Alocação ótima em ativos financeiros para formação de um plano de previdência

• Autor(a) principal: Livia Martins da Costa Furtado
• Data de Publicação: 2014
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUOS-9JXJB7
• topic: Programação dinâmica estocástica; plano de previdência; Simulação de Monte Carlo; Métodos paramétricos; Seleção portfólio; Método de Monte Carlo; Programação dinâmica; Programação estocástica; Engenharia de produção; Previdência privada; Previdencia social

Decisões relacionadas a alocação de recursos em um portfólio de ativos continuam a gerar um número relevante de pesquisas. Um exemplo de problema desta natureza é a formação de um portfólio para fundos de previdência. Planos de previdência com contribuições definidas são caracterizados por uma alocação constante nos primeiros períodos de contrato, seguida por uma alocação não constante conservadora nos últimos períodos. Esta pesquisa propõe um modelo de apoio a decisão que capte esta mudança de comportamento da alocação (míope para não míope) e que seja computacionalmente tratado de forma eficiente. São considerados como ativos disponíveis para investimento ações e títulos públicos. O problema é formulado via programação dinâmica estocástica, complementado com a simulação de Monte Carlo para representar o comportamento multivariado da taxa de retorno dos ativos. Geralmente, problemas deste tipo sã difíceis de solucionar, pois são dependentes de árvores de cenário, em que o número de estados cresce exponencialmente com o número de estágios. Características de funções utilidades não míopes são exploradas para sintetizar os períodos iniciais em um único período de decisão. Esta abordagem permite a representação da mudança de comportamento do investidor além de, naturalmente, reduzir o esforço computacional requerido. Para contornar a dependência da árvore de cenários, é proposta uma aproximação da função custo ótima nos períodos finais através de um modelo paramétrico. Com esta abordagem, elimina-se a necessidade de construção da árvore de cenários e uma solução satisfatória pode ser obtida dentro de limites computacionalmente tratáveis. Os resultados obtidos mostram a adequação das abordagens complementares propostas.