CAMPUS
itulo 15 ~- Cestio de Riscos no Mercado Financeira
No método histérico ha um pequeno problema no calculo da volatilidade: todas
as observagdes possuem a mesma importancia, ou seja, o dia 15/07/2002 contribui
da mesma forma que o dia 15/02/2002 no calculo do desvio-padrao. Algumas
vezes deseja-se que as ultimos dias tenham um peso maior. Neste caso, ha a
presuncao de que o dia de ontem influi mais no comportamento do ativo hoje do
que dias anteriores. Pode-se entao concluir que sera uma boa ideia sera atribuir
pesos as observagdes ditirias, com os dias mais recentes recebendo maiores pesos,
Por fim, a técnica da média movel possui duas vantagens importantes sobre 0
modelo de média simples. A primeira é que a volatilidade reage mais rapida a choques
no mercado quando os dados mais recentes tém mais peso que os dados no passado
distante. Jaa segunda diz respeito ao efeito apds um choque (ou um grande retorno),
onde a volatilidade declina exponencialmente a medida que o peso da observacao
do choque diminui. Em contraste, o uso de média mével simples leva a mudangas
relativamente abruptas no desvio-padriio, uma vez que o choque sai da amostra
considerada de forma nao suavizada.
15.7.3. Medindo o VaR — Modelos Nao-Paramétricos
Para determinados mercados, a presungio de uma distribuigio normal para os
retomos dos ativos poder comprometer bastante a preciséo do risco calculado, Um
bom exemple disto ¢ 0 mercado de délares no Brasil tanto no momento que antecedeu
acrise cambial de janeiro de 1999 como no que antecedeu a de jutho de 2002,
Nestes momentos, assumir uma distribuicdo normal para esse mercado seria
atribuir uma grande probabilidade para eventos que sao quase impossiveis de ocorrer,
em detrimento daqueles que possuem uma grande possibilidade de ocorrencia
Ja nos mereados em que ¢:
istem maiores ocorréncias de observagdes longe da
media (distribuigGes com caudas gordas), assumir uma distribuicao normal ira causar,
inevitavelmente, uma distorgao no calculo do risco para um valor inferior ao real, ou
a, serdo atribuidas probabilidades de ocorréncia menores do que as observadas, ou
esperadas, para grandes variagoes. Essa deficiéncia se agrava principalmente nos casos
de haver uma tendéncia na distribuigio (uma cauda mais gorda do que a outra).
Na busca da solugdo para 0 problema do eilculo do risco nos mercados em que
a presuncao de uma distribui
io Normal para os retomos dos ativos nao pode ser
empregada, foram desenvolvidos os modelos nao paramétricos.
Tais modelos constituem-se basicamente em recalcular 6 valor da carteira segundo
uma série de cenarios definidos. Estudando os resultados obtidos, determina-se a
distribuicdo de probabilidade do retomo dos instrumentos, que pode ou nao ser
‘sosiMDUO} 9 SEADIG IISSérie Provas ¢ Cencursos
Manual de Contabilidade Banciria — Claudio filgueitas ELSEVIER
normal. A chave para esta metodologia é a obtencao das diversas condigées de
mercado com as quais a carteira sera reavaliada
A questo passa ser: como elaborar os cendrios? Para a determinacao desses cenarios
pode-se usar tanto os dados historicos quanto modelos probabilisticos, normalmente a
simulacao estruturada de Monte Carlo. Portanto, pode-se subdividir esse método nao
paramétrico em dois grupos: a simulagao historia e a estruturada de Monte Carlo.
Na simulagao historica deve-se definir um periodo de tempo e estudar as variagdes
dle precos ocorrida nesse periodo, Emprega-se estas variagoes para reavaliar a carteirae
obter-se um conjunto de retornos. Esse conjunto de retornos ir determinar a distribuicao.
Baseados nessa distribuicao e no intervalo de confianga desejado que se calcula o risco.
Ja para a simulacao estruturada de Monte Carlo, em vez de se utilizar dados
passados, define-se um modelo que ira simular varios valores para cada um dos
fatores de risco de mercado que afetam o preco dos ativos da carteira. Obtidos esses.
valores, calcula-se o valor da carteira para cada um dos casos e defini-se a distribuicao
do retorno da carteira, de modo andlogo ao realizado na simulacao histérica.
Normalmente, simula-se um grande mimero de cendrios, na casa dos milhares.
A principal diferenca entre a simulagao de Monte Carlo ¢ a hist6rica ¢ a
determinagao dos cenarios a serem empregados para se obteras variacGes dos fatores
determinantes dos precos dos ativos da carteira.
Cabe ressaltar que os madelos nao paramétricos funcionam bem para qualquer
tipo de distribuicao. Deve-se prestar atencao quando se utiliza a propria distribuicao
do ativo para o calculo de seu risco. Esta metodologia € muito versatil por ser
empregada tanto para saber risco como para conhecer 0 comportamento da canteira.
Deacordo com asituacao do mercado, basta alimentara simulacao com os precos
desejados. Imagine que uma instituicdo seja detentora de uma carteira e gostaria de
saber como ela se comportaria em uma circunsténcia de stress, como a falta de
liquidez do mercado cambial em julho de 2002.
Basta escolher o periodo correspondent, calcular os retornos dos ativos e as
variagées nas taxas que determinam os precos dos instrumentos da carteira, tais
como taxas de juros nacional ¢ internacional (para simular CDBs, NTN cambiais) €
taxas de cambio (para determinar 0 valor de contratos de cambio e ativos denominados
em moeda estrangeira), alimentar estas variagdes nos modelos de avaliagdo e obter a
distribuigio dos retornos.
Aoseempregar um modelo de calculo do VaR seria recomendado uma constante
avaliagdo. Desta forma, avalia-se constantemente as perdas ocorridas para verificar
se estéo dentro da estimativa prevista pelo modelo.CAMPUS Capitulo 15 — Gestio dé Riseos no Mereado financeito.
Na priatica, o backtesting consiste em verificar se o mumero de vezes em que as
perdas superaram o VaR esta proxima do nivel de confianga adotado. Por exemplo,
se 0 intervalo de confianga é de 95% e ao observar-se os resultados da carteira em
dado periodo, constata-se que 0s mesmos ficaram abaixo do VaR 10% das vezes.
Provavelmente, 0 modelo precisaria de um ajuste como a troca de um modelo
paramétrico para um nio paramétrico ou vice-versa, a mudanga do fator de decaimento
do EWMA, pesquisa de novos métodos de calculo da volatilidade, dentre outras
solugoes que devem ser usadas de acordo com 0 caso em questo. Nesse ponto, a
experiencia do gerente de risco é fundamental
Ja o teste de stress consiste em avaliar o portfolio em condigdes extremas €
anormais de mercado. Ele serve como insumo & andlise e aos procedimentos para
adogao de uma estratégia que visa minimizar perdas e problemas nessas condigoes.
O teste de stress pode ser montado de modo a reproduzir uma situagao de crise
ou de uma maneira totalmente subjetiva, especificando cenarios de interesse ¢
avaliando posstveis perdas no valor da carteira
Avvantagem de especificar cenarios consiste no fato de possibilitar cobrir situagées
completamente ausentes de dados histéricos, como no caso de uma crise
Entretanto, a abordagem subjetiva nao fornece um modo cientifico de fixagao
dos cenarios. A experiéncia mostra que algumas pessoas s
outras so bastante pessimistas em condigdes extremas, Além do mais, a escolha
dos cenarios € afetada pela propria posicao do portfolio, Num més a carteira pode
estar concentrada em titulos de renda fixa; 0 cenario, entao, focaraa variagdo da taxa
jo Muito otimistas enquanto
de juros de mercado. No més seguinte, a carteira pode estar investida principalmente
em agoes, sendo necessario 4 escolha de outro cenario.
De modo geral, o teste de stress deve ser considerado um método complementar
ao invés de substituto do VaR. O teste de stre
caso em decorréncia de grandes movimentos de variaveis chaves da economia.
5 € util para calcular o efeito do pior
Por fim, deve-seatentar que o VaR é apenas um dos pracedimentos para controle de
risco, mas no deverd ser considerado como 0 tinico, poisa fixagio de limites operacionais
eum efetivo controle das operagdes jé foram comprovados, apés estudos sobres grandes
perdas nos mercados de detivativos, como essenciais para gerenciar o tisco
Inclusive Jorion cita: “(...) 0 VaR deve ser visto como um procedimento
necessirio, mas nao suliciente, para o controle de riscos, que deve ser
complementado por limites ¢ controles, além de uma fungao independente na
administracio de risco”."2
8 JORION, Philippe. Value at Risk: A Nova Fonte de Referencia para o Controle do Risco de Mereado. Sao Paulo:
DMG, 1999, p. 21
‘SOSIMDUOD w SAD! ALS