Return to search

[en] OPTIMIZATION UNDER UNCERTAINTY FOR ASSET ALLOCATION / [pt] OTIMIZAÇÃO SOB INCERTEZA PARA ALOCAÇÃO DE ATIVOS

[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.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:26187
Date27 April 2016
CreatorsTHUENER ARMANDO DA SILVA
ContributorsMARCUS VINICIUS S P DE ARAGAO
PublisherMAXWELL
Source SetsPUC Rio
LanguageEnglish
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.0017 seconds