Otimização Robusta de Portfólio com Conjuntos de Incerteza Contextuais Orientados por Dados

Vol 57, 2025 - 339850
Trabalho completo (Oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Este artigo propõe um modelo de otimização robusta de portfólio com conjuntos de incerteza contextuais orientados por dados. A cada rebalanceamento, variáveis macroeconômicas observadas definem o contexto corrente, e os retornos históricos associados aos k contextos mais próximos, selecionados pelo método dos k-vizinhos mais próximos, compõem um conjunto poliedral de cenários plausíveis. A decisão de alocação é formulada como um problema max–min, posteriormente reformulado como programação linear por meio da variável θt , incorporando custos proporcionais de transação e restrição de não venda a descoberto. O modelo é avaliado em backtest com cinco carteiras setoriais norte-americanas, entre janeiro de 2006 e setembro de 2025, para diferentes valores de k. Os resultados mostram que k = 60 e 72 apresentam melhor equilíbrio entre retorno e risco, superando os benchmarks em riqueza final, retorno acumulado, índice Sharpe e drawdown máximo, além de exibirem baixa violação da cota robusta no contexto analisado. 

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 PUC - Rio
  • 2 PUC-Rio
Eixo Temático
  • MOI - Métodos de Otimização sob Incerteza (estocásticos e robustos)
Palavras-chave
Otimização robusta
seleção de portfólios
modelos orientados por dados