Python para engenheiros financeiros
Dominando os quatro momentos na gestão de portfólio
DOI:
https://doi.org/10.23882/emss.24216Palavras-chave:
Ativos, Investimento, Teoria da carteira, Programação Python, Gestão digitalResumo
Este estudo efetua uma análise exaustiva com o objetivo de otimizar carteiras compostas por 14 ações cotadas na Bolsa de Valores de Marrocos. A nossa viagem culmina com a construção de carteiras meticulosamente concebidas para maximizar os rendimentos e gerir prudentemente o risco. Estas carteiras são o resultado de uma simulação exaustiva de Monte Carlo que explorou mais de três milhões de combinações únicas de carteiras. As simulações têm em conta a assimetria e a curtose das distribuições de rendibilidade, oferecendo aos investidores um quadro robusto para a tomada de decisões.
Recolhemos dados históricos para estas 14 ações na bolsa de valores marroquina, acedendo a 5 anos de dados históricos da investing.com. Exploramos os conceitos da Teoria Moderna da Carteira (MPT), que constitui a espinha dorsal da nossa abordagem, e empregamos o poder da matemática e da programação Python para obter conhecimentos que podem informar decisões de investimento sólidas.
O foco principal deste estudo centra-se na incorporação de momentos estatísticos superiores dos retornos dos principais índices financeiros, com particular ênfase nas suas características de assimetria e curtose. Para atingir este objetivo, são introduzidos e investigados vários critérios de avaliação derivados destes parâmetros estatísticos. Dentro deste quadro de investigação, confrontamos um espetro de desafios de otimização, incluindo a maximização da assimetria e a minimização da curtose.
Referências
Alexander, C. (2008). Market Risk Analysis: Pricing, Hedging and Trading Financial Instruments. Wiley.
Arditti, F. D. (1975). Portfolio Efficiency Analysis with a Three-Moment Objective Function. The Review of Economics and Statistics, 57(4), 534-538.
Bodie, Z. K. (2019). Investments. McGraw-Hill Education.
Chen Chen, Z. Y.-s. (2018). Robust multiobjective portfolio with higher moments. ELSEVIER, 100, 165-181.
Choueifaty, Y., & Coignard, Y. (2008). Toward maximum diversification. The Journal of Portfolio Management, 35(1), 40-51. https://doi.org/10.3905/JPM.2008.35.1.40
Choueifaty, Y. &. (2013). A risk-based model for strategic asset allocation. Journal of Portfolio Management, 40(2), 40-51.
DeFusco, R. A. (2015). Quantitative Investment Analysis. John Wiley & Sons.
Elton, E. J. (2013). Modern Portfolio Theory and Investment Analysis (9th ed.). Wiley.
Fama, E. F., & French, K. R, (2004). The Capital Asset Pricing Model: Theory and Evidence. Journal of Economic Perspectives, 18(3), 25-46. https://doi.org/10.1257/0895330042162430
Gonçalves, G. W. (2022). A higher order portfolio optimization model incorporating information entropy. ELSEVIER, 15.
Hilpisch, Y. (2018). Python for Finance (2nd Edition ed.). O'Reilly Media.
Joanes, D. N., & Gill, C. A. (1998). Comparing Measures of Sample Skewness and Kurtosis. Journal of the Royal Statistical Society: Series D (The Statistician), 47(1), 183-189. https://doi.org/10.1111/1467-9884.00122
Kraus, A., & Litzenberger, R. H. (1976). Skewness Preference and the Valuation of Risk Assets. The Journal of Finance, 31(4), 1085-1100. https://doi.org/10.2307/2326275
Ledoit, O., & Wolf, M. (2008). Robust Performance Hypothesis Testing with the Sharpe Ratio. Journal of Empirical Finance, 15(5), 850-859. https://doi.org/10.1016/j.jempfin.2008.03.002
Litterman, R. B. (2003). Modern Investment Management: An Equilibrium Approach. Wiley.
Markowitz, H. M. (1952). Portfolio selection. The Journal of Finance, 7(1), 77-91.
McNeil, A. J. (2015 ). Quantitative Risk Management: Concepts, Techniques and Tools. Princeton University Press.
Prakash, A. J. (2003). Impact of Higher Moments on Asset Allocation Decisions: A Study of Indian Equity Market. Vikalpa: The Journal for Decision Makers, 28(1), 43-52.
Rachev, S. T. (2012). Advanced Stochastic Models, Risk Assessment, and Portfolio Optimization: The Ideal Risk, Uncertainty, and Performance Measures. Wiley.
Rubinstein, R. Y., & Kroese, D. P. (2016). Simulation and the Monte Carlo method. John Wiley & Sons.
Samuelson, P. A. (1970). The Fundamental Approximation Theorem of Portfolio Analysis in Terms of Means, Variances, and Higher Moments. The Review of Economic Studies, 37(4), 537-542.
Singleton, J. &. (1986). Mean and Variance of Random Variables with Restricted Distributions. The Annals of Statistics, 14(1), 176-183.
Sun, L., & Yan. (2003). Portfolio Selection Based on Higher Moments. Quantitative Finance, 3(6), 460-472.
Taleb, N. N. (2007). Black Swan: The Impact of the Highly Improbable. Random House.
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2024 Mohamed Amine Chafik, Adda Benslimane, Faouzi Boussedra
Este trabalho encontra-se publicado com a Creative Commons Atribuição-NãoComercial 4.0.
