Econometra Financiera

Nombre: Mauricio Saldivia C.

Profesor: Werner Kristjanpoller R.

Convex risk measures based on generalized lower deviation and

their applications
Tianwen Fu - Xinkai Zhuang - Yongchang Hui - Jia Liu
International Review of Financial Analysis Vol. 52 (2017) 27-37

Objetivo
El objetivo del paper es proponer y analizar una nueva clase de medidas de riesgo denominada
GLD, basada en capturar el riesgo a la baja con respecto a un benchmark.

Valor Agregado
La medida propuesta permite reflejar el grado de aversion al riesgo y controlar la distribucion de las
perdidas esperadas, por lo que es posible de adaptar para diferentes perfiles inversores. Ademas, esta
medida es sencilla de aplicar a la seleccion optima de un portfolio. En esta misma lnea, se propone
un modelo de portfolio optimo que incorpora elementos del mundo real, basado en la medida de
riesgo propuesta.

Publico de Interes
El estudio es de interes para gerentes y administradores de portfolio, que pueden emplear la medida
de riesgo en la toma de decisiones de inversion.

1
 Econometra Financiera
Nombre: Mauricio Saldivia C.
Profesor: Werner Kristjanpoller R.

Metodologa
El autor propone una nueva clase de medidas de riesgo denominada GLD, que captura el riesgo a
la baja con respecto a un benchmark. La primera parte del estudio analiza las caractersticas de
esta nueva medida de riesgo. La segunda parte plantea el problema de conformacion de portfolio
asociado a esta metrica, incorporando elementos del mundo real y analizando sus posibilidades de
resolucion. Por ultimo, se realiza una simulacion de portfolio comparando la metrica propuesta con
otras alternativas comunes en la literatura. La medida de riesgo propuesta se define como:

GLDs (X) = E[w((X s) )]

En donde s corresponde al benchmark y w(x) es una funcion no negativa y monotonamente

creciente. Dependiendo de la funcion w(x) a utilizar, es posible adecuar la metrica para diferentes
grados de aversion al riesgo. En particular, cuanto mayor sea el grado de aversion, mayor debera
ser la convexidad y la no linealidad de la funcion escogida. Por otra parte, s tambien puede
considerarse como un ndice de aversion al riesgo, pues determina que rango de la distribucion
de retornos representa un riesgo para el inversionista, es decir, que a mayor valor de s el GLD
aumenta, por lo que el inversor percibe un mayor riesgo, describiendo un perfil mas conservador.
Esta nueva medida satisface los axiomas de monotonocidad y de convexidad, dos propiedades muy
importantes para que la metrica pueda ser considerada razonable. La interpretacion economica de
la convexidad es que la diversificacion de las inversiones puede reducir el riesgo, por lo que esta
propiedad proporciona una base teorica que respalda su utilizacion en diversas areas del mercado.
La demostracion de ambos axiomas es realizada de manera algebraica en este paper.

Con respecto al modelo de conformacion de portfolio, se advierte que el inversor busca minimizar el
riesgo de los retornos de su portfolio despues de deducir los impuestos y los costos de transaccion,
por lo que se propone su inclusion en el modelo. Para esto, los costos de transaccion se expresan
de forma proporcional al valor de los activos adquiridos recientemente, mientras que los impuestos
son descontados directamente de los retornos y dividendos percibidos. Tambien, se incorpora una
restriccion presupuestaria para la conformacion del portfolio y la posibilidad de definir lmites
inferiores o superiores para la adquisicion de un determinado activo.

Finalmente, el modelo de programacion es definido como la minimizacion de la medida de riesgo

GLD del portfolio, sujeto a que el retorno esperado se encuentre por sobre cierto nivel rp ,
que representa el retorno mnimo exigido a esta inversion, y al cumplimiento de la restriccion
presupuestaria y los lmites descritos previamente. Debido a la simultanea presencia del operador
de esperanza en la funcion objetivo y en la primera restriccion, no es posible resolver el problema
mediante algoritmos habituales. Sin embargo, dadas las propiedades que presenta GLD, el
problema puede ser reformulado mediante variables auxiliares. Esto permite la resolucion del
modelo a traves de algoritmos convencionales de optimizacion, resultando mas practico y sencillo
de resolver que modelos con medidas de riesgo convexas propuestos por otros autores.

La simulacion de portfolio es realizada sobre una data real diaria de 40 acciones pertenecientes al
mercado chino, para un perodo comprendido entre 2011 y 2013. En el estudio se escoge como
funcion de peso a w(x) = e(x) , con > 0 que representa el grado de aversion al riesgo del
inversionista. Esta funcion satisface los requerimientos descritos previamente. Los resultados del
modelo de optimizacion propuesto son comparados con otro modelo de portfolio optimo basado

2
 Econometra Financiera
Nombre: Mauricio Saldivia C.
Profesor: Werner Kristjanpoller R.

en la popular medida de riesgo perdida esperada o Expected Shortfall (ES). La diversificacion

es analizada por el numero de acciones diferentes includas en el portfolio optimo y el ndice de
concentracion de Herfindahl (H), que en cuanto menor sea, mejor sera la diversificacion del portfolio.
El desempeno de los portfolios es analizado fuera de la muestra en donde se distinguen dos perodos,
OS-5 y OS-10, que corresponden a los siguientes 5 das y 10 das despues la muestra respectivamente.
Ademas, para incorporar diferentes puntos de vista al analizar los portfolios, se calculan diferentes
ratios de desempeno como retorno sobre perdida esperada (R/ES), retorno sobre poder valor en
riesgo condicional (R/PCVaR), ratio de Rachev generalizado (G-Rachev), ratio de Farinelli-Tibiletti
(F-T) y maxima perdida esperada (Maxloss).

Resultados
Al encontrar el portfolio optimo para diferentes valores de s se aprecia que todos tienen el mismo
retorno dentro de la muestra, que corresponde al rp , mientras que al aumentar el s la maxima
perdida esperada disminuye monotonicamente. Ademas, el ndice H muestra que el nivel de
diversificacion decrece al aumentar el s. Estos resultados, junto a las demas metricas respaldan
al parametro s como factor para representar el grado de aversion al riesgo del inversionista. Al
analizar el desempeno de estos portfolios en los perodos OS-5 y OS-10, se observa que los retornos
disminuyen a medida que aumenta el s. En particular, se advierte que no es una buena eleccion un
s muy alto. Dada esta consideracion, para los siguientes analisis se utiliza un s = 0.05.

Al analizar la influencia del parametro , se llega a una conclusion similar a la del parametro s,
en donde al aumentar la maxima perdida esperada disminuye y los retornos empeoran. Por lo
tanto, un mayor describe un perfil de inversion mas conservador. Dada esta consideracion, los
siguientes analisis emplean un = 10. Al comparar el modelo propuesto con el basado en ES,
los resultados dentro de la muestra indican que el portfolio de ES presenta los mismos retornos
que para el portfolio basado en la medida GLD, pero presenta mejores desempenos en algunas
metricas. En particular, el modelo propuesto muestra mayores perdidas esperadas y una peor
relacion R/ES y R/GPCVaR. Sin embargo, al analizar los perodos OS-5 y OS-10 el desempeno
del modelo propuesto supera ampliamente al modelo basado en ES. Esto queda en evidencia, al
presentar mayores retornos y mejores metricas en la mayora de los escenarios.

Finalmente, se analiza el impacto de rp en el desempeno del portfolio. Los resultados dentro

de la muestra, indican que al aumentar rp se consiguen mayores retornos, los que aumentan a
mayor magnitud que el riesgo, por lo que las metricas de desempeno presentan una mejora. Sin
embargo, los resultados fuera de la muestra no son muy satisfactorios, pues al aumentar rp los
retornos conseguidos por estos portfolios decrecen, pero aun as, presentando un mejor desempeno
a comparacion del modelo basado en ES.

Conclusiones
La medida de riesgo propuesta puede ser apropiada para diferentes perfiles de inversion, ya que
puede adaptarse a distintos grados de aversion al riesgo. Esta metrica se presenta como alternativa
robusta de sencilla aplicacion, que considera la asimetra y las colas pesadas de las distribuciones
de retornos. En consecuencia, la nueva medida de riesgo propuesta es adecuado para las decisiones
de inversion en la gestion financiera.

3
 Econometra Financiera
Nombre: Mauricio Saldivia C.
Profesor: Werner Kristjanpoller R.

Robust technical trading strategies using GP for algorithmic

portfolio selection
Jose Manuel Berutich - Francisco Lopez - Francisco Luna - David Quintana
Experts Systems With Applications Vol. 46 (2015) 307-315

Objetivo
El objetivo de este paper es proponer y analizar una metodologa basada en la programacion genetica
(GP) para desarrollar reglas de inversion, que permita automatizar las decisiones de compra y venta
de acciones en la administracion de un portfolio, logrando rendimientos solidos.

Valor Agregado
La metodologa propuesta permite encontrar estrategias de inversion activas que logran un
rendimiento similar dentro y fuera de la muestra, y que son capaces de resistir los cambios bruscos
del mercado y los perodos de extrema volatilidad. Ademas, incorpora ciertos elementos del mundo
real al problema de conformacion de portfolio como costos de transaccion y capital limitado.

El algoritmo de programacion genetica (GP) propone reglas de inversion, a partir de un conjunto

de indicadores tecnicos utilizados ampliamente en el trading y en la literatura. De este modo, el
algoritmo es capaz de encontrar relaciones que no son facilmente identificables para un analista,
ademas de otorgar objetividad en la toma de decisiones.

Publico de Interes
El paper es de interes para gerentes y administradores de portfolio, que pueden emplear metodologas
similares para apoyar las decisiones de inversion. Sin embargo, se debe tener presente que el enfoque
de este estudio corresponde a una administracion activa de un portfolio.

4
 Econometra Financiera
Nombre: Mauricio Saldivia C.
Profesor: Werner Kristjanpoller R.

Metodologa
La investigacion propone el uso de algoritmos de programacion genetica (GP) para automatizar
las decisiones de compra y venta de acciones. Esta extension del algoritmo genetico fue propuesta
por Koza (1992), en donde los individuos corresponden a expresiones matematicas ejecutables,
representadas computacionalmente por arboles sintacticos. Los individuos estan compuestos
por nodos funcionales y nodos terminales. Los nodos funcionales corresponden a operaciones
aritmeticas, booleanas o cualquier funcion definida por el usuario, que se utilizan para formar
las expresiones. Los nodos terminales corresponden a las variables de entrada y parametros del
problema. Los individuos son evaluados a traves de la funcion de aptitud (fitness).

El problema es abordado desde una perspectiva de variables binarias, en donde diariamente el

algoritmo de programacion genetica determina reglas de inversion, entregando senales booleanas.
Las acciones clasificadas como True se compran (o se mantienen si ya estan en el portfolio),
mientras que las clasificadas como False se venden si pertenecen al portfolio. En el perodo de
evaluacion inicial, el portfolio comienza con W0 en efectivo. Para los siguientes perodos, el valor
del portfolio es de Wt y se calcula diariamente valorando las acciones al precio de cierre mas el
saldo en efectivo. Para cada compra se asigna un monto arbitrario de 10.000 EUR. Los costos de
transaccion son includos en los calculos con un 0,3%.

En el estudio se senala que el ratio de Sharpe presenta deficiencias como metrica de desempeno,
apuntando a que no fue disenado para evaluar retornos negativos, distorsionando los resultados.
Por lo tanto, se propone como funcion de aptitud (fitness) el ratio de Sterling, que utiliza como
medida de riesgo el maximo drawdown, que hace referencia a la mayor cada del precio durante
el perodo de evaluacion. Yan y Clack (2010) proponen una metrica similar, pero que incluye la
desviacion estandar en el divisor, por lo que tambien se estudian los efectos de este ajuste de
volatilidad y se comparan los resultados con el ratio propuesto. Por otra parte, el retorno total que se
hace referencia en el estudio, se calcula como la variacion entre el valor final y el inicial del portfolio.

Para asegurar la robustez de las reglas de inversion propuestas por el algoritmo, se expone a los
individuos a 100 situaciones de mercado aleatorias muestreadas del conjunto de datos, con una
longitud establecida de 255 das. Este metodo de entrenamiento, marca una importante diferencia
con estudios previos, que dividen el conjunto de datos de forma arbitraria. Por lo tanto, los
resultados del estudio son comparados con una alternativa que no aplique esta consideracion.

Para realizar las simulaciones se utiliza un conjunto de datos diarios que comprenden los precios
de apertura, cierre, mas alto, mas bajo y volumen de transaccion de las 21 principales acciones
espanolas, de un perodo de 14 anos comprendido entre 2000 y 2013. El perodo dentro de la
muestra inicial comprende entre 2000 y 2008, mientras que para evaluar el rendimiento de las
estrategias fuera de la muestra se utiliza el perodo entre 2009 y 2013. Por lo anterior, se emplea
como benchmark el ndice IBEX 35, representativo del mercado bursatil espanol. A partir del
conjunto de datos, se calculan diariamente 264 indicadores tecnicos para cada accion, que incluyen
los retornos, medias moviles, suavizamientos exponenciales, bandas de bollinger, volatilidad, los
coeficientes alpha y beta del CAPM y el ratio de Sharpe, en diferentes horizontes de tiempo.
Estos indicadores, de amplio uso en el trading, constituyen los nodos terminales del algoritmo de
programacion genetica.

5
 Econometra Financiera
Nombre: Mauricio Saldivia C.
Profesor: Werner Kristjanpoller R.

La configuracion utilizada para el algoritmo de programacion genetica (GP) se determina a partir de

pruebas preliminares y es mantenida constante para todo el estudio. Los algoritmos y la simulacion
de las estrategias de inversion son implementados en Python 2.7.3. Para el estudio se realizan 30
corridas independientes del algoritmo y se mide la robustez de los resultados mediante la contraccion,
que se calcula como el cambio porcentual entre los rendimientos dentro y fuera de la muestra.
Finalmente los resultadas son testeados mediante la prueba de los rangos con signo de Wilcoxon al
nivel de significancia del 5%, que tiene como ventaja evitar el supuesto de distribuciones normales.

Resultados
Para comparar los resultados, se emplea las siglas RSFGP para denotar a la metodologa propuesta
en este estudio, VAFGP para la metodologa con el ajuste de volatilidad y SGP para la metodologa
sin el muestreo aleatorio indicado anteriormente.

Los resultados muestran que SGP alcanza un ratio de Sterling muy alto durante el entrenamiento,
con un valor medio de 6.84, pero muy bajo fuera de la muestra con un valor medio de 0.27. En
particular, solo 7 de 30 corridas mostraron resultados aceptables fuera de la muestra. Ademas,
muestra los peores retornos medios en comparacion a las demas metodologas. Por otra parte, esta
metodologa presenta como ventaja menores costos computacionales.

La metodologa propuesta (RSFGP) alcanza los mejores desempenos fuera de la muestra en

todas las metricas, con un ratio de Sterling de 0.612 y un retorno total de 31.81%, superando
sustancialmente al ndice IBEX 35 que en este perodo alcanzo apenas un 2.67%. Ademas,
proporciona la menor contraccion con un -28.84% para el ratio de Sterling. Por lo anterior, RSFGP
se muestra como una metodologa capaz de generar estrategias robustas.

Al comparar los resultados con VAFGP, se evidencia que RSFGP logra retornos mayores con una
volatilidad similar. En particular, esta metodologa entrego resultados muy malos para una de las
corridas y presenta una mayor dispersion de retornos entre las corridas a comparacion de RSFGP,
aludiende a que el termino includo en el divisor de la medida de riesgo distorsiona los resultados.
Finalmente, los resultados de la prueba de los rangos con signo de Wilcoxon, realizados con los
resultados fuera de la muestra, indican que los rendimientos entre SGP, VAFGP y RSFGP son
diferentes para un nivel de 5% de significancia.

Conclusiones
El estudio presenta una metodologa basada en GP que logra solidos rendimientos dentro y fuera
de la muestra, con un metodo de entrenamiento de muestreo aleatorio (RSFGP). Los resultados
muestran un rendimiento superior al 30% para el perodo de prueba entre 2009 y 2013, que abarca
el perodo de la crisis economica espanola que deterioro el mercado al nivel de la crisis del 2008.
Una de las ventajas que presenta RSFGP, es que puede ser aplicado para la gestion de portfolio, sin
la necesidad de ayuda de expertos, adaptandose rapidamente a la nueva informacion y soportando
los cambios bruscos del mercado. Sin embargo, los costos computacionales son elevados. Una de
las principales limitaciones del estudio es el reducido conjunto de datos utilizado, debido a que solo
estas 21 acciones del mercado espanol posean la totalidad de la informacion requerida.

6
 Econometra Financiera
Nombre: Mauricio Saldivia C.
Profesor: Werner Kristjanpoller R.

Bitcoin, gold and the dollar - A GARCH volatility analysis

Anne Haubo Dyhrberg
Finance Research Letters Vol. 16 (2016) 85-92

Objetivo
El objetivo de este paper es analizar el comportamiento de los retornos del bitcoin en comparacion
al oro y al tipo de cambio dolar-euro, a traves de modelos GARCH.

Valor Agregado
El estudio senala las ventajas que evidencia el bitcoin al presentar similitudes que lo situan entre
el oro y el dolar, como un activo de clasificacion incierta con caractersticas entre las divisas y los
commodities. La metodologa utilizada tiene como base un estudio previo aplicado al oro, lo que
facilita las comparaciones entre los activos. En particular, el autor resalta del bitcoin las capacidades
de cobertura para el dolar y el mercado de valores britanico, ademas de constituir una alternativa
interesante en las estrategias de inversores adversos al riesgo, para anticipar las shocks negativos
del mercado.

Publico de Interes
El paper es de interes para gerentes y administradores de riesgo, que pueden incluir el bitcoin en
sus estrategias de cobertura. Tambien, el estudio puede interesar a administradores de fondos, que
pueden incluir el bitcoin en sus analisis de mercado, especialmente para los inversores o fondos mas
adversos al riesgo.

7
 Econometra Financiera
Nombre: Mauricio Saldivia C.
Profesor: Werner Kristjanpoller R.

Metodologa
En esta investigacion se aplican 2 modelos GARCH con variables explicativas. Estas variables
corresponden a los retornos del oro (Gold Cash) y de los futuros del oro (Gold Future), las
variaciones del tipo de cambio dolar-euro y dolar-libra, las variaciones del FTSE 100, ndice
representativo del mercado britanico, y la tasa de interes de los fondos federales de Nueva York.

En primer lugar, se realiza un analisis estadstico a la serie de precios del bitcoin, del que se
desprende que, al igual que otros activos financieros, el bitcoin es sensible a los shocks y presenta
una tendencia positiva. A partir de la prueba DF-GLS se encuentra la presencia de raiz unitaria,
por lo que la serie en su nivel no es estacionaria. Por lo anterior, la variable a modelar corresponde
a la rentabilidad logartmica del bitcoin. Ademas, la serie de retornos evidencia cumulos de alta
y baja volatilidad, por lo que resulta adecuado aplicar modelos GARCH, lo cual es confirmado
a traves de los multiplicadores Lagrange de Engel que evidencian un fuerte efecto ARCH en los
residuales de los retornos.

El primer modelo corresponde a un GARCH(1,1) con una especificacion para la media de un

modelo AR(2). Las variables explicativas son includas en su primer rezago como una combinacion
lineal en la ecuacion de la media, mientras que en la ecuacion de la varianza se presentan como
parte de una funcion exponencial, cuyo exponente corresponde a la combinacion lineal de las
variables explicativas en su primer rezago.

El segundo modelo corresponde a un EGARCH(1,1) con una especificacion para la media de un

modelo AR(1). Las variables explicativas son includas en la ecuacion de la media de igual forma
que en el primer modelo, mientras que en la ecuacion de la varianza son includas en su primer
rezago como una combinacion lineal.

Resultados
La ecuacion de la varianza del primer modelo muestra una baja convergencia al equilibrio a largo
plazo, cumulos de volatilidad y una persistencia a la alta volatilidad, similar al oro. Los efectos
de la volatilidad pasada claramente dominan los efectos de shocks pasados, es decir, los retornos
del bitcoin se ven mas afectados por la demanda del activo, como medio de intercambio, que por
los shocks a corto plazo que caracterizan a las divisas. Hammoudeh y Yuan (2008) encontraron
resultados similares para el oro, identificando que se vea afectado mayormente por la demanda
de joyera que por los shocks a corto plazo. Por lo tanto, se advierte que el bitcoin y el oro
presentaran similitudes respecto a la volatilidad de sus retornos.

Con respecto a la ecuacion de la media del primer modelo, el coeficiente de la tasa de los fondos
federales sugiere que cuando esta tasa aumenta y el dolar se aprecia, las importancias suben, por lo
tanto, es probable que el comercio electronico tambien aumente. Como el bitcoin es particularmente
util para este tipo de comercio, la demanda por el activo subira, junto a sus retornos. Entonces,
este resultado destaca las ventajas del bitcoin como medio de intercambio, con similitudes a las
divisas.

8
 Econometra Financiera
Nombre: Mauricio Saldivia C.
Profesor: Werner Kristjanpoller R.

Por otra parte, los retornos del bitcoin se muestran mas sensibles al tipo de cambio dolar-libra,
que al dolar-euro, por lo que hay factores regionales involucrados para describir la relacion con la
valorizacion del dolar. Este aspecto evidencia similitudes con el oro, por lo que el bitcoin podra
tambien ser util para la cobertura contra el dolar.

El coeficiente del FTSE 100 en la ecuacion de la media del primer modelo sugiere que un shock
positivo en la bolsa de valores podra llevar a que inversores, en busca de mayor riesgo, inviertan
en activos como el bitcoin. La ecuacion de la varianza muestra que un shock de volatilidad en el
tipo de cambio dolar-libra, provoca una disminucion en la volatilidad de los retornos del bitcoin,
por lo que podra considerarse un activo seguro en dicha situacion. Por lo tanto, el bitcoin tambien
presenta capacidades de cobertura frente a la Bolsa de Londres.

El segundo modelo explora los efectos de la direccion del error sobre la volatilidad del bitcoin.
Con respecto a sus coeficientes, el predominio del coeficiente gamma muestra que no hay impacto
asimetrico en la volatilidad de los retornos del bitcoin, resultado similar al del oro (Hammoudeh
y Yuan, 2008). Ademas, los demas coeficientes no presentan mucha variacion respecto al primer
modelo, por lo que hay consistencia en los resultados. Tambien, se advierte que como los choques
positivos o negativos no afectan asimetricamente a los rendimientos del bitcoin, se podra utilizar
para cubrir los riesgos del mercado que s afectan a otros activos asimetricamente. Por ultimo, se
destaca que como no hay efecto apalancamiento, el bitcoin es una buena alternativa para anticipar
las shocks negativos del mercado, por lo que puede ser includo en las estrategias de inversores
adversos al riesgo.

Conclusiones
El analisis muestra que el bitcoin posee muchas similitudes con el oro y el dolar. Los resultados
indican que los rendimientos del rendimientos del bitcoin actuan de manera similar a una divisa
debido a su sensibilidad a la tasa de fondos federales y a sus caractersticas como medio de
intercambio en el comercio electronico. Sin embargo, como el bitcoin en gran medida no se
encuentra regulado nunca se comportara exactamente como las divisas de hoy en da. Por otra
parte, dentro de las similitudes con el oro, se destaca su respuesta a los tipos de cambio y su
persistente alta volatilidad, por lo que el bitcoin y el oro poseen similares capacidades de cobertura.

Con esto, es posible concluir que el bitcoin se encuentra en un lugar entre las divisas y los
commodities, debido a su naturaleza descentralizada y tamano de mercado limitado. Sin embargo,
esto no indica que sea menos util que los demas activos. Por el contrario, esta clasificacion sugiere
la inclusion del bitcoin como instrumento de cobertura y como alternativa para anticipar los shocks
negativos en las estrategias de inversores adversos al riesgo.

La posicion que asume en el mercado el bitcoin, entre el dolar y el oro, le permite combinar algunas
de las ventajas de los commodities y de las divisas, y por lo tanto, ser una herramienta util para la
gestion de cartera, el analisis de riesgo y el analisis del sentimiento de mercado.