O processo de criação de portfólios de P&D é fundamental para que empresas possam competir em mercados e sustentar seus negócios em ambientes com mudanças constantes. Junto com essa tarefa vem o desafio dos gestores em escolher as melhores tecnologias para estabelecer apostas consistentes, com chances de sucesso e baixos riscos atrelados. Para apoiar a seleção nesses critérios, esse estudo propõe uma adaptação do modelo de Markowitz a partir de base de patentes, trazendo o caso da indústria de Petróleo e Gás como aplicação. A tese traz como principal contribuição, a criação de um Método Adaptado para Identificação e Otimização de Portfólios de investimento em P&D (MAIOP) que tem como intento transformar as citações de patentes na principal variável de entrada do modelo matemático de programação não-linear de média-variância. Os resultados para o setor de Petróleo e Gás, que contaram com dados de patentes de 81 empresas ao longo do período entre 2009 e 2018, evidenciaram que a gestão dos riscos diversificáveis através da adoção do MAIOP pode ser uma opção para que gestores preocupados em diversificar suas iniciativas de P&D possam adota-lo como ferramenta dentro do processo de seleção de portfólios. A forma encontrada para compatibilizar o uso do modelo de média-variância nesse ambiente de base de patentes foi com a utilização do campo tecnológico representado pelas classificações tecnológicas presentes no International Patent Classification (IPC). Através dos subgrupos de IPCs foi possível estabelecer um conjunto de opções de investimento a serem analisadas pelo modelo matemático e que trouxe recomendações de investimento em IPCs a partir da criação de portfólios com a variação da condição de contorno risco. Para a aplicação em Petróleo e Gás também foi feito, além da análise do setor, 3 outras para cada um dos elos da Cadeia de Suprimento, que contemplava empresas com atuação no upstream, midstream e downstream. Por fim, a construção do MAIOP também gerou uma série discussões sobre os impactos dessa adaptação frente as questões de consistência dos dados, semelhanças em relação a aplicação original no ambiente de finanças, bem como a adequada leitura dos resultados de saída no nível empresarial.

The creating process of R&D portfolios is critical for companies that want to compete in markets and sustain their business in a constantly changing environment. Thereat with this comes the challenge for managers in choosing the best technologies to establish consistent bets with chances of success and low risks linked. To support the selection on these criteria, the study proposes a Markowitz model adaptation from patents database, bringing the case of the Oil and Gas industry as an application. The main contribution of the thesis is the creation of a method that allows Identification and Optimization of Investment Portfolios in R&D (MAIOP). The objective was to transform patent citations into the main input variable of mean-variance nonlinear programming mathematical model. The results for the Oil and Gas sector, which included patent data from 81 companies over the period between 2009 and 2018, indicated that the diversifiable risk management by means of MAIOP might be an option. It functions as a strategic tool in the portfolio selection process when it comes to managers concerned about diversifying their R&D initiatives. Therefore, the technological field presented in the International Patent Classification (IPC) was the recognized means to reconcile the use of the mean-variance model in this patent-based environment. Due to the subgroups of IPCs, it was possible to establish a set of investment options to be analyzed by the mathematical model. The procedure brought recommendations for investment in IPCs from the creation of portfolios that provide the variation of the risk boundary condition. In the case of Oil and Gas, 3 others analysis were also carried out in addition to the sector analysis. They include the links in the Supply Chain, with comprise companies operating in the upstream, midstream and downstream. Finally, the construction of MAIOP also generated a series of discussions about the impacts created by this adaptation face of data consistency issues, similarities with the original application in the finance environment, as well as a proper display of the results at the enterprise level.