Soluciones de compromiso para la selección de modelos y la estimación de horizontes en la optimización de carteras: una aplicación al mercado argentino
Palabras clave:
horizonte de estimación, optimización de carteras, indicador compuestoResumen
La determinación del horizonte temporal de estimación constituye un problema crítico y abierto en la optimización de carteras de media-varianza, especialmente en mercados emergentes caracterizados por alta volatilidad y reformas estructurales. Este trabajo propone un Indicador Compuesto de Diversificación q ue i ntegra s eis m étricas para evaluar la robustez de carteras construidas con diferentes horizontes de estimación. El proceso de agregación se realiza mediante el método TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution). La metodología se aplica al mercado accionario argentino durante el periodo de reformas 2023-2025, focalizado en el levantamiento del control de cambios ocurrido en abril de 2025. Los resultados demuestran que un horizonte de estimación de seis meses ofrece el equilibrio óptimo entre la filtración del ruido estadístico y la captura del nuevo régimen económico.
Descargas
Referencias
Benveniste, J., Kolm, P. N., & Ritter, G. (2024). Untangling universality and dispelling myths in mean-variance optimization. The Journal of Portfolio Management, 50(8), 90–116.
Butler, A., & Kwon, R. H. (2023). Integrating prediction in mean-variance portfolio optimization. Quantitative finance, 23(3), 429–452.
Knoop, T. (2013). Global finance in emerging market economies. Routledge.
Liu, Q. (2009). On portfolio optimization: How and when do we benefit from high-frequency data? Journal of Applied Econometrics, 24(4), 560–582.
Livan, G., Inoue, J.-i., & Scalas, E. (2012). On the non-stationarity of financial time series: Impact on optimal portfolio selection. Journal of Statistical Mechanics: Theory and Experiment, 2012(07), P07025.
MacKinlay, A. C. (1997). Event studies in economics and finance. Journal of economic literature, 35(1), 13–39.
Madley-Dowd, P., Hughes, R., Tilling, K., & Heron, J. (2019). The proportion of missing data should not be used to guide decisions on multiple imputation. Journal of clinical epidemiology, 110, 63–73.
Parmentier, L., & Vrins, F. (2017). Measures of portfolio’diversification [Master’s thesis, Louvain School of Management].
Yoon, K., & Hwang, C. L. (1981). Topsis (technique for order preference by similarity to ideal solution)–a multiple attribute decision making, w: Multiple attribute decision making–methods and applications, a stateof-the-at survey. Berlin: Springer Verlag, 128, 140.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Nadia Luczywo, Mariana Funes, Rafael Serrano, Juan Bautista Cabral
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.
