Escolar Documentos
Profissional Documentos
Cultura Documentos
Jorge P. J. Santos
j=1
R
j
x
j
_
_
=
n
j=1
E [R
j
] x
j
onde E[.] representa o valor esperado da vari avel aleat oria. Por outro lado o desvio padr ao do
retorno e
(x
1
, ..., x
n
) =
_
E
_
_
_
_
_
n
j=1
R
j
x
j
E
_
_
n
j=1
R
j
x
j
_
_
_
_
_
2
_
_
Markowitz utiliza o segundo momento da distribui c ao, a vari ancia do retorno, como medida
de risco. Do ponto de vista do modelo matem atico, quando se quer encontrar uma carteira
de risco mnimo, analisar a vari ancia ou a sua raiz quadrada, o desvio padr ao (denominado
volatilidade), levar a ao mesmo portfolio. Deseja-se obter uma carteira de risco mnimo, ou seja,
de vari ancia mnima sujeito a restri c oes de uso do capital e de limite mnimo de retorno na
carteira. Assim o modelo pode ser escrito como o seguinte problema quadr atico parametrico:
minimize
n
i=1
n
j=1
ij
x
i
x
j
sujeito a
n
j=1
r
j
x
j
M
0
n
j=1
x
j
= M
0
0 x
j
u
j
, j = 1, . . . , n
onde M
0
e o capital disponvel inicialmente, r
j
= E[R
j
],
ij
= E[(R
i
- r
i
)(R
j
- r
j
)] e a
covari ancia entre os activos i e j, e um par ametro que representa a taxa de retorno mnima
requerida por um investidor e u
j
e a quantidade m axima de dinheiro que pode ser investido
em j.
O modelo desenvolvido por Konno [7] introduziu como medida de risco o desvio absoluto
214 J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224
medio
w(x) = E
_
_
j=1
R
j
x
j
E
_
_
n
j=1
R
j
x
j
_
_
_
_
Se os retornos seguirem uma distribui c ao multivariada normal, pode-se vericar que o desvio
padr ao e um m ultiplo do desvio absoluto medio [7] e neste caso a minimiza c ao de w(x) e
equivalente ` a minimiza c ao de (x). Deste modo pode-se considerar um outro problema de
minimiza c ao de risco:
minimize w(x) = E
_
_
j=1
R
j
x
j
E
_
_
n
j=1
R
j
x
j
_
_
_
_
sujeito a
n
j=1
E [R
j
] x
j
M
0
(1)
n
j=1
x
j
= M
0
0 x
j
u
j
, j = 1, . . . , n
E evidente que em problemas reais, com destaque para mercados ilquidos como o mercado
portugues, a hip otese de normalidade raramente se verica e os dois problemas podem levar a
composi c oes de carteira distintas. Assim, para alem de considera c oes sobre aspectos compu-
tacionais e importante averiguar se algum destes modelos fornece solu c oes mais adequadas a
problemas reais.
O modelo de Markowitz possui como maior desvantagem o facto de recair num problema
de optimiza c ao quadr atica. Por sua vez o modelo de Konno minimiza o valor absoluto o que,
devido ` a estrutura do problema, pode ser transformado num problema de programa c ao linear
como a seguir se mostra.
Seja r
jt
a realiza c ao da vari avel aleat oria R
j
durante o perodo t (t=1,...,T) e suponhamos
que o valor esperado da vari avel aleat oria pode ser aproximado pela media aritmetica desses
valores. Ent ao
r
j
= E [R
j
] =
1
T
T
t=1
r
jt
. (2)
Deste modo w(x) pode ser aproximado por
E
_
_
j=1
R
j
x
j
E
_
_
n
j=1
R
j
x
j
_
_
_
_
=
1
T
T
t=1
j=1
(r
jt
r
j
) x
j
.
Seja ainda
a
jt
= r
jt
r
j
, j = 1,...,n; t = 1,...,T.
Ent ao podemos escrever (1) como o seguinte problema de minimiza c ao:
minimize
1
T
T
t=1
j=1
a
jt
x
j
J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224 215
sujeito a
n
j=1
r
j
x
j
M
0
(3)
n
j=1
x
j
= M
0
0 x
j
u
j
, j = 1, . . . , n
Introduzindo agora as vari aveis y
t
a partir de
y
t
=
n
j=1
a
jt
x
j
e se K e o conjunto denido pelas restri c oes de (3), ent ao este ultimo problema pode ser escrito
na forma
minimize
1
T
T
t=1
j=1
a
jt
x
j
sujeito a
n
j=1
a
jt
x
j
y
t
= 0, t = 1, . . . , T
x K
Como y
t
e uma vari avel sem restri c ao de sinal, tem-se
y
t
= v
t
w
t
v
t
0, w
t
0, t = 1,...,T
v
t
w
t
= 0
e
|y
t
| = v
t
+w
t
O programa reduz-se ent ao
minimize
1
T
T
t=1
(v
t
+w
t
)
sujeito a
n
j=1
a
jt
x
j
v
t
+w
t
= 0, t = 1, ..., T
x K
v
t
0, w
t
0, t = 1, ..., T
v
t
w
t
= 0, t = 1, ..., T
216 J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224
Para resolver este problema complementar come ca-se por resolver o programa linear rela-
xado que se obtem do anterior suprimindo as condi c oes v
t
w
t
= 0, t = 1,...,T. Se ( x, v, w) e
solu c ao optima desse programa, ent ao h a dois casos:
(i) Se w
t
v
t
= 0 para todo t = 1,2,...,T, ent ao ( x, v, w) e solu c ao optima do problema dado.
(ii ) Se w
t
v
t
> 0 para certo t = 1,2,...,T, ent ao seja
= min { w
t
, v
t
: w
t
v
t
> 0}
Como w
t
e v
t
w
t
v
t
= ( w
t
) ( v
t
)
e
( w
t
) + ( v
t
) = w
t
+ v
t
2 < w
t
+ v
t
ent ao ( x, v, w) n ao pode ser solu c ao optima do programa linear.
Portanto toda a solu c ao do programa linear relaxado e solu c ao optima do problema dado, o
que signica que podemos suprimir a restri c ao de complementaridade e obter assim o seguinte
programa linear:
minimize
T
t=1
(v
t
+w
t
)
sujeito a v
t
w
t
j=1
a
jt
x
j
= 0, t = 1, ..., T
n
j=1
r
j
x
j
M
0
n
j=1
x
j
= M
0
0 x
j
u
j
, j = 1, ..., n
v
t
, w
t
0, t = 1, ..., T
Note-se que para que recasse num problema linear, foi preciso incluir T restri c oes no mo-
delo. No entanto, este n umero adicional de restri c oes n ao depende do n umero n de ac c oes
que podem fazer parte da carteira. Como a complexidade da resolu c ao de problemas de pro-
grama c ao linear depende basicamente do n umero de restri c oes, podemos resolver um problema
com um n umero elevado de ac c oes em tempo real. Por outro lado o n umero coecientes n ao
nulos nas restri c oes do modelo de Konno e igual a 2T + 2n + nT, e portanto para n umeros
bastante elevados de T obtemos um modelo linear com muitas restri c oes densas, e poder a
acarretar algumas diculdades na obten c ao de solu c ao em tempo real.
Estes s ao os dois modelos matem aticos que analisaremos neste trabalho. Nos testes efectu-
ados o modelo linear de Konno foi resolvido pelo metodo de simplex, enquanto que o modelo
quadr atico de Markowitz foi processado por um metodo de pontos interiores, ambos incorpo-
rados no c odigo comercial CPLEX vers ao 4.0.9 [18]. Como iremos vericar, de acordo com o
modelo utilizado, as carteiras podem ter desempenhos e comportamentos distintos ao longo
do tempo.
J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224 217
3 Analises de desempenho dos modelos
A avalia c ao de modelos para gest ao de carteiras de investimento que ser a realizada contempla
quest oes de diferentes naturezas. Procurar-se- a avaliar a qualidade das carteiras construdas
pelos dois modelos ` a luz de tres dimens oes: velocidade na obten c ao de respostas, estabilidade
das solu c oes e retorno obtido com o uso do modelo.
Em primeiro lugar e necess ario analisar o desempenho computacional dos dois modelos com
o objectivo de determinar qual o melhor em termos de tempo de CPU necess ario para resolver
problemas de iguais caractersticas. Para tanto ser a avaliado o tempo gasto para determinar
a carteira optima em cada modelo.
Outro aspecto importante diz respeito ` a estabilidade e composi c ao da carteira. Uma car-
teira de risco mnimo de mercado que n ao seja lquida, isto e, constituda por activos pouco
negociados no mercado, pode ser inadequada para o investidor no momento em que este deseja
rebalance a-la. Outra situa c ao indesej avel ocorre, por exemplo, no caso em que a carteira e
muito pulverizada, isto e, constituda por um n umero elevado de ac c oes diferentes. Por outro
lado uma estrategia bem sucedida de investimento dever a ser possivelmente aquela que manti-
ver uma carteira relativamente est avel, ou seja, cuja composi c ao assegure um retorno mnimo
com baixo nvel de risco e n ao precise de ser alterada com muita frequencia. Estas duas
quest oes, liquidez e estabilidade, s ao relevantes quando se considera os custos operacionais e
custos de transa c ao que ocorrem na pr atica da gest ao de carteiras.
Uma terceira quest ao importante refere-se ao retorno da carteira ao longo do tempo.
E
razo avel supor que uma carteira n ao deva necessitar de contnuas altera c oes na sua com-
posi c ao face aos custos de rebalanceamento. Porem a gest ao de investimentos e din amica
e consequentemente exige uma avalia c ao permanente do desempenho da carteira. Portanto,
pode-se considerar que o melhor modelo ser a aquele que, numa optica de gest ao din amica,
fornece melhor retorno no nal de um horizonte de tempo relativamente longo.
O universo de activos analisado consiste em 92 ac c oes europeias, das quais 27 s ao portu-
guesas e 65 internacionais, e os dados utilizados foram recolhidos do dia 2 de Fevereiro de
1998 ao dia 23 de Fevereiro de 2000. Para efeito dos c alculos das estimativas das medias e
covari ancias que constituem os par ametros dos modelos utilizou-se o retorno logartmico que
e calculado a partir do pre co de fecho dos activos em quest ao. Assim
r
jt
= ln
_
_
P
jt
P
j(t1)
_
_
(4)
com P
jt
o pre co de fecho da ac c ao j na data t. Para o modelo de Markowitz utilizou-se, para
alem do estimador de media (2), o estimador de covari ancia:
ij
=
E [(R
i
r
i
)(R
j
r
j
)] =
1
T 1
T
t=1
(r
it
r
i
)(r
jt
r
j
) (5)
onde, como anteriormente, os valores observados dos retornos r
jt
s ao dados por (4).
Um outro par ametro fundamental nos dois modelos e o horizonte de tempo representado
pela constante T. Para analisar o resultado dos modelos variou-se o n umero de observa c oes
218 J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224
entre 25 e 300 dias. No caso do modelo de Markowitz esta constante determinou o n umero de
observa c oes empregue para calcular as estimativas de media e covari ancia (2) e (5), enquanto
que para o modelo de Konno esta constante determinou o n umero de restri c oes do modelo.
Admitiu-se que o valor da carteira deveria ser de 1.000.000 Euros (ou seja M
0
= 1.000.000),
n ao havendo qualquer restri c ao no montante a investir em cada ac c ao. Quanto ao retorno
mnimo exigido, assumiu-se que era necess ario garantir que este estivesse acima de um valor
0
. Esta constante foi escolhida como sendo a media do retorno das v arias ac c oes consideradas.
Tambem foram realizadas experiencias para modelos em que se exigia um retorno mnimo
acima de (
0
+ 0,001) e (
0
+ 0,002).
3.1 O tempo computacional
Para avaliar o desempenho dos modelos em tempo real e necess ario investigar qual deles e
mais r apido em termos de tempo de CPU gasto para resolu c ao de problemas similares. Para
cada valor de T considerado, ou seja, para horizontes de 25, 50, 100, 200 e 300 dias, os dois
modelos foram executados diversas vezes e os resultados s ao apresentados na tabela 1.
Na primeira coluna dessa tabela apresenta-se o n umero de ac c oes disponveis para a com-
posi c ao da carteira. A quarta coluna inclui o n umero de janelas de tempo que foram testadas,
associadas a horizontes de tempo de tamanho xo T. A quinta e sexta colunas apresentam os
tempos medios, em segundos de CPU, para o n umero de testes indicado na quarta coluna da
tabela.
i=1
n
j=1
ij
x
i
x
j
onde a matriz de covari ancias e estimada por (5). Para alem disso e preciso escolher um nvel
de conan ca e neste estudo ser a utilizado = 95 %. Como se est a a trabalhar com ac c oes, o
c alculo do valor em risco e feito atraves de
V@R =
ij
=
ij
ii
jj
e
= 1.65
_
11
22
.
.
.
nn
_
_
222 J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224
Modelo de Markowitz com T = 200:
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
02-12-1999 17-12-1999 01-01-2000 16-01-2000 31-01-2000 15-02-2000
unicer
tranquilidade
telecel
soporcel
sonaesgps
sonaeind
sonaeimobiliaria
somague
semapa
pt
aportucelind
mundialconf ianca
modelo
jeronimomartins
inapa
imperio
engil
edp
cortamorim
cimpor
brisa
bpsm
bpin
bpa
bmel
bes
bcp
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
02-12-1999 17-12-1999 01-01-2000 16-01-2000 31-01-2000 15-02-2000
unicer
tranquilidade
telecel
soporcel
sonaesgps
sonaeind
sonaeimobiliaria
somague
semapa
pt
aportucelind
mundialconf ianca
modelo
jeronimomartins
inapa
imperio
engil
edp
cortamorim
cimpor
brisa
bpsm
bpin
bpa
bmel
bes
bcp
Rendimento Mnimo =
0
+ 0,000 Rendimento Mnimo =
0
+ 0,001
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
02-12-1999 17-12-1999 01-01-2000 16-01-2000 31-01-2000 15-02-2000
unicer
tranquilidade
telecel
soporcel
sonaesgps
sonaeind
sonaeimobiliaria
somague
semapa
pt
aportucelind
mundialconf ianca
modelo
jeronimomartins
inapa
imperio
engil
edp
cortamorim
cimpor
brisa
bpsm
bpin
bpa
bmel
bes
bcp
Rendimento Mnimo =
0
+ 0,002
Figura 2: Inuencia do retorno mnimo no modelo de Markowitz.
Modelo de Konno com T = 200:
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
02-12-1999 17-12-1999 01-01-2000 16-01-2000 31-01-2000 15-02-2000
unicer
tranquilidade
telecel
soporcel
sonaesgps
sonaeind
sonaeimobiliaria
somague
semapa
pt
aportucelind
mundialconf ianca
modelo
jeronimomartins
inapa
imperio
engil
edp
cortamorim
cimpor
brisa
bpsm
bpin
bpa
bmel
bes
bcp
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
02-12-1999 17-12-1999 01-01-2000 16-01-2000 31-01-2000 15-02-2000
unicer
tranquilidade
telecel
soporcel
sonaesgps
sonaeind
sonaeimobiliaria
somague
semapa
pt
aportucelind
mundialconf ianca
modelo
jeronimomartins
inapa
imperio
engil
edp
cortamorim
cimpor
brisa
bpsm
bpin
bpa
bmel
bes
bcp
Rendimento Mnimo =
0
+ 0,000 Rendimento Mnimo =
0
+ 0,001
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
02-12-1999 17-12-1999 01-01-2000 16-01-2000 31-01-2000 15-02-2000
unicer
tranquilidade
telecel
soporcel
sonaesgps
sonaeind
sonaeimobiliaria
somague
semapa
pt
aportucelind
mundialconf ianca
modelo
jeronimomartins
inapa
imperio
engil
edp
cortamorim
cimpor
brisa
bpsm
bpin
bpa
bmel
bes
bcp
Rendimento Mnimo =
0
+ 0,002
Figura 3: Inuencia do retorno mnimo no modelo de Konno.
J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224 223
A metodologia empregue para comparar os dois modelos consistiu em calcular diariamente o
V@R da carteira que se tinha em m aos. Se o V@R excedia um limite pre-xado de 15.300
Euros, empregava-se o modelo (Markowitz ou Konno) para efectuar o rebalanceamento da
carteira. Este procedimento repetiu-se por um perodo de 214 dias, de 24 de Maio de 1999 ate
23 de Fevereiro de 2000. Nesta metodologia partimos de uma carteira com o valor de 1.000.000
Euros e nos dias seguintes este valor foi actualizado em fun c ao das cota c oes dos activos e do
rebalanceamento do portfolio. O horizonte adoptado para realizar os c alculos foi T = 300.
Os resultados obtidos s ao apresentados na tabela 2 e indicam que o modelo de Markowitz
conduziu ` a constitui c ao de uma carteira com um valor monet ario mais elevado. Por outro
lado, o n umero de rebalanceamentos que ocorreram com este modelo foi maior, sendo por isso
superiores os custos de transac c ao associados.
Tabela 2: Resultados globais num horizonte temporal.
Valor da carteira em 23 de Fevereiro de 2000 N
o
de rebalanceamentos
Markowitz Konno Markowitz Konno
1.127.596,80 Euros 1.071.014,72 Euros 165 dias 139 dias
4 Conclus oes
O problema de gest ao de carteiras de investimentos tem atrado o interesse tanto de prossi-
onais ligados ` a investiga c ao quanto de prossionais que actuam no dia a dia das institui c oes
nanceiras. A disponibilidade de recursos computacionais, que facilitou o uso de modelos para
composi c ao de carteiras, estabeleceu novos paradigmas no que diz respeito ` as metodologias
de apoio ` a tomada de decis ao.
E necess ario identicar, dentro da vasta quantidade de mode-
los disponveis na literatura, qual o mais adequado a um cen ario econ omico particular ou a
um perl especco de investidor. Neste contexto este trabalho procurou investigar quais as
vantagens e desvantagens dos modelos de Markowitz e Konno para selec c ao de carteiras de
ac c oes.
Como j a se poderia prever, n ao h a um modelo cujo desempenho seja superior ao outro em
todas as dimens oes consideradas. O modelo de Markowitz apresentou, para o conjunto de dados
analisado, um retorno superior ao modelo de Konno. Porem para tanto foi necess ario realizar
uma maior quantidade de altera c oes no portfolio o que directa ou indirectamente incorre em
custos de opera c ao n ao considerados explicitamente neste artigo. Assim, o pre co a ser pago
pelo retorno adicional obtido no modelo de Markowitz e o maior n umero de rebalanceamentos
no portfolio. Os dois modelos exibiram um comportamento similar em termos da estrutura
das carteiras. Tanto o modelo de Konno quanto o de Markowitz constroem carteiras que
n ao sofrem altera c oes signicativas quando o horizonte temporal de an alise e longo, ou seja,
se a serie empregue possui muitos dados. Um horizonte temporal reduzido conduz a uma
carteira mais susceptvel a impactos de curto prazo do mercado e, sob este aspecto, nenhum
dos dois modelos pode ser considerado superior ao outro. Quanto ao tempo computacional, o
desempenho do modelo de Markowitz depende do n umero de ac c oes analisadas enquanto que
o modelo de Konno tem sua eciencia dependente da maior quantidade de dados considerados.
Este trabalho constitui um primeiro estudo de dois importantes modelos de portfolio. Den-
224 J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224
tro dos diversos estudos complementares que podem ser realizados destaca-se um aumento do
horizonte temporal que possibilite incluir situa c oes adversas no mercado, tais como os eventos
de 11 de Setembro de 2001. Outros activos poderiam ser includos na carteira e seria razo avel
analisar o comportamento dos dois modelos para diferentes mercados. Alem disso h a in umeras
variantes destes modelos que incluem a presen ca de custos de transac c ao, considera c oes a res-
peito de cen arios econ omicos e an alises multiperodo. Estes ser ao possivelmente objecto de
estudos posteriores.
5 Referencias
[1] M. S. Bazaraa, H. Sherali, C. Shetty, Nonlinear Programming: Theory and Algorithms, John
Wiley and Sons, New York, 1993.
[2] E. Dimson, M. Mussavian, Three Centuries of Asset Pricing, Journal of Banking and Finance
23 (1999) 1745-1769.
[3] E. J. Elton, M. J. Gruber, Modern Portfolio Theory and Investment Analysis, John Wiley and
Sons, New York, 1995.
[4] C. D. Feinstein, M. N. Thapa, A Reformulation of a Mean-Absolute Deviation Portfolio Optimi-
zation Model, Management Science 39 (1993) 1552 - 1553.
[5] R. A. Johnson, Dean W. Wichern, Applied Multivariete Statistical Analysis, Prentice Hall, New
Jersey, 1998.
[6] P. Jorion, Value at Risk: The New Benchmark for Managing Financial Risk, McGraw Hill, New
York, 2000.
[7] H. Konno, H. Yamazaki, Mean-Absolute Deviation Portfolio Optimization Model and its Appli-
cations to Tokyo Stock Market, Management Science 37 (1991) 519 - 531.
[8] H. Konno, K. Kobayashi, An Integrated Stock-Bond Portfolio Optimization Model, Journal of
Economic Dynamics and Control, 21 (1997) 1427-1444.
[9] N. Larsen, H. Mausser, S. Uryasev, Algorithms for Optimization of Value-at-Risk. Research
Report 2001-9, ISE Dept., University of Florida, 2001.
[10] H. Markowitz, Portfolio Selection: Ecient Diversication of Investments, John Wiley and Sons,
New York, 1959.
[11] K. Murty, Linear Programming, John Wiley and Sons, New York, 1983.
[12] R. T. Rockafellar, S. Uryasev, Optimization of Conditional Value-At-Risk, Journal of Risk, 2
(2000) 21-41.
[13] H. Salkin e K. Mathur, Foundations of Integer Programming, North Holland, 1989.
[14] W. Sharpe, Portfolio Theory and Capital Markets, McGraw Hill, New York, 1970.
[15] M.C. Steinbach, Markowitz Revisited: Mean-Variance Models in Financial Portfolio Analysis,
SIAM Review, 43 (2001) 31-85.
[16] L. Tibiletti, Incremental VaR and Var with Background Risk: Traps and Misinterpretations,
Proceedings of the 27th Seminar of the European Group of Risk and Insurance Economists,
Rome, Italy, 2000, pag. 18-20.
[17] S. J. Wright, Primal-Dual Interior Point Methods, SIAM, Philadelphia, 1997.
[18] Manual do Utilizador do CPLEX, CPLEX Optimization Inc, 1995.
[19] RiskMetrics - Technical Document, 4-th Edition, J. P. Morgan, 1996.