RISK MANAGEMENT

Bradesco
Corretora BERNARDO ALONSO S. GARCIA + 55.11.235.9631 5900.analise@bradesco.com.br

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES

So Paulo, 10 de Junho de 1999

INTRODUO
Este trabalho tem por objetivo analisar o clculo do value at risk (VAR) de um portfolio de aes utilizando a aproximao delta-normal, a qual assume uma relao linear entre as movimentaes nos ativos financeiros e o fluxo de caixa para cada posio de um portfolio. No caso de uma carteira de aes essa aproximao vlida, mas quando o clculo do VAR envolve opes a no linearidade impede que a aproximao delta-normal consiga estimar o risco de uma carteira realisticamente . Dentre as principais formas de se estimar o VAR de uma carteira, destacam-se: Delta-normal Mtodo que ser utilizado neste texto, muito til para se monitorar o risco de um portfolio em momentos de normalidade de mercado e permitir o ajuste de uma carteira conforme o nvel de exposio ao risco aceito por cada instituio. Apesar de no conseguir antecipar possveis perdas em momentos de crise muito til porque capacita o monitoramento de posies assumidas nos diferentes mercados ; Simulao histrica Consiste em submeter as posies presentes de uma carteira s oscilaes passadas dos mercados e avaliar a evoluo da mesma no futuro, dadas as novas condies apresentadas. um mtodo muito eficiente pois submete um portfolio a diversas situaes de mercado e permite a avaliao de seu comportamento nas mais variadas condies, desde momentos de relativa calmaria at crises profundas. Uma das principais crticas ao modelo reside no fato de que apenas um caminho possvel construdo e o nmero de observaes necessrias para se fazer as anlise elevada, podendo inviabiliz-lo; Teste de stress Resume-se basicamente no desenho de vrios cenrios para os diferentes ativos de um portfolio e reavaliao dos mesmos dadas as novas condies apresentadas. Uma das principais crticas ao mtodo a subjetividade na escolha dos cenrios. Os indivduos tm uma tendncia a subestimar os eventos possveis, logo os cenrios construdos podem ser irreais; Simulao de Monte Carlo uma metodologia baseada na gerao de nmeros aleatrios e desenho de possveis caminhos, dado um horizonte de tempo estabelecido e o nmero de passos desejados, para atingir um hipottico preo de fechamento, para cada ativo de um portfolio. A partir disso, faz-se o mark to market do portfolio, constroe-se uma distribuio de probabilidades e estima-se o VAR. A principal crtica ao modelo tempo gasto para a gerao da quantidade de nmeros aleatrios necessrios s avaliaes e a suposio de normalidade, que impede a gerao de caminhos reprodutores de momentos de crises agudas. O conceito de risco, ponto central dentro da idia do value at risk (VAR), apareceu muito antes da existncia do mercado financeiro. Nas civilizaes antigas, ligadas atividade do comrcio martimo, o risco era encarado como a possibilidade de uma embarcao encontrar um recife de corais no meio dos mares. Essa idia de risco, apesar de um conceito antigo, muito pertinente pois o aparecimento de um coral poderia significar naufrgio, perda de mercadorias e conseqente prejuzo financeiro. Do ponto de vista moderno, o conceito de
1/18

Research

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES risco est ligado, de uma maneira genrica, possibilidade de se alcanar um resultado adverso e indesejvel que supere os limites de perda considerados razoveis. As diferentes instituies financeiras modernas esto sujeitas a diversos tipos de risco sendo o principal: o risco financeiro, causador de grandes prejuzos 1. O risco financeiro pode ser subdividido nas seguintes categorias: Risco de Mercado Um dos principais componentes de risco para uma instituio financeira, est ligado s flutuaes nos preos dos ativos financeiros; Risco de Crdito Outro importante componente de risco, conseqente da possibilidade de default de contrapartes, ou seja, impossibilidade de se honrar compromissos assumidos; Risco de Liquidez Um fator de risco no modelvel do ponto de vista estatstico, surge quando no se consegue executar uma operao por contrao do nmero de negcios realizados num determinado mercado e ou volume financeiro. Alis, esse fator foi um dos principais potencializadores da ltima grande crise que assolou os mercados mundiais em setembro de 1998; Risco Operacional Falhas humanas, erros de sistemas, fraudes e falta de controle no desenrolar das operaes realizadas. Esses fatores tambm so capazes de gerar prejuzos s instituies financeiras. Value at risk uma das formas de mensurar o risco de um portfolio, dadas oscilaes nos preos de seus ativos. O VAR est preocupado em monitorar uma das fontes do risco financeiro, qual seja, o risco de mercado. Os outros tipos de risco financeiro apresentam formas prprias de gerenciamento, excetuando-se o risco de liquidez. A estimao do VaR de uma carteira passa pelas seguintes etapas: I. Identificao Deve-se fazer um mapeamento dos ativos que compe o portfolio, com o intuito de identificar as fontes de risco; II. Mensurao Uma fase muito longa dentro do processo de gerenciamento de risco que envolve a construo dos modelos tericos para a mensurao de exposies tais como aes, futuros, opes, ttulos ou quaisquer outros tipos de derivativo. Essa fase leva em conta os objetivos do gerenciamento de risco. Para o curto prazo a aproximao delta-normal muito til, mas o teste de stress mais adequado se os objetivos de anlise querem ser focados para um horizonte de tempo de um ms ou mais; III. Controle Ajustamentos e travas das posies assumidas em cada um dos componentes da carteira, dadas decises gerenciais de tolerncia ao risco. A tolerncia ao risco parte do pressuposto de que cada investidor sabe o quanto est disposto a perder de seu patrimnio, operando em um ambiente de incerteza. O prximo tpico se preocupar em apresentar a teoria que norteia o VAR e comparar os modelos completo e diagonal. A anlise do VAR de uma carteira de aes ser realizada de duas maneiras. A primeira, conhecida como modelo completo, leva em conta as volatilidades de todos os ativos bem como as respectivas covarincias. A segunda, apresentada como modelo diagonal, estima o risco da carteira em funo dos betas de cada ao. A duas metodologias sero formalizadas e exemplificadas. Para que se entenda cada um dos modelos necessria a formalizao do arcabouo terico que os sustenta, logo uma parte deste trabalho reservada para esse fim. Outros detalhes e observaes extras aparecem no apndice.

Research

2/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES

DESENVOLVIMENTO TERICO
O VAR de um ativo pode ser definido como o quanto se pode perder, dados um horizonte de tempo t e um intervalo de confiana 1- (1) Onde W a posio que se tem em um determinado ativo aps o mark-to-market . z o coeficiente que determina o nmero de desvios padres, dado uma probabilidades monocaudal de que o modelo est disposto a cobrir. t o horizonte de tempo em dias para o qual se deseja fazer uma projeo. Calcula-se a raiz quadrada desse fator porque a volatilidade projetada para diferentes horizontes na proporo de sua raiz quadrada 2. a volatilidade projetada para t+1, dadas as flutuaes nas cotaes at t. A volatilidade ou risco de mercado deve ser entendida como sendo o quanto de incerteza os investidores tm a respeito das flutuaes futuras de um determinado ativo. Assim, durante perodos de crashes, precedidos normalmente por deterioraes nos fundamentos macroeconmicos, as cotaes passam a oscilar muito em decorrncia do aumento da incerteza e portanto a volatilidade explode. Por (1), fica evidente que a nica componente a ser estimada i,t, ou seja, a volatilidade do ativo i para cada instante t. Vale lembrar que, para o clculo do VAR de um portfolio, deve-se estimar as covarincias (ij,t) entre os ativos i e j para todo instante t. Esse assunto ser mais detalhado adiante. Para o clculo do VAR, dado um intervalo de confiana de 95% e um horizonte de tempo de um dia, tem-se um z de aproximadamente 1.645, ou seja, espera-se que 5% das observaes extrapolem o valor W x 1.645 x . Os modelos de gerenciamento de risco de mercado procuram determinar as futuras variaes no valor de uma carteira. Freqentemente, as oscilaes nos portfolios so definidas a partir das expectativas de movimentaes esperadas em seus ativos, as quais so definidas como retorno (rt), calculado no tempo. O retorno de um ativo calculado tomando-se o logaritmo natural da diviso do preo em t pelo preo em t-1 (2)
r t = ln( P t P t -1 )
VAR = W z t

A extenso de (2) para uma carteira direta. O retorno de um portfolio (rp,t ) calculado na forma contnua definido como (3) Onde W/ o vetor das participaes dos ativos. Ei um vetor cujos elementos apresentam a forma er. Vale lembrar que e o nmero neperiano e r o retorno calculado na forma contnua. W indicativo de que a o vetor W transposto. A mesma notao ser utilizada em todo o texto. Optou-se pela utilizao da notao matricial porque a mais comum na literatura ligada ao assunto e complexidade dos clculos envolvidos assim o exige.
r = ln( W E ) p ,t i
/

Research

3/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES O grfico abaixo apresenta os retornos dirios do Ibovespa na forma contnua.
25% 20% 15% 10% 5% 0% -5% -10% -15% -20%

Retornos Dirios do Ibovespa

Assume-se que a distribuio de probabilidades dos retornos dos ativos financeiros possui as seguintes caractersticas: E(rt) = 0 e E(r2t) = 2.3 Apesar de vrios estudos terem mostrado que a suposio de normalidade no verdadeira, ela muito til porque garante que se possa utilizar como medida de risco. Aps a apresentao da forma como as oscilaes dos preo ocorrem no tempo e a distribuio de probabilidades que assumem, deve-se ento definir uma forma de medir a magnitude da disperso dos retornos. Para tanto, pode-se optar pela utilizao de vrias metodologias 4. Uma forma consagrada do tipo EWMA (Exponentially Weighted Moving Average), que parte da evidncia emprica de que a autocorrelao entre os retornos quadrticos de um ativo significativa, ou seja, existe correlao ente r2t e r2t-1 que, no caso, representa um lag de defasagem no tempo. A EWMA 5 assume a forma (3) t+1/ t = t/ t-1 + (1 - )r t Onde t+1/t a volatilidade projetada para t+1 dado o ocorrido at t. t/t-1 a volatilidade calculada para t dado t-1. r2t o retorno quadrtico calculado em t. um fator de decaimento, o qual 0 < <1.
2 2
2

Research

4/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES O grfico abaixo apresenta a evoluo da volatilidade diria do Ibovespa no tempo, estimada via EWMA. Vale lembrar que os valores encontrados representam a raiz quadrada da frmula apresentada em (3).
14% 12% 10% 8% 6% 4% 2% 0% Jul-94 Jul-95 Jul-96 Jul-97 Mar-95 Mar-96 Mar-97 Mar-98 Jul-98 Nov-94 Nov-95 Nov-96 Nov-97 Nov-98 Mar-99

Volatilidade Diria do Ibovespa

Como se pode observar pelo grfico acima, a volatilidade aumenta nos momentos de crise (topos mais elevados), revertendo a um valor mdio nos perodos de calmaria. Estendendo o conceito de VAR para um carteira de aes, assume-se que um portfolio possui distribuio normal multivariada com mdia 0 e matriz de varincia e covarincia , dado que se tem uma somatria de variveis normalmente distribudas (os retornos do ativos que compe a carteira). O VAR de um porfolio de aes para um dia definido matricialmente (5) Onde W um vetor das posies de cada ativo. a matriz de varincia e covarincia 6. Essa matriz assume a forma (6)
1,1 2.1

2 2 2,2

VAR p = W / Wz t

1, 2

1,m 2 ,m

n,1

n ,2

n ,m

A matriz acima apresenta na diagonal principal varincia e nos demais elementos as covarincias. Ela simtrica, ou seja, 1,2 = 2,1. O modelo que inclui covarincia entre aes conhecido como modelo completo. Esse modelo eficiente, mas apresenta uma complicao de escala, ou seja, a medida em que o nmero de ativos n aumenta, a dimenso da matriz cresce n2. O principal incremento nas dimenses dessa matiz decorrente da velocidade de aumento do nmero de covarincias estimadas a medida em que n cresce 7. Para o clculo da covarincia entre dois ativos, utiliza-se o modelo EWMA da mesma maneira que no clculo da volatilidade. A nica diferena reside no fato de que se utiliza os retornos cruzados ao invs dos retornos quadrticos. Para a modelagem do EWMA para a covarincia, que representa uma relao linear entre duas variveis assim
Research 5/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES como a correlao, adota-se a evidncia emprica de que a autocorrelao entre os retornos cruzados de diferentes ativos significativa, ou seja, existe correlao ente rt e rt-1 que, no caso, representa um lag de defasagem no tempo. O EWMA de um dia para a covarincia assume a forma (7)

2 t = 2 t-1 + (1 - )r1,t r 2 , t t+1/ t/

A nica diferena em relao a (3) que a modelagem feita sobre os retornos cruzados. A notao utilizada a mesma de (3). Para o clculo da correlao () , parte-se da sua definio, ou seja, a correlao a covarincia divida pelo produto dos desvios padres. Portanto (8)

1.2 , t +1/ t =

2 1.2 , t +1/ t 1, t +1/ t 2 , t +1/ t

As varincias e covarincias so estimadas via (3) e (7) respectivamente. O grfico abaixo mostra a correlao entre Ibovespa e RCTB 41, calculada via (8).
1.00 0.98 0.96 0.94 0.92 0.90 0.88 Jul-94 Jul-95 Jul-96 Jul-97 Mar-95 Mar-96 Mar-97 Mar-98 Jul-98 Nov-94 Nov-95 Nov-96 Nov-97 Nov-98 Mar-99

Correlao entre Ibovespa e RCTB 41

Para contornar o problema do nmero de covarincias, simplificando a matriz , existe o modelo diagonal, proposto originalmente por Sharpe, baseado na idia de que as aes se movimentam em funo de um fator, qual seja, o mercado. O retorno de uma ao pode ser explicado, ao menos em parte, pelo retorno de um ndice de aes (movimento do mercado). A idia bsica do modelo diagonal reduzir o nmero de parmetros a serem estimados. O beta o coeficiente angular de uma reta de regresso linear que relaciona o retorno de uma ao e retorno de um benchmark , no caso, um ndice. A modelo de regresso linear univariada para o clculo do beta de uma ao pode ser descrito como (9) Onde r i,t o retorno de uma determinada ao. r m,t o retorno de um ndice de aes. 1,t o coeficiente beta de uma regresso linear.
Research 6/18

r i, t = 0 , t + 1, t r m ,t + t

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES 0,t o coeficiente especfico de uma ao, dada uma variao nula no mercado, geralmente rejeitado por testes de hiptese quando o modelo de regresso linear univariada aplicado para o mercado de aes t um erro aleatrio caracterstico de cada ao, no captado pelo modelo de regresso , com E[t] = 0 , E[t]2= () e E[t,t-1] = 0

Para a estimao dos coeficientes da reta de regresso, pelo mtodo dos mnimos quadrados ordinrios, deve-se resolver a seguinte equao na forma matricial (10) Onde o vetor coluna dos coeficientes da regresso. X uma matriz n x 2, cuja primeira coluna composta por n 1 , a segunda coluna formada pelos retornos de uma ao, X/ um vetor transposto e o coeficiente 1 indica inverso de matriz. Y um vetor coluna n x 1 dos retornos de um ndice. Os dois prximos grficos apresentam diagramas de disperso dos retornos de Eletrobras PNB e Souza Cruz 3 contra o Ibovespa, bem como as linhas ajustadas pelo mtodo dos mnimos quadrados ordinrios (equao 10) e as respectivas equaes lineares, para uma janela de 500 observaes.

= (X X ) X Y
/

-1

25% 20% 15% 10% y = 1.2299x - 0.0006 (33.51) (-0.39) R 2 = 0.8179

Eletrobras PNB

5% 0% -25% -20% -15% -10% -5% -5% 0% -10% -15% -20% -25% 5% 10% 15%

20%

25%

Ibovespa

O grfico acima mostra que a linha de tendncia ajustada adere-se bem massa de pontos, salvo alguns valores extremos. O beta estimado da ordem de 1,23, apresentando um coeficiente de explicao (R2) relativamente significativo, aproximadamente 0.82. Isso significa que 82% da varivel Y (retorno de Eletrobras PNB) explicada pela varivel X
Research 7/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES (retorno do Ibovespa). Por ser bem significativo, esse ltimo valor explica porque a massa de pontos se dispersa uniformemente em torno da linha ajustada. As estatsticas t, que aparecem entre parnteses logo abaixo da equao de regresso, testam a significncia dos estimadores 0 e 1.O t crtico tabelado, para um intervalo de confiana de 95%, de aproximadamente 1.97. Assim, com 95% de confiana, 0 no significativo (0 =0) e 1 significativo.
25% 20% 15% 10% y = 0.4323x + 0.0002 (9.27) R2 (0.12) = 0.2559

Souza Cruz ON

5% 0% -25% -20% -15% -10% -5% -5% 0% -10% -15% -20% -25% 5% 10% 15% 20% 25%

Ibovespa

O grfico acima mostra que a linha de tendncia ajustada no se adere bem massa de pontos. O beta estimado da ordem de 0.42, apresentando um coeficiente de explicao (R2) pouco significativo, aproximadamente 0.24. Isso significa que 24% da varivel Y (retorno de Souza Cruz ON) explicada pela varivel X (retorno do Ibovespa), ou seja, provavelmente o movimento de Y mais bem explicado por sua prpria mdia e varincia do que pelo modelo de regresso linear utilizado. A baixa significncia desse ltimo valor explica porque a massa de pontos se dispersa em torno da linha ajustada na forma de um crculo. As estatsticas t de cada um dos coeficientes mostram que 0 no significativo (0 =0) e 1 significativo, com 95% de confiana. Apesar do modelo anterior, tradicionalmente utilizado na estimao do beta, ser muito utilizado, apresenta alguns problemas de falta de ajustamento. Para contornar essa deficincia, existe uma outra metodologia de estimar o beta (1 na equao 9) baseada em trs regresses lineares, da seguinte forma (11) Onde 1 estimado fazendo-se uma regresso linear entre r i,t e r m,t. 2 estimado fazendo-se uma regresso linear entre r i,t-1 e r m,t. 3 estimado fazendo-se uma regresso linear entre r i,t+1 e r m,t. a primeira autocorrelao da srie de retornos do Ibovespa. .
Research 8/18

n =

( 1 + 2 + 3 ) [1 + 2 ( rm ,t rm ,t -1 )]

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES Atravs dos betas e da varincia do mercado pode-se desenvolver a matriz de varincia e covarincia de uma maneira simplificada, pois necessrio que se estime apenas n betas, a varincia do mercado e n varincias de t, ao invs de n varincias das aes e n!/[2!(n-2)!] covarincias. claro que o modelo diagonal s deve ser utilizado quando se analisa o VAR de um portfolio complexo, pois a mediada em que n aumenta, dilui-se a participao individual de cada uma 2(i) no total da carteira, portanto os erros de estimao ficam diludos. A matriz 8 para o modelo diagonal assume a forma (12)
1 2

2 ,1

[1 2

n ]

2 m +

2 ,2

2 n ,

Na forma de notao matricial temos que (13) Onde o vetor dos betas de cada ao. 2m a varincia do mercado. uma matriz diagonal, cuja diagonal principal apresenta as varincias de t , caractersticas de cada ao. Para estender o clculo do VAR do porfolio basta substituir (13) em (5) e desenvolver a expresso que se chega em (14)
2 [(W W)m + W MW]z
/ / /

2 = / m +

Pela anlise do elemento WMW da equao (14) percebe-se que a medida em que aumenta o nmero de aes de um portfolio, diminui o peso da varincia do erro especfico de cada ao VAR( ) na parcela de risco capturada pela matriz M. Como crtica ao modelo diagonal, resta o fato de que no existe uma forma de se determinar a janela de observaes tima para o clculo do beta de cada ao. No se pode utilizar um n muito pequeno, pois se estaria dando muita importncia para os choque de curto prazo, nem um n muito grande, posto que se chegaria a um beta pouco sensvel s oscilaes e mudanas de mercado. Por uma questo de metodologia, estimamos os betas a partir de uma amostra de 252 retornos, ou seja, 253 preges. O grfico abaixo ilustra a problemtica do dimensionamento da janela utilizada para a estimao do beta de RCTB 41.

Research

9/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES

1.50 1.40 1.30 1.20 1.10 1.00 0.90 Out-96 Out-97 Jan-97 Jan-98 Out-98 Jul-96 Jul-97 Jul-98 Jan-99 Abr-97 Abr-98 500 observaes 100 observaes 300 observaes

Repare que a linha vermelha (100 observaes) muita instvel enquanto que a linha azul (500 observaes) muito lenta. Apesar de no existir uma forma estatstica para a determinao da janela ideal no clculo do beta, acreditamos que 252 observaes um nmero adequado. Os dois exemplos abaixo apresentam o clculo do VAR de uma carteira de aes pelas duas metodologias apresentadas.

EXEMPLOS
EXEMPLO 1 VAR PELO MODELO COMPLETO
Considere um portfolio formado no incio do Julho de 1995 at maro de 1999, levando-se em considerao quantidades inteiras de lotes de cada ao, no valor total US$ 1,011,298.54. No vetor Wi tem-se as posies de mark-to-market de cada posio no dia 31/03/99 e na matriz as varincias e covarincias.
Ativo Bradeco PN Cemig PN Eletrobras PNB Fosfrtil PN Inepar PN Itaubanco PN Petrobrs PN Souza Cruz ON RCTB 41 Telesp PN Wi (US$) 106,712.00 155,894.20 139,851.60 37,003.20 12,927.60 203,107.24 234,959.38 37,444.83 363,240.45 171,138.24 0.11% 0.14% 0.10% 0.05% 0.06% 0.08% 0.11% 0.05% 0.07% 0.08% 0.14% 0.36% 0.23% 0.08% 0.07% 0.17% 0.24% 0.09% 0.14% 0.16% 0.10% 0.23% 0.24% 0.08% 0.05% 0.13% 0.21% 0.11% 0.13% 0.14% 0.05% 0.08% 0.08% 0.10% 0.05% 0.06% 0.09% 0.04% 0.05% 0.06% 0.06% 0.07% 0.05% 0.05% 0.11% 0.07% 0.10% 0.02% 0.04% 0.05% 0.08% 0.11% 0.05% 0.07% 0.08% 0.17% 0.24% 0.09% 0.14% 0.16% 0.13% 0.21% 0.11% 0.13% 0.14% 0.06% 0.09% 0.04% 0.05% 0.06% 0.07% 0.10% 0.02% 0.04% 0.05% 0.14% 0.14% 0.04% 0.07% 0.09% 0.14% 0.27% 0.12% 0.15% 0.15% 0.04% 0.12% 0.17% 0.12% 0.13% 0.07% 0.15% 0.12% 0.13% 0.12% 0.09% 0.15% 0.13% 0.12% 0.15%

A tabela ao lado apresenta o VAR da carteira de aes, ou seja, uma perda mxima de US$ 87,929.52 para t = 1 dia, dado um intervalo de confiana de 95%.

W i (US$) do Portfolio do Portfolio z

2

2,857,690,601.16 53,457.37 1.6449 87,929.52

VAR Research

10/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES

Ativo Alm de determinar o VAR total de uma carteira, muitas vezes interessante conhecer a Bradeco PN contribuio de cada ativo para o risco total. O Cemig PN princpio que norteia o clculo do VAR Eletrobras PNB incremental o beta (risco sistmico do ativo) de Fosfrtil PN cada ao, ponderado pela participao individual Inepar PN de cada ativo, que determinar a contribuio Itaubanco PN individual para risco total. A tabela ao lado mostra Petrobrs PN o VAR incremental de cada ao. interessante Souza Cruz ON notar que a Petrobras PN e a Telebras PN RCTB 41 contribuem significativamente para o risco total da Telesp PN carteira enquanto que o risco da Inepar PN pode Total ser considerado residual, no universo do perodo em anlise. O clculo do VAR incremental dado por VAR Incremental (US$) 4,333.88 13,403.54 10,033.93 1,099.52 361.03 9,936.49 18,631.53 1,630.72 18,811.13 9,687.73 87,929.52

(15)

W W / W

EXEMPLO 2 VAR PELO MODELO DIAGONAL

Considere o mesmo porfolio de aes composto no mesmo perodo. No vetor B tem-se os betas de cada ao e na matriz diagonal as varincias (2), caractersticas de cada ao.

Ativo Bradeco PN Cemig PN Eletrobras PNB Fosfrtil PN Inepar PN Itaubanco PN Petrobrs PN Souza Cruz ON RCTB 41 Telesp PN

Wi (US$) 106,712.00 155,894.20 139,851.60 37,003.20 12,927.60 203,107.24 234,959.38 37,444.83 363,240.45 171,138.24

0.83 1.30 1.35 0.43 0.64 0.94 1.18 0.38 0.97 1.03 0.08% 0 0 0 0 0 0 0 0 0 0 0.12% 0 0 0 0 0 0 0 0 0 0 0.09% 0 0 0 0 0 0 0 0 0 0 0.10% 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0.10% 0 0 0 0 0 0 0 0 0 0 0.07% 0 0 0 0 0 0 0 0 0 0 0.11% 0 0 0 0 0 0 0 0 0 0 0.01% 0 0 0 0 0 0 0 0 0 0 0.03%

0.13% 0 0 0 0 0

A tabela ao lado apresenta o VAR da carteira de Wi (US$) aes, ou seja, espera-se que a perda mxima para t = 1 2 do Ibovespa 0.12% dia, dado um intervalo de confiana de 95%, seja de US$ 2 2,870,681,886 do Portfolio 88.129,16. Se desconsiderarmos o efeito da matriz ( do Portfolio 53,578.74 varincias de t caractersticas de cada ao), o VAR do z 1.6449 portfolio, nesse caso estimado pelo modelo beta, reduz-se VAR 88,129.16 para US$ 85,513.11. Esse ltimo valor bem significativo nos levando a poder desconsiderar o efeito de no clculo do VAR, diminuindo ainda mais o nmero de parmetros a serem estimados 9, logo a equao (14) ficaria reduzida a (16)

[(W

2 / W ) m ]z t

Research

11/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES A tabela ao lado apresenta o VAR incremental do portfolio. Finalmente, vale acrescentar que os valores do VAR estimados pelos modelos completo e diagonal para o dia 1 de Abril de 1999 so bem prximos, 87.929,52 e 88.129,16 respectivamente. Para se analisar o trade off entre complexidade e acurcia do modelo de VAR construdo para uma carteira, deve-se submet-la a um back testing e comparar os resultados alcanados. O teste consiste em: 1. Estimar o VAR projetado para t, dadas as informaes obtidas em t-1; 2. Calcular as variaes da carteira em t; 3. Construir um intervalo de confiana para as oscilaes dirias do portfolio que, partindo-se da premissa de normalidade, significa multiplicar o VAR pelo valor z correspondente a um nvel de significncia /210, como por exemplo a = 5% corresponde a um z =1.96 ; 4. Contar o nmero de observaes que violam o intervalo de confiana e comparar o total de violaes com o nmero de observaes aceitas pelo modelo terico, por exemplo 5%. A etapa 4 indispensvel para a determinao da qualidade da metodologia adotada, porm deve ser analisada com muita cautela. Dependendo da magnitude das oscilaes de mercado, uma violao no intervalo de confiana pode significar a quebra de um gestor. Isso revela que os nmeros apresentados pelo VAR devem ser sempre interpretados com cautela. Realizou-se as quatro Completo Diagonal Totais etapas apresentadas anteriormente Violaes Positivas 29 31 60 para cada um dos modelo, com um Violaes Negativas 34 30 64 total de 918 observaes, % violaes positivas 3.16% 3.37% 6.64% chegando-se aos resultados % violaes negativas 3.70% 3.26% 6.86% apresentados na tabela ao lado. A anlise da tabela via teste de igualdade de propores das violaes das bandas de confiana permite-nos inferir que no existe diferena significativa entre as duas propores encontradas. A concluso que se pde chegar que os dois modelos estimam de uma maneira consistente o VAR da carteira analisada (satisfazem a condio de acurcia). Visto que o modelo diagonal mais simples de ser estimado do que o modelo completo acredita-se que o primeiro satisfaz melhor a condio de complexidade do que o segundo, pelo menos para o portfolio analisado.

Ativo Bradeco PN Cemig PN Eletrobras PNB Fosfrtil PN Inepar PN Itaubanco PN Petrobrs PN Souza Cruz ON Telebrs PN Telesp PN Total

VAR Incremental (US$) 5,112.31 12,064.07 10,835.59 907.02 459.97 11,761.84 16,378.27 833.73 19,862.03 9,914.33 88,129.16

Research

12/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES O grfico abaixo ilustra VAR para as oscilaes da carteira de aes avaliada pelo modelo diagonal.
VAR para asOscilaes Dirias da Carteira Analisadas com 95% de Confiana
$400,000 $300,000 $200,000 $100,000 $0 -$100,000 -$200,000 -$300,000 -$400,000 -$500,000

O grfico anterior apresenta dois momentos distintos. At julho de 1997, as variaes da carteira ocorriam numa faixa estreita, refletindo um nvel de risco de mercado relativamente reduzido. Aps a Crise de Julho de 97, as flutuaes do portfolio passaram a ocorrer num intervalo muito grande, funo da instabilidade de preos observada a partir de ento. Uma visualizao de 7 perodos distintos do VAR da carteira terica, com um = 1.64, ou seja, 5% de probabilidade de cauda inferior, aparece no grfico abaixo.
VaR da Carteira de Aes em US$ para Momentos Distintos
0 -50000 -100000 29,853 66,915 48,660 88,129

Hong Kong

Tailndia

-150000 -200000 -250000 -300000 03/06/96

Rssia

235,697

256,615 17/10/97 28/10/97 16/03/98

251,459 15/09/98 31/03/99

22/07/97

Research

13/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES

CONCLUSO
O estudo apresentado teve a preocupao de apresentar duas formas diferentes de se estimar o VAR de uma carteira de aes, quais sejam, o modelo completo e o diagonal, sendo que o ltimo muitas vezes pode ser simplificado pelo modelo BETA excluindo-se o risco caracterstico de cada ao. Os conceitos estatsticos que norteiam o clculo do VAR pelas duas metodologias foram sistematizados, bem como definies que fazem parte da temtica risco, e um exemplo prtico foi analisado. Pde-se concluir que os dois modelos foram capazes de estimar o VAR da carteira montada de um maneira satisfatria, mas por uma questo de facilidade de clculo optou-se pelo modelo diagonal. Finalmente importante que se faa algumas consideraes a respeito das limitaes do clculo do VAR via aproximao delta-normal: As informaes histricas so utilizadas para se fazer inferncias em relao s movimentaes futuras nos preos dos ativos financeiros. As informaes passadas no cobrem todas as possibilidades de cenrios possveis nem garantem que surpresas inesperadas venham a aparecer no futuro. Habituado a 4 anos de uma poltica cambial de bandas e lutando contra os efeitos da notria sobrevalorizao do Real, o mercado relutou ao final do ano passado em admitir que a situao tornara-se insustentvel. O Real experimentou assim uma grande desvalorizao cambial, provocando problemas financeiros para diversas instituies. Esse crash , ou quebra estrutural da tendncia de desvalorizao do Real em relao ao Dlar, no poderia ser previsto pelo modelo do VAR. Mesmo uma anlise de cenrios dificilmente projetaria um quadro to pessimista quanto o ocorrido em janeiro ltimo. O grfico abaixo apresenta o efeito da quebra estrutural nas oscilaes dirias do PTAX 800 aps o fim do regime de bandas cambiais.
UM EXEMPLO RECENTE

15% 10% 5% 0% -5% -10%

Intervalo de Confiana com 95% de Significncia para os Retornos Dirios do PTAX 800

Repare que o padro de comportamento das oscilaes dirias do PTAX 800 mudou completamente no incio de 99. O modelo do VAR via aproximao delta-normal no conseguiria prever essa mudana brusca com antecedncia, apenas aps o primeiro grande choque de 8.53% entre os dias 12 e 13 de janeiro.
Research 14/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES O VAR de uma carteira um importante indicador do risco de mercado no sentido de fornecer uma estimativa de quanto pode ser a perda de uma carteira em condies normais de mercado, porm no capaz de evitar perdas decorrentes de crises sistmicas e retrao de mercado (e o pior de tudo: quase sempre ocorrem simultaneamente). A sntese de tudo o que foi exposto que apesar do grande desenvolvimento de modelos economtricos nos ltimos 50 anos, o mercado financeiro normalmente regido por emoes humanas e portanto a nica certeza que se tem em relao s cotaes que elas continuaro a oscilar. O grfico abaixo ilustra uma simulao de Monte Carlo de 100 trajetrias possveis para os preos de um ativo, cada uma com 100 passos e preo inicial igual a 100 11.

108 106 104 102 100 98 96 94 0 10 20

Simulao de Monte Carlo para caminhos possveis dos preos de um ativo

30

40

50

60

70

80

90

100

Cada linha do grfico anterior uma trajetria possvel para o processo estocstico que rege as oscilaes de preo. A trajetria que ser formada aps um dia de negociaes no pode ser definida a priori, sendo regida, na verdade, por uma distribuio de probabilidades. O clculo do VAR no tem a pretenso de indicar qual ser a trajetria a ser seguida pelos diferentes do mercado, mas sim a magnitude de possveis oscilaes.

Research

15/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES

APNDICES
Recentemente a comunidade financeira assistiu alguns desastres que exemplificam bem o risco de mercado, um dos vrtices do risco financeiro. Um dos mais tradicionais exemplos na literatura o Caso Barings, um tradicional banco ingls que foi obrigado a fechar as portas aps elevadas perdas nos mercados japoneses, especialmente assumindo posies nos mercados futuro e opes de Nikkei 225.
1

A varincia projetada pode ser somada linearmente, assim (2) para t perodos 2 2 2 futuros dada por t2 = 1 + 2 + 2 + + n . Como 1 = 2 = 2 = = 2 = 2 , temos 2 3 n 2 3
2

que 2 t

= t
3

. Portanto, a volatilidade para t perodos futuros resume-se a

= t

A teoria de finanas assume que a mdia dos retornos dos ativos financeiro 0. Na prtica esse valor no zero, mas um valor muito pequeno. A suposio de normalidade sustentada e defendida porque garante a validade de muitos dos modelos utilizados em finanas. Uma distribuio normal do tipo (0,3), ou seja, apresenta Skewness 0 ( simtrica) e Kurtosis 3 (apresenta caudas leves, com reduzido nmero de eventos que, consequentemente, so considerados raros), terceiro e quarto momentos respectivos de uma distribuio de probabilidades. Na prtica observa-se que a suposio de normalidade no confirmada, pois a distribuio dos retornos assimtrica e apresenta caudas pesadas, nas quais encontra-se mais observaes do que o previsto e maior nmero de eventos considerados raros. A normalidade dos retornos permite ainda que o retorno de um portfolio possua distribuio normal. Como os retornos dos ativos possuem uma distribuio normal podem ser somados, ponderados por suas respectivas participaes formando uma nova varivel normal (portfolio). No do escopo deste trabalho discutir as formas de estimao de varincia e covarincia. Como assume-se que = 0, a varincia resume-se a uma soma de retornos quadrticos e a covarincia uma soma de retornos cruzados divididos por n. Desde o incio da dcada de 80 estuda-se as famlias ARCH e GARCH, metodologias mais sofisticadas e complexas cujos ganhos, no entanto, no compensam o tempo de processamento envolvido.
4

A notao matemtica para o clculo da varincia e aquela que ser utilizada para a estimao da covarincia baseiam-se na forma apresentada pelo RiskMetricsTM , Fourth Edition, 1996.
5

As covarincias so envolvidas na medida em que a matriz nada mais do que a representao de uma somatria de varincias. Pela propriedade estatstica da soma 2 de varincias (2), tem-se que (2A +B ) = 2 + B + 2 (,) . Se as variveis A e B so no A correlacionadas, (,) = 0 . Como no caso de ativos financeiros existe evidncia de correlaes significativas, esse elemento no pode ser desprezado para no se incorrer no erro de se subestimar o risco do portfolio. Vale acrescentar que as correlaes tendem a 100% nos momentos de crash, ou seja, em casos extremos, invalidando o princpio de Markowitz o qual define que existe a possibilidade de diminuio do risco via diversificao e aumentando ainda mais a necessidade da incluso da covarincia no modelo de clculo do VAR.
6

Research

16/18

Artigo Tcnico
7

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES Como o nmero de covarincias aumenta na forma de uma combinao C(n,2), ou seja, n![2!(n - 2 )!] , a dimenso da matriz cresce em complexidade a medida em que aumenta o nmero de ativos n. Em VALUE AT RISK - The New Benchmark for Controlling Market Risk , Jorion apresenta a formalizao da matriz de varincia e covarincia para o clculo do VAR via modelo diagonal. Essa matriz apresentada da mesma forma neste texto.
8

O nmero parmetros estimados cai de n varincias das aes e n!/[2!(n-2)!] covarincias (modelo completo) para n betas e a varincia do mercado (modelo beta), uma simplificao de clculo significativa. Essa aproximao s foi possvel porque o nmero de aes que compe o portfolio grande. A estimao do VAR sempre passa pelo conceito de se construir um modelo robusto, ou seja, funcional e com o maior nmero de simplificaes possveis.
9

O VAR tem a preocupao de definir a perda mxima de uma carteira dado um intervalo de confiana e um horizonte de tempo de projeo. Na anlise do backing test as perdas e ganhos de um portfolio so levados em conta da a necessidade de se usar /2 ao invs de .
10

Antes de se fazer uma simulao das possveis trajetrias de um ativo necessrio o estabelecimento de uma equao estocstica que modela o comportamento dos preos ao longo do tempo. O modelo mais utilizado o Movimento Browniano Geomtrico que segue a forma
11

Pt = Pt -1 exp t t

Onde exp o nmero neperiano e = 2.718281.. a volatilidade do ativo. t um nmero aleatrio N (0,1). t o nmero de passos de cada trajetrias. Cada step de uma trajetria uma partio de um intervalo de tempo que corresponde trajetria como um todo. Assim, quando t = 0.01, tem-se que cada dia formado por 100 realizaes de preos diferentes at que se atinja um preo de fechamento hipottico.

Research

17/18

Artigo Tcnico

ESTIMAO DO RISCO DE MERCADO PARA UMA CARTEIRA DE AES

BIBLIOGRAFIA E SOFTWARES
Bibliografia Boudokh, J., Richardson, M. e Whitelaw, R. F.. Investigation of a Class of Volatility Estimators. In The Journal of Derivatives (spring 1997), pp.63-71. Jorion, Philippe. VALUE AT RISK: The New Benchmark for Controlling Market Risk Irwin, 1997. Pindick, Robert S. & Rubinfeld, Daniel L.. Econometric Models & Economic Forecasts, McGraw-Hill, 1991. RiskMetrics Technical Document, 1994, Fourth Edition. Sholes, M. & J. Williams. Estimating beta from non-synchronous data, Journal of Financial Economics, 5, (1977), pp. 309-327. VAR Understanding and Applying ValueatRisk. KPMG RISK Publications, 1997. Softwares Econometric Views - Quantitative Micro Software Excel 7.0 Matlab 5.0, The Language of Technical Computing The Mathworks

Research

18/18