Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/33128 |
Resumo: | 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. |
id |
FGV_ce954b3ceed62084bc3d2fe441b4db09 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/33128 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Nielsen, Filipe FerreiraEscolas::EESPFernandes, MarceloMatsumoto, Élia Yathie2023-01-18T18:37:40Z2023-01-18T18:37:40Z2023-01https://hdl.handle.net/10438/33128Portfólios 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.Portfolios optimized considering a sizeable number of assets depend on highdimensional covariance matrices. Those cases demand extra caution about the consistency of the matrix estimation when the number of estimated covariances is greater than the number of observations used. Seeking improvement to the quality of optimum portfolios with big dimensions, we present a two-stage optimization method, based on the benefits brought by sectorization applied into the estimation of sample covariance matrices. The method consists of grouping assets in their respective sectors and optimizing each sector separately. After that, we optimize the returns of those sectorial portfolios to reach a final portfolio. In this study we show, for minimum variance and risk parity portfolios optimized between January 2015 and January 2022 with stocks negotiated in the US market, that this method can improve portfolio concentration and rotation without changing risk-adjusted returns – or even improving them during crisis. We reach better results when optimum portfolios are more sensitive to covariances, which is the case of minimum variance optimization. We developed a solution to improve the optimization of high-dimension portfolios, as an alternative to covariance matrix shrinkage and grouping the matrix in blocks.porPortfolio optimizationAsset allocationTwo-stage optimizationMinimum variance portfolioRisk parityCovariance matrixSectorial optimizationOtimização de portfólioAlocação de carteiraOtimização em duas etapasPortfólio de variância mínimaParidade de riscoMatriz de covariânciaOtimização em setoresEconomiaInvestimentos - AnáliseInvestimentos - AdministraçãoAdministração de riscoAlocação de ativosAnálise de covariânciaOtimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de riscoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVORIGINALProjeto vf - Filipe F Nielsen.pdfProjeto vf - Filipe F Nielsen.pdfPDFapplication/pdf2394671https://repositorio.fgv.br/bitstreams/49be704c-e7f0-4967-a17c-f685015758c9/download5418390dd5aba386321d03642688ab5bMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/a89cd961-aa2a-419e-891c-c0d2d4eef05d/downloaddfb340242cced38a6cca06c627998fa1MD54TEXTProjeto vf - Filipe F Nielsen.pdf.txtProjeto vf - Filipe F Nielsen.pdf.txtExtracted texttext/plain71763https://repositorio.fgv.br/bitstreams/dc047f23-69be-4755-b23d-780cade96c85/downloadcd9fd3dbc75b3e073bbb169b35d52d0bMD57THUMBNAILProjeto vf - Filipe F Nielsen.pdf.jpgProjeto vf - Filipe F Nielsen.pdf.jpgGenerated Thumbnailimage/jpeg2448https://repositorio.fgv.br/bitstreams/f541740c-b6b8-4c55-a77e-a160fd067569/downloada89a9e496febc9179492f1802fefdd19MD5810438/331282023-11-25 11:14:35.189open.accessoai:repositorio.fgv.br:10438/33128https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-25T11:14:35Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.por.fl_str_mv |
Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco |
title |
Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco |
spellingShingle |
Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco Nielsen, Filipe Ferreira 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 |
title_short |
Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco |
title_full |
Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco |
title_fullStr |
Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco |
title_full_unstemmed |
Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco |
title_sort |
Otimização de portfólio em duas etapas: os efeitos da pré-otimização setorial sobre portfólios de variância mínima e de paridade de risco |
author |
Nielsen, Filipe Ferreira |
author_facet |
Nielsen, Filipe Ferreira |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EESP |
dc.contributor.author.fl_str_mv |
Nielsen, Filipe Ferreira |
dc.contributor.advisor1.fl_str_mv |
Fernandes, Marcelo Matsumoto, Élia Yathie |
contributor_str_mv |
Fernandes, Marcelo Matsumoto, Élia Yathie |
dc.subject.eng.fl_str_mv |
Portfolio optimization Asset allocation Two-stage optimization Minimum variance portfolio Risk parity Covariance matrix Sectorial optimization |
topic |
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 |
dc.subject.por.fl_str_mv |
Otimização de portfólio Alocação de carteira Otimização em duas etapas Portfólio de variância mínima Paridade de risco Matriz de covariância Otimização em setores |
dc.subject.area.por.fl_str_mv |
Economia |
dc.subject.bibliodata.por.fl_str_mv |
Investimentos - Análise Investimentos - Administração Administração de risco Alocação de ativos Análise de covariância |
description |
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. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-01-18T18:37:40Z |
dc.date.available.fl_str_mv |
2023-01-18T18:37:40Z |
dc.date.issued.fl_str_mv |
2023-01 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/33128 |
url |
https://hdl.handle.net/10438/33128 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
instname_str |
Fundação Getulio Vargas (FGV) |
instacron_str |
FGV |
institution |
FGV |
reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/49be704c-e7f0-4967-a17c-f685015758c9/download https://repositorio.fgv.br/bitstreams/a89cd961-aa2a-419e-891c-c0d2d4eef05d/download https://repositorio.fgv.br/bitstreams/dc047f23-69be-4755-b23d-780cade96c85/download https://repositorio.fgv.br/bitstreams/f541740c-b6b8-4c55-a77e-a160fd067569/download |
bitstream.checksum.fl_str_mv |
5418390dd5aba386321d03642688ab5b dfb340242cced38a6cca06c627998fa1 cd9fd3dbc75b3e073bbb169b35d52d0b a89a9e496febc9179492f1802fefdd19 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
repository.mail.fl_str_mv |
|
_version_ |
1810023745006338048 |