Como otimizar uma carteira com Markowitz na prática

Otimizar uma carteira com Markowitz não é rodar um botão mágico que devolve a carteira perfeita. É um procedimento de quatro passos com uma armadilha embutida em cada um. Este guia mostra o método prático, do cálculo da matriz de covariância à fronteira eficiente, e deixa claro onde a teoria de 1952 ajuda e onde ela engana.

Antes do passo a passo, vale ter o conceito firme. Se a ideia de fronteira ainda é vaga, comece por o que é a fronteira eficiente de Markowitz. Aqui partimos do princípio de que a fronteira é o conjunto de carteiras que entregam o maior retorno esperado para cada nível de risco.

Os três insumos que o método exige

Toda otimização de Markowitz parte de três coisas. O retorno esperado de cada ativo, o risco de cada ativo medido pela volatilidade e a forma como os ativos se movem em conjunto, capturada pela covariância. O terceiro insumo é o que faz a diferença, porque é dele que nasce o benefício da diversificação.

A covariância é a versão não normalizada da correlação. Onde a correlação varia entre menos um e mais um, a covariância carrega também a magnitude das oscilações. Markowitz trabalha com a matriz de covariância porque ela combina, num só objeto, o risco individual e a interação entre os ativos.

Como montar a matriz de covariância

Para uma carteira de N ativos, a matriz de covariância é uma tabela N por N. Na diagonal ficam as variâncias de cada ativo, que é o desvio-padrão ao quadrado. Fora da diagonal ficam as covariâncias entre cada par. A matriz é simétrica, porque a covariância entre A e B é a mesma entre B e A.

1. Monte uma tabela de retornos periódicos, uma coluna por ativo e uma linha por período, na mesma frequência para todos.
2. No Excel, use COVARIAÇÃO.A entre cada par de colunas para preencher a matriz, ou a ferramenta de análise de dados para gerar tudo de uma vez.
3. Em Python, a operação é uma linha só. Um quadro de retornos chama o método de covariância e devolve a matriz inteira, já anualizada se você multiplicar pela frequência.
4. Confira a diagonal. Cada valor ali deve bater com a variância individual de cada ativo, um teste rápido de sanidade da matriz.

A matriz de covariância é o motor do risco da carteira. O risco total não é a média dos riscos individuais. É uma combinação que leva em conta os pesos de cada ativo e como eles se movem juntos, e é exatamente por isso que diversificar reduz risco sem precisar abrir mão de retorno na mesma proporção.

Como traçar a fronteira na prática

Com retornos esperados e matriz de covariância, a fronteira sai de um problema de otimização. Você fixa um nível de retorno alvo e pede ao otimizador os pesos que minimizam a volatilidade para aquele retorno. Repete para vários alvos e obtém a curva. Cada ponto da curva é uma carteira eficiente.

No Excel com o Solver

Monte células com os pesos de cada ativo, uma célula com o retorno da carteira, igual à soma dos pesos vezes os retornos esperados, e uma célula com a volatilidade da carteira, que usa a matriz de covariância. O Solver minimiza a volatilidade sujeito a duas restrições. A soma dos pesos igual a um e o retorno da carteira igual ao alvo. Rodar para vários alvos desenha a fronteira ponto a ponto.

Em Python, de forma conceitual

A lógica é a mesma, com mais escala. Você define a função de volatilidade da carteira a partir dos pesos e da matriz de covariância, e usa um otimizador para minimizá-la sob as mesmas restrições. Bibliotecas de otimização resolvem dezenas de alvos em segundos, e o resultado é a fronteira completa, da carteira de mínima variância até a de maior retorno viável.

“A fronteira não te diz qual carteira escolher. Te diz quais carteiras são burras de descartar, porque existe outra com mais retorno para o mesmo risco.”

Os limites que ninguém imprime no gráfico

A fronteira sai bonita e suave, e é aí que mora o perigo. O método é extremamente sensível aos insumos. Pequenas mudanças no retorno esperado de um ativo produzem carteiras ótimas radicalmente diferentes, em geral concentradas em poucos ativos. O otimizador confia cegamente nos seus números, e os seus números sobre retorno futuro são, na melhor das hipóteses, palpites.

• Sensibilidade aos inputs. Erros pequenos no retorno esperado viram carteiras ótimas muito diferentes.
• Retorno esperado é estimado, não conhecido. O passado não garante o futuro, e a otimização trata estimativa como verdade.
• Premissa de distribuição comportada. A matriz de covariância assume relações estáveis e caudas finas, que ativos de cripto e crises violam.
• Correlação que muda na hora errada. A covariância histórica calma some quando a correlação salta na crise.
• Concentração não intencional. Sem limites de peso, o otimizador empilha tudo no ativo de maior retorno estimado.

Como usar o método sem ser usado por ele

O profissional sério não joga fora Markowitz nem confia nele de olhos fechados. Usa a fronteira como bússola, não como GPS. Impõe limites de peso máximo por ativo para evitar concentração, encara os retornos esperados como cenários e não como certezas, e testa quanto a carteira muda quando os insumos variam. Se uma carteira ótima se desmancha com uma pequena mudança de premissa, ela não era ótima, era sorte de planilha.

Vale ainda lembrar que a covariância histórica engana justamente quando você mais precisa dela. Em tempos calmos os ativos parecem descorrelacionados. Na crise, a correlação salta para perto de um e a diversificação que a fronteira prometeu evapora. É a mesma armadilha que detalhamos em o que é correlação e por que ela some quando você precisa.

“A fronteira eficiente é uma ideia poderosa e uma ferramenta perigosa. O valor está na intuição que ela ensina, não na carteira exata que ela cospe.”

Perguntas frequentes

O que é preciso para otimizar uma carteira com Markowitz?

Três insumos. O retorno esperado de cada ativo, a volatilidade de cada ativo e a matriz de covariância, que captura como os ativos se movem em conjunto. Com isso, um otimizador encontra, para cada nível de retorno alvo, os pesos que minimizam a volatilidade da carteira, traçando a fronteira eficiente.

Em ferramentas, o Solver do Excel resolve carteiras pequenas e bibliotecas de otimização em Python resolvem carteiras maiores com a mesma lógica de minimizar risco sob a restrição de soma dos pesos igual a um.

Por que a carteira ótima de Markowitz costuma falhar na prática?

Porque o método é muito sensível aos insumos e o retorno esperado é uma estimativa, não um dado. Erros pequenos nas premissas geram carteiras ótimas muito diferentes, em geral concentradas. Além disso, a covariância histórica assume relações estáveis que a crise rompe, quando a correlação salta e a diversificação some.

Markowitz ainda vale a pena hoje?

Vale como intuição organizadora, não como receita automática. A ideia de buscar o maior retorno para cada nível de risco continua correta e útil. O erro é tratar a carteira numérica como verdade. Usada com limites de peso e teste de sensibilidade, a fronteira ajuda. Usada cega, ela amplifica os seus erros de estimativa.