Uma estratégia para seleção de portfólios baseada em reversão a média com controle de risco

Autores

  • Joao D. M. Yamim
  • Igor M. S. Leite
  • Carlos C. H. Borges
  • Raul F. Neto

Palavras-chave:

Seleção de portifólios, Otimização online, reversão à média, CAPM variante no tempo.

Resumo

O problema de seleção de portifolio e, sem dúvida, um dos tópicos mais desafiadores da área financeira. 
Desde a contribuição inicial de Markowitz, várias técnicas e modelos aplicáveis foram propostos. Com o desen- 
volvimento de metodos de otimização online, ou seja, os algoritmos de aprendizado dinamico, tem se mostrado como uma abordagem eficaz para a criação de portifolios eficientes. Algoritmos amplamente utilizados no con- 
texto da seleção de portifolio online concentram-se no uso de informações sobre o retorno dos ativos para tomada 
de decisao, embora as informações sobre a variância também tenham se mostrado eficientes. Além disso, estudos 
como Li, Bin, et al [1] mostram que os preços relativos das ações podem seguir a propriedade de reversão a média, 
que ainda nao foi totalmente explorada pelas estratégias atuais. A reversão a média modela a distribuição dos 
retornos dos ativos como uma distribuição gaussiana, analisando os preços de curto prazo sobre os preços médios 
de longo prazo, possibilitando decisoes de compra e venda com base na avaliação do preço do ativo referente  à

cotação histórica. Neste trabalho, implementa-se uma variação da estratégia de selção de portifolio  online denom-
inada Reversao da Média Ponderada pela Confiança (CWMR - sigla em inglês para ˆConfidence Weighted Mean

Reversion), para que informações importantes sobre o risco das ações sejam consideradas na etapa de projeção
do algoritmo. Para controlar o risco de cada estrategia de investimento, usamos o modelo CAPM (Capital Asset

Pricing Model) com Beta variante no tempo. As carteiras construídas foram comparadas com a Uniform Con-
stant Re-Balanced Portifolio (UCRP) e o índice BOVESPA. Utilizamos dados da BOVESPA de janeiro de 2000 a

dezembro de 2017 com observações diárias.

Downloads

Publicado

2024-07-07