Escolar Documentos
Profissional Documentos
Cultura Documentos
PARA A ESTIMATIVA
MULTIVARIADA DE VAR
(VALUEATRISK) PARA RISCO
DE MERCADO: UM ESTUDO
DE CASO COMPARATIVO
Joo Luiz Chela
Doutor em Matemtica Aplicada pela Universidade Estadual de Campinas (Unicamp).
Mestre em Matemtica Aplicada pela Universidade Estadual Paulista Jlio de
Mesquita Filho (Unesp). Graduado em Matemtica Pura pela Unesp.
Professor do Centro de Cincias Sociais e Aplicadas da Universidade Presbiteriana
Mackenzie (UPM) e superintendente de modelagem de crdito do Banco Safra.
Email: chela@mackenzie.br
Jean Carlos Abraho
Master in Business Administration (MBA) pela Carnegie Mellon University (EUA).
Graduado em Engenharia Civil pela Escola Politcnica da Universidade de So Paulo
(PoliUSP). Superintendente no Banco ItaUnibanco.
Email: jean.abrahao@hotmail.com
Luiz Fernando Ohara Kamogawa
Graduado, mestre e doutor em Economia pela Escola Superior de Agricultura
Luiz de Queiroz (EsalqUSP).
Professor do Centro de Cincias Sociais e Aplicadas da Universidade Presbiteriana
Mackenzie (UPM) e gerente de validao de modelos de risco no Banco ItaUnibanco.
Email: luiz.kamogawa@itauunibanco.com.br
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
Resumo
O presente trabalho tem como objetivo explorar diferentes modelos de esti
mativa da distribuio conjunta de fatores para risco de mercado, com nfase nos
modelos ortogonais. Foram explorados cinco modelos: 1. o de correlao condi
cional dinmica (DCC); 2. o de ortogonais (ou por componentes principais); 3. o
tradicional RiskMetrics EWMA com fator de decaimento 0.94; 4. o com otimiza
o de parmetros GARCH e correlao EWMA; e 5. o de aproximao para valo
res extremos. Todos os modelos foram explorados de forma emprica, com o uso
de uma srie de carteiras previamente selecionada, incluindo dados da ETTJ bra
sileira durante o perodo da crise financeira de 2008. Os resultados indicam uso
favorvel do modelo de componentes principais.
Palavraschave: Componentes principais; GARCH; EWMA.
1
INTRODUO
A literatura de finanas para a modelagem da volatilidade univariada (ni
co fator de risco) extremamente densa e desenvolvida, e h um consenso
geral das melhores prticas, convenincias e usos de cada modelo.
A fim de aplicar esses modelos para que haja uma distribuio conjunta
dos fatores de risco (modelos multivariados), ainda no existe uma metodolo
gia que atenda plenamente os pressupostos metodolgicos quantitativos sem
ferir tambm os princpios econmicos, mostrandose parcimonioso em sua
implantao.
Grande parte da literatura compese de generalizaes dos procedimen
tos de modelagem da volatilidade estocstica univariada (em que GARCH e
EWMA so exemplos). Tal generalizao se torna onerosa e imprecisa medi
da que so adicionados novos ativos carteira.
Existem n (n + 1)/2 conjuntos de variveis a serem calculadas para n n
mero de ativos, o que pode representar, por exemplo, 15 conjuntos a serem
71
W1.1 Modelos
de correlao condicional
Ht = Dt R Dt
(1)
em que:
Ht a matriz de varincia/covarincia no perodo de tempo t;
Dt = diag hi,t , e hi,t a varincia do ativo i em t;
72
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
t = Dt 1 rt
(2)
(3)
(4)
em que:
q i,j, t a covarincia entre os ativos i e j em t;
o fator de decaimento.
Para a aproximao GARCH (1,1) temse1:
q i , j , t = i , j + i , t 1 j , t 1 i , j + q i , j , t 1 i , j
(5)
em que:
73
Salientase que esse processo garante, a cada instante, que a matriz de cor
relao e dos elementos q i, j, t seja positiva e semidefinida, tendo em vista que
se trata de uma ponderao de uma matriz positiva definida com outra posi
tiva semidefinida.
Resumidamente, as vantagens do modelo de correlao condicional so:
Do ponto de vista operacional, o nmero reduzido de conjuntos de vari
veis a serem estimados (de n (n + 1)/2 para n + 1);
Do ponto de vista emprico, obtmse matriz de correlaes mais estveis
e melhor performance, quanto aos quantis de frequncia das falhas2.
W1.2 Modelos
ortogonais
( )
t nxn
= cov ( X t ) = e1
ai
en
0
0 e1
a n en
em que:
(X )
t Txn
r1,t T
=
r
1,t
rn ,t T
74
(6)
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
Yt = ei X t =
Yn ,t = en X t
(7)
( )
cov Yi,t , Y j,t = ei t e j = 0 , temse que a soma total dos autovalores uma
n
( )
1
X t X t = t . Prmultiplicando a matriz t pela ma
n 1
1
triz de autovetores e psmultiplicando por sua transposta, temse:
E X t X t E = A , em que:
n 1
E = e1
ai
en a matriz de autovetores; e A =
0
( )
, a matriz de autovalores.
a n
( )
1
Y Y = A . Dado que
n 1 t t
1
1
X t X t =
Y Y = t .
n 1
n 1 t t
4 Testes empricos demonstram que de trs a quatro dimenses j so capazes de representar de forma ade
quada a matriz de varincia/covarincia (ALEXANDER, 2008).
75
hi =1,t
=
h = 0
1, n ,t
(8)
h n ,t
+ hk,t = 1 k rk2,t 1 + k hk,t 1 =
(9)
em que:
o fator de decaimento para o componente i;
i
2
i , t 1
+ hk,t = 1 k k + k rk2,t 1 + k hk,t 1 =
76
(10)
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
( ) + + a1 (e X )
1
c2 = X 1 X = e1 X
a1
(11)
77
Grfico 1
Y2
E ( e2,i )
Y1
E ( e1,i )
a1
78
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
Grfico 2
E ( a2,g1)
E ( a2)
E ( a2,g2)
E ( e1,i )
E ( a1,g1)
E ( a1)
E ( a1,g2)
a1
79
2
OBJETIVOS
O presente trabalho tem como objetivos:
1. Verificar o poder de reduo de dimenses do mtodo de componentes
principais.
2. Testar a estabilidade dos componentes.
3. Fazer uma anlise comparativa da qualidade dos modelos:
a. VAR EWMA .94;
b. VAR DCC;
c. VAR ortogonal EWMA .94;
d. VAR ortogonal EWMA otimizado;
e. VAR ortogonal GARCH otimizado;
f. Uma aproximao para a distribuio dos valores extremos.
Foram testados dois conjuntos de carteiras:
o primeiro para testar a estabilidade dos componentes, com mais ativos
(15) e com maior srie de tempo (1.008 dias teis);
o segundo para realizar o estudo comparativo, com trs carteiras uma
concentrada em juros pr e cupom; outra diversificada em ndices, juros e
moedas; e uma terceira de comportamento atpico (altssima volatilidade),
com 12 ativos e 645 dias teis.
O poder de reduo foi demonstrado em ambos os estudos. Os testes e as
metodologias utilizadas, alm da descrio das carteiras, esto indicados na
seo a seguir.
3
METODOLOGIA
W3.1 Poder
80
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
W3.2 Estudo
comparativo
81
Carteira C:
Grupo 1 aes Citigroup, Lehman Brothers, Goldman Sachs, Merril
Lynch, Aracruz Celulose e Papel, Sadia e Petrleo NY.
Grupo 2 CDS Brasil, CDS Chile, CDS IBM, CDS Argentina, CDS Leh
man Brothers, todos de cinco anos.
A fonte de todas as carteiras foi o Bloomberg, entre os dias 23 de fevereiro
de 2006 e 26 de novembro de 2008. Dessas amostras, foram tomadas as ta
xas dos log retornos, e dos log retornos foram desenvolvidos os modelos de
volatilidade. Em todas as carteiras, para cada ativo foi estipulado um valor
marcado a mercado (MtM) inicial de R$ 10.000 (dez mil reais), com seus
valores marcados diariamente a mercado.
Dois cenrios foram considerados: um assumindo uma posio comprada
e outro, vendida. No caso da carteira C, os cenrios foram: 1. Posio com
prada do grupo 1 e vendida para o grupo 2; 2. Posio vendida para o grupo
1 e comprada do grupo 2. O valor de VAR foi padronizado em 99%.
Os critrios de avaliao dos modelos foram:
Teste de Kupiec mede a eficincia da proteo;
Pior perda relativa nmero do pior retorno em valores de volatilidade
mede a proteo no pior cenrio.
VAR mdio (em R$) mede o custo da proteo.
LR Kupiec
82
2
n x
x
x
n
x
n
(
)
(
)
= log
~ x12 ( )
1 p * n x p * x
) ( )
(
(12)
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
em que:
x o nmero de falhas;
n o perodo;
p* o intervalo de confiana do modelo de VAR;
o intervalo de confiana de teste.
Pelas propriedades assintticas da proporo das falhas, a razo x/n (pro
poro observada das falhas) deve, em grandes amostras, tender ao intervalo
de confiana de VAR, que a proporo de falhas da distribuio especificada
x
83
Grfico 3
E(x/n)
(x/n)
Intervalo _= 5%
Intervalo _= 1%
84
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
cial EWMA nos retornos marginais. Nesse caso, no entanto, o fator de decaimen
to foi otimizado para cada ativo. O processo de otimizao utilizado foi a maxi
mizao da verossimilhana da somatria dos retornos padronizados normal.
A segunda parte da amostra de 540 dias, entre 28 de julho de 2006 e 26
de novembro de 2008 foi utilizada para continuar o processo de estimativa
das volatilidades estocsticas para cada ativo, considerando o fator de decai
mento da amostra de aprendizado para serem estimadas as covarincias, as
quais foram tomadas a partir das marginais, com uso da Equao (4).
Os pesos do alisamento exponencial da DCC foram obtidos pela maximi
zao da funo de verossimilhana dos retornos padronizados normal, den
tro dessa amostra.
Desse resultado foram testados as frequncias de falhas (Kupiec), a pior
perda e o VAR mdio para as trs carteiras selecionadas nos dois cenrios (po
sies comprada e vendida).
3.2.4 VAR OEWMA .94
85
86
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
4
RESULTADOS
W4.1
Grfico 4
ju
n.
/0
5
se
t./
05
de
z./
05
m
ar
./0
6
ju
n.
/0
6
se
t./
06
de
z./
06
m
ar
./0
7
ju
n.
/0
7
se
t./
07
de
z./
07
m
ar
./0
8
ju
n.
/0
8
se
t./
08
12,4%
W4.2
Carteira A
87
4.000
2.000
28/9/2008
28/10/2008
28/8/2008
28/7/2008
28/6/2008
28/5/2008
28/4/2008
28/3/2008
28/2/2008
28/1/2008
28/12/2007
28/11/2007
28/9/2007
28/10/2007
28/8/2007
28/7/2007
28/6/2007
28/5/2007
28/4/2007
28/3/2007
28/2/2007
28/1/2007
28/12/2006
28/11/2006
28/9/2006
28/10/2006
(2.000)
28/8/2006
28/7/2006
(4.000)
(6.000)
EWMA 0,94
DCC
VAR PCA EWMA .94
PCA O-GARCH
EWMA 0,94
EXTREME LOWER BOUND
PCA O-EW MA OTIMIZADO
Retorno
EXTREME UPPER BOUND
PCA O-EW MAc OTIMIZADO
DCC
VAR PCA EWMA .94
PCA O-GARCH
Kupiec 5%
Vendido
Comprado
Vendido
Comprado
VAR
mdio
99%
EWMA
2,39%
2,20%
Falho
Falho
DCC
12,29%
10,46%
Falho
O-EWMA
2,75%
3,49%
O-GARCH
1,10%
Comprado
613,53
3,18
-3,83
Falho
212,31
31,73
-33,39
Falho
Falho
554,48
6,22
-7,59
1,47%
OK
OK
686,37
4,04
-5,51
O-EWMA .94
2,75%
3,30%
Falho
Falho
567,10
6,24
-8,76
EXTREME
1,10%
1,10%
OK
OK
1.138,90
7,27
-4,04
88
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
W4.3 Carteira
28/9/2008
28/10/2008
28/8/2008
28/7/2008
28/6/2008
28/4/2008
28/5/2008
28/3/2008
28/2/2008
28/1/2008
28/12/2007
28/11/2007
28/9/2007
28/10/2007
28/8/2007
28/7/2007
28/6/2007
28/5/2007
28/4/2007
28/3/2007
28/2/2007
28/1/2007
28/12/2006
28/11/2006
28/9/2006
28/10/2006
28/8/2006
(5.000)
28/7/2006
(10.000)
(15.000)
(20.000)
(25.000)
EWMA 0,94
DCC
VAR PCA EWMA .94
PCA O-GARCH
EWMA 0,94
EXTREME LOWER BOUND
PCA O-EW MA OTIMIZADO
Retorno
EXTREME UPPER BOUND
PCA O-EW MAc OTIMIZADO
DCC
VAR PCA EWMA .94
PCA O-GARCH
Vendido
Comprado
Vendido
Comprado
VAR
mdio
99%
EWMA
0,55%
0,73%
OK
OK
DCC
1,28%
1,83%
OK
OK
Kupiec 5%
Comprado
6.354,66
2,87
-3,23
7.470,12
5,98
-5,01
O-EWMA
0,37%
0,55%
OK
OK
7.933,99
2,97
-4,47
O-GARCH
0,37%
0,55%
OK
OK
8.462,28
2,62
-3,98
O-EWMA .94
0,37%
0,55%
OK
OK
7.937,85
2,91
-4,49
EXTREME
1,65%
1,28%
OK
OK
8.945,74
3,56
-3,79
89
W4.4 Carteira
Grfico 7
28/9/2008
28/10/2008
28/8/2008
28/6/2008
28/7/2008
28/5/2008
28/3/2008
28/4/2008
28/2/2008
28/1/2008
28/12/2007
28/11/2007
28/9/2007
28/10/2007
28/8/2007
28/6/2007
28/7/2007
28/5/2007
28/3/2007
28/4/2007
28/2/2007
28/1/2007
28/12/2006
28/11/2006
28/9/2006
28/10/2006
28/8/2006
(50.000)
28/7/2006
(100.000)
(150.000)
(200.000)
EWMA 0,94
DCC
VAR PCA EWMA .94
PCA O-GARCH
EWMA 0,94
EXTREME LOWER BOUND
PCA O-EW MA OTIMIZADO
90
Retorno
EXTREME UPPER BOUND
PCA O-EW MAc OTIMIZADO
DCC
VAR PCA EWMA .94
PCA O-GARCH
Modelos ortogonais para a estimativa multivariada de VAR (value-at-risk) para risco de mercado: um
estudo de caso comparativo, Joo Luiz Chela, Jean Carlos Abraho, Luiz Fernando Ohara Kamogawa
Tabela 3
Vendido
Comprado
Vendido
Comprado
VAR
mdio
99%
EWMA
1,65%
1,10%
OK
OK
DCC
1,28%
1,10%
OK
OK
O-EWMA
1,28%
0,37%
OK
O-GARCH
0,73%
0,37%
O-EWMA .94
1,28%
EXTREME
0,92%
Kupiec 5%
Comprado
11.647,84
3,57
-3,18
16.919,84
7,60
-6,61
OK
16.878,09
4,11
-4,34
OK
OK
18.428,00
3,10
-4,34
0,37%
OK
OK
17.730,03
4,78
-4,05
1,28%
OK
OK
18.640,89
5,36
-7,56
5
CONCLUSES
Pelos resultados obtidos dentro da amostra de produtos selecionados e no
perodo de anlise, os melhores modelos pelo critrio da ponderao entre
controle de risco na frequncia e na pior perda e custo de VAR mdio foram o
VAR tradicional por EWMA .94 e o VAR OGARCH.
No entanto, a falha do controle de risco na frequncia do modelo EWMA .94
dentro da carteira A um ponto relevante a ser considerado, apesar do baixo
custo mdio de VAR aparente em todas as carteiras e do excelente controle da
pior perda.
O VAR OGARCH nessa estrutura se mostra o mais promissor, tendo em
vista que ele no falha na frequncia em nenhuma das carteiras selecionadas.
Adicionase como ponto favorvel e de melhoria nas prximas aplicaes o
uso de reponderaes dos componentes e dos parmetros de GARCH, de for
ma peridica, ao contrrio de fixa.
Salientase que o resultado do VAR por valores extremos de controle pou
co eficiente da pior perda pode ser resultante da metodologia pela qual ele foi
construdo: ao considerar um ajuste em um histrico passado para cada uma
das caudas. Tal ajuste pode sofrer de vis assimetria (dada a necessidade de
um evento em uma das pontas para atualizao do risco), assim como de
incapacidade de capturar aumentos repentinos na volatilidade.
91
Abstract
The main approach of the present study is to empirically explore different
approaches to estimate the multivariate distribution of market risk factors with
a greater emphasis on orthogonal models. It has been explored five different
models: 1. the dynamical conditional correlation models (DCC); 2. the principal
component model (better the traditional RiskMetrics EWMA with 0.94 decay
factor; 3. optimized GARCH with EWMA 0.94 on the correlation; and 4. an
approach for extreme values distributions. The results indicate a better performance
of principal component model.
Keywords: Principal components; GARCH; EWMA.
Referncias
ALEXANDER, C. Practical financial econometrics. New Jersey: John Wiley & Sons, 2008.
BOLLERSLEV, T. Modeling the coherence in shortrun nominal exchange rates: a multivariate gene
ralized ARCH model. Review of Economic and Statistics, v. 72, n. 3, p. 498505, Aug. 1990.
ENGLE, R. Dynamic conditional correlation: a simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, v. 20,
n. 3, p. 339350, June 2002.
JOHNSON, R. A.; WICHERN, D. W. Applied multivariate statistical analysis. 5. ed. New Jersey: Pren
tice Hall, 2002.
KUPIEC, P. H. Techniques for verifying the accuracy of risk measurement models. Journal of Deri
vatives, v. 3, n. 2, p. 7384, Winter 1995.
TSAY, R. S. Analysis of financial timeseries. 2. ed. New Jersey: John Wiley & Sons, 2005.
92