No mundo do mercado de capitais há duas estratégias principais na alocação de portfólios, uma conhecida como fundamentalista e outra quantitativa. Dentro das estratégias quantitativas existem diversas linhas de desenvolvimento que podem ser seguidas: estatísticas, por otimização, estocásticas, com uso de Machine Learning, análise gráfica e outras diversas. Com base nisso, o presente trabalho tem como objetivo a criação de uma ferramenta, utilizando a linguagem de programação Python, com a qual é possível desenvolver uma estratégia, escolher uma base de dados com os ativos desejados, acoplá-la ao programa e simular, dentro de uma janela de tempo passada, o passar dos dias. Após isso, o desempenho da mesma, é medido através do Back Test, de acordo com certos parâmetros escolhidos pelo próprio usuário. Além disso, a ferramenta permite comparar a estratégia com outras em uma mesma janela de tempo, dando como resultado, tanto indicadores de séries temporais quanto indicadores únicos, sendo um deles, a existência ou não de diferença estatisticamente considerável entre as estratégias escolhidas. Para fins do estudo de caso ora apresentado, foram escolhidas três estratégias: I - Estratégia Naive (dividir igualmente o valor a ser investido entre os N ativos disponíveis); II- Estratégia Aleatória (escolher com uma probabilidade p os ativos que irão compor a carteira e dividir o valor a ser investido igualmente entre os ativos sorteados); III- Estratégia de Mínima Variância (modelo de minimização da variância, derivado de Markowitz, amplamente estudado na academia). Foram utilizadas bases de preços da Bloomberg e do site oficial do Tesouro Americano, com ativos nacionais e americanos em duas janelas de tempo, com durações de 545 dias, e compostas com até 12 ativos. Nos resultados obtivemos grande similaridade nas performances estre as estratégias escolhidas, com ligeira vantagem no aspecto da volatilidade pela mais rebuscada.