UM MÉTODO UNIVERSAL PARA SELEÇÃO DE CARTEIRAS
DOI:
https://doi.org/10.12957/cadest.2021.71258Palavras-chave:
Medida Ômega (Ω), Índice de Sharpe, Ativos de Renda Variável, Alocação de Capital, Otimização de PortfólioResumo
Harry Markowitz estabeleceu os fundamentos da teoria moderna de carteiras sugerindo que as decisões de investimento devem ser tomadas com base no binômio de risco-retorno. Esta teoria tem como premissa fundamental que a alocação ótima de ativos é uma função dos primeiros momentos (média-variância) da distribuição dos retornos, sendo a distribuição gaussiana o modelo probabilístico dos retornos mais utilizado. Entretanto, na literatura de finanças, pesquisas empíricas apontam que os retornos dos ativos geralmente possuem distribuições não-gaussianas. Este trabalho propõe uma generalização da teoria moderna de carteiras que considera todos os momentos da distribuição dos retornos dos ativos. Esta generalização permite obter um método universal para a seleção de ativos com retornos de qualquer natureza probabilística.
Referências
AHMED, W. M. A; AL MAFRACHI, M. Do higher-order realized moments matter for cryptocurrency returns? International Review of Economics and Finance, 72(C), 483–499. 2021.
BERTSEKAS, D. P. Constrained Optimization and Lagrange Multiplier Methods. Athena Scientific, MIT (p. 410). 1996.
CASTRO, J. G.; TITO E. A. H.; BRANDÃO, L. E. T.; GOMES, L. L. Crypto-assets portfolio optimization under the Omega measure. The Engineering Economist, 65(2), 114–134. 2020.
CRUZ, E. A. T.; MEDINA, P. D. V.; SALAZAR, H. D. A. Optimización de portafolios de acciones utilizando los multiplicadores de Lagrange. Scientia et Technica, 18(1), 114–119. 2013.
JOBSON, J. D.; KORKIE, B. Putting Markowitz theory to work. The Journal of Portfolio Management, 7(4), 70–74. 1981.
KAZEMI, H.; SCHNEEWEIS T.; GUPTA, B. Omega as a performance measure. Journal of Performance Measurement, 8(3), 16–25. 2004.
KEATING, C.; SHADWICK, W. F. (2002). A universal performance measure. Journal of Performance Measurement, 6(3), 59–84. 2022.
MARKOWITZ, H. Portfolio Selection. Journal of Finance, 7(1), 77–91. 1952.
MERTON, R. C. An Analytic Derivation of the Efficient Portfolio Frontier. The Journal of Financial and Quantitative Analysis, 7(4), 1851–1872. 1972.
MHIRI, M.; PRIGENT, J.-L. International Portfolio Optimization with Higher Moments. International Journal of Economics and Finance, 2(5), 157–169. 2010.
MICHAUD, R. O. The Markowitz Optimization Enigma: is Optimized Optimal? Financial Analysts Journal. Vol. 45, Issue 1, pp. 464–465. 1989.
NAQVI, B.; MIRZA, N.; NAQVI, W. A.; RIZVI, S. K. A. Portfolio optimisation with higher moments of risk at the Pakistan stock exchange. Economic Research-Ekonomska Istrazivanja, 30(1), 1594–1610. 2017.
ÑÍGUEZ, T.; PAYA, I.; PEEL, D.; PEROTE, J. Higher-order Moments in the Theory of Diversification and Portfolio Composition. Working Papers No. 18297128. Lancaster University Management School, Economics Department. 2013.
SARANYA, K.; PRASANNA, P. K. Portfolio Selection and Optimization with Higher Moments: Evidence from the Indian Stock Market. Asia-Pacific Financial Markets, 21(2), 133–149. 2014.
SHARPE, W. F. Mutual Fund Performance. Journal of Business, 39(1), 119–138. 1966
SOURY, H.; ALOUINI, M. S. New results on the sum of two generalized Gaussian random variables. Global Conference on Signal and Information Processing, 1017–1021. 2015.
SUÁREZ, F. Método de los multiplicadores de Lagrange. Interpretación general y económica de éstos. Facultad de Ciencias Económicas, 7(2), 30–33. 1999.
USTA, I.; KANTAR, Y. M. Mean-variance-skewness-entropy measures: A multi-objective approach for portfolio selection. Journal Entropy, 13(1), 117–133. 2011.
