Artículo

19 de octubre de 2026

Diversificación de inversiones: perspectivas actuales para carteras en Brasil

Diversificación de Inversiones: Perspectivas Actuales para Carteras en Brasil

Rubens Correa Serafim Junior; Leila Chaves Cunha

DOI: 10.22167/2675-6528-202601406

Artículo elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción.

Resumen

El estudio evaluó si la diversificación mejora la relación riesgo-retorno de las carteras en el contexto brasileño, comparando estrategias diversificadas y concentradas. El objetivo fue analizar el desempeño de carteras diversificadas, segmentadas por perfiles de inversor (conservador, moderado y agresivo), frente a alternativas concentradas en un único activo. La investigación adoptó un enfoque predominantemente cuantitativo, utilizando series históricas de diferentes clases de activos del mercado brasileño e internacional, representadas por índices ampliamente utilizados, en el período de enero de 2011 a diciembre de 2025. La metodología incluyó el cálculo del retorno anual (CAGR anualizado), la volatilidad anual y el índice de Sharpe, con rebalanceo mensual de las carteras y conversión de los activos globales a reales, garantizando la comparabilidad. Los resultados indicaron que las carteras diversificadas presentaron un índice de Sharpe positivo, con el perfil conservador exhibiendo el mejor desempeño relativo entre las opciones diversificadas. Sin embargo, al confrontar los perfiles diversificados con las carteras concentradas, la mejor alternativa concentrada, el S&P 500 en reales, exhibió un índice de Sharpe superior. Se concluyó que, en la ventana analizada, la diversificación no demostró ser superior a la mejor estrategia concentrada bajo la métrica de retorno ajustado al riesgo, aunque es una herramienta útil para el control del riesgo y la adecuación a perfiles de inversor. La superioridad de la diversificación en términos de Sharpe depende del comportamiento relativo de las clases de activos y de las elecciones de referencias y pesos, sugiriendo que la diversificación es valiosa para la gestión del riesgo, pero no garantiza la optimización del retorno ajustado en todas las condiciones.

Palabras clave: Asignación de activos; Rendimiento de carteras; Índice de Sharpe; Riesgo financiero; Volatilidad.

1. Introducción

La gestión de inversiones busca optimizar la relación entre riesgo y retorno, un desafío constante para inversores y gestores de cartera. La diversificación de activos es una de las estrategias fundamentales para alcanzar este equilibrio, siendo ampliamente discutida y aplicada en el mercado financiero global (Bodie; Kane; Marcus, 2019). En Brasil, este tema adquiere contornos particulares debido a la dinámica macroeconómica, que frecuentemente presenta alta volatilidad y cambios abruptos en las condiciones de mercado. Tales características impactan el desempeño relativo de diferentes clases de activos, como renta fija y renta variable (Assaf Neto, 2022). La búsqueda de estrategias de asignación eficientes es, por lo tanto, una necesidad constante, especialmente en un entorno donde la inflación y las tasas de interés pueden oscilar. La relevancia de la diversificación se acentúa por la creciente participación de inversores, que buscan optimizar retornos y gestionar el riesgo de forma adecuada a sus perfiles.

La base teórica para la diversificación de portafolios reside en la Teoría Moderna de Portafolios (TMP), desarrollada por Markowitz (1952). Esta teoría seminal postula que el riesgo de una cartera no es meramente la suma de los riesgos individuales de sus activos, sino que está significativamente influenciado por las covarianzas o correlaciones entre los retornos de estos activos. Al combinar activos cuyos retornos no se mueven perfectamente en sincronía, es posible reducir el riesgo total de la cartera sin sacrificar el retorno esperado, un concepto central para la construcción de la frontera eficiente. La selección de portafolios eficientes, que maximizan el retorno para un dado nivel de riesgo o minimizan el riesgo para un dado retorno, es el núcleo de la TMP. Para evaluar la eficacia de estas estrategias, las métricas de desempeño ajustado al riesgo son indispensables. El Índice de Sharpe (Sharpe, 1966) es una de las herramientas más reconocidas y utilizadas para este fin, midiendo el exceso de retorno de una cartera en relación a un activo libre de riesgo por unidad de volatilidad. Permite una comparación objetiva entre diferentes estrategias de inversión, proporcionando una visión clara sobre la eficiencia del capital asignado (Assaf Neto, 2022).

La aplicación práctica de la diversificación y la evaluación de su desempeño han sido objeto de numerosos estudios empíricos. Investigaciones recientes, como la de Batista et al. (2024), examinaron la eficacia de la diversificación en carteras adaptadas a perfiles de inversor en Brasil, utilizando simulaciones y métricas de riesgo y retorno, concluyendo frecuentemente que la diversificación puede conducir a la construcción de carteras más eficientes. Sin embargo, la literatura también señala que, en ciertos escenarios, estrategias más concentradas pueden presentar un desempeño superior, especialmente cuando existen convicciones fuertes sobre un activo o clase de activo específica que exhibe una prima de riesgo elevada y persistente, aunque con mayor exposición a riesgos y variabilidad de resultados (Yeung; Pellizzari, 2018). Esta dicotomía entre diversificación y concentración, y la búsqueda de la estrategia óptima, permanece un campo fértil para la investigación, especialmente considerando las particularidades de los mercados emergentes. El análisis de un período extendido, de enero de 2011 a diciembre de 2025, y la inclusión de activos globales convertidos a reales, como el S&P 500 y el U.S. Aggregate Bond Index, ofrece una perspectiva integral sobre el comportamiento del riesgo y retorno en diferentes clases de activos, tanto en el escenario doméstico como internacional, desde la óptica del inversor brasileño.

Ante la complejidad del mercado financiero brasileño y la persistente discusión sobre la eficacia de la diversificación frente a la concentración de inversiones, se vuelve crucial un análisis empírico robusto que compare estas estrategias en un contexto local y global. La necesidad de comprender si la diversificación, a pesar de ser una herramienta consagrada para el control de riesgo y la adecuación a perfiles de inversor, realmente proporciona una relación riesgo-retorno superior en comparación con las mejores alternativas concentradas es fundamental para la toma de decisiones. La justificación de este estudio reside en la brecha de evidencia que confronte directamente el desempeño ajustado al riesgo de carteras diversificadas, segmentadas por perfiles de inversor, con carteras concentradas en activos de referencia, utilizando un período muestral amplio y métricas estandarizadas. Así, el presente estudio evalúa si la diversificación mejora la relación riesgo-retorno de las carteras en el contexto brasileño, comparando estrategias diversificadas, segmentadas por perfiles de inversor (conservador, moderado y agresivo), frente a alternativas concentradas en un único activo, basándose en series históricas de enero de 2011 a diciembre de 2025.

2. Material y Métodos

La investigación fue delineada con un enfoque predominantemente cuantitativo, con el objetivo de comparar la relación riesgo-retorno de diferentes estrategias de inversión en el mercado brasileño. El estudio se centró en la evaluación de carteras, en lugar de activos aislados, siguiendo los preceptos de la Teoría Moderna de Carteras, que enfatiza la importancia de las covarianzas entre los activos para la determinación del riesgo y retorno del conjunto (Markowitz, 1952). Adicionalmente, se realizó una revisión bibliográfica para fundamentar los conceptos de diversificación, riesgo, retorno y adecuación a perfiles de riesgo, así como para justificar la elección de la métrica de retorno ajustado al riesgo adoptada (Sharpe, 1966).

El estudio se realizó con base en series históricas de activos financieros, abarcando el período de enero de 2011 a diciembre de 2025. Este intervalo fue seleccionado en función de la disponibilidad común de las series de datos, garantizando la comparabilidad temporal entre todos los activos analizados. El contexto geográfico de la investigación es el mercado de inversiones brasileño, con la inclusión de activos globales convertidos a la moneda local, con el fin de reflejar la perspectiva del inversor nacional. La unidad de análisis consistió en índices amplios de mercado, representativos de las principales clases de activos.

El universo de activos fue representado por índices de mercado ampliamente utilizados, buscando cubrir las principales clases de activos disponibles para el inversor brasileño. Para la renta fija en Brasil, se utilizaron el CDI (post-fijo), el IMA-B (títulos indexados al IPCA) y el IRF-M (títulos pre-fijados). La renta variable brasileña fue representada por el Ibovespa, mientras que los fondos inmobiliarios cotizados fueron representados por el IFIX. Para estrategias alternativas líquidas, se utilizó el IHFA, conforme a las metodologías oficiales de B3 y ANBIMA (B3, 2020a; B3, 2020b; ANBIMA, 2026a; ANBIMA, 2026b).

Para la exposición internacional, se seleccionaron el S&P 500 como referencia para renta variable global (EE. UU.) y el Bloomberg US Aggregate Bond Index para renta fija global en dólares, siguiendo las metodologías públicas de sus proveedores (S&P Dow Jones Índices, 2026; Bloomberg, 2026). La división de los inversores en tres perfiles – conservador, moderado y agresivo – se adoptó para incorporar diferentes niveles de tolerancia al riesgo, tiempo de inversión y objetivos financieros, conforme a la Teoría Moderna de Carteras (Markowitz, 1952; Assaf Neto, 2022). Esta segmentación permitió un análisis más exhaustivo de la adecuación de las estrategias.

Las series históricas de los índices fueron recopiladas de bases de datos públicas y ampliamente reconocidas en el mercado financiero. Las fuentes incluyeron la B3, la ANBIMA/ANBIMA Data, el Banco Central de Brasil y Investing.com. La elección de estas fuentes garantizó la confiabilidad y la reproducibilidad de los datos, respetando la disponibilidad común de cada serie. La utilización de índices como referencias por clase de activo es consistente con estudios aplicados que operacionalizan la diversificación a través de benchmarks representativos, como se observa en Batista et al. (2024).

Las carteras diversificadas se construyeron basándose en las recomendaciones de asignación por perfil divulgadas en el informe de XP Investimentos, que clasifica las políticas como Conservadora, Moderada y Sofisticada. Para los propósitos de este estudio, la política Sofisticada se equiparó al perfil agresivo, debido a su mayor exposición a clases de activos de mayor volatilidad y potencial de retorno (XP Investimentos, 2025). El mapeo de las clases de activos del informe a las referencias de mercado permitió la comparación en bases medibles, agregando la porción de Alternativos a la de Multimercados, representada por el IHFA.

Además de las carteras diversificadas, se definieron carteras concentradas, cada una con una asignación del 100% a una única referencia individual. Este enfoque permitió una comparación directa de la eficiencia, medida por el retorno ajustado al riesgo, entre las estrategias diversificadas y las exposiciones concentradas a un único factor de riesgo (Markowitz, 1952; Sharpe, 1966). La composición de los pesos objetivo de las carteras diversificadas para cada perfil de inversor se detalla en la Tabla 1, ilustrando la distribución de activos según la tolerancia al riesgo.

Tabla 1. Carteras diversificadas por perfil (pesos objetivo por referencia)

Clase (informe de asignación)

Referencia (índice) adoptada

El Mercado

Observación operativa

Fuente de datos

Renta fija Brasil – post-fijo

CDI

Brasil

Referencia para posfijados domésticos

Banco Central de Brasil (BCB)

Renta fija Brasil – inflación

IMA-B

Brasil

Referencia a títulos públicos ligados a la inflación

ANBIMA Datos

Renta fija Brasil – prefijado

IRF-M

Brasil

Referencia a títulos públicos pre-fijados

ANBIMA Datos

Renta variable Brasil

Ibovespa

Brasil

Referencia a acciones brasileñas

Brasil, Bolsa, Balcão (B3)

Fondos cotizados

IFIX

Brasil

Referencia a fondos cotizados; aproxima la clase con énfasis en FIIs

Brasil, Bolsa, Balcão (B3)

Multimercados + Alternativas

IHFA

Brasil

Referencia agregada para estrategias alternativas líquidas

ANBIMA Datos

Global – ingreso variable

S&P 500

EE. UU.

Convertido a BRL vía PTAX (venta) promedio mensual

Investing.com

Global – ingresos fijos

Índice de Bonos Agregados de EE. UU.

EE. UU.

Convertido a BRL vía PTAX (venta) promedio mensual

Investing.com

Fuente: Datos originales de la investigación

Los índices globales, S&P 500 y Bloomberg US Aggregate Bond Index, fueron evaluados en reales (BRL) para reflejar la perspectiva de un inversor con base en Brasil (Silva; Leal, 2015). La conversión de los retornos a BRL incorporó simultáneamente el retorno del índice en su moneda original y la variación cambiaria. Para esta conversión, se utilizó la PTAX (venta) promedio mensual, siguiendo la descomposición estándar del retorno en moneda doméstica para activos denominados en moneda extranjera (CFA Institute, 2026a). Este procedimiento garantizó que todos los activos fueran comparables en la misma base monetaria.

Los rendimientos se calcularon con frecuencia mensual, empleando el método de rendimiento simple. Para los índices a nivel, el rendimiento mensual de cada referencia se determinó por la razón entre el índice del mes corriente y el del mes anterior, restando uno. Este cálculo proporcionó la variación porcentual del valor del índice en cada período mensual, siendo fundamental para la posterior agregación y análisis del desempeño de las carteras.

El retorno mensual de las carteras se calculó como la suma ponderada de los retornos de sus componentes individuales. Las carteras se reequilibraron mensualmente para recomponer los pesos objetivo originales, un procedimiento consistente con las prácticas de gestión de asignación de carteras (Bodie; Kane; Marcus, 2019). Este reequilibrio aseguró que la asignación de activos se mantuviera alineada con los perfiles de inversor a lo largo del tiempo, manteniendo la comparabilidad entre las diferentes estrategias y perfiles analizados.

Para presentar los resultados sobre una base anualizada, el retorno anual de cada cartera se calculó mediante la capitalización compuesta de los retornos mensuales. Este método permite una visión consolidada del desempeño a lo largo de un año, reflejando el efecto acumulativo de los retornos mensuales. La anualización es una práctica estándar en la evaluación de inversiones, proporcionando una métrica más intuitiva y comparable para el desempeño a largo plazo de las estrategias de asignación.

La volatilidad anual de las carteras se utilizó como medida de riesgo, obtenida mediante la anualización de la desviación estándar de los rendimientos mensuales. Este procedimiento implicó la multiplicación de la desviación estándar mensual por la raíz cuadrada de doce, convirtiendo la volatilidad de una base mensual a una base anual. La volatilidad es un indicador crucial de la dispersión de los rendimientos y de la incertidumbre asociada a una inversión, siendo esencial para la evaluación del riesgo total de las carteras y para la aplicación del Índice de Sharpe (Markowitz, 1952).

El Índice de Sharpe fue la métrica principal para evaluar el rendimiento ajustado al riesgo de las carteras (Sharpe, 1966). Se calculó como la razón entre el exceso de retorno anual de la cartera, en relación con un activo libre de riesgo, y la volatilidad anual de la cartera. El CDI se adoptó como la tasa de retorno del activo libre de riesgo, en base anual compatible con los retornos anuales de las carteras. Esta métrica permitió comparar la eficiencia de diferentes estrategias de asignación, considerando el retorno adicional obtenido por unidad de riesgo asumido (Assaf Neto, 2022).

Como limitación metodológica, el período de análisis se determinó por la disponibilidad común de las series históricas de los activos, lo que puede influir en los resultados en diferentes ventanas de tiempo. Adicionalmente, la evaluación del desempeño de las carteras se restringió a las métricas de retorno anual, volatilidad anual e Índice de Sharpe. Aunque estas métricas son ampliamente reconocidas, la inclusión de otras medidas de riesgo o desempeño ajustado al riesgo podría ofrecer perspectivas adicionales. La construcción de las carteras diversificadas se basó en recomendaciones de una única institución, lo que puede limitar la generalización de los resultados.

3. Resultados y Discusión

El análisis de los resultados obtenidos en este estudio ofrece una perspectiva detallada sobre la relación riesgo-retorno de diferentes estrategias de inversión en el mercado brasileño, confrontando carteras diversificadas con alternativas concentradas. El período de enero de 2011 a diciembre de 2025, abarcando una ventana temporal significativa, permitió una evaluación robusta del desempeño, considerando las dinámicas macroeconómicas y de mercado que influyen en las clases de activos. La metodología adoptada, que incluyó la evaluación en reales para activos globales y el rebalanceo mensual de las carteras, aseguró la comparabilidad y la relevancia de los hallazgos para el inversor nacional.

El rendimiento de las carteras diversificadas, categorizadas por perfiles de inversor (Conservador, Moderado y Agresivo), reveló patrones importantes que merecen una discusión en profundidad. Según se presenta en la Tabla 2, los rendimientos anualizados de las tres carteras se mantuvieron notablemente cercanos, oscilando alrededor del 10% anual. Específicamente, la cartera Conservadora obtuvo un rendimiento anual del 10,46%, la Moderada del 10,48% y la Agresiva del 10,18%. Esta proximidad en los rendimientos, a pesar de las diferencias sustanciales en la composición y, en consecuencia, en la exposición al riesgo, sugiere que, en el período analizado, la mayor asignación a activos de mayor riesgo en las carteras Moderada y Agresiva no se tradujo en una prima de rendimiento significativa.

Tabla 2. Rendimiento de las carteras diversificadas por perfil (CAGR, volatilidad y Sharpe anuales; ene. 2011-dic. 2025)

Referencia

Prudente

Mesurado

Agresivo

CDI

70,0%

32,5%

12,5%

IMA-B

12,5%

22,5%

27,5%

IRF-M

5,0%

10,0%

7,5%

IHFA

5,0%

19,5%

19,5%

Ibovespa

0,0%

7,5%

17,5%

IFIX

2,5%

2,0%

8,0%

EE. UU. Compuesto (BRL)

2,5%

2,5%

2,5%

S&P 500 (BRL)

2,5%

3,5%

5,0%

Fuente: Resultados originales de la investigación

En contraste con la estabilidad de los rendimientos, la volatilidad anual de las carteras aumentó progresivamente con el nivel de riesgo del perfil. La cartera Conservadora presentó la menor volatilidad (1,63%), seguida por la Moderada (2,93%) y la Agresiva (4,40%). Este comportamiento es esperado y consistente con la Teoría Moderna de Carteras, que postula que mayores rendimientos esperados están asociados a mayores niveles de riesgo (Markowitz, 1952). Sin embargo, la métrica crucial para la evaluación de la eficiencia, el Índice de Sharpe, reveló un resultado contraintuitivo para la lógica de búsqueda de mayor rendimiento en perfiles más audaces. El Sharpe anual disminuyó a medida que el perfil se volvía más audaz: 0,47 para la cartera Conservadora, 0,27 para la Moderada y 0,11 para la Agresiva.

Esta disminución en el Índice de Sharpe indica que el aumento del riesgo total en las carteras Moderada y Agresiva no fue compensado por un aumento proporcional en el retorno anualizado. En otras palabras, la unidad adicional de riesgo asumida por los inversores moderados y agresivos, al exponerse a clases de activos más volátiles, no generó un retorno excedente que justificara esa mayor variabilidad. Este hallazgo contrasta con la premisa de que la diversificación, al optimizar la relación riesgo-retorno, debería, idealmente, conducir a carteras más eficientes, especialmente para perfiles que buscan un mayor crecimiento (Sharpe, 1966; Assaf Neto, 2022). La implicación práctica es que, para el período estudiado, la estrategia de asignación más conservadora, con menor exposición a activos de mayor volatilidad, demostró ser la más eficiente en términos de retorno ajustado al riesgo entre las carteras diversificadas. Esto sugiere que la inclusión de clases de activos más arriesgadas, como renta variable y multimercados, aunque aumenta el potencial de retorno absoluto, puede no ser la estrategia más eficaz para optimizar el retorno por unidad de riesgo en todas las ventanas de tiempo, especialmente si estos activos no rinden según lo esperado.

El análisis de las carteras concentradas, cada una con una asignación del 100% a una única referencia, proporcionó un punto de referencia importante para comparar la eficacia de la diversificación. Entre los activos nacionales, el IRF-M destacó con el mayor Índice de Sharpe (0,25), seguido por el IHFA (0,17) y el IMA-B (0,14). El CDI, como activo libre de riesgo, presentó un Sharpe de 0,00, sirviendo como base de comparación. Por otro lado, el Ibovespa y el IFIX exhibieron Índices de Sharpe negativos (-0,19 y -0,04, respectivamente), lo que indica que sus rendimientos anualizados fueron insuficientes para compensar el riesgo total asumido en comparación con el CDI. Este resultado para la renta variable brasileña y los fondos inmobiliarios es particularmente relevante, ya que son clases de activos frecuentemente asociadas a un mayor potencial de retorno, pero que, en el período analizado, no entregaron un desempeño ajustado al riesgo satisfactorio. La volatilidad del Ibovespa, por ejemplo, fue del 20,94%, la más alta entre los activos nacionales, mientras que su retorno anual fue de solo el 5,79%, evidenciando un riesgo elevado no recompensado.

En el escenario internacional, el S&P 500 (en reales) presentó un desempeño notablemente superior, con un retorno anualizado del 21,24% y una volatilidad anual del 16,41%, resultando en el mayor Índice de Sharpe de 0,70. Este hallazgo es crucial, ya que refleja la combinación de un retorno absoluto elevado con una volatilidad compatible con la clase de renta variable global, incluso después de la conversión cambiaria a BRL, que incorpora tanto el retorno del índice en su moneda original como la variación cambiaria (Silva; Leal, 2015; CFA Institute, 2026a). El desempeño robusto del S&P 500 (BRL) sugiere que la exposición a mercados internacionales, especialmente al mercado de acciones de EE. UU., pudo haber sido un factor dominante en la determinación del retorno ajustado al riesgo para el inversor brasileño en el período analizado. En contraste, el US Aggregate Bond Index (en reales) presentó un Sharpe negativo (-0,12), con retorno anual del 7,88% y volatilidad del 15,41%, indicando que la renta fija global en dólares, en la ventana analizada, no compensó su volatilidad total, incluyendo el componente cambiario.

La comparación directa entre las carteras diversificadas y la mejor cartera concentrada es fundamental para responder al objetivo central del estudio. Según se presenta en la Tabla 3, el Índice de Sharpe de las carteras diversificadas (Conservador: 0,47; Moderado: 0,27; Agresivo: 0,11) fue consistentemente inferior al mejor Sharpe observado entre las carteras concentradas, que fue el del S&P 500 (BRL) con 0,70.

Tabla 3. Comparación del Sharpe: portafolio diversificado vs mejor portafolio concentrado (ene. 2011-dic. 2025)

Perfil

Rendimiento anual

Volatilidad anual

Sharpe anual

Tradicionalista

10,46%

1,63%

0,47

Razonable

10,48%

2,93%

0,27

Agresivo

10,18%

4,40%

0,11

Fuente: Resultados originales de la investigación

La diferencia en el Sharpe varió de -0,23 para la cartera Conservadora a -0,59 para la Agresiva, siendo el S&P 500 (BRL) el activo ganador en todos los perfiles. Este resultado es uno de los hallazgos más significativos y, a primera vista, puede parecer desafiar la lógica tradicional de la diversificación. La Teoría Moderna de Carteras (Markowitz, 1952) enfatiza que la diversificación, al combinar activos con correlaciones imperfectas, reduce el riesgo específico y desplaza la cartera hacia la frontera eficiente, maximizando el retorno esperado para un nivel de riesgo dado o minimizando el riesgo para un retorno dado. Sin embargo, la teoría no garantiza que una cartera diversificada superará, en términos de Sharpe, al activo aislado con mejor desempeño ajustado al riesgo en *cualquier* ventana histórica específica. En períodos en los que un único factor de riesgo, como el mercado de acciones de EE. UU., exhibe una prima elevada y persistente, una estrategia concentrada puede, de hecho, presentar un Sharpe superior (Yeung; Pellizzari, 2018). Esto es especialmente cierto si la diversificación incorpora clases de activos con Sharpe bajo o negativo en el período, como fue el caso del Ibovespa y del IFIX en el contexto brasileño.

La volatilidad anual del S&P 500 (BRL) fue del 16,41%, significativamente mayor que la volatilidad de las carteras diversificadas (1,63% para la Conservadora, 2,93% para la Moderada y 4,40% para la Agresiva). Este punto es crucial para la interpretación de los resultados. Aunque el S&P 500 (BRL) maximizó el Índice de Sharpe, su riesgo absoluto fue sustancialmente mayor. Un Sharpe superior no implica, necesariamente, que la estrategia concentrada sea preferible para la mayoría de los inversores. Muchos inversores, especialmente aquellos con perfiles conservadores o moderados, pueden no tener apetito o estar sujetos a restricciones de idoneidad que les impidan soportar oscilaciones de tal magnitud. La cartera diversificada, incluso con un Sharpe inferior, puede ser más adecuada por alinearse a límites de volatilidad y a restricciones conductuales, ofreciendo una distribución de riesgo menos dependiente de un único factor, lo que es un beneficio intrínseco de la diversificación (Bodie; Kane; Marcus, 2019; Koumou, 2020).

La divergencia observada entre los resultados de este estudio y otros trabajos aplicados, como el de Batista et al. (2024), que reportaron un Sharpe mayor para el perfil agresivo, seguido del moderado y del conservador, merece atención. Esta diferencia puede atribuirse a variaciones en el período analizado, en el conjunto de referencias de activos utilizados y en las elecciones operativas de construcción de las carteras. El presente estudio utilizó una ventana temporal más amplia (2011-2025) e incluyó referencias de carteras con rebalanceo mensual, lo que permite capturar múltiples momentos de mercado y la contribución relativa de cada clase de activo al riesgo total y al retorno ajustado al riesgo. Batista et al. (2024), por su parte, pueden haber evaluado una muestra diferente de tiempo e incorporado elecciones de asignación que favorecieron el perfil agresivo debido a una prima de riesgo elevada en activos específicos en aquel recorte. La sensibilidad del Índice de Sharpe a diferentes ventanas de tiempo y condiciones de mercado es una limitación inherente a su aplicación en análisis históricos.

Aunque la diversificación no superó a la mejor alternativa concentrada en términos de Sharpe en el período analizado, demostró ser una herramienta eficaz de control de riesgo y adecuación a perfiles. Activos concentrados como Ibovespa, IFIX y US Aggregate (BRL) presentaron un Sharpe negativo, combinando riesgo elevado con retorno insuficiente. Estos casos refuerzan el valor de las carteras diversificadas en la mitigación de riesgos y en la construcción de portafolios que se alinean a las expectativas de volatilidad y a los objetivos financieros de los inversores, aunque no maximicen el Sharpe en todas las circunstancias. La cartera conservadora, por ejemplo, al combinar un retorno anualizado ligeramente superior al CDI con una volatilidad significativamente menor que las clases de renta variable, demostró la mejor eficiencia entre las carteras diversificadas (Sharpe 0,47). Este resultado es compatible con la lógica de suitability, donde los perfiles menos audaces priorizan la estabilidad y el control de riesgo, tendiendo a presentar menor dispersión de retornos (Assaf Neto, 2022; Bodie; Kane; Marcus, 2019).

En resumen, los resultados indican que la diversificación es una estrategia valiosa para gestionar el riesgo y adecuar la cartera al perfil del inversor, ofreciendo una distribución de riesgo más equilibrada. Sin embargo, su superioridad en términos de retorno ajustado al riesgo (Sharpe) es contingente al comportamiento relativo de las clases de activos y a las condiciones de mercado prevalecientes en el período analizado. El fuerte desempeño de un único activo, como el S&P 500 (BRL) en la ventana estudiada, puede opacar temporalmente los beneficios de la diversificación en términos de Sharpe, pero no invalida su papel fundamental en la construcción de carteras resilientes y alineadas a las necesidades individuales de los inversores. La interpretación de estos resultados debe, por lo tanto, considerar no solo la métrica de Sharpe, sino también la volatilidad absoluta y la adecuación al perfil de riesgo del inversor, que son elementos cruciales para decisiones de asignación de activos.

4. Conclusión

Se concluye que el objetivo se alcanzó, ya que el estudio evaluó si la diversificación mejora la relación riesgo-retorno de las carteras en el contexto brasileño, comparando estrategias diversificadas por perfil de inversor con alternativas concentradas en un único activo. El análisis reveló que, si bien las carteras diversificadas presentaron un Índice de Sharpe positivo, indicando una eficiencia superior al activo libre de riesgo, la mejor alternativa concentrada, el S&P 500 (BRL), exhibió un Sharpe superior. Esto sugiere que, en el período analizado (enero de 2011 a diciembre de 2025), la diversificación no superó la mejor estrategia concentrada en términos de retorno ajustado al riesgo, pero demostró ser valiosa para el control del riesgo y la adecuación a los perfiles de inversor, especialmente para aquellos con menor apetito por el riesgo.

Como limitación, el estudio tuvo su período de análisis restringido a la disponibilidad común de las series históricas y la evaluación se centró en las métricas de retorno anual, volatilidad anual y el Índice de Sharpe. Para estudios futuros, se sugiere explorar otras reglas de rebalanceo y diferentes combinaciones de activos. Adicionalmente, la incorporación de métricas complementarias de riesgo y el análisis de adecuación a perfiles, considerando el balanceo entre retorno ajustado al riesgo y tolerancia a variaciones, pueden enriquecer la comprensión sobre la eficacia de la diversificación en diferentes escenarios de mercado y para diversos perfiles de inversores.

Referencias Bibliográficas

Assaf Neto, Alexandre. Mercado Financeiro. 14. ed. São Paulo: Atlas, 2022.

Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais (ANBIMA). 2026a. Metodologia IMA – Índice de Mercado ANBIMA (março/2026). Disponível em: <https://www.anbima.com.br/data/files/87/A0/F0/E7/E3FBC91067D089C9BA2BA2A8/Metodologia_IMA_mar26.pdf>. Acesso em: 31 mar. 2026.

Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais (ANBIMA). 2026b. IHFA – Índice de Hedge Funds ANBIMA (definição e metodologia). Disponível em: <https://www.anbima.com.br/pt_br/informar/precos-e-indices/indices/ihfa.htm>. Acesso em: 31 mar. 2026.

B3 – Brasil, Bolsa, Balcão. 2020a. Metodologia do Índice Bovespa (Ibovespa). Disponível em: <https://www.b3.com.br/data/files/9C/15/76/F6/3F6947102255C247AC094EA8/IBOV-Metodologia-pt-br__Novo_.pdf>. Acesso em: 31 mar. 2026.

B3 – Brasil, Bolsa, Balcão. 2020b. Metodologia do Índice de Fundos de Investimentos Imobiliários (IFIX). Disponível em: <https://www.b3.com.br/data/files/2A/56/E3/DD/A3943710DB551337AC094EA8/IFIX-Metodologia-pt-br.pdf>. Acesso em: 31 mar. 2026.

Batista, V.G.G. et al. 2024. O papel da diversificação na redução de riscos em portfólios de investimentos brasileiro. Trabalho de Conclusão de Curso (Administração), Pontifícia Universidade Católica de Goiás, Goiânia, GO, Brasil.

Bloomberg. 2026. Bloomberg US Aggregate Index (metodologia do índice). Disponível em: <https://assets.bbhub.io/professional/sites/27/US-Aggregate-Index.pdf>. Acesso em: 31 mar. 2026.

Bodie, Zvi; KANE, Alex; Marcus, Alan J. Investimentos. 10. ed. Porto Alegre: AMGH, 2019.

CFA Institute. 2026a. Currency Management: An Introduction. CFA® Program Level III – Portfolio Management (Refresher Reading). Disponível em: <https://www.cfainstitute.org/insights/professional-learning/refresher-readings/2026/currency-management-introduction>. Acesso em: 31 mar. 2026.

Koumou, G.B. 2020. Diversification and portfolio theory: a review. Financial Markets and Portfolio Management 34: 267–312. Disponível em: <https://link.springer.com/article/10.1007/s11408-020-00352-6>. Acesso em: 31 mar. 2026.

Markowitz, Harry M. Portfolio Selection. The Journal of Finance, New York, v. 7, n. 1, p. 77-91, 1952.

S&P Dow Jones Indices. 2026. S&P U.S. Indices Methodology. Disponível em: <https://www.spglobal.com/spdji/en/methodology/article/sp-us-indices-methodology/>. Acesso em: 31 mar. 2026.

Sharpe, W.F. 1966. Mutual fund performance. The Journal of Business 39(1): 119-138.

Silva, André Luiz da; LEAL, Ricardo Pereira Câmara. Diversificação internacional de portfólios: evidências para o investidor brasileiro. Revista Brasileira de Finanças, São Paulo, v. 13, n. 2, p. 197-220, 2015.

XP Investimentos. 2025. Carteiras recomendadas. Disponível em: <https://conteudos.xpi.com.br/guia-de-investimentos/carteiras/carteiras-de-alocacao-pf-dezembro-2025/> Acesso em: 31 mar. 2026.

Yeung, D.; Pellizari, P. Diversification Versus Concentration… and the Winner Is. University of Technology Sydney, 2018. Disponível em: <https://www.uts.edu.au/globalassets/sites/default/files/wp18.pdf>. Acesso em: 31 mar. 2026.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Finanzas y Controloría del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy

También te puede interesar

17 de noviembre de 2026

Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning

La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión (accuracy), precisión (precision), recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión (precision), recall y F1-score, y 93% de precisión (accuracy) y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de precisión (accuracy), destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de precisión (accuracy). Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.

Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.

17 de noviembre de 2026

Estructuración del proceso de cierre de proyectos de una industria de la construcción civil

Un estudio abordó el grupo de procesos de cierre de proyectos en una industria de manufactura de la construcción civil, utilizando la guía PMBOK como referencia principal. El proceso existente en la industria presentaba superficialidad y fragilidades, especialmente en el registro de lecciones aprendidas. Ante este escenario, el objetivo fue desarrollar un procedimiento para el cierre de proyectos de la organización, visando agregar valor por medio de la estandarización del proceso, registro del conocimiento adquirido, formalización de la conclusión y entrega de los proyectos, y mejoramiento de la comunicación, compromiso, integración y transparencia con los stakeholders. La investigación se clasificó como descriptiva, empleó datos cualitativos y adoptó la investigación-acción como delineamiento. El alcance del estudio se estructuró conforme a los cinco grupos de procesos de la guía PMBOK y fue representado por una Estructura Analítica de Proyecto (EAP). Los principales resultados obtenidos incluyeron el procedimiento desarrollado y diversas plantillas de documentos, que constituyeron los entregables del nuevo proceso de cierre de proyectos. Se verificó que el trabajo alcanzó el objetivo esperado, pues el procedimiento desarrollado viabilizó la estandarización del cierre de proyectos, el mejoramiento de la integración y el compromiso con los stakeholders, y la promoción de seguridad y transparencia en el proceso.

Palabras clave: Gestión del conocimiento; Lecciones aprendidas; PMBOK; Plantillas; Término de aceptación de proyecto.

17 de noviembre de 2026

Machine Learning y priorización de funcionalidades en productos digitales: un estudio de caso en una fintech

Una investigación analizó el potencial del uso de técnicas de machine learning aplicadas al análisis del comportamiento de los usuarios en la priorización de funcionalidades en productos digitales. El objetivo fue comprender los procesos de priorización utilizados en la práctica, el papel de los datos de comportamiento en la toma de decisiones y las percepciones sobre la aplicación de técnicas de machine learning en este contexto. Se adoptó un enfoque cualitativo y exploratorio, estructurado como un estudio de caso en productos desarrollados bajo el modelo Software as a Service (SaaS). La recolección de datos se realizó a través de entrevistas semiestructuradas con profesionales de las áreas de producto y de datos. El análisis de los datos siguió la técnica de análisis de contenido. Los resultados indicaron que, aunque los datos de comportamiento ya se utilizaban como apoyo a la decisión, los procesos de priorización aún presentaban baja formalización y enfrentaban limitaciones técnicas y organizacionales. Se observó, también, el reconocimiento del potencial del machine learning como soporte estratégico a la priorización de funcionalidades, aunque su aplicación práctica fuera incipiente. Como principal contribución, el estudio propuso un modelo conceptual que integra datos de comportamiento, procesos de priorización y el uso de machine learning como soporte a la decisión.

Palabras clave: Análisis de datos; Comportamiento del usuario; Datos de comportamiento; Software as a Service (SaaS); Toma de decisiones.

17 de noviembre de 2026

Inteligencia artificial en las rutinas operativas contables y en la eficiencia financiera

La incorporación de Inteligencia Artificial (IA) y de herramientas de automatización ha reconfigurado las rutinas de las oficinas contables brasileñas, impactando la productividad, la mitigación de errores y la eficiencia financiera. Se analizaron estos impactos en una oficina contable de pequeño tamaño, especializada en la atención a prestadores de servicios del área médica en São Caetano do Sul, São Paulo. La investigación adoptó un enfoque cualitativo, con un diseño de estudio de caso único y unidades de análisis incorporadas. Los datos se recolectaron mediante un cuestionario estructurado, aplicado vía Google Forms entre enero y febrero de 2026, a cinco profesionales de la estructura operativa de la oficina en un relevamiento censal. El tratamiento siguió un análisis de contenido con categorías a priori y emergentes. Todos los encuestados declararon uso de herramientas automatizadas o con recursos de IA. La percepción de reducción del tiempo de ejecución, de disminución de errores operacionales, de retrabajo y de mejor aprovechamiento del tiempo del equipo convergió en el 80% de las respuestas afirmativas y el 20% parciales. Las actividades más beneficiadas fueron la conciliación bancaria, la importación de documentos fiscales y la liquidación tributaria, con ganancias visibles sobre errores de digitación, asientos duplicados y clasificación incorrecta. La intervención humana permaneció indispensable en la planificación tributaria, el análisis de escenarios y la verificación de obligaciones accesorias. La evaluación general de la contribución de la IA fue predominantemente favorable, con moderación vinculada a la complejidad normativa fiscal.

Palabras clave: Análisis de contenido; Automatización de procesos; Contabilidad 4.0; Pequeño tamaño; Transformación digital.

17 de noviembre de 2026

Factores que influyen en la gestión de plazos en proyectos de “retrofit” de estaciones de tratamiento de aguas residuales

Los proyectos de “retrofit” en Plantas de Tratamiento de Aguas Residuales (PTAR) se caracterizan por su alta complejidad, restricciones operativas y múltiples interfaces técnicas. El estudio analizó la percepción de los profesionales involucrados sobre la gestión y el cumplimiento de los plazos en proyectos de “retrofit” de plantas de tratamiento de aguas residuales, considerando factores técnicos, operativos y organizacionales. La investigación se caracterizó como un estudio aplicado, con un enfoque cuali-cuantitativo, delineado como un levantamiento de campo de tipo “survey”. El análisis de los datos se realizó mediante estadística descriptiva y categorización cualitativa, utilizando las herramientas SWOT, matriz de riesgo (Probabilidad x Impacto) y plan de acción 5W2H. Los resultados indicaron una alta percepción de claridad (77,8%) y realismo de los plazos (100% de acuerdo), evidenciando una planificación inicial consistente. Sin embargo, el 77,7% de los encuestados señaló que los retrabajos y cambios de alcance impactaron directamente el cumplimiento de los plazos. La integración entre ingeniería, fabricación y Planificación y Control de la Producción (PCP) presentó una evaluación intermedia (77,7% de acuerdo parcial/total), indicando fragilidad en la coordinación interfuncional. La matriz de riesgo destacó como críticos: cambios de alcance, limitaciones operativas de la PTAR y complejidad técnica, todos con nivel alto. Como mejora central, se propuso la estandarización del control de cambios de alcance, análisis y aprobación, con el fin de reducir retrabajos y aumentar la previsibilidad del cronograma.

Palabras clave: Desempeño; Integración; Planificación; Retrabajo; Riesgo.

17 de noviembre de 2026

Captación B2C en medicina diagnóstica: acuerdos estratégicos con consultorios médicos especializados

El sector de la medicina diagnóstica en Brasil opera con una alta dependencia de las aseguradoras de planes de salud, lo que limita la autonomía financiera de los prestadores. Este estudio propuso y analizó un modelo de captación directa de pacientes (B2C) para una institución de medicina diagnóstica de alta complejidad, estructurado a partir de alianzas con consultorios de Oncología y Cardiología y operado por un servicio de atención personalizada denominado conserjería. La investigación adoptó un enfoque mixto en tres fases: levantamiento de campo con cuestionario estructurado aplicado a 87 pacientes, mapeo del flujo operativo mediante “Service Blueprint” y análisis de la tasa de conversión a partir de 312 indicaciones médicas registradas en el proyecto piloto. Los resultados indicaron que la confianza en la indicación médica obtuvo un 92,0% de concordancia, configurándose como el principal factor de adhesión. La conveniencia de realizar el examen el mismo día alcanzó el 78,2%, y la disposición al pago directo llegó al 55,2%, con una polarización asociada a la predominancia de usuarios de planes de salud. El “Service Blueprint” identificó tres puntos críticos en las transiciones entre etapas del recorrido. La tasa de conversión global fue del 51,0%, con un desempeño superior en Oncología (58,2%) en relación con Cardiología (45,0%), y la mayor pérdida se concentró en la etapa de aceptación y agendamiento (28,3%). Se concluyó que el modelo demostró posible viabilidad operativa e indicios de aceptación por parte de los pacientes, condicionado a la transparencia de precios y a la reducción del intervalo entre la consulta y el abordaje por la conserjería.

Palabras clave: Desembolso directo; Recorrido del paciente; Salud suplementaria; Servicio de conserjería; Tasa de conversión.

17 de noviembre de 2026

El papel del director escolar en la promoción de una cultura inclusiva: liderazgo y políticas educativas

La investigación analizó el desempeño del director escolar en la promoción de una cultura inclusiva, considerando la necesidad de transformar directrices legales y fundamentos pedagógicos en prácticas institucionales efectivas. Se partió del supuesto de que la inclusión escolar exige planificación, organización y liderazgo estratégico en el día a día de la escuela. Se adoptó un enfoque cualitativo de naturaleza aplicada, desarrollado en tres etapas complementarias: análisis documental de las legislaciones brasileñas sobre educación inclusiva, revisión bibliográfica sobre liderazgo y gestión escolar, y sistematización de los datos por medio de herramientas gerenciales como la matriz FODA y el ciclo PDCA. Los resultados indicaron que el desempeño de la gestión escolar influyó directamente en la consolidación de ambientes inclusivos, especialmente en la organización de procesos, formación continua del equipo y fortalecimiento de una cultura institucional colaborativa y respetuosa de la diversidad. También se identificaron desafíos estructurales, pedagógicos y relacionales que demandaron intervenciones planificadas. Al final, se elaboró una Guía Práctica para Directores Escolares, con directrices, protocolos y orientaciones operacionales para la toma de decisiones y organización de los procesos inclusivos. Se concluyó que la construcción de una cultura inclusiva dependió de la capacidad de gestión para articular políticas públicas, prácticas pedagógicas y procesos institucionales, consolidando la inclusión como un compromiso permanente en el contexto escolar.

Palabras clave: Accesibilidad educativa; Equidad educativa; Gestión participativa; Planificación estratégica; Procesos institucionales.

17 de noviembre de 2026

Un artefacto de IA basado en Design Thinking para apoyar la elicitación de requisitos de software a partir de las necesidades de los usuarios

El desarrollo de software orientado a las necesidades de los usuarios a menudo enfrenta desafíos en la elicitación de requisitos, derivados de ambigüedades en el lenguaje natural y fallos de comunicación. Ante esto, se propuso y validó un artefacto inteligente que integra Design Thinking e Inteligencia Artificial, con foco en las etapas de Empatía y Definición, para apoyar la recolección, interpretación y estructuración de las necesidades de los usuarios. La investigación, de naturaleza aplicada, cualitativa y exploratoria, condujo una Prueba de Concepto en un ambiente controlado, empleando escenarios hipotéticos. El artefacto operó mediante entrevistas guiadas en lenguaje natural, organizando información en elementos como dolor, contexto e impacto, y generando síntesis de problemas rastreables. Los resultados indicaron que el sistema organizó relatos no estructurados, redujo ambigüedades y preservó el sentido de la información original en la mayoría de los casos. Se observó también la capacidad de reorganización lógica en escenarios complejos, aunque con limitaciones en la separación de múltiples problemas y dependencia de las instrucciones. Se concluyó que el artefacto tiene potencial como apoyo a la elicitación de requisitos, mejorando la claridad y la estructuración de la información, pero requiere supervisión y control contextual.

Palabras clave: Design Thinking; Elicitación de Requisitos; Ingeniería de Requisitos; Inteligencia Artificial; Procesamiento del Lenguaje Natural.

17 de noviembre de 2026

La Extinción de la Sistemática de Retención en la Industria Farmacéutica a la Luz de la Reforma Tributaria

La Reforma Tributaria del consumo, establecida por la Enmienda Constitucional nº 132/2023, introdujo alteraciones estructurales en el sistema tributario brasileño, con la sustitución del Programa de Integración Social (PIS) y de la Contribución para el Financiamento de la Seguridad Social (COFINS) por la Contribución sobre Bienes y Servicios (CBS), en un modelo de Impuesto sobre el Valor Añadido (IVA dual). El objetivo fue analizar los impactos de la extinción de la sistemática monofásica en la industria farmacéutica, a la luz del nuevo diseño normativo y de sus efectos económicos y jurídicos. Se realizó una investigación cualitativa, de naturaleza exploratoria, por medio de estudio de caso y análisis documental de la legislación y la doctrina especializada. Se examinó si el fin de la monofasia implicaría un aumento relevante de la carga tributaria para el sector. Los resultados indicaron que, aunque la superación formal de la sistemática monofásica ha ocurrido, la desgravación material de los medicamentos fue preservada, sobre todo en razón de la aplicación de alícuotas reducidas del 60% y, en determinados casos, de alícuota cero del Impuesto sobre Bienes y Servicios (IBS) y de la CBS. El cambio de modelo puede provocar variaciones puntuales en la recaudación, sin caracterizar un aumento estructural de la carga tributaria, tendiendo a la neutralidad a lo largo del tiempo. Se concluyó, preliminarmente, que la Reforma Tributaria reorganizó la técnica de tributación en la industria farmacéutica, sustituyendo un régimen concentrado por mecanismos más transparentes de desgravación. Este enfoque se mostró compatible con los principios de neutralidad, de no acumulatividad plena y de extrafiscalidad, manteniendo la protección tributaria a los medicamentos esenciales y alineando la política fiscal al derecho fundamental a la salud.

Palabras clave: CBS; COFINS; IBS; IVA Dual; PIS.