Revisão de carteiras otimizadas: estratégia para qualquer contexto

• Autores: Raúl D. Navas, Sónia R. Bentes
• Localización: RBGN: Revista Brasileira de Gestão de Negócios, ISSN 1806-4892, Vol. 23, Nº. 4, 2021, págs. 696-713
• Idioma: portugués
• Títulos paralelos:
  • Reviewing optimized portfolios: all seasons strategy
• Enlaces
  • Texto completo  1    2  
• Resumen
  • português

    Objetivo: Nossa pesquisa revisita o estudo “Carteiras otimizadas: estratégia para qualquer contexto”, no qual apoiamos o uso de carteiras diversificadas para minimizar riscos, considerando o princípio de Markowitz.

    Referencial teórico: Reexaminamos os resultados de Navas et al. (2020). A ideia por trás disso é a teoria de Harry Markowitz (1959, 2010), considerado o fundador da teoria moderna de carteiras.

    Metodologia: Foram elaborados seis modelos diferentes utilizando dados de 2000 a 2010 e um solver foi desenvolvido, para o qual o método GRG não linear para problemas de solver linear foi o processo de solução escolhido.

    Resultados: O método GRG não linear é eficiente se considerarmos as maneiras de diminuir a volatilidade, uma vez que está inversamente correlacionado às previsões.

    Implicações práticas e sociais da pesquisa: Para prever a constituição das carteiras, não foi considerada a queda do ouro e metais preciosos em 2013.

    Contribuições: Carteiras robustas podem ser geradas quando o risco é minimizado e o retorno, maximizado.

  • English

    Purpose – Our research revisits the study “Optimized Portfolios: All Seasons Strategy,” where we support diversified portfolios to minimize risk, considering the principle of Markowitz.

    Theoretical framework – We re-examine the results of Navas et al. (2020). The idea behind this is the theory of Harry Markowitz (1959, 2010), regarded as the founder of modern portfolio theory.

    Design/methodology/approach – Six different models are run using data from 2000 to 2010 and a solver is developed, where the GRG Nonlinear engine for linear solver problems is the solving process chosen.

    Findings – The GRG Nonlinear engine is efficient if we take into account ways to lower volatility since it is inversely correlated to predictions.

    Practical & social implications of research – To predict the composition of the portfolios, we do not take into consideration the crash of gold and precious metals in 2013.

    Originality/value – Robust portfolios can be generated where the risk is minimized and the return is maximized.