J.J. J udice, C.O. Ribeiro, J.P.

Santos / Investiga c ao Operacional, 23 (2003) 211-224 211

Analise comparativa dos modelos de selec cao de
carteiras de ac c oes de Markowitz e Konno
Joaquim Jo ao J udice

Celma O. Ribeiro

Jorge P. J. Santos

Departamento de Matem atica Universidade de Coimbra

Joaquim.Judice@co.it.pt

Departamento de Engenharia de Produ c ao Escola Politecnica da Universidade de S. Paulo, Brasil

celma@usp.br

Departamento de Matem atica Escola Superior de Tecnologia de Viseu IPV

jsantos@mat.estv.ipv.pt
Abstract
In this paper Konno portfolio selection model is presented and compared with Markowitz
classical model. The computational eort for nding an optimal portfolio by both models
is investigated and the quality of the corresponding portfolios is analyzed. The use of these
two models in real-life capital markets is nally discussed.
Resumo
Neste artigo e discutido um modelo desenvolvido por Konno para a selec c ao de carteiras
de activos nanceiros e o seu desempenho e comparado com o do modelo cl assico de
Markowitz. Para alem de analisar a velocidade de obten c ao de respostas, procura-se avaliar
qualitativamente as solu c oes obtidas e discute-se a efectiva aplica c ao dos modelos dentro
das pr aticas comuns ao mercado de capitais.
Keywords: Portfolio Selection Models, Risk Analysis, Linear Programming, Quadratic Programming
Title: A comparative analysis of the Markowitz and Konno portfolio selection models

Financiada pela FAPESP Funda c ao de Amparo ` a Pesquisa do Estado de S ao Paulo - Processo

n
o
00/11044 9
c 2003 Associa c ao Portuguesa de Investiga c ao Operacional
212 J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224
1 Introdu cao
O mercado nanceiro nacional e internacional passou, nas ultimas decadas, a utilizar tecnicas
relativamente sosticadas como ferramenta de apoio ` a tomada de decis ao. N ao se trata apenas
de utilizar novas tecnicas para adquirir diferencial competitivo mas sim de assegurar a pr opria
sobrevivencia num cen ario globalizado. A dissemina c ao do uso de modelos matem aticos em
mercados nanceiros, nomeadamente de estatstica e investiga c ao operacional, deve-se essen-
cialmente a dois factores. O primeiro foi a inova c ao e o amadurecimento destes mercados,
que se deu atraves do desenvolvimento e uso de novos produtos nanceiros, dando origem a
uma maior necessidade de protec c ao contra riscos de diferentes naturezas. O outro factor foi a
redu c ao dos custos de recursos computacionais que permite obter respostas r apidas e ecazes a
perguntas importantes como qual o grau de exposi c ao ao risco de uma determinada institui c ao
nanceira ou qual a melhor composi c ao da carteira de investimentos.
O trabalho de Henry Markowitz [10] sobre a rela c ao entre risco e retorno foi, sem d uvida,
um marco na hist oria das nan cas moderna. O seu contributo fundamental foi a distin c ao
entre a variabilidade do retorno de um activo nanceiro e o seu impacto no risco de uma
carteira de investimentos. Segundo Dimson e Mussavian [2], o trabalho de Markowitz possi-
bilita que, desde que se disponha de um conjunto de dados e de capacidade computacional,
se encontrem carteiras que forne cam o menor nvel de risco para um pre-especicado nvel de
retorno do investimento. Analisado sob o ponto de vista de modela c ao matem atica, o tra-
balho de Markowitz consiste num problema de investiga c ao operacional, mais precisamente
um problema de optimiza c ao quadr atica [14], para o qual existe hoje software disponvel no
mercado. Dentro desta optica uma quest ao importante est a relacionada com a velocidade
de obten c ao de respostas. Embora o modelo de composi c ao de carteiras de Markowitz seja
potencialmente r apido, ser a possvel encontrar variantes deste modelo que forne cam solu c oes
igualmente robustas num tempo computacionalmente inferior? Uma resposta armativa a esta
quest ao e importante e complexa quer no ponto de vista do investigador quer do investidor.
Rapidez pode ser sin onimo de ganho, porem, o custo a ser pago pelo acrescimo de velocidade
n ao poder a ser negligenciado, seja este custo nanceiro ou uma simplica c ao do modelo que
eventualmente reduza sua aplica c ao a problemas pr aticos.
Neste contexto pretende-se, com este trabalho, apresentar o modelo para selec c ao de car-
teiras de activos nanceiros desenvolvido por Konno [7], e compar a-lo com o modelo de Mar-
kowitz. O modelo de Konno e apontado na literatura de nan cas como um importante contri-
buto para a resolu c ao de problemas de gest ao de carteiras por introduzir uma medida de risco
mais simples do que a utilizada por Markowitz. Atraves de uma an alise de ac c oes do mercado
portugues e europeu, pretende-se investigar a efectiva possibilidade de emprego dos modelos
a problemas reais e avaliar o seu desempenho computacional para compor carteiras de ac c oes.
Neste trabalho considerar-se- a apenas carteiras constitudas de ac c oes, por simplicidade de
apresenta c ao, ainda que os modelos sejam aplic aveis a situa c oes de maior abrangencia que
incluem activos de outra natureza como, por exemplo, obriga c oes e derivados [8].
2 A formaliza cao dos modelos: algumas considera c oes tecnicas
Um investidor que esteja a compor uma carteira de ac c oes deve ter em mente as v arias di-
mens oes do risco, principalmente o risco de mercado, ou seja, o risco de ocorrer uma varia c ao
J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224 213
adversa dos pre cos dos activos em carteira, que conduza a uma redu c ao do retorno do in-
vestimento. Um investidor racional pretende manter uma carteira com retorno t ao grande
quanto possvel ao mesmo tempo que pretende tornar o risco t ao pequeno quanto possvel.
Assim, para um xado nvel de retorno que considere aceit avel, o investidor deve encontrar
uma carteira que minimize o risco.
Matematicamente o risco de mercado pode ser tratado como uma vari avel aleat oria, sendo
os momentos da sua distribui c ao de probabilidade indicativos do maior ou menor risco a que
o activo est a exposto.

E relativamente simples estudar o risco de mercado de um activo sob
esta optica. No entanto para uma carteira com v arios activos, a complexidade do problema de
medir risco e grande devido ao facto da distribui c ao de probabilidade do retorno da carteira
poder diferir signicativamente da distribui c ao de probabilidade dos activos individuais [16].
Considere-se um universo de n ac c oes. Seja R
j
o retorno da ac c ao j(vari avel aleat oria) e
x
j
a quantidade, em dinheiro, a investir na ac c ao j. O retorno esperado desta carteira e dado
por
r (x
1
, ..., x
n
) = E
_
_
n

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.

E de notar que o tempo gasto no modelo de Konno depende fortemente do n umero de

observa c oes consideradas mas n ao sofre altera c oes signicativas em fun c ao do n umero de ac c oes
que podem vir a constituir a carteira. Por sua vez o desempenho do modelo de Markowitz
depende do n umero de ac c oes que ir ao compor a carteira. Esta rela c ao pode ser explorada
de acordo com o perl do investidor. Assim se se pretende analisar um universo de ac c oes
limitado deve-se possivelmente optar pelo modelo de Markowitz. Por outro lado, o emprego
destes modelos para problemas com muitos activos (o que e importante do ponto de vista
de aplica c oes reais nas quais se incluem diferentes activos) ca comprometido no caso de
Markowitz, sendo mais apropriado o uso do modelo de Konno.
3.2 Estabilidade da solu cao
A quest ao da estabilidade e estrutura das carteiras construdas pelos modelos foi tratada
qualitativamente. Os gr acos apresentados na gura 1 indicam a composi c ao das carteiras ao
longo do tempo. O eixo horizontal corresponde ` as datas em que foram construdas as carteiras
e o vertical ` as participa c oes dos activos na carteira. Estes gr acos d ao uma boa indica c ao da
composi c ao das carteiras ao longo do perodo de tempo considerado, permitindo assim aferir
das suas estabilidades.
Analisaram-se as 27 ac c oes do mercado portugues e considerou-se (
0
+ 0,000) como limite
mnimo do retorno a media do retorno dos activos que podem fazer parte da carteira. Pode-se
observar que quanto maior for o valor de T mais est avel ser a a carteira, o que e razo avel por
em horizontes mais longos os efeitos das varia c oes de curto prazo causarem menor impacto na
carteira.

E de notar que os modelos foram testados todos os dias e que os estimadores usados
J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224 219
Tabela 1: Resultados computacionais.
Tempo Medio (em segundos)
N
o
de ac c oes Horizonte T Rendimento N
o
de testes Modelo de Modelo de
mnimo Markowitz Konno
27 25
0
+ 0,000 489 0.03 0.02
27 50
0
+ 0,000 464 0.03 0.02
27 100
0
+ 0,000 414 0.03 0.06
27 200
0
+ 0,000 314 0.03 0.16
27 300
0
+ 0,000 214 0.03 0.30
27 25
0
+ 0,001 489 0.03 0.02
27 50
0
+ 0,001 464 0.03 0.02
27 100
0
+ 0,001 414 0.03 0.05
27 200
0
+ 0,001 314 0.03 0.13
27 300
0
+ 0,001 214 0.03 0.24
27 25
0
+ 0,002 489 0.03 0.02
27 50
0
+ 0,002 464 0.03 0.02
27 100
0
+ 0,002 392 0.03 0.05
27 200
0
+ 0,002 235 0.03 0.10
27 300
0
+ 0,002 110 0.03 0.18
92 25
0
+ 0,000 476 0.12 0.03
92 50
0
+ 0,000 451 0.23 0.07
92 100
0
+ 0,000 401 0.33 0.20
92 200
0
+ 0,000 301 0.33 0.56
92 300
0
+ 0,000 201 0.33 1.21
92 25
0
+ 0,001 476 0.12 0.03
92 50
0
+ 0,001 451 0.23 0.07
92 100
0
+ 0,001 401 0.35 0.18
92 200
0
+ 0,001 301 0.35 0.43
92 300
0
+ 0,001 201 0.36 0.82
92 25
0
+ 0,002 476 0.12 0.03
92 50
0
+ 0,002 451 0.24 0.06
92 100
0
+ 0,002 401 0.37 0.14
92 200
0
+ 0,002 301 0.38 0.28
92 300
0
+ 0,002 201 0.39 0.48
220 J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224
T = 50:
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
mundialconfianca
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
mundialconfianca
modelo
jeronimomartins
inapa
imperio
engil
edp
cortamorim
cimpor
brisa
bpsm
bpin
bpa
bmel
bes
bcp
Modelo de Konno Modelo de Markowitz
T = 300:
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
mundialconfianca
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
mundialconfianca
modelo
jeronimomartins
inapa
imperio
engil
edp
cortamorim
cimpor
brisa
bpsm
bpin
bpa
bmel
bes
bcp
Modelo de Konno Modelo de Markowitz
Figura 1: Composi c ao das carteiras.
J.J. J udice, C.O. Ribeiro, J.P. Santos / Investiga c ao Operacional, 23 (2003) 211-224 221
no c alculo dos seus par ametros dependem dos rendimentos di arios das ac c oes consideradas nos
ultimos T dias. Deste modo, quando passamos do teste de um dos modelos num determinado
dia para o dia seguinte, existe uma desloca c ao da janela temporal T de um dia e os estimadores
usados dependem de apenas um dia diferente. Por isso, quanto maior for o valor de T, menor
ser a o peso desse dia no c alculo dos estimadores e maior ser a a tendencia para que a carteira
tenha uma composi c ao semelhante ao dia anterior.
Uma pergunta natural e a de saber qual o impacto causado pelo aumento do retorno
mnimo adoptado pelo investidor. Esperava-se que ao exigir um maior retorno houvesse uma
redu c ao da estabilidade da composi c ao das carteiras. No entanto esse facto n ao cou evidente
nos testes realizados, conforme ilustram as guras 2 e 3.
3.3 Os modelos ao longo do tempo
As decis oes no mercado de capitais n ao s ao est aticas e por isto e importante estudar o que
ocorre quando se emprega um modelo para tomar decis oes no decorrer do tempo.

E uma
pr atica usual nas institui c oes nanceiras analisar as carteiras diariamente e apenas alterar a
sua composi c ao se houver uma excessiva exposi c ao ao risco.

E um padr ao adoptar-se para tal
o Valor em Risco da carteira (V@R), denido como a maior perda que pode incorrer a um
nvel de conan ca pre-denido. A composi c ao da carteira e modicada caso possua um V@R
muito elevado. Nesse ponto de vista pode-se considerar o melhor modelo como aquele que, ao
ser utilizado regularmente para rebalancear a carteira, fornece o maior retorno no nal de um
perodo de tempo relativamente longo.
Uma discuss ao mais aprofundada sobre a metodologia para o c alculo do V@R est a fora do
ambito deste trabalho e h a uma extensa literatura a este respeito [6,9,16,19]. Ser a adoptada
a metodologia baseada em dados hist oricos. Calcula-se diariamente a estimativa de vari ancia
da carteira atraves de
n

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 =

onde e a matriz de correla c ao cujos elementos

ij
s ao estimados a partir de

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.