Defesa de Dissertação de Mestrado – João Daniel Madureira Yamim – 23/02/2018

Defesa de Dissertação de Mestrado em Ciência da Computação

 DATA:    23/02/2018     

HORÁRIO: 14 horas

LOCAL: Sala de reuniões do DCC     

“Um modelo de seleção de carteiras de ações baseado em otimização convexa online”

 Mestrando: João Daniel Madureira Yamim

Orientador: Carlos Cristiano Hasenclever Borges

Coorientador: Raul Fonseca Neto

 Banca Examinadora:

Prof. Carlos Cristiano Hasenclever Borges, D.Sc.

Prof. Raul Fonseca Neto, D.Sc.

Prof. Fernanda Finotti Cordeiro Perobelli, D.Sc.

Prof. Fabrízzio Condé de Oliveira, D.Sc.

Resumo:

Desde o trabalho seminal de Harry Markowitz, em 1952, que iniciou a moderna teoria de carteiras, as estratégias de alocação de portfólio foram intensamente discutidas na literatura. Com o desenvolvimento de técnicas de otimização online, os algoritmos de aprendizado dinâmico se mostraram uma abordagem efetiva para construir portfólios (COVER, 1991; ARGAWAL et al., 2006). No entanto, poucos trabalhos conectam a literatura tradicional evoluída a partir do trabalho de Markowitz (1952) com a literatura de otimização online, que evoluiu a partir do trabalho de Cover (1991). O objetivo deste trabalho é implementar técnicas de otimização convexa online para executar estratégias de alocação de portfólio e conectar esses algoritmos com aspectos relacionados ao risco das carteiras. Dois algoritmos online foram testados, o Online Gradient Descendent (OGD) e o Online Newton Step (ONS). Propõe-se, também, como contribuição do trabalho, duas modificações distintas para o algoritmo OGD visando controlar de risco da carteira. A primeira se dá por meio da determinação de limites máximos para investimento por ativos, sendo a segunda definida através do controle por meio de restrições do β do portfólio. As estratégias construídas  foram comparadas com o Uniform Constant Rebalanced Portfolio (UCRP) e o Dow Jones Industrial Average Index (DJIA), utilizando dados do DJIA de março de 1987 até fevereiro de 2009 com observações semanais. O algoritmo OGD apresentou o melhor desempenho entre as estratégias testadas. Além disso, não apenas o OGD, mas também o ONS apresentaram retorno cumulativo superior ao índice UCRP e DJIA ao longo do período. Os mecanismos de controle de risco foram fundamentais para melhorar os resultados referentes ao Value at Risk (VaR) e Conditional Value at Risk (CVaR) dos portfólios.