[pt] A alocação de ativos é uma das mais importantes decisões financeiras para investidores. No entanto, as decisões humanas não são totalmente racionais. Sabemos que as pessoas cometem muitos erros sistemáticos como, excesso de confiança, aversão à perda irracional e mau uso da informação entre outros. Nesta tese desenvolvemos duas metodologias distintas para enfrentar esse problema. A primeira abordagem é qualitativa, utiliza o modelo de Black-Litterman e tenta mapear a visão que o investidor tem do mercado. Esse método tenta mitigar a irracionalidade na tomada de decisão tornando mais fácil para um investidor demonstrar suas preferências em relação aos ativos. Black e Litterman desenvolveram um método para otimização de carteiras com a proposta de melhorar o modelo Markowitz, utilizando a construção de visões para representar a opinião do investidor sobre o futuro. No entanto, a forma de construir essas visões é bastante confusa e exige que o investidor estime vários parâmetros que são subjetivos. Assim, propomos uma nova forma de criar essas visões, utilizando Análise Verbal de Decisão. A segunda pesquisa envolve métodos quantitativos para resolver o problema de alocação de ativos com múltiplos estágios com premissas mais realistas. Embora a Programação Dinâmica Dual Estocástica (PDDE) seja uma técnica promissora para a solução de problemas de grande porte, não é adequada para o problema de alocação de ativos devido à dependência temporal associada aos retornos dos ativos. PDDE assume que o processo estocástico tem independência por estágio assegurando uma função única de custo futuro para cada estágio. No problema de alocação de ativos, a dependência do tempo é tipicamente não-linear e no lado esquerdo, o que torna PDDE tradicional não aplicável. Propomos uma variação do PDDE usando modelo oculto de Markov com estados discretos para resolver problemas reais de alocação de ativos com múltiplos períodos e dependência no tempo. Ambas as abordagens foram testadas em dados reais e empiricamente analisadas. As principais contribuições são as metodologia desenvolvidas para simplificar a construção de portfólios e para resolver o problema de alocação de ativos com múltiplos estágios. / [en] Asset allocation is one of the most important financial decisions made by investors. However, human decisions are not fully rational, and people make several systematic mistakes due to overconfidence, irrational loss aversion and misuse of information, among others. In this thesis, we developed two distinct methodologies to tackle this problem. The first approach has a more qualitative view, trying to map the investor s vision of the market. It tries to mitigate irrationality in decision-making by making it easier for an investor to demonstrate his/her preferences for specirfic assets. This first research uses the Black-Litterman model to construct portfolios. Black and Litterman developed a method for portfolio optimization as an improvement over the Markowitz model. They suggested the construction of views to represent an investor s opinion about future stocks returns. However, constructing these views has proven difficult, as it requires the investor to quantify several subjective parameters. This work investigates a new way of creating these views by using Verbal Decision Analysis. The second research focuses on quantitative methods to solve the multistage asset allocation problem. More specifically, it modifies the Stochastic Dynamic Dual Programming (SDDP) method to consider real asset allocation models. Although SDDP is a consolidated solution technique for large-scale problems, it is not suitable for asset allocation problems due to the temporal dependence of returns. Indeed, SDDP assumes a stagewise independence of the random process assuring a unique cost-to-go function for each time stage. For the asset allocation problem, time dependency is typically nonlinear and on the left-hand side, which makes traditional SDDP inapplicable. This thesis proposes an SDDP variation to solve real asset allocation problems for multiple periods, by modeling time dependence as a Hidden Markov Model with concealed discrete states. Both approaches were tested in real data and empirically analyzed. The contributions of this thesis are the methodology to simplify portfolio construction and the methods to solve real multistage stochastic asset allocation problems.

[pt] Os Projetos de Eficiência Energética Gerenciados pelo Lado da Demanda (GLD), bem como todo projeto de engenharia, requerem decisões de investimentos que possuem incertezas associadas. As incertezas econômicas devem-se a fatores exógenos ao projeto sendo, em geral, representadas por oscilações estocásticas dos custos da energia elétrica. As incertezas técnicas estão associadas a fatores internos, como o desempenho dos projetos em função da tecnologia eficiente escolhida, da sua operação e manutenção. A decisão dos clientes e investidores na aquisição de Projetos de Eficiência Energética depende do retorno esperado nos ganhos com a energia economizada, como por exemplo, na venda desta energia no mercado de curto prazo. Esta tese investiga uma nova metodologia que, considerando as incertezas técnicas e econômicas, efetua uma análise mais abrangente e realista do cenário complexo de negócios que envolvem os Projetos de Eficiência Energética no Brasil. A metodologia contribui para a tomada de decisão considerando a flexibilidade gerencial e a avaliação dos riscos específicos dos projetos. Esta se baseia em técnicas inteligentes para a otimização de diagnósticos energéticos associados à análise de opções reais e avaliação econômica de Projetos de Eficiência Energética Gerenciados pelo Lado da Demanda (GLD), aplicados ao setor de energia elétrica no Brasil. A metodologia é avaliada em dois Projetos de Eficiência Energética, para os usos finais de Iluminação e Climatização de Ambientes, em uma unidade consumidora da classe Comercial, localizada na Cidade do Rio de Janeiro e conectada ao sistema de distribuição em Média Tensão (13,8kV). Os resultados revelaram que a partir da aplicação de Algoritmos Genéticos na otimização de diagnósticos energéticos puderam-se construir subprojetos originados de um projeto maior, mantendo-se, ou até ampliando-se a Relação Custo vs. Beneficio (RCB). E, desta forma, contribuir para a viabilização de alternativas ótimas de projetos que incentivam a aplicação da Eficiência Energética no Brasil. / [en] The Energy Efficiency Projects Managed by Demand Side (DSM), as well as all engineering design, require investment decisions that have associated uncertainties. Economic uncertainties are due to factors exogenous to the project being generally represented by stochastic fluctuations of electricity costs. The technical uncertainties are associated with internal factors such as performance of the projects on the basis of efficient technology chosen, its operation and maintenance. The decision of customers and investors in the acquisition of Energy Efficiency Projects depends on the expected return on the earnings of the energy saved, for example, the sale of this energy in the short term. This thesis investigates a new methodology which, considering the technical and economic uncertainties, performs a more comprehensive and realistic business complex scenario involving the Energy Efficiency Projects in Brazil. The methodology helps decision making considering managerial flexibility and risk assessment of specific projects. This is based on intelligent techniques for optimizing energy diagnoses associated with real options analysis and economic evaluation of Energy Efficiency Projects Managed by Demand Side (DSM), applied to the electricity sector in Brazil. The methodology is evaluated in two Energy Efficiency Projects for the end uses of lighting and Air Conditioning, in a consumer unit of the Commercial category, located in the city of Rio de Janeiro and connected to the distribution system in Medium Voltage (13.8kV). The results showed that with the application of genetic algorithms in optimization of energy diagnoses subprojects originated from a larger project could be built, maintaining or even widening the Cost vs. Value. Benefit (RCB) ratio. And in this way, contribute to the viability of alternative optimal designs that encourage the implementation of Energy Efficiency in Brazil.