Finanzas
22 de mayo de 2025
Riesgo-retorno y perfil del inversor: un análisis de rendimiento de la cartera de inversiones
DOI: 10.22167/2675-6528-2024063
E&S 2025, 6: e2024063
Júlia Pereira Colobiale e Ricardo de Souza
La relación entre riesgo y retorno se convirtió en central en la construcción de carteras de inversión a partir de la publicación de Portfolio Selection, de Harry Markowitz[1], que inauguró la teoría moderna de selección de carteras. Al romper con la lógica de priorizar solo activos de mayor retorno, el autor destacó la importancia de la diversificación como estrategia para optimizar inversiones, incorporando el riesgo como elemento esencial. Con base en este enfoque, este artículo analiza cómo la diversificación influye en el desempeño de las carteras que fueron elaboradas y ajustadas a diferentes perfiles de inversor, considerando sus distintas tolerancias al riesgo dado cierto retorno esperado.
Según datos de la bolsa de valores brasileña (B3)[2], el resultado trimestral del estudio de evolución de inversores señaló un aumento significativo en el número de participantes en el mercado entre junio de 2022 y junio de 2023. Al segmentar los datos por modalidad de inversión, se observa un crecimiento del 34% en el volumen invertido en renta fija, en comparación con un incremento del 23% en la renta variable.
B3 atribuye estos resultados al escenario económico, político y cultural de Brasil[2]. En los últimos años, la tasa básica de interés (SELIC) ha presentado frecuentes variaciones en cortos períodos de tiempo. Según el Banco Central de Brasil (BCB)[3], la meta anual de la Selic en enero de 2021 era del 2,0%. Tras sucesivas elevaciones, la tasa cerró el año en 9,25%, alcanzó el 13,75% en agosto de 2022 y se mantuvo en ese nivel hasta junio de 2023, cuando inició un ciclo de reducciones, cerrando 2023 en 11,75%[4]
Además de las tasas de interés, otros factores influyeron en la preferencia por la renta fija, como la inestabilidad política derivada de las elecciones de 2022 y un movimiento de cambio cultural, impulsado por la difusión de contenidos sobre inversión en canales de comunicación y redes sociales. Además, la B3[5] destaca que el mantenimiento de la Selic en niveles elevados aumenta el costo de oportunidad, lo que contribuye a la atracción de la renta fija. Este costo puede asociarse a un comportamiento más conservador de los inversores, que buscan mayor seguridad ante riesgos e incertidumbres económicas, como lo evidencian los datos de la B3[5].
Según Markowitz[1], la diversificación de las inversiones entre títulos que propician el máximo retorno esperado es esencial para una gestión eficiente de la cartera. Sin embargo, el autor subraya que la cartera con el retorno esperado más elevado no siempre es la que posibilitará una varianza mínima. Así, el inversor debe buscar el equilibrio entre la minimización del riesgo y su retorno esperado, considerando su perfil de tolerancia al riesgo.
De esta forma, comprender la formación de una cartera de inversiones desde la óptica de la teoría de riesgo-retorno y su adecuación al perfil del inversor es fundamental para fundamentar la toma de decisiones. En este contexto, el presente estudio tiene como objetivo componer una cartera alineada a la teoría de riesgo y retorno, considerando el escenario brasileño presentado.
Con respecto a la metodología de recolección y análisis de datos de este estudio, la obtención de la información siguió un enfoque sistemático. La información referente a la tasa Selic, al certificado de depósito interbancario (CDI) y al índice Ibovespa se extrajo del sitio web del BCB, para posibilitar la comparación del desempeño de la cartera hipotética con los principales indicadores del mercado. Posteriormente, los datos de precios de cierre de las acciones analizadas se recolectaron a través de la plataforma Refinitiv[6].
La muestra estuvo compuesta por 118 acciones cotizadas en la B3. Las cotizaciones diarias de estas acciones fueron exportadas a hojas de cálculo y, basándose en este conjunto, se seleccionaron las seis acciones más rentables en el período analizado. El criterio de selección se basó en el promedio de los precios de cotización, abarcando el intervalo entre el 06 de noviembre de 2020 y el 09 de abril de 2024. Tras la selección de las acciones, se compararon sus respectivos niveles de riesgo y retorno.
Adicionalmente, la tasa CDI fue adoptada como tasa libre de riesgo en los cálculos, por ser ampliamente utilizada como referencia de rentabilidad en fondos de inversión. Se resalta que el presente estudio no contempla el análisis de costos de transacción ni cuestiones relacionadas a la liquidez de activos incluidos en la cartera.
Markowitz y la teoría de riesgo-rendimiento
Markowitz[1] fundamentó la teoría moderna de selección de carteras y explicó cómo los inversores racionales utilizan el principio de diversificación de inversiones para optimizar sus carteras. El consenso de la época orientaba que los activos de mayores retornos deberían ser los elegidos para invertir. Sin embargo, Markowitz[1] demostró que, cuando el activo de mayor rentabilidad se concentra exclusivamente en la cartera, el inversor puede obtener tanto ganancias elevadas como pérdidas excesivas, lo que evidencia el riesgo existente.
En este sentido, Markowitz[1] fue pionero al introducir el riesgo como concepto primordial de la construcción de carteras de inversión. Para él, la cartera ideal es la que, mediante la diversificación de los activos, busca, de modo simultáneo, minimizar el riesgo inherente y maximizar el retorno esperado. Más allá, el autor desarrolló un modelo matemático que estipula combinaciones infinitas de activos de una cartera y determina los porcentajes ideales de asignación de cada uno. Sin embargo, como cada inversor posee un perfil de riesgo distinto en relación a la tolerancia al riesgo y a la expectativa de retorno, no existe una cartera única ideal para todos. La composición de la cartera debe ser adecuada a las preferencias y al apetito de riesgo de cada inversor.
Índice de Sharpe (IS)
Según Ferreira y Costa[7], la función del índice de Sharpe (IS) es servir como indicador de rendimiento para relacionar el retorno de una inversión con el riesgo asumido. Desarrollado por William Sharpe, el IS está inserto en la Teoría de Selección de Carteras a través del modelo de Capital Asset Pricing Model (CAPM), siendo utilizado para identificar, en la Línea de Asignación de Capital (CAL), las carteras consideradas óptimas.
Además, los autores Ferreira y Costa[7] elaboran que el IS se calcula con base en la media aritmética de los retornos excedentes proporcionados por el activo en un determinado intervalo de tiempo, dividida por la desviación estándar de estos retornos, la cual representa la variabilidad. Así, cuanto mayor sea el IS, mejor será el desempeño ajustado al riesgo de la inversión.
Frontera eficiente (FE)
Markowitz[1] publicó un artículo que fundamenta el proceso de toma de decisiones para la elección de carteras óptimas, en el que se reitera la importancia de la diversificación de la cartera para componer un portafolio de calidad que equilibre el retorno esperado y el riesgo, conforme a las preferencias individuales de los inversores. Hieda y Oda[8] afirman que, para la construcción de la curva de la frontera eficiente (FE) de activos de riesgo, es necesario modelar la cartera con base en restricciones lógico-matemáticas. Los autores explican este proceso con base en el principio de dominancia de Sharpe[9], según el cual el inversor selecciona el portafolio que ofrece el menor riesgo posible para cada nivel de retorno esperado, y el mayor retorno posible para cada nivel de riesgo.
Aún según Hieda y Oda[8], cada punto de la FE equivale a una cartera eficiente, es decir, con el retorno más elevado dado cierto grado de riesgo. Es por medio de esta frontera que se identifica la cartera óptima.
Línea de asignación de capital (CAL)
Según Bodie et al.[10], cada inversor busca asignar los activos disponibles en su portafolio, de modo a adecuar la elección de estos recursos a su nivel de riesgo tolerado y retorno esperado, lo que resulta en la formación de su conjunto de oportunidades de inversión. Cuanto mayor es la aversión al riesgo, menor tiende a ser la exposición a aplicaciones de alto riesgo y mayor la preferencia por alternativas con tasa libre de riesgo. Los autores Bodie et al.[10] ilustran este conjunto de oportunidades por medio de una línea recta denominada línea de asignación de capital (CAL), que representa todas las combinaciones posibles de riesgo y retorno disponibles para el inversor. La CAL sirve como referencia para identificar las mejores alternativas de composición de cartera, considerando el perfil de riesgo individual.
Cartera óptima
La cartera óptima, según lo descrito por Markowitz[1], es aquella que presenta la menor varianza entre una serie infinita de carteras que ofrecen el mismo retorno esperado. El inversor, de acuerdo con su grado de aversión al riesgo, busca maximizar este retorno.
Los perfiles de inversor pueden clasificarse como conservador, moderado o audaz. El perfil conservador prioriza la minimización del riesgo, concentra las inversiones en activos libres de riesgo y limita la exposición a activos más volátiles. El perfil audaz, por otro lado, tiene mayor tolerancia al riesgo y, en consecuencia, adopta estrategias más atrevidas para obtener un mayor retorno. El perfil moderado se posiciona entre los dos, tolera cierto nivel de riesgo a cambio de ganancias superiores a las obtenidas por inversores conservadores.
Para determinar la cartera óptima, Bodie et al.[10] introducen el concepto de Función Utilidad, que expresa la utilidad que un inversor obtiene de una cartera. La utilidad se eleva a medida que la tasa de retorno esperado crece, y decae cuando la tasa de riesgo aumenta. Los mismos autores describen también la curva de indiferencia (CI), que es la representación gráfica de todos los puntos que forman cierto grado de utilidad, dada la compensación demandada por el inversor entre riesgo y retorno. Cuanto más elevada la curva, mayor la utilidad. La yuxtaposición de la CI con la CAL permite identificar la mayor CI que tangencia la CAL. El punto de tangencia representa la equiparación entre el riesgo y el retorno esperado, lo que caracteriza la cartera completa óptima.
Las seis acciones que presentan mejor desempeño, según la teoría de riesgo y retorno, utilizadas en el análisis de la cartera, están representadas en el Cuadro 1 a continuación.
Tabla 1. Las acciones más rentables entre el 6 de noviembre de 2020 y el 3 de agosto de 2023 y sus códigos
de la B3
| Código de la acción de la empresa | Nombre de la empresa |
| BAUH4.SA | Excelsior Alimentos SA |
| RSUL4.SA | Metalúrgica Riosulense SA |
| LAND3.SA | Tierra Santa Propiedades Agrícolas SA |
| LOGN3.SA | Log-in Logística Intermodal SA |
| MRSA5B.SO | MRS Logística SA |
| BAZA3.SA | Banco da Amazônia SA |
La cartera proporcional, construida con base en la teoría de riesgo y retorno, exhibe los riesgos representados por la desviación estándar y los retornos, expresados por la media de la rentabilidad en el período analizado, en términos porcentuales. El análisis contempla cada una de las seis acciones seleccionadas, así como el desempeño total de la cartera, con la adición de la tasa libre de riesgo (risk-free), representada por el CDI diario del período considerado.
Los cálculos se realizaron con la herramienta “Solver” de Microsoft Excel, utilizada para determinar la asignación óptima de los pesos de cada activo en la cartera. Además, se calculó el IS, que evalúa el retorno medio excedente de un activo en un período determinado, ajustado a su riesgo.
La cartera proporcional según la teoría de riesgo y retorno se presenta en la Tabla 1 a continuación. Los pesos asignados a cada activo se distribuyeron con el fin de alcanzar la proporción más equilibrada entre riesgo y retorno. El análisis de la Tabla 1 permite inferir que la cartera presenta rentabilidad positiva, dado que el IS obtenido es superior a cero.
Adicionalmente, se incluyó el coeficiente de variación (CV), indicador que mide la variación del riesgo frente al retorno de cada activo y de la cartera en su totalidad. Cuanto más elevado su valor, mayor la variabilidad relativa de los retornos en relación a la media. En este caso, la cartera se revela compuesta por activos con variación razonablemente homogénea.
Tabla 1. Análisis de la cartera de proporción de la teoría riesgo-retorno
| Métricas | BAUH4.SA | RSUL4.SA | BAZA3.SA | LAND3.SA | LOGN3.SA | MRSA5B.SO | Libre de riesgo | Cartera |
| ————————————————————En porcentaje (%) | ||||||||
| Rendimiento | 0,11 | 0,16 | 0,11 | 0,04 | 0,18 | 0,12 | 0,02 | 0,14 |
| Riesgo | 1,85 | 2,63 | 2,32 | 1,13 | 3,39 | 2,51 | 0,00 | 1,26 |
| Pesos | 29,00 | 25,00 | 9,00 | 1,00 | 13,00 | 23,00 | – | 100,00 |
| Coeficiente de variación | 16,81 | 16,43 | 21,09 | 28,25 | 18,83 | 20,91 | – | 9,33 |
| Índice de Sharpe | 0,09 | |||||||
Nota: Los campos de peso se dejaron en blanco para los ítems “Libre de riesgo” y “Cartera” por razones metodológicas.
La FE analiza los puntos en los que se forman todas las carteras viables de inversiones, con enfoque en la mejor relación posible entre riesgo y retorno. Conforme presentado en la Tabla 2 abajo, se simularon 20 carteras distintas, construidas con base en la teoría riesgo-retorno, las cuales resultaron en la formación de la curva de la FE para el escenario analizado.
Se observa que, del primer punto al último de la Tabla 2, la distribución va de la cartera viable de mayor retorno hasta la de menor riesgo. El análisis indica que el intervalo entre los puntos 9 y 10 presenta el mejor equilibrio entre riesgo y retorno; este es el punto en el que el IS más se aproxima al valor del retorno, lo que caracteriza a la cartera de mejor viabilidad entre las opciones simuladas.
Tabla 2. Frontera eficiente
| Número | –—————-Rendimiento (y) | ——————-Riesgo (x) |
| ——————————————En porcentaje (%) | ||
| 1 | 0,181 | 3,386 |
| 2 | 0,176 | 2,701 |
| 3 | 0,170 | 2,253 |
| 4 | 0,165 | 2,012 |
| 5 | 0,159 | 1,817 |
| 6 | 0,154 | 1,650 |
| 7 | 0,148 | 1,505 |
| 8 | 0,143 | 1,390 |
| 9 | 0,138 | 1,300 |
| 10 | 0,132 | 1,236 |
| 11 | 0,127 | 1,177 |
| 12 | 0,121 | 1,122 |
| 13 | 0,116 | 1,070 |
| 14 | 0,111 | 1,024 |
| 15 | 0,105 | 0,982 |
| 16 | 0,100 | 0,947 |
| 17 | 0,094 | 0,918 |
| 18 | 0,089 | 0,897 |
| 19 | 0,084 | 0,884 |
| 20 | 0,078 | 0,879 |
La siguiente Tabla 3 presenta el estudio de la cartera con y sin riesgo en el período comprendido entre el 6 de noviembre de 2020 y el 3 de agosto de 2023. La CAL revela todas las combinaciones de riesgo y retorno disponibles para los inversores en la construcción de una cartera de inversiones.
La distribución entre activos con y sin riesgo contempla diferentes perfiles de inversor. El perfil más audaz está representado por la disposición del 100% en activos con riesgo y 0% en activos libres de riesgo. El perfil moderado elige una distribución equilibrada, con 50% en activos con riesgo y 50% en activos sin riesgo. A su vez, el perfil conservador selecciona la cartera con 0% del activo con riesgo y 100% del activo sin riesgo.
A partir de estas proporciones, el inversor ajusta la asignación de recursos según su grado de aversión al riesgo, para maximizar el retorno esperado dentro de su perfil. Los inversores conservadores se centran en minimizar el riesgo, mientras que los inversores audaces están más dispuestos a asumir mayores riesgos en busca de retornos superiores. Observe la Tabla 3 a continuación:
Tabla 3. Cartera con y sin riesgo – 2020/2023
| Perfil de inversor | ————–Participaciones | —–Retorno —–(diario) | ——Riesgo —–(diario) | ——Rendimiento ——-(anualizado) | ——Riesgo —(anualizado) | |
| —–Riesgo | —–Sin Riesgo | |||||
| ———————————————————-En porcentaje (%) | ||||||
| Arriesgado | 100 | 0 | 0,14 | 1,26 | 40,34 | 22,64 |
| 95 | 5 | 0,13 | 1,20 | 38,39 | 19,16 | |
| 90 | 10 | 0,12 | 1,14 | 36,48 | 16,23 | |
| 85 | 15 | 0,12 | 1,07 | 34,59 | 13,73 | |
| 80 | 20 | 0,11 | 1,01 | 32,73 | 11,58 | |
| 75 | 25 | 0,11 | 0,95 | 30.89 | 9,75 | |
| 70 | 30 | 0,10 | 0,88 | 29,08 | 8,19 | |
| 65 | 35 | 0,10 | 0,82 | 27,29 | 6,85 | |
| 60 | 40 | 0,09 | 0,76 | 25,53 | 5,71 | |
| 55 | 45 | 0,09 | 0,69 | 23,79 | 4,71 | |
| Mesurado | 50 | 50 | 0,08 | 0,63 | 22,08 | 3,88 |
| Prudente | 45 | 55 | 0,07 | 0,57 | 20,39 | 3,17 |
| 40 | 60 | 0,07 | 0,51 | 18,72 | 2,56 | |
| 35 | 65 | 0,06 | 0,44 | 17,08 | 2,04 | |
| 30 | 70 | 0,06 | 0,38 | 15,45 | 1,59 | |
| 25 | 75 | 0,05 | 0,32 | 13,85 | 1,21 | |
| 20 | 80 | 0,05 | 0,25 | 12,28 | 0,89 | |
| 15 | 85 | 0,04 | 0,19 | 10,72 | 0,61 | |
| 10 | 90 | 0,04 | 0,13 | 9,19 | 0,37 | |
| 5 | 95 | 0,03 | 0,06 | 7,68 | 0,17 | |
| 0 | 100 | 0,02 | 0,00 | 6,19 | 0 | |
| Cartera óptima completa | 13,90 | 85,10 | 0,04 | 0,18 | – | – |
Nota: Los valores anualizados de la cartera óptima completa no fueron calculados en esta etapa por no ser utilizados directamente en las simulaciones presentadas, sirviendo solo como punto teórico de referencia de la CA.
Con el fin de actualizar este estudio sobre las mejores carteras de inversión para cada perfil de inversor, se analizó el período de un año, del 10 de abril de 2023 al 09 de abril de 2024. En este intervalo, se calculó la media del CDI diario, indicador utilizado como tasa libre de riesgo, según se presenta en la Tabla 4 a continuación.
La CAL representa todas las combinaciones de riesgo y retorno disponibles para los inversores en una cartera. El análisis de la Tabla 4 debe seguir los mismos criterios adoptados en la Tabla 4, referentes a la distribución de los perfiles de riesgo de los inversores.
Tabla 4. Cartera con y sin riesgo – 2023/2024
| Perfil de inversor | ————–Participaciones | —–Retorno ––—(diario) | ——Riesgo ——(diario) | —–Rendimiento ——–(anualizado) | ——-Riesgo —(anualizado) | |
| ——Riesgo | —–Sin Riesgo | |||||
| ———————————————————En porcentaje (%) | ||||||
| Arriesgado | 100 | 0 | 0,01 | 2,14 | 2,62 | 207,69 |
| 95 | 5 | 0,01 | 2,04 | 3,10 | 159,24 | |
| 90 | 10 | 0,01 | 1,93 | 3,57 | 122,01 | |
| 85 | 15 | 0,02 | 1,82 | 4,05 | 93,40 | |
| 80 | 20 | 0,02 | 1,71 | 4,53 | 71,43 | |
| 75 | 25 | 0,02 | 1,61 | 5,02 | 54,55 | |
| 70 | 30 | 0,02 | 1,50 | 5,50 | 41,60 | |
| 65 | 35 | 0,02 | 1,39 | 5,99 | 31,65 | |
| 60 | 40 | 0,03 | 1,29 | 6,48 | 23,95 | |
| 55 | 45 | 0,03 | 1,18 | 6,98 | 18,12 | |
| Mesurado | 50 | 50 | 0,03 | 1,07 | 7,47 | 13,65 |
| Prudente | 45 | 55 | 0,03 | 0,96 | 7,97 | 10,21 |
| 40 | 60 | 0,03 | 0,85 | 8,47 | 7,59 | |
| 35 | 65 | 0,03 | 0,75 | 8,97 | 5,57 | |
| 30 | 70 | 0,04 | 0,64 | 9,48 | 4,03 | |
| 25 | 75 | 0,04 | 0,54 | 9,98 | 2,85 | |
| 20 | 80 | 0,04 | 0,43 | 10,49 | 1,93 | |
| 15 | 85 | 0,04 | 0,32 | 11,00 | 1,24 | |
| 10 | 90 | 0,04 | 0,21 | 11,52 | 0,71 | |
| 5 | 95 | 0,05 | 0,11 | 12,03 | 0,31 | |
| 0 | 100 | 0,05 | 0,00 | 12,55 | 0,00 | |
Con el fin de averiguar si la cartera previamente elaborada habría presentado un rendimiento superior al del índice de mercado Ibovespa en el período del 10 de abril de 2023 al 09 de abril de 2024, se calcularon los retornos y los riesgos de cada uno de los seis activos, de la cartera en su totalidad y del propio indicador. Los resultados se presentan en la Tabla 6 a continuación. Se observa que, en el intervalo analizado, el índice superó la cartera propuesta en este estudio y presentó retornos diarios y acumulados a lo largo del año superiores a los obtenidos por la cartera.
Tabla 6. Comparación de la cartera y el Ibovespa (IBOV)
| Activo | Ibovespa | BAUH4.SA | RSUL4.SA | BAZA3.SA | LAND3.SA | LOGN3.SA | MRSA5B.SO | Cartera |
| ————————————————————–En porcentaje (%) | ||||||||
| Tasa Interna de Retorno (12 meses) | 22,88 | 6,33 | 27,19 | 55,77 | -70,07 | -86,11 | 0,79 | 2,55 |
| Retorno (diario) | 0,09 | 0,03 | 0,11 | 0,22 | -0,28 | -0,35 | 0,00 | 0,01 |
| Riesgo | 0,96 | 0,97 | 2,05 | 1,45 | 2,16 | 7,14 | 1,27 | 2,14 |
| Pesos | – | 29,00 | 25,00 | 9,00 | 1,00 | 13,00 | 23,00 | – |
Nota: Los campos de peso para ‘Ibovespa’ y ‘Cartera’ fueron omitidos por representar el resultado consolidado de la asignación y uno externo a la cartera.
Como se observó, hasta agosto de 2023 la cartera presentaba alta rentabilidad, con rendimientos que superaron el grado de riesgo asumido. A partir de septiembre de 2023 y a lo largo de 2024, sin embargo, su desempeño comenzó a declinar, principalmente debido a factores internos de las empresas componentes, lo que resultó en un rendimiento inferior al Ibovespa en el período de abril de 2023 a abril de 2024.
La principal razón de esta caída, especialmente en comparación con el excelente desempeño entre el 6 de noviembre de 2020 y el 3 de agosto de 2023, fue la retirada del activo LOGN3.SA, entonces el más rentable de la cartera. Según el Cuadro 6, este activo sufrió una caída expresiva en el período. Según la revista Valor Econômico, Log-In Logística Intermodal SA, responsable de LOGN3.SA, reportó una pérdida neta millonaria en septiembre de 2023, lo que justifica la retirada abrupta[11].
Se recuerda que la Teoría de Riesgo-Retorno de Markowitz[1] orienta al inversor a diversificar entre activos que maximicen el retorno esperado y minimicen el riesgo, de acuerdo con su perfil. La cartera siguió estas directrices, basándose en la teoría y en el escenario económico brasileño del período.
Por lo tanto, se alcanzó el objetivo del estudio: la cartera se estructuró según los principios de Markowitz y presentó una rentabilidad significativa en una parte relevante del intervalo observado. El análisis también permitió identificar momentos de caída y comprender sus causas, evidenciando la importancia del seguimiento continuo del desempeño. Se resalta la importancia de estudios a largo plazo sobre carteras de inversión, ya que solo con monitoreo continuo es posible medir resultados con solidez y reducir sesgos. El análisis mostró que, aunque rentable en el primer período, la cartera requiere ajustes estratégicos para mantener el rendimiento en escenarios futuros.
Se reconoce como limitación el criterio de selección de los activos, basado exclusivamente en rentabilidad pasada. Otros métodos podrían complementar el análisis. Para estudios futuros, se recomienda incluir pruebas de robustez, variaciones en los pesos de los activos, costos de transacción y liquidez como criterios adicionales. Ante esto, se refuerza que la rentabilidad pasada no garantiza resultados futuros. El rendimiento de la cartera se calculó con base en datos históricos, sin considerar proyecciones o expectativas. Esto demuestra la importancia de aliar el análisis cuantitativo al cualitativo. Por último, al comparar carteras en diferentes períodos, es fundamental ir más allá de los números. No basta ordenar datos para sacar conclusiones: es necesario investigar fundamentos, contextualizar resultados y proyectar escenarios futuros con análisis crítico y fundamentado.
Referencias
[1] Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77–91.
[2] B3 – Bolsa de Valores. Empresas listadas. São Paulo, Brasil. Disponível em: https://www.b3.com.br/pt_br/produtos-e-servicos/negociacao/renda-variavel/empresas-listadas.htm
[3] Banco Central do Brasil (BCB). Dados diários do Selic: banco de dados. Brasília, Distrito Federal, Brasil. Disponível em: https://www.bcb.gov.br/estabilidadefinanceira/selicdadosdiarios
[4] B3 – Bolsa de Valores. Número de investidores na B3 cresce 34% em renda fixa e 23% em renda variável em 12 meses. São Paulo, Brasil. Disponível em: https://www.b3.com.br/pt_br/noticias/numero-de-investidores-na-b3-cresce-34-em-renda-fixa-e-23-em-renda-variavel-em-12-meses.htm
[5] Banco Central do Brasil. Sistema Gerenciador de Séries Temporais: CDI banco de dados. Brasília, Distrito Federal, Brasil. Disponível em: https://www3.bcb.gov.br/sgspub/localizarseries/localizarSeries.do?method=prepararTelaLocalizarSeries
[6] Refinitiv – Thomson Reuters. London Stock Exchange Group. Disponível em: https://www.lseg.com/en
[7] Ferreira, E.C.; Costa, S.R.R. (2016). A utilização do índice de Sharpe como ferramenta para comparação de risco/retorno em fundos de investimento. Revista Espacios, 37(15).
[8] Hieda, A.; Oda, A.L. (1998). Um estudo sobre a utilização de dados históricos no modelo de Markowitz aplicado à Bolsa de Valores de São Paulo. In: Seminários de Administração – III SEMEAD, 3, out. 1998, São Paulo. Anais do III SEMEAD. Faculdade de Economia, Administração e Contabilidade da USP, São Paulo, Brasil.
[9] Sharpe, W.F.; Alexander, G.J.; Bailey, J.V. (1995). Investments. Prentice Hall, New Jersey, USA.
[10] Bodie, Z.; Kane, A.; Marcus, A. (2014). Fundamentos de investimentos. AMGH Editora, Porto Alegre, RS, Brasil.
[11] Meneses, V. (2024). Log-In reverte lucro e tem prejuízo de R$ 35,9 milhões no 4º trimestre. Valor Econômico. Disponível em: https://valor.globo.com/empresas/noticia/2024/03/06/log-in-reverte-lucro-e-tem-prejuizo-de-r-359-milhoes-no-4o-trimestre.ghtml
Como citar
Colobiale, J.P.; Souza, R. Risco-retorno e perfil de investidor: uma análise de desempenho da carteira de investimentos. Revista E&S. 2025; 6: e2024063
Sobre los autores
Júlia Pereira Colobiale – Especialista en Finanzas y Controladoria por el MBA USP/Esalq. Campinas, São Paulo, Brasil
Ricardo de Souza – Profesor orientador. Rua Cezira Giovanoni Moretti, 580, Santa Rosa, CEP: 13414-157, Piracicaba/SP, Brasil