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 IISSérie 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