Fundamentos teóricos del modelo de media-varianza

El modelo de media-varianza, desarrollado por Harry Markowitz en 1952, constituye la piedra angular de la teoría financiera moderna. Este marco teórico proporciona las herramientas esenciales para comprender cómo los inversores deben distribuir sus activos con el objetivo de optimizar las rentabilidades esperadas mientras se minimiza el riesgo. En su esencia, el modelo equilibra dos objetivos opuestos: la maximización del rendimiento esperado y la minimización de la varianza, que representa la incertidumbre o volatilidad de las futuras rentabilidades de una inversión. Esta base teórica sienta las cimientos de las prácticas de gestión de carteras, la evaluación de riesgos y las estrategias de asignación de activos. La elegancia de este modelo radica en su capacidad para cuantificar el compromiso entre riesgo y retorno, ofreciendo una lente matemática a través de la cual los inversores pueden evaluar carteras óptimas. Sin embargo, su aplicabilidad práctica se ve limitada por supuestos como la homogeneidad del riesgo y la eficiencia del mercado, lo que restringe su utilidad en escenarios del mundo real. A continuación, exploraremos los fundamentos teóricos de este modelo, centrándonos en sus componentes clave, su marco matemático y sus implicaciones para la toma de decisiones financieras.

La concepción de la media

En el contexto del modelo de media-varianza, la media se refiere a la rentabilidad esperada de un activo o de una cartera completa. Es una medida estadística que representa el rendimiento promedio que un inversor puede anticipar a lo largo de un periodo prolongado. Se calcula como la media ponderada de las rentabilidades individuales de los activos, donde los pesos corresponden a la proporción del capital asignada a cada uno. Por ejemplo, si un inversor asigna el 60% de su cartera a la Acción A, con una rentabilidad esperada del 12%, y el 40% restante a la Acción B, con una rentabilidad esperada del 8%, la rentabilidad media de la cartera será:
$$
\text{Media} = 0.6 \times 12% + 0.4 \times 8% = 10%.
$$
La media funciona como un referente para evaluar el desempeño de las inversiones. Los inversores buscan maximizar esta media mientras minimizan la varianza, la cual captura la dispersión de las rentabilidades alrededor de la media. Una media más alta indica una perspectiva más optimista, pero es crucial considerar el riesgo asociado. El modelo asume que las rentabilidades siguen una distribución normal, lo que simplifica el cálculo de probabilidades y valores esperados. No obstante, la evidencia empírica a menudo revela distribuciones con colas gruesas, lo que desafía los supuestos fundamentales de este enfoque.

La concepción de la varianza

La varianza mide la dispersión de las rentabilidades alrededor de la media, cuantificando así la volatilidad de una inversión. Se calcula como el promedio de las diferencias al cuadrado entre cada retorno y la rentabilidad media. Por ejemplo, si las rentabilidades de un activo son del 10%, 12%, 14% y 16% durante cuatro periodos consecutivos, su varianza sería:
$$
\text{Varianza} = \frac{(10-12)^2 + (12-12)^2 + (14-12)^2 + (16-12)^2}{4} = 3.
$$
Una varianza elevada indica mayor incertidumbre y riesgo, mientras que una varianza baja sugiere mayor estabilidad. El modelo de media-varianza trata la varianza como un proxy del riesgo, asumiendo que los inversores son aversos al riesgo y buscan minimizar la exposición a las fluctuaciones de los retornos. Este supuesto es crítico para la optimización de carteras, ya que permite a los inversores negociar entre las rentabilidades esperadas y el riesgo. Sin embargo, el modelo no tiene en cuenta relaciones no lineales ni anomalías de mercado, como el clúster de retornos extremos, lo que puede afectar los resultados en la práctica.

El compromiso riesgo-retorno

El modelo de media-varianza postula que los inversores deben equilibrar la rentabilidad esperada de una inversión con su riesgo asociado. Este compromiso se visualiza frecuentemente mediante la frontera eficiente, un concepto introducido por Markowitz. La frontera eficiente representa el conjunto de carteras que ofrecen la máxima rentabilidad para un nivel dado de riesgo, o la mínima riesgo para un nivel dado de rentabilidad. Se recomienda a los inversores elegir carteras situadas en esta frontera, ya que optimizan sus rentabilidades ajustadas al riesgo. El modelo asume que los inversores tienen una tolerancia al riesgo y son indiferentes a la asignación específica de los activos, centrándose en cambio en el perfil general de riesgo y retorno.

El equilibrio entre riesgo y retorno está influenciado por factores como la correlación entre los activos, la liquidez de las inversiones y la función de utilidad del inversor. Por ejemplo, los activos con baja correlación (como acciones y bonos) pueden diversificar el riesgo eficazmente, reduciendo la varianza global de la cartera. Por el contrario, los activos altamente correlacionados pueden llevar a una mayor volatilidad. El modelo también asume que los inversores son aversos al riesgo, lo que significa que prefieren carteras con menor varianza incluso si ofrecen ligeramente menores retornos. Este supuesto es fundamental para la utilidad del modelo, ya que simplifica el complejo proceso de toma de decisiones en el mundo real.

Optimización de carteras

La optimización de carteras es el proceso de seleccionar la mezcla óptima de activos para maximizar las rentabilidades mientras se minimiza el riesgo. El modelo de media-varianza proporciona un marco matemático para esta tarea, basándose en los siguientes principios:

1. Diversificación: Al combinar activos con baja correlación, los inversores pueden reducir la varianza global de la cartera.
2. Compromiso riesgo-retorno: El modelo enfatiza la relación inversa entre riesgo y retorno, guiando a los inversores para equilibrar su exposición a activos volátiles con otros más estables.
3. Frontera eficiente: La frontera eficiente se deriva resolviendo un problema de optimización con restricciones, donde el objetivo es maximizar las rentabilidades para un nivel dado de riesgo o minimizar el riesgo para un nivel dado de rentabilidad.

El proceso de optimización típicamente implica resolver un problema de programación cuadrática, donde la función objetivo es maximizar la relación de Sharpe (rentabilidad ajustada al riesgo) mientras se minimiza la varianza de la cartera. Esto requiere determinar los pesos óptimos de cada activo en la cartera. Por ejemplo, si un inversor tiene acceso a tres activos con rentabilidades esperadas del 10%, 12% y 8%, y varianzas de 2, 3 y 1 respectivamente, los pesos óptimos se determinan resolviendo las siguientes ecuaciones:
$$
\text{Maximizar} \quad \frac{R_p}{\sigma_p}
$$
$$
\text{Sujeto a} \quad \sum w_i = 1 \quad \text{y} \quad \sum w_i \sigma_i^2 = \sigma_p^2.
$$
La solución implica encontrar los pesos que maximicen la relación de Sharpe, una medida del exceso de retorno por unidad de riesgo. Este proceso es computacionalmente intensivo y a menudo requiere métodos numéricos, como el enfoque de Markowitz, para derivar la cartera óptima.

Marco matemático

El modelo de media-varianza está cimentado matemáticamente en la álgebra lineal y la teoría de la probabilidad. Las ecuaciones clave involucran el cálculo de la media esperada y la varianza de los retornos de la cartera, así como la covarianza entre los pares de activos. La varianza de una cartera se expresa como una combinación lineal de las varianzas individuales de los activos más una suma de covarianzas ponderadas por los pesos de la cartera. La covarianza es un elemento crucial, ya que determina cómo se mueven los activos entre sí; una covarianza negativa permite una diversificación superior a la simple suma de varianzas.

La formulación matemática busca encontrar los vectores de pesos que maximicen una función objetivo lineal (la rentabilidad esperada) bajo una restricción cuadrática (la varianza de la cartera). Esto se resuelve utilizando métodos de optimización convexa, garantizando que la solución encontrada sea globalmente óptima. A pesar de su complejidad subyacente, la estructura del modelo permite una interpretación intuitiva y una aplicación práctica amplia en la construcción de carteras eficientes. La capacidad del modelo para transformar decisiones financieras subjetivas en problemas cuantitativos definidos es lo que ha consolidado su estatus como estándar en la academia y la industria financiera durante más de medio siglo.