Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/8469
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorMendes, Chrystian Soarespt_BR
dc.contributor.authorTavares, Thulio Ajano-
dc.date.accessioned2025-10-13T19:16:28Z-
dc.date.available2025-10-13T19:16:28Z-
dc.date.issued2025pt_BR
dc.identifier.citationTAVARES, Thulio Ajano. Análise de modelos quantitativos e aplicação em carteira de investimento. 2025. 48 f. Monografia (Graduação em Ciências Econômicas) – Instituto de Ciências Sociais Aplicadas, Universidade Federal de Ouro Preto, Mariana, 2025.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/8469-
dc.description.abstractO presente trabalho analisa a eficácia empírica da Teoria Moderna de Portfólios na construção de carteiras de investimento a partir de 20 ações de alta liquidez do Ibovespa. A pesquisa avalia o desempenho em duas conjunturas macroeconômicas distintas: 2017-2019 (de estabilidade e juros em queda) e 2022-2024 (de alta volatilidade e juros elevados). Inicialmente, a metodologia confrontou a otimização clássica de Markowitz, com retornos estimados pelo CAPM, contra benchmarks de diversificação ingênua (pesos iguais 1/N) e de mercado (IBOVESPA). Os resultados empíricos demonstraram uma notável fragilidade no modelo canônico: no cenário adverso de 2022-2024, a otimização padrão gerou uma carteira perigosamente concentrada e ineficiente, sendo consistentemente superada pela robusta estratégia 1/N. Diante desta constatação, o estudo propôs e testou uma abordagem adaptativa, a "Carteira Ideal", que implementa um filtro de qualidade prévio, otimizando apenas os ativos que demonstraram Índice de Sharpe positivo. Esta estratégia híbrida provou ser dominante, mitigando o risco de concentração e superando todas as demais abordagens no cenário de juros altos, alcançando um Índice de Sharpe de 1,1298. Conclui-se que, devido à sensibilidade dos modelos de otimização a erros de estimação, metodologias que integram filtros de seleção à otimização quantitativa representam um caminho mais robusto e eficiente para a gestão de ativos em mercados voláteis.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectTeoria de Markowitzpt_BR
dc.subjectOtimização de portfóliopt_BR
dc.subjectÍndice de Sharpept_BR
dc.titleAnálise de modelos quantitativos e aplicação em carteira de investimento.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.rights.licenseEste trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1).pt_BR
dc.contributor.refereeMatos, Getúlio Alves de Souzapt_BR
dc.contributor.refereeMendes, Chrystian Soarespt_BR
dc.contributor.refereeBarros, Thiago de Sousapt_BR
dc.description.abstractenThis study analyzes the empirical effectiveness of Modern Portfolio Theory in constructing investment portfolios based on 20 highly liquid Ibovespa stocks. The research evaluates performance across two distinct macroeconomic contexts: 2017–2019 (a period of stability and declining interest rates) and 2022–2024 (a period of high volatility and rising interest rates). The methodology first compared the classical Markowitz optimization, with returns estimated through CAPM, against two benchmarks: naïve diversification (equal weights 1/N) and the market portfolio (Ibovespa). Empirical results revealed a remarkable weakness in the canonical model: in the adverse 2022–2024 environment, standard optimization produced a dangerously concentrated and inefficient portfolio, consistently underperforming the more resilient 1/N strategy. In light of this, the study proposed and tested an adaptive approach, the "Ideal Portfolio," which applies a prior quality filter by optimizing only assets with positive Sharpe Ratios. This hybrid strategy proved to be dominant, mitigating concentration risk and outperforming all other approaches under high-interest rate conditions, achieving a Sharpe Ratio of 1.1298. The findings suggest that, due to the sensitivity of optimization models to estimation errors, methodologies integrating selection filters into quantitative optimization represent a more robust and efficient path for asset management in volatile markets.pt_BR
dc.contributor.authorID20.1.3249pt_BR
Aparece nas coleções:Ciências Econômicas

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_AnáliseModelosQuantitativos.pdf2,5 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.