El modelo de carteras de Markowitz, también llamado » Teoría moderna de carteras» es un método que busca determinar la mejor combinación entre activos para que nuestro portafolio de inversión sea óptimo,teniendo en cuenta la rentabilidad esperada y el riesgo asociado a cada activo y en su conjunto.
 
Dentro de ésta teoría hay muchos tipos de carteras que podemos crear,así como usar diferentes técnicas para medir el riesgo. En el siguiente vídeo hago un ejemplos de una cartera base de Media-Varianza,utilizando 6 pares de divisas.

Codigo R

 

# Portfolios de Markowitz

# ** #media- varianzas/Var/Cvar

## porfolio analytics

#install.packages(«portfolio»)
library(portfolio)

library(quadprog)

args(solve.QP)

## mínimizar matriz de varianzas – covarianzas

#Dmat matrix appearing in the quadratic function to be minimized
#dvec vector appearing in the quadratic function to be minimized
#Amat matrix defining the constraints
#bvec vector holding the values of $b_0$ (defaults to zero).
#meq the first meq constraints are treated as equality constraints,
#all further as inequality constraints (defaults to

#install.packages(«quantmod»)

library(quantmod)

#getFX(«EUR/USD»)

library(«tseries»)

library(«fImport»)
library(«urca»)
library(«vars»)

getSymbols(«CADCHF=X»,src=»yahoo»,from = «2017-02-18»)
getSymbols(«AUDNZD=X»,src=»yahoo»,from = «2017-02-18»)
getSymbols(«AUDUSD=X»,src=»yahoo»,from = «2017-02-18»)
getSymbols(«EURCHF=X»,src=»yahoo»,from = «2017-02-18»)
getSymbols(«EURGBP=X»,src=»yahoo»,from = «2017-02-18»)
getSymbols(«EURCAD=X»,src=»yahoo»,from = «2017-02-18»)

getSymbols(«CADCHF=X»,src=»yahoo»,from = «2019-01-01»)
getSymbols(«AUDNZD=X»,src=»yahoo»,from = «2019-01-01»)
getSymbols(«AUDUSD=X»,src=»yahoo»,from = «2019-01-01»)
getSymbols(«EURCHF=X»,src=»yahoo»,from = «2019-01-01»)
getSymbols(«EURGBP=X»,src=»yahoo»,from = «2019-01-01»)
getSymbols(«EURCAD=X»,src=»yahoo»,from = «2019-01-01»)

CADCHF= `CADCHF=X`[,4] # precios diarios de cierre
AUDNZD= `AUDNZD=X`[,4]
AUDUSD= `AUDUSD=X`[,4]
EURCHF= `EURCHF=X`[,4]
EURGBP= `EURGBP=X`[,4]
EURCAD= `EURCAD=X`[,4]

#### tabla

forex_mark <-na.omit(cbind(CADCHF,AUDNZD,AUDUSD,EURCHF,EURGBP,EURCAD))

plot(forex_mark)

#Calculamos los retornos y x 100 para calcularlos en %

forex_mark_ret=na.omit(returns(forex_mark))
forex_mark_ret = 100 * forex_mark_ret

Forex_ret<-as.timeSeries(forex_mark_ret)

names(Forex_ret)<- cbind(«CADCHF»,»AUDNZD»,»AUDUSD»,»EURCHF»,»EURGBP»,»EURCAD»)

plot(Forex_ret)

apply(Forex_ret,2,mean) #♠ media diaria

#mu<-matrix(apply(Forex_ret,2,mean))
#mean(mu)

#head(FX)

portfolio <- function(assetReturns, targetReturn)
{
# Arguments:
# assetReturns – multivariate data set of asset returns
# target Return – the portfolios target return
# 1 Create Portfolio Settings:
nAssets = ncol(assetReturns)
Dmat = cov(assetReturns)
dvec = rep(0, times=nAssets)
Amat = t(rbind(
Return=colMeans(assetReturns),
Budget=rep(1, nAssets),
LongOnly=diag(nAssets)))
bvec = c(
Return=targetReturn,
budget=1,
LongOnly=rep(0, times=nAssets))
meq = 2
# 2 Optimize Weights:
portfolio = solve.QP(Dmat, dvec, Amat, bvec, meq)
weights = round(portfolio$solution, digits = 4)
names(weights) = colnames(assetReturns)
# Return Value:
list(
weights = 100*weights,
risk = portfolio$value,
return = targetReturn)
}

#library(fBasics)

assetReturns <- Forex_ret[, 1:6]
names(assetReturns)

targetReturn <- mean(colMeans(assetReturns))
targetReturn # media diaria todo el portfolio

#install.packages(«portfolio»)
#library(portfolio)

portfolio <- portfolio(assetReturns, targetReturn)

portfolio

weights = portfolio$weights
names(weights) = colnames(Forex_ret)
weights

sum(weights)

# c(weightedReturn = round((weights %*% colMeans(assetReturns))[[1]],
#3), targetReturn = round(100 * targetReturn, 3))

args(pie)

Weights = weights[weights > 0]
pie(Weights, labels = names(Weights))
title(main = «Cartera Forex 2020»)

Por Victor A.Rico

Diplomado en Ciencias Empresariales y Operador del Mercado Español de Futuros y Opciones

2 comentarios en «Teoría de Carteras de Markowitz en R : Media – Varianza»
  1. Hola amigo,
    Me sale este error, a qué crees que se deba:

    Error in solve.QP(Dmat, dvec, Amat, bvec, meq) :
    matrix D in quadratic function is not positive definite!

    1. tengo que revisar el código, pero imagino que será porque la matriz D con concuerda con las restriciones. Ahi es que solo sale el error

Deja una respuesta

Tu dirección de correo electrónico no será publicada.