Garanta dados premium na Cyber Monday: Até 55% de desconto no InvestingProGARANTA JÁ SUA OFERTA

Novas Abordagens Para Otimização de Carteira

Publicado 23.04.2021, 09:28
B3SA3
-

A construção de um modelo de carteira sempre será um tema de maior importância na modelagem financeira. A moderna teoria da carteira introduzida por Harry Markowitz em 1952 é um modelo de média-variância (MV) para avaliar uma carteira de ativos no qual a função objetivo é maximizar o retorno esperado (média) para um determinado risco (variância) ou para minimizar esse risco para um determinado retorno.

Dado o fato de que a maioria dos modelos usados até hoje são os mesmos que abriram este campo de estudo na década de 1950 (tais como o modelo Markowitz de seleção de carteira e o modelo CAPM de precificação de ativos) e conforme a hipótese de mercado eficiente se torna cada vez mais contestada por economistas comportamentais, novas abordagens para o modelo parecem necessárias.

Com o desenvolvimento das finanças quantitativas, mais modelos surgem tentando explicar melhor o comportamento do mercado. Dado o contexto brasileiro de alta volatilidade, é necessário expandir os modelos de alocação de carteira para lidar com dados assimétricos e não-normais.

Essas condições parecem mais presentes em mercados emergentes, desviando-se das premissas de normalidade do modelo clássico de Markowitz.  Na verdade, as características mais observadas no contexto brasileiro são a de maior volatilidade e a distribuição enviesada positiva dos retornos. Como as evidências sugerem que as bolsas de valores em mercados emergentes são mais voláteis e menos eficientes devido à distribuição mais assimétrica dos retornos, os investidores inseridos em tais ambientes podem necessitar de ferramentas mais adequadas para operar neste cenário.

As pesquisas desenvolvidas no BAERU expandiram o modelo MV clássico para momentos de ordem superior, evoluindo para um modelo MVSK com análise de assimetria e curtose. Junto com a análise MVSK, nossas pesquisas adicionaram ao modelo uma variável de entropia de informação (E) na esperança de levar em consideração o nível de incerteza intrínseco de um ativo e como ela impacta o retorno esperado.

Dessa forma, focamos na complexidade da criação de um modelo de uma carteira multi-objetivo para ver se podemos realmente fornecer mais informações ao investidor com essa nova modelagem, usando dados da B3 (SA:B3SA3) para o período 2011-2019 extraídos pelo Yahoo Finance. Após o conjunto de treinamento e backtesting do modelo, buscamos validar nosso modelo preditivo testando-o no mercado de 2018-2019 e depois comparando com o modelo de Markowitz como referência (nosso benchmarking), levando a resultados conflitantes, mas interessantes. 

Apesar das limitações em relação à complexidade computacional e matemática das funções polinomiais multiobjetivos, o que torna exponencialmente difícil simular para uma quantidade grande de ativos na carteira, concluímos que carteiras naïve (simples) ainda apresentam baixo desempenho em relação às otimizadas em MVSKE, bem como na configuração MV.

A carteira otimizada MVSKE, embora tenha apresentado um bom desempenho em relação as demais carteiras, não apresentou uma diferença estatisticamente significativa entre a carteira otimizada MV – benchmark – apesar de desempenhar melhor em choques e quando há assimetria de informação (ex. precificação de um ativo sem grande consenso por parte dos analistas de mercado).

Uma limitação intrínseca na comparação está entre as carteiras MV e MVSKE deve-se ao fato que a cesta de ativos em cada uma, embora muito semelhante, é diferente nas alocações ótimas, o que torna a comparação direta um pouco viesada. Por outro lado, a comparação com estratégias naïve – pesos iguais - mostra claramente uma significância estatística no desempenho superior dos retornos no modelo MVSKE. Alguns estrategistas podem argumentar em favor de estratégias naïve afirmando que os custos de transação e o rebalanceamento mais frequente mudariam esse cenário, mas isso por enquanto está fora do escopo dos modelos testados.

Mesmo com a hipótese ainda aberta de MVSKE não superar estatisticamente o benchmark, esta primeira tentativa de estudar tal modelo no contexto brasileiro ajudou a criar uma consciência para com metodologias não normais na gestão de carteira e como lidar com tais riscos implícitos que não estão sendo adequadamente avaliados de outra forma. Isso gerou o mesmo tipo de desempenho até certo ponto, mas com a vantagem de ser uma ferramenta mais completa para o gerenciamento de retornos assimétricos que não estão sendo controlados nos modelos MV clássicos.

*Peter F. Wanke

Ph.D. , Coordenador do Business Analytics and Economics Research Unit (BAE RU), Professor do COPPEAD/UFRJ e Coordenador do Programa de Doutorado em Adminsitração de Empresas.  Joint Appointment Professor - EBAPE / FGV. Editor associado dos periódicos Socio-Economic Planning Sciences (Elsevier), Tourism Economics (SAGE),  International Journal of Islamic and Middle Eastern Finance and Management (Emerald) e da Revista Brasileira de Transportes (FGV). Ele figura ainda no ranking do Journal PLOS Biology dos cientistas mais influentes do mundo e recebeu o prêmio de Outstanding Researcher pela IEOM - Industrial Engineering and Operations Management – Society.

Últimos comentários

Carregando o próximo artigo...
Instale nossos aplicativos
Divulgação de riscos: Negociar instrumentos financeiros e/ou criptomoedas envolve riscos elevados, inclusive o risco de perder parte ou todo o valor do investimento, e pode não ser algo indicado e apropriado a todos os investidores. Os preços das criptomoedas são extremamente voláteis e podem ser afetados por fatores externos, como eventos financeiros, regulatórios ou políticos. Negociar com margem aumenta os riscos financeiros.
Antes de decidir operar e negociar instrumentos financeiros ou criptomoedas, você deve se informar completamente sobre os riscos e custos associados a operações e negociações nos mercados financeiros, considerar cuidadosamente seus objetivos de investimento, nível de experiência e apetite de risco; além disso, recomenda-se procurar orientação e conselhos profissionais quando necessário.
A Fusion Media gostaria de lembrar que os dados contidos nesse site não são necessariamente precisos ou atualizados em tempo real. Os dados e preços disponíveis no site não são necessariamente fornecidos por qualquer mercado ou bolsa de valores, mas sim por market makers e, por isso, os preços podem não ser exatos e podem diferir dos preços reais em qualquer mercado, o que significa que são inapropriados para fins de uso em negociações e operações financeiras. A Fusion Media e quaisquer outros colaboradores/partes fornecedoras de conteúdo não são responsáveis por quaisquer perdas e danos financeiros ou em negociações sofridas como resultado da utilização das informações contidas nesse site.
É proibido utilizar, armazenar, reproduzir, exibir, modificar, transmitir ou distribuir os dados contidos nesse site sem permissão explícita prévia por escrito da Fusion Media e/ou de colaboradores/partes fornecedoras de conteúdo. Todos os direitos de propriedade intelectual são reservados aos colaboradores/partes fornecedoras de conteúdo e/ou bolsas de valores que fornecem os dados contidos nesse site.
A Fusion Media pode ser compensada pelos anunciantes que aparecem no site com base na interação dos usuários do site com os anúncios publicitários ou entidades anunciantes.
A versão em inglês deste acordo é a versão principal, a qual prevalece sempre que houver alguma discrepância entre a versão em inglês e a versão em português.
© 2007-2024 - Fusion Media Limited. Todos os direitos reservados.