The Long-Only Minimum Variance Portfolio in a One-Factor Market: Theory and Asymptotics

Este artigo fornece uma solução explícita e caracteriza o conjunto de ativos do portfólio de variância mínima apenas longo em um modelo de um fator com betas de sinal misto, demonstrando que, no regime de alta dimensão, a proporção de ativos ativos converge para o valor da função de distribuição acumulada dos betas em uma raiz específica de uma equação integral.

O essencial

Imagine que você é o capitão de um navio (sua carteira de investimentos) e seu objetivo é atravessar um oceano turbulento (o mercado financeiro) com o menor balanço possível. Você quer evitar que o barco vire, ou seja, você quer minimizar o risco (a volatilidade).

Este artigo é como um manual de navegação para um tipo específico de capitão: aquele que só pode comprar ações (não pode vender o que não tem, o que chamamos de "curto" ou short selling).

Aqui está a explicação do que os autores descobriram, usando analogias do dia a dia:

1. O Problema: O "Fator Único" e a Regra de Ouro

A maioria das ações no mercado se move junto. Se a economia vai bem, a maioria sobe; se vai mal, a maioria cai. Os autores chamam isso de "Fator Único" (como uma maré que empurra todos os barcos ao mesmo tempo).

• O Cenário Antigo: Antes, os matemáticos diziam: "Para minimizar o risco, você deve comprar ações que sobem e vender (fazer short) ações que caem". Isso é ótimo para reduzir o risco, mas na vida real, muitos investidores (como fundos de pensão) não podem vender ações que não possuem. Eles só podem comprar.
• O Dilema: Quando você é obrigado a só comprar, como você escolhe quais ações levar? Se você pegar todas, o risco é alto. Se pegar apenas as "melhores", qual é o critério?

2. A Grande Descoberta: O "Filtro de Beta"

Os autores (Kercheval e Sowunmi) criaram uma fórmula mágica para resolver esse quebra-cabeça. Eles descobriram que, em um mercado com "Fator Único", a resposta é surpreendentemente simples:

Você só deve investir nas ações que têm um "Beta" baixo.

• O que é Beta? Imagine o Beta como a "sensibilidade" da ação à maré do mercado.
  • Beta Alto: A ação é como um barco de papel. Se a maré sobe 1 metro, ele sobe 2 metros. Se a maré desce, ele afunda rápido. É muito volátil.
  • Beta Baixo: A ação é como um barco de aço pesado. A maré sobe, ele sobe um pouquinho. A maré desce, ele desce um pouquinho. É estável.
  • Beta Negativo: A ação é um barco que vai na direção oposta à maré (raro, mas existe).

A Regra de Ouro do Artigo:
Para ter a carteira de menor risco possível (sem vender ações), você deve ignorar todas as ações com Beta alto e escolher apenas as ações com os Betas mais baixos, começando pelos mais baixos (ou negativos) e subindo até um certo limite.

É como se você tivesse uma lista de 1.000 barcos. O algoritmo diz: "Pegue os 50 barcos mais pesados e estáveis da lista. Ignore os outros 950, não importa o quão bonitos eles sejam".

3. A Surpresa: O "Efeito de Limite"

A parte mais interessante (e contraintuitiva) do artigo é o que acontece quando o mercado é gigante (milhares de ações).

Os autores provaram matematicamente que, se o mercado for muito grande e a maioria das ações tiver um Beta positivo (ou seja, a maioria segue a maré para cima):

• A carteira ativa encolhe drasticamente.
• Em vez de você diversificar em 1.000 ações, você acabará investindo em apenas algumas dezenas (ou até menos) das ações mais estáveis.

Analogia do "Filtro de Café":
Imagine que você tem um balde gigante com água suja (o mercado cheio de riscos). Você quer a água mais limpa possível.

• Se você tentar usar um filtro grosso (diversificar em tudo), a água ainda sai turva.
• O artigo diz que o melhor filtro é extremamente fino. Você deve deixar passar apenas as gotas mais puras (os Betas mais baixos).
• Quanto mais "água suja" (ações com Beta alto) você tem no balde, menos água você consegue filtrar. Se quase todas as ações forem "água suja", você terá pouquíssima água limpa na sua xícara.

4. O Que Acontece com os Betas Negativos?

O artigo também resolveu uma dúvida antiga: "E se houver ações que vão contra a maré (Beta negativo)?".

• Resposta: Elas são as primeiras a entrar na sua carteira! São as "âncoras" que estabilizam o barco.
• No entanto, mesmo com elas, se a maioria das ações for "instável" (Beta alto), a sua carteira ainda será composta por uma fração muito pequena do total de ações disponíveis.

5. Conclusão Prática: Por que isso importa?

Muitos investidores pensam: "Para ter menos risco, eu preciso ter mais ações diferentes".
Este artigo diz: "Não necessariamente."

Em um mercado real, onde a maioria das ações se move junto com a economia:

1. Tentar diversificar em todas as ações disponíveis na verdade aumenta o risco, porque você está forçando o barco a carregar as partes mais leves e instáveis.
2. A estratégia de menor risco é seletiva: fique apenas com o "topo da pirâmide" de estabilidade (os Betas mais baixos).
3. Se o mercado tiver muitas ações voláteis, sua carteira ideal será muito pequena em número de ativos, mas muito concentrada nos mais seguros.

Resumo em uma frase:
Para navegar com segurança em um mar agitado sem poder usar velas reversas (vender a descoberto), você não deve tentar segurar todos os barcos; você deve escolher apenas os poucos barcos de aço mais pesados e ignorar o resto, mesmo que isso signifique ter uma frota muito pequena.

Resumo técnico

Resumo Técnico: Carteira de Variância Mínima Long-Only em um Mercado de Um Fator

1. O Problema

O artigo aborda o problema de otimização de carteiras de Variância Mínima Long-Only (LOMV - Long-Only Minimum Variance). Diferente da carteira de variância mínima tradicional (que permite posições curtas, ou seja, pesos negativos), a carteira LOMV impõe restrições de não-negatividade ($w_i \geq 0$) em todos os ativos.

• Contexto: Em um mercado com $p$ ativos, busca-se minimizar a variância da carteira $w^\top \Sigma w$ sujeita a $w^\top \mathbf{1} = 1$ e $w \geq 0$.
• Desafio Principal: Enquanto a solução para carteiras long-short é explícita e fechada ($w_{LS} = \Sigma^{-1}\mathbf{1} / \mathbf{1}^\top \Sigma^{-1}\mathbf{1}$), a solução LOMV é um problema de otimização quadrática com restrições. A dificuldade central reside em identificar o conjunto ativo $K$ (os ativos com pesos estritamente positivos), pois as restrições de não-negatividade são "ativas" (binding) para os demais.
• Limitação da Literatura Anterior: Trabalhos anteriores (como Clarke et al., 2011; Qi, 2021) forneceram soluções parciais ou semi-formais, mas frequentemente assumiam que todos os betas ($\beta_i$) dos ativos eram positivos. O artigo visa resolver a questão aberta de como tratar betas de sinais mistos (positivos, negativos e zero) de forma rigorosa.

2. Metodologia e Modelo

Os autores analisam o problema sob um modelo de um único fator (Single-Factor Model), onde a matriz de covariância $\Sigma$ é dada por:
$$\Sigma = \sigma^2 \beta \beta^\top + \Delta$$
Onde:

• $\sigma^2$: Variância do retorno do fator comum.
• $\beta$: Vetor de exposições (betas) dos ativos ao fator.
• $\Delta$: Matriz diagonal de variâncias específicas ($\delta_i^2$) não correlacionadas com o fator.

Abordagem Analítica:

1. Redução do Problema: Utilizam as condições de Karush-Kuhn-Tucker (KKT) para demonstrar que, uma vez identificado o conjunto ativo $K$, a solução LOMV é idêntica à solução de variância mínima long-short calculada apenas sobre o subconjunto de ativos em $K$.
2. Sequência de Limiar ($R_i$): Para o caso de um fator, os autores derivam uma sequência explícita $R_i$ baseada nos betas ordenados e nas variâncias específicas. Eles provam que essa sequência é unimodal (cresce até um pico e depois decresce).
3. Identificação do Conjunto Ativo: O conjunto ativo $K$ corresponde exatamente aos primeiros $k$ ativos na ordem crescente de betas, onde $k$ é o último índice tal que $R_k > 0$. Isso elimina a necessidade de resolver equações de ponto fixo iterativas.
4. Análise Assintótica: No regime de alta dimensão ($p \to \infty$), onde os betas são amostrados de uma distribuição de probabilidade $F$, eles estudam a convergência da razão ativa ($k/p$), ou seja, a proporção de ativos que compõem a carteira.

3. Principais Contribuições e Resultados

A. Solução Explícita para Betas de Sinais Mistos (Teorema 1)

• Fornecem uma solução rigorosa e computável para o problema LOMV sob um modelo de um fator, permitindo que os betas tenham qualquer sinal.
• Resultado Chave: O conjunto de ativos ativos $K$ é determinado por um único limiar nos betas ordenados. Especificamente, se os betas são ordenados $\beta_1 \leq \beta_2 \leq \dots \leq \beta_p$, então $K = \{1, 2, \dots, k\}$.
• O índice $k$ é encontrado diretamente analisando o sinal da sequência $R_i$, sem necessidade de métodos numéricos complexos.
• Corolário: Se novos ativos forem adicionados ao mercado com betas maiores que o limiar atual, a composição da carteira ótima não muda.

B. Assintótica da Razão Ativa (Teorema 2)

• Analisam o comportamento da proporção de ativos ativos ($k/p$) quando $p \to \infty$.
• Definindo uma função $G(y) = \int_{-\infty}^y (x^2 - yx) dF(x)$, eles mostram que a razão ativa converge para $F(\beta^*)$, onde $\beta^*$ é a raiz de $G(y)=0$.
• Casos de Convergência:
  1. Betas Negativos e Média Positiva: A razão ativa converge para $F(\beta^*)$. Se $F$ for contínua em $\beta^*$, a convergência é garantida. Se $\beta^*$ for um átomo (massa pontual) de $F$, a sequência pode oscilar entre $F(\beta^*-)$ e $F(\beta^*)$, não convergindo.
  2. Betas Negativos e Média Zero: A razão ativa converge para 1 (todos os ativos são ativos).
  3. Betas Não-Negativos: Se não houver betas negativos, a razão ativa tende a zero (assintoticamente) se a distribuição não tiver átomos na origem. Isso explica por que, em mercados reais com betas predominantemente positivos, a restrição "long-only" é extremamente restritiva.

C. Taxa de Convergência (Teorema 3)

• Estabelecem uma taxa quantitativa para a convergência da razão ativa quando a fração de betas não-positivos ($F(0)$) é pequena.
• Resultado: Sob condições de momentos e concentração, a razão ativa $F(\beta^*)$ escala como $O(F(0)^{1/3})$. Ou seja, se a probabilidade de betas negativos for pequena, a proporção de ativos na carteira ótima será ainda menor, decaindo com a raiz cúbica dessa probabilidade.

4. Significado e Implicações

1. Resolução de uma Questão Aberta: O artigo resolve definitivamente a questão levantada por Qi [2021] sobre como estender a solução LOMV para betas de sinais mistos, fornecendo uma prova rigorosa e uma fórmula explícita.
2. Justificativa Quantitativa para Restrições: Os resultados explicam matematicamente por que, em mercados de ações reais (onde betas negativos são raros), a carteira de variância mínima "long-short" raramente é naturalmente "long-only". A imposição da restrição de não-negatividade força a exclusão da grande maioria dos ativos, resultando em carteiras altamente concentradas (baixa razão ativa).
3. Estabilidade e Oscilação: O trabalho revela uma instabilidade interessante: quando a distribuição de betas possui um átomo no ponto de corte crítico ($\beta^*$), a composição da carteira pode oscilar drasticamente entre diferentes realizações de amostras finitas, não convergindo para um único valor assintótico.
4. Aplicabilidade Prática: A solução baseada na sequência $R_i$ é computacionalmente eficiente ($O(\log p)$ via busca binária), tornando-a viável para mercados com milhares de ativos, superando a necessidade de métodos de otimização numérica genéricos que são mais lentos e menos interpretáveis.

5. Conclusão

Este artigo fornece uma fundação teórica sólida para a compreensão de carteiras de variância mínima com restrições de não-negatividade em modelos de fatores. Ao generalizar para betas de sinais mistos e analisar o regime de alta dimensão, os autores demonstram que a estrutura da carteira ótima é governada por uma propriedade de limiar simples nos betas, e que a proporção de ativos ativos é sensível à cauda esquerda da distribuição de betas, tendendo a zero em mercados onde betas negativos são raros.