el modelo GARCH univariado para cada serie de rendimientos. Los tres casos para 15 acciones que cotizan en la Bolsa Mexicana de Valores (BMV). Para obtener el portafolio óptimo, se emplea el método conocido como programación cuadrática, el cual permite, a diferencia del método de multiplicadores de Lagrange, obtener ponderaciones positivas. Los resultados indican que el empleo de la matriz de covarianza condicional reduce el riesgo del portafolio hasta en un 47.78%, para el caso del modelo Exponencial Ponderado de Medias Móviles y en un 25.45%, para el caso del modelo de Correlación Condicional Dinámica, ambos comparados con el empleo de una matriz de covarianza incondicional. _______________ PORTAFOLIO SELECTION BY USING CONDITIONAL AND UNCONDITIONAL COVARIANCE MATRIX. ABSTRACT: This paper aims at selecting investment portfolios using the standard model, better known as the mean-variance (M-V), against two portfolios with conditional covariance matrix: the first corresponds to the case of multivariate Exponential Weighted Moving Average model (EWMA) and the second is the Dynamic Conditional Correlation model (DCC), the latter uses the univariate GARCH model for each series of returns. The three cases for 15 assets from the Mexican Stock Exchange (BMV). To get the optimal portfolio, we use the method known as quadratic programming, which allows, unlike the method of Lagrange multipliers, to obtain positive weights. The results indicate that the use of the conditional covariance matrix reduce the portfolio risk by up to 47. 78%, in the case of the Exponential Weighted Moving Averages model and 25.45%, in the case of Dynamic Conditional Correlation model, both compared with the use of an unconditional covariance matrix.