The behaviourally based portfolio selection problem with investor's loss aversion and risk aversion biases in portfolio choice under uncertainty are studied. The main results of this work are developed heuristic approaches for the prospect theory and cumulative prospect theory models proposed by Kahneman and Tversky in 1979 and 1992 as well as an empirical comparative analysis of these models and the traditional mean variance and index tracking models. The crucial assumption is that behavioural features of the (cumulative) prospect theory model provide better downside protection than traditional approaches to the portfolio selection problem. In this research the large scale computational results for the (cumulative) prospect theory model have been obtained. Previously, as far as we aware, only small laboratory (2-3 arti cial assets) tests has been presented in the literature. In order to investigate empirically the performance of the behaviourally based models, a differential evolution algorithm and a genetic algorithm which are capable to deal with large universe of assets have been developed. The speci c breeding and mutation as well as normalisation have been implemented in the algorithms. A tabulated comparative analysis of the algorithms' parameter choice is presented. The performance of the studied models have been tested out-of-sample in different conditions using the bootstrap method as well as simulation of the distribution of a growing market and simulation of the t-distribution with fat tails which characterises the dynamics of a decreasing or crisis market. A cardinality and CVaR constraints have been implemented to the basic mean variance and prospect theory models. The comparative analysis of the empirical results has been made using several criteria such as CPU time, ratio between mean portfolio return and standart deviation, mean portfolio return, standard deviation , VaR and CVaR as alternative measures of risk. The strong in uence of the reference point, loss aversion and risk aversion on the prospect theory model's results have been found. The prospect theory model with the reference point being the index is compared to the index tracking model. The portfolio diversi cation bene t has been found. However, the aggressive behaviour in terms of returns of the prospect theory model with the reference point being the index leads to worse performance of this model in a bearish market compared to the index tracking model. The tabulated comparative analysis of the performance of all studied models is provided in this research for in-sample and out-of-sample tests.

Diante das evidências registradas na literatura de que, de forma geral, os fundos ativos não têm sido bem-sucedidos na tarefa de bater seus benchmarks, os fundos passivos – que buscam reproduzir as características de risco e retorno de um índice de mercado definido – vem ganhando espaço como alternativa de investimento na carteira dos investidores. A estratégia de reproduzir um índice é chamada de index tracking. Nesse sentido, o objetivo deste trabalho consiste em introduzir a técnica LASSO como método endógeno de seleção e otimização de ativos para a execução de um index tracking no mercado brasileiro e compara-lo com a execução de um index tracking pela técnica de seleção por participação dos ativos no índice de referência (otimizado por cointegração). A utilização da técnica LASSO, tal como proposta, constitui uma novidade na aplicação para o mercado financeiro brasileiro. Os testes comparativos foram realizados com as ações do índice Ibovespa entre os anos de 2010 e 2016. Sabendo das limitações relativas ao período de análise, os resultados sugerem, entre outros pontos, que o método LASSO gera tracking errors mais voláteis do que o método ad hoc tradicional e, dessa forma, gera menor aderência da carteira de réplica ao benchmark ao longo do tempo. / Given the evidence in the literature that, in general, the active funds have not been successful in the task of hitting their benchmarks, the passive funds - which seek to reproduce the risk and return characteristics of a defined market index - come gaining space as an investment alternative in the investor portfolio. The strategy of reproducing an index is called index tracking. In this sense, the objective of this study is to introduce the LASSO technique as an endogenous method of selection and optimization of assets for the execution of an index tracking in the Brazilian market and to compare it with the performance of an index tracking by the technique of selection by participation in benchmark index (optimized by cointegration). The LASSO technique, as proposed, is innovative as application to the Brazilian financial market. The comparative tests were carried out with the stocks of the Ibovespa index between 2010 and 2016. Regarding the limitations related to the analysis period, the results suggest, among others, that the LASSO method generates more volatile tracking than the traditional ad hoc proceding, and thus, generates a portfolio that is less adhered to the benchmark over time.

Os modelos de otimização de carteiras baseados na análise média-variância apresentam dificuldades para estimação das matrizes de covariância, usadas no processo de otimização, o que leva a necessidade de métodos ad hoc para limitar ou suavizar as alocações eficientes recomendadas pelo modelo. Embora as carteiras obtidas por este método sejam eficientes, não é assegurado que o tracking error seja estacionário, podendo a carteira se distanciar do benchmark, exigindo frequentes recomposições. Neste artigo é empregada a metodologia de cointegração para otimização de carteiras no âmbito de duas estratégias: index tracking e estratégia long-short. A estabilidade das carteiras otimizadas através da cointegração em diferentes cenários de mercado, diminuindo custos relativos a frequentes recomposições da carteira, e níveis de retorno e volatilidade superiores aos benchmarks, mostram que a metodologia é uma ferramenta eficiente e capaz de gerar resultados robustos, se caracterizando como uma atraente ferramenta para a gestão quantitativa de recursos. Modelar a estrutura a termo da taxa de juros é extremamente importante para macroeconomistas e participantes do mercado financeiro em geral. Neste artigo é empregada a formulação de Diebold-Li para ajustar e fazer previsões da estrutura a termo da taxa de juros brasileira. São empregados dados diários referentes às taxas dos contratos de DI Futuro negociados na BM&F que apresentaram maior liquidez para o período de Janeiro de 2006 a Fevereiro de 2009. Diferentemente da maior parte da literatura sobre curva de juros para dados brasileiros, em que o modelo de Diebold- Li é estimado pelo método de dois passos, neste trabalho o modelo é colocado no formado de estado espaço, e os parâmetros são estimados simultaneamente, de forma eficiente, pelo Filtro de Kalman. Os resultados obtidos tanto para o ajuste, mas principalmente no que diz respeito à previsão, mostram que a estimação do modelo através do Filtro de Kalman é a mais adequada, gerando melhores previsões para todas as maturidades quando é considerado horizontes de previsão de um mês, três meses e seis meses. No terceiro artigo artigo nós propomos estimar o modelo dinâmico da estrutura a termo da curva de juros de Nelson e Siegel (1987) considerando duas especificações alternativas. Na primeira, nós consideramos os pesos dos fatores como variantes no tempo e tratamos a heterocedasticidade condicional via um modelo volatilidade estocática com fatores comuns. No segundo caso, consideramos um modelo onde os fatores latentes seguem individualmente processos autoregressivos com volatilidade estocástica. Os assim chamados fatores de volatilidade buscam capturar a incerteza ao longo do tempo associada ao nível, inclinação e curvatura da curva de juros. A estimação é realizada através de métodos de inferência bayesiana, por Markov Chain Monte Carlo. Os resultados mostram que os fatores de volatilidade são altamente persistentes, dando suporte ao fato estilizado de que os choques na volatilidade das taxas de juros são altamente persistentes, e também indicam que o uso de estruturas de volatilidade estocástica levam a melhores ajustes dentro da amostra para a curva de juros observada. / The traditional models to optimize portfolios based on mean-variance analysis aim to determine the portfolio weights that minimize the variance for a certain return level. The covariance matrices used to optimize are difficult to estimate and ad hoc methods often need to be applied to limit or smooth the mean-variance efficient allocations recommended by the model. Although the method is efficient, the tracking error isn’t certainly stationary, so the portfolio can get distant from the benchmark, requiring frequent re-balancements. We used the cointegration methodology to devise two quantitative strategies: index tracking and long-short market neutral. We aim to design optimal portfolios acquiring the asset prices’ co-movements. We used Ibovespa’s index and stocks from Jan-2000 to Dec-2008. The results show that the devise of index tracking portfolios using cointegration generates goods results, replicating the benchmark’s return and volatility. The long-short strategy generated stable returns under several market circumstances, presenting low volatility. Modeling the term structure of interest rate is very important to macroeconomists and financial market practitioners in general. In this paper, we used the Diebold-Li interpretation to the Nelson Siegel model in order to fit and forecast the Brazilian yield curve. The data consisted of daily observations of the most liquid future ID yields traded in the BM&F from January 2006 to February 2009. Differently from the literature on the Brazilian yield curve, where the Diebold-Li model is estimated through the two-step method, the model herein is put in the state-space form, and the parameters are simultaneously and efficiently estimated using the Kalman filter. The results obtained for the fit and for the forecast showed that the Kalman filter is the most suitable method for the estimation of the model, generating better forecast for all maturities when we consider the forecasting horizons of one and three months. In the third essay we propose to estimate the dynamic Nelson-Siegel model of yield curve considering two alternative specifications. At first, we consider the factor loadings such as time-varying conditonal heteroskedasticity and treat via a common factors of stochastic volatility models. In the second case, we consider a model where the latent factors individually following autorregressive process with stochastic volatility. The volatility factors seek to capture the uncertainty over time associated with level, slope and curvature of yield curve.The estimation is performed through bayesian inference, Markov Chain Monte Carlo. The volatility factors showed high persistence, supporting the stylized fact that shocks in the volatility of interest rate are highly persistent, and also indicate that the used of structures of stochastic volatility lead to better in-sample fits of the observed yield curve.

Diante das evidências registradas na literatura de que, de forma geral, os fundos ativos não têm sido bem-sucedidos na tarefa de bater seus benchmarks, os fundos passivos – que buscam reproduzir as características de risco e retorno de um índice de mercado definido – vem ganhando espaço como alternativa de investimento na carteira dos investidores. A estratégia de reproduzir um índice é chamada de index tracking. Nesse sentido, o objetivo deste trabalho consiste em introduzir a técnica LASSO como método endógeno de seleção e otimização de ativos para a execução de um index tracking no mercado brasileiro e compara-lo com a execução de um index tracking pela técnica de seleção por participação dos ativos no índice de referência (otimizado por cointegração). A utilização da técnica LASSO, tal como proposta, constitui uma novidade na aplicação para o mercado financeiro brasileiro. Os testes comparativos foram realizados com as ações do índice Ibovespa entre os anos de 2010 e 2016. Sabendo das limitações relativas ao período de análise, os resultados sugerem, entre outros pontos, que o método LASSO gera tracking errors mais voláteis do que o método ad hoc tradicional e, dessa forma, gera menor aderência da carteira de réplica ao benchmark ao longo do tempo. / Given the evidence in the literature that, in general, the active funds have not been successful in the task of hitting their benchmarks, the passive funds - which seek to reproduce the risk and return characteristics of a defined market index - come gaining space as an investment alternative in the investor portfolio. The strategy of reproducing an index is called index tracking. In this sense, the objective of this study is to introduce the LASSO technique as an endogenous method of selection and optimization of assets for the execution of an index tracking in the Brazilian market and to compare it with the performance of an index tracking by the technique of selection by participation in benchmark index (optimized by cointegration). The LASSO technique, as proposed, is innovative as application to the Brazilian financial market. The comparative tests were carried out with the stocks of the Ibovespa index between 2010 and 2016. Regarding the limitations related to the analysis period, the results suggest, among others, that the LASSO method generates more volatile tracking than the traditional ad hoc proceding, and thus, generates a portfolio that is less adhered to the benchmark over time.

Os modelos de otimização de carteiras baseados na análise média-variância apresentam dificuldades para estimação das matrizes de covariância, usadas no processo de otimização, o que leva a necessidade de métodos ad hoc para limitar ou suavizar as alocações eficientes recomendadas pelo modelo. Embora as carteiras obtidas por este método sejam eficientes, não é assegurado que o tracking error seja estacionário, podendo a carteira se distanciar do benchmark, exigindo frequentes recomposições. Neste artigo é empregada a metodologia de cointegração para otimização de carteiras no âmbito de duas estratégias: index tracking e estratégia long-short. A estabilidade das carteiras otimizadas através da cointegração em diferentes cenários de mercado, diminuindo custos relativos a frequentes recomposições da carteira, e níveis de retorno e volatilidade superiores aos benchmarks, mostram que a metodologia é uma ferramenta eficiente e capaz de gerar resultados robustos, se caracterizando como uma atraente ferramenta para a gestão quantitativa de recursos. Modelar a estrutura a termo da taxa de juros é extremamente importante para macroeconomistas e participantes do mercado financeiro em geral. Neste artigo é empregada a formulação de Diebold-Li para ajustar e fazer previsões da estrutura a termo da taxa de juros brasileira. São empregados dados diários referentes às taxas dos contratos de DI Futuro negociados na BM&F que apresentaram maior liquidez para o período de Janeiro de 2006 a Fevereiro de 2009. Diferentemente da maior parte da literatura sobre curva de juros para dados brasileiros, em que o modelo de Diebold- Li é estimado pelo método de dois passos, neste trabalho o modelo é colocado no formado de estado espaço, e os parâmetros são estimados simultaneamente, de forma eficiente, pelo Filtro de Kalman. Os resultados obtidos tanto para o ajuste, mas principalmente no que diz respeito à previsão, mostram que a estimação do modelo através do Filtro de Kalman é a mais adequada, gerando melhores previsões para todas as maturidades quando é considerado horizontes de previsão de um mês, três meses e seis meses. No terceiro artigo artigo nós propomos estimar o modelo dinâmico da estrutura a termo da curva de juros de Nelson e Siegel (1987) considerando duas especificações alternativas. Na primeira, nós consideramos os pesos dos fatores como variantes no tempo e tratamos a heterocedasticidade condicional via um modelo volatilidade estocática com fatores comuns. No segundo caso, consideramos um modelo onde os fatores latentes seguem individualmente processos autoregressivos com volatilidade estocástica. Os assim chamados fatores de volatilidade buscam capturar a incerteza ao longo do tempo associada ao nível, inclinação e curvatura da curva de juros. A estimação é realizada através de métodos de inferência bayesiana, por Markov Chain Monte Carlo. Os resultados mostram que os fatores de volatilidade são altamente persistentes, dando suporte ao fato estilizado de que os choques na volatilidade das taxas de juros são altamente persistentes, e também indicam que o uso de estruturas de volatilidade estocástica levam a melhores ajustes dentro da amostra para a curva de juros observada. / The traditional models to optimize portfolios based on mean-variance analysis aim to determine the portfolio weights that minimize the variance for a certain return level. The covariance matrices used to optimize are difficult to estimate and ad hoc methods often need to be applied to limit or smooth the mean-variance efficient allocations recommended by the model. Although the method is efficient, the tracking error isn’t certainly stationary, so the portfolio can get distant from the benchmark, requiring frequent re-balancements. We used the cointegration methodology to devise two quantitative strategies: index tracking and long-short market neutral. We aim to design optimal portfolios acquiring the asset prices’ co-movements. We used Ibovespa’s index and stocks from Jan-2000 to Dec-2008. The results show that the devise of index tracking portfolios using cointegration generates goods results, replicating the benchmark’s return and volatility. The long-short strategy generated stable returns under several market circumstances, presenting low volatility. Modeling the term structure of interest rate is very important to macroeconomists and financial market practitioners in general. In this paper, we used the Diebold-Li interpretation to the Nelson Siegel model in order to fit and forecast the Brazilian yield curve. The data consisted of daily observations of the most liquid future ID yields traded in the BM&F from January 2006 to February 2009. Differently from the literature on the Brazilian yield curve, where the Diebold-Li model is estimated through the two-step method, the model herein is put in the state-space form, and the parameters are simultaneously and efficiently estimated using the Kalman filter. The results obtained for the fit and for the forecast showed that the Kalman filter is the most suitable method for the estimation of the model, generating better forecast for all maturities when we consider the forecasting horizons of one and three months. In the third essay we propose to estimate the dynamic Nelson-Siegel model of yield curve considering two alternative specifications. At first, we consider the factor loadings such as time-varying conditonal heteroskedasticity and treat via a common factors of stochastic volatility models. In the second case, we consider a model where the latent factors individually following autorregressive process with stochastic volatility. The volatility factors seek to capture the uncertainty over time associated with level, slope and curvature of yield curve.The estimation is performed through bayesian inference, Markov Chain Monte Carlo. The volatility factors showed high persistence, supporting the stylized fact that shocks in the volatility of interest rate are highly persistent, and also indicate that the used of structures of stochastic volatility lead to better in-sample fits of the observed yield curve.

Os modelos de otimização de carteiras baseados na análise média-variância apresentam dificuldades para estimação das matrizes de covariância, usadas no processo de otimização, o que leva a necessidade de métodos ad hoc para limitar ou suavizar as alocações eficientes recomendadas pelo modelo. Embora as carteiras obtidas por este método sejam eficientes, não é assegurado que o tracking error seja estacionário, podendo a carteira se distanciar do benchmark, exigindo frequentes recomposições. Neste artigo é empregada a metodologia de cointegração para otimização de carteiras no âmbito de duas estratégias: index tracking e estratégia long-short. A estabilidade das carteiras otimizadas através da cointegração em diferentes cenários de mercado, diminuindo custos relativos a frequentes recomposições da carteira, e níveis de retorno e volatilidade superiores aos benchmarks, mostram que a metodologia é uma ferramenta eficiente e capaz de gerar resultados robustos, se caracterizando como uma atraente ferramenta para a gestão quantitativa de recursos. Modelar a estrutura a termo da taxa de juros é extremamente importante para macroeconomistas e participantes do mercado financeiro em geral. Neste artigo é empregada a formulação de Diebold-Li para ajustar e fazer previsões da estrutura a termo da taxa de juros brasileira. São empregados dados diários referentes às taxas dos contratos de DI Futuro negociados na BM&F que apresentaram maior liquidez para o período de Janeiro de 2006 a Fevereiro de 2009. Diferentemente da maior parte da literatura sobre curva de juros para dados brasileiros, em que o modelo de Diebold- Li é estimado pelo método de dois passos, neste trabalho o modelo é colocado no formado de estado espaço, e os parâmetros são estimados simultaneamente, de forma eficiente, pelo Filtro de Kalman. Os resultados obtidos tanto para o ajuste, mas principalmente no que diz respeito à previsão, mostram que a estimação do modelo através do Filtro de Kalman é a mais adequada, gerando melhores previsões para todas as maturidades quando é considerado horizontes de previsão de um mês, três meses e seis meses. No terceiro artigo artigo nós propomos estimar o modelo dinâmico da estrutura a termo da curva de juros de Nelson e Siegel (1987) considerando duas especificações alternativas. Na primeira, nós consideramos os pesos dos fatores como variantes no tempo e tratamos a heterocedasticidade condicional via um modelo volatilidade estocática com fatores comuns. No segundo caso, consideramos um modelo onde os fatores latentes seguem individualmente processos autoregressivos com volatilidade estocástica. Os assim chamados fatores de volatilidade buscam capturar a incerteza ao longo do tempo associada ao nível, inclinação e curvatura da curva de juros. A estimação é realizada através de métodos de inferência bayesiana, por Markov Chain Monte Carlo. Os resultados mostram que os fatores de volatilidade são altamente persistentes, dando suporte ao fato estilizado de que os choques na volatilidade das taxas de juros são altamente persistentes, e também indicam que o uso de estruturas de volatilidade estocástica levam a melhores ajustes dentro da amostra para a curva de juros observada. / The traditional models to optimize portfolios based on mean-variance analysis aim to determine the portfolio weights that minimize the variance for a certain return level. The covariance matrices used to optimize are difficult to estimate and ad hoc methods often need to be applied to limit or smooth the mean-variance efficient allocations recommended by the model. Although the method is efficient, the tracking error isn’t certainly stationary, so the portfolio can get distant from the benchmark, requiring frequent re-balancements. We used the cointegration methodology to devise two quantitative strategies: index tracking and long-short market neutral. We aim to design optimal portfolios acquiring the asset prices’ co-movements. We used Ibovespa’s index and stocks from Jan-2000 to Dec-2008. The results show that the devise of index tracking portfolios using cointegration generates goods results, replicating the benchmark’s return and volatility. The long-short strategy generated stable returns under several market circumstances, presenting low volatility. Modeling the term structure of interest rate is very important to macroeconomists and financial market practitioners in general. In this paper, we used the Diebold-Li interpretation to the Nelson Siegel model in order to fit and forecast the Brazilian yield curve. The data consisted of daily observations of the most liquid future ID yields traded in the BM&F from January 2006 to February 2009. Differently from the literature on the Brazilian yield curve, where the Diebold-Li model is estimated through the two-step method, the model herein is put in the state-space form, and the parameters are simultaneously and efficiently estimated using the Kalman filter. The results obtained for the fit and for the forecast showed that the Kalman filter is the most suitable method for the estimation of the model, generating better forecast for all maturities when we consider the forecasting horizons of one and three months. In the third essay we propose to estimate the dynamic Nelson-Siegel model of yield curve considering two alternative specifications. At first, we consider the factor loadings such as time-varying conditonal heteroskedasticity and treat via a common factors of stochastic volatility models. In the second case, we consider a model where the latent factors individually following autorregressive process with stochastic volatility. The volatility factors seek to capture the uncertainty over time associated with level, slope and curvature of yield curve.The estimation is performed through bayesian inference, Markov Chain Monte Carlo. The volatility factors showed high persistence, supporting the stylized fact that shocks in the volatility of interest rate are highly persistent, and also indicate that the used of structures of stochastic volatility lead to better in-sample fits of the observed yield curve.

Diante das evidências registradas na literatura de que, de forma geral, os fundos ativos não têm sido bem-sucedidos na tarefa de bater seus benchmarks, os fundos passivos – que buscam reproduzir as características de risco e retorno de um índice de mercado definido – vem ganhando espaço como alternativa de investimento na carteira dos investidores. A estratégia de reproduzir um índice é chamada de index tracking. Nesse sentido, o objetivo deste trabalho consiste em introduzir a técnica LASSO como método endógeno de seleção e otimização de ativos para a execução de um index tracking no mercado brasileiro e compara-lo com a execução de um index tracking pela técnica de seleção por participação dos ativos no índice de referência (otimizado por cointegração). A utilização da técnica LASSO, tal como proposta, constitui uma novidade na aplicação para o mercado financeiro brasileiro. Os testes comparativos foram realizados com as ações do índice Ibovespa entre os anos de 2010 e 2016. Sabendo das limitações relativas ao período de análise, os resultados sugerem, entre outros pontos, que o método LASSO gera tracking errors mais voláteis do que o método ad hoc tradicional e, dessa forma, gera menor aderência da carteira de réplica ao benchmark ao longo do tempo. / Given the evidence in the literature that, in general, the active funds have not been successful in the task of hitting their benchmarks, the passive funds - which seek to reproduce the risk and return characteristics of a defined market index - come gaining space as an investment alternative in the investor portfolio. The strategy of reproducing an index is called index tracking. In this sense, the objective of this study is to introduce the LASSO technique as an endogenous method of selection and optimization of assets for the execution of an index tracking in the Brazilian market and to compare it with the performance of an index tracking by the technique of selection by participation in benchmark index (optimized by cointegration). The LASSO technique, as proposed, is innovative as application to the Brazilian financial market. The comparative tests were carried out with the stocks of the Ibovespa index between 2010 and 2016. Regarding the limitations related to the analysis period, the results suggest, among others, that the LASSO method generates more volatile tracking than the traditional ad hoc proceding, and thus, generates a portfolio that is less adhered to the benchmark over time.

The fixed income market is not as exploited as other markets and has a more complex structure compared with the equity market. On the other hand, it has been seen that demand for research for the fixed income market has increased, which in turn has created greater interest in studying the characteristics of holdings in the market. This work studies whether it is possible to replicate indices through requirements for credit rating, sectors and mathematical key figures such as Duration, convexity, duration time spread (DTS) and option adjusted spread (OAS). Replication is made through linear programming in the program Python. By implementing lasso regression, this study examines whether it is possible to exceed the return by reducing the requirements for key figures that are not selected efter selection of variables in the regression. The investment company Alfred Berg has provided relevant data for this report. The data consists of information on all assets included in the index EUR Investment grade (ER00) over the period 2017-2021. The result of the replication follows the index returns, with small deviations, and the lasso regression selects the key figures DTS and OAS in its model. It is difficult to excess index return by focusing only on the key figures DTS and OAS. Analysis of other key figures and variables selected by the lasso regression can possibly create better results, as a suggestion for further work. / Räntemarknaden är inte lika exploaterad som andra marknader och har en mer komplex struktur jämfört med aktiemarknaden. Däremot har man sett att efterfrågan på forskning för räntemarknaden har ökat, vilket i sin tur skapat ett större intresse att studera egenskaperna av innehaven på marknaden. Detta arbete studerar om det går att replikera index genom krav på credit rating, sektor och matematiska nyckeltal som Duration, convexity, duration times spread (DTS) och option adjusted spread (OAS). Replikeringen sker genom linjär programmering i programmet Python. Genom att implementera Lasso regression undersöker detta arbete även om det går att överträffa vakastningen genom att minska kraven på nyckeltal som inte väljts ut efter urval av variabler i regressionen. Investmentbolaget Alfred Berg har bidragit med data för denna rapport. Datan består av information om alla tillgångar som ingår i indexet EUR Investment Grade (ER00) under perioden 2017-2021. Resultatet visar att replikeringen av index är möjlig, med små avvikelser, och lasso regressionen väljer nyckeltalen DTS och OAS i sin modell. Det är svårt att överträffa index genom att endast fokusera på nyckeltalen DTS och OAS. Analys av andra nyckeltal och variabler som väljs ut av lasso regressionen kan skapa ett bättre resultat.

Esta tese tem foco no tema de otimização de carteiras de investimento modeladas para estratégia de investimento de index tracking. O conteúdo final é composto por três artigos. O primeiro artigo é intitulado “Index Tracking with Controlled Number of Assets Using a Hybrid Heuristic Combining Genetic Algorithm and Non-linear Programming”, e foi aceito para publicação na revista Annals of Operations Research. O segundo artigo é “Index Tracking and Enhanced Indexing using Cointegration and Correlation with Endogenous Portfolio Selection”, e foi aceito para publicação na revista Quarterly Review of Economics and Finance. Por fim, o terceiro artivo é “Investigating the Use of Statistical Process Control Charts for Index Tracking Portfolios”, o qual já foi submetido e está atualmente em processo de revisão. No primeiro artigo, discutimos a estratégia de investimento de index tracking usando programação matemática. Primeiro, usamos uma formulação de programação não linear para o problema de index tracking, considerando um número limitado de ações. Devido à dificuldade de solução do problema em um intervalo de tempo razoável por pacotes matemáticos comerciais, aplicamos uma abordagem de solução híbrida, combinando programação matemática e algoritmo genético. Com a aplicação de testes, demonstramos a eficiência da abordagem proposta comparando os resultados com soluções ótimas, com métodos previamente desenvolvidos, e com dados reais de índices de mercado. Os experimentos computacionais focam no Ibovespa (o mais popular índice do mercado brasileiro), e também apresentamos resultados para mercados consolidados tais quais S&P 100 (Estados Unidos), FTSE 100 (Reino Unido) and DAX (Alemanha). A estrutura proposta apresenta sua abilidade para obter ótimos resultados (resultados com gap em relação às soluções ótimas menores que 5% em 8 minutos de tempo de processamento) até mesmo para índices de mercado com alta volatilidade em um mercado em desenvolvimento. No segundo artigo, a atenção é voltada para a análise de dois métodos alternativos entre si para solução do problema de otimização de index tracking. Esse artigo investiga o desempenho “fora da amostra” dos métodos de correlação e cointegração para as estratégias de index tracking (IT) e enhanced indexing (EIT) aplicadas aos dados de mercado Brasileiro e Norte-americano. Nosso objetivo é comparar ambos os métodos na medida em que exploramos fortemente a cointegração em relação a estudos prévios: nós transformamos a seleção do portfólio endógena ao problema de otimização nessa abordagem. Os testes foram executados utilizando dados de 2004 a 2014 com amostras de 57 ações para dados brasileiros, e 96 ações para dados dos Estados Unidos; carteiras foram construídas usando combinações de no máximo 10 ações. Apesar da realização de testes extensivos, os resultados gerais demonstraram desempenho similar para ambos os métodos. Para IT no mercado brasileiro, foi verificado um trade-off entre melhor erro de tracking e maior turnover com cointegração (com resultados opostos para correlação), sendo que este mesmo padrão não foi encontrado para dados norte-americanos. Os resultados para EIT também não apresentação claro favorecimento para cointegração ou correlação. Por fim, o terceiro artigo é dedicado à discussão a respeito do uso de processo estatístico de gráficos de controle para regulação de carteiras de index tracking. Nesse artigo, nosso objetivo é introduzir uma abordagem baseada em gráficos de controle (SPC) para monitorar o processo de rebalanceamento de carteiras de index tracking. O método de SPC é derivado da Estatística e da Engenharia, como ferramenta para controle de processos de produção. Para cumprir os objetivos, aplicamos gráficos de controle EWMA (do inglês, exponentially weighted moving average) para monitorar carteiras de IT baseadas no uso combinado de dois gráficos de controle: desempenho de carteiras em termos de erro de tracking e em termos de volatilidade. Assim, visamos tornar endógeno o controle do processo de rebalanceamento das carteiras baseado em seu desempenho e em suas condições de risco ao longo do tempo. Testes computacionais foram realizados para avaliar a abordagem desenvolvida em comparação com a estratégia tradicional de rebalanceamento (que consiste no uso de janelas fixas de tempo para atualização das carteiras), usando dados dos mercados brasileiro e norte-americano de 2005 a 2014. Os métodos de cointegração e correlação foram aplicados para otimização das carteiras. Os resultados demonstraram que a abordagem com SPC pode ser uma alternativa viável para o processo de rebalanceamento de carteiras.

Esta tese tem foco no tema de otimização de carteiras de investimento modeladas para estratégia de investimento de index tracking. O conteúdo final é composto por três artigos. O primeiro artigo é intitulado “Index Tracking with Controlled Number of Assets Using a Hybrid Heuristic Combining Genetic Algorithm and Non-linear Programming”, e foi aceito para publicação na revista Annals of Operations Research. O segundo artigo é “Index Tracking and Enhanced Indexing using Cointegration and Correlation with Endogenous Portfolio Selection”, e foi aceito para publicação na revista Quarterly Review of Economics and Finance. Por fim, o terceiro artivo é “Investigating the Use of Statistical Process Control Charts for Index Tracking Portfolios”, o qual já foi submetido e está atualmente em processo de revisão. No primeiro artigo, discutimos a estratégia de investimento de index tracking usando programação matemática. Primeiro, usamos uma formulação de programação não linear para o problema de index tracking, considerando um número limitado de ações. Devido à dificuldade de solução do problema em um intervalo de tempo razoável por pacotes matemáticos comerciais, aplicamos uma abordagem de solução híbrida, combinando programação matemática e algoritmo genético. Com a aplicação de testes, demonstramos a eficiência da abordagem proposta comparando os resultados com soluções ótimas, com métodos previamente desenvolvidos, e com dados reais de índices de mercado. Os experimentos computacionais focam no Ibovespa (o mais popular índice do mercado brasileiro), e também apresentamos resultados para mercados consolidados tais quais S&P 100 (Estados Unidos), FTSE 100 (Reino Unido) and DAX (Alemanha). A estrutura proposta apresenta sua abilidade para obter ótimos resultados (resultados com gap em relação às soluções ótimas menores que 5% em 8 minutos de tempo de processamento) até mesmo para índices de mercado com alta volatilidade em um mercado em desenvolvimento. No segundo artigo, a atenção é voltada para a análise de dois métodos alternativos entre si para solução do problema de otimização de index tracking. Esse artigo investiga o desempenho “fora da amostra” dos métodos de correlação e cointegração para as estratégias de index tracking (IT) e enhanced indexing (EIT) aplicadas aos dados de mercado Brasileiro e Norte-americano. Nosso objetivo é comparar ambos os métodos na medida em que exploramos fortemente a cointegração em relação a estudos prévios: nós transformamos a seleção do portfólio endógena ao problema de otimização nessa abordagem. Os testes foram executados utilizando dados de 2004 a 2014 com amostras de 57 ações para dados brasileiros, e 96 ações para dados dos Estados Unidos; carteiras foram construídas usando combinações de no máximo 10 ações. Apesar da realização de testes extensivos, os resultados gerais demonstraram desempenho similar para ambos os métodos. Para IT no mercado brasileiro, foi verificado um trade-off entre melhor erro de tracking e maior turnover com cointegração (com resultados opostos para correlação), sendo que este mesmo padrão não foi encontrado para dados norte-americanos. Os resultados para EIT também não apresentação claro favorecimento para cointegração ou correlação. Por fim, o terceiro artigo é dedicado à discussão a respeito do uso de processo estatístico de gráficos de controle para regulação de carteiras de index tracking. Nesse artigo, nosso objetivo é introduzir uma abordagem baseada em gráficos de controle (SPC) para monitorar o processo de rebalanceamento de carteiras de index tracking. O método de SPC é derivado da Estatística e da Engenharia, como ferramenta para controle de processos de produção. Para cumprir os objetivos, aplicamos gráficos de controle EWMA (do inglês, exponentially weighted moving average) para monitorar carteiras de IT baseadas no uso combinado de dois gráficos de controle: desempenho de carteiras em termos de erro de tracking e em termos de volatilidade. Assim, visamos tornar endógeno o controle do processo de rebalanceamento das carteiras baseado em seu desempenho e em suas condições de risco ao longo do tempo. Testes computacionais foram realizados para avaliar a abordagem desenvolvida em comparação com a estratégia tradicional de rebalanceamento (que consiste no uso de janelas fixas de tempo para atualização das carteiras), usando dados dos mercados brasileiro e norte-americano de 2005 a 2014. Os métodos de cointegração e correlação foram aplicados para otimização das carteiras. Os resultados demonstraram que a abordagem com SPC pode ser uma alternativa viável para o processo de rebalanceamento de carteiras.