Porto Alegre
2010
Porto Alegre
2010
AGRADECIMENTOS
SUMRIO
INTRODUO .......................................................................................................................... 6
1 Modelo de Markowitz .............................................................................................................. 8
1.1
2 Modelo de Black-Litterman................................................................................................... 12
2.1 Otimizao Reversa ao Modelo de Markowitz .......................................................................... 14
2.2 Especificao das Opinies ......................................................................................................... 16
2.2.1 Clculo da Varincia das Opinies.......................................................................................... 16
2.3 Frmula do Modelo de Black-Litterman ................................................................................... 18
2.4 Derivao do Novo Vetor Combinado de Retornos ................................................................... 19
2.5 Calibragem do Modelo ............................................................................................................... 21
4. Concluso............................................................................................................................. 30
5 REFERNCIAS BIBLIOGRFICAS .................................................................................. 32
LISTA DE ILUSTRAES
RESUMO
INTRODUO
Tem-se, portanto, a inteno de apresentar a metodologia desenvolvida por BlackLitterman que otimiza relao risco/retorno, contrapondo com alguns problemas vivenciados at
ento na utilizao do modelo de Markowitiz e por fim mostrar sua aplicabilidade com dados
observados do mercado financeiro para melhor entendimento do modelo.
O primeiro captulo deste trabalho destina-se, a compreender os problemas encontrados
no modelo de Markowitz, os quais desafiaram a construo do modelo de estratgias de gesto de
ativos de Black-Litterman. O segundo captulo ser abordado os fundamentos tericos do modelo
de Black-Litterman, onde o objetivo ser entender como utilizado a abordagem bayesiana para
combinar as opinies dos investidores, em relao ao retorno esperado de um ou mais ativos com
a posio de mercado. Por fim, o terceiro e ltimo captulo demonstra o modelo passo-a-passo,
desenvolvendo na prtica as teorias abordadas nos captulos anteriores.
Modelo de Markowitz
= . ( ) + . ( )
Equao (1)
Diferentemente dos retornos, o risco pode ser no aditivo, medida que depende da forma
com que os retornos se correlacionam, o que tem como implicao que a diversificao entre
ativos pouco correlacionados tende a reduzir o risco do portfolio.
No caso do portfolio composto por aes (E) e ttulos (D) nas propores w D e w E = 1
w D , tem-se que a varincia do portfolio consiste na soma ponderada das covarincias dos ativos
que o compem, tendo como pesos o produto das propores dos pares de ativos de cada
covarincia.
2 = , , + , , + 2 , ,
Equao (2)
Sendo:
( , ) = [ ( )] [ ( )] = [ ( )]2 = 2
( , ) = [ ( )] [ ( )] = [ ( )]2 = 2
Equao (3)
Importante destacar que portfolios com < 1 apresenta-se uma melhor relao risco e
retorno do que a dos ativos isoladamente, sendo maior o ganho de eficincia quanto menor for o
. Se um ativo da carteira se movimentar positivamente e outro ativo se movimentar na mesma
proporo, considero como coeficiente de correlao = 1, no havendo o efeito de diversificao.
A partir da funo de varincia () possvel determinar o portfolio de mnima varincia,
como podemos visualizar, na figura abaixo, diversas combinaes de retorno esperado e risco
(desvio-padro) de todos os portfolios que podem ser construdos com os ativos disponveis.
Onde identificamos a fronteira eficiente (de mnima varincia) e o respectivo conjunto de
oportunidades de investimento, o qual determina o portfolio de ativos com risco timo.
10
Deve-se tomar alguns cuidados na utilizao do modelo de Markowitz, pois ele robusto
em conceitos tericos, porm tem problemas na aplicabilidade. Como o modelo utiliza retorno
esperado com base em retornos passados, gera resultados contra intuitivos, como por exemplo, se
considerar o desempenho da bolsa dos ltimos 252 dias, o qual sensibilizado por diversos
fatores, como pelo cenrio macroeconmico, no razovel considerar que ele se repetir daqui
para frente, principalmente quando ocorrem retornos extraordinrios, claro que pode atribuir
maior peso aos eventos mais recentes, utilizando por exemplo, a suavizao exponencial, porm a
incerteza para estimar retornos esperados permanece, por isso o mais interessante analisar o
retorno esperado olhando para frente, de forma prospectiva.
11
12
2 Modelo de Black-Litterman
Vrias outras metodologias foram propostas com o objetivo de melhor alocao de ativos
e de solucionar os problemas encontrados na utilizao de Markowitz. O problema no processo
de otimizao, de concentrao em determinados ativos e a necessidade de inserir restries
chamou a ateno dos analistas quantitativos do Goldman Sachs em 1989. Conforme (Bernstein,
2007) Bob Litterman (que se juntou a equipe da Goldman Sachs em 1986 e at ento era Vice
Presidente do departamento de anlise do Federal Reserve de Minneapolis) como chefe de
pesquisas de renda fixa teve ento como tarefa construir um modelo global de composio de
portfolios de renda para os clientes do Goldman Sachs em todo mundo. Sentindo-se inseguro
sobre como iniciar o trabalho, Litterman consultou Fischer Black (economista americano,
conhecido por ser co-autor do famoso modelo de Black-Scholes, equao utilizada para avaliar
opes). Este se interessou pelo desafio, mas no tinha o hbito de raciocinar sobre os modelos
em termos de mundo real. Litterman se queixou do comportamento do processo de otimizao.
O mau comportamento bem conhecido, respondeu Black, e por isso que a maioria dos
usurios de processos de otimizao impe restries aos resultados. Litterman resistiu
sugesto, j que acreditava que inserir restries faz com que o processo perca seu valor,
considerando como manipulao. Black sugeriu um mtodo alternativo, j que tinha acabado de
publicar um trabalho onde desenvolveu uma soluo de equilbrio para o problema do hedge do
risco cambial nos portfolios globais, apesar desse trabalho no fazer referncia ao comportamento
dos processos de otimizao, Litterman com base nesse artigo de Black, o qual sugere que se
pode obter a resposta para sua questo, mediante a otimizao do trade-off entre risco de
flutuaes cambiais e o retorno esperado do portfolio. Sem restries e sem pressupostos,
inserem-se no processo de otimizao os retornos esperados da condio de equilbrio para os
ativos de renda fixa e para as moedas, alm das volatilidades e covarincias para cada ativo em
questo. Em seguida, o processo de otimizao recomendar que se mantenha o portfolio de
mercado global de renda fixa. Com isso, Litterman teve um grande entendimento, se no se tem
pressupostos, mantenha o portfolio de mercado.
Em contexto sem restries, o processo de otimizao agora recomenda que o portfolio
timo consiste em manter parte do capital no portfolio do mercado e o restante em portfolios que
13
representem as opinies do gestor. Alm disso, quando se adota o equilbrio como centro de
gravidade, no se precisa ter opinies sobre cada um dos ativos. No entanto, quando se tem
opinies sobre determinados ativos, o processo de otimizao aplica essa opinio, at o ponto
considerado adequado a todos os outros ativos correlacionados, esse procedimento evita os
portfolios malcomportados. Agora, possvel compor portfolios aceitveis com base na
confiana nas prprias opinies e no nvel de risco a ser atribudos s prprias opinies. Dessa
maneira, o processo de otimizao se torna bem comportado.
Litterman assim descreveu a sua abordagem:
O investidor se interessa por uma ou mais opinies, cada uma das quais gera uma
expectativa de retorno do portfolio de sua escolha. Denomina-se cada uma dessas carteiras como
view portfolio. Pede-se ao investidor para especificar no s as expectativas de retorno para
cada um dos portfolios opinativos, mas tambm o grau de confiana, que o desvio-padro em
torno da expectativa, sendo o portfolio timo uma combinao ponderada das capitalizaes de
mercado do portfolio de equilbrio dos portfolios opinativos. Os tamanhos dos desvios para os
portfolios opinativos so funo de magnitude e da confiana expressas nos retornos esperados
inerentes s opinies especficas dos investidores.
Sobre o modelo de Black-Litterman , Idzorek (2002, p. 2) descreve:
The Black-Litterman model enables investors to combine their unique views regarding
the performance of various assets with the market equilibrium in a manner that results
in intuitive, diversified portfolios.
14
com ampla variedade de estratgias de gesto ativa. Ficando conhecido como Black-Litterman
Global Asset Allocation Modal publicado em setembro de 1992 pelo Financial Analyst Journal.
=
2
Equao (4)
onde,
U = funo de utilidade do investidor
w = vetor de pesos investidos em cada ativo
= vetor de excesso de retorno de equilbrio implcito
= parmetro de averso a risco mdio de mercado
= matriz de covarincia de ativos
1
15
= =0
Equao (5)
Equao (6)
16
Uma possibilidade assumir que a varincia dos views proporcional a varincia dos
retornos dos ativos, assim como a varincia da distribuio de referncia o . Deste modo, temse:
= () = [ () ]
Equao (8)
17
Equao (9)
Exceto no caso hipottico em que um investidor tem 100% de confiana na sua opinio
expressa, o termo de erro () um valor positivo ou negativo, diferente de 0. O termo de erro ()
no entra diretamente na frmula de Black-Litterman, mas a varincia do erro (), sim. As
varincias dos termos de erro () formam a matriz (), que representa a incerteza das opinies
Para o caso em que se tem k views e n ativos, a matriz de covarincia dos views assume o
formato abaixo, sendo que o modelo no exige que o investidor tenha opinies sobre todos os
ativos.
1
=0
0
0
0
Equao (10)
O vetor coluna das opinies Q vinculado com os ativos por meio da matriz P, que para o
caso de k views e n ativos assume a dimenso (k x n).
Conceitualmente, o modelo Black-Litterman uma mdia ponderada dos complexos vetor
de excesso de retorno de equilbrio implcito () e do vetor view (Q), em que seus relativos pesos
so uma funo escalar () e as incertezas das opinies (). Quanto menor for a confiana e a
certeza do investidor sobre suas percepes, mais prximo ficar o novo vetor de retorno do vetor
de excesso de retorno de equilbrio implcito (), ou seja, quanto menor a certeza em relao s
percepes, mais prximo da alocao de mercado o investidor se posicionar.
18
[] = [()1 + 1 ]1 [()1 + 1 ]
Equao (11)
= escalar
= matriz de covarincia dos excessos de retornos ( matriz N x N)
19
Essa frmula pode ser dividida em 2 termos, sendo que o 1 termo (denominador) assume
a funo de normalizador e o 2 termo (numerador) expressa a ponderao entre o vetor de
retornos implcitos de equilbrio () e o vetor das opinies, tendo como pesos a covarincia dos
retornos e o nvel de confiana das percepes do investidor
Casos extremos: = 0 () = , 0 () = 1
2.4 Derivao do Novo Vetor Combinado de Retornos
20
Como pode ser visto na figura acima a distribuio de equilbrio juntamente com a
distribuio das opinies forma a nova distribuio combinada do vetor de retorno, sendo
importante destacar que mesmo o investidor tendo opinies apenas para alguns ativos, os retornos
individuais de todos os ativos foram influenciados e mudaram seus respectivos retornos de
equilbrio implcitos. A opinio acerca de apenas um nico ativo faz com que o retorno implcito
dos ativos mude, uma vez que cada um dos ativos est linkado com o retorno do outro, atravs da
matriz de covarincia dos excessos de retorno (), por isso importante a disciplina e a coerncia
por parte do investidor ao definir e inserir suas percepes.
De maneira geral, a nova carteira pode ser vista como a soma de duas carteiras, onde a
carteira 1 a carteira extrada da capitalizao do mercado, ou seja, onde o mercado est
posicionado e a carteira 2 uma srie de posies long and short com base nas opinies do
investidor.
21
[100% ] = + ( )1 ( )
Equao (12)
100% = ()1
Equao (13)
22
[ ] = +
1
(1 )
(1 + )
Equao (14)
= () tem -se:
Substituindo em
= +
1
(1 ) ()1
(1 + )
1
= 0 = ()1
(1 )
1
= 1 100 = 1 ()1
(1 )
= ()1 +
1
[1 ()1 ()1 ]
(1 + )
= +
1
[100 ]
(1 + )
23
(
1
)
=
(1 + )
(100 )
Equao (15)
24
Com a base de dados adquirida nos sites relacionados acima, chega-se na posio de
mercado. Essa posio a soma da dvida pblica, da dvida privada e da renda varivel. Sendo
que a dvida pblica representada pelos contratos de DI futuro de vencimentos 2011, 2012 e
2017, pelos ttulos pblicos de vencimento 2011, 2015 e 2045 e pelo IMA S, sendo utilizado os
critrios de maior liquidez e representatividade desse segmento, j a dvida privada a soma dos
CDB/RDB e das Debntures e por ltimo a renda varivel, que considerado o valor do free
float, ou seja, o valor que est sendo negociado em bolsa da capitalizao do IBX-100, foi
utilizado esse ndice por medir o retorno de 100 aes selecionadas entre as mais negociadas na
bmfbovespa em termos de nmero de negcios e volume financeiro.
Chegando seguinte composio de mercado no ms de janeiro de 2010:
25
DVIDA PBLICA
TPF
R$ MIL
DVIDA PRIVADA
%
DEBNTURES
DIJAN11
R$ MIL
RENDA VARIVEL
CDB/RDB
AES
R$ MIL
R$ MIL
MERCADO TOTAL
%
412.212.225,70 12,33%
27.988.407,00 3,75%
90.544.211,71 6,15%
DIJAN12
90.544.211,71 2,71%
35.435.218,00 1,06%
35.435.218,00 2,41%
DIJAN17
R$ MIL
2.301.442,00 0,31%
162.846.235,21 4,87%
NTNB MAI11
NTNB MAI15
172.138.952,87 11,69%
172.138.952,87 5,15%
NTNB MAI45
128.480.045,49 8,73%
128.480.045,49 3,84%
IMAS
513.314.672,00 34,87% DI
247.007.181,68 95,17% DI
1.476.671.767,68 44,16%
716.349.914,00 95,94%
IBX 100
FREE FLOAT
1.472.147.829,93 100,00%
746.639.763,00 100,00%
259.541.063,73 100,00%
865.238.816,12 25,88%
1.879.728.038,49 100,00%
MKT CAP
TOTAL
865.238.816,12 46,03%
865.238.816,12
3.343.567.472,78 100,00%
Para calcular a matriz de correlao foi utilizado dados histricos de um perodo de 252
dias dos preos dirios (PU) dos contratos de DI, dos preos de abertura e fechamento dos ttulos
indexados, IMA-S e do ndice IBX 100 para a partir da variao logartmica dos preos encontrar
os retornos que sero utilizados para calcular a matriz a baixo:
Matriz de Correlao
Ativos
DIJAN11
DIJAN12
DIJAN17
NTNB MAI11
NTNB MAI15
NTNB MAI45
IMAS
IBX 100
DIJAN10
DIJAN12
DIJAN17
NTNB MAI11
NTNBMAI15
NTNBMAI45
IMA-S
IBrX-100
1,00
0,69
0,24
0,51
0,54
0,38
0,12
-0,15
0,69
1,00
0,71
0,37
0,69
0,52
0,19
0,01
0,24
0,71
1,00
0,08
0,50
0,41
0,15
0,15
0,51
0,37
0,08
1,00
0,45
0,28
0,36
-0,37
0,54
0,69
0,50
0,45
1,00
0,76
0,26
-0,05
0,38
0,52
0,41
0,28
0,76
1,00
0,25
-0,07
0,12
0,19
0,15
0,36
0,26
0,25
1,00
-0,20
-0,15
0,01
0,15
-0,37
-0,05
-0,07
-0,20
1,00
26
0,123
0,027
0,011
0,049
0,051
0,038
0,442
0,259
DIJAN10
DIJAN12
DIJAN17
NTNB MAI11
NTNBMAI15
NTNBMAI45
IMA-S
IBrX-100
0,123 DIJAN11
0,027 DIJAN12
0,0001
0,0001
0,0001
0,0002
0,0001
0,0007
0,0000
0,0000
0,0001
0,0001
0,0001
0,0003
0,0000
0,0000
-0,0003
0,0000
0,011
0,049
0,051
0,038
0,442
0,259
0,0001
0,0000
0,0001
0,0001
0,0000
-0,0003
0,0007
0,0000
0,0001
0,0003
0,0000
0,0000
0,0042
0,0000
0,0004
0,0011
0,0000
0,0023
0,0000
0,0001
0,0001
0,0001
0,0000
-0,0008
0,0004
0,0001
0,0002
0,0004
0,0000
-0,0002
0,0011
0,0001
0,0004
0,0016
0,0000
-0,0006
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0023
-0,0008
-0,0002
-0,0006
0,0000
0,0567
(0,00001)
0,00000
0,00001
(0,00001)
(0,00000)
(0,00000)
(0,00000)
0,00377
DIJAN17
NTNB MAI11
NTNB MAI15
NTNB MAI45
IMAS
IBX 100
1,0000
Para encontrar a matriz dos excessos de retornos, foi necessrio o histrico de 252 dias do
IDI, ndice de preos do ativo livre de risco (CDI). Foi calculada a variao dos retornos desse
ndice utilizando tambm a funo logartmica e dessa forma encontramos os excessos de retorno
de cada um dos ativos em relao ao ativo livre de risco para calcularmos a matriz de
covarincia.
A matriz de covarincia, tambm chamada como matriz sigma a mdia dos produtos dos
desvios de cada par de ativos, levando em considerao o peso de equilbrio de mercado, ou seja,
o percentual de alocao em cada ativo com base na capitalizao de mercado.
Ativo
Excesso Retorno
(252du)
Risco
(252du)
2,48%
0,73%
DIJAN12
2,07%
1,41%
DIJAN17
-0,21%
6,51%
NTNB MAI11
4,07%
0,93%
NTNB MAI15
5,90%
1,31%
NTNB MAI45
8,65%
3,98%
IMAS
0,04%
0,00%
IBX 100
38,42%
23,81%
Figura 6 - Excesso de retorno da carteira
DIJAN11
= wmkt
-0,02%
0,03%
0,36%
-0,10%
0,00%
-0,02%
0,00%
7,13%
27
ATIVO
DIJAN11
DIJAN12
DIJAN17
NTNB MAI11
NTNB MAI15
NTNB MAI45
IMAS
IBX 100
RETORNO CARTEIRA
VOL CARTEIRA
AVERSO RISCO
SHARPE
EXCESSO RETORNO
RISCO
2,48%
2,07%
-0,21%
4,07%
5,90%
8,65%
0,04%
38,42%
0,73%
1,41%
6,51%
0,93%
1,31%
3,98%
0,00%
23,81%
= wmkt
-0,02%
0,03%
0,36%
-0,10%
0,00%
-0,02%
0,00%
7,13%
1,84%
6,14%
4,89
0,3
28
29
DIJAN11
DIJAN12
DIJAN17
NTNB MAI11
NTNBMAI15
NTNBMAI45
IMA-S
W Mercado
12,33%
2,71%
1,06%
4,87%
5,15%
3,84%
44,16%
25,9%
W Posterior
-8,08%
22,85%
1,04%
4,78%
5,06%
3,78%
43,39%
27,18%
IBrX-100
Figura 8 - w de mercado x w posterior
30
4. Concluso
31
32
5 REFERNCIAS BIBLIOGRFICAS