Construção de portfólios de longo prazo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/241831 |
Resumo: | Portfólios de longo prazo são geralmente construídos considerando ativos de baixo risco e com um bom fluxo de dividendos. Entretanto, a metodologia proposta neste trabalho é uma alteração do modelo de Markowitz, considerando a remoção da variabilidade de curto prazo dos retornos, com o objetivo de construir um portfólio que seja menos sensibilizado por variações rápidas e temporárias. Utilizando dados de 20 anos dos ativos presentes na composição histórica do índice Dow Jones Industrial Average, comparamos os resultados do método proposto com o modelo tradicional de Markowitz e o modelo Naive, para horizontes de três, seis e doze meses. Também avaliamos quatro frequências máximas para o “low-pass filter”. Os resultados indicam que portfólios construídos com s metodologia proposta, geralmente, resultam em retornos superiores em relação aos modelos de benchmark. Análises de drawdown e de dominância estocástica também indicam a superioridade do nosso método. |
id |
UFRGS-2_78eda5da3ff6d8434e8726f7889281da |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/241831 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Chaves, Rafael BernardoniTaufemback, Cleiton Guollo2022-07-05T05:09:00Z2022http://hdl.handle.net/10183/241831001144007Portfólios de longo prazo são geralmente construídos considerando ativos de baixo risco e com um bom fluxo de dividendos. Entretanto, a metodologia proposta neste trabalho é uma alteração do modelo de Markowitz, considerando a remoção da variabilidade de curto prazo dos retornos, com o objetivo de construir um portfólio que seja menos sensibilizado por variações rápidas e temporárias. Utilizando dados de 20 anos dos ativos presentes na composição histórica do índice Dow Jones Industrial Average, comparamos os resultados do método proposto com o modelo tradicional de Markowitz e o modelo Naive, para horizontes de três, seis e doze meses. Também avaliamos quatro frequências máximas para o “low-pass filter”. Os resultados indicam que portfólios construídos com s metodologia proposta, geralmente, resultam em retornos superiores em relação aos modelos de benchmark. Análises de drawdown e de dominância estocástica também indicam a superioridade do nosso método.Long-term portfolios are usually built considering low-risk assets with a high payment dividend flow. However, the methodology proposed in this work is an alteration of the Markowitz model, considering the removal of short-term variability in the returns, aiming to build a portfolio that is less sensitive to rapid and temporary variations. Using data from 20 years of assets present in the historic composition of the Dow Jones Industrial Average, we compared the results of the proposed method with the traditional Markowitz model and the Naive model, for horizons of three, six and twelve months. We also implemented four maximum frequencies for the lowpass filter. The results indicate that portfolios built with the proposed methodology, generally, result in superior returns in relation to benchmark models. Drawdown and stochastic dominance analyzes also indicate the superiority of our method.application/pdfporPortfólioSéries temporaisDomínio da frequênciaTime seriesLow-pass filterMarkowitzDow JonesConstrução de portfólios de longo prazoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPorto Alegre, BR-RS2022Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001144007.pdf.txt001144007.pdf.txtExtracted Texttext/plain60082http://www.lume.ufrgs.br/bitstream/10183/241831/2/001144007.pdf.txt2e776c8f396eefbd481eb3b32c4d9923MD52ORIGINAL001144007.pdfTexto completoapplication/pdf1557714http://www.lume.ufrgs.br/bitstream/10183/241831/1/001144007.pdf258674c18ae5053e71a445e63262fdbbMD5110183/2418312022-07-06 04:59:22.739183oai:www.lume.ufrgs.br:10183/241831Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-07-06T07:59:22Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Construção de portfólios de longo prazo |
title |
Construção de portfólios de longo prazo |
spellingShingle |
Construção de portfólios de longo prazo Chaves, Rafael Bernardoni Portfólio Séries temporais Domínio da frequência Time series Low-pass filter Markowitz Dow Jones |
title_short |
Construção de portfólios de longo prazo |
title_full |
Construção de portfólios de longo prazo |
title_fullStr |
Construção de portfólios de longo prazo |
title_full_unstemmed |
Construção de portfólios de longo prazo |
title_sort |
Construção de portfólios de longo prazo |
author |
Chaves, Rafael Bernardoni |
author_facet |
Chaves, Rafael Bernardoni |
author_role |
author |
dc.contributor.author.fl_str_mv |
Chaves, Rafael Bernardoni |
dc.contributor.advisor1.fl_str_mv |
Taufemback, Cleiton Guollo |
contributor_str_mv |
Taufemback, Cleiton Guollo |
dc.subject.por.fl_str_mv |
Portfólio Séries temporais Domínio da frequência |
topic |
Portfólio Séries temporais Domínio da frequência Time series Low-pass filter Markowitz Dow Jones |
dc.subject.eng.fl_str_mv |
Time series Low-pass filter Markowitz Dow Jones |
description |
Portfólios de longo prazo são geralmente construídos considerando ativos de baixo risco e com um bom fluxo de dividendos. Entretanto, a metodologia proposta neste trabalho é uma alteração do modelo de Markowitz, considerando a remoção da variabilidade de curto prazo dos retornos, com o objetivo de construir um portfólio que seja menos sensibilizado por variações rápidas e temporárias. Utilizando dados de 20 anos dos ativos presentes na composição histórica do índice Dow Jones Industrial Average, comparamos os resultados do método proposto com o modelo tradicional de Markowitz e o modelo Naive, para horizontes de três, seis e doze meses. Também avaliamos quatro frequências máximas para o “low-pass filter”. Os resultados indicam que portfólios construídos com s metodologia proposta, geralmente, resultam em retornos superiores em relação aos modelos de benchmark. Análises de drawdown e de dominância estocástica também indicam a superioridade do nosso método. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-07-05T05:09:00Z |
dc.date.issued.fl_str_mv |
2022 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/241831 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001144007 |
url |
http://hdl.handle.net/10183/241831 |
identifier_str_mv |
001144007 |
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.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/241831/2/001144007.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/241831/1/001144007.pdf |
bitstream.checksum.fl_str_mv |
2e776c8f396eefbd481eb3b32c4d9923 258674c18ae5053e71a445e63262fdbb |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1815447314882363392 |