[pt] Esta tese é composta por quatro artigos que descrevem diferentes formas de inclusão de aversão a risco em problemas dinâmicos, ressaltando seus aspectos teóricos e consequências práticas envolvidas em técnicas de otimização sob incerteza aplicadas a problemas financeiros. O primeiro artigo propões uma interpretação econômica e analisa as consequencias práticas da consistência temporal, em que particular para o problema de seleção de portfólio. No segunfo artigo, também aplicado à seleção de portfólio, é proposto um modelo que considera empréstimo como variável de decisão e uma função convexa e linear por partes que representa a existência de diversos credores com diferentes limites de crédito e taxas de juros. A performance do modelo proposto é melhor que as aproximações existentes e garante otimalidade para a situação de vários credores. No terceiro artigo, desenvolve-se um modelo de emissão de títulos de dívida de uma empresa que seja financiar um conjunto pré-determinado de projetos. Trata-se de um modelo de otimização dinâmico sob incerteza que considera títulos pré e pós-fixados com diferentes maturidades e formas de amortização. As principais contribuições são o tratammento de um horizonte longuíssimo prazo através de uma estrutura híbrida dos cenários; a modelagem detalhada do pagamento de cupons e amortizações; o desenvolvimento de uma função objetivo multi-critério que reflete o trade-off entre risco-retorno além de outras medidas de performance financeiras como a taxa de alavancagem (razão passivos sobre ativos). No quarto artigo é desenvolvido um modelo de programação estocástica multi-estágio para obter a política ótima de caixa de uma empresa cujo custo de investimento e o custo da dívida são incertos e modelados em diferentes regimes. As contribuições são a extensão de metodologia de equilíbrio dual para um modelo estocástico; a proposição de uma regra de decisão baseada na estrutura de regime dos fatores de risco que aproxima de forma satisfatória o modelo original. / [en] This PhD Thesis is composed of four working papers, each one with a respective chapter on this thesis, with contributions on risk averse stochastic programming models. In particular, it focuses on analyzing the practical consequences of certain theoretical concepts of decision theory, finance and optimization. The first working paper analyzes the practical consequences and the economic interpretation of time consistent optimal policies, in particular for well known portfolio selection problem. The second paper has also a contribution to the portfolio selection literature. Indeed, we develop leverage optimal strategy considering a single-period debt with a piecewise linear borrowing cost function, which represents the actual situation faced by investors, and show a significant gap in comparison to the suboptimal solutions obtained by the usual linear approximation. Moreover, we develop a multistage extension where our cost function indirectly penalizes the excess of leverage, which is closely related to the contribution of the next working paper. The contribution of the third working paper is to penalize excess of leverage in a debt issuance multistage model that optimizes over several types of bonds with fixed or floating rate, different maturities and amortization patterns. For the sake of dealing with the curse of dimensionality of a long term problem, we divide the planning horizon into a detailed part at the beginning followed by a policy rule approximation for the remainder. Indeed, our approximation mitigates the end effects of a truncated model which is closely related to the contributions of the forth working paper. The forth paper develops a multistage model that seeks to obtain the optimal cash holding policy of a firm. The main contributions are a methodology to end effect treatment for a multistage model with infinite horizon and the development of a policy rule as approximation of the optimal solution.

[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.