Construcción de la frontera eficiente

(En Excel)

Para la construcción de la frontera eficiente podemos hacerlo de 2 formas, maximizando los

retorno esperados sujeto a un nivel de desviación estándar o por el enfoque dual del
problema que es minimizar la desviación estándar sujeta a un nivel de retorno:

Forma 1:
2
Max E(Rp)=ΣxiE(Ri) Sujeto a: σ =ΣΣxixjσij=a

Forma 2:
2
Min σ =ΣΣxixjσij Sujeto a: E(Rp)= ΣxiE(Ri)=b

Donde “a” y “b” son niveles varianza y esperanza objetivo respectivamente (y Σxi=1)
Recordando además que las expresiones de arriba tienen sus equivalentes matriciales por
ehemplo:

Retorno de portfolio Rp:

Rp(1x1)=Xp’(1xn)*R(nx1)

Siendo Xp una matriz de “n” filas y “1” columna y por lo tanto su transpuesta tiene “1” fila
y “n” columnas, esta matriz incluye las proporciones invertidas en cada activo desde el
activo “1” hasta el activo “n”
R(nx1) es una matriz “n” filas y “1” columna, la cual incluye los retornos esperados de los
“n” activos antes mencionados.

Varianza de Portfolio:
2
σ p(1x1)=Xp’(1xn)*M/V-Cov(nxn)*Xp(nx1)

Siendo “M/V-Cov” es la matriz de varianzas y covarianzas entre los retornos de los activos
en cuestión.

Covarianzas entre portfolios:

2
σ pipj(1x1)=Xpi’(1xn)* M/V-Cov(nxn)*Xpj(nx1)

Donde “Xpi” son las proporciones que el portfolio “i” tiene invertidas en los “n” activos
disponibles en el mercado y análogamente “Xpj” son las proporciones que el portfolio “j”
tiene invertidas en los “n” activos del mercado.
Es importante tener en cuenta las expresiones en términos matriciales puesto que en el
programa Excel trabajaremos manipulando matrices, además en todos los programas
econométricos, detrás de cada calculo hay operaciones de este tipo. Es así como existen
diversos programas que determinan la frontera eficiente, pero la ventaja de hacerlo en excel
es que se construye paso a paso, siendo más fácil la compresión de la teoría subyacente
Construcción de la Matriz de varianzas y Covarianzas:

Para la construcción de la matriz de varianzas y covarianzas se debe seleccionar

“Herramientas”, luego dentro de ésta “Análisis de datos”, dentro de las opciones ofrecidas
por el programa debemos seleccionar “covarianza”. Al Hacer esto debe aparecer la
siguiente tabla:

En la celda de “Rango de entrada” se selecciona la matriz de retornos completa, en este

caso, desde el elemento “C09” que corresponde al retorno de la acción “1” en el momento
“1” hasta el elemento “Anxn” de la matriz.

Además se puede seleccionar incluyendo el número o nombre de la acción en la primera

fila de manera que al final en la matriz de varianzas y covarianzas aparezcan nominadas,
pero en tal caso además se debe hacer “clic” en “Rótulos en la primera fila”.

En el rango de salida se debe seleccionar donde queremos que aparezca la matriz, si

queremos que aparezca en la misma hoja de donde proviene la matriz de datos de origen,
debemos seleccionar “Rango de salida” y seleccionar una celda en la que queremos que
aparezca la matriz, y presionar Enter.

El problema que aquí se presenta es que la matriz resultante es una matriz “triangular
inferior izquierda” de la siguiente forma:

A B C D E
A 0,00864591
B 0,0016502 0,0083639
C 0,00607246 0,00465924 0,05104052
D 0,00666068 0,00428644 0,00682067 0,03732585
-9,1751E-
E 0,00118616 05 0,0035938 0,00226149 0,00555885
Lo que se corrige simplemente con “copiar” los números aquí obtenidos, “pegarlos” en
cualquier parte de la planilla y luego volver a pegarlos seleccionando “Pegado especial”, y
dentro de las opciones por ésta ofrecidas debemos seleccionar “Transponer” y “saltar
blancos” (seleccionando como vértice objetivo (A:A) es decir donde aparece la varianza de
la acción de la empresa 1), tal como se muestra en figura anterior.

Y así finalmente obtenemos la matriz de Varianza y Covarianzas.

Transposición, Inversión y Multiplicación de matrices:

Las consideraciones que hay que tener para manipular matrices, ya sean transpuestas,
inversas o multiplicaciones (debe poder componerse tipo “axj*jxb=axb”) “, es en primer
lugar, que para ingresar matrices en Excel debemos digitar “Ctrl.+Shift+Enter” y el
segundo cuidado es que de debe dar el rango de salida que corresponda, es decir, que si la
dimensión que se espera de la matriz es de “nxj” (antes de darle salida a la matriz con
“Ctrl.+Shift+Enter”), deben seleccionar un espacio de salida de la misma dimensión de la
matriz esperada , es decir de “n” filas y “j” columnas de espacio, de otro modo, por ejemplo
si sólo seleccionan una celda para la salida de la matriz sólo se verá el elemento “A1,1” de
la matriz.
 144,946933 -10,8517122 -12,3710458 -21,4879825 -14,3684067
-10,8517122 134,124734 -10,4282378 -12,5529521 16,3780773
VARCOV inversa = -12,3710458 -10,4282378 22,8873907 -0,03091706 -12,3164889
-21,4879825 -12,5529521 -0,03091706 32,6100988 -8,86873116
-14,3684067 16,3780773 -12,3164889 -8,86873116 194,800271

85,8677857
116,669909
VARCOV inv. x 1 = -12,2592989
-10,330484
175,624721
suma= 355,572634
Especificando las funciones:

Se debe calcular los retornos esperados de las acciones que correspondan, y con esto una
columna de ponderaciones que especifica el porcentaje en cada acción. Bajo la columna de
ponderaciones es importante aplicar la función “suma”, esto es importante ya que cuando se
trabaje con el optimizador tenemos que imponer que la celda que sume las ponderaciones
sea igual a 1 es decir el 100% de la riqueza.

Xa = 24,15%
Xb = 32,81%
Xmv = Xc = -3,45%
Xd = -2,91%
Xe = 49,39%

En otra Celda debemos especificar la función de retorno de portfolio, que aunque podría
hacerse de varias maneras (dado que es un simple promedio ponderado) lo haremos en
forma matricial. Las funciones a editar aparecen abajo (Las “llaves” que aparecen antes del
signo “igual” y al final aparecen cuando se digita“Ctrl.+Shift+Enter” por lo que no las
deben poner manualmente).

Esto es equivalente a hacer:

Rp(1x1)=Xp’(1xn)*R(nx1)

Además , y un poco más elaborada, deben especificar la función de varianza de portfolio,

para lo cual utilizaremos la matriz de varianzas y covarianzas (es conveniente que la tengan
como “solo valores” lo que se puede hacer seleccionando la matriz que arrojó la función en
primera instancia, que está en forma de función matricial, pegarla en otro lado de la planilla
con “pegado especial” y eligiendo dentro de éste “valores” de manera que no quede como
función matricial para evitar problemas y ahorrar un par de cálculos).

Que es el equivalente de hacer:

2
σ p(1x1)=Xp’(1xn)*M/V-Cov(nxn)*Xp(nx1)

Es de conveniencia dejar fija la matriz de varianzas y covarianzas poniendo el signo “$”

Como aparece arriba “E$3I$7”, con esto, se evitan repetir el proceso de la especificación de
las funciones para encontrar los demás puntos de la frontera. Para encontrar los demás
puntos pueden seleccionar las funciones hechas para el primer punto de la frontera y
copiarla el número de veces que sea necesario de modo que todas tengan como referencia la
misma matriz de varianzas y covarianzas.

Finalmente abajo aparece la desviación estándar que es simplemente la raíz de la función de

arriba (en las ponderaciones pueden darse una solución base inicial arbitraria ya que esta es
la que se iterará con el optimizador y llegará a la solución base final necesaria para llegar al
nivel de desviación estándar o retorno que se plantee como objetivo).

Utilización de “Solver” y Construcción de la frontera:

Dado que las funciones ya están especificadas en las celdas estamos en condiciones de
encontrar un punto en la frontera. Si no tienen habilitado el complemento de Excel
“Solver”, deben ir a “Herramientas”, luego a “Complementos” y habilitarlo.
Para el ejemplo utilizaremos el criterio de maximizar el retorno esperado sujeto a un nivel
de desviación estándar, por lo que en “Celda Objetivo” deben seleccionar la celda donde
tienen especificado el retorno esperado. Además como el criterio es “maximizar” deben
ennegrecer “Máximo”. Donde dice “Cambiando las celdas” deben seleccionar toda la
matriz donde están las ponderaciones y finalmente deben “agregar” las restricciones
deseadas. En el ejemplo se muestra que las restricciones impuestas son en primer lugar, que
se busca una desviación objetivo de 5%, luego se estableció que no se puede por ejemplo
más de 200% en un mismo activo y que tampoco se puede hacer ventas cortas de más del
100% en un mismo activo. Estas restricciones evitan resultados extremos por ejemplo que
de cómo resultado “invertir un 5000%” en algún activo.(lo que es posible si tampoco se da
un límite razonable para las ventas cortas). También podríamos ser más estrictos en el
sentido de que por diversificación, no permitamos invertir más de un 15% de la riqueza en
un mismo activo ni vender corto más de un 15%, incluso si se quiere se puede imponer que
la columna de ponderaciones sea mayor o igual a cero de manera de prohibir ventas cortas.

Como resultado obtenemos la desviación objetivo deseada de 5% con un retorno esperado

de 1.16% mensual y proporciones invertidas en cada activo que arriba aparecen (notar que
algunos activos están en posición corta; a medida que seamos más restrictivos con la
optimización obtendremos lógicamente “Z” objetivos menos favorables) correspondiendo
esta a la coordenada (σ,E(Rp))=(0.05,0.0116) perteneciente a la frontera eficiente.

Para plantear el dual del problema, el procedimiento es análogo, pero en la “Celda

objetivo” debemos seleccionar la celda en la que tenemos la desviación estándar
(obviamente cambiar el criterio a “minimizar”) y el nivel de retorno objetivo buscado debe
ser incorporado como una restricción.

Para encontrar las zonas de ineficiencia puede ser probablemente más simple cambiar el
criterio de optimización.

Repitiendo el proceso algunas veces (dándose nuevas desviaciones o retornos objetivo,

según sea el criterio) podemos encontrar varios puntos de la frontera de manera que se
muestre la forma teóricamente predicha:
Portfolio tangente:

Un paso posterior a este sería además incorporar un activo adicional libre de riesgo, y
realizar de nuevo las optimizaciones, la teoría predice una “linealización” de la frontera; y
portfolios que antes eran eficientes (sin el activo libre de riesgo) ahora probablemente con
la incorporación de un Rf pasarán a ser dominados por nuevos portfolios que tendrán
alguna proporción invertida en este bono (si tienen menos retorno esperado y desviación
estándar que el portfolio tangente, significa que tienen el bono en posición larga por otro
lado, si logran una mayor desviación estándar y retorno esperado que el portfolio tangente,
significa que tienen el bono, pero en posición corta, es decir se hizo venta corta del bono
para financiar la adquisición de activos riesgosos). Teóricamente el único portfolio de la
“antigua” frontera que persiste es el “portfolio tangente” compuesto solo por activos
riesgosos, esto es no tiene proporción invertida en el bono (por eso su optimalidad no
cambia con la inclusión de éste).

El proceso antes descrito es engorroso por lo que definiremos otra manera más simple de
aproximarnos al portfolio tangente.

Otra forma es encontrando la ecuación de la recta que pasa por dos puntos. En particular,
por los puntos de coordenadas (0,Rf) y (σ (Ra),E(Ra)) (note que en las abscisas van las
desviaciones estándar y en las ordenadas los retornos esperados), donde la última
coordenada, corresponde al output de cada uno de los puntos encontrados de la frontera. Es
decir deben encontrar estas ecuaciones de la recta que combina Rf con cada uno de los
puntos encontrados en las optimizaciones realizadas. Esta ecuación debe expresar E(Rp), es
decir retorno de portfolio, en función de σ (Rp). Esta ecuación puede ser construida en la
forma que plantea la teoría (caso que mezcla un activo libre de riesgo con uno riesgoso), o
equivalentemente construyendo la ecuación de la recta que pasa por ambos puntos.

Por ejemplo:

Si la tasa de interés es de un 2% y por ejemplo la primera optimización les dio un punto de

la frontera eficiente (sin Rf) de 3% con desviación estándar objetivo de 5%. (Ojo que las
tasas de retorno deben estar expresadas en la misma base temporal, es decir todas en base
mensual o todas en base anual)

E(Ra) −Rf
Al aplicar la ecuación: E(Rp)=Rf + [ ]*σ (Rp)
σ(Ra)

Quedaría:
0.03 −0.02
(1) E(Rp)=0.02 + [ ]*σ (Rp)
0.05

En la cual simplificando queda:

E(Rp)=0.02 + 0.2*σ (Rp)

(Note que los portfolios con los que se hacen las combinaciones son tratado como un activo
riesgoso más)
(Ecuación de la recta del tipo Y = m*X + n, donde Y corresponde a los retornos esperados,
X a las desviaciones estándar, m y n, son las pendientes y coeficientes de posición
respectivamente)

Donde queda claramente establecido que el coeficiente de posición o corte es 0.02 o Rf, y
0.2 es la pendiente de la ecuación encontrada.

Este proceso debe repetirse con los todos los puntos adicionales encontrados (con las
desviaciones estándar y sus respectivas coordenadas “y”, que en este caso corresponden a
sus respectivos retornos.

Note que si utilizan la ecuación del “haz de rectas” => (Y-Yo)=(X-Xo)*m, van a llegar a
exactamente la ecuación (1) (propuesto).

Inicialmente las pendientes de las ecuaciones irán creciendo, pero llegará un punto en el
cual las pendientes empezarán a decrecer, en este punto, podemos decir que teóricamente
estamos cerca del portfolio tangente.

Cátedra : Finanzas I
Profesor : Jorge Gregoire C.

Actualización: Hans Starke Lagos