Carbon-Penalised Portfolio Insurance Strategies in a Stochastic Factor Model with Partial Information

A continuación presento un resumen técnico detallado del artículo "Carbon-Penalised Portfolio Insurance Strategies in a Stochastic Factor Model with Partial Information" (Estrategias de Seguro de Cartera Penalizadas por Carbono en un Modelo de Factores Estocásticos con Información Parcial), escrito por Katia Colaneri, Federico D'Amario y Daniele Mancinelli.

1. Planteamiento del Problema

El artículo aborda la integración de riesgos climáticos, específicamente la intensidad de carbono, en estrategias de Seguro de Cartera Proporcional (PPI, por sus siglas en inglés). Las estrategias PPI están diseñadas para garantizar un nivel mínimo de riqueza al final del horizonte de inversión (protección a la baja) mientras permiten la participación en las ganancias del mercado (potencial alcista).

El problema central identificado es la falta de literatura que sistematice la interacción entre los mecanismos de protección a la baja y la exposición a activos sensibles al carbono dentro de un marco de control estocástico continuo. Los inversores institucionales enfrentan el desafío de mitigar el riesgo de transición hacia una economía baja en carbono sin comprometer la protección del capital garantizado.

El modelo asume que:

• Los activos riesgosos tienen dinámicas de precios gobernadas por movimientos brownianos geométricos.
• La tasa de deriva (rendimiento esperado) es estocástica y no observable directamente, modulada por un factor estocástico común latente (representando variables macroeconómicas o de mercado no observables).
• Existe información parcial: el gestor de la cartera no observa el factor latente directamente, sino que debe inferirlo a partir de los precios observados de las acciones.

2. Metodología

El enfoque metodológico combina la teoría de control estocástico óptimo con la teoría de filtrado estocástico.

A. Estructura del Mercado y Dinámicas

• Activos: Se consideran $n$ acciones divididas en dos grupos: "verdes" (baja intensidad de carbono) y "marrones" (alta intensidad de carbono), y un activo libre de riesgo.
• Factor Latente ($Y_t$): Se modela como un proceso de Ornstein-Uhlenbeck (OU) que afecta las derivas de las acciones. Este proceso no es observable.
• Información:
  • Información Completa: El inversor observa $Y_t$.
  • Información Parcial: El inversor solo observa los precios $S_t$. Se utiliza el filtro de Kalman-Bucy para estimar la media condicional ($\Gamma_t = E[Y_t | \mathcal{F}_t]$) y la varianza condicional ($P_t$) del factor latente.

B. La Estrategia PPI Penalizada por Carbono

El objetivo no es maximizar la utilidad del terminal de la cartera, sino de la cushion terminal penalizada ($\hat{C}_T$). La "cushion" es la diferencia entre el valor de la cartera y el suelo de garantía.
La penalización se introduce en la función objetivo de la siguiente manera:
$$\hat{C}_T = C_T \exp\left\{ -\frac{1}{2} \int_0^T m_s^2 \pi_s^\top (\Sigma_S \Sigma_S^\top \odot \mathbf{e}) \pi_s \, ds \right\}$$
Donde:

• $m_s$ es el multiplicador de la estrategia PPI.
• $\pi_s$ es la composición de la cartera de referencia riesgosa.
• $\mathbf{e}$ es un vector que asigna un peso de aversión al carbono ($\varepsilon$) a las acciones "marrones" (cero para las verdes).
• El término exponencial penaliza la exposición a la varianza realizada de las acciones de alta intensidad de carbono.

Esto transforma el problema en uno de maximización de la utilidad CRRA (Constant Relative Risk Aversion) o logarítmica de la cushion penalizada.

C. Resolución del Problema de Optimización

Se resuelve el problema mediante el principio de programación dinámica y la ecuación de Hamilton-Jacobi-Bellman (HJB):

1. Caso de Información Completa: Se deriva una solución analítica explícita asumiendo que el valor tiene una forma exponencial afín. Se obtienen ecuaciones diferenciales ordinarias (ODEs) de Riccati para los coeficientes de la función de valor.
2. Caso de Información Parcial: Se aplica el principio de separación. El problema se reformula en términos de la estimación filtrada $\Gamma_t$ y la varianza del error de estimación $P_t$. Se demuestra que la solución bajo información parcial puede expresarse en función de la solución del caso de información completa, ajustada por la incertidumbre del filtro.

3. Contribuciones Clave

1. Marco Innovador de PPI Sostenible: Introducen un marco donde la consideración de sostenibilidad (carbono) se integra directamente en la función objetivo a través de una penalización, en lugar de imponer restricciones duras o exclusiones ex-ante. Esto permite que activos "marrones" con excelentes perfiles riesgo-retorno (ej. alto Sharpe) permanezcan en la cartera si compensan la penalización.
2. Análisis bajo Información Parcial: Proporcionan una caracterización explícita de las estrategias óptimas cuando los rendimientos esperados no son observables, un escenario más realista que los modelos de información completa.
3. Mecanismo de Penalización Endógena: Demuestran que la penalización por carbono actúa como un aumento endógeno de la aversión al riesgo específica para los activos "marrones", modificando la matriz de riesgo-retorno efectiva sin eliminar la flexibilidad de la estrategia PPI.
4. Cuantificación de la Prima de Información: Analizan la pérdida de utilidad y la eficiencia de los inversores con información parcial frente a los de información completa, mostrando cómo la penalización por carbono afecta esta brecha.

4. Resultados Principales

Resultados Analíticos

• Estrategia Óptima: La estrategia óptima $\theta^*$ (que combina el multiplicador y la composición de la cartera) se descompone en una demanda miope y un componente de cobertura intertemporal.
  • En el caso de información parcial, aparece un término adicional de corrección que actúa como una cobertura contra la incertidumbre de los parámetros (riesgo de aprendizaje).
  • La penalización por carbono reduce sistemáticamente la exposición a activos marrones y aumenta la asignación a activos verdes y al activo libre de riesgo.
• Existencia y Admisibilidad: Se establecen condiciones suficientes sobre el parámetro de aversión al riesgo ($\delta$) y la penalización ($\varepsilon$) para garantizar que las soluciones de las ODEs no exploten y que las estrategias sean admisibles.

Resultados Numéricos

• Reducción de Intensidad de Carbono: El aumento del parámetro de aversión al carbono ($\varepsilon$) reduce significativamente la exposición a acciones marrones y aumenta la asignación a activos libres de riesgo, especialmente cuando la aversión al riesgo financiera es baja.
• Protección a la Baja: La penalización reduce la varianza de la riqueza terminal y mejora la protección en la cola izquierda (menor probabilidad de grandes pérdidas), sin sacrificar drásticamente la utilidad esperada.
• Impacto de la Información:
  • La diferencia de rendimiento entre inversores con información completa y parcial es pequeña.
  • Hallazgo Sorprendente: La penalización por carbono mejora la eficiencia relativa del inversor con información parcial. A medida que aumenta la aversión al carbono, la brecha de utilidad entre ambos tipos de inversores se reduce. Esto sugiere que la prudencia inducida por la sostenibilidad mitiga la desventaja de no observar el factor latente.
  • En escenarios de alta aversión al riesgo, la prima de información se vuelve casi nula.

5. Significado e Implicaciones

• Para Gestores de Inversión y Aseguradoras: El estudio ofrece una herramienta cuantitativa para diseñar productos de inversión protegida (como fondos de pensiones o productos garantizados) que cumplan con criterios ESG sin sacrificar la seguridad del capital. Sugiere que la integración de riesgos climáticos en la función de utilidad es más flexible y efectiva que las exclusiones simples.
• Perspectiva Regulatoria: Desde una perspectiva prudencial (como Solvencia II), la penalización por carbono puede interpretarse como un ajuste de riesgo hacia adelante que protege el suelo de garantía contra la volatilidad asociada a la transición energética.
• Teoría Financiera: El trabajo demuestra que la incertidumbre sobre los parámetros del mercado (información parcial) y las preferencias de sostenibilidad interactúan de manera compleja, donde la aversión al carbono puede compensar la desventaja informativa, alineando el comportamiento de inversores con diferentes niveles de información.

En resumen, el artículo demuestra que es posible diseñar estrategias de seguro de cartera que internalicen el riesgo climático de manera óptima, logrando una reducción significativa de la intensidad de carbono mientras se mantiene la robustez financiera y la protección del capital, incluso en entornos de información imperfecta.