Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/82322
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorFigueiredo, Tatiane Fernandes-
dc.contributor.authorBosco, Caio Finotti-
dc.date.accessioned2025-09-02T13:00:10Z-
dc.date.available2025-09-02T13:00:10Z-
dc.date.issued2025-
dc.identifier.citationBOSCO, Caio Finotti. Otimizando carteiras de investimento em ações com Programação Linear. 2025. Trabalho de Conclusão de Curso (Graduação em Engenharia de Software) - Campus de Russas, Universidade Federal do Ceará, Russas, 2025.pt_BR
dc.identifier.urihttp://repositorio.ufc.br/handle/riufc/82322-
dc.description.abstractThe stock market, characterized by high volatility and economic uncertainty, requires the use of quantitative strategies — that is, those based on numerical data and mathematical models — to guide investment allocation. In this context, this study proposed the application of Operations Research and Linear Programming, solved using the Simplex Method, with the objective of optimizing investment portfolios for different risk profiles: conservative, moderate, and ag- gressive. The methodology involved the collection and analysis of data from stocks that make up the Ibovespa Index. Subsequently, a mathematical optimization model was developed and implemented in Python using the MIP library. The model aimed to maximize the expected return of portfolios while respecting the risk constraints defined for each investor profile. As a main result, based on the analysis of the portfolios generated for the year 2023 from a universe of 87 assets, three low-risk portfolios with the highest returns were identified and recommended for any type of investor. Excluding these options, the model produced distinct outcomes for each profile, according to their respective risk levels.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsAcesso Abertopt_BR
dc.titleOtimizando carteiras de investimento em ações com Programação Linearpt_BR
dc.typeTCCpt_BR
dc.description.abstract-ptbrO mercado de ações, marcado pela alta volatilidade e incerteza econômica, demanda o uso de estratégias quantitativas — ou seja, baseadas em dados numéricos e modelos matemáticos — para orientar a alocação de investimentos. Neste contexto, propôs-se a aplicação da Pesquisa Operacional e da Programação Linear, com resolução por meio do Método Simplex, visando à otimização de portfólios para diferentes perfis de risco: conservador, moderado e agressivo. A metodologia envolveu a coleta e análise de dados de ações que compõem o Índice Bovespa. Em seguida, o desenvolvimento de um modelo matemático de otimização, codificado em Python e utilizando a biblioteca MIP. O modelo buscou maximizar o retorno esperado das carteiras, respeitando as restrições de risco definidas para cada perfil. Como principal resultado, com base na análise das carteiras geradas para o ano de 2023, a partir de um universo de 87 ativos, identificaram-se três carteiras de baixo risco com os melhores retornos, recomendadas para qualquer perfil de investidor. Excluindo essas alternativas, o modelo apresentou resultados distintos para cada perfil, conforme os níveis de risco estipulados.pt_BR
dc.subject.ptbrotimização de portfóliopt_BR
dc.subject.ptbrprogramação linearpt_BR
dc.subject.ptbrinvestimentospt_BR
dc.subject.enportfolio optimizationpt_BR
dc.subject.enlinear programmingpt_BR
dc.subject.eninvestmentspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWAREpt_BR
local.author.orcidhttps://orcid.org/0009-0005-1345-9915pt_BR
local.author.latteshttp://lattes.cnpq.br/3718894213097031pt_BR
Aparece nas coleções:ENGENHARIA DE SOFTWARE - RUSSAS - Monografias

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2025_tcc_cfbosco.pdf727,04 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.