This paper was published through Galoá and has a deposited DOI. To cite this paper, use one of the standards below:
In case you are one of the co-authors and want to register this paper in your Lattes, use the following code: doi > 10.59254/sbpo-2019-106949
If you've NEVER registered a DOI in your Lattes, check our tutorial!O problema de otimização com o objetivo de determinar a composição de um portfólio de modo que o risco seja mínimo para o retorno da carteira é um objeto de estudo muito importante, com destaque na década de 50 com o surgimento da Teoria de Portfólios de Markowitz. Apesar da relevância dessa teoria, houve a necessidade de buscar aprimoramentos para contornar algumas deficiências. Entre eles está o emprego de uma nova medida de risco denominada CVaR, com características mais desejáveis para a otimização. A otimização robusta aparece nesse contexto com o objetivo de considerar as incertezas inerentes aos retornos esperados dos ativos, os quais são assumidos conhecidos com exatidão na teoria clássica. A primeira abordagem robusta proposta nesse sentido surgiu na década de 70, fornecendo uma contraparte robusta que também é um problema linear e formulada considerando a “pior” realização possível para todos os parâmetros incertos simultaneamente. Anos mais tarde desenvolveu-se uma nova abordagem possibilitando um controle maior desse conservadorismo dos resultados, em contrapartida, essa abordagem apresenta um custo computacional muito alto por resultar em um problema quadrático cônico. Finalmente, a abordagem proposta por Bertsimas e Sim possibilitou conciliar as características mais favoráveis das outras abordagens, a saber, manter a linearidade do problema e controlar o conservadorismo do problema por meio da inclusão de um parâmetro definido pelos autores como o “preço da robustez”. Nesse sentido, o objetivo desse trabalho é incorporar as incertezas ao modelo de otimização de portfólio, baseado na medida de risco CVaR, por meio da abordagem de Bertsimas e Sim. Para tanto, testes numéricos foram realizados em Matlab e as fronteiras eficientes foram construídas a partir de dados de 26 ações do índice IBRX50. Os resultados indicam que esta abordagem robusta é uma boa alternativa quando se deseja otimizar carteiras de modo mais realista, fornecendo soluções imunes às incertezas do parâmetro em questão.
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper