Você está na página 1de 12

Otimizao de Carteiras compostas por Opes Financeiras Utilizando Algoritmos Genticos

Michel Cardonsky Caspary, michelcaspary@gmail.com Juan Lazo Lazo, juan@ele.puc-rio.br Marley Vellasco, Marley@ele.puc-rio.br Departamento de Engenharia Eltrica, PUC-RJ, Rio de Janeiro, Brasil Maro de 2012 Este trabalho procurou desenvolver um modelo inteligente que permita, por uma anlise quantitativa e probabilstica, gerar uma carteira otimizada composta por um ativo financeiro e opes sobre este ativo. Utilizando-se do modelo de Black & Scholes para precificar as opes, avaliou-se o desempenho de algoritmos genticos na otimizao de carteiras estruturadas com esses derivativos, com trs funes de avaliao diferentes, a fim de aumentar o potencial retorno de um investimento, minimizando seus riscos. O sistema evolucionrio implementado demonstrou excelentes resultados quando se comparou a carteira otimizada com diversas outras carteiras compostas por estratgias comuns de mercado, mostrando que esse modelo pode ser utilizado como uma alternativa de apoio a deciso para investidores e gestores de carteiras.

INTRODUO
O processo de globalizao resultou em um intenso intercmbio entre os pases, fazendo com que cada vez mais o mercado acionrio tenha uma crescente importncia no cenrio financeiro internacional (Bodie, Kane, Marcus, 2005). Em decorrncia dessa tendncia mundial, os pases em desenvolvimento se abriram para poder receber investimentos, desenvolvendo suas economias e tornando seus mercados mais ativos. Essa globalizao levou a que os mercados passassem a ser interligados, aumentando o nmero de variveis com que o investidor passou a ter que lidar para analisar o comportamento das aes e derivativos. A deteco dos movimentos do mercado e a seleo de carteiras de investimento passaram a ser os maiores problemas com que o investidor financeiro esbarra no seu dia a dia, para poder se posicionar com relao as suas convices do mercado e opes de compra e venda de ativos e derivativos, pois os investidores sempre desejam obter o maior rendimento nos seus investimentos, procurando minimizar o quanto for possvel o risco envolvido. Uma carteira de investimentos um conjunto de ativos e derivativos financeiros pertencentes a um investidor num determinado momento, tendo como objetivo principal obter o maior rendimento com o menor risco possvel. Para que o investidor possa auferir um maior retorno, ele dever aceitar um nvel maior de risco, devido ao fato de que investimentos mais arriscados possuem um maior prmio de risco (correlao fortemente positiva), cabendo ento ao investidor montar e gerenciar sua carteira de forma eficiente. Essa tarefa de selecionar a melhor carteira possvel muito complicada devido s inmeras configuraes de carteiras que se pode estruturar e a falta de uma ferramenta especifica para auxiliar gestores nessa tomada de deciso. Em face deste cenrio, buscou-se desenvolver um modelo inteligente de tomada de deciso probabilstica para avaliao e otimizao de carteiras envolvendo ativos e opes sobre estes ativos que auxilie gestores de recursos e investidores a aplicarem seu capital com maior segurana. Procurou-se utilizar das caractersticas intrnsecas das opes financeiras para

desenvolver carteiras com operaes estruturadas que auxiliassem o investidor a alcanar um rendimento mnimo aceitvel por ele, correndo um menor risco. O Mercado de Opes o mercado onde so negociados direitos de compra ou venda de um lote de aes, com preos e prazos de exerccio pr-estabelecidos. O mercado de opes surgiu com a finalidade de criar um mecanismo de proteo ao mercado contra possveis perdas, um seguro contra fortes oscilaes futuras dos ativos. No Brasil, o mercado de opes existe desde 1979, implantado inicialmente pela Bolsa de Valores de So Paulo (Bessada, Barbedo e Araujo, 2007). Considerando-se que os instrumentos financeiros tm seus preos e retornos expostos a flutuaes pouco previsveis, as opes so usadas para adaptar o risco s expectativas e metas do investidor. Com as opes o investidor tambm tem a possibilidade de alavancar sua posio, aumentando o potencial retorno de um investimento, enquanto controla e limita certos riscos. O mercado de opes vai alm da simples alavancagem e proteo, possibilitando ao investidor mais experiente, especular contra variveis que no os prprios preos. Um trader esperando um aumento de volatilidade em um ativo ou no mercado, devido a notcias que esto prestes a sair e que podem mudar um cenrio econmico, mas que no conseguem prever a direo desse movimento pode operar estratgias com opes e lucrar com esse aumento na volatilidade minimizando a questo direcional. Estratgias tambm podem ser elaboradas para se apostar num intervalo de preos onde se espera que o ativo-objeto se encontre em certo momento.

OBJETIVO
O problema que este modelo objetiva a de um investidor que com um ativo e n opes, calls 2 e puts , sobre este ativo, dado um cenrio de mercado, deve decidir como alocar o seu capital, montando uma carteira de investimentos de tal forma a maximizar seus objetivos em um perodo pr-definido, com data de vencimento.
1

No instante inicial, o investidor no dispe de nenhuma aplicao de risco, tendo todo o seu capital disponvel rendendo CDI (aplicao livre de risco com rentabilidade garantida) e por meio de um modelo matemtico e probabilstico de tomada de deciso ele montar uma carteira com o objetivo de obter rentabilidades maiores que o CDI com o menor risco possvel. A escolha e anlise de diferentes combinaes de carteiras com opes e ativo, torna-se um problema complexo quanto ao tamanho do espao de busca, devido ao grande nmero de opes de diferentes tipos (call ou put), possibilidade de assumir uma posio comprada ou vendida, a quantidade negociada de cada opo, o nmero de opes a serem utilizadas e os diferentes Preos de Exerccio (strikes) que podem ser utilizados na estratgia. Tendo em vista que no mercado real no h limites para o nmero de opes a serem utilizadas na carteira, pode-se solicitar junto a bolsa de valores a criao de opes com novos preos de exerccio e as quantidades operadas poderem ser nmeros reais. Existem infinitas solues possveis, necessitando ento da utilizao de um mtodo de busca e otimizao para resolver o problema de forma eficiente. Este trabalho tambm objetiva o desenvolvimento de algumas funes para servirem como mtricas de avaliao das carteiras durante o processo de otimizao.

1 2

Calls so opes de compra. Puts so opes de venda.

METODOLOGIA
Tem-se como proposta a utilizao de algoritmos genticos na Otimizao de carteiras com opes no mercado acionrio brasileiro, a fim de aumentar o potencial de retorno de um investimento, minimizando seus riscos e aumentando a probabilidade de lucro. Algoritmos Genticos (AGs) so mtodos de busca e otimizao, que tm sua inspirao nos conceitos da teoria de seleo natural das espcies proposta por Darwin e na gentica (Sivanandam, Deepa 2008). Os sistemas desenvolvidos a partir desse princpio so utilizados para procurar solues de problemas complexos ou com espao de busca muito grande, o que os tornam problemas de difcil modelagem e soluo quando se aplicam mtodos de otimizao convencionais (Lazo, 2000). As tcnicas de busca e otimizao tradicionais iniciam-se com um nico candidato que, iterativamente, manipulado utilizando algumas heursticas (estticas) pr-definidas e diretamente associadas ao problema a ser solucionado. Por outro lado, as tcnicas de computao evolucionria operam sobre uma populao de candidatos em paralelo (Holland, 1992). Assim, elas podem fazer a busca em diferentes reas do espao de soluo, alocando um nmero de membros apropriado para a busca em vrias regies. Os Algoritmos Genticos diferem dos mtodos tradicionais de busca e otimizao, principalmente em quatro aspectos: 1) AGs trabalham com uma codificao do conjunto de parmetros e no com os prprios parmetros. 2) AGs trabalham com uma populao e no com um nico ponto. 3) AGs utilizam informaes de custo ou recompensa e no derivadas ou outro conhecimento auxiliar que pode no ser conhecido sobre o problema. 4) AGs utilizam regras de transio probabilsticas e no determinsticas. O problema iniciado com um cenrio de mercado, um ativo e uma lista de opes sobre este ativo, Calls e Puts. O cenrio composto pelo preo atual do ativo, o nmero de dias teis para a maturao da carteira (equivalente ao prazo para exerccio das opes), o CDI anualizado e a volatilidade anualizada prevista para o ativo. O apreamento de todas as opes na data inicial foi realizado seguindo o modelo de BLACKSCHOLES (1973), que depende dos fatores: preo de exerccio, preo do ativo, taxa livre de risco, volatilidade do ativo e tempo at o vencimento. Para o caso de opes precificadas a R$ 0,00 considerou-se que elas valem R$0,01 para compra, j que nenhuma contraparte no mercado as venderia a R$0,00. Todas as opes foram precificadas com a mesma volatilidade. Os possveis resultados financeiros (payoffs) da carteira na data de horizonte (data de vencimento das opes) j so conhecidos de antemo e so funo nica e exclusiva do valor do ativo nesta data. Qualquer resultado da carteira abaixo da taxa livre de risco (CDI) considerado como negativo, por este ser o RMA (Retorno mnimo aceitvel), essa taxa uma interpolao da taxa mdia esperada do CDI no perodo e assumida como constante durante o perodo de investimento. O software utilizado para anlise foi o Microsoft Excel 2007 com o add-in Evolver da Palisade para o processo evolucionrio. Para a avaliao da metodologia proposta, foram feitos 3 estudos de caso para analisar o resultado dos Algoritmos Genticos como instrumento de otimizao de carteiras com opes financeiras. Em cada estudo de caso a otimizao foi realizada com trs funes-objetivo diferentes. A seguir so apresentados dois estudos de caso realizados sem contabilizar os

custos operacionais e um estudo de caso contabilizando os custos operacionais. Para cada uma das funes-objetivo efetuou-se a otimizao da carteira para achar uma carteira tima, ou quase-tima, e comparou-se os resultados com trs estratgias comumente utilizadas no mercado financeiro. O primeiro estudo de caso (Tabela 1) foi realizado com VALE5 ao preo de R$43,00 em um determinado dia de negociao. Utilizou-se opes deste ativo com vinte dias teis para o vencimento (Tabela 3). A volatilidade ao ano prevista de 23,5% para este ativo, o percentual mximo de oscilao do preo do ativo considerado para a avaliao das carteiras de 4 19,86% (equivalente a 3 desvios padro) para cada lado da mdia da distribuio normal. O CDI no perodo considerado de 0,903%.
3

Tabela 1 Cenrio do Estudo de Caso 1

O segundo estudo de caso, representado na Tabela 2, tambm foi realizado com VALE5, cotada a R$43,00 em um dado dia de negociao. Utilizou-se opes deste ativo com quinze dias teis para o vencimento, as mesmas sries utilizadas no primeiro estudo de caso (Tabela 3). A volatilidade ao ano prevista de 20,0% para este ativo, o percentual mximo de oscilao considerado para a avaliao das carteiras de 14,64% (equivalente a 3 desvios padro) para cada lado da mdia da distribuio normal. O CDI ao ano de 12% que corresponde a uma taxa de 0,677% no perodo.

Tabela 2 - Cenrio de Mercado do Estudo de Caso 2

Aes Preferencias da Vale. Onde a mdia da distribuio normal o preo atual do ativo projetado vinte dias a frente pela taxa livre de risco de 12% ao ano.
4

Tabela 3 - Lista de opes Disponveis para a elaborao das carteiras nos estudos de caso

O ltimo estudo de caso utilizou o mesmo cenrio de mercado do estudo de caso 2 (Tabela 2), agora considerando os custos operacionais de compra e venda das opes e do ativo e os custos de exerccio e ajustes de posio, que tem que ser feitos no vencimento da carteira para que ela seja encerrada. Com esse estudo de caso verificaremos se h uma diferena muito grande nas carteiras otimizadas, que justifique a utilizao de custos operacionais na metodologia. Foi considerado um custo mdio de 0,10% do volume financeiro operado de corretagem (0,075%) e emolumentos (0,025%) somados.

CROMOSSOMA
Devido a impossibilidade de se calcular um nmero infinito de opes, este trabalho considera um mximo de 10 opes diferentes e um ativo para a construo da carteira. Trabalhar com um mximo de dez opes no uma limitao do modelo e sim um valor mximo escolhido para os estudos realizados neste trabalho. Para otimizar uma carteira com formato descrito nesta seo, precisa-se de uma representao matemtica para a mesma, para isso desenvolveu-se um cromossoma que possa ser geneticamente evoludo, constitudo de 42 variveis (Figura 1). Para cada uma das 10 opes tem-se o Preo de Exerccio, o tipo (call ou put), a posio (comprado ou vendido) e a quantidade ; para o ativo tem-se a posio e a quantidade. Um total de 19 strikes foram disponibilizados para elaborao do cromossoma. Por anlise combinatria chegou-se a um total de combinaes possveis de carteiras, com as restries impostas, o que justifica a utilizao dessa tcnica de computao evolucionria para auxiliar na resoluo do problema.

Figura 1 Representao do Modelo de Cromossoma Utilizado

FUNO OBJETIVO
O estudo do problema de alocao tima de ativos em uma carteira de investimentos um tema muito frequente de estudos nas reas de finanas, sendo que vrias mtricas foram desenvolvidas ao longo dos anos de tal forma que grandes avanos foram alcanados desde o trabalho publicado por Markowitz, descrito na bibliografia (Markowitz, 2001). Para avaliar uma carteira, como a proposta neste trabalho, precisa-se analisar o conjunto formado pelas opes com o ativo. A teoria de Markowitz leva em considerao somente ativos financeiros com um longo histrico de retornos, no podendo ser calculada para derivativos e opes financeiras com um curto perodo de vida. No faz sentido tambm se calcular as correlaes entre as opes e o ativo devido s caractersticas implcitas de cada opo que faz com que as correlaes mudem com o passar do tempo e com a variao do preo do ativo e da percepo de risco do mercado O ndice de Sharpe (Sharpe, 1966), bem como outros ndices derivados dele como Sortino, Calmar e Sterling (ver Sinclair, 2008), muito utilizados em avaliao de carteiras e fundos, so baseados em valores histricos e s podem ser utilizados para avaliar carteiras com um razovel histrico de rentabilidade, no permitindo uma anlise de uma carteira com derivativos recm criados como a proposta deste trabalho. Desenvolveu-se ento trs diferentes Funes-Objetivo com o intuito de maximizar o espao de ganho, aumentando a probabilidade de lucro. A probabilidade do ativo se encontrar em determinado patamar de preo na data do vencimento, utilizado nas funes abaixo, definido pela funo densidade acumulada da distribuio normal (Figura 2).

Figura 2 Curva da Distribuio Normal com suas probabilidades.

1- Funo Probabilidade Mxima Esta funo-objetivo visa somente obter a maior probabilidade de lucro, sem levar em considerao medidas de risco, Eq.(1). Na Figura 3 pode-se ver uma representao grfica da funo.

Eq. (1)

Onde a probabilidade de lucro calculada pela funo densidade da distribuio normal. No exemplo da Figura 3 o resultado da funo a probabilidade do ativo se encontrar entre X1 e X2; Prob de Lucro Total = P(X1<x<X2); onde x o preo do ativo no vencimento. Considera-se Lucro quando o resultado acima do RMA (Retorno Mnimo Aceitvel).

Figura 3- Representao Grfica da Funo Probabilidade Mxima no Vencimento da carteira

A curva de payoff da Figura 3, como se pode observar, poderia ser avaliada at o valor R$0,00 para a esquerda do eixo X e at infinito para a direita do eixo X, mas como no se pode precificar a carteira at o infinito, precisa-se definir um limitador para ambos os lados de oscilao mxima do ativo. Assim, definiu-se para todas as funes 3 desvios padres como limites mximos de oscilao da mdia, para ambos os lados, como o espao onde a carteira avaliada. De acordo com a curva da distribuio normal, h em torno de 99,7% de probabilidade de que o ativo permanea dentro dessa faixa de oscilao. Na Figura 3, L1 e L2 so os limites extremos de oscilao do ativo, que definem trs desvios padro de oscilao, at onde a carteira avaliada. 2- Funo rea Total Esta funo objetivo analisa a rea total de lucro (no grfico de payoff) multiplicado pela probabilidade total de se obter lucro dividido pela rea total de prejuzo multiplicado pela probabilidade total de se obter um prejuzo, como demonstrado na Eq.(2). Pode-se melhor entender este conceito pela Figura 4. Onde a probabilidade calculada pela funo densidade da distribuio normal. L1 e L2 so os limites extremos de oscilao do ativo, que definem trs desvios padro de oscilao, at onde a carteira avaliada.

Eq. (2)

Figura 4- Representao Grfica da Funo Area Total no Vencimento da carteira

Onde A2 a rea com lucro e a rea com prejuzo a soma de A1 com A3. A Probabilidade de Lucro Total a probabilidade do ativo se encontrar entre X1 e X2 no vencimento. A Probabilidade de Prejuzo Total a probabilidade do ativo se encontrar entre L1 e X1 no vencimento mais a probabilidade do ativo se encontrar entre X2 e L2 no vencimento. Tem-se ento a Eq.(3) para o exemplo da Figura 4.

Eq. (3)

3- Funo Omega A funo Omega (ver Castro 2008 e Kazemi 2003) foi a terceira funo objetivo selecionada para avaliar carteiras com opes financeiras e ativo-objeto. Como o objetivo avaliar carteiras novas, sem histrico de rentabilidades, no se tem uma distribuio de retornos histricos para utilizar, porm como se sabe a distribuio de probabilidade dos retornos do ativo, conseguimos mensurar de antemo exatamente o retorno da carteira em cada patamar de preo do ativo. Considera-se esta, a funo que melhor se encaixa no objetivo proposto. A Eq.(4) descreve o modo de clculo desta funo.

Eq. (4)
Onde: R um resultado financeiro da carteira. P a probabilidade do ativo alcanar um patamar de preo no vencimento. i valor do ativo no vencimento, tal que Ri um resultado positivo (acima do RMA). N o conjunto de valores do ativo no vencimento, tal que Ri um resultado positivo (acima do RMA). j valor do ativo no vencimento, tal que Rj um resultado negativo (abaixo do RMA). M o conjunto de valores do ativo no vencimento, tal que Rj um resultado negativo (abaixo do RMA). Onde a probabilidade calculada pela funo densidade da distribuio normal. L1 e L2 so os limites extremos de oscilao do ativo, que definem trs desvios padro de

oscilao, at onde a carteira avaliada. Na Figura 5 pode-se ver um exemplo grfico do resultado de uma carteira no vencimento. Tem-se ento Eq.(5) a seguir para o clculo deste exemplo.

Eq. (5)

Figura 5 - Representao Grfica da Funo Omega no Vencimento da carteira

RESULTADOS
A Tabela 4 abaixo mostra uma comparao dos resultados para a carteira otimizada em relao s estratgias comuns de mercado para cada funo de avaliao nos dois estudos de caso apresentados. Vemos que a carteira otimizada foi muito superior que as carteiras com estratgias comuns de mercado em ambos os cenrios, com custos e sem custos operacionais. Pode-se ver, principalmente nos resultados da Funo Omega, que os custos realmente fazem uma grande diferena no resultado da otimizao. Decidiu-se inicialmente testar as carteiras sem custos operacionais para avaliar o modelo terico, j que os custos podem variar muito de investidor para investidor, porm aps a obteno de alguns resultados altssimos e fora do comum (ver resultados da Funo Omega), resolveu-se incorporar tais custos. Os custos de emolumentos so fixos para todos, porm a corretagem varia muito e alguns fundos conseguem at 98% de desconto no valor da corretagem, viabilizando diversas estratgias com baixos prmios. Cada otimizao foi feita com uma populao de 10 cromossomas sendo evoludos por 5.000 ciclos. Essa tarefa durou cerca de trs horas no Excel em um computador Intel Duo Core com 2gb de memria Ram. Caso seja feita em alguma linguagem de programao mais sofisticada e robusta a otimizao poder levar em torno de um quarto do tempo, viabilizando sua utilizao por profissionais de mercado.

Estudo de Caso 1 Sem Custos Carteira Otimizada Carteira Borboleta Carteira Trava de Alta Carteira Condor

Funo Probabilidade Mxima 0,9954 0,4857 0,7350 0,6378

Funo rea Total 126,0847 0,2560 1,1686 0,3501

Funo Omega 2.903,2600 1,0847 1,0504 1,0281

Estudo de Caso 2 Sem Custos Carteira Otimizada Carteira Borboleta Carteira Trava de Alta Carteira Condor

Funo Probabilidade Mxima 0,9530 0,5537 0,7724 0,7317

Funo rea Total 109,8755 0,2761 1,0876 0,4089

Funo Omega 2.478,1100 1,0821 1,0277 1,0433

Estudo de Caso 2 Com Custos Carteira Otimizada Carteira Borboleta Carteira Trava de Alta Carteira Condor

Funo Probabilidade Mxima 0,9868 0,5001 0,7605 0,7032

Funo rea Total 83,4765 0,1890 0,6966 0,2352

Funo Omega 1,9782 0,8386 0,6753 0,6537

Tabela 4 Comparao dos Resultados

CONCLUSO E RECOMENDAES PARA TRABALHOS FUTUROS


Os resultados da otimizao por algoritmos genticos foram muito satisfatrios. Vemos na Tabela 4 que em todos os casos e com todas as funes a carteira tima encontrada pela otimizao foi muito superior aos das carteiras comuns de mercado. Verificou-se tambm durante os estudos de caso realizados que a Funo Omega foi a que convergiu mais rapidamente para as melhores solues. Pode-se concluir que o modelo proposto uma tima alternativa para encontrar carteiras timas (ou quase-timas) formadas por ativo com opes sobre este ativo devido facilidade de se modelar um problema complexo, com muitas variveis e um imenso espao de busca, mesmo assim tendo uma rpida convergncia, podendo ser utilizado por gestores de carteiras no dia a dia do mercado. Percebe-se que com a insero dos custos operacionais, muitas estratgias consideradas boas, por se manterem numa vasta faixa de oscilao do ativo com um resultado levemente

acima do RMA (em alguns casos em todo o espao considerado para avaliao da carteira gerando resultados altssimos como nos resultados da funo Omega), perdem este status, passando a perder do benchmark. Devido aos altos custos operacionais cobrados pela BMF&BOVESPA verificou-se a necessidade de incluir tais custos na metodologia. De acordo com Natenberg (1994), a ditribuio de retornos comumente observada em aes leptocrtica, apresentando mais retornos extremos, tanto positivos quanto negativos, do que esperados por uma distribuio normal e tambm mais variaes pequenas, onde os preos variam muito pouco, do que variaes moderadas. O efeito dessa caracterstica no preo das opes pode ser observada no sorriso de volatilidade, que faz com que opes bem fora do dinheiro (OTM) e bem dentro do dinheiro (ITM) serem negociadas a preos acima do esperado por modelos de precificao que consideram uma distribuio normal (Natenberg, 1994). Para levar em conta essa caracterstica na precificao das opes, para trabalhos futuros, 5 recomenda-se interpolar uma curva spline pelo moneyness dessas opes, onde a volatilidade prevista a volatilidade da opo no dinheiro e as opes mais ITM e OTM recebem um acrscimo na volatilidade, se tornando relativamente mais caras. Pode-se utilizar tambm cotaes reais de mercado na precificao das opes em um dado dia de prego. Neste trabalho foi analisado somente o resultado final da carteira no vencimento, no levando em considerao os possveis percursos e oscilaes dirias que o ativo pode demonstrar durante o carrego/travessia da carteira, o que pode gerar alta volatilidade na cota da 6 carteira. Uma alternativa para trabalhos futuros analisar as gregas da carteira (ver Hull, 1997) e inseri-las na funo objetivo, como o Gamma e o Vega, por exemplo, para medir o nvel de stress e de oscilao dos retornos dirios da cota da carteira. Um vis direcional tambm pode ser adicionado a funo objetivo, dando um acrscimo a carteiras com delta positivo, por exemplo, caso o vis do gestor seja de alta para o ativo, e fazendo o inverso caso o vis seja de queda.

BIBLIOGRAFIA
Bessada, O., Barbedo, C., Arajo, G. 2007. Mercado de Derivativos no Brasil. Editora Record. Black, F.; Scholes, M. The pricing of options and corporate liabilities. Journal of political economy. v. 81, 1973. Bodie, Kane, Marcus. 2005. Investments. Irwin/McGraw-Hill International 6th Edition. Castro, Javier. 2008. Otimizao da Performance de um Portflio de Ativos e Opes Reais utilizando a Medida Omega. Tese de Doutorado, PUC-Rio. Holland, J. Genetic algorithms. Scientific American, July 1992, p. 66-72 Hull, J. Options, futures and other derivative securities. Englewood Cliffis: Prentice Hall. 1997. Kazemi, H., Schneeweis, T., and Gupta, R., 2003. Omega as a Performance Measure. Isenberg School of Management, University of Massachusetts, Amherst.

Em finanas, moneyness uma medida da probabilidade de que um derivativo tem de ter algum valor financeiro na data do seu vencimento. Ele pode ser medido em percentual de probabilidade, ou em desvios-padro. (Bessada, Barbedo e Araujo, 2007) 6 As letras gregas so medidas de sensibilidade das opes.

Lazo, Juan. 2000. Sistema Hbrido Gentico-Neural para Montagem e Gerenciamento de Carteiras de Aes. Dissertao de Mestrado, PUC-Rio. Markowitz, H. 2001. Portfolio Selection: Efficient Diversification of Investments. 2nd edition. John Wiley & Sons, Inc. Massachussetts, USA. Natenberg, S. 1994. Option Volatility & Pricing. McGraw-Hill. Sharpe, W. 1966. Mutual Fund Performance. Journal of Business 39: 119-138. Sinclair, E. 2008. Volatility Trading. John Wiley & Sons, Inc. Sivanandam S.N. and Deepa S.N. 2008. Introduction to Genetic Algorithms. Springer Berlin Heidelberg, New York. Sortino, F., and L, Price. 1994. Performance Measurement in a Downside Risk Framework. Journal of Investing 3:59-65.