Esta es la piedra angular. Seis lecciones os llevaron del problema de optimización desnudo a una cartera que sobrevive a una mesa de trading real. Aprendisteis que una cartera es un vector de pesos que suma uno; que los dos insumos son los rendimientos esperados μ y la matriz de covarianzas Σ; que Σ debe ser simétrica y semidefinida positiva, explota en tamaño con el número de activos, y se vuelve peligrosa cuando está mal condicionada; que las carteras de mínima varianza y máximo Sharpe invocan ambas Σ⁻¹; que alimentar estimaciones ruidosas a esa inversión convierte al optimizador en un “maximizador de errores” cuyos pesos son tan inestables que 1/N a menudo lo bate; y que la cura es la robustez — contracción de Ledoit–Wolf, contraer las medias, Black–Litterman, paridad de riesgo, restricciones y penalizaciones de rotación. Sin hoja de fórmulas, sin pistas, sin marcha atrás: cada respuesta se bloquea en cuanto la enviáis, las opciones erróneas son las trampas exactas que engañan a mesas reales, y vuestra puntuación permanece oculta hasta el final.
Big picture
Optimización de carteras — toda la escalera
- Optimización de carteras
- De la frontera a los pesos
- Una cartera = vector de pesos que suma 1
- Dos insumos: μ (recompensa), Σ (riesgo)
- Rendimiento = wᵀμ; Varianza = wᵀΣw
- La matriz de covarianzas
- Simétrica, semidefinida positiva
- N(N+1)/2 parámetros — explota con N
- Condicionamiento κ; casi singular si correlacionada
- Mecánica media-varianza
- Mínima varianza: Σ⁻¹𝟙, necesita solo Σ
- Tangencia: Σ⁻¹μᵉ, necesita μ y Σ
- Separación en dos fondos; todas usan Σ⁻¹
- Error de estimación
- Optimizador = maximizador de errores
- Errores de μ ~10× peores; Σ⁻¹ amplifica
- Pesos inestables; 1/N a menudo gana
- Contracción y estimadores robustos
- Compromiso sesgo-varianza
- Ledoit–Wolf contrae Σ hacia un objetivo
- Contrae μ; Black–Litterman mezcla opiniones
- Paridad de riesgo y restricciones
- Igualar contribuciones al riesgo, no euros
- Restricciones de solo largos/caja ≈ contracción
- Penalización de rotación; optimiza NETO de costes
- De la frontera a los pesos
Cómo funciona este examen
Este es un examen con nota. Las preguntas llegan de una en una. Una vez que enviáis una respuesta, es definitiva — no hay vuelta atrás, no hay segundo intento, y una respuesta equivocada simplemente suspende esa pregunta. Vuestra puntuación permanece oculta hasta el final, donde necesitáis un 70% para aprobar. Leed todas las opciones antes de decidir.
¿Qué objeto concreto produce en última instancia un solucionador de optimización de carteras?
Selecciona una respuesta para continuar.
¿Aprobado? Esto es lo que ahora dominas
Puedes llevar un universo de activos hasta una cartera operable: plantear el problema de optimización en pesos, construir y verificar la coherencia de una matriz de covarianzas, calcular las carteras de mínima varianza y de tangencia, reconocer cuándo un optimizador está maximizando el error en vez del rendimiento, y desplegar toda la caja de herramientas de robustez — contracción de Ledoit–Wolf, medias contraídas o de Black–Litterman, paridad de riesgo, restricciones de solo largos y de caja, y penalizaciones de rotación — para producir una cartera que sobreviva tanto al ruido de estimación como a la factura del bróker.
Eso es la optimización de carteras, de principio a fin — el puente desde la elegante frontera eficiente hasta la enrevesada y consciente del error disciplina de calcular de verdad pesos sobre los que pondrías dinero real. Ahora dominas tanto la matemática limpia como el juicio ganado a pulso sobre cuándo confiar en ella.