Trabalho Final

Análise de Portfólio com Gestão de Risco

Objetivo

Aplicar os conceitos da Parte 2 (volatilidade, VaR, CAPM, otimização) para construir e avaliar um portfólio de investimentos com gestão de risco integrada.

ImportanteFormato da Entrega
  • Notebook Jupyter (.ipynb) com código reprodutível
  • Apresentação de 10 minutos (slides ou notebook)
  • Prazo: semana de 15 de junho (domingo 22/jun, 23h59)
  • Dupla ou trio (indicar no notebook)

Especificação

Monte um relatório de análise financeira que simule uma apresentação ao comitê de investimentos.

1. Seleção de Ativos (20%)

  • Escolha 6 ativos (ações, ETFs ou FIIs) do mercado brasileiro ou externo — podem ser do mesmo setor (tecnologia, varejo, bancos etc.) ou de setores distintos, desde que tenham histórico compatível
  • Justificativa de negócios para cada ativo: entender fundamentalmente o negócio da empresa e correlacioná-lo com os achados quantitativos (storytelling)
  • Análise descritiva individual: gráficos de preços e retornos, com comentários explícitos sobre possível heterocedasticidade condicional
  • Download de dados via yfinance (mínimo 3 anos de dados diários)

2. Modelagem de Volatilidade (25%)

  • Ajuste modelos GARCH univariados para cada ativo e escolha o mais adequado via critérios de informação e/ou validação cruzada
  • Compare ao menos duas variantes (ex: GARCH vs. EGARCH vs. GJR-GARCH)
  • Use distribuição \(t\) de Student (justifique)
  • Interprete os parâmetros: persistência, efeito alavancagem, half-life
  • Previsão um passo à frente da volatilidade de cada ativo
  • Comparação entre ativos: quais volatilidades são maiores/menores? Relacione com o storytelling de cada negócio
  • Volatilidade do portfólio: calcule os retornos do portfólio usando pesos iniciais, ajuste um modelo de volatilidade para a série agregada e faça a previsão um passo à frente da volatilidade da carteira

3. Gestão de Risco (25%)

  • Calcule VaR e Expected Shortfall do portfólio
  • Use pelo menos 2 abordagens (paramétrico + histórico, ou + Monte Carlo)
  • Backtesting do VaR com teste de Kupiec
  • Classifique o modelo pelo semáforo de Basileia
  • Análise de cenários de stress (ex: queda de 5% do Ibovespa)

4. CAPM e Otimização de Portfólio (20%)

  • Betas individuais de cada ativo estimados via regressão simples contra um índice de mercado adequado (Ibovespa / S&P 500), com comentários sobre magnitude e sinal
  • Beta do portfólio inicial (pesos definidos por vocês) assumindo as hipóteses do CAPM
  • Construa a fronteira eficiente com seus ativos
  • Identifique o portfólio de máximo Sharpe e o de mínima variância
  • Aplique restrições realistas (ex: \(w_i \leq 30\%\), long-only)
  • Repita o cálculo de volatilidade e beta do portfólio otimizado e compare com o portfólio inicial: o risco diminuiu? O beta mudou? O retorno esperado melhorou?
  • Compare com uma alocação equal-weight (1/N)
  • Backtest de 6 meses (walk-forward)

5. Apresentação e Conclusão (10%)

  • Resumo executivo para não-técnicos
  • Qual portfólio você recomendaria ao comitê? Por quê?
  • Quais os riscos que o comitê deveria monitorar?
  • Limitações da análise e próximos passos

Perguntas que o relatório deve responder explicitamente

  • O portfólio escolhido tem beta acima ou abaixo de 1? Como interpretar isso?
  • Como se comparam os betas individuais dos ativos selecionados?
  • Qual a volatilidade histórica da carteira vs. a volatilidade prevista?
  • Como foram os retornos dos últimos 12 meses vis-à-vis a volatilidade observada?
  • A otimização entregou uma carteira dominante no sentido de Markowitz?

Critérios de Avaliação

Critério Peso Excelente Adequado Insuficiente
Seleção 20% Diversificada, justificada Razoável Sem justificativa
GARCH 25% Múltiplos modelos, interpretação 1 modelo correto Sem GARCH
Risco 25% VaR + ES + backtest + stress VaR básico Incompleto
Portfólio 20% Fronteira + Sharpe + backtest Otimização básica Sem otimização
Apresentação 10% Clara, executiva, crítica Funcional Confusa
DicaDicas
  1. Comece pela qualidade dos dados: dados limpos são a base de tudo
  2. Use arch para GARCH e scipy.optimize para portfólios
  3. Interprete, não apenas calcule: o comitê quer entender, não ver código
  4. Teste de robustez: seus resultados mudam se usar janela diferente?
  5. Conecte as peças: o GARCH alimenta o VaR, que alimenta a otimização

Apresentação Final

Na sessão presencial de 13 de junho, cada grupo apresentará em 10 minutos:

  1. Quais ativos e por quê (2 min)
  2. O que a volatilidade revela (3 min)
  3. Gestão de risco: VaR e cenários (3 min)
  4. Recomendação final ao comitê (2 min)

Seguido de 5 minutos de perguntas no formato Tribunal Estatístico.

Critérios narrativos

Além dos critérios quantitativos acima, a avaliação leva em conta:

  • Storytelling — a apresentação conta uma história coerente?
  • Visual e coerência do texto/slides
  • Incorporação dos ensinamentos das aulas (conexão explícita com VaR, GARCH, CAPM)
  • Seleção correta dos modelos com justificativa técnica
  • Qualidade dos códigos (reprodutibilidade, organização, legibilidade)
  • Profundidade das conclusões

Referências e materiais de apoio

Notebooks de referência da Profa. Paloma disponíveis em Materiais Complementares:

  • aula04-volatilidade-arch-python.ipynb — pipeline arch em Python
  • aula04-volatilidade-garch-r.qmd — GARCH, rugarch e SV em R
  • aula05-capm-var-yfinance.ipynb — CAPM, VaR e rolling betas
  • aula06-otimizacao-markowitz.ipynb — fronteira eficiente via scipy.optimize
De volta ao topo