Black-Litterman con técnicas difusas: caso índice Coleqty
Black-Litterman With Fuzzy Techniques: Case Index Coleqty
Contenido principal del artículo
Resumen
El proceso de optimización de portafolio busca encontrar el mejor de estos a través de las variables de riesgo y retorno, el modelo clásico de Mar-kowitz ha trabajado dicha selección bajo el portafolio de media-varianza, el cual ha sido constantemente criticado por trabajar bajo datos históricos, no contemplar el estado del mercado, su baja diversificación, entre otros. Buscando generar aportes a este modelo, se destaca el trabajo realizado por Fischer Black y Robert Litterman, quienes combinan la asignación de activos financieros basados en el supuesto de equilibrio y la opinión del inversor con respecto al rendimiento futuro de los activos. Sin embargo, debido a los hechos latentes de incertidumbre, ambigüedad, vaguedad y subjetividad que se presentan durante el proceso de optimización de por-tafolio, se propone el uso de técnicas difusas para su modelación, a fin de abrir nuevos caminos frente al tratamiento de la realidad. Este artículo es resultado del trabajo de grado de la maestría en Finan-zas (Aplicación de técnicas difusas al modelo de selección de portafolio Black-Litterman: Caso Colombia índice Coleqty), el cual propone evaluar los aportes del proceso de optimización de portafolio en el modelo Black- Litterman bajo técnicas difusas en las acciones del índice Coleqty de Co-lombia, operando el resultado del rendimiento y riesgo bajo funciones de pertenencia triangular y trapezoidal, para obtener así diferentes portafolios en cuanto su diversificación, los cuales se comparan con los indicadores de desempeño Sharpe, Treynor y Alfa de Jensen, destacando el portafolio con mejor rendimiento y menor riesgo, es decir, se determinará cuál es el mejor proceso de optimización de portafolio, si el Black-Litterman clásico o el Black-Litterman con técnicas difusas.
Descargas
Detalles del artículo
Referencias (VER)
Barragan Pina, A. J. (2009). Síntesis de sistemas de control borroso estables por diseño memoria (tesis para optar al grado de doctor). Universidad de Huelva.
Bartkowiak, M. y Rutkowska, A. (2017). Black- litterman model with multiple experts? linguistic views. Advances in Intelligent Systems and Computing, 456, 35-43.
Bartkowiak, M. y Rutkowska, A. (2020). Vague expert information/recommendation in portfolio optimization-an empirical study. Axioms, 9(2), 1-12.
Bellman, R. E. y Zadeh, L. A. (1970). Decision Making in A fuzzy environment. Library.
Black, F. y Litterman, R. (1991). Asset allocation: Combining investor view. The Journal of Fixed Income, 1(2), 7-18.
Castiblanco-Ruiz, F. A (2016). La teoría de los subconjuntos borrosos en el proceso presupues-tario de las organizaciones. Bogotá: Editorial Universitaria de la Universidad La Gran Co-lombia.
Echaust, K. y Piasecki, K. (2017). Black-Litterman model with intuitionistic fuzzy posterior return. The IEB International Journal of Finance, 15(1), 8-19.
Fang, Y., Bo, L., Zhao, D. yWang, S. (2017). Fuzzy views on Black-Litterman portfolio selection model. Journal of Systems Science and Complexity, 1-13.
Gharakhani, M. y Sadjadi, S. J. (2013). A fuzzy compromise programming approach for the Black-Litterman portfolio selection model. Decision Science Letters, 2(1), 11-22.
Lawrence, K. D., Pai, D. R., Klimberg, R. K. y Lawrence, S. M. (2009). A fuzzy programming approach to financial portfolio model. In Applications of Management Science (Vol. 13).
Lu, I. C., Tee, K. H. y Li, B. (2019). Asset allocation with multiple analysts? views: A robust approach. Journal of Asset Management, 20(3), 215-228.
Sharpe,W. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance, 19(3), 425-442.
Watada, J. (2001). Fuzzy portfolio model for decision making in investment. In Dynamical As-pects in Fuzzy Decision Making (pp. 141-162).
Zadeh, L. A. (2008). Is there a need for fuzzy logic? Information Sciences, 178(13), 2751-2779.