NoMAD Portfolio Optimization

No MAD aproach for portfolio detection based on the MAD Portfolio Optimization experiment

Universidade Federal do ABC - Bacharelado em Ciência e Tecnologia Algoritmos e Estruturas de Dados 2023/Q3

Lenin Cristi

lenin.cristi@aluno.ufabc.edu.br

Resumo do experimento

Resumo. Parte da escolha de um conjunto arbitrário de ações da bolsa brasileira (IBOVESPA, B3) para comparação de dois métodos de otimização de risco distintos

Abstract. It starts from choosing an arbitrary set of shares on the Brazilian stock exchange (IBOVESPA, B3) to compare two different risk optimization methods

Objetivos

A familiarização com modelos de otimização linear para a construção de portfolios de ativos financeiros que ofereçam, ao mesmotempo, "bons" retornos ao capital inicial investido e uma "certa" proteção ao risco inerente envolvido em tais operações
A familiarização com a linguagem de modelagem AMPL e sua utilização via Python ~~no ambiente Colab da Google~~** num ambiente conda reprodutível
A experimentação / solução dos modelos com dados reais (obtidos da plataforma Yahoo Finance) via solvers de otimização linear
Uma ligeira análise dos resultados devolvidos pelos solvers

** Foi utilizado um ambiente fora do Colab, mas sem prejuízo a reprodutibilidade ou execução no próprio Colab ou em qualquer outra nuvem de preferência

Como analisar os resultados (sem precisar instalar ou rodar nada)

O Notebook principal está disponível com as saidas salvas aqui

Como (gerar o ambiente para) reproduzir o experimento

Utilizando Conda

Para criar, ativar e instalar os pacotes necessários

conda create -n ampl python=3.9

conda activate ampl

conda install amplpy numpy matplotlib scikit-learn yfinance ipykernel pandas -c defaults -c conda-forge

Utilizando Conda com o arquivo environments.yml neste repositório

Para criar o ambiente com os pacotes necessários a partir de arquivo

conda env create -f environment.yml

Utilizando Pip

Crie e ative um ambiente usando pip ou pyenv antes e instale os seguintes pacotes

pip install amplpy numpy matplotlib scikit-learn yfinance ipykernel pandas

Como adquirir uma licença (Community Edition) do AMPL

Visite o portal https://portal.ampl.com
Faça o registro de usuário gratuito
Liste suas licenças em https://portal.ampl.com/user/ampl/license/list
Faça o download do arquivo ampl.lic gerado e o instale no local dos binários AMPL, numa instalação onde o ambiente (environment python) onde foi instalado o AMPL se chama "ampl", seria aqui:

\envs\ampl\Lib\site-packages\ampl_module_base\bin

Existem outros modos de ativação, como por exemplo rodar o UUID da licença com o comando "amplkey activate", mais informações aqui e aqui

Referências

[1] MAD portfolio optimization
https://mo-book.ampl.com/notebooks/02/mad-portfolio-optimization.html

CMCC - Universidade Federal do ABC (UFABC) - Santo André - SP - Brasil

lnncrs/NoMADPortfolioOptimization