OTIMIZAÇÃO DE UMA CARTEIRA DE INVESTIMENTOS COM BASE EM

INDICADORES FINANCEIROS E DE MERCADO: UMA APLICAÇÃO PARA A

BMF&BOVESPA ENTRE 2007 A 2015

OPTIMIZATION OF AN INVESTMENT PORTFOLIO BASED ON FINANCIAL

AND MARKET INDICATORS: AN APPLICATION FOR BMF & BOVESPA
BETWEEN 2007 2015

Luís Henrique de Souza

Graduado em Administração pelo Instituto Federal de Minas Gerais -
Campus Formiga.
luishsouza01@hotmail.com

Bruno César de Melo Moreira

Doutor em Administração pela UFSC.
Professor do Instituto Federal de Minas Gerais - Campus Formiga
bruno.melo@ifmg.edu.br

Pedro Marinho Sizenando Silva

Doutor em Engenharia da Produção pela UFMG.
Professor do Instituto Federal de Minas Gerais - Campus Ribeirão das Neves
pedro.silva@ifmg.edu.br

Lelis Pedro de Andrade

Doutor em Administração pela UFMG
Professor do Instituto Federal de Minas Gerais - Campus Formiga
lelis.pedro@ifmg.edu.br

Daniel Fonseca Costa

Doutorando em Administração pela UFLA
Professor do Instituto Federal de Minas Gerais - Campus Formiga
daniel.costa@ifmg.edu.br
 2

OTIMIZAÇÃO DE UMA CARTEIRA DE INVESTIMENTOS COM BASE EM INDICADORES

FINANCEIROS E DE MERCADO: UMA APLICAÇÃO PARA A BMF&BOVESPA ENTRE 2007 A
2015

OBJETIVO
O presente trabalho tem como objetivo propor a construção de um portfólio ótimo por
meio de uma técnica de otimização, a programação linear, tendo como base de
restrições um conjunto de indicadores financeiros e de mercado, de forma que o
portfólio tenha seu retorno maximizado, comparando-o posteriormente com o retorno da
carteira do IBOVESPA (Índice Bovespa).

METODOLOGIA
A metodologia utilizada consistiu em criar uma modelagem matemática com base na
programação linear utilizando alguns indicadores técnicos como Retorno, Volatilidade,
Ebitda, Liquidez Geral e os setores de atuação das 396 empresas brasileiras que
possuem ou possuíam ações transacionadas na BM&F Bovespa, coletados por meio do
software Economática num período de 30/03/2007 a 30/12/2015, dividido em trimestres.
Após modelado, já pelo suplemento Solver do Excel, foram otimizados os dados,
sempre levando em consideração um período p para posteriormente fizesse a
comparação da carteira da IBOVESPA com o período p+1.

RESULTADOS E CONCLUSÕES
Ao todo foram analisados 35 trimestres, sendo que do total, a carteira otimizada foi
superior que a IBOVESPA em 28 períodos, cerca de 80%. Como resultado, a
modelagem matemática utilizada neste estudo, em comparação com a IBOVESPA,
apresentou um retorno acumulado no período analisado maior, sendo que nesse
período a IBOVESPA teve um prejuízo acumulado de -1,635 e a carteira otimizada pela
modelagem obteve um retorno acumulado de 2,455. Sobre o retorno médio desse
período, o resultado foi de -0,047 contra 0,070, respectivamente.
Uma das explicações da baixa média de retorno obtida pelas duas carteiras se dá pela
crise de 2008 no qual afetou fortemente o mercado acionário, refletindo-a nos anos
posteriores, porém o modelo conseguiu diminuir bastante esse impacto, pois ele por
algumas vezes não conseguiu obter um retorno positivo, porém conseguir diminuir
perdas em certos trimestres.

IMPLICAÇÕES PRÁTICAS
Com base nos resultados apresentados neste trabalho mostrou-se que a modelagem
feita com base na programação linear foi eficiente na otimização de carteiras no
mercado acionário corroborando com trabalhos feitos com esse foco.

PALAVRAS-CHAVE
Programação Linear, IBOVESPA, otimização, investimento, retorno.
 3

OPTIMIZATION OF AN INVESTMENT PORTFOLIO BASED ON FINANCIAL AND MARKET

INDICATORS. AN APPLICATION FOR BMF & BOVESPA BETWEEN 2007 2015

OBJECTIVE
This study aims to propose building a great portfolio through an optimization technique,
linear programming, based restrictions some financial and market indicators, so that the
portfolio has its maximized return, comparing it later with the return of the IBOVESPA
portfolio (Bovespa Index).

METHODOLOGY
The methodology used was to create a mathematical model based on linear
programming using some technical indicators such as return, volatility, ebitda, general
liquidity and the sectors of activity of 396 companies Brazilian companies that hold or
shares on the BM&F Bovespa, collected by Economática software over a period of
30/03/2007 to 12/30/2015, divided into quarters. Once patterned, as by the Excel Solver
add-in, the data were optimized when optimizing a powder took time for later comparison
of IBOVESPA wallet with the period p + 1.

RESULTS AND CONCLUSIONS

The model stood the IBOVESPA by 80%, ie 35 quarters analyzed by the linear
programming optimized portfolio was better in 27 periods. The sum of the periods, the
optimal portfolio had a total return of 2.455 to -1.635 while the average was 0.070
against -0.047.
One explanation of the low average return obtained by the two portfolios is given by the
2008 crisis in which strongly affected the stock market, reflecting it in later years, but the
model was able to significantly reduce this impact as it a few times failed to get a positive
return, but get lower losses in certain quarters.

PRACTICAL IMPLICATIONS
Based on the results presented in this paper it was shown that his modeling based on
linear programming was efficient in optimizing portfolios in the stock market corroborating
work done with this focus.

KEY WORDS
Linear programming, IBOVESPA, optimization, investment return.
 4

INTRODUÇÃO

Decisões de investimento no mercado acionário são tomadas em um ambiente de

incerteza. Apear desse mercado ser uma alternativa interessante de investimento, o atual
momento que a economia brasileira atravessa, contribui, sobremaneira, para o aumento do
nível dessa incerteza. Assim, dentre diversas variáveis, o risco e o retorno de um investimento
são cruciais para uma boa análise do mercado acionário (ASSAF NETO, 2011). Desta forma,
o Risco “está diretamente associado às probabilidades de ocorrência de determinados
resultados em relação a um valor médio esperado” (ASSAF NETO, 2011, p.218), ou seja,
associado ao retorno futuro, não descartando possibilidades de perdas. Com essa situação,
principalmente na área de investimento acionário, vê-se o aumento da necessidade de
mecanismos de tomada de decisão que operem de maneira eficiente e rápida como modelos
matemáticos de otimização.
No âmbito de investimentos na bolsa de valores, o pequeno investidor vem se
destacando dentre os demais, sendo, definido por como as pessoas físicas que compram e
vendem ações através dos fundos de ações administrados por bancos ou por homebroker, ou
seja, através de uma ferramenta que possibilita a negociação de ações diretamente através da
internet (BONALDI, 2010). Com isso, esses os tipos de investidores são os que mais
precisam de informações para decidir sobre a escolha de ativos para compor sua carteira.
Nesse sentido, Oliveira et al., (2011) argumenta que muitos investidores possuem dúvidas
sobre quais são os melhores ativos para adquirirem e assim formar uma carteira ótima.
Com intuito de subsidiar a tomada das decisões acerca de quais seriam as melhores
empresas a se investir, diversos indicadores foram criados com a finalidade de mostrar a
valorização de determinados grupos de ações ao longo de um período de tempo, destacondo-
se o Índice Bovespa (IBOVESPA), o Índice de Governança Corporativa (IGC), o Índice de
Sustentabilidade Empresarial (ISE), o Índice Brasil 100 (IBrX 100) e o Índice Brasil 50 (IBrX
50). Segundo Silva, Moreira e Francisco (2014) tais indicadores buscam, de forma indireta,
dar suporte na realização de investimentos em ações empresas que compõe cada um desses
grupos, servindo também como base de comparação entre os retornos.
Desta forma, existem na literatura recente na área de finanças, ao contrário das teorias
já elaboradas, evidências de correlações significantes entre retornos passados e atuais
(MINARDI, 2001). Com base nessa visão, levanta-se o seguinte problema: é possível
otimizar um portfólio de investimento utilizando a modelagem matemática de programação
linear? A partir de tal problemática, o presente trabalho emerge como o objetivo propor a
 5

construção de um modelo de otimização de portfólios de investimento utilizando a

modelagem matemática de Programação Linear (PL), tendo em vista a maximização do
retorno para o investidor, de modo que a PL decida quanto investir e em quais empresas deve-
se investir sempre respeitando as restrições impostas.
Para criação deste modelo matemático pretende-se utilizar informações que são
consideradas indicadores de extrema importância para o mercado acionário, como o Retorno,
Volatilidade, Ebitda, Liquidez Geral e os setores de atuação dos respectivos papéis da bolsa
de valores. Com relação às restrições do modelo matemático em questão, pretende-se
determiná-las com base nas carteiras da IBOVESPA, até mesmo para que posteriormente as
carteiras sejam comparadas com este mesmo índice.

2 - REFERENCIAL TEÓRICO

2.1 - Pesquisa Operacional como ferramenta de otimização no Mercado Acionário

O ato de investir é uma opção que engloba oportunidades e ameaças. Para o investidor
apenas as informações disponíveis a respeito dos ativos podem não ser suficientes para tomar
uma decisão eficiente, neste caso também é importante a aprendizagem e o desenvolvimento
de técnicas que possam ajudá-lo a tomar essas decisões de maneira otimizada, e
consequentemente, aumentar o seu grau de confiança perante a decisão a ser tomada.
Portanto, é essencial para o investidor se informar, envolver, estudar e aprimorar seus
conhecimentos e técnicas, de forma que possa tomar suas decisões com maior consistência.
(CERBASI, 2008 apud BORTOLUZZI et al., 2014).
O investimento no mercado acionário requer um conhecimento amplo e complexo, no
qual é retornado ao investidor como maior confiança para sua decisão acerca de quais ativos
compor sua carteira. Seleção de carteira essa que segundo Gitman & Madura (2003), consiste
em uma análise de como se pode investir recursos em mais de uma ação, ou seja,
diversificação, de forma a conseguir um maior retorno ao menor risco possível.
Em 1952, Harry Markowitz se tornaria o pioneiro na área de otimização de portfólio
de ações publicando no The Journal of Finance seu estudo intitulado como Portfolio
Selection, em que ele propunha um modelo de média-variância para otimização de um
portfólio de ações com base na relação risco-retorno considerando dados estatísticos passados.
De acordo com Silva, Moreira e Francisco (2014), para formulação de um problema deste
contexto, é necessário que se minimize o risco de um portfólio dado um determinado nível de
 6

retorno desejado pelo investidor, ou ao contrário, maximizar o retorno esperado do portfólio

dado a um nível de risco desejado.
Desde então, muito se tem estudado acerca de qual o melhor método matemático a ser
utilizado para auxílio no processo decisório de otimização de portfólios, e dentro desse
contexto, uma das técnicas utilizadas para otimização é a de Pesquisa Operacional - PO.
Criada em 1938 para resolver situações militares na Segunda Guerra Mundial, a Pesquisa
Operacional segundo a Sociedade Brasileira de Pesquisa Operacional – SOBRAPO pode ser
definida como:

“Uma ciência aplicada voltada para a resolução de problemas reais. Tendo como foco a
tomada de decisões, aplica conceitos e métodos de várias áreas científicas na concepção,
planejamento ou operação de sistemas. A Pesquisa Operacional é usada para avaliar linhas
de ação alternativas e encontrar as soluções que melhor servem aos objetivos dos
indivíduos ou organizações. Através de desenvolvimentos de base quantitativa, a Pesquisa
Operacional visa também introduzir elementos de objetividade e racionalidade nos
processos de tomada de decisão, sem descuidar, no entanto, dos elementos subjetivos e de
enquadramento organizacional que caracterizam os problemas. (SOBRAPO, 2015, p.1)

A partir de então, a Pesquisa Operacional vem sendo utilizada para resolver problemas
nas diversas áreas do setor produtivo, como indústrias, transportes, telecomunicações,
finanças, saúde, serviços públicos, operações militares, produção, etc. (MOREIRA, 2013),
levando à resultados significantes em suas aplicações de acordo com cada área.
Segundo Taha (2007), as principais fases de um estudo de Pesquisa Operacional são: a
definição do problema, onde são definidas as alternativas de decisão, o objetivo e as
limitações de um problema de decisão; construção do modelo, onde se traduz a definição do
problema em relações matemáticas para chegar em uma solução; solução do modelo, onde se
baseia na utilização de algoritmos de otimização bem definidos; validação do modelo, onde se
verifica se o modelo proposto é aceitável; e por último a implementação da solução de um
modelo válido, envolvendo a tradução dos resultados em instruções operacionais.
Dentro da Pesquisa Operacional, uma das técnicas de otimização mais difundidas é a
Programação Linear – PL, que para Moreira (2013, p.11) é um modelo “estruturado para
resolver problemas que apresentem variáveis que possam ser medidas, e cujos
relacionamentos possam ser expressos por meio de equações e/ou inequações lineares”.
Complementando, para Belfiore e Fávero (2013, p.19) “o objetivo consiste em maximizar ou
minimizar determinada função linear de variáveis de decisão, sujeita a um conjunto de
 7

restrições representadas por equações ou inequações lineares, incluindo a de não negatividade

das variáveis de decisão.”
Para a formulação do problema de decisão de uma programação linear é necessário
que se defina as variáveis de decisão envolvidas nesse modelo, obter conhecimento de todas
as restrições no qual está sujeito o problema de decisão e definir o objetivo em questão onde é
definido o tipo de otimização a se utilizar, maximizar ou minimizar. Portanto, no mercado
acionário, a formulação de um problema de otimização pode se dar principalmente por dois
objetivos, minimizar risco de uma carteira ou maximizar retorno da mesma, não podendo
excluir outras possibilidades.
A BM&F Bovespa (2012) cita três aspectos básicos para otimização em um
investimento na ótica do investidor: retorno, prazo e proteção, estimando sua rentabilidade,
sua liquidez e o seu grau de risco, sendo que a rentabilidade estando diretamente relacionado
ao risco, cabendo ao investidor definir o quanto ele está disposto a arriscar em decorrência de
determinado retorno.
Não apenas o risco e o retorno, mas algumas informações como os indicadores
financeiros e econômicos, também podem ser de extrema importância na hora de decidir quais
as ações devem compor um carteira de ações. Alguns deles são: a liquidez de uma ação, ou
seja, a facilidade de conversão desse ativo em dinheiro sem a perda significativa de seu valor,
é um indicador que influencia diretamente o preço da ação; o ebitda é outro indicador de
grande importância econômica, pois, se trata do lucro antes dos juros, impostos, depreciações
e amortizações representando a geração operacional de caixa de uma empresa.
Segundo Oliveira et al. (2011, p.6), “diversos artigos são publicados buscando
desenvolver ou aperfeiçoar técnicas para otimizar carteiras de investimentos devida a grande
relevância que este tema possui para a vida dos investidores em geral...”. Alguns desses
artigos como Mansini et al. (2014), Silva, Moreira e Francisco (2014), Sirqueira e Kalatzis
(2006), abordaram acerca da otimização de portfólio, seguindo a linha do modelo de
Programação Linear dentro da Pesquisa Operacional.
Mansini et al. (2014) em seu trabalho intitulado “Twenty years of linear programming
based portfolio optimization”, avaliaram a variedade dos modelos de otimização dentro da PL
e suas características reais nos últimos vinte anos. Dentre os principais mencionados estão o
Modelo de Valor Condicional em Risco (CVaR), no qual avalia o risco de uma carteira de
maneira conservada, tendo como foco resultados menos rentáveis, ou seja, o CVaR faz com
que a probabilidade de uma carteira gerar grandes perdas seja reduzida através de uma
avaliação, dado um nível específico de confiança, que uma perda irá exceder o valor em risco.
 8

Outro modelo citado é o de Desvio Absoluto Médio (MAD), introduzido por Konno e
Yamazaki em 1991. Semelhante ao modelo de Markowitz, sua modelagem decorre da
utilização do erro absoluto médio como medida de risco em vez do desvio-padrão usado por
Markowitz, com isso gerando as carteiras com retornos maiores, porém com riscos maiores.
Silva, Moreira e Francisco (2014) tiveram como objetivo a construção de um portfólio
ótimo através da Programação Linear tendo como base as empresas contidas simultaneamente
no Índice de Sustentabilidade Empresarial (ISE) e no Índice de Governança Corporativa
(IGC) de forma que maximizasse seu retorno entre os anos de 2007 a 2012 e posteriormente
comparando-os com o IBOVESPA. Como resultado, a carteira otimizada pelos autores obteve
um retorno médio 0,03404 sendo melhor que a carteira do IBOVESPA com -0,02086, ou seja,
pôde-se concluir que o modelo de Programação Linear utilizado se mostrou bastante eficiente
na otimização da construção da carteira hipotética.
Já no estudo de Sirqueira e Kalatzis (2006), os autores tiveram como objetivo verificar
se uma carteira formada com ações contidas no IGC proporcionaria maior retorno que
carteiras formada por ações que não adotam esse índice no ano de 2004, através da
Programação Linear. Como resultado puderam concluir que as empresas contidas no IGC
forneceram um maior retorno no período estudado.
O trabalho de Farias et al. (2004) teve como objetivo comparar e analisar os modelos
de seleção de carteiras Média-Variância (MV), Minimax e Minimax Ponderado (MP),
aplicados ao mercado acionário brasileiro, utilizando as 50 ações mais negociadas na
IBOVESPA entre 1999 a 2003 gerando otimização das carteiras mensalmente, com base em
retornos dos 12 meses anteriores. Com os resultados mostrou-se que o modelo MV
proporcionou portfólios que, em certas circunstâncias, obtiveram retorno superiores e, em
outras, inferiores ao IBOVESPA, já os modelos Minimax e MP geraram portfólios que
apresentaram retornos acumulados maiores que o Bovespa. Portanto, os autores concluíram
que os modelos Minimax e MP são os mais adequados, dentre os analisados, sendo mais
atrativo, já o modelo MV mostrou menor eficiência além de ser um modelo mais complexo de
obtenção de resultados pela sua difícil operacionalização.

O estudo de Oliveira et al. (2011), teve como objetivo a otimização da relação risco-
retorno de uma carteira formada por ativos contidos no IBOVESPA entre 2009 a 2011, e
posteriormente comparando-o com alguns índices da BM&F Bovespa. Como resultado, os
autores obtiveram uma carteira composta com 11 ativos obtendo um retorno de 0,17% ao
 9

risco de 1,14, sendo a melhor opção entre os demais índices comparados, concluindo que com
o auxílio da Pesquisa Operacional é possível realizar cálculos estatísticos de forma eficaz.

3 - PROCEDIMENTOS METODOLÓGICOS

3.1 - Definição da amostra

Os dados para análise compreendem o período de 30/03/2007 a 30/12/2015, dividido

em trimestres (por alguns indicadores serem divulgados trimestralmente), tendo como
população as 396 empresas brasileiras que possuem ou possuíam ações na BM&F Bovespa.
Os dados foram coletados pelo software Economática®, selecionando posteriormente o tipo
de ação de maior volume de cada empresa na data da coleta desses dados. O número de
empresas que compôs a amostra final deste trabalho variou de trimestre para trimestre, de 65
empresas em 2007 a 179 empresas no começo de 2015. Esta variação foi devido ao fato de
que nem todas as empresas divulgavam sistematicamente todos os seus dados financeiros e de
mercado, e que foram utilizados na modelagem matemática. Sendo assim, em cada trimestre
foram excluídas as empresas que não haviam disponibilizados todos os dados necessários à
aplicação do modelo.

3.2 - Procedimentos de modelagem e otimização

Para a montagem das restrições da modelagem matemática, os mesmos dados colhidos

para a carteira teórica, também foram colhidos para as carteiras do IBOVESPA, além dos
pesos de cada ação composta nessas carteiras, dados estes presentes nas estatísticas do site
www.bmfbovespa.com.br.
Foram utilizados para a formulação da modelagem matemática os indicadores
financeiros e de mercado: Retorno, Volatilidade, Ebitda, Liquidez Geral, assim como a
utilização do setor de atuação de cada empresa, de forma que todos esses requisitos pudessem
contribuir para um resultado positivo na busca do objetivo desse trabalho. Na coleta do
Retorno, utilizou-se dados em base trimestrais com série de cotações diárias, sempre ajustado
por inflação e incluindo os dividendos nos retornos das empresas. Na coleta da Volatilidade
também foi utilizado séries de cotações diárias com base trimestral e ajustado pela inflação.
Na coleta do Ebitda usou-se dados consolidados, com base trimestral, o mesmo feito na coleta
da Liquidez Geral. Já os setores de atuação, foram colhidos conforme a classificação dos
 10

setores de atuação disponibilizada pela BM&F Bovespa, no qual se dividem em 10: bens
industriais; construção e transporte; consumo cíclico; consumo não cíclico; financeiro e
outros; materiais básicos; petróleo, gás e biocombustíveis; tecnologia da informação;
telecomunicações; e utilidade pública. Portanto todas as empresas coletadas foram separadas e
agrupadas conforme esses setores de atuação.
Com todos os dados coletados e as empresas agrupadas conforme os setores de
atuação foram excluídas as empresas que não possuíam todos os dados em determinado
trimestre, ou seja, se uma empresa x no 1º trimestre não possuísse a Liquidez Geral desse
período por exemplo, ela seria eliminada somente desse referido período, não sendo eliminada
em todos os demais períodos, pois se no 3º trimestre essa empresa tivesse todos seus dados
disponíveis, ela estaria presente na amostra. Com esse processo de eliminação, em média
foram excluídas 50% das empresas selecionadas na amostra inicial em cada trimestre.
Voltando aos setores de atuação das empresas, após a eliminação dessas empresas com
inconsistência de dados, a cada período p, calculou-se as médias desses setores, de forma que
posteriormente esse cálculo selecionam-se os 5 setores de melhor desempenho em p, para que
esses sirvam como restrição da modelagem, de modo que reduza o número de empresas que
serão compostas na carteira teórica de cada período.
Para a resolução do objetivo desse trabalho foi utilizado um suplemento do Excel, o
Solver, onde permite o usuário fazer vários tipos de simulações. Vale ressaltar que, na etapa
de análise do presente trabalho, foram otimizados os dados de um período p para que
posteriormente fizesse a comparação da carteira da IBOVESPA com o período p+1.
Para cada trimestre, utilizou-se o seguinte modelo matemático de programação linear:

Conjuntos:
𝐸: 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑒𝑚𝑝𝑟𝑒𝑠𝑎𝑠 𝑖
𝑆: 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑠𝑒𝑡𝑜𝑟𝑒𝑠 𝑗
Dados:
𝑅𝐸𝑖 : 𝑅𝑒𝑡𝑜𝑟𝑛𝑜 𝑑𝑎 𝑒𝑚𝑝𝑟𝑒𝑠𝑎 𝑖
𝑉𝑂𝑖 : 𝑉𝑜𝑙𝑎𝑡𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑎 𝑒𝑚𝑝𝑟𝑒𝑠𝑎 𝑖
𝐸𝐵𝑖 : 𝐸𝑏𝑖𝑡𝑑𝑎 𝑑𝑎 𝑒𝑚𝑝𝑟𝑒𝑠𝑎 𝑖
𝐿𝐺𝑖 : 𝐿𝑖𝑞𝑢𝑖𝑑𝑒𝑧 𝐺𝑒𝑟𝑎𝑙 𝑑𝑎 𝑒𝑚𝑝𝑟𝑒𝑠𝑎 𝑖
𝑅𝐸𝐶𝑖 : 𝑅𝑒𝑡𝑜𝑟𝑛𝑜 𝑑𝑎 𝑐𝑎𝑟𝑡𝑒𝑖𝑟𝑎 𝑑𝑎 𝐼𝐵𝑂𝑉𝐸𝑆𝑃𝐴
𝐸𝐵𝐶𝑖 : 𝐸𝑏𝑖𝑡𝑑𝑎 𝑑𝑎 𝑐𝑎𝑟𝑡𝑒𝑖𝑟𝑎 𝑑𝑜 𝐼𝐵𝑂𝑉𝐸𝑆𝑃𝐴
 11

𝑉𝑂𝐶𝑖 : 𝑉𝑜𝑙𝑎𝑡𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑎 𝑐𝑎𝑟𝑡𝑒𝑖𝑟𝑎 𝑑𝑜 𝐼𝐵𝑂𝑉𝐸𝑆𝑃𝐴

𝑆𝐴𝑗 : 𝑃𝑒𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙 𝑖𝑛𝑣𝑒𝑠𝑡𝑖𝑑𝑜 𝑛𝑜 𝑠𝑒𝑡𝑜𝑟 𝑑𝑒 𝑎𝑡𝑢𝑎çã𝑜 𝑗 𝑝𝑒𝑙𝑎 𝑐𝑎𝑟𝑡𝑒𝑖𝑟𝑎 𝑑𝑎 𝐼𝐵𝑂𝑉𝐸𝑆𝑃𝐴

Variável de Decisão:
𝑋𝑖: 𝑃𝑒𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙 𝑖𝑛𝑣𝑒𝑠𝑡𝑖𝑑𝑜 𝑛𝑎 𝑒𝑚𝑝𝑟𝑒𝑠𝑎 𝑖

Função Objetivo:
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝐿𝑖𝑔𝑢𝑖𝑑𝑒𝑧 𝐺𝑒𝑟𝑎𝑙 𝑑𝑎 𝐶𝑎𝑟𝑡𝑒𝑖𝑟𝑎 = 𝑖 𝑋𝑖 ∗ 𝐿𝐺𝑖 (1)

Restrições:

𝑋𝑖 ∗ 𝑉𝑂𝑖 ≤ 𝑉𝑂𝐶𝑖 (2)

𝑖

𝑋𝑖 ∗ 𝑅𝐸𝑖 ≥ 𝑅𝐸𝐶𝑖 (3)

𝑖

𝑋𝑖 ∗ 𝐸𝐵 ≥ 𝐸𝐵𝐶𝑖 (4)
𝑖

𝑋𝑖 ≥ 𝑆𝐴𝑗 ∀𝑗 (5)
𝑖∈𝑆𝐴𝑗

𝑋𝑖 ≤ 1 (6)
𝑖

𝑥𝑖 ≥ 0 ∀𝑖 (7)

A função objetivo (1) dessa modelagem visou maximizar a liquidez geral da carteira
de forma a se obter um portfólio com a melhor capacidade de solvência global. Quanto às
restrições utilizadas nessa modelagem, a restrição (2) garante que a volatilidade da carteira
seja igual ou menor que a volatilidade da carteira do IBOVESPA; a restrição (3) garante que o
retorno da carteira seja igual ou maior ao retorno do IBOVESPA; a restrição (4) garante que o
ebitda da carteira seja igual ou maior ao ebitda da carteira do IBOVESPA; a restrição (5)
garante que o total investido em cada setor de atuação das empresas seja igual ou maior que o
total investido no mesmo setor pela carteira do IBOSVESPA; a restrição (6) garante que o
investimento da carteira hipotética não seja maior que 100%; e a restrição (7) garante que o
 12

investimento percentual em cada empresa seja maior ou igual a zero, ou seja, evita que tenha
valores negativos.
Após a execução dessa modelagem em cada trimestre, obteve-se em quais empresas e
o quanto investir em cada uma delas, ou seja, no começo do 2º trimestre, a modelagem
otimizou os dados do trimestre anterior, nos informando em quem devemos investir e sua
respectiva porcentagem para esse 2º trimestre. Posteriormente, o retorno da carteira otimizada
foi comparado ao retorno da carteira do IBOVESPA.

4 - ANÁLISE DOS RESULTADOS

Após a estimação do modelo apresentado na seção de metodologia, os

resultados dos retornos e da liquidez geral, para os anos de 2007 a 2015, foram tabulados e
dispostos na Tabela 1, sendo que a primeira coluna se refere ao período analisado, a segunda
coluna os retornos do IBOVESPA no referido período, a terceira, os retornos da carteira
otimizada pelo modelo proposto e a quarta, a comparação da carteira otimizada em relação ao
IBOVESPA. Já nas colunas posteriores repete-se a mesma lógica, porém para a liquidez geral.
No ano de 2007, no segundo trimestre, pode-se observar que o retorno da carteira
otimizada (0,446) supera o da IBOVESPA (0,245). Destaque maior para a FERBASA, que
obteve 33,10% de retorno no período. Pode-se destacar, ainda, que nesse período, de acordo
com a tabela A.1 do apêndice 1, as empresas com o maior percentual investido foram a
FERBASA e a TAESA. No terceiro trimestre desse mesmo ano, mesmo o retorno da carteira
otimizada sendo melhor, pode-se identificar os reflexos do início da crise, com queda de
aproximadamente 50% no retorno do IBOVESPA e na da carteira otimizada, em relação ao
período anterior. Destaque para a VALE que obteve o maior retorno, 0,187. No quarto
trimestre de 2007, observou-se uma nova queda em relação ao período anterior, mas a carteira
otimizada ainda apresentou um retorno superior ao do IBOVESPA, 0,154 contra 0,037.
Destaque para PETROBRAS e MMX MINER que juntas obtiveram retorno de 0,259 e em
contrapartida com -0,093 a VALID ajudou a contribuir na queda nesse período.
 13

Tabela 1 – Comparativo da carteira otimizada com o IBOVESPA entre 2007 e 2015

Retorno Liquidez Geral

Periodo IBOV Carteira Comparação IBOV Carteira Comparação
2º P 2007 0,245 0,446 Melhor 0,850 4,922 Melhor
3º P 2007 0,123 0,228 Melhor 0,870 0,490 Pior
4º P 2007 0,037 0,154 Melhor 0,802 1,251 Melhor
1º P 2008 -0,132 -0,102 Melhor 0,810 2,378 Melhor
2º P 2008 0,004 0,749 Melhor 0,874 3,603 Melhor
3º P 2008 -0,414 -0,570 Pior 0,843 4,701 Melhor
4º P 2008 -0,468 -0,222 Melhor 0,855 2,288 Melhor
1º P 2009 0,107 -0,006 Pior 0,804 3,448 Melhor
2º P 2009 0,295 0,401 Melhor 0,844 2,090 Melhor
3º P 2009 0,247 0,642 Melhor 0,871 2,043 Melhor
4º P 2009 0,180 0,184 Melhor 0,857 3,434 Melhor
1º P 2010 0,007 -0,035 Pior 0,877 3,787 Melhor
2º P 2010 -0,293 -0,137 Melhor 1,014 2,743 Melhor
3º P 2010 0,182 0,190 Melhor 1,147 4,538 Melhor
4º P 2010 -0,068 0,114 Melhor 1,164 3,830 Melhor
1º P 2011 -0,063 0,018 Melhor 1,098 4,740 Melhor
2º P 2011 -0,201 -0,155 Melhor 0,976 3,642 Melhor
3º P 2011 -0,328 -0,099 Melhor 0,939 5,150 Melhor
4º P 2011 0,096 -0,059 Pior 0,895 4,237 Melhor
1º P 2012 0,175 0,206 Melhor 0,898 4,301 Melhor
2º P 2012 -0,332 0,047 Melhor 0,888 5,765 Melhor
3º P 2012 0,094 0,288 Melhor 0,856 5,959 Melhor
4º P 2012 -0,014 0,141 Melhor 0,840 4,698 Melhor
1º P 2013 -0,182 0,010 Melhor 0,855 4,776 Melhor
2º P 2013 -0,277 0,034 Melhor 0,863 3,949 Melhor
3º P 2013 0,129 -0,060 Pior 0,850 4,782 Melhor
4º P 2013 -0,078 -0,091 Pior 0,820 4,002 Melhor
1º P 2014 -0,120 -0,249 Pior 0,855 4,286 Melhor
2º P 2014 0,061 0,142 Melhor 0,832 2,654 Melhor
3º P 2014 0,006 0,146 Melhor 0,758 3,797 Melhor
4º P 2014 -0,150 -0,093 Melhor 0,761 4,831 Melhor
1º P 2015 -0,043 0,001 Melhor 0,831 3,587 Melhor
2º P 2015 -0,027 0,159 Melhor 0,826 3,164 Melhor
3º P 2015 -0,299 0,039 Melhor 0,707 3,994 Melhor
4º P 2015 -0,134 -0,006 Melhor 0,819 3,678 Melhor
SOMA -1,635 2,455
MÉDIA -0,047 0,070 0,876 3,758
 14

Fonte: Elaboração própria

Em 2008, no primeiro trimestre, a carteira otimizada obteve retorno negativo pela

primeira vez, porém, ainda sim sobressaiu ao do IBOVESPA, -0,102 contra -0,132. Pode-se
dizer que o modelo, no referido período, conseguiu diminuir perdas ao invés de aumentar o
lucro. No segundo semestre de 2008, a carteira otimizada voltou a obter retornos positivos
(0,749), inclusive sendo bastante superior ao apresentado pelo IBOVESPA (0,004). O
destaque desse período foi a empresa FERBASA que obteve um retorno de 0,671. No terceiro
semestre deste mesmo ano, um dos períodos mais afetados pela crise, a carteira do
IBOVESPA obteve uma queda drástica no retorno, fechando o período em -0,414. Já a
carteira otimizada também obteve uma queda acentuada, caindo -0,570. Foi a primeira vez,
até então, que a carteira teórica não conseguiu ser melhor que a IBOVESPA. Destaque
negativo nesse período para a CREMER com retorno de -0,172. No quarto trimestre de 2008,
ainda devido aos efeitos da crise, a carteira do IBOVESPA e a carteira otimizada novamente
fecharam com prejuízo, porém, a carteira otimizada voltou a ser melhor que a IBOVESPA. O
destaque negativo desse período foi a estatal PETROBRAS no qual teve um retorno de -
0,125.
No primeiro trimestre de 2009, com a minimização dos impactos da crise, a carteira do
IBOVESPA voltou a ter o retorno positivo, 0,107, porém a carteira otimizada não conseguiu
obter um retorno positivo, fechando o trimestre com o retorno de -0,006. O principal motivo
desse retorno negativo da carteira teórica é o reflexo da crise econômica de 2008 que algumas
empresas ainda sentem. Das 5 empresas investidas pela carteira teórica 3 tiveram retornos
negativos. No segundo trimestre, já sem o reflexo da crise do ano anterior, a carteira
otimizada conseguiu apresentar novamente um retorno positivo superando o IBOVESPA em
cerca de 73%. O destaque desse período foi a ODONTOPREV e a BMF BOVESPA, tendo
um retorno de 0,176 e 0,171 respectivamente. Já no terceiro trimestre de 2009, a carteira
otimizada teve um aumento de 62% no retorno em relação ao período anterior, já o
IBOVESPA teve uma pequena queda, porém, ainda tendo retorno positivo, 0,642 contra
0,247 respectivamente. A FERBASA, segundo o processo de otimização, obteve a maior
alocação de recurso, investindo 63,77% do montante total, e foi essa mesma empresa que
obteve o maior retorno da carteira, 0,472. Finalizando 2009, no quarto trimestre, a carteira
teórica obteve uma queda em relação ao período anterior, mas ainda sim apresentando um
retorno positivo de 0,184, semelhante ao resultado da carteira do IBOVESPA que fechou em
 15

0,180. A ETERNIT, por sua vez, foi a empresa com a maior alocação de recursos com
34,27% e tendo retorno de 0,147.
Em 2010, no primeiro trimestre, a carteira otimizada voltou a obter retorno negativo (-
0,035), enquanto a carteira do IBOVESPA subiu apenas 0,007. No segundo trimestre, depois
de 5 períodos tendo retorno positivo, a carteira do IBOVESPA teve um retorno de -0,293. Já a
carteira otimizada também ficou com retorno negativo, porém, se sobressaiu, com retorno de -
0,137. O grande responsável pelo retorno negativo desse período foi a FERBASA com
investimento de 24,69% e um retorno de -0,148. No terceiro trimestre, a carteira otimizada
apresentou um retorno positivo de 0,190, contra 0,182 da IBOVESPA. Resultado, esse, que
teve colaboração da GRANDENE que obteve o maior retorno da carteira, 0,109. No último
trimestre de 2010, novamente a carteira otimizada conseguiu se sobressair, apesar da pequena
queda, tendo seu retorno em 0,114.
Já em 2011, no primeiro trimestre, apesar da queda drástica no retorno, a carteira
teórica foi a melhor, com retorno de 0,018 contra -0,063. No segundo trimestre, novamente as
duas carteiras apresentaram queda em seus retornos, ficando com retornos negativos, porém,
pela quinta vez seguida a carteira otimizada superou a IBOVESPA. No terceiro trimestre de
2011, a carteira do IBOVESPA apresenta mais uma queda em seu retorno, passando de -0,201
para -0,328, já a carteira otimizada diminuiu suas perdas, passando de -0,187 para -0,099.
Destaque negativo para a EZTEC com investimento de 66,74% e retorno de -0,093. No último
trimestre, a IBOVESPA voltou a ter seus retornos positivos, fechando com 0,096, porém a
carteira otimizada foi inferior, fechando com perda de -0,059.
No primeiro trimestre de 2012, o retorno da carteira teórica voltou a ser superior ao do
IBOVESPA, 0,206 contra 0,175, tendo a BRASILAGRO como destaque desse período, com
um retorno de 0,176. No segundo período, a IBOVESPA voltou a ter retorno negativo (-
0,322), ao contrário da otimizada(0,047). No trimestre seguinte, as duas obtiveram retornos
positivos, tendo a otimizada melhor desempenho novamente, 0,288 contra 0,094. No último
trimestre deste mesmo ano, o retorno da carteira otimizada passou foi de 0,141 enquanto a do
IBOVESPA -0,014. O destaque desse período foi a GRANDENE com um retorno de 0,148.
Já o ano de 2013 não começou positivo, o IBOVESPA teve uma nova queda passando
para -0,182. A carteira otimizada não conseguiu também obter bons resultados, caindo -0,010.
No semestre seguinte a IBOVESPA teve uma nova queda no retorno em cerca de 52%, já a
carteira otimizada teve um ligeiro aumento, passando de 0,010 para 0,034. No terceiro
trimestre de 2013, depois de seis períodos consecutivos melhor que a IBOVESPA, a carteira
otimizada apresentou desempenho inferior, -0,060 contra 0,129. A GRANDENE foi a
 16

empresa que teve o maior investimento, e também foi a empresa que teve o maior retorno,
fechando o terceiro trimestre de 2013 com um retorno de 0,006. No último trimestre, ambas
as carteiras apresentaram retorno negativo, IBOVESPA ficou com retorno de -0,078 e a
otimizada com -0,091.
Como em 2013, o primeiro trimestre do ano de 2014 não foi muito bom para o
mercado acionário. O retorno da carteira do IBOVESPA passou de -0,078 para -0,120, sendo
melhor que a carteira otimizada em cerca de 50%. Nesse período nenhuma empresa da
carteira teórica obteve retorno positivo. No segundo trimestre, depois de três períodos
consecutivos obtendo retornos negativos e sendo inferior à IBOVESPA, a carteira otimizada
conseguiu ser superior, fechando o retorno em 0,142 contra 0,061, tendo como destaque a
TRAN PAULISTA como retorno de 0,073. No terceiro trimestre, a carteira otimizada foi
melhor que a IBOVESPA, 0,146 contra 0,006. No último trimestre do referido ano, ambas as
carteiras apresentaram retornos negativos. No entanto, o IBOVESPA apresentou retorno pior
que a carteira otimizada, -0,150 e -0,093 respectivamente.
Finalizando a análise, no primeiro trimestre de 2015, com 0,001 de retorno no período,
a carteira otimizada ainda foi melhor que a IBOVESPA apresentou queda de -0,043. No
segundo trimestre, a carteira otimizada obteve um retorno de 0,159 contra -0,027. Destaque
para a BRASILAGRO com retorno de 0,153. No trimestre posterior, novamente a carteira
otimizada sobressaiu a IBOVESPA que teve novo retorno negativo, -0,039 contra retorno de
0,299 da carteira otimizada. Finalizando o ano de 2015, no último trimestre, pela sétima vez
consecutiva, mesmo nesse período com retorno negativo, a carteira otimizada apresentou um
retorno menos pior, dessa vez -0,006 contra -0,134. Apenas 2 das 6 empresas da carteira
otimizada obteve retornos positivos, a TEMPO PART e a TRAN PAAULISTA com 0,016 e
0,004 respectivamente.
A figura 1 apresenta o gráfico de linhas contendo a série de retorno da carteira
otimizada e do IBOVESPA no período analisado (2007-2015). e a figura 2 apresenta o retorno
acumulado das duas carteiras no mesmo período:
 0,2
0,4
0,6
0,8

-0,6
-0,4
-0,2
-1E-15

0,000
0,500
1,000
1,500
2,000
2,500
3,000

-2,000
-1,500
-1,000
-0,500
1º P 2007
2º P 2007
2º P 2007
3º P 2007
3º P 2007
4º P 2007
4º P 2007
1º P 2008
1º P 2008 2º P 2008

Fonte: Elaboração própria.

Fonte: Elaboração própria.
2º P 2008 3º P 2008
3º P 2008 4º P 2008
4º P 2008 1º P 2009
1º P 2009 2º P 2009
2º P 2009 3º P 2009
3º P 2009 4º P 2009
4º P 2009 1º P 2010
1º P 2010 2º P 2010
2º P 2010 3º P 2010
3º P 2010 4º P 2010

IBOV
IBOV
4º P 2010 1º P 2011
1º P 2011 2º P 2011
2º P 2011 3º P 2011
Retorno

3º P 2011 4º P 2011
4º P 2011 1º P 2012
1º P 2012 2º P 2012

Carteira
Carteira
3º P 2012

Retorno Acumulado
2º P 2012
4º P 2012
3º P 2012
1º P 2013
4º P 2012
2º P 2013
1º P 2013 3º P 2013
2º P 2013 4º P 2013
3º P 2013 1º P 2014
Figura 1 – Gráfico dos retornos da carteira otimizada e do IBOVESPA entre 2007 e 2015

4º P 2013 2º P 2014
1º P 2014 3º P 2014
2º P 2014 4º P 2014
3º P 2014 1º P 2015
4º P 2014 2º P 2015
Figura 2 – Gráfico dos retornos acumulados da carteira otimizada e do IBOVESPA entre 2007 e 2015

1º P 2015 3º P 2015
2º P 2015 4º P 2015
3º P 2015
17
 18

Com a Figura 1 apresentada, pode-se identificar uma certa semelhança nas tendências
nas carteiras apresentadas, tanto na queda como em períodos de crescimento. Também pode-
se constatar que a carteira otimizada se sobressaiu na maioria das vezes, 27 dos 35 períodos
analisados, tanto na maximização de retorno, quanto na minimização de perdas. Outro ponto
importante foi o afunilamento dos retornos tanto da carteira otimizada quanto na do
IBOVESPA, onde foram diminuindo ao decorrer dos anos, em meados de 2008-2009 teve-se
retornos altos, porém perdas altas, já em 2014-2015 tem-se retorno menores, porém, as perdas
também foram, em geral, menores.

5 - CONCLUSÃO

O presente trabalho teve como objetivo propor a construção de um portfólio ótimo por
meio de uma técnica de otimização, a programação linear, tendo como restrições os
indicadores financeiros e de mercado: retorno, volatilidade, ebitda e liquidez geral, além dos
setores de atuação das empresas, de forma que a carteira otimizada tenha seu retorno
maximizado, comparando-o posteriormente com o retorno da carteira do IBOVESPA (Índice
Bovespa).
A metodologia utilizada consistiu em criar uma modelagem matemática com base na
programação linear utilizando os indicadores já mencionados no parágrafo anterior, tendo
como amostra as 396 empresas brasileiras que possuem ou possuíam ações transacionadas na
BM&F Bovespa, coletados pelo Economática entre 30/03/2007 a 30/12/2015, separado em
trimestres. Após modelado, já pelo Solver do Excel, foram rodado os dados, sempre
otimizando um período p, retornando em quem e o quanto investir, para posteriormente
fizesse a comparação da carteira da IBOVESPA com o período p+1. Apesar do objetivo do
trabalho ser maximizar a liquidez geral, conforme exposto na função objetivo da modelagem
matemática, demonstrou-se que, de modo geral, portfólios com máxima liquidez geral foram
aqueles que apresentaram um retorno maior.
Os resultados demonstraram que a carteira otimizada obteve bons retornos, pois
superou o retorno da carteira do IBOVESPA em 80% dos períodos analisados neste trabalho.
Em consequência desse resultado, tanto a média quanto a soma dos retornos da carteira
otimizada no período analisado superaram os da carteira do IBOVESPA. Na soma dos
períodos, a carteira otimizada teve um retorno total de 2,455 contra -1,635 enquanto a média
foi de 0,070 contra -0,047. Uma das explicações da baixa média de retorno obtida pelas duas
 19

carteiras se dá pela crise de 2008 no qual afetou fortemente o mercado acionário, refletindo-a
nos anos posteriores, porém o modelo conseguiu diminuir esse impacto.
Apesar dos objetivos estabelecidos no trabalho terem sido alcançados, maximizando o
retorno da carteira proposto com uma volatilidade relativamente baixa, 17,129 da carteira
otimizada contra 19,261 do IBOVESPA, o modelo proposto revela algumas deficiências no
qual podem ser solucionada em estudos futuros. Em períodos de crise ou até em períodos de
queda do IBOVESPA onde os retornos são negativos, na maiorias das vezes o modelo não
consegue tornar esse retorno positivo, mas em alguns períodos o modelo consegue diminuir as
perdas, fazendo que este ainda se sobressaia, porém em se tratando de um mercado
extremamente variável essa modelagem acaba sendo interessante. Outra limitação no qual
pode ser solucionada em estudos futuros é quanto à periodicidade da modelagem em relação
aos indicadores. A modelagem proposta usou alguns dados que são só divulgados
trimestralmente, sendo que em se tratando em investimentos à curto prazo, pode-se utilizar
outros indicadores com base mensal ou até mesmo diário, devido à alta volatilidade desse tipo
de mercado.
Finalizando, podemos constatar com este trabalho que a Programação Linear se
mostrou eficiente na otimização de carteiras de investimento acionário, corroborando com os
trabalhos de Mansini et al. (2014), Silva, Moreira e Francisco (2014), Sirqueira e Kalatzis
(2006), onde a Programação Linear pode gerar bons resultados nesse ramo.

REFERÊNCIAS BIBLIOGRÁFICAS

ASSAF NETO, Alexandre. Mercado financeiro. São Paulo: Atlas, 10ª ed., 2011.

BELFIORI, P.; FÁVERO, L. P. Pesquisa Operacional para cursos de Engenharia.

Editora Campus, 2013.

BM&F BOVESPA – Bolsa de Valores de São Paulo. Metodologia do Índice

Bovespa,
2014. Disponível em:
http://www.bmfbovespa.com.br/Indices/download/IBOV-Metodologia-pt-
br.pdf. Acesso em: 17 de mai. de 2015.BM&F BOVESPA – Bolsa de Valores de
São Paulo. Introdução ao mercado de Capitais, 2012. Disponível em:
http://www3.eliteccvm.com.br/novo/upload/misc/file/62c57d602a2e086ccaa3
055b1c24836c.pdf. Acesso em: 17 de mai. de 2015.

BONALDI, Eduardo Vilar. O pequeno investidor na bolsa brasileira: uma análise

sobre a ação e a cognição econômica. Dissertação de Mestrado. Faculdade de
Filosofia, Letras e Ciências Humanas da Universidade de São Paulo (FFLCH –
USP), Setembro de 2010.
 20

BORTOLUZZI, Daiane A.; BIRRER, Ana G. B.; HOLLVEG, Scheila D.S.; NORA,
Lissandro D.; MEDEIROS, Flaviani S. B. Comportamento do investidor santa-
mariense no mercado financeiro. In: Congresso Internacional de Administração,
2014, Ponta Grossa/ PR.

FARIAS, C. A.; VIEIRA, W. C.; SANTOS, M. L. Teoria dos jogos e seleção de

portfólio: uma proposta de adaptação ao modelo minimax e aplicação ao
mercado acionário brasileiro. Revista de Economia e Agronegócio, v.2, n.1, pag.
65-98, 2004

GITMAN, Lawrence J.; MADURA, Jeff. Administração financeira: uma

abordagem gerencial. São Paulo: Pearson, 2003.

KERR, Roberto. Mercado Financeiro e de Capitais. São Paulo: Pearson, 2011.

LEITE, Hélio P.; SANVICENTE, Antônio Z. Índice Bovespa: Um padrão para os

investimentos brasileiros. São Paulo: Atlas, 1995.

MANSINI, R.; OGRYCZAK, W.; SPERANZA, M. G. Twenty years of linear

programming based portfolio optimization. European Journal of Operational
Research, v. 234, n. 2, p. 518–535, 2014.

MARKOWITZ, Harry M. Portfolio Selection. The Journal of Finance, v. 17, p. 77-

91, Março, 1952.

MINARDI, Andrea Maria Accioly Fonseca. Preços passados prevendo

desempenho de ações brasileiras. Working Paper FLWP-2001-9. São Paulo:
Finance Lab - Ibmec Educacional, 2001.

MOREIRA, Daniel Augusto. Pesquisa Operacional: curso introdutório. 2 ed. rev.

atual. São Paulo: Cengage Learning, 2013.

OLIVEIRA, Marcos R. G.; CARVALHO, Karina S.; ROMA, Carolina M. S.

Otimizando uma carteira de investimentos: um estudo com ativos do Ibovespa
no período de 2009 a 2011. In: Simpósio Brasileiro de Engenharia de Produção,
XVIII, 2011, Bauru/ SP.

SILVA, Pedro. M. S.; MOREIRA, Bruno C, M.; FRANCISCO, Gleison. A. Linear

Programming Applied to Finance - Building a Great Portfolio Investment. Revista
de Gestão, Finanças e Contabilidade, v. 4, p. 107-124, 2014.

SIQUEIRA, Aieda Batistela; KALATZIS, Aquiles Elie G. Otimização de portfólio de

ações: uma análise comparativa entre o IGC e o IBOVESPA. In: Simpósio
Brasileiro de Pesquisa Operacional, 38, 2006, São Paulo/ SP.

SOBRAPO – Sociedade Brasileira de Pesquisa Operacional. Pesquisa

Operacional. Disponível em: http://www.sobrapo.org.br/o_que_e_po.php.
Acesso em: 20 de mai. de 2015.

TAHA, Hamdy A. Pesquisa Operacional. 8. ed. São Paulo: Pearson, 2007

 21

Apêndice 1 – Percentual investido por empresa em cada período pela otimização

Tabela A.1 – Percentual investido pela otimização entre 2º T. de 2007 – 2º T. de 2009

2007 2007 2007 2008 2008 2008 2008 2009 2009
Empresas Setor de Atuação
2º T. 3º T. 4º T. 1º T. 2º T. 3º T. 4º T. 1º T. 2º T.

VALID ON Bens Industriais 1,00% - 21,23% 0,82% - - - - -

WEG ON Bens Industriais - - 10,80% - - - - - -
ARTERIS ON Constr. e Transporte - 24,82% - - - - - - -
EZTEC ON Constr. e Transporte - - - - - 10,88% - - -
GRANDENE ON Consumo Cíclico - - - 43,85% - - 46,14% 57,40% -
AMBEV ON Consumo Não Cíclico 5,55% - - - - - - - -
CREMER ON Consumo Não Cíclico - - - - 6,73% 33,76% - - -
ODONTOPREV
Consumo Não Cíclico - - - - - - - 5,85% 41,04%
ON
BMF BOVESPA
Financeiro e Outros - - - - - - - 21,74% 22,78%
ON
IGUATEMI ON Financeiro e Outros - - - - - - 9,33% - -
ITAUSA PN Financeiro e Outros 15,47% 14,14% - - - - - - -
PORT. SEGURO
Financeiro e Outros - - - - - - 6,71% - -
ON
FERBASA PN Materiais Básicos 56,07% - - - 51,61% 31,24% - - -
USIMINAS PNA Materiais Básicos - - 26,34% 28,55% - - - - -
VALE PNA Materiais Básicos - 32,80% - - - - - - -
PETROBRAS PN Petróleo, Gás e Bioc. - - 17,33% 16,88% 23,91% 14,12% 19,25% - 18,25%
OI PN Telecomunicações - 13,67% 3,06% - 8,63% - 7,98% 6,76% 6,89%
TELEF BRASIL
- - - - - - - - 1,13%
PN Telecomunicações
TIM PART ON Telecomunicações - - 9,71% - - - - - -
CELESC PN Utilidade Pública - - 11,53% 6,31% - 10,00% - - -
COPEL PNB Utilidade Pública - - - 3,58% 9,13% - 10,59% - -
EMAE PN Utilidade Pública - - - - - - - - 9,91%
ENEVA ON Utilidade Pública - - - - - - - 8,24% -
SANEPAR PN Utilidade Pública - 14,56% - - - - - - -
TAESA UNT N2 Utilidade Pública 21,90% - - - - - - - -

TOTAL INVESTIDO POR PERÍODO 100% 100% 100% 100% 100% 100% 100% 100% 100%
 22

Tabela A.2 – Percentual investido pela otimização entre 3º T. de 2009 – 3º T. de 2011

2009 2009 2010 2010 2010 2010 2011 2011 2011
Empresas Setor de Atuação
3º T. 4º T. 1º T. 2º T. 3º T. 4º T. 1º T. 2º T. 3º T.

FORJA TAURUS
Bens Industriais - - - - 0,95% 0,86% - - -
PN
VALID ON Bens Industriais - 0,58% - 0,58% - - - - -
ETERNIT ON Constr. e Transporte 6,55% 34,28% - - - - - - -
EZTEC ON Constr. e Transporte - 10,16% 5,67% - - 13,01% 14,05% - 66,74%
PRUMO ON Constr. e Transporte - - 0,34% - - - - - -
GRANDENE ON Consumo Cíclico 2,62% 2,57% 28,09% 1,32% 49,65% 50,35% 54,79% - 2,46%
LE LIS BLANC
Consumo Cíclico - - 9,57% - - - - - -
ON
ALPARGATAS
Consumo Cíclico - - - 17,65% - - - - -
PN
AMBEV ON Consumo Não Cíclico - - - 24,70% - - - - -
ODONTOPREV
Consumo Não Cíclico - - 0,29% - - - - - -
ON
RAIADROGASIL
Consumo Não Cíclico - - 6,00% - - - - - -
ON
SOUZA CRUZ
Consumo Não Cíclico 5,59% - - - - - - - -
ON
ALIANSCE ON Financeiro e Outros - - - - - - - - 4,32%
BATTISTELLA
Financeiro e Outros - - - - - - - 20,52% -
PN
CIELO ON Financeiro e Outros - - - - - - 20,98% - 9,84%
CYRE COM-CCP
Financeiro e Outros - 21,93% - - - - - - -
ON
IGUATEMI ON Financeiro e Outros 21,46% - - - - - - - -
ITAUSA PN Financeiro e Outros - 0,38% - - - - - - -
MULTIPLAN ON Financeiro e Outros - - - - - 14,02% - - -
PORT. SEGURO
- - - - - 6,89% - - -
ON Financeiro e Outros
SIERRABRASIL
Financeiro e Outros - - - - - - - - 6,02%
ON
FERBASA PN Materiais Básicos 63,77% 30,11% 31,27% 38,00% - - - 43,80% -
PETROBRAS PN Petróleo, Gás e Bioc. - - 18,76% 17,75% 15,56% 14,88% - 15,52% -
PETRORIO ON Petróleo, Gás e Bioc. - - - - - - - 0,20% -
OI PN Telecomunicações - - - - - - 4,34% 3,82% 4,12%
TELEF BRASIL
Telecomunicações - - - - 4,18% - - - -
PN
EMAE PN Utilidade Pública - - - - - - 5,83% - -
TRAN PAULIST
Utilidade Pública - - - - 29,67% - - 16,13% 6,51%
PN

TOTAL INVESTIDO POR PERÍODO 100% 100% 100% 100% 100% 100% 100% 100% 100%
 23

Tabela A.3 – Percentual investido pela otimização entre 4º T. de 2011 – 4º T. de 2013

2011 2012 2012 2012 2012 2013 2013 2013 2013
Empresas Setor de Atuação
4º T. 1º T. 2º T. 3º T. 4º T. 1º T. 2º T. 3º T. 4º T.

KEPLER WEBER
Bens Industriais - - - - - - 0,60% 0,93% 0,97%
ON
EZTEC ON Constr. e Transporte - 15,49% - - 12,21% - 80,87% - -
PRUMO ON Constr. e Transporte - - - - - - - - -
GRANDENE ON Consumo Cíclico - - 40,13% 57,99% 37,96% 39,32% - 55,93% -
M.DIASBRANC.
Consumo Não Cíclico - - - - - - - - 11,58%
ON
RAIADROGASIL
Consumo Não Cíclico - - 9,62% 10,98% 11,31% 10,60% - 10,93% -
ON
TEMPO PART
Consumo Não Cíclico - - - - - - 11,00% - -
ON
BR PROPERT ON Financeiro e Outros - - 0,80% 1,76% - - - - -
BRASILAGRO
Financeiro e Outros 38,87% 56,75% 22,64% 20,58% 25,46% 21,66% - 24,92% -
ON
GPC PART ON Materiais Básicos - - - - - - - - 3,76%

FERBASA PN Materiais Básicos 33,98% - 23,48% - - 24,83% - - 72,45%

QGEP PART ON Petróleo, Gás e Bioc. 17,39% 18,56% - - 13,06% - - - -

PETRORIO ON Petróleo, Gás e Bioc. 0,13% - - - - - - - -

OI PN Telecomunicações 3,70% 3,45% - - - - - - -

TIM PART ON Telecomunicações - - 3,33% 3,52% - 3,58% 3,65% - 3,99%

CESP PNB Utilidade Pública - - - - - - - - 6,38%

TRAN PAULIST
Utilidade Pública 5,94% 5,75% - 5,17% - - 3,87% 7,30% 0,87%
PN

TOTAL INVESTIDO POR PERÍODO 100% 100% 100% 100% 100% 100% 100% 100% 100%
 24

Tabela A.4 – Percentual investido pela otimização entre 1º T. de 2014 – 4º T. de 2015

2014 2014 2014 2014 2015 2015 2015 2015
Empresas Setor de Atuação
1º T. 2º T. 3º T. 4º T. 1º T. 2º T. 3º T. 4º T.

KEPLER WEBER
Bens Industriais 1,38% - - 1,61% - - - 2,13%
ON
GRANDENE ON Consumo Cíclico 64,43% - 35,56% 66,85% 26,68% - 53,98% -
TECTOY PN Consumo Cíclico 1,29% - - - - - - -
M.DIASBRANC. Consumo Não
- 10,22% - - - - - -
ON Cíclico
Consumo Não
SOUZA CRUZ ON - - 5,71% - 17,96% 23,12% 20,07% -
Cíclico
Consumo Não
TEMPO PART ON - - 7,49% 16,04% - - - 20,37%
Cíclico
BRASILAGRO ON Financeiro e Outros - 35,56% 25,09% - 32,30% 39,80% - 61,92%
ITAUSA PN Financeiro e Outros - 1,69% 8,17% - 5,13% - - -
FERBASA PN Materiais Básicos 21,39% - - - 12,94% 24,34% 11,70% 10,98%
QGEP PART ON Petróleo, Gás e Bioc. - 10,38% 11,94% 12,44% - 6,95% 7,73% -
PETRORIO ON Petróleo, Gás e Bioc. - - - - - 0,70% - -
TIM PART ON Telecomunicações 4,03% 3,99% - 3,06% - - - -
CELESC PN Utilidade Pública - - - - - 5,09% - -
RENOVA UNT N2 Utilidade Pública - - - - - - - 2,67%
LIGHT PART ON Utilidade Pública 7,49% - - - - - - -
TAESA UNT N2 Utilidade Pública - - - - - - 6,53% -
TRAN PAULIST PN Utilidade Pública - 38,16% 6,04% - 4,99% - - 1,94%

TOTAL INVESTIDO POR PERÍODO 100% 100% 100% 100% 100% 100% 100% 100%