Mostrar registro simples

dc.contributor.advisorTaufemback, Cleiton Guollopt_BR
dc.contributor.authorChaves, Rafael Bernardonipt_BR
dc.date.accessioned2022-07-05T05:09:00Zpt_BR
dc.date.issued2022pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/241831pt_BR
dc.description.abstractPortfólios de longo prazo são geralmente construídos considerando ativos de baixo risco e com um bom fluxo de dividendos. Entretanto, a metodologia proposta neste trabalho é uma alteração do modelo de Markowitz, considerando a remoção da variabilidade de curto prazo dos retornos, com o objetivo de construir um portfólio que seja menos sensibilizado por variações rápidas e temporárias. Utilizando dados de 20 anos dos ativos presentes na composição histórica do índice Dow Jones Industrial Average, comparamos os resultados do método proposto com o modelo tradicional de Markowitz e o modelo Naive, para horizontes de três, seis e doze meses. Também avaliamos quatro frequências máximas para o “low-pass filter”. Os resultados indicam que portfólios construídos com s metodologia proposta, geralmente, resultam em retornos superiores em relação aos modelos de benchmark. Análises de drawdown e de dominância estocástica também indicam a superioridade do nosso método.pt_BR
dc.description.abstractLong-term portfolios are usually built considering low-risk assets with a high payment dividend flow. However, the methodology proposed in this work is an alteration of the Markowitz model, considering the removal of short-term variability in the returns, aiming to build a portfolio that is less sensitive to rapid and temporary variations. Using data from 20 years of assets present in the historic composition of the Dow Jones Industrial Average, we compared the results of the proposed method with the traditional Markowitz model and the Naive model, for horizons of three, six and twelve months. We also implemented four maximum frequencies for the lowpass filter. The results indicate that portfolios built with the proposed methodology, generally, result in superior returns in relation to benchmark models. Drawdown and stochastic dominance analyzes also indicate the superiority of our method.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectTime seriesen
dc.subjectPortfóliopt_BR
dc.subjectSéries temporaispt_BR
dc.subjectLow-pass filteren
dc.subjectMarkowitzen
dc.subjectDomínio da frequênciapt_BR
dc.subjectDow Jonesen
dc.titleConstrução de portfólios de longo prazopt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.identifier.nrb001144007pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Matemática e Estatísticapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2022pt_BR
dc.degree.graduationEstatística: Bachareladopt_BR
dc.degree.levelgraduaçãopt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples