Performance da seleção de portfólios utilizando dados intradiários e métodos econométricos de regularização

Abstract

O principal objetivo desta dissertação é a comparação entre o uso de dados de alta frequência (cotações intradiárias) e de dados diários na construção de carteiras de mínima variância através de 30 ativos da B3 no período entre janeiro de 2017 e julho de 2019. Os dados de alta frequência necessitaram de tratamento diferenciado a fim de mitigar o viés proveniente dos ruídos de microestrutura e dos eventos corporativos das empresas que afetam o preço de mercado. As abordagens para estimativa das matrizes de covariâncias com dados de alta frequência foram divididas em dois tipos: uma abordagem que não é robusta à falta de sincronização entre a negociação dos diferentes ativos do portfólio e uma medida de covariância para dados de alta frequência robusta à falta de sincronização. A dinâmica da previsão da matriz de covariâncias para portfólios de alta frequência não robustos à sincronização é especificada de acordo com os modelos EWMA RiskMetrics e DCC-GARCH. Para a dinâmica da matriz de covariâncias robusta à sincronização das negociações intradiárias dos ativos, implementamos os métodos LASSO-VAR e adaLASSO-VAR de Callot et al. (2017) com o uso do estimador Kernel Realizado Multivariado. As carteiras que utilizam dados de alta frequência são comparadas com portfólios construídos através das cotações diárias baseadas na matriz de covariância amostral, EWMA RiskMetrics, DCC-GARCH, métodos de encolhimento linear para a covariância, métodos por análise de fatores, carteira igualmente ponderada, além dos retornos do índice Ibovespa no mesmo período. O desempenho dos portfólios é mensurado através das estatísticas de performance relacionadas aos retornos, risco e turnover com frequência de rebalanceamento diária, semanal e mensal para os pesos dos portfólios. Nossos resultados apontam que os métodos LASSO-VAR e adaLASSO-VAR apresentaram elevado turnover e menor retorno líquido na comparação entre os portfólios construídos com os retornos diários.

The main objective of this dissertation is compare the performances resulting from the use of high frequency data (intradaily returns) and low frequency data (daily returns) for the construction of minimum variance portfolios through 30 B3 assets in the period between January 2017 and July 2019. The high-frequency data required different treatment in order to mitigate the bias arising from the microstructure noise and companies corporate events that affect the market price. The approaches for estimating covariance matrices with high frequency data have been divided into two types: an approach that is not robust to the lack of synchronization between the trading of different portfolio assets and a covariance measure for high frequency data robust to this synchronization. The dynamic of the high-frequency covariance matrix forecast not robust to trade synchronization is specified with EWMA RiskMetrics and DCC-GARCH models. For the dynamic of the covariance matrix robust to assets trade synchronization, we implement the LASSO-VAR and adaLASSO-VAR methods by Callot et al. (2017) with the Multivariate Realized Kernel estimator. The high-frequency portfolios are compared with daily prices portfolios built through the sample covariance matrix, EWMA RiskMetrics, DCC-GARCH, shrinkage methods, factor analysis methods, equally weighted portfolio and the Ibovespa index returns for the same period. The performance of the portfolios is measured by statistics for returns, risk and turnover with daily, weekly and monthly re-balancing schemes for the portfolios weights. Our results suggests that LASSO-VAR and adaLASSO-VAR shows high turnover and lower net returns compared to daily returns portfolios.