[pt] Nesta tese buscamos fornecer duas diferentes abordagens para a
otimização de carteiras de ativos sob incerteza. Demonstramos como a
incerteza acerca da distribuição dos retornos esperados pode ser
incorporada nas decisões de alocação de ativos, utilizando as seguintes
ferramentas: (1) uma extensão da metodologia Bayesiana proposta por
Black e Litterman através de uma estratégia de negociação dinâmica
construída sobre um modelo de aprendizagem com base na análise
fundamentalista, (2 ) uma abordagem adaptativa baseada em técnicas de
otimização robusta. Esta última abordagem é apresentada em duas
diferentes especificações: uma modelagem robusta com base em uma
análise puramente empírica e uma extensão da modelagem robusta
proposta por Bertsimas e Sim em 2004. Para avaliar a importância dos
modelos propostos no tratamento da incerteza na distribuição dos
retornos examinamos a extensão das mudanças nas carteiras ótimas
geradas. As principais conclusões são: (a ) é possível obter carteiras
ótimas menos influenciadas por erros de estimação, ( b ) tais carteiras são
capazes de gerar retornos estatisticamente superiores com perdas bem
controladas, quando comparadas com carteiras ótimas de Markowitz e
índices de referência selecionados. / [en] In this thesis we provide two different approaches for determining
optimal asset allocation portfolios under uncertainty. We show how
uncertainty about expected returns distribution can be incorporated in
asset allocation decisions by using the following alternative frameworks:
(1) an extension of the Bayesian methodology proposed by Black and
Litterman through a dynamic trading strategy built on a learning model
based on fundamental analysis; (2) an adaptive dynamic approach, based
on robust optimization techniques. This latter approach is presented in two
different specifications: an empirical robust loss model and a covariancebased
robust loss model based on Bertsimas and Sim approach to model
uncertainty sets. To evaluate the importance of the proposed models for
distribution uncertainty, the extent of changes in the prior optimal asset
allocations of investors who embody uncertainty in their portfolio is
examined. The key findings are: (a) it is possible to achieve optimal
portfolios less influenced by estimation errors; (b) portfolio strategies of
such investors generate statistically higher returns with controlled losses
when compared to the classical mean-variance optimized portfolios and
selected benchmarks.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:37857 |
| Date | 30 April 2019 |
| Creators | BETINA DODSWORTH MARTINS FROMENT FERNANDES |
| Contributors | CRISTIANO AUGUSTO COELHO FERNANDES |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | English |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0016 seconds