A Mean-Variance look at Robo Advising

Nos últimos anos, a indústria de gestão de riquezas enfrentou desafios significativos e tendências impactantes, tais como a diminuição da confiança dos clientes nos serviços financeiros tradicionais, novos encargos regulatórios e aumento da concorrência. Neste contexto, a ascensão de gestores de investimento automatizados, conhecidos como "roboadvisors" e a nova combinação de ciência e capital humano tem desafiado a indústria de gestão de capital a encontrar novas formas de criar valor para beneficiar o cliente. Sobre esse assunto, esse projeto contribui para uma análise de risco-retorno e analise das fronteiras eficientes do portfólio recomendado de cinco plataformas online nos Estados Unidos em março de 2017: Charles Schwab, SigFig, Wealthfront, ToleRisk e RiskAlyze. Nessa análise, são realizados "backtesting" para avaliar o desempenho, a volatilidade, o valor em risco e os índices de Sharpe. Esse projeto é baseado na Teoria da Variação Média e é baseado em preços históricos de fechamento semanal de fundos de investimento abertos negociados em bolsa. Os resultados indicam que a prática atual de utilizar questionários para determinar o perfil de risco do investidor é de confiabilidade limitada. Os resultados também mostram que o modelo "robo-advisory" aparentemente beneficia investidores conservadores. Assim, esta dissertação contribui para uma visão sobre os benefícios e limitações das plataformas de investimento online, fornecendo um parâmetro para uma melhor compreensão do seu potencial futuro.