Rendimiento y riesgo de portafolios de inversión con criptomonedas: un análisis comparativo mediante Modelos VaR, CVaR y GARCH
Cargando...
Archivos
Fecha
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
El propósito de esta investigación es realizar un estudio sobre cuál es el impacto de incluir en un portafolio de inversión criptomonedas en portafolios de inversión con activos tradicionales, evaluando el riesgo y su retorno mediante modelos avanzados como Valor en Riesgo Condicional (C-VaR), Value at Risk o Valor en Riesgo (VaR) y el modelo autorregresivo generalizado condicional heterocedástico (GARCH). En este sentido, se utilizó cuatro activos tradicionales del sector tecnológico (Apple, Amazon, Alphabet y Microsoft) y cuatro criptomonedas escogidas del acuerdo al ranking que se visualizaba en plataformas financieras prestigiosas y fidedignas como lo son TradingView y Yahoo finance (Bitcoin, Ethereum, XRP y Tether). Los datos que se manejaron para cada activo comprendieron los periodos entre enero de 2020 y septiembre de 2025. Asimismo, para la recolección de datos, modelamiento e interpretación se utilizó el software R. Se aplicó un método de investigación con enfoque cuantitativo, el cual se basa en la recolección de datos, su procesamiento y la modelación estadística para analizar el comportamiento de activos tradicionales y criptomonedas. Se construyeron tres portafolios de inversión, uno compuesto únicamente por criptomonedas, otro compuesto con acciones tecnológicas y finalmente otro diversificado que integró ambos tipos de activos. Para cada portafolio se realizó el cálculo de la asignación óptima de los activos que maximiza la relación riesgo y retorno (Ratio de Sharpe). Adicionalmente, se calcularon las correlaciones respecto al retorno y precio. Finalmente, se realizó el cálculo del VaR, CVaR y GARCH.
Descripción
Abstract
The purpose of this research is to conduct a study on the impact of including cryptocurrencies in investment portfolios with traditional assets, evaluating risk and return using advanced models such as Conditional Value at Risk (C-VaR), Value at Risk (VaR), and the generalized autoregressive conditional heteroscedastic (GARCH) model. In this regard, four traditional assets from the technology sector (Apple, Amazon, Alphabet, and Microsoft) and four cryptocurrencies chosen according to the ranking displayed on prestigious and reliable financial platforms such as TradingView and Yahoo Finance (Bitcoin, Ethereum, XRP, and Tether) were used. The data used for each asset covered the periods between January 2020 and September 2025. Likewise, R software was used for data collection, modeling, and interpretation. A quantitative research method was applied, based on data collection, processing, and statistical modeling to analyze the behavior of traditional assets and cryptocurrencies. Three investment portfolios were constructed: one consisting solely of cryptocurrencies, another consisting of technology stocks, and finally a diversified portfolio that included both types of assets. For each portfolio, the optimal asset allocation that maximizes the risk-return ratio (Sharpe ratio) was calculated. In addition, correlations with respect to return and price were calculated. Finally, VaR, CVaR, and GARCH were calculated.
Palabras clave
Criptomonedas, Modelos de optimización de carteras, VaR, CVaR, GARCH