Após os dois primeiros artigos sobre o tema de diversificação de portfólios, com o  primeiro apresentando ao leitor os conceitos fundamentais e o segundo tratando dos desafios de implementar esse método, chegamos à terceira parte da nossa série. Neste artigo, trataremos especificamente de como essa abordagem é utilizada dentro da Nu Asset e de como é aplicada em nossos processos.

Começaremos com uma célebre frase do grande investidor Peter Lynch: “Lembre-se de que o processo de investimentos é uma jornada contínua, e não um destino final. Mantenha o foco na evolução do seu portfólio”. E aqui iniciamos os fundamentos da nossa abordagem. 

A diversificação de um portfólio é, na verdade, apenas o resultado de um processo. Um processo que envolve diversas premissas, definição de objetivos e uma governança bem estabelecida. Nosso propósito é criar um fluxo decisório estruturado e transparente, facilitando assim o entendimento de cada etapa, dependências e pontos-chave, para oferecer a melhor solução possível para o investidor. Nesse sentido, o seu portfólio será tão bom quanto a qualidade do seu processo.

Comumente chamado de processo de investimentos (em inglês, Investment Policy Statement – IPS) a abordagem não é exclusividade da Nu Asset. Na verdade, é uma prática comum entre os grandes gestores de fundos de pensão, fundos soberanos, grandes investidores individuais (como Warren Buffett) e até mesmo aplicada pelos governos. Afinal, imagine ter que gerir uma quantidade gigantesca de recursos sem criar uma governança, com objetivos e responsabilidades bem definidas.

Modelo de alocação de ativos 

Um portfólio eficiente e bem diversificado tem como base um processo bem definido, e um processo bem definido tem como base a escolha de premissas que vão guiar todo o fluxo decisório. Tais premissas podem variar entre as mais simples possíveis até as mais complexas possíveis. O principal ponto é que elas precisam existir e serem aplicadas consistentemente.

No caso da Nu Asset, decidimos seguir o caminho de uma abordagem sistemática que se inspira nos modelos de alocação de recursos mais aceitos do mundo das finanças. Começamos com o modelo clássico de Markowitz^[1], passando pelo Black-Litterman^[2] e chegando a abordagens mais modernas como Risk Parity^[3]. Sempre buscamos reduzir o viés humano, melhorar a qualidade de nossas decisões e transformar o processo no mais simples possível, mas sem ser simplista.

O objetivo final do processo é gerar um portfólio recomendado otimizado que maximize a relação risco e retorno, ou seja, que busque oferecer a maior rentabilidade possível dado um grau de incerteza desses retornos. Como mencionamos, o processo é desenvolvido para ser totalmente sistemático e fundamentado nas premissas da Teoria Moderna de Portfólios, que teve início em meados de 1950 com o economista Harry Markowitz.

O principal ponto da Teoria Moderna de Portfólios é que incluir um ativo em um portfólio não deve ser avaliado apenas por suas características próprias, mas também pela relação que ele estabelece com os demais ativos existentes no portfólio. Isso envolve sua relação direta com cada um dos ativos, mas principalmente a sua contribuição final para o portfólio resultante. Podemos dividir o processo em cinco etapas principais, e vamos explicar brevemente cada uma delas:

1. Definição do universo de investimentos: A etapa inicial de todo o processo de investimento é definir quais mercados estão autorizados para o portfólio investir. Assim, serão definidos os índices de mercados escolhidos para representar esses mercados, com seus dados históricos de retorno, risco, covariância e tamanho de mercado. O objetivo dessa etapa é abranger os ativos que te permitem usufruir das mais diversas fontes de retorno que os mercados financeiros proporcionam
2. Estimação dos retornos e riscos esperados: Neste momento, são calculados os retornos esperados, que representam as expectativas de retorno para cada mercado em um horizonte relevante de tempo. E como não existe almoço grátis, precisamos estimar também quais riscos estamos correndo ao buscar esses retornos. Essas informações  serão utilizadas  para calcular o portfólio como um todo.
3. Otimização: Nosso algoritmo proprietário recebe os dados de retornos esperados, covariâncias e outros parâmetros para calcular a melhor combinação entre todas as classes de ativos. O objetivo é maximizar a relação risco-retorno, gerando assim um portfólio ótimo!
4. Adequação aos perfis de risco: Após a geração do portfólio otimizado, existe uma nova etapa de adequação aos perfis de risco definidos para atender cada tipo de investidor. Essa adequação leva em consideração o grau de aversão ao risco, a sensibilidade às oscilações de mercado e o horizonte de investimento de cada investidor.
5. Portfólio Otimizado: São geradas as alocações finais em cada classe de ativo para cada perfil de risco. Essas alocações são atualizadas periodicamente.

Abaixo temos um resumo do fluxo de construção desses portfólios:

 

Alocação final de cada portfólio

Finalmente, após todas as etapas citadas acima, temos a definição das alocações para cada perfil de risco, que por sua vez será implementada em três fundos de investimentos diferentes.

O portfólio mais conservador é o Cautela, onde temos uma grande presença de ativos de baixíssimo risco e alta liquidez, sendo títulos de dívida soberano pós-fixados ou de empresas de alta qualidade, somado a isso uma pequena parte está diversificada entre ativos de risco, como bolsa de valores internacional, local, moedas, renda fixa e também um adicional de uma seleção de multimercados brasileiro. O resultado final é um portfólio conservador, mas que dá acesso ao investidor a uma série de mercados de forma controlada.

No portfólio de risco intermediário, temos o Equilíbrio, que busca encontrar uma relação balanceada de ativos com maior risco e ativos de liquidez, ou seja, tem a presença de ativos de crédito que adicionam valor na parcela de CDI, uma parcela de fundos multimercados e uma alocação estrutural de mercados de renda fixa e bolsa de valores locais e internacionais.

Por fim, temos o portfólio de maior risco chamado de Potencial, onde há uma maior alocação em ações e renda fixa com prazos mais longos que são consideradas ativos de maior risco, mas também com maior potencial de retorno. A porcentagem em liquidez é menor, mantendo apenas uma base para estabilidade e controle de risco.

Atualmente temos três perfis de risco: Cautela, Equilíbrio e Potencial, como o objetivo de simplificar e agrupar os principais grupo de risco entre os clientes, porém a modelagem nos permitira a construção de uma estrutura customizada para oferecer um perfil de risco para o cliente, atendendo suas necessidades na sua individualidade.

 

Backtest e cenários esperados

O processo de investimento é um ato contínuo de pesquisa, debates e implementação. Nesse sentido, um dos módulos mais importantes é o de geração de métricas de desempenho histórico. Nesse momento, podemos avaliar objetivamente os resultados alcançados, do ponto de vista de retorno, risco e métricas de eficiência.

Examinar cuidadosamente os resultados passados é uma tarefa essencial para entender o comportamento do portfólio proposto em diferentes momentos de mercado. Além disso, é necessário fazer uso de técnicas estatísticas para garantir que o backtest seja bem construído e não sofra com problemas de overfitting. Para evitar o overfitting^[4], é necessário utilizar técnicas como a validação cruzada, regularização e ajuste de parâmetros do modelo. Essas abordagens ajudam a encontrar um equilíbrio entre o ajuste do modelo aos dados de treinamento e a sua capacidade de generalização para novos dados.

Um dos benefícios do módulo de backtest é a capacidade de gerar infinitos portfólios para diferentes períodos e testar várias hipóteses antes de implementá-los no mundo real. Isso proporciona uma ferramenta poderosa para testar e aprimorar o processo de investimentos. Dessa forma, os investidores podem analisar o desempenho histórico do portfólio simulado e verificar se as estratégias propostas são efetivas antes de aplicá-las com recursos reais. Isso reduz o risco de implementar estratégias inadequadas ou ineficientes, permitindo que sejam feitos ajustes e melhorias antes de colocar em prática. Essa abordagem de teste e evolução contribui para aprimorar a tomada de decisão e aumentar as chances de sucesso na decisão de investimentos.

A seguir, apresentamos uma demonstração simples do retorno acumulado ao longo do tempo de um portfólio que tem como alvo 5% de volatilidade ao ano e está diversificado em mais de sete mercados diferentes.

Essa simulação foi realizada usando dados desde 2012 e possibilita observar como a estratégia obteve um retorno acumulado superior ao benchmark proposto, que, neste caso, foi o CDI. Além disso, é possível analisar o índice de Sharpe positivo, que indica um bom desempenho ajustado ao risco. Também é possível observar os períodos de turbulência no mercado, como, por exemplo, a queda de aproximadamente 10% em meados de 2020. 

É importante ressaltar que durante essa simulação, consideramos rebalanceamentos periódicos no portfólio, mas não incluímos custos de transação e taxas. O retorno acumulado alcançou 218% em comparação com um retorno do CDI de 161%. Além disso, é relevante observar a volatilidade anualizada ao longo do período, para verificar até que ponto a volatilidade real se aproximou da volatilidade objetivo estabelecida.

Essa demonstração oferece informações valiosas sobre o desempenho e a adequação do portfólio, permitindo uma melhor compreensão de como a estratégia se comportaria em diferentes situações de mercado e como alcançou seus objetivos de retorno e volatilidade.

 

Entretanto, é possível realizar uma análise mais detalhada além do simples retorno acumulado em um único período. Podemos cortar a série de retornos do portfólio simulado em várias janelas de tempo para observar sua consistência e a variabilidade entre elas. Essa análise envolve a avaliação de milhares de janelas de retorno de 1 ano, 2 anos, 3 anos, 4 anos e 5 anos, com o objetivo de analisar a média de retorno, bem como os valores mínimos e máximos alcançados. Abaixo estão os números correspondentes para o mesmo portfólio, composto por sete classes de ativos e com uma volatilidade alvo de 5% ao ano.

É importante observar que a variabilidade dos retornos acumulados em uma janela de 1 ano é significativa. O retorno máximo nesse período atingiu cerca de 19,6%, enquanto o retorno mínimo registrou uma queda de -0,20%. Em contrapartida, a média dos retornos foi em torno de 11,4%. Vale ressaltar que, das 2.572 janelas de 1 ano analisadas, aproximadamente 66% apresentaram retorno acima do CDI.

No entanto, à medida que avançamos para janelas de tempo mais longas, observamos que a variabilidade dos retornos anualizados diminui. Isso significa que os valores máximos e mínimos se aproximam, indicando uma maior estabilidade nos retornos. Além disso, todas as janelas de retorno analisadas em períodos mais longos ficaram acima do CDI, atingindo 100%.

Esses resultados indicam uma tendência de maior consistência e desempenho positivo do portfólio ao longo do tempo, conforme o horizonte de investimento se estende. Isso demonstra a importância de avaliar o desempenho do portfólio em diferentes janelas de tempo para obter uma perspectiva mais abrangente e confiável sobre sua performance.

 

Em resumo, a diversificação de portfólios é um processo fundamental para a Nu Asset. Buscamos oferecer a melhor solução aos investidores, baseando-nos em modelos confiáveis de alocação de recursos. Os nossos portfólios são estruturados considerando diferentes perfis de risco (Cautela, Equilíbrio e Potencial), para alcançar um equilíbrio entre ativos de baixo risco e aqueles com maior potencial de retorno.

Acreditamos que a diversificação e a análise cuidadosa são essenciais para construir e aprimorar os nossos portfólios. Nossa abordagem é transparente, estruturada e baseada em modelos comprovados. Com isso, conseguimos oferecer soluções personalizadas e eficientes que atendam às necessidades individuais dos investidores.

[1] Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77–91. https://doi.org/10.2307/2975974

[2] Black, F., & Litterman, R. (1992). Global Portfolio Optimization. Financial Analysts Journal, 48(5), 28–43. http://www.jstor.org/stable/4479577

[3] Maillard, S., Roncalli, T., & Teïletche, J. (2010). The properties of equally weighted risk contribution portfolios. The Journal of Portfolio Management, 36(4), 60-70.

[4 Overfitting é um termo utilizado na área de ciência e análise de dados para descrever um problema que ocorre quando um modelo estatístico ou algoritmo se ajusta em excesso aos dados de treinamento, perdendo sua capacidade de generalizar corretamente para novos dados não vistos anteriormente.