Submitted by Maicon Juliano Schmidt (maicons) on 2015-05-25T14:00:15Z No. of bitstreams: 1 Jorge Augusto Dias Samsonescu.pdf: 443638 bytes, checksum: 0ac887f981377608fa611c1016a91b22 (MD5) / Made available in DSpace on 2015-05-25T14:00:15Z (GMT). No. of bitstreams: 1 Jorge Augusto Dias Samsonescu.pdf: 443638 bytes, checksum: 0ac887f981377608fa611c1016a91b22 (MD5) Previous issue date: 2015-02-20 / Banco do Brasil S.A. / Este trabalho analisa o desempenho fora da amostra de carteiras de mínima variância e baixa volatilidade no mercado de ações brasileiro entre 2003 e 2013, comparativamente ao índice IBOVESPA e a uma carteira igualmente ponderada. As carteiras de mínima variância foram otimizadas com restrição de posições vendidas e limite de peso para os ativos. A matriz de covariância foi estimada pelo método amostral e método shrinkage proposto por Ledoit e Wolf (2003). A carteira de baixa volatilidade foi estruturada de forma similar ao método do índice S&P 500 Low Volatility. O período utilizado para o rebalanceamento das carteiras foi quadrimestral e os ativos elegíveis para as carteiras foram os componentes do IBOVESPA em cada quadrimestre analisado. A comparação das carteiras foi feita através dos indicadores de retorno, desvio padrão e índice de Sharpe anualizados, MVaR e maximum drawdown. Os resultados apontam para a importância na escolha do limite de pesos para os ativos das carteiras de mínima variância. As carteiras de menor risco obtiveram os melhores resultados em todos os indicadores testados. / This study analyzes the out-of-sample performance of minimum-variance and low volatility portfolios in the Brazilian stock market from 2003 to 2013, when compared to IBOVESPA index and an equally weighted portfolio. The minimum variance portfolios have been optimized with short selling restriction and weight limits for the assets. The covariance matrix was estimated by sample method and shrinkage method proposed by Ledoit & Wolf (2003). The low volatility portfolio was structured in a similar way to the S&P 500 Low Volatility index method. The portfolios rebalancing period were quarterly and the eligible assets for the portfolios were IBOVESPA components in each analyzed period. The portfolios performance was evaluated through indicators such return, standard deviation, Sharpe ratio, maximum drawdown and MVAR indicators. The results point to the importance in choosing the weight limits for the assets of minimum-variance portfolios. Lower risk portfolios delivered the best results in all tested indicators.

Com a crescente desregulamentação dos mercados de energia, os diferentes participantes dos mercados se deparam com a necessidade de gerenciar de maneira eficiente seus investimentos em energia elétrica. Nesse cenário, a otimização das Carteiras de Contratos mostra-se uma técnica interessante no planejamento estratégico dos agentes de mercados de energia. Os mercados estão frequentemente expostos a riscos de diversas fontes, assim, a mitigação dos mesmos é fundamental. A Teoria do Portfólio, proposta por Harry Markowitz, tem sido utilizada em análises envolvendo diversos mercados. Este trabalho analisa um problema de Gestão de Carteiras de Contratos de energia elétrica, com Gestão de Risco. A relação contratual entre a ANDE (Administración Nacional de Electricidad Paraguai) e Itaipu Binacional é utilizada como estudo de caso. A metodologia proposta para tratar o problema extende a teoria de Markowitz em um contexto de tomada de decisão multiobjetivo, no qual se busca minimizar os gastos da ANDE em contratação de energia (via programação não-linear) e também o risco do portfólio, avaliado por meio da variância do mesmo. Por meio do modelo proposto é possível obter a decisão contratual ótima de ANDE, que minimiza o custo de seu portfólio para cada nível de risco. Os resultados obtidos indicam que o modelo é eficiente em termos de redução de custos e risco. / Due to the increasing deregulation of electricity markets, different market participants were faced with the necessity to effectively manage their investment in electricity. In this scenario, portfolio optimization is a relevant technique that can be investigated for strategic planning by agents on energy markets. In general, markets are exposed to risks from multiple sources, the mitigation of such risks, thus, is important. The portfolio theory proposed by Harry Markowitz has been used in analyses involving several markets. This work analyzes the problem of electricity Portfolio Management, with Risk Management. The contractual relationship between ANDE and Itaipu Binacional is used as a study case. The methodology proposed for addressing the problem extends Markowitz´s theory (applying non-linear programming) for a context of multi-objective decision making, searching for the minimization of ANDEs power contract costs, as well the portfolio risk, evaluated by its variance. With the proposed model, it is possible to obtain the optimal contract decision, which minimizes the portfolio cost for each risk level. Results indicate that the model proposed is efficient in cost and risk minimization.

Orientador: Luziane Ferreira de Mendonça / Dissertação (mestrado profissional) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-17T11:31:02Z (GMT). No. of bitstreams: 1 Soares_VanessadeCarvalhoAlves_M.pdf: 1540180 bytes, checksum: 198ad552da53ca9cbe2fd6bf7fc77c17 (MD5) Previous issue date: 2011 / Resumo: Neste trabalho, propomos a determinação de uma carteira de investimento ótima via um método sem derivada. Para isso, utilizamos o modelo de média-variância proposto por Harry M. Markowitz. no qual o problema é formulado de modo a se minimizar o risco do portfolio para um dado nível de retorno esperado, ou maximizar o nível de retorno fixado do portfolio associado a um dado nível de risco e determinar todas as carteiras ótimas, no sentido risco e retorno, formando a Fronteira Eficiente. Nosso algoritmo é baseado no Método Nelder-Mead, destinado à resolução de problemas de programação não linear irrestritos. Assim, adequamos a formulação do portfolio, que depende de restrições, para a utilização do mesmo. / Abstract: In this work we perform a portfolio optimization by using a derivative-free method. For this, we use the Mean-Variance Analysis proposed by Harry M. Markowitz, in which the problem is formulated as one of minimizing portfolio risk subject to a targeted expected portfolio return. Or, for a particular level of risk, we can find a combination of assets that is going to give the highest expected return and determine all the optimal portfolios, towards risk and return, forming the Efficient Frontier. Our algorithm is based on Nelder-Mead method, for solving problems of unconstrained nonlinear programming. Therefore, the formulation of the portfolio, subject to constraints, was adapted for its use. / Mestrado / Mestre em Matemática

Orientador: Fernando José Von Zuben / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-26T06:49:07Z (GMT). No. of bitstreams: 1 Azevedo_CarlosRenatoBelo_D.pdf: 3449858 bytes, checksum: 7a1811aa772f1ae996e8851c60627b7c (MD5) Previous issue date: 2012 / Resumo: A presença de incerteza em resultados futuros pode levar a indecisões em processos de escolha, especialmente ao elicitar as importâncias relativas de múltiplos critérios de decisão e de desempenhos de curto vs. longo prazo. Algumas decisões, no entanto, devem ser tomadas sob informação incompleta, o que pode resultar em ações precipitadas com consequências imprevisíveis. Quando uma solução deve ser selecionada sob vários pontos de vista conflitantes para operar em ambientes ruidosos e variantes no tempo, implementar alternativas provisórias flexíveis pode ser fundamental para contornar a falta de informação completa, mantendo opções futuras em aberto. A engenharia antecipatória pode então ser considerada como a estratégia de conceber soluções flexíveis as quais permitem aos tomadores de decisão responder de forma robusta a cenários imprevisíveis. Essa estratégia pode, assim, mitigar os riscos de, sem intenção, se comprometer fortemente a alternativas incertas, ao mesmo tempo em que aumenta a adaptabilidade às mudanças futuras. Nesta tese, os papéis da antecipação e da flexibilidade na automação de processos de tomada de decisão sequencial com múltiplos critérios sob incerteza é investigado. O dilema de atribuir importâncias relativas aos critérios de decisão e a recompensas imediatas sob informação incompleta é então tratado pela antecipação autônoma de decisões flexíveis capazes de preservar ao máximo a diversidade de escolhas futuras. Uma metodologia de aprendizagem antecipatória on-line é então proposta para melhorar a variedade e qualidade dos conjuntos futuros de soluções de trade-off. Esse objetivo é alcançado por meio da previsão de conjuntos de máximo hipervolume esperado, para a qual as capacidades de antecipação de metaheurísticas multi-objetivo são incrementadas com rastreamento bayesiano em ambos os espaços de busca e dos objetivos. A metodologia foi aplicada para a obtenção de decisões de investimento, as quais levaram a melhoras significativas do hipervolume futuro de conjuntos de carteiras financeiras de trade-off avaliadas com dados de ações fora da amostra de treino, quando comparada a uma estratégia míope. Além disso, a tomada de decisões flexíveis para o rebalanceamento de carteiras foi confirmada como uma estratégia significativamente melhor do que a de escolher aleatoriamente uma decisão de investimento a partir da fronteira estocástica eficiente evoluída, em todos os mercados artificiais e reais testados. Finalmente, os resultados sugerem que a antecipação de opções flexíveis levou a composições de carteiras que se mostraram significativamente correlacionadas com as melhorias observadas no hipervolume futuro esperado, avaliado com dados fora das amostras de treino / Abstract: The presence of uncertainty in future outcomes can lead to indecision in choice processes, especially when eliciting the relative importances of multiple decision criteria and of long-term vs. near-term performance. Some decisions, however, must be taken under incomplete information, what may result in precipitated actions with unforeseen consequences. When a solution must be selected under multiple conflicting views for operating in time-varying and noisy environments, implementing flexible provisional alternatives can be critical to circumvent the lack of complete information by keeping future options open. Anticipatory engineering can be then regarded as the strategy of designing flexible solutions that enable decision makers to respond robustly to unpredictable scenarios. This strategy can thus mitigate the risks of strong unintended commitments to uncertain alternatives, while increasing adaptability to future changes. In this thesis, the roles of anticipation and of flexibility on automating sequential multiple criteria decision-making processes under uncertainty are investigated. The dilemma of assigning relative importances to decision criteria and to immediate rewards under incomplete information is then handled by autonomously anticipating flexible decisions predicted to maximally preserve diversity of future choices. An online anticipatory learning methodology is then proposed for improving the range and quality of future trade-off solution sets. This goal is achieved by predicting maximal expected hypervolume sets, for which the anticipation capabilities of multi-objective metaheuristics are augmented with Bayesian tracking in both the objective and search spaces. The methodology has been applied for obtaining investment decisions that are shown to significantly improve the future hypervolume of trade-off financial portfolios for out-of-sample stock data, when compared to a myopic strategy. Moreover, implementing flexible portfolio rebalancing decisions was confirmed as a significantly better strategy than to randomly choosing an investment decision from the evolved stochastic efficient frontier in all tested artificial and real-world markets. Finally, the results suggest that anticipating flexible choices has lead to portfolio compositions that are significantly correlated with the observed improvements in out-of-sample future expected hypervolume / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Submitted by Diego de Carvalho Martins (diego.cmartins@gmail.com) on 2015-03-03T17:37:26Z No. of bitstreams: 1 Dissertação Diego Martins Vf.pdf: 5717457 bytes, checksum: 7b47eb855a437b18798c842352f083b8 (MD5) / Rejected by Renata de Souza Nascimento (renata.souza@fgv.br), reason: Prezado Diego, Encaminharei por e-mail o que deve ser alterado, para que possamos aceita-lo junto à biblioteca. Att Renata on 2015-03-03T21:33:00Z (GMT) / Submitted by Diego de Carvalho Martins (diego.cmartins@gmail.com) on 2015-03-03T22:13:33Z No. of bitstreams: 1 Dissertação Diego Martins Vf.pdf: 5717977 bytes, checksum: 446abdc648b62abddb519b99648b6a3a (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2015-03-04T17:27:29Z (GMT) No. of bitstreams: 1 Dissertação Diego Martins Vf.pdf: 5717977 bytes, checksum: 446abdc648b62abddb519b99648b6a3a (MD5) / Made available in DSpace on 2015-03-04T18:27:00Z (GMT). No. of bitstreams: 1 Dissertação Diego Martins Vf.pdf: 5717977 bytes, checksum: 446abdc648b62abddb519b99648b6a3a (MD5) Previous issue date: 2015-02-06 / This work aims to analyze the performance of regularized mean-variance portfolios, employing financial assets available in Brazilian markets. In particular, regularized portfolios are obtained by restricting the norm of the portfolio-weights vector, following DeMiguel et al. (2009). Additionally, we analyze the performance of portfolios that take into account information about the group structure of assets with similar characteristics, as proposed by Fernandes, Rocha and Souza (2011). While the covariance matrix employed is the sample one, the expected returns are obtained by reverse optimization of market equilibrium portfolio proposed by Black and Litterman (1992). The empirical analysis out of the sample for the period between January 2010 and October 2014 indicates that, in line with previous studies, penalizing the norm of weights can (depending on the chosen standard and intensity of the restriction) lead to portfolios having best performances in terms of return and Sharpe, when compared to portfolios obtained via Markowitz models. In addition, the inclusion of group information can also be beneficial in order to calculate optimal portfolios, when compared to both Markowitz portfolios or without using group information. / Este trabalho se dedica a analisar o desempenho de modelos de otimização de carteiras regularizadas, empregando ativos financeiros do mercado brasileiro. Em particular, regularizamos as carteiras através do uso de restrições sobre a norma dos pesos dos ativos, assim como DeMiguel et al. (2009). Adicionalmente, também analisamos o desempenho de carteiras que levam em consideração informações sobre a estrutura de grupos de ativos com características semelhantes, conforme proposto por Fernandes, Rocha e Souza (2011). Enquanto a matriz de covariância empregada nas análises é a estimada através dos dados amostrais, os retornos esperados são obtidos através da otimização reversa da carteira de equilíbrio de mercado proposta por Black e Litterman (1992). A análise empírica fora da amostra para o período entre janeiro de 2010 e outubro de 2014 sinaliza-nos que, em linha com estudos anteriores, a penalização das normas dos pesos pode levar (dependendo da norma escolhida e da intensidade da restrição) a melhores performances em termos de Sharpe e retorno médio, em relação a carteiras obtidas via o modelo tradicional de Markowitz. Além disso, a inclusão de informações sobre os grupos de ativos também pode trazer benefícios ao cálculo de portfolios ótimos, tanto em relação aos métodos tradicionais quanto em relação aos casos sem uso da estrutura de grupos.

Orientador: Francisco de Assis Magalhães Gomes Neto / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-25T19:03:25Z (GMT). No. of bitstreams: 1 Villela_PedroFerraz_D.pdf: 10794575 bytes, checksum: 746b8aebf0db423d557d9c5fe1446592 (MD5) Previous issue date: 2014 / Resumo: Neste trabalho, propomos um método exato para obter o conjunto solução de um problema biobjetivo quadrático de otimização de carteiras de investimento, que envolve variáveis binárias. Nosso algoritmo é baseado na junção de três algoritmos específicos. O primeiro encontra uma curva associada ao conjunto solução de problemas biobjetivo contínuos por meio de um método de restrições ativas, o segundo encontra o ótimo de um problema de programação quadrática inteira mista pelo método Branch-and-Bound, e o terceiro encontra a interseção de duas curvas associadas a problemas biobjetivo distintos. Ao longo do texto, algumas heurísticas e métodos adicionais também são introduzidos, com o propósito de acelerar a convergência do algoritmo proposto. Além disso, o nosso método pode ser visto como uma nova contribuição na área, pois ele determina, de forma exata, a curva associada ao conjunto solução do problemas biobjetivo inteiro misto, algo que é incomum na literatura, pois o problema alvo geralmente é abordado via métodos meta-heurísticos. Ademais, ele mostrou ser eficiente do ponto de vista do tempo computacional, pois encontra o conjunto solução do problema em poucos segundos / Abstract: In this work, we propose an exact method to find the solution set of a mixed quadratic bi-objective portfolio optimization problem. Our method is based on the combination of three specific algorithms. The first one obtains a curve associated with the solution set of a continuous bi-objective problem through an active set algorithm, the second one solves a mixed quadratic optimization problem through the Branch-and-Bound method, and the third one searches the intersection of two curves associated with distinct bi-objective problems. Throughout the text, some heuristics are also introduced in order to accelerate the performance of the method. Moreover, our method can be seen as a new contribution to the field, since it finds, in an exact way, the curve related to the solution set of the mixed integer bi-objective problem, something uncommon in the corresponding literature, where the target problem is usually approached by metaheuristic methods. Additionally, it has also shown to be efficient in terms of running time, being capable of finding the problem's solution set within a much faster time frame / Doutorado / Matematica Aplicada / Doutor em Matemática Aplicada

Nesta dissertação, o modelo de seleção de carteiras de Markowitz será estendido com uma análise em tempo discreto e hipóteses mais realísticas. Um produto tensorial finito de densidades Erlang será usado para aproximar a densidade de probabilidade multivariada dos retornos discretos uniperiódicos de ativos dependentes. A Erlang é um caso particular da distribuição Gama. Uma mistura finita pode gerar densidades multimodais não-simétricas e o produto tensorial generaliza este conceito para dimensões maiores. Assumindo que a densidade multivariada foi independente e identicamente distribuída (i.i.d.) no passado, a aproximação pode ser calibrada com dados históricos usando o critério da máxima verossimilhança. Este é um problema de otimização em larga escala, mas com uma estrutura especial. Assumindo que esta densidade multivariada será i.i.d. no futuro, então a densidade dos retornos discretos de uma carteira de ativos com pesos não-negativos será uma mistura finita de densidades Erlang. O risco será calculado com a medida Downside Risk, que é convexa para determinados parâmetros, não é baseada em quantis, não causa a subestimação do risco e torna os problemas de otimização uni e multiperiódico convexos. O retorno discreto é uma variável aleatória multiplicativa ao longo do tempo. A distribuição multiperiódica dos retornos discretos de uma seqüência de T carteiras será uma mistura finita de distribuições Meijer G. Após uma mudança na medida de probabilidade para a composta média, é possível calcular o risco e o retorno, que levará à fronteira eficiente multiperiódica, na qual cada ponto representa uma ou mais seqüências ordenadas de T carteiras. As carteiras de cada seqüência devem ser calculadas do futuro para o presente, mantendo o retorno esperado no nível desejado, o qual pode ser função do tempo. Uma estratégia de alocação dinâmica de ativos é refazer os cálculos a cada período, usando as novas informações disponíveis. Se o horizonte de tempo tender a infinito, então a fronteira eficiente, na medida de probabilidade composta média, tenderá a um único ponto, dado pela carteira de Kelly, qualquer que seja a medida de risco. Para selecionar um dentre vários modelos de otimização de carteira, é necessário comparar seus desempenhos relativos. A fronteira eficiente de cada modelo deve ser traçada em seu respectivo gráfico. Como os pesos dos ativos das carteiras sobre estas curvas são conhecidos, é possível traçar todas as curvas em um mesmo gráfico. Para um dado retorno esperado, as carteiras eficientes dos modelos podem ser calculadas, e os retornos realizados e suas diferenças ao longo de um backtest podem ser comparados. / In this thesis, Markowitz’s portfolio selection model will be extended by means of a discrete time analysis and more realistic hypotheses. A finite tensor product of Erlang densities will be used to approximate the multivariate probability density function of the single-period discrete returns of dependent assets. The Erlang is a particular case of the Gamma distribution. A finite mixture can generate multimodal asymmetric densities and the tensor product generalizes this concept to higher dimensions. Assuming that the multivariate density was independent and identically distributed (i.i.d.) in the past, the approximation can be calibrated with historical data using the maximum likelihood criterion. This is a large-scale optimization problem, but with a special structure. Assuming that this multivariate density will be i.i.d. in the future, then the density of the discrete returns of a portfolio of assets with nonnegative weights will be a finite mixture of Erlang densities. The risk will be calculated with the Downside Risk measure, which is convex for certain parameters, is not based on quantiles, does not cause risk underestimation and makes the single and multiperiod optimization problems convex. The discrete return is a multiplicative random variable along the time. The multiperiod distribution of the discrete returns of a sequence of T portfolios will be a finite mixture of Meijer G distributions. After a change of the distribution to the average compound, it is possible to calculate the risk and the return, which will lead to the multiperiod efficient frontier, where each point represents one or more ordered sequences of T portfolios. The portfolios of each sequence must be calculated from the future to the present, keeping the expected return at the desired level, which can be a function of time. A dynamic asset allocation strategy is to redo the calculations at each period, using new available information. If the time horizon tends to infinite, then the efficient frontier, in the average compound probability measure, will tend to only one point, given by the Kelly’s portfolio, whatever the risk measure is. To select one among several portfolio optimization models, it is necessary to compare their relative performances. The efficient frontier of each model must be plotted in its respective graph. As the weights of the assets of the portfolios on these curves are known, it is possible to plot all curves in the same graph. For a given expected return, the efficient portfolios of the models can be calculated, and the realized returns and their differences along a backtest can be compared.

Nesta dissertação, o modelo de seleção de carteiras de Markowitz será estendido com uma análise em tempo discreto e hipóteses mais realísticas. Um produto tensorial finito de densidades Erlang será usado para aproximar a densidade de probabilidade multivariada dos retornos discretos uniperiódicos de ativos dependentes. A Erlang é um caso particular da distribuição Gama. Uma mistura finita pode gerar densidades multimodais não-simétricas e o produto tensorial generaliza este conceito para dimensões maiores. Assumindo que a densidade multivariada foi independente e identicamente distribuída (i.i.d.) no passado, a aproximação pode ser calibrada com dados históricos usando o critério da máxima verossimilhança. Este é um problema de otimização em larga escala, mas com uma estrutura especial. Assumindo que esta densidade multivariada será i.i.d. no futuro, então a densidade dos retornos discretos de uma carteira de ativos com pesos não-negativos será uma mistura finita de densidades Erlang. O risco será calculado com a medida Downside Risk, que é convexa para determinados parâmetros, não é baseada em quantis, não causa a subestimação do risco e torna os problemas de otimização uni e multiperiódico convexos. O retorno discreto é uma variável aleatória multiplicativa ao longo do tempo. A distribuição multiperiódica dos retornos discretos de uma seqüência de T carteiras será uma mistura finita de distribuições Meijer G. Após uma mudança na medida de probabilidade para a composta média, é possível calcular o risco e o retorno, que levará à fronteira eficiente multiperiódica, na qual cada ponto representa uma ou mais seqüências ordenadas de T carteiras. As carteiras de cada seqüência devem ser calculadas do futuro para o presente, mantendo o retorno esperado no nível desejado, o qual pode ser função do tempo. Uma estratégia de alocação dinâmica de ativos é refazer os cálculos a cada período, usando as novas informações disponíveis. Se o horizonte de tempo tender a infinito, então a fronteira eficiente, na medida de probabilidade composta média, tenderá a um único ponto, dado pela carteira de Kelly, qualquer que seja a medida de risco. Para selecionar um dentre vários modelos de otimização de carteira, é necessário comparar seus desempenhos relativos. A fronteira eficiente de cada modelo deve ser traçada em seu respectivo gráfico. Como os pesos dos ativos das carteiras sobre estas curvas são conhecidos, é possível traçar todas as curvas em um mesmo gráfico. Para um dado retorno esperado, as carteiras eficientes dos modelos podem ser calculadas, e os retornos realizados e suas diferenças ao longo de um backtest podem ser comparados. / In this thesis, Markowitz’s portfolio selection model will be extended by means of a discrete time analysis and more realistic hypotheses. A finite tensor product of Erlang densities will be used to approximate the multivariate probability density function of the single-period discrete returns of dependent assets. The Erlang is a particular case of the Gamma distribution. A finite mixture can generate multimodal asymmetric densities and the tensor product generalizes this concept to higher dimensions. Assuming that the multivariate density was independent and identically distributed (i.i.d.) in the past, the approximation can be calibrated with historical data using the maximum likelihood criterion. This is a large-scale optimization problem, but with a special structure. Assuming that this multivariate density will be i.i.d. in the future, then the density of the discrete returns of a portfolio of assets with nonnegative weights will be a finite mixture of Erlang densities. The risk will be calculated with the Downside Risk measure, which is convex for certain parameters, is not based on quantiles, does not cause risk underestimation and makes the single and multiperiod optimization problems convex. The discrete return is a multiplicative random variable along the time. The multiperiod distribution of the discrete returns of a sequence of T portfolios will be a finite mixture of Meijer G distributions. After a change of the distribution to the average compound, it is possible to calculate the risk and the return, which will lead to the multiperiod efficient frontier, where each point represents one or more ordered sequences of T portfolios. The portfolios of each sequence must be calculated from the future to the present, keeping the expected return at the desired level, which can be a function of time. A dynamic asset allocation strategy is to redo the calculations at each period, using new available information. If the time horizon tends to infinite, then the efficient frontier, in the average compound probability measure, will tend to only one point, given by the Kelly’s portfolio, whatever the risk measure is. To select one among several portfolio optimization models, it is necessary to compare their relative performances. The efficient frontier of each model must be plotted in its respective graph. As the weights of the assets of the portfolios on these curves are known, it is possible to plot all curves in the same graph. For a given expected return, the efficient portfolios of the models can be calculated, and the realized returns and their differences along a backtest can be compared.