¿Alguna vez te preguntaste por qué conviene no poner todos los huevos en la misma canasta? Esa frase simple es la puerta de entrada a una idea central en finanzas: la varianza de una cartera. En términos sencillos, la varianza de una cartera mide cuánto puede variar —es decir, cuánto “bailará” o cuánto riesgo asumimos en— el valor de una combinación de activos. En este artículo iremos paso a paso: definiremos el concepto, lo conectaremos con analogías cotidianas, mostraremos fórmulas con ejemplos numéricos claros y veremos aplicaciones prácticas. Al final tendrás herramientas para explicar la idea y aplicarla en situaciones reales.
¿Qué es la varianza de una cartera?
La varianza es una medida estadística que cuantifica la dispersión de una variable aleatoria respecto a su media. En el contexto de inversiones, la variable aleatoria suele ser el retorno (gain/loss) de un activo o portafolio. La varianza de una cartera nos dice qué tan dispersos están los posibles retornos de la cartera en torno a su retorno esperado: cuanto mayor la varianza, mayor la incertidumbre (o riesgo) en torno al resultado esperado.
Si prefieres la intuición: imagina que el precio de un activo es como la temperatura diaria. Si la temperatura a lo largo del mes apenas cambia, tiene baja varianza; si oscila mucho entre frío y calor, tiene alta varianza. Lo mismo ocurre con los retornos: activos con retornos muy volátiles tienen varianzas altas.
Pero al juntar activos en una cartera sucede algo interesante: la varianza del conjunto no es simplemente la suma de las varianzas de cada activo. Depende también de cómo se mueven juntos esos activos —es decir, de su covarianza o correlación. Esa interacción es la clave para entender por qué diversificar reduce riesgo.
Fórmula básica: cómo se calcula la varianza de una cartera
Para una cartera con (n) activos, con pesos ({eq}w_i{/eq}) (la fracción del capital invertida en el activo (i)) y matriz de covarianzas ({eq}\Sigma{/eq}) (donde el elemento ({eq}\sigma_{ij}{/eq}) es la covarianza entre los retornos de (i) y (j)), la varianza del retorno de la cartera se escribe de forma compacta como:
[{eq}\text{Var}(R_{\text{cartera}}) ;=; \mathbf{w}^\top \Sigma \mathbf{w}{/eq}]
En notación expandida, para dos activos es más ilustrativo:
[{eq}\text{Var}(R_p) ;=; w_1^2\sigma_1^2 + w_2^2\sigma_2^2 + 2 w_1 w_2 \sigma_1 \sigma_2 \rho_{12}{/eq}]
donde:
- ({eq}w_1, w_2{/eq}) son los pesos (por ejemplo (,0{.}6) y (,0{.}4)),
- ({eq}\sigma_1, \sigma_2{/eq}) son las desviaciones estándar de los retornos (la raíz cuadrada de la varianza de cada activo),
- ({eq}\rho_{12}{/eq}) es la correlación entre los retornos de los dos activos.
Observa que el término ({eq}2 w_1 w_2 \sigma_1 \sigma_2 \rho_{12}{/eq}) captura la interacción entre activos: si ({eq}\rho_{12}{/eq}) es bajo (o negativo), ese término reduce la varianza total; si ({eq}\rho_{12}{/eq}) es alto (cercano a 1), la diversificación ayuda poco.
Analogías cotidianas para entender la varianza de una cartera
- El sonido en una orquesta: imagina que cada instrumento es un activo. Si todos tocan exactamente la misma nota y al mismo tiempo (correlación 1), el volumen total puede ser fuerte y no hay “cancelación” entre sonidos: la variabilidad se suma. Si algunos instrumentos tocan notas opuestas o diferentes patrones (correlación baja o negativa), pueden cancelarse o suavizar el sonido general: la variabilidad total baja. La varianza de la orquesta depende no sólo de cada instrumento, sino de cómo se coordinan.
- Temperaturas en distintas ciudades: si quieres predecir la temperatura promedio de un país formado por dos ciudades, la variabilidad del promedio dependerá de cuán sincronizadas están las temperaturas de ambas ciudades. Si cuando una sube la otra baja (correlación negativa), la temperatura nacional es más estable.
- Bricolaje con materiales: imagina hacen una mezcla para aislar una casa: si todos los materiales responden igual a la humedad (correlación alta), la capacidad aislante total se vuelve impredecible con la humedad. Si algunos materiales compensan la respuesta de otros, la mezcla se vuelve más estable.
Ejemplo numérico paso a paso (dos activos)
Veamos un ejemplo práctico con números: supongamos que tienes dos activos A y B, y decides invertir (60%) en A y (40%) en B. Las desviaciones estándar (volatilidad) anualizadas son:
- ({eq}\sigma_A = 10% = 0{.}10{/eq}),
- ({eq}\sigma_B = 15% = 0{.}15{/eq}).
La correlación entre sus retornos es ({eq}\rho_{AB} = 0{.}20{/eq}) (baja y positiva).
La varianza de la cartera se calcula con:
[{eq}\text{Var}(R_p) ;=; w_A^2\sigma_A^2 + w_B^2\sigma_B^2 + 2 w_A w_B \sigma_A \sigma_B \rho_{AB}{/eq}]
Sustituimos:
[{eq}w_A=0{.}6,\quad w_B=0{.}4{/eq}]
[{eq}\text{Var}(R_p) ;=; 0{.}6^2 \cdot 0{.}10^2 + 0{.}4^2 \cdot 0{.}15^2 + 2\cdot 0{.}6\cdot 0{.}4 \cdot 0{.}10 \cdot 0{.}15 \cdot 0{.}2{/eq}]
Realizando las cuentas (conservaré la notación para que sea clara la estructura):
[{eq}\text{Var}(R_p) ;=; 0{.}36 \cdot 0{.}01 + 0{.}16 \cdot 0{.}0225 + 2\cdot 0{.}24 \cdot 0{.}015 \cdot 0{.}2{/eq}]
[{eq}\text{Var}(R_p) ;=; 0{.}0036 + 0{.}0036 + 2\cdot 0{.}24 \cdot 0{.}003 = 0{.}0036 + 0{.}0036 + 0{.}00144{/eq}]
[{eq}\text{Var}(R_p) ;=; 0{.}00864{/eq}]
La desviación estándar de la cartera (el “riesgo” en unidades comparables con los retornos) es la raíz cuadrada de la varianza:
[{eq}\text{Desv. estándar} ;=; \sqrt{0{.}00864} ;\approx; 0{.}09295 ;=; 9{.}295%{/eq}]
Interpretación breve: combinando un activo relativamente menos volátil (10%) con uno más volátil (15%) y con baja correlación entre ellos, la cartera resultante tiene una volatilidad de aproximadamente (9{.}3%), es decir, menos que el activo más volátil y apenas por encima del menos volátil. Eso muestra el poder de la diversificación cuando los activos no se mueven exactamente en sincronía.
¿Por qué la varianza de la cartera no es la suma de varianzas?
Una pregunta legítima: si cada activo tiene su propia varianza, ¿por qué no se suman y listo? La respuesta está en la covarianza y en la correlación: la varianza total incorpora los términos cruzados que representan cómo se comportan los activos simultáneamente. Cuando los activos tienden a moverse en direcciones opuestas (correlación negativa), esos términos cruzados restan varianza, lo que se traduce en menor riesgo total. Si por el contrario se mueven juntos (correlación positiva alta), esos términos suman varianza y la diversificación ayuda menos.
Matemáticamente, para tres o más activos aparecen muchos términos cruzados: ({eq}\sum_{i\neq j} w_i w_j \sigma_i \sigma_j \rho_{ij}{/eq}). Esos términos son los que hacen que el todo sea distinto de la suma de las partes.
Casos extremos para entender mejor
- Activos perfectamente correlacionados (({eq}\rho = 1{/eq})): no hay beneficio de diversificación. La varianza de la cartera es simplemente la varianza ponderada que actúa como si los activos fueran el mismo movimiento escalado.
- Activos perfectamente anticorrelacionados (({eq}\rho = -1{/eq})): en teoría, con pesos adecuados se puede eliminar completamente la varianza (obtener varianza cero), es decir, una combinación que produce retornos constantes. En la práctica es raro encontrar activos con correlación exactamente -1.
- Muchas inversiones independientes (correlación cercana a 0): a medida que agregas activos no correlacionados, la varianza promedio cae y la cartera se estabiliza —es la base de la idea “no poner todos los huevos en la misma canasta”.
Ejemplos y analogías aplicadas
- La compra de seguros: Imagina que cada activo es un negocio que puede sufrir un siniestro. Si todas las empresas están expuestas al mismo riesgo (por ejemplo un huracán que afecta a toda la región), la varianza del conjunto es alta. Si, en cambio, algunas empresas están en regiones distintas o hacen actividades diferentes, el riesgo agregado es menor.
- Carrito de compras: si tu presupuesto mensual lo gastas solo en un producto volátil (ej.: acciones de una sola empresa), tus gastos totales serán más impredecibles. Si repartes el presupuesto en varios productos cuya demanda fluctúa de distintas maneras, el total será más estable.
- Deportes y lesiones: en un equipo deportivo, si todos los jugadores dependen del mismo músculo para rendir, el equipo es vulnerable (varianza alta). Si el equipo tiene jugadores con habilidades complementarias y diferente exposición a lesiones, el rendimiento del equipo es más estable.
Aplicaciones prácticas de la varianza de cartera
- Gestión de riesgo: los gestores usan la varianza (o la desviación estándar) para medir riesgo. Combinada con otros indicadores (VaR, CVaR), ayuda a fijar límites, dimensionar posiciones y diseñar coberturas.
- Optimización de carteras: el framework clásico de Markowitz busca la cartera que minimiza la varianza para un nivel de retorno esperado o, alternativamente, maximiza el retorno esperado para un nivel de riesgo dado. La matriz de covarianzas es central en ese cálculo.
- Asignación de activos (asset allocation): pension funds y advisors diseñan mix de acciones, bonos, bienes raíces y efectivo buscando reducir la varianza global, ajustando pesos según correlaciones y volatilidades.
- Robo-advisors y algoritmos: los modelos automatizados usan estimaciones de varianza y covarianza para construir carteras diversificadas de forma eficiente.
- Ingeniería financiera y derivados: al valorar y cubrir derivados, conocer la varianza de la cartera (y covarianzas entre subyacentes) es crucial para calcular sensibilidades y riesgos de cola.
Limitaciones y precauciones
- La varianza mide dispersión, no dirección: la varianza no distingue entre variaciones positivas y negativas —ambas aumentan el valor. Por eso a algunos inversores les interesa medir solo “la parte mala” del riesgo (downside risk).
- Dependencia de estimaciones: la matriz de covarianzas se estima con datos históricos. Si las relaciones futuras cambian (crisis, regímenes distintos), las estimaciones pueden fallar.
- Asume normalmente relaciones lineales: correlaciones y covarianzas capturan relaciones lineales; durante eventos extremos, las dependencias pueden volverse no lineales (co-movimientos más fuertes), lo que subestima el riesgo real.
- Riesgo de liquidez y eventos extremos: la varianza no captura riesgos menos frecuentes pero críticos (liquidez, ejecuciones forzadas, riesgos operativos).
Cómo interpretar la varianza en la práctica: un ejemplo narrativo
Imagina a Laura, una persona que invierte (10.000) USD. Al principio pone todo en una sola empresa tecnológica. En años normales obtiene buenos rendimientos, pero durante una crisis del sector pierde mucho. Su varianza personal es alta: la fortuna de Laura “baila” mucho.
Luego decide repartir el capital: (60%) en una empresa estable, (30%) en un fondo indexado y (10%) en efectivo. Las correlaciones entre esos activos son moderadas o bajas. Resultado: su cartera tiene menor varianza, su balance mensual es más predecible y puede dormir mejor por las noches. No gana necesariamente más en el mejor año, pero reduce la probabilidad de grandes pérdidas. Eso ilustra el trade-off entre rentabilidad esperada y estabilidad que la varianza ayuda a cuantificar.
Resumen y conclusiones
- La varianza de una cartera mide la dispersión (riesgo) de los retornos de la cartera. No es la simple suma de las varianzas individuales: incluye términos cruzados que dependen de la covarianza o correlación entre activos.
- La diversificación funciona porque al combinar activos con correlaciones bajas o negativas, los términos cruzados reducen la varianza total.
- La fórmula matricial ({eq}\mathbf{w}^\top \Sigma \mathbf{w}{/eq}) resume el cálculo para carteras con muchos activos; para dos activos la expresión es intuitiva y fácil de calcular.
- En la práctica, la varianza sirve para gestión de riesgo, optimización de carteras y toma de decisiones de asignación de activos, aunque tiene limitaciones por depender de estimaciones históricas y por no distinguir entre riesgo “bueno” y “malo”.
Resultados del aprendizaje (qué deberías poder explicar después de leer esto)
- Explicar con tus propias palabras qué mide la varianza de una cartera y por qué es importante para inversores.
- Escribir la fórmula de la varianza de una cartera para dos activos y describir el significado de cada término (pesos, desviaciones estándar, correlación).
- Calcular, con un ejemplo numérico, la varianza y la desviación estándar de una cartera simple.
- Describir cómo la correlación entre activos afecta el beneficio de la diversificación.
- Señalar al menos tres aplicaciones prácticas de la varianza en finanzas y mencionar sus limitaciones.
Continua con:
- ¿Qué es la Política redistributiva? Definición y ejemplos
- ¿Qué es Inspección de Hacienda? Definición y ejemplos
- ¿Qué es el Salario neto? Definición y ejemplos
- ¿Qué es el Salario bruto? Definición y ejemplos
- ¿Qué es el Test de Durbin-Watson? Definición y ejemplos
- ¿Qué es el Consenso de Washington? Definición y características
