Alocação ótima de portfólios: uma abordagem quântica para o mercado acionário brasileiro

• Ano de defesa: 2024
• Autor(a) principal: Lucacin, Pedro Luiz Siviero
• Orientador(a): Maranhão, André Nunes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Otimização de portfólios; Computação quântica; Ações; VQE; QAOA; MV
• Palavras-chave em Inglês: Portfolio optimization; Quantum computing; Stocks
• Link de acesso: https://hdl.handle.net/10438/35233

Este estudo investiga a eficácia dos algoritmos quânticos Variational Quantum Eigensolver (VQE) e Quantum Approximate Optimization Algorithm (QAOA) no contexto de otimização de portfólios, comparando-os em termos de Sharpe Ratio com a solução do modelo clássico de média-variância e o índice amplo de mercado (IBOVESPA). A pesquisa realiza o backtesting das estratégias utilizando dados mensais do mercado acionário brasileiro, abordando o período de 2007 a 2023, e inclui análises tanto em computadores quânticos reais, quanto em simuladores. O estudo revela que os algoritmos quânticos se mostram competitivos, superando o modelo de média-variância, em termos de Sharpe Ratio, com significância estatística e apresentando menor índice de perdas. Esses resultados indicam que a computação quântica pode contribuir com soluções inovadoras e eficientes no campo das finanças, e abre novas perspectivas para pesquisas futuras sobre a aplicação da computação quântica em gestão de investimentos. O estudo também aborda os desafios atuais da computação quântica, como a baixa oferta de dispositivos, elevado tempo de espera em filas e backends com número reduzido de QUBITS.