O que é o vectorbt?

VectorBT é uma biblioteca Python de código aberto para análise quantitativa e backtesting. O intuito da biblioteca é auxiliar na construção de trading algorítmico e na realização de backtesting de estratégias de investimento. Realizamos uma introdução a biblioteca conforme o post "Primeiros Passos com o vectorbt".

Como criar um Portfólio de Investimentos?

Um portfólio de investimentos refere-se a uma coleção de ativos financeiros, como ações, títulos, fundos mútuos, imóveis e outros instrumentos financeiros, detidos por um investidor. O objetivo principal de construir um portfólio é diversificar os investimentos para reduzir o risco total. A diversificação permite que os investidores alcancem um equilíbrio entre risco e retorno, pois diferentes ativos reagem de maneira diferente às mudanças do mercado.

Assim sendo, criar um portfólio de investimentos reside na gestão eficaz do risco e na busca de retornos ajustados ao risco. Ao diversificar os investimentos em várias classes de ativos, setores e regiões geográficas, os investidores podem reduzir a exposição a eventos adversos específicos e aumentar as chances de obter retornos consistentes ao longo do tempo. Além disso, a construção de um portfólio alinhado aos objetivos financeiros e ao perfil de risco do investidor ajuda a alcançar metas específicas.

O cálculo do retorno de um portfólio envolve a ponderação dos retornos individuais de cada ativo pelo seu peso no portfólio. A fórmula básica para calcular o retorno de um portfólio ponderado é:

Onde:
- são os pesos dos ativos no portfólio (expressos como porcentagens do valor total do portfólio).
- são os retornos dos ativos individuais.

Por exemplo, se um investidor possui 50% de seu portfólio em ações com um retorno de 10% e 50% em títulos com um retorno de 5%, o retorno do portfólio seria:

*** QuickLaTeX cannot compile formula:
(0,5 \times 0,10) + (0,5 \times 0,05) = 0,075 \text{ ou 7,5%}

*** Error message:
File ended while scanning use of \text@.
Emergency stop.

É importante notar que esse cálculo é uma simplificação, pois não considera outros fatores como custos, impostos e o efeito de rebalanceamento do portfólio ao longo do tempo.

O que iremos criar?

Usando o vectorbt, iremos realizar a construção de 2000 Portfólio de Investimentos simulados, com base em 4 ativos escolhidos de forma aleatória (apenas para exemplificar o exercício). São eles: ITSA4, WEGE3, VALE3 e PETR4.

O período da amostra segue de 2019 até fim de 2023.

A ideia é gerar 8000 pesos aleatórios diferentes dos ativos e realizar a construção de 2000 Portfólio. Iremos escolher o Portfólio que melhor performou baseado em uma medida de risco-retorno (Índice de Sharpe). Ao fim, verificamos as principais estatísticas do Portfólio.

Abaixo, construímos com o vectorbt, o preço normalizado (retorno bruto acumulado) dos ativos individuais.

Verificamos as principais estatísticas descritivas de cada ativo.

Vemos que a média do retorno diário do ativo PETR4 performou melhor que os seus pares, enquanto a ITSA4 teve o pior desempenho.

symbol
ITSA4.SA    0.034657
WEGE3.SA    0.144166
VALE3.SA    0.094184
PETR4.SA    0.159173
dtype: float64 Em relação a volatilidade, verificamos que a PETR4 foi a mais arriscada, enquanto ITSA4 a que possuiu menor desvio padrão.

symbol
ITSA4.SA    1.852222
WEGE3.SA    2.412038
VALE3.SA    2.549426
PETR4.SA    2.845702
dtype: float64 A matriz de correlação demonstra que os ativos são todos positivamente correlacionados, indicando uma trajetória comum de seus retornos.

Criando o Portfólio com alocação em um único tempo

Simulamos os 2000 Portfólios, e verificamos os resultados em um gráfico de dispersão que demonstra a relação de retorno anualizado x risco anualizado. As cores são construídas conforme o Índice de Sharpe.

Escolhemos o melhor Portfólio, conforme o melhor Índice de Sharpe e verificamos os resultados abaixo.

Pesos dos ativos (em sequência):

array([0.00721164, 0.36543672, 0.09805157, 0.52930007])

Start                         2019-01-02 02:00:00+00:00
End                           2023-11-30 03:00:00+00:00
Period                               1222 days 00:00:00
Start Value                                       100.0
End Value                                    392.031083
Total Return [%]                             292.031083
Benchmark Return [%]                         190.328172
Max Gross Exposure [%]                            100.0
Total Fees Paid                                     0.0
Max Drawdown [%]                              51.129977
Max Drawdown Duration                 396 days 00:00:00
Total Trades                                          4
Total Closed Trades                                   0
Total Open Trades                                     4
Open Trade PnL                               292.031083
Win Rate [%]                                        NaN
Best Trade [%]                                      NaN
Worst Trade [%]                                     NaN
Avg Winning Trade [%]                               NaN
Avg Losing Trade [%]                                NaN
Avg Winning Trade Duration                          NaT
Avg Losing Trade Duration                           NaT
Profit Factor                                       NaN
Expectancy                                          NaN
Sharpe Ratio                                    1.03282
Calmar Ratio                                    0.63646
Omega Ratio                                    1.211264
Sortino Ratio                                  1.431265
Name: 210, dtype: object

Retorno Total: 292.03%
Drawdown Máximo: -51.13%

Performance Individual dos ativos
weights   symbol_group  symbol  
0.007212  210           ITSA4.SA      0.171749
0.365437  210           WEGE3.SA    112.037095
0.098052  210           VALE3.SA     10.972734
0.529300  210           PETR4.SA    168.849505
Name: total_return, dtype: float64