Black-Litterman con técnicas difusas: caso índice Coleqty

Main Article Content

Autores

Yuly Andrea Franco
https://orcid.org/0000-0003-2938-9331

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.

Palabras clave:

Article Details

Licencia

Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.

Referencias

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.

Descargas

La descarga de datos todavía no está disponible.