Otimização da Teoria de Portfólio Pós‑Moderna (PMPT)

A otimização da Teoria de Portfólio Pós‑Moderna (PMPT) é uma estrutura para construir carteiras de investimento minimizando o risco de descida — definido como retornos abaixo de um alvo especificado ou retorno mínimo aceitável — em vez da variância total. Ela amplia a Teoria de Portfólio Moderna (MPT) ao reconhecer que os investidores normalmente percebem perdas e ganhos de forma assimétrica: são mais sensíveis a déficits do que à volatilidade de alta. Assim, a otimização PMPT substitui a otimização média‑variância (MVO) pela otimização de risco de descida (DRO), usando métricas como semi‑variância, semi‑desvio ou a razão de Sortino para orientar as decisões de alocação de ativos.

Ao contrário da MPT, que assume que os investidores se importam com a dispersão dos retornos em torno da média independentemente da direção, a PMPT modela explicitamente o risco como a falha em atingir um objetivo, como um cronograma de passivos, benchmark ou piso de retorno pessoal. Isso torna a PMPT particularmente adequada para aplicações em planejamento de aposentadoria, gestão de fundos patrimoniais e outros contextos onde o desempenho inferior acarreta consequências discretas.

A otimização PMPT resolve os pesos da carteira que maximizam o retorno esperado sujeito a uma restrição de risco de descida, ou, equivalentemente, minimiza o risco de descida sujeito a um retorno alvo. O problema de otimização é tipicamente formulado usando momentos parciais inferiores (LPM), onde a função objetivo integra apenas os desvios quadráticos abaixo de um retorno alvo \(T\):

onde \(r\) é o retorno aleatório e \(f(r)\) é sua densidade de probabilidade. Na prática, isso é aproximado usando distribuições de retornos históricas ou simuladas:

Este objetivo substitui o termo de variância \(\sigma^2 = \frac{1}{N} \sum (r_t - \bar{r})^2\) usado na MVO. A fronteira eficiente resultante é côncava no plano retorno‑risco‑decaído e frequentemente produz carteiras com menor probabilidade de desempenho inferior ao alvo.

• Retorno Alvo (T): Um benchmark pré‑especificado — como inflação mais 3 %, um fluxo de caixa de passivo ou a taxa livre de risco — que define o limiar para retornos ‘indesejáveis’.
• Semi‑variância / Semi‑desvio: A variância ou desvio padrão dos retornos abaixo do alvo, servindo como métrica de risco.
• Índice Sortino: O retorno excedente sobre o alvo dividido pelo semi‑desvio, usado como medida de desempenho em otimização ou classificação.
• Otimização de Risco de Baixa (DRO): O método computacional para resolver o objetivo PMPT, frequentemente implementado via programação quadrática quando os retornos são aproximados de forma discreta.

• Comportamento de Convergência: Estudos empíricos mostram que otimizadores de semi‑variância sem restrições podem não convergir sempre para soluções extremas de ‘canto’ como a teoria prevê; ao contrário, costumam gerar alocações diversificadas, especialmente quando as distribuições de retorno são não gaussianas ou apresentam caudas gordas.
• Sensibilidade a Dados: A otimização PMPT é mais sensível à escolha do retorno alvo e às suposições sobre a distribuição dos retornos do que a MPT. Pequenas alterações no alvo ou erros de estimação nos momentos de risco de baixa podem afetar significativamente os pesos ótimos.
• Complexidade Computacional: Embora tratável para universos de ativos moderados, a DRO torna‑se computacionalmente mais pesada que a MVO em problemas de grande escala devido ao peso de risco não simétrico e às não convexidades em formulações de LPM de ordem superior.
• Alinhamento de Objetivo: O PMPT se destaca quando os objetivos do investidor são bem definidos (por exemplo, financiar um fluxo de passivo conhecido), mas sua vantagem sobre a MPT diminui quando os alvos são arbitrários ou quando as distribuições de retorno são simétricas e de caudas finas.

Suponha que um investidor tenha como alvo um retorno anual de 5 % e avalie duas classes de ativos usando retornos anuais históricos:

• Ativo A: retornos de [2 %, 6 %, 8 %, 4 %]
• Ativo B: retornos de [3 %, 3 %, 7 %, 7 %]

Para o Ativo A, os desvios abaixo de 5 % são [−3 %, 0 %, 0 %, −1 %] → quadrados dos negativos: [9, 0, 0, 1] → semi‑variância = 2,5. Para o Ativo B, os desvios abaixo de 5 % são [−2 %, −2 %, 2 %, 2 %] → quadrados dos negativos: [4, 4, 0, 0] → semi‑variância = 2,0.

Ambos os ativos têm a mesma média (5 %), mas o Ativo A apresenta maior risco de baixa (semi‑variância 2,5 vs 2,0) porque suas deficiências abaixo da meta de 5 % são maiores, de modo que um investidor avesso a perdas que otimize sob PMPT preferiria o Ativo B. Os dois modelos divergem mais acentuadamente quando os ativos compartilham a mesma variância total, mas diferem na forma de suas distribuições de retorno: como a variância total pondera igualmente desvios positivos e negativos, dois ativos com variância idêntica podem ter semi‑variâncias muito distintas sempre que seus retornos são assimétricos — e é exatamente essa assimetria que o PMPT foi concebido para precificar.