post list
QuantDare
categories
asset management

Foreseeing the future: a user’s guide

Jose Leiva

asset management

Stochastic portfolio theory, revisited!

P. López

asset management

“Past performance is no guarantee of future results”, but helps a bit

ogonzalez

asset management

Playing with Prophet on Financial Time Series (Again)

rcobo

asset management

Shift or Stick? Should we really ‘sell in May’?

jsanchezalmaraz

asset management

What to expect when you are the SPX

mrivera

asset management

K-Means in investment solutions: fact or fiction

T. Fuertes

asset management

How to… use bootstrapping in Portfolio Management

psanchezcri

asset management

Playing with Prophet on Financial Time Series

rcobo

asset management

Dual Momentum Analysis

J. González

asset management

Random forest: many are better than one

xristica

asset management

Using Multidimensional Scaling on financial time series

rcobo

asset management

Comparing ETF Sector Exposure Using Chord Diagrams

rcobo

asset management

Euro Stoxx Strategy with Machine Learning

fjrodriguez2

asset management

Hierarchical clustering, using it to invest

T. Fuertes

asset management

Lasso applied in Portfolio Management

psanchezcri

asset management

Markov Switching Regimes say… bear or bullish?

mplanaslasa

asset management

Exploring Extreme Asset Returns

rcobo

asset management

Playing around with future contracts

J. González

asset management

BETA: Upside Downside

j3

asset management

Approach to Dividend Adjustment Factor Calculation

J. González

asset management

Are Low-Volatility Stocks Expensive?

jsanchezalmaraz

asset management

Predict returns using historical patterns

fjrodriguez2

asset management

Dream team: Combining classifiers

xristica

asset management

Stock classification with ISOMAP

j3

asset management

Could the Stochastic Oscillator be a good way to earn money?

T. Fuertes

asset management

Correlation and Cointegration

j3

asset management

Momentum premium factor (II): Dual momentum

J. González

asset management

Dynamic Markowitz Efficient Frontier

plopezcasado

asset management

‘Sell in May and go away’…

jsanchezalmaraz

asset management

S&P 500 y Relative Strength Index II

Tech

asset management

Performance and correlated assets

T. Fuertes

asset management

Reproducing the S&P500 by clustering

fuzzyperson

asset management

Size Effect Anomaly

T. Fuertes

asset management

Predicting Gold using Currencies

libesa

asset management

Inverse ETFs versus short selling: a misleading equivalence

J. González

asset management

S&P 500 y Relative Strength Index

Tech

asset management

Seasonality systems

J. González

asset management

Using Decomposition to Improve Time Series Prediction

libesa

asset management

Las cadenas de Markov

j3

asset management

Momentum premium factor sobre S&P 500

J. González

asset management

Fractales y series financieras II

Tech

asset management

El gestor vago o inteligente…

jsanchezalmaraz

asset management

¿Por qué usar rendimientos logarítmicos?

jsanchezalmaraz

asset management

Fuzzy Logic

fuzzyperson

asset management

El filtro de Kalman

mplanaslasa

asset management

Fractales y series financieras

Tech

asset management

Volatility of volatility. A new premium factor?

J. González

asset management

Una aproximación Risk Parity

mplanaslasa

17/10/2014

No Comments
Una aproximación Risk Parity

La estrategia Risk Parity consiste en crear carteras tal que todas las clases de activos o sectores presentes tengan la misma aportación marginal al riesgo total de la cartera (Risk Allocation).

Si entendemos que los pesos de los sectores de la cartera se refieren al riesgo y no a la cantidad de capital invertido en cada sector, podemos decir que una cartera basada en Risk Parity es una cartera Equally Weighted.

La intención de la estrategia Risk Parity es limitar el riesgo sin renunciar a obtener una atractiva rentabilidad a medio y largo plazo.

Solución inmediata

Supongamos una cartera únicamente con dos activos que cuentan cada uno con los pesos w1 y w2 . Si elegimos la volatilidad como única medida de riesgo del producto, la contribución marginal al riesgo total de la cartera para cada activo sería:

rp1

Se puede probar que una solución a la ecuación CM1 = CM2 es tomar como peso para cada activo la inversa su volatilidad y ello puede generalizarse a un total de n activos siempre que asumamos correlación nula entre activos.

Gestión de una cartera de acciones por baja volatilidad con retoque Risk Parity

En este post pretendemos realizar una pequeña prueba para la gestión de una cartera de acciones long only del índice S&P 500 .

En primer lugar, la gestión consistirá en elegir acciones basándonos en la anomalía de la baja volatilidad y distribuyendo los pesos tal que a cada activo se le asigna la inversa de su volatilidad. Por tanto, nuestra primera prueba es un Low Volatility con un retoque por Risk Parity.

En todo momento nuestro universo lo formarán las acciones que en esa fecha componen el índice.

Cabe destacar que el Risk Parity en sí diversifica el riesgo entre distintos tipos de activos. Esto nos supone una limitación porque nosotros emplearemos un universo compuesto por el mismo tipo de activo y no solamente eso, sino que escogeremos dentro de un grupo de acciones que conforman un índice y, por tanto, guardan una alta correlación.  Así que a priori no podemos garantizar que vaya a cumplirse el objetivo de la estrategia.

Se han comparado los resultados de la cartera que selecciona en cada fecha por baja volatilidad  y asigna la misma inversión a cada activo seleccionado y la prueba propuesta. Los resultados brutos son muy similares en términos de rentabilidad y riesgo para ambas carteras:

rp2  rp3

Tiene sentido que el retoque Risk Parity devuelva resultados similares a los de una gestión basada únicamente en la baja volatilidad porque se están tomando en cartera acciones con volatilidades muy similares, luego las inversas de esas volatilidades son muy similares también y ello hace que, al normalizar pesos, esa distribución de pesos converja a una distribución equiponderada.

Damos un paso más y realizamos una segunda prueba con otro retoque. Dada la limitación comentada ya de nuestro universo de activos, nos planteamos ahora jugar con los sectores a los que pertenecen nuestras acciones.

Trataremos los sectores como las clases de nuestra cartera. La estrategia retocada seleccionará activos por baja volatilidad de modo que la contribución al riesgo total de todos los sectores seleccionados sea la misma. Si no hay ninguna acción seleccionada de un sector en particular, ese sector no participará obviamente en la distribución de pesos. De nuevo, se toma como peso la inversa de riesgo, es decir, cada sector pesa la inversa de su volatilidad.

En este caso, los resultados muestran una evolución de las caídas que no mejora respecto de las dos carteras anteriores.

rp4

Por otro lado, la curva de rolling volatility a un año es ligeramente peor. Por tanto no se está cumpliendo el objetivo del Risk Parity.

rp5

Sin embargo, en términos de rentabilidad, obtenemos alrededor de  un 2% más anualizado:

rp6

Se ha comprobado, por tanto, que en una selección de acciones del índice que nos ocupa:

  1. con un universo que trata un posible efecto survivor de un índice y
  2. que basa su selección en la anomalía de la baja volatilidad,

una distribución de pesos bajo este estilo de Risk Parity pierde fuerza y no cumple su objetivo. 

Tweet about this on TwitterShare on LinkedInShare on FacebookShare on Google+Email this to someone

add a comment

wpDiscuz