Estimação não paramétrica de matriz de covariâncias condicional : uma aplicação na otimização de portfólios em fundos multimercados

• Autor(a) principal: Jantsch, Tiago Luis
• Data de Publicação: 2017
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/169103
• topic: Estimativa; Otimização; Markowitz; Mean-variance; Portfolio Optimization; Kernel Density Estimation

Este trabalho fundamenta-se na teoria moderna do portfólio proposta por Markowitz (1952), que trata da diversificação de investimentos na relação entre a minimização do risco e na maximização dos retornos atrelados a uma estratégia de otimização. Este estudo, visando diminuir os erros de estimação do modelo de média-variância clássico, propõe uma reformulação na estimação da matriz de covariâncias baseado na estimação das variâncias e covariâncias condicionais a partir de estimadores não paramétricos Kernel. Sua aplicação foi feita com base nos retornos diários de 359 fundos multimercados no período de 02 de julho de 2012 e 31 de dezembro de 2016. Por ser um mercado com uma alta volatilidade, fez-se necessário um rebalanceamento da carteira, a fim de corrigir as flutuações dos ativos. Por fim, essas métricas modeladas foram comparadas pelo retorno e índice Sharpe e também, com os benchmarks IBOVESPA e CDI, no mesmo período. Conclui-se que no âmbito dos retornos a estratégia não paramétrica apresentou 5,36% de retorno superior ao modelo de média-variância, entretanto o seu índice Sharpe foi inferior ao modelo tradicional.