Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco
Portfólios otimizados com elevada quantidade de ativos dependem de matrizes de covariância de grandes dimensões. Tais casos exigem cuidado extra quanto à consistência do estimador da matriz quando o número de covariâncias estimadas supera o de observações da amostra. Visando melhorar a qualidade de...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Fundação Getulio Vargas (FGV) |
| Repositorio: | Repositório Institucional do FGV (FGV Repositório Digital) |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.fgv.br:10438/33128 |
| Acceso en línea: | https://hdl.handle.net/10438/33128 |
| Access Level: | acceso abierto |
| Palabra clave: | Portfolio optimization Asset allocation Two-stage optimization Minimum variance portfolio Risk parity Covariance matrix Sectorial optimization Otimização de portfólio Alocação de carteira Otimização em duas etapas Portfólio de variância mínima Paridade de risco Matriz de covariância Otimização em setores Economia Investimentos - Análise Investimentos - Administração Administração de risco Alocação de ativos Análise de covariância |
| Sumario: | Portfólios otimizados com elevada quantidade de ativos dependem de matrizes de covariância de grandes dimensões. Tais casos exigem cuidado extra quanto à consistência do estimador da matriz quando o número de covariâncias estimadas supera o de observações da amostra. Visando melhorar a qualidade de portfólios com grandes dimensões, apresentamos um método de otimização em duas etapas, baseado na capacidade da setorização de ativos em melhorar o estimador amostral da matriz. O método consiste em agrupar os ativos em seus respectivos setores e otimizar cada um dos setores separadamente. Em seguida, otimiza-se os retornos dos portfólios resultantes entre si para determinar o portfólio final. No presente estudo mostramos que, para portfólios de variância mínima e de paridade de risco otimizados entre janeiro de 2015 e janeiro de 2022 com ações do mercado americano, o método traz ganhos de concentração e de rotatividade dos portfólios sem alterar seus retornos ajustados ao risco – ou mesmo melhorando-os em períodos de crise. Atingimos resultados melhores em portfólios com maior influência das covariâncias, como os de variância mínima. Dessa forma, desenvolvemos uma solução para melhorar a otimização de portfólios com grandes dimensões, sendo uma alternativa aos métodos de encolhimento da matriz de covariância e de agrupamento da matriz em blocos. |
|---|