Análises multivariadas aplicadas à gestão de investimentos e alocação de recursos no contexto de entidades fechadas de previdência complementar

Abstract

Ao realizar uma gestão de ativos financeiros, deseja-se alcançar o maior retorno possível para um determinado nível de risco. Isso pode ser obtido por meio da diversificação da carteira, buscando alocar os recursos financeiros em classes de ativos que sejam pouco correlacionadas, não correlacionadas ou correlacionadas negativamente. Para auxiliar este objetivo, técnicas estatísticas multivariadas podem ser utilizadas para realizar o agrupamento dos ativos financeiros com base nos seus dados de retorno histórico, identificando padrões de variação comuns entre eles e criando grupos que sejam heterogêneos entre si, mas homogêneos internamente. A Análise de Componentes Principais Funcionais (FPCA) considera que os dados possuem relação temporal e são tratados como funções ao invés de observações pontuais. Dessa forma, essa técnica permite extrair informações a respeito da tendência das séries temporais em estudo. Além disso, técnicas de agrupamento, como método de Ward, K-means e modelo de misturas finitas de normais, podem ser utilizados juntamente com a FPCA para criação de grupos de ativos com características semelhantes. A aplicação dessas técnicas foi feita em dados de retornos diários de 2022 a 2025 de ativos de renda fixa, renda variável e fundos imobiliários. Os resultados mostraram que os métodos de agrupamento conseguiram separar os ativos em três grupos, em geral, semelhantes aos seus segmentos, sendo o resultado do modelo de misturas finitas mais condizente com essa divisão. As componentes principais extraíram tendência decrescente no período estudado e um padrão de parábola.