Como a covariância é usada na teoria de portfólio?
A covariância é usada na teoria do portfólio para determinar quais ativos incluir no portfólio. Covariância é uma medida estatística da relação direcional entre dois preços de ativos. A teoria moderna de portfólio usa essa medida estatística para reduzir o risco geral de um portfólio. Uma covariância positiva significa que os ativos geralmente se movem na mesma direção. A covariância negativa significa que os ativos geralmente se movem em direções opostas. Aqui, discutiremos como a covariância é usada para reduzir o risco de investimento e fornecer diversificação de portfólio.
Principais vantagens
- Covariância é uma ferramenta estatística que os investidores usam para medir a relação entre o movimento de dois preços de ativos.
- Uma covariância positiva significa que os preços dos ativos estão se movendo na mesma direção geral.
- Uma covariância negativa significa que os preços dos ativos estão se movendo em direções opostas.
- Os investidores que usam a teoria moderna de portfólio (MPT) procuram otimizar os retornos, incluindo ativos em sua carteira que têm uma covariância negativa.
- Covariance ajuda os investidores a criar um portfólio que inclui uma combinação de tipos distintos de ativos, empregando assim uma estratégia de diversificação para reduzir o risco.
Covariância e Teoria Moderna de Portfólio (MPT)
A covariância é uma medida importante usada na moderna teoria de portfólio (MPT). O MPT tenta determinar uma fronteira eficiente para uma combinação de ativos em um portfólio. A fronteira eficiente busca otimizar o retorno máximo versus o grau de risco para todos os ativos combinados na carteira.
O objetivo é escolher ativos que tenham um desvio padrão inferior para o portfólio combinado que seja menor que o desvio padrão dos ativos individuais. Isso pode reduzir a volatilidade da carteira. A teoria moderna de portfólio busca criar uma combinação ideal de ativos de alta volatilidade com ativos de baixa volatilidade. Ao diversificar os ativos em uma carteira, os investidores podem reduzir o risco e ainda permitir um retorno positivo.
O Dr. Harry Markowitz criou a moderna teoria do portfólio (MPT) em 1952 para ajudar os investidores a combinar sua tolerância ao risco com suas expectativas de recompensa para criar seu portfólio ideal.
Covariância negativa e construção de portfólio
Na construção de uma carteira, é importante tentar reduzir o risco geral, incluindo ativos que tenham uma covariância negativa entre si. Os analistas usam dados históricos de preços para determinar a medida de covariância entre diferentes ações. Isso pressupõe que a mesma relação estatística entre os preços dos ativos continuará no futuro, o que nem sempre é o caso. Ao incluir ativos que apresentam uma covariância negativa, o risco de uma carteira é minimizado.
Fórmula de covariância
A covariância de dois ativos é calculada por uma fórmula. A primeira etapa da fórmula determina o retorno médio diário de cada ativo individual. Em seguida, a diferença entre o retorno diário menos o retorno médio diário é calculada para cada ativo, e esses números são multiplicados entre si. A etapa final é dividir esse produto pelo número de períodos de negociação, menos 1.
A covariância pode ser usada para maximizar a diversificação em um portfólio de ativos. Ao adicionar ativos com uma covariância negativa a uma carteira, o risco geral é reduzido rapidamente. A covariância fornece uma medida estatística do risco para uma combinação de ativos.
Desvantagens da covariância
O uso de covariância tem desvantagens. A covariância só pode medir a relação direcional entre dois ativos. Não pode mostrar a força da relação entre os ativos.
O coeficiente de correlação é uma medida melhor dessa força. Uma desvantagem adicional do uso da covariância é que o cálculo é sensível a retornos de volatilidade mais altos. Ativos mais voláteis incluem retornos mais distantes da média. Esses retornos periféricos podem ter uma influência indevida no cálculo de covariância resultante. Grandes movimentos de preços em um único dia podem impactar a covariância, o que leva a uma estimativa imprecisa da medição.