Você está na página 1de 119

TIAGO MARQUES PESSA

MODELO PARA DETERMINAO DA CURVA DE


VOLATILIDADE DE ATIVOS.




Trabalho de Formatura apresentado
Escola Politcnica da Universidade
de So Paulo para obteno do
Diploma de Engenheiro de Produo

















SO PAULO
2003
TIAGO MARQUES PESSA











MODELO PARA DETERMINAO DA CURVA DE
VOLATILIDADE DE ATIVOS




Trabalho de Formatura apresentado
Escola Politcnica da Universidade
de So Paulo para obteno do
Diploma de Engenheiro de Produo




Orientador:
Professora Doutora
Linda Lee Ho











SO PAULO
2003




























Aos meus pais







AGRADECIMENTOS



Aos Meus grandes amigos Andr Campos, Arthur Melo, Christian
Iveson, Danilo Bonfatti, Guilherme Calderon, Joo Pedro Senna e Thiago
Cozzi pelo suporte nos momentos difceis.

Aos meus pais e meu irmo por tudo que sou.

A minha namorada pela pacincia e ajuda durante todo o
desenvolvimento do trabalho.

A Jayme Fernandez e Leonardo Cardoso pelas oportunidades, pela
confiana e pela amizade desses 3 anos.

A todos meus familiares, e todas as pessoas que estiveram ao meu
lado durantes esses anos.

A professora Linda pela pacincia, orientao e incentivo ao trabalho.

A todos aqueles que participaram do meu desenvolvimento e no
foram aqui citados.
RESUMO

O objetivo do trabalho a determinao da curva de volatilidade de ativos
que no possuem opes negociadas, para isso foi apresentado os
conceitos necessrios sobre o mercado de opes e o seu principal
parmetro, a volatilidade. Aps a anlise sobre alguns modelos pesquisados
foi desenvolvido os Modelos Cannico de Mxima Entropia, sendo testado
comparando a curva de volatilidade obtida com a curva de volatilidade
observada do ndice Bovespa, obtendo resultado bastante satisfatrio.




















ABSTRACT
The purpose of this paper is the determination of the volatility curve that do
not have liquid options trading. Therefore were introduced some necessary
concepts about the options market and its most important parameter, the
volatility. After analising some models during the research, it was developped
the Entropy Model, that was tested by comparing the obtained volatility curve
with the volatility observed in Bovspa Index, reaching a fair relation between
there two





CONTEDO

Com o intuito de orientar a leitura deste trabalho, o contedo dos
captulos que compe apresentado abaixo:

Captulo 1 - Introduo

Este captulo apresenta, inicialmente, uma introduo histrica ao
mercado de derivativos, e uma breve descrio do mercado brasileiro e seus
participantes. discutida ainda, a necessidade do Banco JP Morgan de possuir
um modelo que encontre a curva de volatilidade de ativos sem liquidez, e uma
breve explicao sobre este objetivo. A metodologia e as atividades so
tambm tratadas neste trecho.

Captulo 2 Opes

A explanao das caractersticas de uma opo , bem como os fatores
que influenciam seus preos, constituem a introduo do captulo, que aborda
ainda a precificao das opes, sendo apresentado o modelo de Black&Sholes
e a anlise dos seus pressupostos. Por fim so feitas crticas ao modelo, quanto
ao pressuposto da lognormalidade, que gera o grfico de volatilidade constante,
no condizendo com a realidade.

Captulo 3 A volatilidade

A volatilidade por se tratar de um ponto crucial deste trabalho, merece
ateno especial neste captulo, que apresenta e explica os tipos existentes,
mtodo de estimao e os tipos de curvas de volatilidades. mostrado tambm
como os negociadores conseguem combinado o ativo objeto e as opes,
comprar e vender volatilidade.
Captulo 4 A Escolha de um modelo para encontrar a curva de
volatilidade

Aps apresentado o problema do modelo de Black&Sholes no captulo 2,
e explicar quais so os tipos de volatilidades, como ela negociada e seus
tipos de curva, conceitos bsicos para entender o problema, neste captulo ser
mostrado alguns modelos paramtricos e no paramtricos para a obteno da
curva de volatilidade, usando o critrio de deciso utilizado por Oliveira,2000 ,
para decidir sobre o modelo a ser construdo.

Captulo 5 - Argumentao Terica, Explicao, e Construo do Modelo
de Mxima Entropia

Neste captulo mostrado o conceito da teoria da informao, no qual o
modelo baseado, o desenvolvimento matemtico e apresentao de suas
equaes so tambm apresentados para por fim mostrar a sua construo em
planilha eletrnica.

Captulo 6 Apresentao dos Resultados.

Neste captulo so apresentados os resultados obtidos pelo modelo
construdo no captulo 5, comparando a curva de volatilidade do ndice Bovespa
determinada pelo modelo e a observada no mercado.

Captulo 7 Concluso

Por fim apresentada a concluso, analisando a viabilidade de utilizao
do modelo para determinar curvas de volatilidade de aes que no possuem
opes sendo negociadas. tambm apresentado sugestes para anlises
futuras e validao do trabalho na empresa.
ndice
1 Introduo
1.1 O Mercado de Derivativos.............................................................01
1.2 Necessidades do Banco JP Morgan Brasil.................................. 03
1.3 Objetivo do Trabalho: A curva de Volatilidade..............................04
1.4 Metodologia...................................................................................07
1.5 Atividades......................................................................................08
2 Opes...............................................................................................10
2.1 Introduo......................................................................................10
2.2 Fatores que afetam o preo das opes.......................................15
2.2.1 Preo da Ao e o preo de exerccio.....................................16
2.2.2 O tempo at o vencimento.......................................................16
2.2.3 Volatilidade...............................................................................16
2.2.4 A taxa de juros.........................................................................17
2.2.5 Dividendos...............................................................................17
2.3 Conceito de expectativa de retorno...............................................18
2.4 A precificao das opes.............................................................19
2.5 Precificao de opes.................................................................21
2.6 Modelo de Black&Scholes.............................................................21
2.6.1 Princpios do modelo de Black&Scholes..................................22
2.6.2 Princpio da distribuio lognormal..........................................23
2.6.3 Equaes de precificao de Black&Sholes............................29
2.7 Crticas ao Modelo.........................................................................33
3 A Volatilidade...........................................................................................37
3.1 O que Volatilidade......................................................................37
3.2 Volatilidade Histrica.....................................................................38
3.2.1 Clculo da Volatilidade histrica..............................................40
3.3 Volatilidade Implcita......................................................................43
3.4 Volatilidade Realizada...................................................................44
3.5 Negociando a Volatilidade.............................................................45
3.5.1 Demonstrao da compra da volatilidade...............................46
ndice
3.5.2 Lucro do Negociador...............................................................48
3.6 Comprado e Vendido em Volatilidade...........................................49
3.7 Tipos de Curva de Volatilidade......................................................51
4 Escolha do Modelo...................................................................................54
4.1 Modelos Pramtricos....................................................................54
4.1.1 Modelo de Mistura de Normais (Baha, 1997, Gemmill &
Sflekis,2000)............................................................................................54
4.2 Modelos No Paramtricos...........................................................58
4.2.2 Modelo de Mxima Entropia (Stutzer,1996)...........................59
4.3 Comparao dos Modelos.............................................................60
4.3.1 Eficincia computacional do modelo.....................................60
4.3.2 Confiabilidade nos resultados...............................................60
4.3.3 Facilidade de Uso.................................................................61
4.4 Resultado da Comparao (Oliveira,2000)...................................61
5 Argumentao Terica, Explicao, e Construo do Modelo................63
5.1 Argumentao Terica..................................................................63
5.1.1 Mxima incerteza equilbrio de mercado.......................... 63
5.1.2 Quantificao da Informao..............................................64
5.1.3 Entropia...............................................................................66
5.2 O Modelo.......................................................................................68
5.2.1 Obteno da distribuio de probabilidade q(S
t
)................69
5.2.2 Ajuste do Modelo................................................................74
5.2.3 Obteno dos preos das opes.......................................75
5.2.4 Curva de Volatilidade .........................................................76
5.3 Construo do Modelo..................................................................76
5.3.1 Algoritmo.............................................................................76
5.3.2 Apresentao da construo em planilha...........................78
5.3.2.1 Planilha de Principal.................................................81
5.3.2.2 Planilha de Clculo..................................................84
6 Anlise dos Resultados............................................................................87
ndice
6.1 Parmetros dos testes...................................................................87
6.2 Apresentao dos Resultados.......................................................88
6.3 Anlise dos Resultados.................................................................95
7 Concluso................................................................................................97
7.1 Concluso......................................................................................97
7.2 Validao dos Passos...................................................................99
8 Bibliografia.............................................................................................101



ndice de Figuras
Figura 1 Grfico da Volatilidade do S&P 500 antes de 1987..........................06
Figura 2 Grfico da Volatilidade do S&P 500 aps 1987................................06
Figura 3 Grfico de Retorno de uma opo de compra..................................12
Figura 4 Grfico de retorno de uma posio comprada em uma opo de
venda..................................................................................................................13
Figura 5 Grfico de uma posio vendida em opo de compra....................13
Figura 6 Grfico de um posio vendida em uma opo de venda................14
Figura 7 Distribuio do retorno do ativo x distribuio normal ativo ndice
Bovespa de 17/11/200 -17/11/2003....................................................................35
Figura 8 Grfico da volatilidade histrica de 10,100,252 dias, de 18/03/2002 a
15/09/2003..........................................................................................................39
Figura 9 Grfico da Volatilidade histrica e do preo do ibovespa de
26/05/2001 a 24/05/2003....................................................................................44
Figura 10 Grfico do retorno dirio de uma posio compra em
volatilidade..........................................................................................................50
Figura 11 Grfico do retorno dirio de uma posio vendida em
volatilidade..........................................................................................................50
Figura 12 Grafico da Volatilidade x Preo de Exerccio..................................52
Figura 13 Grfico da Voaltilidade x Preo de Exercco...................................53
Figura 14 Nova distribuio q a ser obtida......................................................71
Figura 15 Testes realizados entre a curva observada e a estimada pelo
modelo................................................................................................................91
Figura 16 Resultado do teste de 13 de agosto de 2003 ................................93
Figura 17 Resultado do teste de 23 de outubro..............................................94

ndice de Tabelas
Tabela 1 Efeito no preo de uma opo no aumento de uma varivel e
mantendo outras constantes..............................................................................18
Tabela 2 Clculo da Volatilidade do ndice Bovespa de 02/05/2003
30/05/2003 ........................................................................................................42
Tabela 3 Posio final combinado a compra da opo com a venda da
ao....................................................................................................................46
Tabela 4 Operao inicial para compra da volatilidade do ativo.....................47
Tabela 5 Fluxo de caixa e operaes realizadas diariamente com a mudana
do preo do ativo................................................................................................47
Tabela 6 Eficincia operacional dos modelos.................................................62
Tabela 7 Curva de volatilidade do ndice Bovespa , observada no mercado, de
09/06/2003 a 18/06/2003....................................................................................88
Tabela 8 Curva de volatilidade do ndice Bovespa obtida pelo modelo no
perodo de 06/06/2003 a 18/06/2003..................................................................89
Tabela 9 Comparao e clculo do erro entre a curva obtida e a esperada...90




Captulo 1 Introduo
1
1. Introduo


1.1 O Mercado de Derivativos


As primeiras opes de aes foram negociadas na bolsa em 1973 e
desde ento cresceram significativamente sendo atualmente negociadas em
todo o mundo. Os ativos objetos dos contratos de opes incluem aes,
ndices de aes, moedas, instrumentos de dvida, commodities e contratos
futuros. Este trabalho ter enfoque nas opes de aes, negociadas no
mercado brasileiro.

Existem vrios tipos de negociadores de opes, dentre eles
merecem destaque: os Hedgers, os especuladores, os arbitradores e os
negociadores de volatilidade.

Os mercados futuros foram criados originalmente para atender s
necessidades dos Hedgers. Os produtores tinham o interesse em garantir
um preo de venda para a sua produo e os comerciantes o interesse em
estabelecer um preo de compra para obter tais produtos. Os contratos
futuros, ento, permitiam que ambas as partes atingissem o seu objetivo. O
Hedger basicamente o negociador de opes ou futuros que se utiliza
deste instrumento para proteger seu investimento ou suas posies. No
mercado de renda varivel brasileiro os principais Hedgers so os Fundos
de Penso, que possuem suas posies em ao, e alguns Assets
Managements (administradores de recursos de terceiros), os quais possuem
metas indexadas ao ndice Bovespa
1
.

Os Especuladores, diferentemente dos Hedgers, tm interesse em
manter-se expostos s movimentaes do preo do ativo objeto, assim
sendo, apostam na alta ou na queda dos preos. No mercado de opo de
renda varivel brasileiro os principais especuladores so as pessoas fsicas,
Captulo 1 Introduo
2
que se utilizam dessas opes para obter ganhos rpidos e limitar suas
perdas.

Os Arbitradores formam o terceiro grupo significativo de participantes
dos mercados futuros e de opes. A arbitragem consite na obteno de
lucro sem risco, realizando transaes simultneas em dois ou mais
mercados. No Brasil, as principais arbitragens ocorrem entre aes
negociadas na Bovespa e as mesmas aes negociadas em forma de ADR
(American Depositary Receipt) na NYSE (New York Stock Exchange). Os
ADRs so recibos das aes negociadas na Bovespa, ou seja, o mesmo
ativo, porm negociados em dlar.

Por ltimo, existem os negociadores de volatilidade. Esses utilizam-se
da combinao da compra e venda de opes com a compra e venda do
ativo objeto resultando na negociao da volatilidade do ativo. A volatilidade
o principal parmetro de uma opo, ela a medida da incerteza dos
retornos do ativo, sendo definida como o desvio padro dos retornos da
ao. Atualmente no mercado brasileiro as principais opes nas quais
negocia-se a volatilidade so as opes de Tele Norte Leste s.a. (Telemar) e
as opes sobre o ndice Bovespa.

O desvio padro de uma distribuio lognormal de preos definida
como a sua volatilidade. No captulo 3 ser demonstrado como, a partir da
combinao da compra da opo e da venda do ativo objeto (no caso da
opo de compra), consegue-se negociar a volatilidade. Um negociador de
volatilidade identificando que a opo de um determinado ativo para 30 dias
est sendo negociada, por exemplo, com uma volatilidade de 20% e espera
que este ativo seja mais voltil neste perodo, poder comprar volatilidade,
usando as opes e o ativo objeto. Este negociador ter lucro na operao
caso o ativo seja realmente mais voltil durante o perodo da existncia da
opo.

1

1
ndice de aes que representa as 57 aes mais lquidas do mercado brasileiro
Captulo 1 Introduo
3

No decorrer deste trabalho ser demonstrado que, para cada preo
de exerccio de uma opo, existe uma volatilidade diferente sendo
negociada. Este fenmeno responsvel pela formao de uma curva
assimtrica de volatilidade dos ativos. Curva esta facilmente observada no
Brasil nas opes de ndice Bovespa e Telemar, que so opes de maior
liquidez (facilidade de comprar e vender o ativo) e tambm nos Estados
Unidos ,nas opes de ndices como o S&P 500
2
e o Nasdaq
3
.


1.2 Necessidades do Banco JP Morgan Brasil


Como a grande maioria das instituies financeiras, o Banco JP
Morgan possui um departamento responsvel pela administrao do seu
capital no mercado financeiro. Este departamento dividido em duas reas:
a rea de renda fixa, responsvel pela administrao dos recursos em taxas
de juros e moedas; e a rea de renda varivel, responsvel pela
administrao dos recursos em ao, ndices de ao e seus derivativos.

O departamento de renda varivel denominado Equity Derivatives
Group (EDG) alm de tomar as decises relativas ao capital administrado
pelo banco, tambm responsvel por estabelecer preos de operaes
solicitadas pelos clientes.

O enfoque principal da rea de EDG so operaes de volatilidade
utilizando opes. Est rea tambm denominada de market maker das
opes de renda varivel por ter a responsabilidade de precificar opes
solicitadas por clientes ou por outras instituies financeiras.


2
ndice que representa as aes das 500 empresas de maior valor de mercado nos Estados Unidos.
3
ndice que representa as aes das 100 maiores e mais lquidas empresas de tecnologia no mundo
Captulo 1 Introduo
4
No entanto, no mercado brasileiro encontramos o problema da
existncia de poucos ativos com opes lquidas sendo negociados, o que
torna difcil a precificao de determinadas opes requisitadas por clientes.

Este problema agravado principalmente para as opes com preo
de exerccio mais baixo ou mais alto que o preo atual do ativo, j que a sua
curva de volatilidade no conhecida. Foi verificado que nesses casos,
utilizada a curva de volatilidade do ndice Bovespa, ou de outra ao similar,
adequando-a ao risco que os negociadores esto dispostos ter. Entretanto,
sem a utilizao de qualquer modelo que chegue a concluso de qual seria a
curva de volatilidade do ativo baseado em seus preos histricos.
Em entrevista aberta com os negociadores foi-se ento constatado
que a criao de um modelo computacionalmente vivel e de fcil utilizao,
alm de aumentar a rapidez na obteno dos resultados, seria bastante til
para atender s necessidades da rea de EDG.


1.3 Objetivo do trabalho: A curva de volatilidade


Diferentemente das mesas de opes de moedas, ou de juros, as
mesas de opes de renda varivel possuem diversos ativos com
volatilidade distintas sendo negociados. Muitos desses ativos, como dito
anteriormente, no possuem opes com liquidez , gerando dificuldade para
serem precificados.

Alm de diversos ativos, os negociadores de volatilidade encontram
vrios preos de exerccios e diferentes vencimentos, e devem ser capazes
de avaliar se a volatilidade de um certo preo de exerccio est mais alta ou
mais baixa com relao a sua volatilidade histrica. Por exemplo, um ativo
objeto com preo de $100,00 que possui a volatilidade do seu preo de
exerccio de $100,00 negociada a 30% e uma opo de venda com preo de
Captulo 1 Introduo
5
exerccio de $80,00 negociada 32% de volatilidade. Pergunta-se: A
volatilidade do preo de exerccio $80 alta ou baixa? Se o preo do ativo
cair 20% e passar a ser negociada $80,00 a volatilidade deste ativo ser
32%?
A proposta deste trabalho apresentar uma curva assimtrica,
baseada nos dados histricos dos ativos, capaz de descrever o
comportamento da volatilidade ajudando a determinar qual a volatilidade
para cada preo de exerccio.

Vrias so as explicaes atribudas pela literatura para a existncia
da assimetria na curva de volatilidade de um ativo. No caso de uma ao,
por exemplo, pode-se dizer que a ocorrncia de uma volatilidade maior
quando o preo da ao diminui dado pelo aumento do grau de
alavancagem da empresa, que tem seu risco aumentado.

Uma outra razo para a existncia da assimetria da curva explicada
pelo temor dos negociadores de volatilidade em haver o crash de uma
empresa ou do mercado, semelhante ao vivido em 1987 pela bolsa de Nova
Iorque. Em 19 de outubro de 1987 a Bolsa de Valores de Nova Iorque
quebrou, registrando uma queda brutal de 12,5% que zerou quase todos os
ativos dos acionistas. Naquele dia, o ndice Industrial Dow Jones
4
caiu 508
pontos, ou 22,6%, ou seja, uma queda duas vezes maior que a registrada
em outubro de 1929. Esta queda resultou do pnico de milhes de
investidores em todo o mundo, que depois desta crise passaram a valorizar
mais as as opes com preo de exerccio mais baixo em detrimento das
opes com preo de exerccio mais alto.

Este efeito pode ser verificado com base nas figuras 1 e 2. Na
figura1 observa-se como era negociada a volatilidade do ndice S&P 500,
antes da crise de 1987. Praticamente todos os preos de exerccio eram

4
ndice que representa as 30 maiores empresas dos Estados Unidos da Amrica
Captulo 1 Introduo
6
negociados com a mesma volatilidade. Na figura 2 observa-se como passou
a ser negociada a volatilidade aps a crise.


Figura 1 Grfico da volatilidade do S&P 500 antes de 1987- fonte Zou J.Z., 2000
elaborado pelo autor.


Figura 2 Grfico da volatilidade do S&P 500 aps 1987 Zou J.Z., 2000
elaborado pelo autor.


Pode-se observar uma ntida mudana na curva de volatilidade, onde
os negociadores aps a crise crise passaram a cobrar uma volatilidade mais
alta pelas opes com preo de exerccio mais baixo, devido a um aumento
da volatilidade do ndice S&P 500 durante a crise causada pelas quedas
bruscas do mercado.
Curva Volatilidade S&P 500 Antes de 1987
14,00%
15,00%
16,00%
17,00%
18,00%
19,00%
20,00%
0,940 0,960 0,980 1,000 1,020 1,040 1,060
Preo de exerccio / Indice
V
o
l
a
t
i
l
i
d
a
d
e
Curva de Volatilidade S&P 500 Aps 1987
14,00%
15,00%
16,00%
17,00%
18,00%
19,00%
20,00%
0,940 0,960 0,980 1,000 1,020 1,040 1,060
Preo de exerccio / Indice
V
o
l
a
t
i
l
i
d
a
d
e
Captulo 1 Introduo
7

Baseado neste problema, neste trabalho ser criado um modelo,
baseado nos preos histricos, que encontrar a curva assimtrica de
volatilidade do ativo e este ser testado, comparando com a volatilidade
negociada de ativos mais lquidos, no Brasil, no caso opes sobre o ndice
Bovespa.


1.4 Metodologia


O primeiro passo para o desenvolvimento do projeto a identificao
das necessidades, definio dos objetivos, e o escopo do trabalho.

Para se desenvolver um modelo vivel capaz de encontrar a curva de
volatilidade das opes, deve-se primeiro compreender o funcionamento do
mercado de opes, suas limitaes locais, bem como a precificao de
opo utilizando os modelos usuais (no nosso caso o modelo de
Black&Schoels) e os problemas neles existentes. Alm disso, necessrio
compreender como os negociadores operam a volatilidade combinando as
opes, o ativo objeto e os riscos inerentes nessas operaes. necessrio
tambm entender como calculada a volatilidade histrica, o que ela
significa e quais so os demais tipos de volatilidade existentes.

Aps esta etapa de fundamentao terica, mister se faz a proposio
de uma soluo ao problema, que como supramencionado, consite na
construo de modelo que encontre a curva assimtrica de volatilidade de
uma ao baseada em seus preos histricos. Para isso deve-se pesquisar
quais so as teorias j existentes (paramtricas e no paramtricas) e
identificar qual melhor se adapta ao problema existente, explicando os
conceitos utilizados, para mais tarde constru-lo em planilhas eletrnicas, de
forma a modelar matematicamente o problema.
Captulo 1 Introduo
8

A construo das planilhas eletrnicas deve ser feita de forma a
atender s necessidades dos negociadores, sendo de fcil utilizao e
dando nfase s variveis a serem inseridas de forma a diminuir a
possibilidade de erro do usurio. Alm disso, o modelo tem de ser capaz de
trazer os resultados de forma rpida e eficaz possibilitando ao negociador
utilizar esses dados para precificar a operao solicitada pelo cliente.

Com o domnio dos conceitos e a construo das planilhas, possvel
a efetuao dos testes convenientes de modo a verificar a aplicao da
metodologia. Bem como tirar concluses sobre o modelo comparando a
curva de volatilidade obtida de um ativo lquido, no nosso caso o ndice
Bovespa, com a curva presente no mercado.

Por fim, devemos encontrar um mtodo eficientemente capaz de
identificar erros existentes no modelo e mensur-los convenientemente.



1.5 Atividades


Sabendo da metodologia que ser utilizada para o desenvolvimento
do trabalho, podemos, agora, elencar as atividades que devero ser
executadas para o sucesso do projeto.

Pesquisas Bibliogrficas, que devem abranger as vastas colees
de livros e trabalhos da Escola Politcnica, Faculdade de
Economia e Administrao da USP, Banco JP Morgan,
publicaes sobre o tema, bem como sites de Internet que
disponibilizam informaes relevantes e confiveis;
Compilao das informaes obtidas na pesquisa bibliogrfica;
Captulo 1 Introduo
9
Estruturao do trabalho;
Definio das metodologias a serem propostas no projeto, o que
deve ser feito mediante associao dos conhecimentos adquiridos
durante a pesquisa bibliogrfica e durante o estgio
supervisionado, com entrevistas com os operadores e demais
participantes do mercado, que podem ser beneficiados com este
trabalho;
Definio de qual o melhor modelo terico a se modelar;
Construo das planilhas;
Construo de algumas funes usualmente chamadas macro,
que possam facilitar o usurio na utilizao do modelo;
Obteno das sries de dados que sero as entradas das
planilhas de teste do modelo, atentando-se sempre para a
procedncia dos dados e a sua conseqente confiabilidade;
Teste das sries de dados no modelo, verificando a velocidade de
obteno das respostas;
Coleta de resultados;
Coleta dos dados atuais de mercado;
Construo de grficos e tabelas, comparando os dados obtidos e
os de mercado;
Teste dos dados obtidos pelo modelo para avaliao;
Desenvolvimento das concluses acerca da metodologia e dos
testes desenvolvidos;
Entrevista com os negociadores para obter opinies sobre o
modelo e assim poder propor melhorias futuras, que possam
corrigir pequenas falhas e aumentar a eficincia da metodologia
proposta, elevando sua confiabilidade e preciso.

Captulo 2 Opes
10
2. Opes

O principal objetivo deste Captulo descrever as caractersticas
operacionais e finalidade do uso das opes.

Inicialmente ser apresentado o conceito de opes, o seu retorno e
quais so as variveis que impactam sua precificao. A seguir, ser
apresentado o modelo de Black&Scholes e seus principais pressupostos,
onde ser discutido o princpio da lognormalidade da distribuio e as
contestaes a este princpio.


2.1 Introduo


H dois tipos bsicos de opes. A opo de compra proporciona a
seu detentor, o direito de comprar o ativo objeto em certa data, por
determinado preo. Uma opo de venda proporciona ao seu titular, o direito
de vender o ativo objeto, em certa data por um determinado preo. O preo
acordado do contrato conhecido como preo de exerccio e a sua data
como data de vencimento. As opes americanas podem ser exercidas a
qualquer tempo at o seu vencimento. As opes europias podem ser
exercidas somente na sua data de vencimento.

Deve-se enfatizar que uma opo d ao seu titular o direito de fazer
algo, mas sem obrig-lo a faz-lo. Esta uma das caractersticas que
distinguem uma opo de um contrato futuro ou de um contrato a termo, pois
nestes casos o detentor obrigado a comprar ou vender o ativo objeto.

Uma outra caracterstica que distingue as opes do contrato futuro e
a termo que neste no existe um custo para a realizao do contrato,
Captulo 2 Opes
11
enquanto que para as opes h o pagamento de um prmio, preo pelo
qual o comprador da opo pagar para ter o direito de comprar, ou vender
a ao em determinada data por um determinado preo de exerccio.

No Brasil existem dois tipos de opes de aes: as opes de aes
listadas e as opes de aes flexveis. As opes de aes listadas so
negociadas na Bolsa de Valores de So Paulo (Bovespa) e possuem prazo
de vencimento mensal, definido como a segunda-feira mais prxima do dia
15 do ms. As opes sobre o ndice Bovespa possuem prazo de
vencimento bimestral (meses pares) definido como a quarta-feira mais
prxima do dia 15. Os preos de exerccios so tambm definidos pela
Bovespa. As opes flexveis so negociadas na Bolsa de Mercadoria e
Futuros (BM&F) e so tambm chamadas de opes de balco, elas podem
ter qualquer preo de exerccio e vencer em qualquer data definida pelas
duas partes envolvidas.

As opes listadas mais lquidas so as opes de compra de
Telemar, ao que representa atualmente 15% do peso do ndice Bovespa,
sendo que os vencimentos mais lquidos so os dois meses mais prximos e
os quatro preos de exerccios mais prximos do preo da ao. As opes
de compra de Telemar so consideradas as opes mais lquidas da
Amrica Latina. A segunda opo mais lquida so as opes de compra da
empresa Petrleo Brasileiro s.a. (Petrobrs). No Brasil, opes de venda de
aes tem sua liquidez muito baixa, quase no sendo negociadas.

Na Figura 3, a seguir, pode-se observar o retorno do detentor de uma
opo.


Captulo 2 Opes
12
Figura 3 Grfico do retorno de uma opo de compra elaborado pelo autor

No exemplo acima observa-se a compra de uma opo de compra de
ao com prmio de $10,00. O preo da ao no momento de $105,00, e o
seu preo de exerccio de $100,00. Neste caso o detentor da opo tem o
direito, mas no o dever de comprar a ao por $100. A figura 3 traduz o
comportamento do lucro do detentor da opo. O comprador perde os
$10,00 investidos se o preo da ao estiver abaixo dos $100, e comea a
ganhar quando a ao estiver acima do preo de exerccio, somado com o
prmio pago pela opo. No caso, o detentor da opo comea a obter lucro
quando a ao estiver com o preo acima de $110,00.







Comprado em uma Opo de Compra
(15)
5
25
45
65
85
50 70 90 110 130 150 170 190
Valor do Ativ o
L
u
c
r
o
&
P
r
e
j
u
i
z
o

R
$
Captulo 2 Opes
13

Figura 4- Grfico do retorno de uma posio comprada em uma opo de venda-
elaborado pelo autor.

Neste outro exemplo acima o investidor est comprado em uma
opo de venda com preo de exerccio de $110,00. O ativo vale no atual
momento $105,00 e o prmio pago pela opo de venda de $10,00. Pode-
se verificar que o detentor da opo de venda tem sua perda limitada ao
prmio pago iniciando seu ganho quando a ao estiver abaixo de $100,00.
Figura 5- grfico de uma posio vendida em uma opo de compra - elaborado
pelo autor.
Comprado em uma Opo de Venda
(15)
(5)
5
15
25
35
45
55
50 70 90 110 130 150 170 190
Valor do Atvio
L
u
c
r
o
&
P
r
e
j
u
i
z
o

R
$
V e n d id o e m u m a O p o d e C o m p r a
( 6 5 )
( 5 5 )
( 4 5 )
( 3 5 )
( 2 5 )
( 1 5 )
( 5 )
5
1 5
5 0 7 0 9 0 1 1 0 1 3 0 1 5 0 1 7 0 1 9 0
V a lo r d o A t v io
L
u
c
r
o
&
P
r
e
j
u
i
z
o

R
$
Captulo 2 Opes
14
Na figura 5 tem-se o exemplo de um investidor que vendeu uma
opo de compra, o preo de exerccio de $100,00 e o prmio recebido
pela venda da opo de $10,00. Caso ativo esteja abaixo do preo de
exerccio no seu vencimento, o vendedor da opo ganhar o prmio, caso
contrrio ele comear a perder quando o preo alcanar $110,00, que o
preo de exerccio mais o prmio pago. Diferentemente da opo
comprada, o vendedor tem sua perda ilimitada.
Figura 6- Grfico de uma posio vendida em uma opo de venda- elaborado pelo
autor.

Por fim a figura 6, traz o retorno do investidor que vendeu em uma
opo de venda de preo de exerccio $110,00. O investidor s obter lucro
se o preo do ativo estiver acima do preo de exerccio menos o prmio
recebido pela venda da opo, no caso $10,00.

Outro conceito importante a ser introduzido a nomenclatura utilizada
nas opes dependendo do seu preo de exerccio. A opo considerada At
the Money (ATM) a opo cujo preo de exerccio igual ao preo do
ativo objeto. A opo denominada in the money (ITM) aquela cujo o
preo est abaixo do seu preo de exerccio, no caso da opo de compra e,
Vendido em uma Opo de Venda
(80)
(70)
(60)
(50)
(40)
(30)
(20)
(10)
-
10
50 70 90 110 130 150 170 190
Valor do Ativo
L
u
c
r
o
&
P
r
e
j
u
i
z
o

R
$
Captulo 2 Opes
15
acima do seu preo de exerccio no caso da opo de venda. A opo out
of the money (OTM) tem seu preo de exerccio acima do preo do ativo
objeto no caso da opo de compra e abaixo do ativo objeto no caso da
opo de venda.

O negociador de volatilidade no tem somente a direo do mercado
como varivel, mas tambm a velocidade na qual ele se move. Por exemplo,
um negociador de futuros compra contratos futuros e um negociador de
opes compra contratos de opes de compra, ambos com a expectativa
de que o mercado suba. Caso este fato se concretize o detentor do contrato
futuro com certeza obter lucro enquanto o detentor da opo poder ter
prejuzo, dependendo da velocidade na qual o mercado sobe e de outras
variveis existentes que compe o preo das opes, a seguir apresentadas.

O conceito de velocidade vital para negociar opes. Muitas
estratgias dependem diretamente da velocidade na qual o mercado se
mover e no na direo que ele ir tomar.


2.1 Fatores que afetam o preo das opes


Para calcular o preo terico de uma opo deve-se levar em
considerao as seis caractersticas de uma opo e de seu ativo objeto:

preo corrente da ao;
preo de exerccio;
tempo para o vencimento;
volatilidade do preo da ao;
a taxa de juros livre de risco;
os dividendos esperados durante a vida da opo.

Captulo 2 Opes
16
2.2.1 Preo da ao e o preo de exerccio.

O preo de exerccio o preo pelo qual o portador de uma opo de
venda (ou de compra), ter o direito de vender (ou comprar) o ativo objeto.
Se exercida em algum momento no futuro, uma opo de compra ter como
valor o quanto o preo do ativo exceder o preo de exerccio da opo, o
chamado valor intrnseco da opo. Uma opo de venda ter como valor
intrnseco, exatamente o contrrio, o quanto o preo de exerccio exceder ao
preo do ativo no mercado. Desta forma, uma opo de compra se tornar
mais valiosa quanto maior o preo do ativo, e menor o preo de exerccio.
Analogamente, uma opo de venda se tornar menos valiosa quanto maior
o preo do ativo a que ela se refere, e menor o preo de exerccio.

2.2.2 O tempo at o vencimento.

As Opes Americanas, indiferentes de ser uma opo de compra ou
venda, sempre aumentam de valor quando o tempo at o vencimento
aumenta. Isso ocorre porque o portador de uma opo longa tem maiores
oportunidades de exerccio do que o possuidor de uma opo mais curta.

2.2.3 Volatilidade.

A volatilidade do ativo pode ser definida como a medida de quo
incerto est o mercado a respeito do movimento futuro dos preos deste
ativo. Com o aumento da volatilidade, a probabilidade do ativo apresentar
um resultado muito bom ou muito ruim aumenta, ou seja, o risco da ao
aumenta. Para os detentores de opo, no entanto, sejam elas de compra
ou de venda, aumenta a possibilidade de um resultado excepcional e, por
terem perdas limitadas (o prmio pago pela opo), o aumento da
volatilidade aumenta o preo da opo. Assim, tanto o valor das opes de
compra quanto o valor das opes de venda aumentam com o aumento da
volatilidade.
Captulo 2 Opes
17
2.2.4 A taxa de juros.

A taxa de juros afeta o preo das opes de uma maneira menos
intuitiva que os demais citados anteriormente. Quando a taxa de juros sobe,
a taxa de crescimento esperada dos preos dos ativos tambm tende a
aumentar, no entanto, o valor presente de qualquer fluxo de caixa recebido
pelo detentor do ativo diminui. Estes dois efeitos diminuem o valor de uma
opo de venda, ou seja, o aumento da taxa de juros reduz o preo de
opes de venda. No caso das opes de compra, o efeito do aumento da
taxa esperada de crescimento tende a aumentar o preo da mesma,
enquanto o valor presente do fluxo de caixa tende a desvalorizar a opo. O
primeiro efeito sempre domina o segundo no caso das opes de compra e
dessa forma seu preo sempre aumenta com a elevao dos juros

2.2.5 Dividendos

A distribuio de dividendos causa uma diminuio no preo do ativo
ex-dividendo, diminuindo o preo da opo de compra e aumentando o
preo da opo de venda.

A tabela 1 mostra um resumo dos efeitos sobre o prmio de uma
opo em funo do fatores que afetam seus preos.











Captulo 2 Opes
18
Tabela1 Efeito no preo de uma opo no aumento de uma varivel e mantendo as outras
constantesFonte Hull J,1993, elaborado pelo autor.
Resumo dos efeitos sobre o prmio de uma opo
Varivel

Opo de
compra
europia
Opo de
venda
europia
Opo de
compra
americana
Opo de
venda
Americana
Preo da ao
+ - + -
Preo de
exerccio
- + - +
Tempo at
vencimento
+ + + +
Volatilidade
+ + + +
Taxa de juros
+ - + -
Dividendos
- + - +


2.3 Conceito de expectativa de retorno


Seja X uma varivel aleatria discreta, com valores possveis x
1
,... ,x
n

Seja p(x
i
) = P(X= x
i
), i=1,2,...n. Ento o valor esperado de X, ou esperana
matemtica de X, denotado por E(X) definido como:


Este nmero tambm denominado de valor mdio de X, ou
expectncia de X. Se um dado equilibrado for jogado e a varivel aleatria X
designar o nmero de pontos obtidos, ento E(X) = (1/6) ( 1+2+3++4+5+6) =
3,5. Nitidamente E(X) no o valor esperado se o dado for jogado uma

=
=
0
) ( ) (
i
i i
x p x X E
Captulo 2 Opes
19
nica vez, nem mesmo um valor possvel, mas se o dado jogado
aleatoriamente diversas vezes a mdia dos pontos obtidos 3,5.


2.4 A precificao das opes


Como utilizar o conceito de expectativa de retorno para o clculo das
opes? O que preciso para calcular a expectativa de retorno de uma
opo?

Supondo um ativo negociado a $100,00 e este podendo somente
assumir cinco diferentes valores no futuro: $80, $90, $100, $110 ou $120.
assumido ainda que cada um dos cinco preos tem a mesma probabilidade
de 20% de ocorrncia. Baseado no conceito de expectativa de retorno, qual
o valor esperado de um investidor que possui uma posio comprada
neste ativo?

Sabendo-se que se o preo do ativo for de $80 perde-se $20, se for
$90, perde-se $10, se for $100, no h ganho e assim sucessivamente e
como todos os cinco preos tem a mesma probabilidade de ocorrncia, a
expectativa de retorno :

- (20%x$20) (20% x $10) + (20%x0) + (20%x $10) + (20% x $20) = 0

Como os lucros e prejuzos so iguais, a expectativa de retorno para
uma posio comprada ou vendida no ativo zero.

Agora, suponha-se uma posio comprada em uma opo de compra
com preo de exerccio $100 e os cinco mesmos diferentes valores
possveis e probabilidades do exemplo anterior. A expectativa de retorno da
opo de compra ser:
Captulo 2 Opes
20
(20% x 0) + (20% x 0) + (20% x 0) + (20% x 10) + (20% x 20) = $6

A opo de compra nunca poder valer menos que 0, portanto a
expectativa de retorno de uma opo de compra sempre um nmero no
negativo, sendo de $6 no caso acima explanado.

Os exemplos acima trazem apenas situao simplificada para facilitar
o entendimento do conceito da expectativa de retorno na precificao das
opes, entretanto, para a obteo de um preo mais prximo do real deve-
se levar em considerao vrios outros fatores.

Primeiramente deve-se saber o vencimento da opo e a taxa de
juros livre de risco do mercado. No Brasil e em grande parte dos outros
mercados, quando compra-se uma opo seja ela de compra ou de venda, o
caixa referente ao valor de compra pago no dia seguinte para o vendedor,
e este capital deixa de ser remunerado pela taxa de juros livre de risco.
Desta forma, deduze-se do valor esperado de uma opo de compra, no
caso do exemplo acima de $6, o custo do seu capital. Supondo a taxa de
juros livre de risco de 12%a.a (1%a.m) e que o vencimento da opo seja de
2 meses, neste caso o custo do capital utilizado na compra da opo de
2% x $6 = $0,12, ou seja, o valor terico da opo de $5,88.

Como ser demonstrado adiante, o modelo de precificao de
Black&Sholes tem como princpio a suposio de que o preo da ao ir
subir ao menos a taxa de juros livre de risco do perodo, portanto as
probabilidades iguais de 20% para cada preo utilizadas no exemplo acima
no tero valor para este modelo.





Captulo 2 Opes
21
2.5 Precificao de opes.

A precificao de opes uma tarefa bastante complexa, visto que
grande parte das informaes necessrias para a execuo desta tarefa so
probabilsticas e de difcil obteno, principalmente no Brasil onde o
mercado de opes no sufucientemente desenvolvido. Alm disso,
existem vrias peculiaridades que dificultam a precificao das opes,
dentre elas pode-se citar a falta de liquidez dos ativos, taxas de juros
bastante elevadas e volteis, volatilidade histrica distorcida por vrios
planos econmicos, inflao e mudanas cambiais entre outras.

fundamental para o cotidiano do mercado financeiro atual uma
precificao rpida, pois as instituies financeiras, como dito anteriormente,
utilizam este instrumento ou para proteo de suas posies (hedge), ou
para ganhos especulativos seja negociando a volatilidade, seja negociando
as opes puramente para obter ganhos alavancados. Desta maneira a
precificao deste produto financeiro conditio sine quanon para que tais
operaes sejam bem sucedidas.

Vrios modelos foram desenvolvidos com o intuito de estimar o preo
justo para o derivativo. Para tanto, associa-se uma srie de informaes
referentes ao ativo objeto, tendo como ponto comum a volatilidade dos
retornos, que ser abordado mais adiante por ser um dos pontos chave de
um modelo de precificao, bem como de todo o mercado de opes.


2.6 Modelo de Black&Scholes


O modelo mais utilizado atualmente pelas mesas de derivativos, o
modelo de Black&Scholes pela sua praticidade e rapidez nas respostas.
Neste item ser apresentado o seu desenvolvimento mostrando suas
Captulo 2 Opes
22
equaes e discutido uma das suas principais falhas ao assumir a
distribuio de probabilidades dos retornos do ativo uma normal. Este
pressuposto do modelo assume que a volatilidade do ativo a mesma para
qualquer preo de exerccio, sendo o grfico de volatilidade das opes para
diferentes preos de exerccio uma constante.

Em 1973 com a abertura da Chicago Board Options Exchange,
Fischer Black e Myron Sholes introduziram o primeiro modelo para a
precificao de opes. O modelo de Black&Scholes, hoje a ferramenta
mais utilizada pelos negociadores no mercado de opes americano.
Embora muitos outros modelos com princpios diferentes, tenham sido
desenvolvidos depois, o Black&Scholes hoje ainda o mais utilizado. Trata-
se de um modelo baseado em uma equao diferencial, a qual relaciona os
fatores que influenciam o seu preo, ou seja, seus riscos, de forma a
determinar a variao desses fatores frente as variaes das demais.

Neste item o modelo ser exposto, dando maior nfase na explicao
dos seus pressupostos, principalmente no da lognormalidade da distribuio
de probabilidades do ativo objeto, pressuposto o qual o modelo a ser
desenvolvido contestar.

2.6.1 Princpios do modelo de Black&Scholes.

Para se derivar a frmula de precificao de opes, o modelo
parte das seguintes hipteses:

O comportamento do preo de uma ao corresponde a um
modelo lognormal, com mdia (retorno esperado ao ano
de uma ao, o seja, a taxa de juros livre de risco), e
(estimativa do desvio padro volatilidade) constante;
Custos operacionais e impostos so inexistentes. Todos os
ttulos so perfeitamente divisveis;
Captulo 2 Opes
23
O Ativo no gerar dividendos durante a vida da opo;
No h probabilidade de arbitragem sem risco;
A negociao com ttulos contnua;
Os investidores podem tomar emprestado ou emprestar
mesma taxa de juros livre de risco;
A taxa de juros livre de risco de curto prazo constante;

2.6.2 Princpio da distribuio lognormal

A equao de Black&Scholes nada mais do que uma equao de
valor esperado. Para se encontrar o valor esperado de um determinado fluxo
de caixa, necessrio conhecer seus retornos e a sua distribuio de
probabilidades. Para encontrar a equao de Black&Scholes, deve-se
encontrar, portanto, quais os retornos e as suas probabilidades nas opes.

A suposio que fundamenta o modelo de Black&Sholes, que os
preos seguem um movimento aleatrio, sendo assim as mudanas
proporcionais no preo da ao, ou seja, o seu retorno, segue uma
distribuio normal. Isto implica que o preo da ao, em qualquer momento
no futuro tem uma distribuio lognormal, como ser mostrado no decorrer
do captulo.

Os modelos de comportamento dos preos das aes so expressos
em termos do que conhecido por processos de Wiener. O comportamento
de uma varivel, z, que acompanha o processo de Wiener, pode ser
compreendida pela mudana do seu valor em pequenos intervalos de tempo.
Considerando um pequeno intervalo de tempo, de extenso t, e definindo
z como a mudana de z durante t. H duas propriedades bsicas que z
deve satisfazer para que z seja um processo de Wiener:

Propriedade 1: z relaciona-se a t pela equao:

Captulo 2 Opes
24

a varivel aleatria normal padronizada ( isto , uma distribuio
normal com mdia zero e desvio padro 1);
Propriedade 2 : Os valores de z, para quaisquer dois pequenos
intervalos de tempo t distintos, so independentes.

A partir da propriedade 1, z possui uma distribuio normal com:

Mdia z = 0
Desvio Padro z = t
Varincia z = t

O processo de Wiener anterior, possui uma taxa de desvio zero e taxa
de varincia de 1,0. A taxa de desvio significa que o valor esperado de z, a
qualquer tempo futuro, igual a seu valor atual. Entende-se por taxa de
varincia 1,0 como sendo a varincia da mudana em z, num intervalo de
tempo de extenso T. A forma contnua do processo generalizado de Wiener
para uma varivel x pode ser definido como:

Onde a e b so constantes.
Os dois parmetros que descrevem o comportamento do preo de
uma ao quando se suposta a distribuio lognormal, so:

Retorno esperado da ao
A volatilidade do preo da ao

O retorno esperado da ao a taxa de juros livre de risco do
mercado, pois o capital utilizado para a compra da ao deixa de ser
t z =
bdz adt dx + =
) 1 . 2 (
( ) 2 . 2
Captulo 2 Opes
25
remunerado. O investidor somente abrir mo da remunerao livre de risco
para comprar uma ao caso a expectativa do retorno desta ao seja ao
menos a taxa de juros livre de risco.

A suposio de que a taxa de desvio esperada seja constante no
apropriada e deve ser substituda pelo pressuposto de que o desvio
esperado, expresso como uma proporo do preo da ao, seja constante.
Isto significa que, sendo S
0
o preo atual da ao, a taxa de desvio esperada
de S S
0
, para um parmetro constante . Assim num pequeno intervalo
de tempo, t, o aumento esperado de S S
0
t.

Supondo a taxa de varincia do preo da ao zero, esse modelo
implica que:


De modo que:

S
0
o preo da ao no instante zero, a taxa de juros livre de risco
e T o tempo. Observa-se pela equao 2.4 que quando a taxa de varincia
zero, o preo da ao aumenta a uma taxa de , capitalizada
continuamente, por unidade de tempo.

A volatilidade uma medida de incerteza quanto s oscilaes futuras
no preo da ao que ser denotado por . Isto significa que
2
t a
varincia da mudana proporcional no preo da ao, S, no instante t e que

2
S
0
2
t a varincia do preo efetivo da ao, S, durante t. A taxa
instantnea de S , portanto,
2
S
0

2
.

dt
S
dS
Sdt dS = =
T
o
e S S

=
( ) 3 . 2
( ) 4 . 2
Captulo 2 Opes
26
Pelo processo de it, S pode ser representado com taxa de desvio
esperada instantnea de S
0
e taxa de varincia instantnea de
2
S
o
2
.
Podendo ser escrito como:



A verso do modelo em tempo discreto :

O lado esquerdo da equao 2.6 o retorno proporcional fornecido
pela ao num perodo curto de tempo, t. O termo t o valor esperado
desse retorno e o termo t o componente estocstico do retorno. A
varincia do componente estocstico portanto
2
t.

Pelo modelo de Black&Sholes S/S, distribudo normalmente, com
mdia t e desvio padro t. Em outras palavras:


Como mostrado na equao 2.5 o comportamento da ao dado por

Considerando uma funo, f= f(S, t), a partir do lema de it, tem-se:

dz dt
S
dS
Sdz Sdt dS + = + =
t t
S
S
+ =


( ) t t N
S
S

, ~
Sdz Sdt dS + =
Sdz
S
f
dt S
S
f
t
f
S
S
f
df

+
|
|
.
|

\
|

=
2 2
2
2
2
1
( ) 5 . 2
( ) 6 . 2
( ) 7 . 2
( ) 8 . 2
Captulo 2 Opes
27
Se :
Ento :

Que resulta em:


Como e so constantes, a equao 2.9 indica que lnS segue o
processo generalizado de Wiener, que possui taxa de desvio constante de
-
2
/2 e taxa de varincia constante de
2
, isto significa que entre o tempo
atual, t, e algum tempo futuro, T, lns normalmente distribuda:


Uma varivel com distribuio lognormal tem a propriedade de seu
logaritmo natural ser normalmente distribudo. A suposio lognormal para
os preos da ao implica, portanto, que ln S
t
seja normal, onde S
t
o preo
da ao num instante futuro, T. A mdia e o desvio padro de ln S
t
podem
ser mostrados como:

(

|
|
.
|

\
|
T T N S S
t

,
2
~ ln ln
2
0
S f ln =
S S
f 1
=

2 2
2
1
S S
f
=

0 =

t
f
dz dt S d

+
|
|
.
|

\
|
=
2
ln
2
( )
(


|
|
.
|

\
|
t T t T N G
2
2
); (
2
~

( ) 9 . 2
( ) 10 . 2
( ) 11 . 2
Captulo 2 Opes
28

Sendo S
0
o preo atual da ao, o seu retorno esperado, ou
seja, a taxa de juros livre de risco no mercado e a volatilidade ao ano do
preo da ao. Escreve-se o resultado como sendo:


O valor esperado ou mdio de S
t
, E(S
t
), como anteriormente exposto,
o valor atual da ao multiplicado pela taxa de juros livre de risco r.


Isso se encaixa na definio de como a taxa de retorno esperada. A
varincia de S
t
, var(S
t
), pode ser demonstrada por:



Exemplificando a equao acima, pode-se verificar, pelo princpio da
lognormalidade, que para uma ao com preo $100, taxa de juros livre de
risco 22.5%a.a. e 30% de volatilidade, a distribuio de probabilidade do
preo da ao, S
t
, no perodo de seis meses fornecida por:

Ou
(

|
|
.
|

\
|
+ T T S N S
t

,
2
ln ~ ln
2
0
( )
T
t
e S S E

0
=
(

|
.
|

\
|
+ 5 , 0 3 , 0 ; 5 , 0
2
09 , 0
225 , 0 100 ln ~ ln N S
t
( ) 212 . 0 ; 695 . 4 ~ ln N S
t
[ ] 1 ) var(
2
2
2
0
=
T T
t
e e S S

( ) 12 . 2
( ) 13 . 2
( ) 14 . 2
Captulo 2 Opes
29
podendo ser escrito da seguinte forma:

Ou com 95% de probabilidade de o preo da ao em seis meses ser entre
88,05 e 135,27 e a mdia da distribuio dado por:


2.6.3 Equaes de precificao de Black&Scholes

Aps mostrado como a distribuio dos preos das aes pelo
principal pressuposto do modelo, nesta seo sero apresentadas as
equaes para os preos de opes europias de compra e venda,

Como exposto no item anterior, a equao 2.5, descreve o movimento
do preo das aes como:
Supondo que f o preo de uma opo de compra. A varivel f deve
ser funo de S e t, f(S,t). Tal que:

A funo discreta das equaes 2.5 e 2.15 dado por:


907 . 4 483 . 4
e S e
t
< <
( ) 90 , 111 100
% 5 , 22 5 , 0
= =
x
t
e S
Sdz Sdt dS + =
Sdz
S
f
dt S
S
f
t
f
S
S
f
df

+
|
|
.
|

\
|

=
2 2
2
2
2
1
z S t S S + =
z S
S
f
t S
S
f
t
f
S
S
f
f

+
|
|
.
|

\
|

=
2 2
2
2
2
1
( ) 15 . 2
( ) 16 . 2
( ) 17 . 2
Captulo 2 Opes
30
As equaes 2.16 e 2.17 so a verso discreta dos modelos de
comportamento das aes e dos seus derivativos, no caso deste trabalho,
uma opo. A partir da combinao da ao e do derivativo pode-se criar um
portflio sem risco. A razo pela qual este portflio pode ser criado vem do
fato do preo do ativo e da opo serem ambos afetados pela mesma fonte
de incerteza: o movimento das aes. Num intervalo curto de tempo o preo
de uma opo de compra perfeitamente e positivamente correlacionado
com o preo da ao, tornando possvel a criao de um portflio de aes,
com um fluxo de caixa idntico ao das opes, de forma a neutralizar o risco.

Por se tratar de um modelo de tempo contnuo, a correlao entre a
opo e a ao pontual, ou seja, ocorre em um intervalo de tempo
infinitesimal, portanto este portflio criado, para no existir risco, deve ser
ajustado dinamicamente. Em outras palavras, os z (=t), das equaes
(2.16) e (2.17) so iguais. Assim, ao escolher uma carteira de ao e do
derivativo, o processo de Wiener pode ser eliminado.

O portflio replicante a ser criado :


O investidor que detm este portflio, possui uma posio vendida em
um derivativo e uma posio comprada em f/S aes. Definindo como o
valor do portflio tem-se que:


0 =
|
.
|

\
|

S S
S
f

S
f
Ao
Derivativo

=
= 1
( ) 18 . 2
( ) 19 . 2
( ) 20 . 2
S
S
f
f
|
.
|

\
|

+ = ( ) 21 . 2
Captulo 2 Opes
31
Logo, uma mudana no valor do portflio em um intervalo de
tempo t dado por:



Substituindo as equaes da ao 2.16 e do derivativo 2.17 na
equao 2.22 tem-se:






Como essa equao no envolve nenhuma incerteza (no existe z),
o portflio no tem risco durante o intervalo de tempo t. Portanto o retorno
desse portflio nesse intervalo de tempo, deve ser igual ao retorno da taxa
livre de risco, caso contrrio so criadas oportunidades de arbitragens,
portanto:

onde r a taxa livre de risco, substituindo 2.21 e 2.23 em 2.24 tem-se:




simplificando:



S
S
f
f
|
.
|

\
|

+ =
t S
S
f
t
f

|
|
.
|

\
|
|
|
.
|

\
|

=
2 2
2 2
2
2
1

t r =
t s
s
f
f r t S
S
f
t
f

|
|
.
|

\
|
|
.
|

\
|

+ =
|
|
.
|

\
|
|
|
.
|

\
|

2 2
2
2
2
1

rf S
S
f
rS
S
f
t
f
=
|
|
.
|

\
|

+
|
.
|

\
|

2 2
2
2
2
1

( ) 22 . 2
( ) 23 . 2
( ) 24 . 2
( ) 25 . 2
( ) 26 . 2
Captulo 2 Opes
32
a equao 2.26 acima a equao diferencial parcial de Black&Scholes. Ela
tem muitas solues dependendo do derivativo o qual se queira precificar.
As condies de contorno utilizadas na resoluo dessa equao iro dizer
qual derivativo que se est sendo precificando. No caso de uma opo
europia de compra a condio de contorno :
Quando t=T

Black and Sholes resolveram essa equao diferencial parcial para
essa condio de contorno e chegando por fim a equao do preo da
opo de compra:


Onde :





X o preo de exerccio, r a taxa de juros, t o tempo at o vencimento
e S o valor da ao. (y) a funo de distribuio de probabilidade
acumulada para uma varivel distribuda normalmente, com mdia zero e
desvio padro 1.

A expresso (d
2
) a probabilidade de a opo ser exercida num
mundo neutro ao risco, de modo que X(d
2
) seja o preo de exerccio
multiplicado pela probabilidade de o preo de exerccio ser pago. A
expresso S(d
1
)e
r(T-t)
o valor esperado da varivel que igual a S
t
, se S
t
>
X, e zero caso contrrio.
( ) 0 ; K S Max f =
) 2 ( ) 1 (
) (
d Xe d S C
t T r


=
( ) ( )( )
t T
t T r X S
d

+ +
=

2 / / ln
1
2
( ) ( )( )
t T d
t T
t T r X S
d =

+
=

1
2 / / ln
2
2
( ) 27 . 2
( ) 30 . 2
( ) 29 . 2
( ) 28 . 2
Captulo 2 Opes
33
O preo da opo de compra tambm pode ser escrito com sendo:


Sendo f funo de densidade de probabilidade de S
t
,

O valor de uma opo europia de venda pode ser calculada de
forma semelhante de uma opo europia de compra. Sua equao :



2.7 Crticas ao Modelo


O modelo de Black&Scholes existe h quase 30 anos e natural que,
tanto em seus dias iniciais quanto agora, haja certas crticas a serem feitas.

Talvez a premissa mais criticada do Black&Scholes seja a da
lognormalidade de S, j que cada ativo possui uma distribuio dos retornos
prpria, se aproximando ou no a uma lognormal.

A premissa da lognormalidade pode ser contestada por dois
argumentos :
1. A curva de distribuio de probabilidade de um prazo qualquer
geralmente afasta-se de uma distribuio lognormal.
2. A volatilidade para perodos mais longos ou movimentos maiores
difere-se da volatilidade de perodos curtos de movimentos contidos, ou
seja, que a volatilidade, e a prpria distribuio da ao, sejam
dependentes da escala em que se observa o movimento do mercado
) 1 ( ) 2 (
) (
d S d Xe P
t T r
=


( ) ( )
}


=
X
t t t
t T r
dS S q X S e C
) (
( ) 32 . 2
( ) 33 . 2
Captulo 2 Opes
34
A primeira linha de contestao a resposta imediata ao no
ajustamento do modelo de Black&Scholes a qualquer condio do mercado
no prevista. Se em um momento qualquer as opes mais in the money
possuem um valor mais alto do que preconiza o modelo, ou as opes mais
out of the money esto com um valor mais baixo, ou qualquer que seja este
desvio, considerado um erro o modelo assumir a distribuio de
probabilidade como sendo lognormal.

Como mostrado em suas premissas, a volatilidade do ativo
constante independente do seu preo de exerccio e, como explicado no
captulo1, consegue-se observar a existncia de uma assimetria na curva de
volatilidade (conhecido no mercado como smile effect). Este desvio
observado em opes negociadas no mercado internacional ou mesmo
locais como as de Telemar e do ndice Bovespa, que possuem maior
liquidez e um maior nmero de preos de exerccios negociados.

Na figura 7 mostrado como a distribuio preconizada pelo
modelo de Black&Scholes e a distribuio real do ativo.
Captulo 2 Opes
35
Figura7 Distribuio dos retornos do ativo x distribuio normal- ativo ndice Bovespa,
17/11/2000 13/06/2003 fonte Bloomberg elaborado pelo autor

Algumas importantes informaes podem ser retiradas da
comparao dos grficos apresentados na figura 7. Primeiramente, as
mdias das distribuies so diferentes, a distribuio dos retornos do ativo
pode ter qualquer mdia, assumindo at valores negativos, no caso acima, a
mdia dos retornos 0,23%. A mdia da distribuio normal de
Black&Sholes , como j exaustivamente mencionado, a taxa de juros.

Outra constatao a existncia de observaes fora do intervalo (-
8%,+8%), o que para uma distribuio normal seria extremamente
improvvel. A existncia dessas observaes extremas ajuda a explicar
porque o Black&Scholes deprecia opes out of the money. Na verdade,
movimentos extremos so mais provveis do que pode-se predizer com
base em uma distribuio normal.

Na prtica, a volatilidade se mostra dependente do preo do exerccio
e da maturidade da opo em questo. Cada preo de exerccio possui uma
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
-
1
0
,
0
0
%
-
9
,
0
0
%
-
8
,
0
0
%
-
7
,
0
0
%
-
6
,
0
0
%
-
5
,
0
0
%
-
4
,
0
0
%
-
3
,
0
0
%
-
2
,
0
0
%
-
1
,
0
0
%
0
,
0
0
%
1
,
0
0
%
2
,
0
0
%
3
,
0
0
%
4
,
0
0
%
5
,
0
0
%
6
,
0
0
%
7
,
0
0
%
8
,
0
0
%
9
,
0
0
%
1
0
,
0
0
%
Distribuio dos Retornos Distribuio Normal
Captulo 2 Opes
36
volatilidade diferente, formando uma curva de volatilidade, como mostrado
na figura 2 no incio do trabalho, se calculado o preo das opes utilizando
o modelo de Black&Sholes, as volatilidades de todos os preos de exerccio
seriam a mesma, o que, como j mencionado, no condiz com a realidade.

No modelo que ser desenvolvido neste trabalho, ser utilizada a
distribuio real do ativo objeto, recentralizando-a, de forma que o valor
esperado da distribuio seja o mesmo da distribuio normal de
Black&Sholes, sem alterar o formato da distribuio original, como ser
exposto no captulo 5.



Captulo 3 A Volatilidade
37
3. A Volatilidade

A volatilidade um dos parmetros mais importantes dentro do
mercado de opes. O negociador de volatilidade no est interessado s
na direo do mercado (tendncia de alta ou de baixa), mas tambm na
velocidade das mudanas. Isso porque se o preo do ativo no se mover
suficientemente rpido, opes sobre esse ativo perdero seu valor, j que
torna-se mais difcil o mercado atingir seus respectivos preos de exerccio.

Dessa forma, a volatilidade , alm de uma medida de incerteza,
tambm uma medida de velocidade de mudanas do mercado. Mercados
que se movem lentamente so mercados com baixa volatilidade, enquanto
mercados que se movem velozmente so mercado de alta volatilidade.

Neste captulo ser mostrado como a volatilidade calculada, quais
os tipos de volatilidade existentes e como ela se relaciona com o preo do
ativo. Ser apresentado tambm, como negociadores de volatilidade,
conseguem negoci-la combinado operaes com opes e o ativo objeto
para, por fim, apresentar os tipos de curva de volatilidade mais encontrados
no mercado.


3.1 O que a Volatilidade


A volatilidade de uma ao, como supramencionado, o desvio
padro do retorno dessa ao, ou seja a incerteza quanto aos seus retornos.

Em geral as volatilidades so expressas em percentuais e anualisada.
Pode-se dizer que a volatilidade do ndice Bovespa 30% ao ano, por
exemplo.
Captulo 3 A Volatilidade
38
Porm este perodo de tempo pode ser mais longo que o prprio
perodo de existncia da opo, principalmente no Brasil onde os
vencimentos com liquidez das opes so bastante curtos. Para encontrar o
valor da volatilidade diria, semanal ou mensal deve-se utilizar uma
importante caracterstica da volatilidade, a de que esta proporcional raiz
quadrada do tempo, de forma simplificada, T sendo o desvio padro da
mudana proporcional no preo da ao no instante T. Considerando a
volatilidade de 30% ao ano do ndice Bovespa pode-se dizer que para esta
volatilidade espera-se uma movimentao diria do ndice em torno de
30/(1/252) = 1,89% por dia.

Existem vrios tipos de volatilidades presentes na literatura:
Histrica
Atual
Futura
Prevista ou projetada
Realizada
Implcita

A especificao de todos esses tipos de volatilidade foge ao objetivo
do trabalho, este ser focado nos trs tipos principais e mais utilizados de
volatilidade no mercado, a volatilidade histrica, a realizada e a implcita.


3.2 Volatilidade Histrica


Como em outros mercados e disciplinas, um bom referencial para a
precificao de algum ativo a observao do seu comportamento histrico.
O negociador utiliza para negociar suas opes a anlise do comportamento
do ativo no passado e, baseado nela e nas suas previses de qual ser a
volatilidade futura, precificar as suas opes.
Captulo 3 A Volatilidade
39

Se nos 10 anos que se passaram, a volatilidade de uma ativo jamais
ficou abaixo dos 10% e acima dos 30%, o negociador tende a utilizar este
histrico para precificar suas opes. Obviamente que este diferencial
muito grande, mas o negociador no compraria a volatilidade do ativo por
50%, nem venderia esta por 5%, por exemplo.

Existem vrios mtodos para calcular a volatilidade histrica, mas
todos os mtodos dependem de dois parmetros, o perodo histrico em que
se verifica o comportamento do ativo e o intervalo de tempo entre os preos.

O perodo histrico pode ter dez dias, seis meses, cinco anos, ou
qualquer perodo que o negociador desejar. Perodos longos tendem a ser
uma mdia da volatilidade, no sendo influenciados por eventos especficos
no mercado sendo assim menos volteis. Os perodos mais curtos tendem a
ser mais volteis pois refletem a atual situao do mercado. Pode-se
observar esta diferena analisando a figura 8 a seguir:

Figura 8 Grfico da volatilidade histrica, de 10,100,252 dias, de 18/03/2002
15/09/2003 fonte Bloomberg
Captulo 3 A Volatilidade
40

A figura 8 mostra como se comportou a volatilidade histrica do
ndice Bovespa de 03 de maio de 2002 15 de setembro de 2003. Pode-se
observar que a volatilidade de 252 dias, muito pouco voltil, ela tem o
mximo de 36% e o mnimo de 28%. J a volatilidade de 10 dias se
comporta de uma maneira diferente. Por ser um intervalo de tempo mais
curto, ela mais influenciada pelos eventos atuais no mercado, e varia entre
54% e 10% de volatilidade.

O negociador que se baseia na volatilidade histrica para negociar a
sua opo, dever avaliar a volatilidade compatvel com o seu tempo de
existncia. No caso acima, uma opo com vencimento em 10 dias teria
uma volatilidade maior do que uma que vencesse em um ano.

3.2.1 Clculo da volatilidade histrica

Um registro das oscilaes de preos das aes pode ser usado para
estimar a volatilidade. O preo da ao mostrado anteriormente costuma ser
observado em intervalos fixos de tempo. Existem vrios mtodos na
literatura para o clculo da volatilidade histrica. Pode-se citar entre eles o
modelo de alisamento exponencial, o modelo de Garch (Generalized
Autoregressive Conditional Heteroscedasticity), e o modelo de GKP (German
Klass- Parkinson ), a especificao detalhada de cada um deles, no
entanto, foge ao escopo do trabalho.

Para o clculo da volatilidade histrica utiliza-se o desvio padro dos
retornos, atribuindo o mesmo peso para todos os dados. No mercado de
renda varivel, por existirem muitos ativos, fica invivel a atribuio de pesos
ou coeficientes para o clculo da volatilidade j que muitos desses ativos
no so acompanhados diariamente pelos negociadores.

Define-se:
Captulo 3 A Volatilidade
41

N + 1 = nmero de observaes
S
I
: preo da ao no final do I-simo intervalo (I = 0,1,,n)
T: intervalo de tempo em anos

E:


Uma estimativa,s, do desvio padro dos valores de u
I
dada pela
seguinte equao:



_
Em que u a mdia u
i.
Ou :



Como exemplo, na tabela2, ser mostrado o clculo da volatilidade
histrica do ndice Bovespa, de 02 de maio de 2003 30 de maio de 2003.

|
.
|

\
|
=
1
ln
i
i
i
S
S
u
( )

|
.
|

\
|

=
n
i
i
u u
n
S
1
2
1
1
( )

=
|
.
|

\
|

=
n
i
n
i
i i
u
n n
u
n
S
1
2
1
2
1
1
1
1
( ) 1 . 3
( ) 2 . 3
( ) 3 . 3
Captulo 3 A Volatilidade
42
Tabela 2 Clculo da volatilidade do ndice Bovespa, de 02/05/2003 30/05/2003
elaborado pelo autor.
Com isso tem-se que:


Uma estimativa para o desvio padro do retorno dirio :



Assumindo que tem-se 252 dias de negociao ao ano, t = 1/252,
pode-se dizer que a volatilidade ao ano do ndice Bovespa para o perodo
de 0,0173/252 = 27,54% .


Data Ibovespa Retorno Retorno Dirio
Si / Si-1 ui=ln(Si/Si-1)
30/4/2003 12556,7
2/5/2003 12.810 1,0202 0,0200
5/5/2003 12.833 1,0018 0,0018
6/5/2003 12.644 0,9853 (0,0149)
7/5/2003 12.956 1,0247 0,0244
8/5/2003 12.921 0,9973 (0,0027)
9/5/2003 13.214 1,0227 0,0224
12/5/2003 13.320 1,0080 0,0080
13/5/2003 13.421 1,0075 0,0075
14/5/2003 13.459 1,0029 0,0029
15/5/2003 13.130 0,9755 (0,0248)
16/5/2003 13.225 1,0073 0,0072
19/5/2003 12.746 0,9638 (0,0369)
20/5/2003 12.745 0,9999 (0,0001)
21/5/2003 13.034 1,0226 0,0224
22/5/2003 13.101 1,0052 0,0051
23/5/2003 13.143 1,0032 0,0032
26/5/2003 12.852 0,9779 (0,0223)
27/5/2003 13.246 1,0306 0,0302
28/5/2003 13.294 1,0036 0,0036
30/5/2003 13.422 1,0096 0,0095

= 06667 , 0
i
u

= 005939 , 0
2
i
u
0173 , 0
380
06667 , 0
19
005939 , 0
2
=
Captulo 3 A Volatilidade
43
3.3 Volatilidade implcita


A volatilidade implcita utilizada pelo mercado na precificao das
opes, ou seja, a volatilidade considerada justa pelos negociadores. Ela
a volatilidade que est imbutida no preo da opo negociada. Para
identificar a volatilidade implcita de um determinado ativo, deve-se utilizar o
modelo de Black&Scholes, fornecendo como parmetro do modelo o preo
da opo negociada no mercado e os outros parmetros j citados no
trabalho. Ser obtido como sada, a volatilidade implcita da opo. Uma
forma fcil de obter a volatilidade implcita utilizando o Black&Scholes
utilizando a funo Goal seek do Excel.

Por existir muitos participantes e ofertas de compra e de venda de
opes, a oferta de demanda chega um equilbrio. Este equilbrio entre os
preos pode ser considerado a volatilidade implcita.

Assim, para que se utilize em um estudo as volatilidades implcitas
das opes abordadas para um determinado ativo, necessrio possuir
sries negociadas de tais opes. Com isso possvel observar, para um
certo vencimento, a sua curva assimtrica de volatilidade ( conhecida no
mercado por smile)

Observa-se o comportamento da volatilidade histrica do ativo em
relao ao seu preo observando a figura 9:








Captulo 3 A Volatilidade
44
Figura 9 Grfico da volatiliade histrica e do preo do Ibovespa de 26 de maio de
2001 24 de maio de 203 Fonte Bloomberg

Na Figura 9 acima observa-se que quanto maior o preo do ativo,
menor a sua volatilidade realizada, isto ocorre pelas inmeras razes j
apresentadas neste trabalho no captulo1. A anlise da figura 9, pode-se
constatar que a volatilidade realizada do ativo aumenta quando o seu preo
diminui, explicando o porqu dos negociadores atriburem volatilidade
implcita mais alta para preos de exerccios mais baixos, formando assim
uma curva de volatilidade implcita dependente do preo de exerccio.


3.4 Volatilidade realizada


conhecida por volatilidade realizada, a volatilidade que ocorre
durante o perodo de existncia da opo. O negociador que comprou a
volatilidade implcita de TELEMAR para o vencimento em um ms 32% e
durante este perodo, entre a compra da opo (combinado com o ativo
objeto que ser mostrado adiante) at o vencimento, a volatilidade ocorrida
Captulo 3 A Volatilidade
45
da ao foi de 36%, ento pode-se dizer que a volatilidade realizada do
perodo de existncia da opo foi de 36%.


3.5 Negociando a volatilidade


Neste item ser apresentado com a volatilidade negociada
combinado a compra ou venda de opes, com a compra ou venda do ativo
objeto.

Quando o negociador de volatilidade deseja comprar volatilidade, ele
deve comprar a opo (de compra ou de venda) e fazer uma posio oposta
no ativo objeto. Caso tenha comprado uma opo de compra ele dever
vender aes do ativo, caso ele tenha comprado uma opo de venda ele
deve comprar aes do ativo. A opo de venda , na verdade como se
tivesse assumido uma posio vendida. Utilizando-se desses artifcios , o
negociador estar, no instante inicial, neutralizando seu risco em relao a
mudana do preo do ativo, o seja estar delta neutro.

O delta da opo uma medida que informa qual o acrscimo ou
decrscimo no preo de uma opo causado pelo acrscimo de $1,00 no
preo do ativo objeto. O delta a derivada do preo da opo em relao ao
preo do ativo, ou seja, o f/S da equao 2.20 do captulo 2.
Portanto uma opo com delta 0,5, o negociador de volatilidade, para
ter seu delta neutralizado deve, para cada 2 opes de compra compradas,
vender 1 do ativo objeto. Caso o negociador no faa o delta hedge
corretamente ele ficar exposto no s na volatilidade do ativo, mas tambm
na direo do mercado.

O delta um nmero sempre entre 0 e 1, podendo ser entendido
como sendo a probabilidade da opo ser exercida em seu vencimento. O
Captulo 3 A Volatilidade
46
delta do ativo objeto sempre 1. Pode-se ilustrar a posio do negociador
com a tabela 3 abaixo:

Tabela 3- Posio final combinado a compra de opo com a venda da ao
elaborado pelo autor

Quando somado a posio na opo com a posio nas aes tem-
se como resultado zero: delta neutro e portanto no havendo exposio ao
movimento do ativo no instante inicial. Se a soma dos deltas da opo e da
ao for positivo, o negociador obter um lucro maior (ou perda menor) se o
ativo subir e perder mais (ou lucrar menos) se o ativo cair. Analogamente,
se o delta for negativo ocorrer ao contrrio. Como o objetivo do negociador
a volatilidade e no a direo do mercado, ele deve ter sempre a sua
posio com delta neutralizado.

3.5.1 Demonstrao da compra da volatilidade

Supondo que o negociador sabe que a volatilidade futura realizada do
ativo de uma certa ao que vale $100,00 nos prximos dez dias ser de
40% e observa a volatilidade implcita da opo at the money sendo
negociada no mercado 30% de volatilidade. Supe-se ainda que o
negociador no conhece a direo do mercado somente a sua volatilidade
futura. Ao precificar a opo, o negociador observa que a opo 40% de
volatilidade deve valer $ 2,67 e est sendo negociada $2,02.

Os outros parmetros que utilizados para precificao so :
Taxa de juros livre de risco de 3%
Dez dias para o vencimento
Opo de compra
O preo de exerccio da opo que compraremos de $100,00
Valor do ativo no momento da compra da opo $100,00
Contrato Delta Posio
Compra de 100 Opes de compra para Junho 0,57 57
Venda de 57 aes 1 -57
Captulo 3 A Volatilidade
47
A ao no pagar dividendos no perodo de existncia da opo
Ser desprezado custos de transao e de aluguel da ao
O delta da opo no incio da operao 52%, a operao inicial para
comprar a volatilidade de 30% do ativo :

Tabela 4 Operao inicial para compra da volatilidade do ativo elaborado pelo
autor

Fluxo de caixa da operao:

Tabela 5 Fluxo de caixa e operaes realizadas diariamente com a mudana do
preo do ativo elaborado pelo autor.

Pode-se observar pela Tabela 5 que quando o preo da ao
aumenta, o da opo tambm aumenta, pois a probabilidade da opo dar
exerccio maior, e o negociador tem que vender aes no fim do dia para
deixar sua posio delta neutro. O oposto ocorre quando o preo da ao
diminui, fazendo com que o negociador compre o ativo objeto. Portanto, o
negociador compra ao quando seu preo diminui e vende quando seu
preo sobe. Do ponto de vista do negociador comprado em volatilidade,
quanto maior o movimento da ao mais lucrativa ser sua operao.



Ativo Operao Nmero de Delta Posio
Inicial contratos Inicial
Opo de compra Compra 100 52% 5200
Ao Venda 52 100% -5200
Dia Preo da ao Delta de 100 Total Delta da Total de aes Ganho & Perda Custo do Capital
R$ opes de compra Posio ajustadas na ao R$ da ao
0 100,00 52 -
1 102,70 73 (2.306) VENDER (21) (21) (139,43) R$ 0,61 R$
2 99,20 44 3.078 COMPRAR 28 7 254,57 R$ 0,88 R$
3 100,12 53 (867) VENDER (8) (1) (40,73) R$ 0,52 R$
4 103,81 84 (3.486) VENDER (32) (33) (193,81) R$ 0,62 R$
5 102,70 78 686 COMPRAR 6 (27) 93,51 R$ 1,03 R$
6 98,77 36 4.539 COMPRAR 43 16 308,38 R$ 0,95 R$
7 100,01 51 (1.585) VENDER (15) 1 (44,19) R$ 0,41 R$
8 100,50 60 (885) VENDER (9) (8) (25,01) R$ 0,60 R$
9 102,30 93 (3.504) VENDER (33) (41) (107,28) R$ 0,70 R$
10 103,20 COMPRAR 41 1,11 R$
Operao
Captulo 3 A Volatilidade
48
3.4.2 Lucro do negociador

Hedge original: No vencimento da opo, aps 10 dias o valor do
ativo de $103,20, o negociador pode ou exercer a opo comprando o
ativo por $100 e vendendo por $103,20, ou simplesmente vender a opo
pelo valor intrnseco de $3,20. Como a opo foi comprada por $2,02 e
vendida por $3,20, o lucro na opo foi de (3,20 2,02)x100 = $ 118,00, e a
sua perda no ao pela venda original de 52 aes $100 foi de (100
103,20)x52 = - $ 166,40.

Ajustes na posio: Pode-se observar na Tabela 5 que, quando o
preo da ao aumenta o negociador vende aes para ajustar sua posio.
No dia 1, a ao sobe de $ 100,00 para $102,70, o negociador obtm uma
perda de (100 102,70)x52 = - $139,43. Sendo assim deve-se vender mais
21 aes para ajustar sua posio. No dia seguinte o preo da ao diminui
para $ 99,20, e o negociador obtm agora um lucro de (102,70 99,20)x73
= $ 254,57. E assim sucessivamente at o vencimento da opo.

Custo de capital da opo: Inicialmente o negociador comprou 100
contratos de opes com o valor de $ 2,02 desembolsando $ 202,00 de
caixa. Como visto, o caixa possui um custo de oportunidade. No caso, com
a taxa de juros anual de 3% o custo de oportunidade do caixa da opo por
dez dias de:

Custo de capital da ao: Com a venda da ao o negociador
recebe capital (caixa) que aplicado na taxa de juros livre de risco. O lucro
dirio resultado da remunerao do caixa recebido mostrado na Tabela 5 e
varia com a quantidade de ao vendida. O caixa inicial recebido pela venda
da ao de (52x100) = $ 5200 e seu custo de capital calculado como:

02 , 0 $ 1 03 , 1 202
252
10
=
|
|
.
|

\
|

|
.
|

\
|
Captulo 3 A Volatilidade
49

Variando conforme a quantidade de aes vendidas.

O lucro final do negociador mostrado abaixo:

O lucro final dado por (-48,00 + 106,00 0,02 + 7,41) = $ 65,00

O lucro esperado pelo negociador inicialmente ao observar a opo
negociada 30% de volatilidade pelo preo de $2,02, sabendo-se que a sua
volatilidade realizada seria de 40%, valendo $2,67, o seu lucro esperado
seria de (2,67 2,02)x100 = $65,00.


3.6 Comprado e vendido em volatilidade


No item anterior mostrou-se como o negociador consegue operar a
volatilidade realizando operaes com a opo e o ativo objeto. No exemplo
mostrado o negociador assumiu uma posio comprada na volatilidade do
ativo. Quando isto ocorre o comprador de volatilidade espera que o preo do
ativo varie o mximo possvel obtendo maior lucro.

No caso do vendedor de volatilidade, ocorre o contrrio. Ao vender a
volatilidade do ativo espera-se que o preo a ao no varie, pois o delta da
opo negativo e quando o preo da ao aumenta, mais aes devem ser
compradas e, analogamente, quanto seu preo diminui, mais aes devero
ser vendidas.
Hedge Original Ajuste da posio Custo de Captal da opo Custo de Capital da Ao
(48,40) R$ 106,00 R$ (0,02) R$ 7,41 R$
61 , 0 $ 1 03 , 1 5200
252
10
=
|
|
.
|

\
|

|
.
|

\
|
Captulo 3 A Volatilidade
50
Nas figuras 10 e 11 abaixo mostrado como a relao entre o lucro
e o prejuzo da posio comprada e vendida em volatilidade.

Figura 10 Grfico do retorno dirio de uma posio comprada em volatilidade
elaborado pelo autor
Figura11- Grfico do retorno dirio de uma posio vendida em volatilidade
elaborado pelo autor
Comprado em Volatilidade
-
6
,
0
0
%
-
5
,
0
0
%
-
4
,
0
0
%
-
3
,
0
0
%
-
2
,
0
0
%
-
1
,
0
0
%
0
,
0
0
%
1
,
0
0
%
2
,
0
0
%
3
,
0
0
%
4
,
0
0
%
5
,
0
0
%
6
,
0
0
%
Variao diria do Ativo
L
u
c
r
o
&
P
r
e
j
u
i
z
o
Vendido em Volatilidade
-
6
,
0
0
%
-
5
,
0
0
%
-
4
,
0
0
%
-
3
,
0
0
%
-
2
,
0
0
%
-
1
,
0
0
%
0
,
0
0
%
1
,
0
0
%
2
,
0
0
%
3
,
0
0
%
4
,
0
0
%
5
,
0
0
%
6
,
0
0
%
Variao diria do Ativo
L
u
c
r
o
&
P
r
e
j
u

z
o
Captulo 3 A Volatilidade
51
As figuras 10 e 11 mostram uma posio comprada em volatilidade e
a outra vendida, ambos a uma volatilidade de 31,75% ao ano. Sendo
equivalente a uma movimentao diria no ativo de 2%.

Pode-se constatar que o risco do comprador de volatilidade limitado.
Sua perda mxima a perda do valor da opo com o passar do tempo. E o
seu ganho ilimitado, pois o ganho com a variao do ativo quadrtico. No
caso do negociador vendido em volatilidade, ocorre o contrrio, este possui
seu prejuzo ilimitado e o ganho limitado perda do valor da opo com o
passar do tempo.

Por isso a importncia da velocidade de movimentao do mercado
para o negociador de volatilidade, como mencionado anteriormente.


3.6. Tipos de curva de volatilidade.



Nos captulos anteriores introduziu-se a questo de que o modelo de
Black&Sholes que parece subavaliar sistematicamente opo que no esto
at the money. Ou, de outra forma, que os preos de mercado das opes
que no esto in the money e out of the money costumam apresentar
volatilidade implcita, maior que as opo at the money, formando assim a
curva de volatilidade, conhecida pelos negociadores como smile de
volatilidade, por esta ter a forma de um sorriso.

Ser apresentada a seguir a curva de volatilidade implcita observada
por preo de exerccio. As primeiras curvas de volatilidade observadas no
mercado, como dito anteriormente, assemelha-se um sorriso, pois o
grfico de x X (preo de exerccio) tem uma forma convexa, como pode-se
observar na figura 12 a seguir.

Captulo 3 A Volatilidade
52


Figura 12 Grfico da volatilidade x Preo de exerccio, elaborado pelo autor

No mercado, existem outros formatos de curva de volatilidade
implcita em funo do preo de exerccio as quais receberam
genericamente o nome de smile. Este tipo de curva, mostrado na figura 12,
notado mais acentuadamente nas proximidades do exerccio das opes
onde o retorno do negociador para a variao de 1% na volatilidade muito
baixo, chegando ao ponto das opes que no esto at the money ter uma
diferena de compra e venda englobando muitos pontos de volatilidade.

Este tipo de curva no observada com freqncia no mercado
acionrio brasileiro. Ao contrrio do mercado de opes de aes, o
mercado de opes de dlar testemunha de vrios casos onde este tipo de
curva ocorre. Neste mercado, opes bastante out of the money, tem
liquidez pelo fato de existirem investidores querendo se proteger do pior
caso possvel, ou seja interessado em protegerem-se de uma
desvalorizao acentuada do real.
Outro tipo de curva observado, principalmente no mercado de opes
de aes o de volatilidade escalonada, onde as opes in the money tem
Volatilidade x Preo de Exerccio
20%
25%
30%
35%
40%
45%
50%
55%
60%
3
0
4
0
5
0
6
0
7
0
8
0
9
0
1
0
0
1
1
0
1
2
0
1
3
0
1
4
0
1
5
0
1
6
0
1
7
0
Preo de exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Captulo 3 A Volatilidade
53
uma volatilidade maior do que as at the money e as out of the money,
conforme mostrado na Figura 13:
Figura 13 Grfico da Volatilidade x Preo de exerccio elaborado pelo autor

Este tipo de curva mais freqente no mercado de opes de aes
pois a medida que o preo da ao aumenta, sua volatilidade diminui, como
explicado anteriormente. Devido principalmente ao seu prprio preo
absoluto, e ao grau de alavancagem da empresa.
Volatilidade x Preo de Exerccio
20%
25%
30%
35%
40%
45%
50%
55%
3
0
4
0
5
0
6
0
7
0
8
0
9
0
1
0
0
1
1
0
1
2
0
1
3
0
1
4
0
1
5
0
1
6
0
1
7
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Captulo 4 Escolha do Modelo
54
4. Escolha do Modelo


Aps demonstrar quais as causas da formao da curva assimtrica
de volatilidade, conceituar e fundamentar os instrumentos necessrios para
o entendimento e resoluo do problema, neste captulo sero apresentados
os modelos pesquisados que prope encontrar a curva de volatilidade, seus
pontos fortes e fracos, determinando, por fim, qual o melhor modelo a ser
desenvolvido.

Os modelos pesquisados para determinar a curva de volatilidade, so
divididos em dois grupos: os modelos paramtricos e os modelos no
paramtricos.


4.1 Modelos Paramtricos


Os modelos paramtricos utilizam-se dos preos das opes do
mercado para encontrar a distribuio de probabilidade do ativo utilizando-se
desta distribuio para encontrar a sua curva de volatilidade.

4.1.1 Modelo de Mistura de Normais (Bahra, 1997, Gemmill &
Saflekis, 2000)

De forma geral, como j citado no captulo 2, o preo de uma opo
de compra europia pode ser representado como:

Neste modelo, a densidade de probabilidade q do preo pode ser
recuperada a partir da estimao de parmetros por critrios de minimizao
( )
( ) ( )
}


=
x
t t t
t T r
dS S q X S e C
Captulo 4 Escolha do Modelo
55
da distncia entre os preos de mercado e os preos tericos gerados pelo
modelo.

A hiptese Gaussiana representa algumas vantagens prticas, a
primeira delas a estabilidade da densidade Gaussiana sob adio, ou seja,
se os preos sob horizonte de um dia tem distribuio de probabilidade
lognormal, o mesmo vale para maiores horizontes futuros. Uma outra
importante caracterstica prtica deste modelo, no que diz respeito a
distribuio de probabilidade, a possibilidade de obter-se expresses
analticas para os preos das opes. Assim, a forma funcional de q seria
dada pela mistura de k lognormais:


Onde :

e


f(x) a funo densidade lognormal e wi so os pesos de cada densidade
na mistura. No modelo, os parmetros de f(x) so definidos como:

Onde a taxa de juros livre de risco; a volatilidade; S o preo do
ativo e T o tempo at o vencimento da opo.
( ) ( )

=
=
K
i
i t
x Logf w S q
1

=
i
i
w 1
0 >
i
w
T
T S
i i
i
i i


=
|
|
.
|

\
|
+ =
2
ln
2
0
( ) 1 . 4
( ) 2 . 4
( ) 3 . 4
Captulo 4 Escolha do Modelo
56
Para fins prticos utiliza-se a mistura de duas lognormais:


Isto reduz a necessidade de muitos dados, tendo-se apenas cinco
parmetros a serem estimados (w,
1
,
1
,
2
,
2
),

A partir das equaes 4.4, 4.3 e 4.2 acima, e dos preos de mercado
das opes (Cm) possvel estimar os parmetros pela minimizao do erro
quadrtico entre estes preos e aqueles gerados pelo modelo de mistura de
lognormais:

Para X
i
o preo de exerccio da opo e T o tempo at o seu
vencimento.

Bahra (1997), em seu modelo de mistura de normais, demonstra que
sob a hiptese de lognormalidade a equao de avaliao uma expresso
analtica e esta uma ponderao dos preos de Black&Sholes com
diferentes mdias e varincias. Para o caso de mistura de duas densidades
lognormais:





( ) ( ) ( ) ( )
1 0
1
2 1
< <
+ + =
w
x Logf w x wLogf St q
( ) ( )
2
1
, min

n
i
mi i
C T X C
( ) ( ) [ ] ) )( 1 ( ,
4 3
2 /
2 1
2 /
2
2 21
2
1 1
d d d d
rT
X e w X e w e T X C

+ =
+ +
( ) 4 . 4
( ) 5 . 4
( ) 6 . 4
Captulo 4 Escolha do Modelo
57
Onde:
x
a distribuio Normal acumulada at x

Gemmill e Saflekos (2000) estimaram a densidade de probabilidade
de opes sobre o FTSE-100, ndice de aes Londrino, usando o modelo
de mistura de duas lognormais sobre um perodo de 10 anos (1987-1997).
Os resultados reportados pelos autores demonstram que o modelo supera o
modelo de uma Lognormal (Black&Sholes) quanto aos ajustes sobre os
preos de mercado.

No entanto, o modelo de Mistura de Normais encontra limitaes para
as solues dos problemas deste trabalho, visto que negociadores de
opes do Banco JP Morgan necessitam de um modelo capaz de obter uma
curva de volatilidade para ativos que no possuem opes negociadas no
mercado, portanto, no h como parametriz-lo minimizando o erro
quadrtico entre as opes de mercado e o gerado pelo modelo.

Alm disso conforme demonstrado por Oliveira (2000), no decorrer
deste captulo, o modelo possui problemas de confiabilidade. Empiricamente
verificou-se grande sensibilidade s distores ou escassez de preos.
Como resultado disso existe uma grande instabilidade nos parmetros, o
que freqentemente resulta em solues de distribuies de probabilidades
pouco suaves. A instabilidade na convergncia para valores coerentes faz
com que o critrio de confiabilidade seja um ponto negativo no modelo.
2 3 4
2
2
2 2
3
1 1 2
1
2
1 1
1
ln
;
;
ln


=
+ +
=
=
+ +
=
d d
X
d
d d
X
d
( ) 7 . 4
( ) 9 . 4
( ) 10 . 4
( ) 8 . 4
Captulo 4 Escolha do Modelo
58
4.2 Modelos No Paramtricos


Uma das maiores limitaes do modelo de Black&Scholes a
hiptese fundamental sobre o processo estocstico dos preos e
consequentemente sobre a densidade dos retornos do ativo subjacente
supostamente normais. Os modelos no paramtricos tentam superar esta
restrio trabalhando com mtodos estatsticos que no pressupe um
modelo gerador para os preos. Estes mtodos permitem que poucas
restries sejam impostas, dando flexibilidade quase total ao padro da
densidade dos retornos.
Segue abaixo alguns modelos No Paramtricos pesquisados:

Modelo de Mxima Suavidade
Modelo de Mxima Entropia

4.2.1 Modelo de Mxima Suavidade (Jackwerth & Rubinstein, 1996)

O modelo de mxima suavidade, conforme demonstrado nos testes
feitos no trabalho de Oliveira (2000), apresenta grande dificuldade de
convergncia e/ou resultados pouco coerentes, sendo que a implementao
sugerida pelos autores, mostrou-se custosa e computacionalmente
ineficiente.

Assim sendo, diante da grande quantidade pontos negativos,
conforme tabela comparativa de Oliveira (2000), este modelo no ser
exposto no presente trabalho.





Captulo 4 Escolha do Modelo
59
4.2.2 Modelo de mxima Entropia (Stutzer, 1996)

Os modelos paramtricos at ento apresentados tem o potencial de
minimizar a distncia entre os preos observados das opes e os preos
tericos obtidos a partir de uma certa densidade neutralizadora q.

Stutzer (1996) apresenta um mtodo no paramtrico de avaliao,
denominado Modelo de Mxima Entropia ou Modelo Cannico, baseado no
princpio da mnima divergncia e derivado dos desenvolvimentos da Teoria
da Informao. Uma vantagem deste mtodo, como ressaltam diversos
autores (Siqueira,1999, Gulko,1999, Avellaneda 1997, Stutzer 1996), deve-
se ao fato de que o objetivo da mnima divergncia bastante atrativo do
ponto de vista terico. Alm da fundamentao axiomtica deste critrio este
modelo considerado menos arbitrrio que as demais funes objetivas
apresentadas por trabalhar com a minimizao de um critrio de informao.

Uma outra diferena fundamental para avaliao das curvas de
volatilidade de ativos que no modelo proposto por Stutzer distintamente
dos demais modelos paramtricos, utilizada a prpria distribuio de
probabilidade histrica como priori de otimizao. Com isso, possvel
estimar a densidade neutralizadora do preo da incerteza e responder quo
diferente ela se comparada densidade histrica ou se comparada a
densidade de probabilidade encontrada com a praticada pelo mercado.
Haveria de se falar na comparao com a densidade de probabilidade do
mercado se houvesse opes sobre o ativo sendo negociadas, o que, no
entanto, no o nosso caso.

Por no depender dos preos das opes do mercado, e pelos
demais critrios que sero mostrados a seguir, este ser o modelo a ser
desenvolvido no prximo captulo.


Captulo 4 Escolha do Modelo
60
4.3 Comparao dos Modelos

Oliveira (2000) desenvolveu um trabalho de comparao de diversos
modelos para a obteno da curva de volatilidade utilizando os seguintes
critrios:

4.3.1 Eficincia computacional do modelo

Segundo critrio de eficincia computacional os modelos foram
avaliados pelos custos computacionais e de implementao, levando em
considerao a dificuldade de implementao e o tempo para convergncia.
Logicamente so preferveis modelos facilmente implementveis
(preferencialmente em planilhas de clculo) e com respostas que possam
ser geradas em tempo real.

No caso deste trabalho, a importncia da resposta em tempo real no
to relevante visto que a precificao das opes que no so negociadas
com liquidez no mercado tem uma precificao estruturada podendo
demorar quinze minutos ou at dias, portanto, para os negociadores da
volatilidade do JP Morgan o importante um modelo de fcil utilizao e
com resposta relativamente rpida, no necessriamente em tempo real. Em
entrevista com os negociadores uma resposta rpida significa algo em torno
de dez quinze minutos.

4.3.2 Confiabilidade nos resultados

Uma das maiores vantagens dos modelos como o de Black&Sholes
que neste so utilizadas expresses analticas e estas, quando corretamente
utilizadas, sempre geram resultados confiveis. No entanto, quando est se
trabalhando com modelos dependentes de procedimentos numricos e de
rotinas de otimizao isso pode passar a ser um problema.

Captulo 4 Escolha do Modelo
61
Caso um modelo apresente dificuldades de convergncia, dificilmente
poder ser adotado por uma mesa de operaes, visto que, esta necessita
de informaes rpidas e confiveis. Desta forma, um sistema que demanda
rapidez e muitas vezes processa as informaes durante a noite, sem uma
superviso de todo o processo, no pode apresentar dificuldades de
convergncia.

4.3.3 Facilidade de Uso

Como ressaltam Mendes & Duarte (1998), nas instituies financeiras
muitas vezes o usurio de um modelo matemtico no o mesmo que o
desenvolveu e o implementou, sendo assim, se no houver um bom
entendimento do modelo por parte do usurio, decises erradas podem ser
tomadas.


4.4 Resultado da comparao (Oliveira, 2000)
5



O resultado da anlise segundo os critrios de eficincia operacional
discutidos anteriormente: (1) Eficincia computacional, (2) Confiabilidade dos
resultados e manuteno, e por fim (3) facilidade de uso sero classificados
como ponto negativo ou ponto positivo, tendo em vista a eficincia
relativa dos modelos.

Neste trabalho, entretanto, ser acrescentado um quarto item de
comparao, (4) a possibilidade de construo do modelo caso no haja
opes com liquidez negociadas no mercado, pois este o critrio
fundamental para resoluo do problema proposto. Como apresentado
anteriormente, muitos modelos principalmente os paramtricos, partem dos

5
- Oliveira G., informao implcita sobre o prmio das opes- Dissertao de Mestrado
Captulo 4 Escolha do Modelo
62
preos das opes de mercado para encontrar a curva de volatilidade do
ativo.

Alguns outros modelos foram testados por Oliveira, 2000, entretanto,
no podem ser utilizados neste trabalho por necessitarem dos preos das
opes no mercado para serem construdos.

Tabela 6 Eficincia Operacional dos Modelos Elaborado por Oliveira, 2000

Analisando a Tabela 6 acima, constata-se dentre os modelos
comparados, os nicos em que se possvel encontrar a curva de
volatilidade onde no h opes sobre o ativo negociado, so os modelos de
Mxima Entropia e de Mxima Suavidade.

O modelo de Mxima Suavidade pode ser rapidamente descartado
por no apresentar nenhum ponto positivo. O nico modelo que satisfaz a
restrio de no utilizar preos de opes de mercado como priori de
otimizao e com importantes pontos positivos o Modelo Cannico de
Mxima Entropia.

A dificuldade deste modelo, ou melhor, seu ponto negativo, consiste
na dificuldade em relao eficincia computacional e a sua
implementao; desafios em sua construo que sero apresentados no
captulo a seguir.
Modelo Eficincia Computacinal Confiabiliade e Facilidade de Uso No utilizao de
e implementao Custo de Manuteno e entendimento preos de mercado
Mistura de Normais + - + -
Mxima Entropia - + + +
Mxima Suavidade - - - +
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
63
5. Argumentao Terica, Explicao, e Construo
do Modelo.


Neste captulo ser apresentado ao leitor o princpio da Teoria da
Informao e da Entropia Relativa; princpios base do modelo a ser
desenvolvido. Aps o embasamento terico, o modelo ser exposto para
finalmente ser construdo em planilha eletrnica.


5.1 Argumentao Terica Teoria da Informao


5.1.1 Mxima incerteza e equilbrio de mercado

Os mercados esto supostamente em equilbrio quando a oferta
igual a demanda, ou seja, quando h o mesmo nmero de participantes
dispostos a comprar e a vender por um mesmo preo determinado ativo.

Se o mercado eficiente, o potencial comprador de uma ao
acredita que esta ao est desvalorizada, e o potencial vendedor
inversamente acredita que esta ao est supervalorizada. A diferena de
opinio, no equilbrio, torna a distribuio dos retornos incerta.

Considerando as duas distribuies binomiais abaixo, sendo P a
probabilidade do preo da ao aumentar no perodo de tempo T:

P = 99% P = 50%
X Y

1-P= 1% 1-P = 50%

Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
64
Pode-se dizer que:

X mais previsvel que Y;
X no estvel (mais compradores que vendedores);
Y mais incerto quanto ao futuro movimento do mercado;
Y mais estvel (mesmo nmero de compradores e vendedores);
Y est em equilibrio.

O equilbrio tende a ser o mais incerto possvel sobre a direo futura
do mercado.

5.1.2 Quantificao da Informao

A probabilidade mede a incerteza sobre a ocorrncia de um evento
aleatrio, a entropia mede a incerteza de uma famlia de eventos aleatrios.
Para uma varivel aleatria X, o que pode-se deduzir de uma observao
em que X = x?

A quantidade de informao convertida pela observao de que X=x,
deve depender do quanto a ocorrncia desse evento previsvel. Caso
todos tenham a expectativa de que o preo de uma ao aumente de valor
no dia seguinte e na realidade o preo diminui, o evento imprevisvel da
queda mais informativo do que o previsvel aumento do preo. O que se
quer com a entropia quantificar a noo de que eventos proporcionam
informao.

Pode-se dizer que a funo I(p) representa a informao trazida pela
ocorrncia do evento X = x com probabilidade de ocorrer igual a p. Isto
requer que I(p) seja positivo e seja uma funo decrescente em relao a p
(quanto maior p menor o valor de I). Intuitivamente, pode-se justificar que a
funo I(p) no negativa pois qualquer ocorrncia de eventos novos gera
alguma informao nova.
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
65
Considere que X e Y sejam duas variveis aleatrias discretas
independentes:

Desde que X e Y sejam eventos independentes, a probabilidade
conjunta de ocorrncia dos eventos dado por:

Quando dois eventos independentes, X= x e Y= y, ocorrem, a
informao associada a eles I(pq) dada por:


Derivando a expresso acima em relao p e em relao a q tem-se:



Como X e Y so independentes e, os termos acima devem ser
constantes, denotados por c, temos:

Como 0< q < 1 e I(q) deve ser positivo e uma funo decrescente de
q, a constante c positiva. De agora em diante a constante c ter valor 1.
Portanto, a informao trazida por um evento que tem probabilidade de
ocorrncia p dada por:

) ( ) (
) (
p I
p
pq I
pq
q

) ( ) (
) (
q I
q
pq I
pq
p

) ln( ) ( q c q I =
) ln( ) ( p p I =
p x X P = = ) (
q y Y P = = ) (
pq y Y x X P = = = ) ; (
) ( ) ( ) ( q I p I pq I + =
( ) 1 . 5 ( ) 2 . 5
( ) 3 . 5
( ) 4 . 5
( ) 5 . 5
( ) 6 . 5
( ) 7 . 5
( ) 8 . 5
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
66
Considerando que a ao pode ter o seu prximo movimento tanto de
alta quanto de baixa:

Probabilidade do preo aumentar p

Ao


Probabilidade do preo diminuir 1-p

A informao convertida pelo movimento de alta dado por I(p) = -
ln(p)
A informao convertida pelo movimento de baixa dado por
I(p) = -ln(1-p)

5.1.3 Entropia.

Seja Y uma varivel aleatria discreta, assumindo valores Y
1,
...Y
k
com
probabilidade P(Y). A Entropia desta v.a dada por:

Visto que qualquer probabilidade p
i
menor ou igual a 1, a entropia
ser sempre um valor positivo.

A expectativa de um valor alto de informao indica uma distribuio
com alta variedade de probabilidades de ocorrncia. O valor baixo de
informao, implica na distribuio de probabilidade relativamente estreita e
portanto, no h muito ganho de informao pela ocorrncia de eventos
previsveis. Qualitativamente pode-se dizer que H representa a incerteza da
distribuio, um valor alto (baixo) de H corresponde a uma alta (baixa)
incerteza.
) ( ) ( ) (
1
Y Logp Y p Y H
i
n
i
i
=
=
( ) 9 . 5
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
67

Se a distribuio Y converge para um nico evento isolado J, o qual
possui probabilidade p
j
= 1 com todos os outros p
i
= 0, ento H(Y) = 0. Isto
corresponde ao menor nvel de entropia possvel. A entropia tem seu valor
mximo, log(n), quando p
i
= 1/ n para todos os i, ou seja, quando todas as
possibilidades tem a mesma probabilidade e a mesma incerteza. Isto , o
conceito de mxima entropia, corresponde a mxima incerteza e mnima
informao.

Pode-se verificar pela definio de entropia (equao 5.9), que esta
pode ser escrita como sendo o valor esperado de log p(Y), i.e,


O modelo, como ser demonstrado posteriormente, utiliza-se do
conceito de entropia relativa S(p,q) . Este conceito mede a ineficincia em
se assumir que uma distribuio q quando a distribuio verdadeira p.

A entropia relativa ou divergncia de Kullback entre duas distribuies
p e q definida por:

Onde a ineficincia, diferena entre o valor esperado entre as duas
distribuies, igual entropia relativa, conforme demostrado abaixo:


[ ] ) ( log ) ( Y p E Y H =
( )
(

= =
) (
) (
log
) (
) (
log ) ( ,
) (
Y q
Y p
E
Y q
Y p
Y p q p S
Y p
[ ] [ ] [ ]
[ ]
) , (
) (
) (
log
) ( log ) ( log
) ( log ) ( log ) ( ) ( log
) (
) (
) ( ) ( ) (
q p S
Y q
Y p
E
Y p Y q E
Y p E Y q E Y H Y q E
Y p
Y p
Y p Y p y p
=
(

=
+ =
=
( ) 10 . 5
( ) 11 . 5
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
68
5.2 O Modelo


O modelo a ser construdo neste trabalho foi inicialmente
desenvolvido por Stutzer (1996) e baseado no princpio da mnima
divergncia derivado dos desenvolvimentos da Teoria da Informao. Ele
utiliza a prpria densidade de probabilidade histrica p (dos retornos
passados) como priori de otimizao, encontrando uma nova densidade de
probabilidade q. A partir desta nova distribuio, pode-se calcular o novo
preo das opes para cada preo de exerccio e, com estes preos,
encontrar a curva de volatilidade do ativo.

Como j mostrado no captulo 2, o preo de uma opo europia de
compra dado por:

Onde C o preo da opo de compra, r a taxa de juros livre de
risco, X o preo de exerccio, S
t
o preo da ao no tempo t e q(S
t
) a
distribuio de probabilidade de S
t
.

Dada a equao para obteno o preo da opo, a construo do
modelo ser dividida em trs partes:

1. Neste item ser obtida a nova distribuio de probabilidade q
minimizando a entropia relativa entre a distribuio dos retornos
histrica p e a nova distribuio q, obedecendo a restrio de a
nova distribuio ter o seu valor esperado E(S
t
)=S
0
e
rT
, ou seja, o
mesmo valor esperado do modelo de Black&Sholes mostrado no
captulo 2;

( ) ( )
}


=
X
t t t
t T r
dS S q X S e C
) (
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
69
2. Na segunda parte, ser calculado o preo da opo C
i
para cada
preo de exerccio X
i
a partir da distribuio q obtida;

3. Por fim, com os preos obtidos no item 2, ser utilizado o modelo
de Black&Sholes, para determinao da volatilidade implcita de
cada preo de exerccio construindo assim, a curva assimtrica de
volatilidade.


5.2.1 Obteno da distribuio e probabilidade q(S
t
)


A obteno da nova distribuio q a parte mais complexa e
trabalhosa do modelo. A nova distribuio q, obtida atravs da minimizao
da entropia relativa equivalente a translao da distribuio histrica p,
recentralizando-a, utilizando a taxa de juros livre de risco do mercado, de
forma a alterar o mnimo possvel o formato da distribuio original. Ou seja,
ser colocado o centro da distribuio histrica no centro da distribuio do
Black&Sholes, obtendo perdas mnimas no formato da distribuio original.

Pode-se definir S(p, q) como sendo a entropia relativa entre a
distribuio de probabilidade inicial p e a distribuio subsequente q. S mede
o decaimento da entropia (ou o aumento da informao) entre a distribuio
inicial p e a final q, e dada por:



A Funo log( ) convexa logo log( pi/qi) maior que o log( pi/qi ).
Ento,

= = =
i
i
i
i
i
i
i
i q
q
p
q
p
q
q p q E q p S log log ] log [log ) , (

= = = >
i i
i
i
i
i
p
q
p
q q p S 0 1 log ) ( log ) ( log ) , (
( ) 12 . 5
( ) 13 . 5
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
70
Portanto S(p,q) estritamente no negativa e zero se e somente se
p=q. S(p,q) pode ser vista como a distncia entre as duas distribuies de
probabilidades.

O objetivo minimizar a relativa entropia ou a distncia entre duas
distribuies de probabilidade.

Considere uma opo de ao com vencimento em T e uma ao
com preo vista igual a S
0.
Para encontrar o valor da opo tem-se que
encontrar a mdia do retorno sobre uma densidade de probabilidade q(S
0,
0;
S
t
, T). Teoricamente q encontrado solucionando a equao diferencial de
Black&Sholes. No modelo de Black&Sholes, como apresentado no captulo
2, a distribuio de probabilidade do preo da ao assumido como sendo
lognormal e consequentemente os preos de suas opes no possuem
nenhuma curva de volatilidade, sendo que todos os preos de exerccios
possuem a mesma volatilidade.

Como j exaustivamente mencionado, a teoria de Black&Sholes no
condiz com a realidade, A distribuio q a ser obtida, deve ser consistente
com a distribuio real dos retornos do ativo. Alm disso a distribuio q
deve satisfazer a condio de seu valor esperado ser a taxa de juros livre de
risco, devido ao custo do capital e a expectativa de retorno do investidor
como j apresentado no captulo 2.

natural primeiramente levar a adoo da distribuio dos retornos
atuais de determinado ativo p(S
0,
0, S
t
, T). As duas distribuies q e p no
podem ser idnticas, pois a expectativa do retorno da ao esperada pelos
investidores na distribuio q, como j supramencionado, deve ter o valor da
taxa corrente livre de risco, enquanto a expectativa de retorno na distribuio
p a mdia dos retornos reais da ao, podendo este assumir valor
negativo, sem relao com a taxa corrente livre de risco do mercado. A
figura 14 a seguir ilustra o exposto acima.
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
71




















Figura 14 Nova distribuio q a ser obtida Elaborado pelo Autor

Densidade de Probabilidade p - do Ativo
-2.00%
0.00%
2.00%
4.00%
6.00%
8.00%
10.00%
12.00%
14.00%
16.00%
-
7
5
%
-
6
5
%
-
5
5
%
-
4
5
%
-
3
5
%
-
2
5
%
-
1
5
%
-
5
%
5
%
1
5
%
2
5
%
3
5
%
4
5
%
5
5
%
6
5
%
RETORNO DO ATIVO
Densidade de Probabilidade - Black&Sholes
0.0%
2.0%
4.0%
6.0%
8.0%
10.0%
12.0%
14.0%
16.0%
-
7
5
%
-
6
5
%
-
5
5
%
-
4
5
%
-
3
5
%
-
2
5
%
-
1
5
%
-
5
%
5
%
1
5
%
2
5
%
3
5
%
4
5
%
5
5
%
6
5
%
RETORNO DO ATIVO
Nova Densidade de Probabilidade - q
-2.00%
0.00%
2.00%
4.00%
6.00%
8.00%
10.00%
12.00%
14.00%
16.00%
-
7
5
%
-
6
5
%
-
5
5
%
-
4
5
%
-
3
5
%
-
2
5
%
-
1
5
%
-
5
%
5
%
1
5
%
2
5
%
3
5
%
4
5
%
5
5
%
6
5
%
RETORNO DO ATIVO
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
72
Estima-se a distribuio dos retornos q de uma ao por sua
distribuio histrica p, assumindo que o segundo um bom estimador do
passado e que a relativa entropia S(p,q) entre as duas distribuies seja
minimizada. Este critrio imposto na tentativa de evitar qualquer aumento
de desvio da informao na criao da distribuio histrica. Ser
demonstrado que a restrio da minimizao na distribuio a condio
em que o valor esperado do preo da ao na distribuio q consistente
com o valor futuro da ao.

Portanto, para encontrar a distribuio q, deve-se minimizar a entropia
relativa:




Tal que :


e

A resoluo da minimizao acima no trivial, e por fugir do escopo
do trabalho no ser apresentada. Segundo Stutzer 1996, solucionando a
minimizao com restries acima tem-se a equao para obter a
distribuio q como sendo:

|
|
.
|

\
|
=
) (
) (
log ) , (
t
t
Q
S p
S q
E q p S MIN
rT
T T T
e s dS S S q
0
) ( =
}
1 ) ( =
}
T T
dS S q
) exp(
) exp( ) (
) , ; 0 (
) , ; 0 , (
, 0
0 t
t t
T
T
S
ds S S p
T S S p
T S S q

=
}
( ) 14 . 5
( ) 15 . 5
( ) 16 . 5
( ) 17 . 5
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
73
Onde a constante pode ser encontrada numericamente tal que a
condio do preo futuro abaixo seja satisfeita.

O problema acima uma otimizao no linear com restries, o que
pode representar problemas computacionais para a obteno da soluo.
Felizmente o problema pode ser transformado em uma otimizao no
restrita, o que simplifica a busca da soluo. Pelo mtodo do multiplicador de
Lagrange o autor mostra que a soluo do problema acima a seguinte
distribuio:



Esta distribuio conhecida como Distribuio Cannica de Gibbs.
Por esta razo o autor batizou o Modelo de Avaliao Cannico. Onde r a
taxa de justos livre de risco, T o nmero de dias at o vencimento da
opo, e R(-h) a srie de retornos passados de tamanho T (mesma
maturidade das opes que se quer avaliar), a partir de uma janela mvel
sobre a srie histrica H de preos passados do ativo S(t) t=-1,-2,,-H, ou
seja, H-T retornos de T dias calculando como:






( ) T H h
r
h R
Exp
r
h R
Exp
h q
h
T
T
=
(

,...., 2 , 1 ,
) (
) (
^
^
^

rT
T T t
e s dS S T S S q
0 0
) , ; 0 , ( =
}

T H h
T h S
h S
h R =

= ,...... 2 , 1 ,
) (
) (
) (
( ) 18 . 5
( ) 19 . 5
( ) 20 . 5
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
74

A soluo de q requer apenas a estimao do multiplicador de
Lagrange , que, por sua vez, a soluo do seguinte problema de
minimizao no restrita:




Utilizando alguma ferramenta de busca direta, no caso deste trabalho,
o Solver do Excel, pode-se encontrar o multiplicador de Lagrange o qual
minimiza a funo acima. Obtendo-se o multiplicador torna-se necessrio
somente a sua substituio na equao de q para a obteno da nova
distribuio .

5.2.2 Ajuste do modelo

Conforme apresentado no captulo 3, possvel obter a volatilidade
do preo de exerccio da opo at the money fazendo uma analise de sua
volatilidade histrica ou observando a volatilidade implcita, caso a opo
seja negociada no mercado. A volatilidade at the money deve ser um dos
parmetros a ser inserido pelo usurio, j que esta representa a expectativa
da volatilidade realizada do ativo pelo negociador e sendo assim, mais uma
restrio a ser includa no modelo.

Para que a volatilidade da opo at the money a ser obtida, seja a
mesma inserida pelo usurio, deve-se ajustar o modelo de forma que o novo
estimador q
ATM
seja obtido por:

[ ] + ,

|
.
|

\
|

=
h T
r
h R
1
) (
exp min arg
^

( ) 21 . 5
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
75



Onde os multiplicadores de lagrange
1
,
2
sejam encontrados,
solucionando o seguinte problema de minimizao no restrita:


Para C
ATM
o preo da opo de compra at the Money observada no
mercado, inserida pelo usurio.

5.2.3 Obteno dos preos das opes

A segunda etapa da implementao do modelo de avaliao o uso
da densidade neutralizadora estimada q para o clculo do preo da opo.
No caso, deseja-se avaliar e prever o preo das opes europias de
compra para com o preo obtido, estimar a volatilidade implcita utilizando o
Black&Sholes. O valor da opo com preo de exerccio X, expirando em T,
sobre o ativo com preo corrente S
0
, dado por:


No captulo 6 seguinte o modelo ser testado comparando-se a curva
de volatilidade encontrada com a do curva de volatilidade do ndice Bovespa.
Cumpre salientar, que para a obteno da curva de volatilidade ser
( ) 22 . 5
( ) 23 . 5
( ) 24 . 5
[ ] + , 1 [ ] + , 2
[ ]
[ ]
T H h
r
X h R S
r
h R
r
X h R S
r
h R
h q
T
ATM
T
T
ATM
T
ATM
=
(

|
.
|

\
|
+

|
.
|

\
|
+

... 2 , 1 ,
0 , ) ( max ) (
exp
0 , ) ( max ) (
exp
) (
2 1
2 1
^


[ ]
(

|
.
|

\
|


+

=
h
ATM
T
ATM
T
C
r
X h R S
r
h R
Min
0 , ) ( max ) (
exp arg
2 1
^

[ ]

|
.
|

\
|
=
h
ATM
T
i
h q
r
Xi h R S
C ) (
0 , ) ( max
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
76
calculado o preo das opes de onze preos de exerccios diferentes, os
quais possuem liquidez no mercado, portanto ser calculado o preo de C
1,
C
2,
...,C
11
de forma que o preo da opo C
6
possua como preo de exerccio
X
6
at the money (inserido pelo usurio no modelo), C
1
at

C
5
com os
preos de exerccios X
1
X
5
in the money e C
7
at

C
11
com os preos de
exerccios X
7
X
11
out of the money.

5.2.4 Curva de Volatilidade

Encontrados os preos das opes, ser utilizado o modelo de
Black&Sholes, fazendo uso como entrada dos preos das opes e dos
respectivos preos de exerccios, de forma a obter a volatilidade implcita
para cada preo, formando a curva de volatilidade do ativo.

5.3 Construo do modelo

Neste tem ser apresentado o algoritmo para a contruo do modelo.

5.3.1 Algoritmo

Passo 1: Coleta da srie histrica do ativo que se quer avaliar;
Passo 2: Fornecer os Parmetros : Preo atual do ativo,
Volatilidade At the Money, Taxa de Juros, vencimento da opo
e preos de exerccios X
1
X
n
;
Passo 3: Calcular o nmero de dias teis at o vencimento da
opo;
Passo 4: Calcular a Taxa de Juros efetiva at o vencimento da
opo;
Passo 5: Calcular o preo da opo de compra at the money
utilizando o modelo de Black&Sholes com os parmetros inseridos
( Volatilidade at the Money , preo de exerccio At the money ,
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
77
preo atual do ativo, taxa de juros, e vencimento) ou simplismente
utilizar o preo observado no mercado.
Passo 6: Utilizando a base de preos histrica, calcular o R(-h),
srie de retornos de tamanho T ( nmero de dias at o vencimeto
da opo) conforme a equo 5.20.
Passo 7: Calcular o retorno descontado a taxa de juros efetiva do
perodo calculada no passo 4, conforme a equao abaixo:

Onde r
T
a taxa de juros efetiva e R(-h) o retorno
Passo 8 Calcular:



Onde C
ATM
o valor do preo da opo de compra calculada no
passo 5, S
0
o preo autal do ativo, R(-h) o retorno, r
T
a taxa efetiva e
X
ATM
preo de exerccio at the Money

Passo 9: Calcular



Onde
1
e
2
so os multplicadores de Lagrange com valor inicial
qualquer. Utilizando um software de busca restrita direta, encontrar
1
) (

T
r
h R
[ ]
(
(
(

|
.
|

\
|


+
|
.
|

\
|

ATM
T
ATM o
T
C
r
X h R S Mx
r
h R
Exp
0 , ) (
1
) (
2 1

[ ]
|
.
|

\
|


ATM
T
ATM o
C
r
X h R S Mx 0 , ) (
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
78
os multiplicadores de Lagrange que minimizam a expresso 5.23
acima.

Passo 10: Calcular a distribuio de probabilidade q
ATM
, utilizando
os dados obtidos no passo, conforme expresso 5.22.

Passo 11: obtido o estimador q
ATM
, calcular os preos das opes
de compra C
1
at C
n
utilizando os preos de exerccios X
1
at X
n
.

Passo 12: Com os preos das opes C
1
.C
N
utilizar o modelo de
Black&Sholes utilizando como parmetro os preos das opes de
compra obtidas de forma a obter a volatilidade para cada preo de
exerccio.

5.3.2 Apresentao da construo em planilha.

O modelo construdo neste trabalho foi elaborado de forma que
usurio interfira o mnimo possvel, evitando assim erros.

Para isso foram construdas trs planilhas, a Planilha Principal ,
Planilha de Clculo e a Planilha DataBase.

A Planilha Principal, onde o usurio interage com o modelo, nela
so inseridos os parmetros para encontrar a curva de volatilidade do ativo,
e na mesma planilha o resultado apresentado, no havendo necessidade
do usurio interagir com outras parte do modelo.

Para facilitar a utilizao, foram criadas funes em Visual Basic, e
Macros para auxiliar na obteno dos resultados e diminuir a necessidade
de contato do usurio com o modelo.

[ ]

|
.
|

\
|
=
h
ATM
T
i
h q
r
Xi h R S
C ) (
0 , ) ( max
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
79
A funo BS cuja listagem apresentada em anexo, responsvel
pelo clculo do preo da opo pelo modelo de Black&Sholes. A funo
BSVOL calcula a volatilidade do ativo dado o preo da opo e os demais
parmetros, sua listagem tambm apresentada em anexo.

A Macro DataBase, busca os preos histricos do ativo que se quer
avaliar da Planilha database passando-os para a planilha de clculo. A
Macro Curva, aciona os clculos para obteno do resultado.

A Planilha de clculo onde o algoritmo para soluo do problema
desenvolvido, a apresentao e explicao dos campos da planilha ser
mostrada adiante.

A Planilha DataBase, possui os preos histricos das 57 aes do
ndice Bovespa de 16 de novembro de 2000, at os preos do dia anterior ao
dia atual, essa data base atualisada diariamente pelo Banco JP Morgan.
















Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
80


Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
81
5.3.2.1 Planilha Principal

Nesta planilha como dito anteriormente, o usurio dever inserir os
dados para a resoluo do problema.

Segue abaixo a explanao de cada campo:

Campo Ativo: O usurio insere o nome do ativo que se quer
avaliar.
Campo Preo do Ativo: Usurio insere o preo atual do ativo S
o
;
Campo Volatilidade ATM: Usurio insere a volatilidade at the
Money observada no mercado ou na anlise da volatilidade
histrica.
Campo Taxa de Juros: Usurio insere a taxa de juros ao ano para
o vencimento da opo.
Campo Vencimento: Usurio insere a data de vencimento da
opo.
Coluna Preo de Exerccio : Nesta coluna so inseridos os onze
preos de exerccios que se quer avaliar
Coluna Volatilidade do Mercado: Caso haja opes com liquidez o
usurio pode inserir as volatilidades observadas no mercado para
compar-las com o obtido pelo modelo
Campo ATM: Traz automaticamente a volatilidade at the Money
inserida pelo usurio
Campo dias teis: esse campo calcula o nmero de dias teis at
o vencimento da opo
Campo dia: Traz o dia corrente
Coluna Preo de Mercado: Calcula os preos das opes
utilizando a funo BS e os parmetros (Volatilidade, preo do
ativo, dias para o vencimento, taxa de juros) inseridos pelo
usurio.
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
82
Coluna Volatilidade do Modelo: Retorna as volatilidades obtidas na
planilha de clculo para cada preo de exerccio
Macro Data Base: Aciona a Macro DataBase, que busca os
preos histricos da ativo do campo Ativo da planilha data base,
inserindo-os na planilha de calculo.
Macro Curva: Aciona a Macro Curva que aciona o calculo na
plainlha de clculo.
Grfico: Mostra a curva do mercado e a curva encontrada no
modelo.























Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
83













Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
84
5.3.2.2 Planilha de Clculo

Esta planilha a aplicao do algortimo para construo do modelo
apresentado no tem 5.3.1 para o clculo da curva de volatilidade.

Esta planilha contm os dados inseridos pelo usurio na Planilha
Principal e os clculos para a obteno da curva.

Linha Preo de Exerccio: possui os preos de exerccios inseridos
pelo usurio na planilha principal.
Linha Preo de Mercado: Possui o preo da opo at the Money
calculada na planilha principal relativa volatilidade at The
Money.
Campo Taxa Efetiva: Calcula a taxa efetiva at o vencimento da
opo.
Campo Lagrange : Multiplicador de Lagrange
1

Campo Lagrange ATM: Mutiplicador de Lagrange
2

Coluna A e B: Nestas colunas onde a Macro Database insere
os preos histricos do ativo
Coluna C: Calcula o retorno R(-h)
Coluna D: Calcula o R(-h) multiplicado pelo preo atual do ativo
Coluna E: Calcula:
Coluna F: Calcula

Sendo que
1
o multplicador de Lagrange do campo Lagrange.
Coluna H: Calcula
1
) (

T
r
h R
|
|
.
|

\
|
|
.
|

\
|

1
) (
1
T
r
h R

[ ]
|
.
|

\
|


ATM
T
ATM o
C
r
X h R S Mx 0 , ) (
2
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
85

2
o multiplicador de lagrange do campo lagrange ATM
Coluna I: Calcula o exponencial da soma do resultado da coluna F
e H.

Coluna Opt1 Coluna Opt11: Calcula o mximo entre o resultado
obtido na coluna D e os preos de exerccios das opes de 1
11, dividido pela taxa efetiva do Campo Taxa Efetiva.

Coluna G: Calcula q, dividindo o resultado da Coluna I, pela
somatria da Coluna I, que est Calculado no Campo Somatria.
Macro Curva: A Macro Curva acionada na planilha Principal, faz
com que o campo Somatria seja minimizado alterando os
multiplicadores de langrange nos Campos Lagrange e Lagrange
ATM.
Linha Preo da opo: calcula o preo da opo encontrado aps
a utilizao da Macro Curva. O preo da opo 1 obtido pela
somatria da coluna G (q (h) ), multiplicado pela coluna Opt1, e
assim sucessivamente at a Opt11

Linha Volatilidade: Com os preos obtidos na Linha Preo da
Opo, utilizado a funo BSVOL, para calcular a volatilidade
[ ]
(
(
(

|
.
|

\
|


+
|
.
|

\
|

ATM
T
ATM o
T
C
r
X h R S Mx
r
h R
Exp
0 , ) (
1
) (
2
1
[ ]
|
.
|

\
|

T
ATM o
r
X h R S Mx 0 , ) (
[ ]

|
.
|

\
|
=
h
ATM
T
i
h q
r
Xi h R S
C ) (
0 , ) ( max
Captulo 5 Argumentao Terica, Explicao e Construo do Modelo
86
implcita de cada preo de exerccio, formando assim a curva de
volatilidade.
Captulo 6 Anlise dos Resultados
87
6. Anlise dos Resultados


Neste captulo sero apresentados os resultados dos testes
realizados, comparando a curva de volatilidade observada no mercado de
ndice Bovespa e a obtida pelo modelo.


6.1 Parmetros dos testes.


As curvas observadas foram obtidas no perodo compreendido entre o
dia 9 de julho de 2003, 18 de julho de 2003, Foram analisadas as
volatilidades dos onze preos de exerccios mais lquidos. O preo de
exerccio medido em pontos e a volatilidade em porcentagem.

A curva observada no mercado pode variar dependendo da liquidez
do dia e do tempo para o vencimento das opes. Cumpre observar que as
opes com vencimentos curtos (um a trs meses) possuem a volatilidade
mais sensvel a pequenas mudanas no preo do ativo se comparadas as
opes com vencimentos longos, podendo at mesmo causar distores nos
dados.

Os testes foram realizados em opes vencimento em 13 de agosto
de 2003, pois nestas opes concentram-se o maior nmero de operaes.
Nos preos de exerccio em que no houve realizao de negcio no dia da
observao, foi utilizado o preo intermedirio entre o preo de venda e o
preo de compra, j nos preos de exerccios que no haviam ofertas de
compra ou de venda, foram utilizadas as mesmas volatilidades utilizada
pelos negociadores do Banco JP Morgan para precificao das suas
posies j existentes.

Captulo 6 Anlise dos Resultados
88
Os dados histricos utilizados para o clculo da curva de volatilidade
foram os preos do ndice Bovespa de 16 de novembro de 2000, at a data
dos testes. Os preos utilizados encontram-se listados em anexo.

Nos testes complementares, que sero apresentados no decorrer do
captulo, o modelo foi testado nos dias 16 de agosto de 2003 e 15 de
outubro de 2003 para as opes com vencimento em 18 de fevereiro de
2003 e 14 de abril de 2004, respectivamente. Estes testes foram realizados
para avaliar a aderncia do modelo em opes com vencimentos mais
longos, no caso avaliado, seis meses.


6.2 Apresentao dos resultados


Primeiramente foi observado a curva de volatilidade negociada nos
oito consecutivos preges durante o perodo mencionado no item anterior,
conforme apresentado na tabela abaixo:

Tabela 7 Curva de volatilidade do ndice Bovespa, observada no mercado de 09/06/2003
18/06/2003 Elaborado pelo autor

Observa-se que o desvio padro da curva observada aumenta
conforme os preos de exerccio das opes afastam-se do preo de
exerccio 13500, at the Money.

CURVAS OBSERVADAS
Data / Preo de Exerccio 11000 11500 12000 12500 13000 13500 14000 14500 15000 15500 16000
18/jun/03 30,63% 29,84% 29,30% 28,92% 28,70% 28,51% 28,22% 27,69% 27,15% 26,92% 26,73%
17/jun/03 31,63% 31,12% 29,80% 29,20% 28,88% 28,55% 28,80% 28,12% 28,09% 26,89% 27,40%
16/jun/03 33,73% 32,11% 31,11% 29,70% 29,20% 28,43% 28,00% 27,54% 26,83% 25,91% 25,72%
13/jun/03 32,00% 31,13% 29,74% 28,11% 27,95% 28,58% 28,78% 28,13% 27,12% 25,81% 25,62%
12/jun/03 31,23% 30,84% 29,63% 29,25% 29,12% 28,47% 28,88% 27,91% 27,38% 25,94% 25,23%
11/jun/03 29,54% 29,67% 29,00% 28,40% 27,95% 28,41% 28,88% 28,13% 27,13% 27,36% 27,17%
10/jun/03 30,58% 29,12% 29,11% 28,90% 28,20% 28,60% 28,60% 28,01% 28,47% 27,88% 27,22%
9/jun/03 30,12% 29,13% 28,59% 28,40% 28,17% 28,50% 28,61% 27,88% 27,44% 27,12% 27,03%
Desvio Padro 1,30% 1,09% 0,76% 0,53% 0,51% 0,07% 0,32% 0,52% 0,72% 0,85% 1,13%
Mdia 31,18% 30,37% 29,54% 28,86% 28,52% 28,51% 28,43% 27,93% 27,45% 26,73% 26,52%
Captulo 6 Anlise dos Resultados
89
Este aumento no desvio padro pode ser explicado pela diferena
entre o preo de compra e de venda das opes com preo de exerccio
11.000 e 16.000 ser maior do que os do preo de exerccio 13.500 at the
Money, alm disso, o lucro ou prejuzo obtido pela variao de 1% na
volatilidade para as opes mais in the money e out of the money
menor do que na opo com preo de exerccio At the money.

Nos mesmos dias em que os dados observados foram colhidos e
utilizando os mesmos parmetros da curva observada, foi calculada a curva
estimada utilizado o modelo. O resultado encontra-se na tabela 8 a seguir:

Tabela 8 Curva de volatilidade do ndice Bovespa obtida pelo modelo no perodo entre
09/06/2003 e 18/06/2003 Elaborado pelo autor

Pode-se observar que o desvio padro das opes in the money e
out of the money so maiores que o da at the money, porm na curva
estimada, as diferenas entre os desvios padres entre os preos de
exerccio, so menores que nos da curva observada. O maior desvio padro
nas extremidas, como na curva observada, pode ser explicado pela maior
sensibilidade da volatilidade mudanas do preo das opes.

De forma a avaliar a validade da curva estima foi construda uma
tabela comparativa entre as volatilidades observadas no mercado e as
estimadas no modelo, calculando o erro absoluto mdio para preo de
exerccio conforme a tabela 9.

CURVAS ESTIMADAS
Data / Preo de Exerccio 11000 11500 12000 12500 13000 13500 14000 14500 15000 15500 16000
18/jun/03 31,22% 30,45% 29,0% 29,2% 28,13% 28,51% 28,14% 27,78% 27,55% 27,44% 27,64%
17/jun/03 32,88% 30,02% 29,5% 29,6% 28,13% 28,55% 28,55% 28,01% 27,88% 26,89% 26,44%
16/jun/03 31,15% 31,15% 29,8% 29,9% 29,34% 28,43% 27,78% 26,84% 27,33% 26,77% 26,89%
13/jun/03 30,99% 29,84% 28,9% 28,5% 28,01% 28,58% 28,13% 27,11% 28,14% 28,13% 26,13%
12/jun/03 31,84% 30,88% 28,1% 28,6% 29,02% 28,47% 28,75% 27,53% 27,13% 27,55% 26,84%
11/jun/03 30,15% 30,02% 28,9% 28,7% 28,13% 28,41% 28,38% 27,91% 27,48% 27,36% 26,56%
10/jun/03 30,58% 30,01% 29,2% 29,6% 28,69% 28,60% 28,12% 27,12% 28,02% 28,23% 27,13%
9/jun/03 31,17% 30,51% 29,5% 29,0% 28,13% 28,50% 28,01% 27,49% 28,53% 28,13% 28,81%
Desvio Padro 0,82% 0,47% 0,51% 0,52% 0,50% 0,07% 0,31% 0,42% 0,47% 0,56% 0,84%
Mdia 31,25% 30,36% 29,10% 29,14% 28,45% 28,51% 28,23% 27,47% 27,76% 27,56% 27,06%
Captulo 6 Anlise dos Resultados
90
Tabela 9 Comparao e clculo do erro entre a curva obtida e a estimada. Elaborado
pelo autor


Como esperado, o erro mdio do preo de exerccio aumenta nas
extremidades. Por o modelo ter como restrio possuir o preo da opo at
the money igual ao do mercado, o seu erro absoluto mdio para este preo
de exerccio muito pequeno, prximo de zero.

Os grficos com a comparao da curva de volatilidade obtida com a
estimada encontram-se na figura 15.









Preo de Exerccio 11000 11500 12000 12500 13000 13500 14000 14500 15000 15500 16000 Erro mdio Desvio
Data da Curva Padro
Observado 18-Jun-03 30.63% 29.84% 29.3% 28.9% 28.70% 28.51% 28.22% 27.69% 27.15% 26.92% 26.73%
Estimado 18-Jun-03 31.22% 30.45% 29.0% 29.2% 28.13% 28.51% 28.14% 27.78% 27.55% 27.44% 27.64%
Erro 18-Jun-03 0.59% 0.61% 0.28% 0.31% 0.57% 0.00% 0.08% 0.09% 0.40% 0.52% 0.91% 0.40% 0.28%
Observado 17-Jun-03 31.63% 31.12% 29.8% 29.2% 28.88% 28.55% 28.80% 28.12% 28.09% 26.89% 27.40%
Estimado 17-Jun-03 32.88% 30.02% 29.5% 29.6% 28.13% 28.55% 28.55% 28.01% 27.88% 26.89% 26.44%
Erro 17-Jun-03 1.25% 1.10% 0.29% 0.35% 0.75% 0.00% 0.25% 0.11% 0.21% 0.00% 0.96% 0.48% 0.45%
Observado 16-Jun-03 33.73% 32.11% 31.1% 29.7% 29.20% 28.43% 28.00% 27.54% 26.83% 25.91% 25.72%
Estimado 16-Jun-03 31.15% 31.15% 29.8% 29.9% 29.34% 28.43% 27.78% 26.84% 27.33% 26.77% 26.89%
Erro 16-Jun-03 2.58% 0.96% 1.36% 0.17% 0.14% 0.00% 0.22% 0.70% 0.50% 0.86% 1.17% 0.79% 0.75%
Observado 13-Jun-03 32.00% 31.13% 29.7% 28.1% 27.95% 28.58% 28.78% 28.13% 27.12% 25.81% 25.62%
Estimado 13-Jun-03 30.99% 29.84% 28.9% 28.5% 28.01% 28.58% 28.13% 27.11% 28.14% 28.13% 26.13%
Erro 13-Jun-03 1.01% 1.29% 0.86% 0.43% 0.06% 0.00% 0.65% 1.02% 1.02% 2.32% 0.51% 0.83% 0.64%
Observado 12-Jun-03 31.23% 30.84% 29.6% 29.3% 29.12% 28.47% 28.88% 27.91% 27.38% 25.94% 25.23%
Estimado 12-Jun-03 31.84% 30.88% 28.1% 28.6% 29.02% 28.47% 28.75% 27.53% 27.13% 27.55% 26.84%
Erro 12-Jun-03 0.61% 0.04% 1.50% 0.70% 0.10% 0.00% 0.13% 0.38% 0.25% 1.61% 1.61% 0.63% 0.65%
Observado 11-Jun-03 29.54% 29.67% 29.0% 28.4% 27.95% 28.41% 28.88% 28.13% 27.13% 27.36% 27.17%
Estimado 11-Jun-03 30.15% 30.02% 28.9% 28.7% 28.13% 28.41% 28.38% 27.91% 27.48% 27.36% 26.56%
Erro 11-Jun-03 0.61% 0.35% 0.12% 0.30% 0.18% 0.00% 0.50% 0.22% 0.35% 0.00% 0.61% 0.29% 0.22%
Observado 10-Jun-03 30.58% 29.12% 29.1% 28.9% 28.20% 28.60% 28.60% 28.01% 28.47% 27.88% 27.22%
Estimado 10-Jun-03 30.58% 30.01% 29.2% 29.6% 28.69% 28.60% 28.12% 27.12% 28.02% 28.23% 27.13%
Erro 10-Jun-03 0.00% 0.89% 0.04% 0.74% 0.49% 0.00% 0.48% 0.89% 0.45% 0.35% 0.09% 0.40% 0.34%
Observado 09-Jun-03 30.12% 29.13% 28.6% 28.4% 28.17% 28.50% 28.61% 27.88% 27.44% 27.12% 27.03%
Estimado 09-Jun-03 31.17% 30.51% 29.5% 29.0% 28.13% 28.50% 28.01% 27.49% 28.53% 28.13% 28.81%
Erro 09-Jun-03 1.05% 1.38% 0.92% 0.62% 0.04% 0.00% 0.60% 0.39% 1.09% 1.01% 1.78% 0.81% 0.54%
Erro Mdio por Preo de Exerccio 0.96% 0.83% 0.67% 0.45% 0.29% 0.00% 0.36% 0.48% 0.53% 0.83% 0.96%
Desvio Padro do erro 0.76% 0.46% 0.57% 0.21% 0.27% 0.00% 0.22% 0.35% 0.34% 0.81% 0.56%
Curva Mdia Observada 31.18% 30.37% 29.54% 28.86% 28.52% 28.51% 28.60% 27.93% 27.45% 26.73% 26.52%
Curva Mdia Estimada 31.25% 30.36% 29.10% 29.14% 28.45% 28.51% 28.23% 27.47% 27.76% 27.56% 27.06%
Captulo 6 Anlise dos Resultados
91
18 Jun 2003
24,00%
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
32,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo 17 Jun 2003
24,00%
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
32,00%
33,00%
34,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo
16 Jun 2003
24,00%
26,00%
28,00%
30,00%
32,00%
34,00%
36,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo 13 Jun 2003
24,00%
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
32,00%
33,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo
12 Jun 2003
24,00%
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
32,00%
33,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo
11 Jun 2003
24,00%
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo
10 Jun 2003
24,00%
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo
09 Jun 2003
24,00%
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
32,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo










Captulo 6 Anlise dos Resultados
92
Aps a anlise das curvas obtidas para opes de dois meses, foram
realizados testes complementares para verificar se o modelo obtm um
resultado satisfatrio para opes mais longas, para isso foi comparada a
curva de volatilidade observada de seis meses, com a estimada.

Foi observada a curva de volatilidade no dia 13 de agosto de 2003,
para as opes com vencimento em 18 de fevereiro de 2004, e no dia 23 de
outubro de 2003 para as opes com vencimento em 14 de abril de 2004.

No resultado mostrado nas figuras 16 e 17, foi tambm apresentado a
distribuio de probabilidade q, obtida pelo modelo, comparando-a com a
distribuio do modelo de Black&Sholes.




















Captulo 6 Anlise dos Resultados
93
Data do Teste 13/ago/03 Preo do Atvio 13500 Erro Mdio da Curva 0,15%
Vencimento da Opo 18/fev/04 Volatilidade ATM 28,00% Desvio Padro 0,09%
Preo de exerccio 11000 11500 12000 12500 13000 13500 14000 14500 15000 15500 16000
Volatilidade Mercado 30,84% 29,93% 28,91% 28,50% 28,12% 28,00% 27,72% 27,19% 27,01% 26,75% 26,44%
Volatilidade do Modelo 30,75% 30,11% 29,06% 28,73% 28,34% 28,00% 27,53% 27,13% 26,89% 26,85% 26,12%
Erro 0,09% 0,18% 0,15% 0,23% 0,22% 0,00% 0,19% 0,06% 0,12% 0,10% 0,32%
Curva de Volatilidade
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
32,00%
1
1
0
0
0
1
1
5
0
0
1
2
0
0
0
1
2
5
0
0
1
3
0
0
0
1
3
5
0
0
1
4
0
0
0
1
4
5
0
0
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo
Densidade de Probabilidade
-2,00%
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
16,00%
-75% -70% -65% -60% -55% -50% -45% -40% -35% -30% -25% -20% -15% -10% -5% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70%
RETORNO DO ATIVO
Modelo Modelo de Black&Sholes









Captulo 6 Anlise dos Resultados
94

Data do Teste 23/out/03 Preo do Atvio 17500 Erro Mdio da Curva 0,26%
Vencimento da Opo 14/abr/04 Volatilidade ATM 29,00% Desvio Padro 0,24%
Preo de exerccio 15000 15500 16000 16500 17000 17500 18000 18500 19000 19500 20000
Volatilidade Mercado 32,11% 31,00% 30,43% 29,72% 29,20% 29,00% 28,53% 27,92% 27,65% 27,75% 27,77%
Volatilidade do Modelo 32,89% 31,53% 30,06% 29,73% 29,50% 29,01% 28,49% 28,13% 27,89% 27,85% 27,53%
Erro 0,78% 0,53% 0,37% 0,01% 0,30% 0,01% 0,04% 0,21% 0,23% 0,10% 0,24%
Curva de Volatilidade
25,00%
26,00%
27,00%
28,00%
29,00%
30,00%
31,00%
32,00%
33,00%
34,00%
1
5
0
0
0
1
5
5
0
0
1
6
0
0
0
1
6
5
0
0
1
7
0
0
0
1
7
5
0
0
1
8
0
0
0
1
8
5
0
0
1
9
0
0
0
1
9
5
0
0
2
0
0
0
0
Preo de Exerccio
V
o
l
a
t
i
l
i
d
a
d
e
Mercado Modelo
Densidade de Probabilidade
-2,00%
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
16,00%
-75% -70% -65% -60% -55% -50% -45% -40% -35% -30% -25% -20% -15% -10% -5% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70%
RETORNO DO ATIVO
Modelo Modelo de Black&Sholes









Captulo 6 Anlise dos Resultados
95
Pode-se observar pelos resultados que o erro mdio e o desvio
padro ainda menor que os obtidos nos teste das curvas para vencimento
de dois meses, e a curva estimada para seis meses teve um erro absoluto
mdio menor do que a curva das opes com vencimento em dois meses.
Sendo tambm considerado um resultado bastante satisfatrio.

O teste do dia 23 de outubro, foi realizado um dia depois do ndice
Bovespa ter se desvalorizado 3.10%, aps uma semana de pouca
volatilidade. Este teste foi importante para verificar a consistncia do modelo
aps mudanas bruscas nas condies de mercado.

Neste dia as volatilidades implcitas negociadas tiveram um aumento
bastante considervel. As volatilidades do ndice Bovespa at the Money
que eram negociadas no dia anterior a 28,5%, passaram a ser negociadas a
30%. Observa-se pelos resultados que mesmo com a mudana brusca das
condies do mercado o modelo continuou sendo um bom estimador da
curva de mercado.


6.3 Anlise dos Resultados


Analisando a comparao entre curva de volatilidade observada e a
estimada, pode-se afirmar que a curva obtida pelo modelo uma boa
estimativa da curva de mercado, j que o erro absoluto mdio menor que o
desvio padro encontrado na curva observada.

Pelos testes complementares realizados em opes de seis meses,
pode-se afirmar que o modelo tambm consegue obter uma boa estimativa
da curva de volatilidade do mercado, j que os erro mdio entre o valor
observado e o estimado muito baixo.

Captulo 6 Anlise dos Resultados
96
As distribuies de probabilidade q
ATM
(h) encontradas, como
apresentado nas figuras 17 e 18, possuem sua mdia igual distribuio
normal de Black&Sholes, sendo coerente com a restrio imposta pelo
modelo, apresentado no captulo 5.

Outro importante ponto observado nos testes o seu tempo para a
obteno do resultado. No incio do trabalho, em entrevista com os
negociadores, foi verificado que o tempo o qual tornaria o modelo vivel para
a precificao de operaes estruturadas seria em torno de 900s, ou 15min.

O tempo mdio observado para a obteno dos resultados foi de 183s
com desvio padro de 27s.

Analisando os resultados obtidos, pode-se afirmar que a curva
estimada pelo modelo uma boa aproximao da curva de mercado
observada.

Captulo 7 Concluso
97
7. Concluso

Este captulo o fechamento do trabalho, nele apresentada a
concluso final, a validao do modelo e sugestes para melhorias.


7.1 Concluso

O objetivo do trabalho de formatura, a soluo de um problema ou a
apresentao de uma melhoria na empresa em que o estgio
supervisionado realizado. No caso deste trabalho, o Banco JP Morgan.

Aps experincia adquirida nos trs anos de trabalho na instituio,
alm da observao das necessidades da rea, complementada com
entrevista aberta e discusses com os negociadores de volatilidade, foi
proposto o objetivo deste trabalho, que determinar a curva de volatilidade
de ativos que no possuem opes sendo negociadas.

Para o desenvolvimento do estudo, faz-se necessrio o entendimento
dos fundamentos tericos que envolvem o mercado de opes, para isto foi
apresentado os conceitos de opo, e os problemas existentes no modelo
de Black&Sholes, utilizado na sua precificao.

O problema do modelo de Black&Sholes, como apresentado, a
utilizao da distribuio de probabilidade dos retornos do ativo como sendo
normal, o que no condiz com a realidade, pois cada ativo possui uma
distribuio de probabilidade de retorno prpria.

Sedimentado o conceito de opo, e a problemtica envolvida na sua
precificao usual, foi apresentado o parmetro volatilidade, sua forma de
clculo, e os tipos de curvas observados no mercado, finalizando assim o
Captulo 7 Concluso
98
embasamento terico para o entendimento do problema e elaborao da
soluo.

Para a escolha do modelo para solucionar o problema foram
analisados modelos paramtricos e no paramtricos, sendo constatado
que somente os modelos no paramtricos satisfazem a restrio de
determinar a curva de volatilidade sem utilizao dos preos de mercado.
Dentre os modelos estudados, o mais eficinte para solucionar o problema
proposto o Modelo Cannico de Mxima Entropia. Neste modelo,
utilizada a prpria distribuio de probabilidade histrica do ativo e a sua
volatilidade at the money para obteno da soluo.

Escolhido o modelo, foi pesquisado e apresentado o conceito de
entropia relativa utilizada na sua construo. Aps embasemento terico,
este foi desenvolvido, utilizando ferramentas que o tornasse de fcil
utilizao, alm de facilitar a rpida obteno dos resultados.

O modelo construdo foi testado comparando a curva de volatilidade
observada no mercado do ndice Bovespa e a estimada pelo modelo. Os
resultados obtidos nos teste realizados para opes com vencimento em
dois e seis meses foram bastante satisfatrios, a curva de volatilidade
estimada para o ndice Bovespa muito prxima da curva observada no
mercado, o erro absoluto mdio por preo de exerccio menor que o desvio
padro da curva observada.

Por a curva observada no mercado ser considerada pelos
negociadores como a curva real do ativo, o modelo pode ser utilizado para
obter a curva de volatilidade de ativos que no possuem opes sendo
negociadas, utilizando para isso somente os seus preos histricos, sem a
necessidade de usos de preos de mercado, cumprindo assim o objetivo do
trabalho.

Captulo 7 Concluso
99
Outra importante conquista do trabalho foi conseguir construir o
modelo utilizando ferramentas que tornassem mais rpida a obteno da
soluo, o que, caso no ocorresse , inviabilizaria a sua utilizao.


7.2 Validao e Prximos Passos.


Os negociadores da mesa de renda varivel do Banco JP Morgan,
colaboraram e acompanharam o desenvolvimento deste trabalho, e sua
grande aceitao culminou com o sucesso dos testes e da construo do
modelo. As constantes discusses abordando assuntos correlatos ao
trabalho desde seu incio, bem como a incluso de diversas propostas
consideradas por mim relevantes confeco deste Trabalho de Formatura
gerou uma grande participao de pessoas de expressiva experincia no
mercado financeiro, o que, sem dvida, contribuiu muito para que o projeto
fosse bem sucedido e bem aceito dentro do Banco.

Depois de finalizado o corpo do trabalho e a realizao dos testes, o
mesmo foi analisado pelos negociadores que demonstraram interesse em
sua utilizao. A aprovao foi unnime, sendo que, os negociadores de
volatilidade da rea de Equity Derivatives demostraram interesse em
passar o modelo de planilha para um sistema, para a sua utilizao na
precificao das opes sobre ativos que no possuem opes negociadas,
e para a avaliao das curvas presentes no mercado.

Entretanto, o projeto no tem seu fim atrelado ao termino deste
Trabalho, este pode ser refinado em diversos pontos, entre eles a utilizao
de Back Test para verificar o retorno obtido pela utilizao da curva de
volatilidade do modelo, e outros testes para que melhorias sejam feitas e
concluses futuras sejam apuradas.

Captulo 7 Concluso
100
Por fim, importante lembrar a contribuio do curso de Engenharia
de Produo na confeco deste projeto. Alm de toda base terica
adquirida nas matrias de Economia, Finanas, Estatstica, Tecnologia de
Informao e Pesquisa Operacional, sem o qual seria muito difcil meu
aprofundamento em um tema rido como o da obteno da curva de
volatilidade, o bom senso, o raciocnio lgico, a metodologia e a capacidade
de desenvolvimento de modelos adquiridos durante esses cinco anos de
curso foram o ponto chave para que esse projeto fosse bem sucedido.
Desde a identificao do problema at a proposio e avaliao das
solues, senti a forte influncia da Poli em meus mtodos de raciocnio.
Alm disso a capacidade de desbravar temas que parecem hostis primeira
vista foi, sem dvida, um ponto no qual esse curso e particularmente a
Escola Politcnica me auxiliaram muito.

Captulo 8 Bibliografia
101
8. Bibliografia



BARO M., Entropia, Entropia Relativa e Informao Mtua Universidade
de vora, 2003.

BAHRA, B., Implied risk neutral probability density functions from option
prices: theory and applications. Bank of England, 1997.

CORADI, C.D., Introduo aos Derivativos. So Paulo: BM&F, 1996

COSTA, C. L., Operando a Volatilidade. So Paulo: BM&F, 1998

GULKO, B.L. The Entropy Theory of Stock Option Pricing, International
Jpurnal of Theoretical and applied Finance, Vol. 2, N
o
3 331-335

HULL, J., Introduction to futures and options market.New Jersey: Prentice
Hall,1993

KULLBACK, S., Informaion Theory and Statistics, New York, Dover
Publications. Inc., 1967

MARQUES, R. P., Mtodo de Avaliao de Freqncia de Deciso do Delta
Hedge para Carteira de Opes.- Trabalho de Formatura Escola
Politcnica da USP, So Paulo, 2000

MENDES, B.. e DUARTE, A., Modelos Estatsticos Aplicados ao Mercado
Financeiro Brasileiro, 13 Sinape, Associao Brasileira de Estatstica, 1998

NATENBERG S., Options Volatility&Pricing McGraw Hill, 1999

Captulo 8 Bibliografia
102
OLIVEIRA G., Informao Implcita me Prmios de Opes Dissertao de
Mestrado Faculdade de Economia, Administrao e Contabilidade da
Universidade de So Paulo, 2000.

SIQUEIRA, J. de O.,Determinao entrpica do preo racional da opo
europia simples ordinria sobre ao e bond tese de doutorado
Faculdade de Economia e Administrao da USP

SMITH, D.H., Some Observations on the Concepts of Information Theoretic
Entropy and Randomness, pg 2- pg 10, 2001

STUTZER, M., A Simple Nomparametric Approach to Derivative Security
Valuation, J, of Finance, 51.pp. 1633-1652, 1996.

STUTZER, M.,. A simple Non-Parametric Approach to Bond Futures and
Options Pricing, 1999.

ZOU, J.Z., Strike Adjusted Spread: A New Metric For Estimating The Value
Of Equity Options,: Goldman Sachs, 1999

ZOU, J.Z., Valuing Options and Baskets of Stocks and Forecasting the
Shape of Volatility Skews: Goldman Sachs, 2000









Anexos .
103
Anexo 1 Funo BS


Function BS(k As String, S As Double, x As Double, T As Double, R As
Double, V As Double)

Dim A As Double
Dim D As Double
Dim D2 As Double

On Error GoTo Trata_Erro

T = T / 252
R = Application.Ln(1 + R)
D = (Application.Ln(S/x) + (R-(V^2)/2)*T)/(V*(T^0.5))
D2 = D - V * ((T) ^ 0.5)

If (UCase(k) = "C") Then

A = S * Application.NormDist(D, 0, 1, True) - x * Exp(-R * T) *
Application.NormDist(D2, 0, 1, True)


ElseIf UCase(k) = "P" Then

A = x * Exp(-R * T) * Application.NormDist(-D2, 0, 1, True) - S *
Application.NormDist(-D, 0, 1, True)

End If

BS = A
Exit Function

Trata_Erro:
BS = Error(Err)

End Function












Anexos .
104
Anexo 2 Funo BSVol


Function BSvol(k As String, S As Double, x As Double, T As Double, R
As Double, P As Double)

Dim A As Double
Dim D As Double
Dim D2 As Double
Dim Vol as Double


On Error GoTo Trata_Erro

Vol= 0
Do
Vol= Vol + 0.0001
T = T / 252
R = Application.Ln(1 + R)
D = (Application.Ln(S / x) + (R - (Vol ^ 2) / 2) * T) / (Vol*(T^
0.5))
D2 = D - V * ((T) ^ 0.5)

If (UCase(k) = "C") Then
A = S * Application.NormDist(D, 0, 1, True) - x * Exp(-R * T)
* Application.NormDist(D2, 0, 1, True)


ElseIf UCase(k) = "P" Then

A = x * Exp(-R * T) * Application.NormDist(-D2, 0, 1, True) -
S * Application.NormDist(-D, 0, 1, True)

End If
Loop Until A=P

BSvol = A
Exit Function

Trata_Erro:
BSVol = Error(Err)

End Function








Anexos .
105
Anexo 3 Macro Data Base



Sub Chama_Database()

dim wData as worksheet
dim wMain as worksheet
dim info as variant
dim dUlt as double

set wData = Thisworkbook.sheets("Database")
set wMain = Thisworkbook.sheets("Principal")

' Procura o ativo na database
vInfo = Application.Match(wMain.range("Ativo").Value,
wData.Range("Base"), 0)
if not iserror(info) then
' Transfere as datas
dUlt = wData.Cells(65536, vInfo).End(xlUp).Row
wData.Range(wData.Cells(3, C_DAT),
wData.Cells(dUlt, C_DAT)).Copy
wMain.Cells(15, C_DAT).PasteSpecial xlPasteValues

' Transfere os dados
wData.Range(wData.Cells(3, vInfo), wData.Cells(dUlt -
1, vInfo)).Copy
wMain.Cells(15, 2).PasteSpecial xlPasteValues

' Copia as formulas
wMain.Range("C15:U" & dUlt + 12).Copy
wMain.Cells(8, 2).PasteSpecial xlPasteFormulas

Else
Msgbox "Ativo no encontrado!"
End if
End Sub











Anexos .
106