Modelo computacional para optimización de portafolio con estrategia de inversión pasiva basada en ETFS

Abstract

RESUMEN: El presente trabajo, busca desarrollar un modelo computacional que permita administrar portafolios de inversión conformados por ETFs, estos son vehículos financieros que cotizan en bolsa y se caracterizan porque buscan reproducir un determinado índice bursátil, lo que permite aumentar la diversificación disminuyendo el riesgo. Se realizó una comparación entre los resultados de varias carteras con diferentes estrategias y perfiles de riesgo por medio de la teoría de portafolios de Harry Markowitz, y de la simulación Monte Carlo, ambos métodos combinados con el modelo de Sharpe, escogiendo uno de estos como el más eficiente para desarrollar el algoritmo y haciendo uso de la misma para la administración de los portafolios durante un período de cuatro meses, lo que permitió analizar los resultados obtenidos por medio de Backtesting, al generar portafolios que superen a su referente (Benchmark). A su vez, fueron comparados los resultados de portafolios obtenidos únicamente por medio del modelo, y otros generados con el mismo algoritmo, pero con una gestión basada en noticias y movimientos del mercado. Teniendo en cuenta que el estudio se realizó durante el año 2020, en medio de la crisis del COVID-19, el trabajo presenta un estudio de la volatilidad de los retornos por medio de un modelo de la familia GARCH, en el cual se analizan los resultados y se dan recomendaciones.

ABSTRACT: This work develops a computational model which allows to administrate an investment portfolio conformed by ETFs. These are financial vehicles that quote in the stock market and their characteristic is that they replicate a stock index. Consequently, they allow to increase the diversification while having lower risk levels. A comparison between the different results of several portfolios with different strategies and risk levels through the Harry Markowitz portfolio theory, and Monte Carlo simulation was made. Both methods, combined with the Sharpe model, choosing one of these portfolios as the most efficient one to develop the algorithm, by applying it in order to administrate all portfolios during a 4-month period. This allowed to analyze the obtained results through Backtesting, generating portfolios that will outperform its benchmark. At the same time, the obtained results for the portfolios were compared, and some others generated by the same algorithm, but with an additional management approach, based on news and market movements. Considering that this research study was carried out in 2020, amid the COVID-19 crisis, the work also shows a volatility analysis of the returns by applying models from the GARCH family, for which the results are analyzed, and recommendations are given.