OTIMIZAÇÃO DE PORTFÓLIOS COM MÉTODO DOS POLINÔMIO CANÔNICOS CRUZADO E CLUSTERS

Autores/as

Palabras clave:

otimização de portfólios, experimento de mistura cruzado, ativos financeiros

Resumen

A metodologia de engenharia chamada de polinômios canônicos ou projeto de experimentos de misturas, e projeto de misturas cruzado foi aplicada para otimizar portfólios de ativos financeiros. Aqui é apresentado também o método de aglutinação aplicado ao conceito de portfólio, a formação de clusters. Este trabalho foi motivado pela possibilidade de diminuir o número de execuções de experimentos com um grande número de variáveis, o que é aplicado em um novo tipo de estudo. Vinte e quatro diferentes ativos foram usados para as demonstrações e exemplos. Os resultados demonstraram é possível usar o experimento cruzado de mistura para agrupamentos de empresas e pode ser utilizado em qualquer quantidade de ativos. A portfólio ideal foi encontrada usando a função desirability como método de otimização. No final, novas propostas são mostradas para os estudos futuros. A comparação foi feita contra o modelo de portfólio com misturas simples sem clusters.

Biografía del autor/a

  • Anderson Paulo de Paiva, Universidade Federal de Itajubá

    Professor Associado III da Universidade Federal de Itajubá (UNIFEI/IEPG). Possui graduação em Engenharia Mecânica, mestrado em Engenharia de Produção e doutorado em Engenharia Mecânica (Unifei). Atua na área de Projeto e Análise de Experimentos, Estatística Multivariada e Métodos de Otimização. Linha de Pesquisa principal: Otimização de Processos de Manufatura. ORCID: https://orcid.org/0000-0002-8199-411X Scopus (https://www.scopus.com/authid/detail.uri?authorId=16176142300)

  • Xueping Li, The University of Tennessee, Knoxville

    Xueping Li is a Professor of Industrial and Systems Engineering and the Director of the Ideation Laboratory (iLab) and co-Director of the Health Innovation Technology and Simulation (HITS) Lab at the University of Tennessee - Knoxville. He holds a Ph.D. from Arizona State University. His research areas include complex system modeling, simulation and optimization, information assurance, scheduling, supply chain management, data analytics, and health systems engineering. He is a member of IIE, IEEE, ASEE and INFORMS.

  • Rafael Coradi Leme, Universidade Federal de Itajubá

    Professor Associado do Instituto de Produção e Gestão na Universidade Federal de Itajubá. Possui graduação (2003), mestrado (2005) e doutorado (2008) em Engenharia Elétrica pela Universidade Federal de Itajubá. Pesquisador na área de Otimização, Séries Temporais e Processos Estocásticos, também tem expertise na área de Sistemas Elétricos de Potência. Foi pesquisador visitante na Universidade do Texas em Austin entre 2006 e 2007, onde desenvolveu trabalhos na área de pesquisa operacional e modelagem estocástica. Também foi pesquisador visitante na University of Strathclyde em Glasgow (Escócia) durante o ano de 2008 e Professor Visitante na University of Tennessee at Knoxville entre 2014 e 2015.

  • João Éderson Corrêa, Universidade Federal de Itajubá

    Possui Doutorado e Mestrado pelo Programa de Pós Graduação em Engenharia de Produção da Universidade Federal de Itajubá, pós-graduado em: Administração Hospitalar pela rede São Camilo de Faculdades (2014), Administração Pública pela Faculdade SENAC - Minas (2010), MBA em Gestão de Negócios Empresariais (2007) e Graduação em Administração de Empresas pela Faculdade de Ciências Sociais Aplicadas do Sul de Minas (2005). Atua como professor nos cursos de graduação em Engenharia de Produção, Civil e Administração de Empresas e Pós-Graduação, atuando principalmente nos áreas: Qualidade, certificação ISO-9000 e acreditação hospitalar. Atualmente participa dos seguintes grupos de Pesquisas: Engenharia de Fatores Humanos e Usabilidade para dispositivos médicos e do grupo de Análise de Custo e Benefícios do Impacto Regulatório (Chamada MCTI/CNPQ N. 17/2017 ? Pesquisa e, Vigilância Sanitária).

  • Vinicius Paes, Universidade Federal de Itajubá

    Bacharel em Ciência da Computação (2008) e Mestre em Ciência e Tecnologia da Computação (2012) pela Universidade Federal de Itajubá. Sócio fundador de empresas de tecnologia da informação voltadas em desenvolvimento de software como serviço (SaaS - Software as a Service). Experiência prática e profissional em gerência de projetos, gerenciamento de servidores, infraestrutura de redes de computadores, segurança da informação, programação, alta disponibilidade para serviços web, banco de dados, web analytics, otimização para sistemas de busca, web crawler, indexação, retorno do investimento, data mining e inteligência artificial. Aluno de Doutorado em Engenharia de Produção pela UNIFEI e pesquisador do Núcleo de Otimização da Manufatura e de Tecnologia da Inovação (NOMATI) com tema em Modelagem computacional aplicada à extração de características geométricas irregulares em processos multiobjetivo.

Referencias

Amihud, Yakov, & Barnea, Amir. 1974. Portfolio selection for managerial control. Omega, 2(6), 775 783.

Andersson, Oivind. 2012. Experiment!: Planning, Implementing and Interpreting. John Wiley & Sons.

Artzner, Philippe, Delbaen, Freddy, Eber, Jean-Marc, & Heath, David. 1999. Coherent measures of risk. Mathematical Finance, 9(3), 203 228.

Bertland, Daniel, & Asgharian, Hossein. 2008. The Perfect Portfolio.

Better, Marco, & Glover, Fred. 2006. Selecting project portfolios by optimizing simulations. The Engineering Economist, 51(2), 81 97.

Borges, Cleber N, Bruns, Roy E, Almeida, Aline A, & Scarminio, Ieda S. 2007. Mixture mixture design for the fingerprint optimization of chromatographic mobile phases and extraction solutions for Camellia sinensis. Analytica chimica acta, 595(1), 28 37.

Brandvik, Per Johan, & Daling, Per S. 1998. Optimisation of oil spill dispersant composition by mixture design and response surface methods. Chemometrics and intelligent laboratory systems, 42(1), 63 72.

Cass, David, & Stiglitz, Joseph E. 1970. The structure of investor preferences and asset returns, and separability in portfolio allocation: A contribution to the pure theory of mutual funds. Journal of Economic Theory, 2(2), 122 160.

Chan, Ling-Yau. 1988. Optimal design for a linear log contrast model for experiments with mixtures. Journal of statistical planning and inference, 20(1), 105 113.

Chiarawongse, Anant, Kiatsupaibul, Seksan, Tirapat, Sunti, & Roy, Benjamin Van. 2012. Portfolio selection with qualitative input. Journal of Banking & Finance, 36(2), 489 496.

Cornell, John. 2002. Experiments with mixtures. 28. New York: John Wiley & Sons, Inc.

Cornell, John A. 1971. Process variables in the mixture problem for categorized components. Journal of the American Statistical Association, 66(333), 42 48.

Cornell, John A. 2011a. Experiments with mixtures: designs, models, and the analysis of mixture data. Vol. 895. John Wiley & Sons.

Cornell, John A. 2011b. Experiments with mixtures: designs, models, and the analysis of mixture data. Vol. 895. John Wiley & Sons.

Cornell, John A, & Ramsey, Phillip J. 1997. Modeling the component linear and nonlinear blending properties in a two-stage mixture experiment. Nonlinear Analysis: Theory, Methods & Applications, 30(7), 4041 4050.

Costa, OLV, & Paiva, AC. 2002. Robust portfolio selection using linear-matrix inequalities. Journal of Economic Dynamics and Control, 26(6), 889 909.

De Oliveira, Francisco Alexandre, De Paiva, Anderson Paulo, Lima, José Wanderley Marangon, Balestrassi, Pedro Paulo, & Mendes, Ronã Rinston Amaury. 2011. Portfolio optimization using Mixture Design of Experiments: Scheduling trades within electricity markets. Energy Economics, 33(1), 24 32.

Delarue, Erik, De Jonghe, Cedric, Belmans, Ronnie, & D’haeseleer, William. 2011. Applying portfolio theory to the electricity sector: Energy versus power. Energy Economics, 33(1), 12 23.

Di Zio, Marco, Guarnera, Ugo, & Rocci, Roberto. 2007. A mixture of mixture models for a classification problem: The unity measure error. Computational statistics & data analysis, 51(5), 2573 2585.

Draper, Norman R, & Pukelsheim, Friedrich. 1999. Kiefer ordering of simplex designs for first-and second-degree mixture models. Journal of statistical planning and inference, 79(2), 325 348.

Duineveld, CAA, Smilde, AK, & Doornbos, DA. 1993. Designs for mixture and process variables applied in Tabelat formulations. Analytica chimica acta, 277(2), 455 465.

Efron, Bradley. 1979. Bootstrap methods: another look at the jackknife. The annals of Statistics, 1 26.

Efron, Bradley, & Tibshirani, Robert J. 1994. An introduction to the bootstrap. Vol. 57. CRC press.

Eriksson, Lennart, Johansson, Erik, & Wikstr m, Conny. 1998. Mixture design design generation, PLS analysis, and model usage. Chemometrics and Intelligent Laboratory Systems, 43(1), 1 24.

Gozálvez-Zafrilla, JM, Santafé-Moros, A, & García-Díaz, J Carlos. 2013. Crossed mixture process design approach to model nano filtration rejection for non-dilute multi-ionic solutions in a given range of solution compositions. Desalination, 315, 61 69.

Granger, Clive William John, & Newbold, Paul. 1977. Forecasting economic time series. Economic Theory and Mathematical Economics (USA).

Henderson, A. Ralph. 2005. The bootstrap: a technique for data-driven statistics. Using computer-intensive analyses to explore experimental data. Clinica Chimica Acta, 359(1), 1 26.

Kang, Lulu, Roshan Joseph, V, & Brenneman, William A. 2011. Design and modeling strategies for mixture-of-mixtures experiments. Technometrics, 53(2), 125 136.

Kennedy, John J, & Bush, Andrew J. 1985. An introduction to the design and analysis of experiments in behavioral research. University Press of America.

Li, Duan, & Ng, Wan-Lung. 2000. Optimal Dynamic Portfolio Selection: Multiperiod Mean-Variance Formulation. Mathematical Finance, 10(3), 387 406.

Lonni, Audrey Alesandra Stinghen Garcia, Longhini, Renata, Lopes, Gisely Cristiny, de Mello, João Carlos Palazzo, & Scarminio, Ieda Spacino. 2012. Statistical mixture design selective extraction of compounds with antioxidant activity and total polyphenol content from Trichilia catigua. Analytica chimica acta, 719, 57 60.

Mage, Ingrid, & Naes, Tormod. 2005. Split-plot design for mixture experiments with process variables: A comparison of design strategies. Chemometrics and intelligent laboratory systems, 78(1), 81 95.

Markowitz, Harry. 1952. Portfolio selection*. The journal of finance, 7(1), 77 91.

Markowitz, Harry. 1959. Portfolio selection: efficient diversification of investments. New York.

Mayers, David. 1974. Portfolio theory, job choice and the equilibrium structure of expected wages. Journal of Financial Economics, 1(1), 23 42.

Mazaheri Tehrani, Mostafa, Saadatmand Tarzjan, Mahdi, et al. 2012. Optimization of low-cholesterolelow-fat mayonnaise formulation: Effect of using soy milk and some stabilizer by a mixture design approach. Food Hydrocolloids, 28.

Newbold, Paul, Carlson, William, & Thorne, Betty. 2012. Statistics for Business and Economics. Pearson Higher Ed.

Ngun, Bun Kim, Mohamad, Hasmaliza, Katsumata, Ken-ichi, Okada, Kiyoshi, & Ahmad, Zainal Ari n. 2014. Using design of mixture experiments to optimize triaxial ceramic tile compositions incorporating Cambodian clays. Applied Clay Science, 87, 97 107.

Piepel, Greg F. 1999. Modeling methods for mixture-of-mixtures experiments applied to a Tabelat formulation problem. Pharmaceutical development and technology, 4(4), 593 606.

Scheffé Henry. 1958. Experiments with mixtures. Journal of the Royal Statistical Society. Series B (Methodological), 344 360.

Scheffé, Henry. 1963. The simplex-centroid design for experiments with mixtures. Journal of the Royal Statistical Society. Series B (Methodological), 235 263.

Shalit, Haim, & Yitzhaki, Shlomo. 1984. Mean-Gini, Portfolio Theory, and the Pricing of Risky Assets. The Journal of Finance, 39(5), 1449 1468.

Trippi, Robert R. 1989. A decision support system for real estate investment portfolio management. Information & Management, 16(1), 47 54.

Vieira, Antonio Fernando de Castro, & Dal Bello, Luiz Henrique Abreu. 2006. Experimentos com mistura para otimiza ªo de processos: uma aplicação com respostas não normais. Pesquisa Operacional, 26(3), 605 623.

Wehrens, Ron, Putter, Hein, & Buydens, Lutgarde. 2000. The bootstrap: a tutorial. Chemometrics and intelligent laboratory systems, 54(1), 35 52.

Wolfinger, Russell D, & Lin, Xihong. 1997. Two Taylor-series approximation methods for nonlinear mixed models. Computational statistics & data analysis, 25(4), 465 490.

Yu, Mei, Wang, Shou-Yang, Lai, Kin Keung, & Chao, X. 2005. Multiperiod portfolio selection on a minimax rule. Dynamics of continuos discrete and impulsive systems series B, 12(4), 565.

Zhang, Chongqi, & Wong, Weng Kee. 2013. Optimal designs for mixture models with amount constraints. Statistics & Probability Letters, 83(1), 196 202.

Zhang, Wei-Guo, Liu, Yong-Jun, & Xu, Wei-Jun. 2012. A possibilistic mean-semivariance-entropy model for multi-period portfolio selection with transaction costs. European Journal of Operational Research, 222(2), 341 349.

Archivos adicionales

Publicado

2020-03-31

Número

Vol. 1 Núm. 1 (2020): JOURNAL OF OPEN RESEARCH

Sección

Artículos

Cómo citar

OTIMIZAÇÃO DE PORTFÓLIOS COM MÉTODO DOS POLINÔMIO CANÔNICOS CRUZADO E CLUSTERS. (2020). Journal of Open Research, 1(1), e9. https://journals.stellata.com.br/jor/article/view/9