This study examines how different covariance-matrix estimators affect the construction, returns and risk characteristics of equity risk budgeting oriented portfolios. Using daily return data for S&P 500 constituents over 2004–2024, three estimation methods, maximumlikelihood, exponentially weighted, and Ledoit–Wolf shrinkage are applied weekly to construct covariance matrices estimates. These matrices are used with three allocation strategies, inverse-variance, risk parity, and hierarchical risk parity to generate a total of 9 portfolios that are compared against an equal-weight benchmark. Portfolios are evaluated on return, volatility, risk-adjusted performance, and concentration metrics. Results show that while estimation method choice has no clear impact on returns or traditional performance ratios, it significantly alters portfolio concentration: shrinkage estimators yield more diversified allocations, whereas exponentially weighted covariance matrices increase concentration. Forecast errors correlate strongly with realized volatility, especially during market turmoil, but do not vary significantly regarding estimation method selection.

Este estudo examina como diferentes estimadores de matriz de covariância afetam a composição, os retornos e as características de risco de carteiras orientadas a orçamento de risco em ações. Usando dados de retorno diário de constituintes do S&P 500 entre de 2004–2024, três métodos de estimação, máxima verossimilhança, decaimento exponencial e encolhimento Ledoit–Wolf são aplicados semanalmente para construir estimativas de matrizes de covariância. Essas matrizes são usadas com três estratégias de alocação, variância inversa, paridade de risco e paridade de risco hierárquica para gerar um total de 9 carteiras que são comparadas contra um benchmark de ponderação igual. As carteiras são avaliadas em métricas de retorno, volatilidade, desempenho ajustado ao risco e concentração. Os resultados mostram que, embora a escolha do método de estimação não tenha impacto claro nos retornos ou em métricas tradicionais de desempenho, ela altera significativamente a concentração da carteira: estimadores de encolhimento produzem alocações mais diversificadas, enquanto matrizes de covariância ponderadas exponencialmente aumentam a concentração. Erros de previsão correlacionam-se fortemente com a volatilidade realizada, especialmente durante turbulências de mercado, mas não variam significativamente em relação à seleção do método de estimação.