We analyze which utility function would best represent the Brazilian representative investor with a one-month investment horizon who has to allocate his wealth across three main asset classes (bonds, equities, and risk free). To do this, we compute the optimal portfolio weights by considering four different specifications for the utility function: (i) mean-variance, (ii) constant relative risk aversion (expected utility functions), (iii) ambiguity aversion, and (iv) loss aversion (non-expected utility functions). We compare the optimal portfolio weights to the empirical portfolio - computed by considering the market value of all the assets in our sample - using the Mahalanobis distance. Our results indicate that the traditional utility function, the mean-variance utility, should not be used to represent the behavior of the Brazilian investor. All other utilities are statistically equal and could be used to compute optimal portfolios for the Brazilian investor. However, the constant relative risk aversion (CRRA) and the ambiguity aversion functions are only justified for extremely high levels of risk aversion. As the loss averse function showed the lowest Mahalanobis distance, we propose that the Brazilian investor is best represented by a utility function that incorporates aversion to losses, in which the decrease of utility caused by a loss is much greater than the increase caused by a gain of equal magnitude. Moreover, this different impact of gains and losses on the investor\'s utility leads individuals to behave as investors with high risk aversion and justifies the fact that loss-aversion preferences have also been widely used to explain why the high risk premium might be consistent with high levels of risk aversion. / Analisamos qual função utilidade representa melhor o investidor representativo brasileiro que aloca sua riqueza em três principais classes de ativos (títulos, ações e livre de risco) e com um horizonte de investimento de um mês. Para isso, calculamos os pesos ótimos do portfólio considerando quatro especificações diferentes para a função utilidade: (i) média-variância, (ii) aversão relativa ao risco constante (funções utilidade esperadas), (iii) aversão à ambiguidade, (iv) aversão à perdas (funções utilidade não esperadas). Comparamos os pesos do portfólio ótimo com o portfólio empírico - calculado considerando o valor de mercado de todos os ativos em nossa amostra - usando a distância de Mahalanobis. Nossos resultados indicam que a função utilidade tradicional de média-variância não deve ser utilizada para representar o comportamento do investidor brasileiro. Todas as demais especificações de função utilidade são estatisticamente iguais e podem ser utilizadas para computar o portfólio ótimo do investidor brasileiro. Entretanto, as funções CRRA e de aversão à ambiguidade são justificadas apenas com níveis extremamente elevados de aversão ao risco. Como o portfólio ótimo com função utilidade do tipo aversão à perdas apresentou a menor distância de Mahalanobis, propomos que o investidor brasileiro é melhor representado por uma função que incorpora aversão à perdas, em que a diminuição da utilidade causada por uma perda é muito maior do que o aumento causado por um ganho de igual magnitude. Além disso, esse impacto diferente de ganhos e perdas na utilidade do investidor leva os indivíduos a comportar-se como investidores com grande aversão ao risco e justifica o fato de que as preferências de aversão à perdas também foram amplamente utilizadas para explicar por que o prêmio de risco pode ser consistente com altos níveis de aversão ao risco.
| Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-05102017-171257 |
| Date | 04 August 2017 |
| Creators | Tessari, Juliana |
| Contributors | Giovannetti, Bruno Cara |
| Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
| Source Sets | Universidade de São Paulo |
| Language | English |
| Detected Language | Portuguese |
| Type | Dissertação de Mestrado |
| Format | application/pdf |
| Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0016 seconds