Você está na página 1de 49

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO

INSTITUTO DE ECONOMIA
MBA EM FINANAS E GESTO DE RISCO
TRABALHO DE CONCLUSO

Clculo de VaR para uma carteira de aes:


Sistema informatizado para aes negociadas na Bovespa

DOMINGOS THEODORO DE ANDRADE FIGUEIRA NETO


matrcula no: 121007

ORIENTADOR: Manuel Alcino Ribeiro da Fonseca

Agosto de 2013.
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
INSTITUTO DE ECONOMIA
MBA EM FINANAS E GESTO DE RISCO

Clculo de VaR para uma carteira de aes:


Sistema informatizado para aes negociadas na Bovespa

DOMINGOS THEODORO DE ANDRADE FIGUEIRA NETO


matrcula no: 121007

ORIENTADOR: Manuel Alcino Ribeiro da Fonseca

Agosto de 2013.
As opinies expressas neste trabalho so de exclusiva responsabilidade do autor.
RESUMO

O presente trabalho visa explorar o ferramental matemtico e computacional que envolve


o desenvolvimento de um sistema informatizado para o clculo de VaR de uma carteira de aes
negociadas na Bovespa, realizando para isso uma reviso da teoria matemtica e financeira
envolvida no clculo do VaR. Apresentamos tambm os detalhes envolvidos na implementao,
e, por fim, analisamos alguns resultados obtidos atravs da execuo do sistema.
CONTEDO

RESUMO ............................................................................................................................ 4
INTRODUO .................................................................................................................. 6
Risco ............................................................................................................................... 7
VaR ................................................................................................................................. 8
CAPTULO 1 CONCEITOS MATEMTICOS E FINANCEIROS ............................... 10
1.1 Variveis Aleatrias e Probabilidade ...................................................................... 10
1.2 Medidas estatsticas bsicas .................................................................................... 15
1.3 Retornos, Log-retornos e Distribuio Log-normal................................................ 16
1.3 Risco de Mercado ................................................................................................... 18
1.3.1 Estimao da volatilidade e das covarincias .................................................. 18
1.3.2 O modelo mdia-varincia ................................................................................... 20
1.3.3 O modelo de ndice nico ................................................................................ 21
1.4 Value-at-Risk .......................................................................................................... 24
1.4.1 VaR analtico ................................................................................................... 25
1.4.2 VaR de Monte Carlo ........................................................................................ 26
1.4.3 VaR histrico ................................................................................................... 27
CAPTULO II IMPLEMENTAO DO SISTEMA....................................................... 29
2.1 Recuperao e tratamento de dados ........................................................................ 29
2.1.1 Tratamento de sries com dados indisponveis ................................................ 30
2.1.2 Ajuste de proventos.......................................................................................... 30
2.2 Registro de operaes ............................................................................................. 31
2.3 Precificao e clculo de risco ................................................................................ 32
2.3.1 Valor da Carteira .............................................................................................. 32
2.3.2 Retorno Esperado ............................................................................................. 32
2.3.3 Retornos geomtricos....................................................................................... 33
2.3.4 Volatilidade dos ativos ..................................................................................... 33
2.3.5 Covarincia entre um ativo e o ndice de mercado .......................................... 33
2.3.6 Beta dos ativos ................................................................................................. 33
2.3.7 Covarincia entre dois ativos ........................................................................... 34
2.3.2 Volatilidade da carteira .................................................................................... 34
2.3.2 VaR analtico ................................................................................................... 34
2.3.2 VaR de Monte-Carlo ........................................................................................ 35
2.3.5 VaR Histrico .................................................................................................. 36
CAPTULO III RESULTADOS ....................................................................................... 37
3.1 Volatilidade do IBovespa .................................................................................... 37
3.2 Comparao entre os mtodos de clculo de VaR .............................................. 38
CAPTULO IV CONCLUSES ...................................................................................... 41
APNDICES..................................................................................................................... 42
1. Capturas de Tela ....................................................................................................... 42
REFERNCIAS BIBLIOGRFICAS.............................................................................. 48
INTRODUO

Carteiras de investimentos em geral contm uma combinao de diferentes tipos de


ativos, cada um com suas propriedades individuais. Dentre as propriedades de cada um destes
ativos, uma que muito importante o seu risco, que pode ser definido como a possibilidade de
que o ativo perca valor devido a fatores fora do controle do administrador da carteira risco
definido como possibilidade de perda. De maneira anloga, o risco da carteira a possibilidade
de que esta sofra perdas de valor devido a fatores externos. Diferentemente do valor da carteira,
que pode ser computado como uma soma simples dos valores dos ativos individuais que a
compem, o clculo do risco da carteira mais complexo, a comear pela prpria definio de
risco a ser utilizada, passando pela medida a ser escolhida para expressar o risco, e pelas
suposies feitas acerca do relacionamento entre os ativos. Nesse clculo, o ponto de partida o
conceito de risco como indicador de variabilidade do retorno desvio-padro estimado da taxa
de retorno.

O Value-at-Risk, ou VaR, uma medida de risco financeiro que visa indicar a perda
mxima esperada para um portfolio dado um determinado horizonte de tempo e um determinado
nvel de confiana. uma medida de fcil entendimento, que pode ser transmitida de maneira
simples para pessoas sem conhecimento de Teoria das Carteiras ou de finanas em geral. No
obstante, seu clculo envolve conhecimentos matemticos em lgebra linear e estatstica,
conhecimentos de precificao de ativos e de teoria das carteiras.

O mercado financeiro hoje indissocivel da rea de Tecnologia da Informao. De fato,


muitas inovaes financeiras se tornaram possveis a partir do aumento na capacidade de
processamento dos computadores e das inovaes da rea de TI (TUFANO, 2002). Como um
exemplo, a disciplina de algorithmic trading envolve a utilizao de computadores para realizar
negociaes automticas nos mercados financeiros sem a interveno de operados humanos
(DUHIGG, 2009).

O propsito deste trabalho desenvolver o ferramental necessrio para o clculo do VaR


de uma carteira de aes, sob uma perspectiva computacional, analisando os mtodos
matemticos e computacionais que envolvem a implementao de um sistema que permita o
clculo desta medida para uma carteira de aes.

Risco

O termo risco financeiro, de acordo com uma de suas interpretaes, se refere


possibilidade de que uma carteira de investimentos sofra perdas em seu valor devido a um fator
externo. O risco pode ser proveniente de diferentes fatores; por exemplo, o fator de risco pode
ser a possibilidade de uma contraparte no honrar um compromisso, ou talvez o fator de risco
seja a possibilidade do preo de um ativo no mercado flutuar. Para cada um destes possveis
fatores, se define um tipo de risco.

Exemplos:

Risco de Mercado: representa o risco (perdas potenciais) decorrente de flutuaes no


mercado.
Risco de Crdito: representa o risco de que uma contraparte no honre com um
compromisso.
Risco de Liquidez: o risco de que um vendedor no encontra uma contraparte no
mercado para comprar um ativo.
Risco Regulatrio: representa o risco de que mudanas regulatrias possam impactar
negativamente o preo de um ativo.

Uma estratgia completa de gerenciamento de risco deve englobar todas estas vertentes.
Por exemplo, no prudente que uma organizao tenha uma estratgia de gerenciamento de
risco de mercado, usando estratgias de hedge, por exemplo, mas ao mesmo tempo se exponha a
um risco de crdito excessivo, assumindo representativas posies em aberto com contrapartes
que tenham baixa classificao de crdito. Neste trabalho, no entanto, iremos nos concentrar no
risco de mercado, que a medida que o VaR procura capturar.

O risco de mercado provm da possibilidade de mudana de preo dos ativos. O conceito


de volatilidade desvio-padro estimado da taxa de retorno serve para quantificar o potencial
dessas mudanas. Quanto maior a possibilidade de mudana no preo do ativo, isto , quanto
maior a volatilidade, maior o risco de mercado deste ativo. Da mesma forma, o risco de
mercado de uma carteira provm da sua volatilidade. Mensurar o risco de mercado de uma
carteira, portanto, corresponde a encontrar mtodos para mensurar a volatilidade desta carteira.

O uso de mtodos matemticos para o gerenciamento de risco de mercado foi


popularizado a partir da publicao da tese de PhD de Harry Markowitz, Portfolio Selection, em
1952. Nesse trabalho foi introduzido o modelo de mdia-varincia, que usa um ferramental
matemtico para estimar o risco de mercado de uma carteira, alm de permitir a otimizao de
uma carteira, isto , selecionar uma carteira que minimize o risco para um determinado nvel de
retorno desejado ou que maximize o retorno para um determinado nvel de risco desejado.

Esta publicao de Harry Markowitz introduziu o campo de Moderna Teoria das


Carteiras. Refinamentos posteriores a esta teoria trouxeram conceitos como o Modelo de ndice
nico, que visa decompor o retorno esperado de uma ao em uma componente independente do
mercado e um componente dependente do retorno do mercado. Este modelo permite melhorias
no clculo computacional do risco de mercado da carteira, como veremos mais frente.

VaR

O Value-at-Risk, ou VaR, uma medida que procura quantificar a perda mxima


esperada para uma carteira em um determinado horizonte de tempo com um determinado
intervalo de confiana, em condies normais de mercado. Por exemplo, uma organizao
poderia informar que seu VaR de um dia a 95% de confiana de R$ 11 milhes. Isso significa
que em apenas 1 de cada 20 dias se espera que as perdas da organizao devido a variaes de
preos de seus ativos no mercado superem R$ 11 milhes.

O VaR foi introduzido em 1994 pelo banco J.P. Morgan no seu sistema RiskMetrics, e
desde ento tornou-se uma poderosa ferramenta de comunicao. Bancos informam seu VaR
para a alta gerncia e para investidores. O Acordo de Basilia III inclui o VaR como ferramenta
de clculo para determinao de reservas de capitais (BASEL COMMITTE ON BAKING
SUPERVISION, 2011).1

De acordo com Jorion (1997), o VaR foi introduzido como uma ferramenta gerencial: o
objetivo era informar alta gerncia sobre o riscos da instituio. O VaR uma medida simples,
que procura resumir em um nico nmero todo o risco de mercado da instituio. Esta
simplicidade ao mesmo tempo a fora e a fraqueza do VaR. Ao resumir todo o risco em apenas
um nmero, o VaR se torna uma poderosa ferramenta de comunicao. Ao mesmo tempo, o
VaR no captura outras caractersticas importantes do risco de mercado. Por exemplo, o VaR
nada nos diz sobre qual a perda esperada nos dias em que a perda supera o intervalo de
confiana. No exemplo dado acima, apenas sabemos que em 19 de cada 20 dias a perda no ir
superar R$ 11 milhes. Por outro lado, o VaR tambm nos diz que em 1 de cada 20 dias a perda
IR superar R$ 11 milhes, mas no diz qual deve ser a perda esperada nestes casos.

Ainda assim, o VaR uma medida bastante difundida de risco de mercado e utilizada
amplamente no mercado, por isso sua importncia.

Neste trabalho, iremos explorar os aspectos computacionais de trs modelos de clculo de


VaR. O VaR paramtrico ou analtco, que usa mtodos analticos para calcular o VaR de um
carteira a partir das volatilidades e covarincias dos ativos que a compe; o VaR de Monte-
Carlo, que usa uma simulao de monte-carlo para simular o retorno da carteira baseado no
retorno simulado dos ativos individuais; e o VaR histrico, que calcula o VaR a partir dos
retornos histricos dos ativos que compe a carteira. No captulo 1, so apresentados alguns
conceitos matemticos, estatsticos e financeiros fundamentais. No captulo 2, os
desenvolvimentos propostos so apresentados, e os resultados esto includos no captulo 3.

1
Informaes sobre esse Acordo podem ser encontradas em
http://www.bis.org/publ/bcbs189.pdf.
CAPTULO 1. CONCEITOS MATEMTICOS E FINANCEIROS

1.1 Variveis Aleatrias e Probabilidade

A teoria de probabilidade, de acordo com Trivedi (1982), consiste no estudo de


fenmenos aleatrios. A estatstica, por sua vez, facilita o processo de validao, isto , consiste
no processo indutivo de obter inferncias sobre um modelo baseado na informao limitada
contida em dados reais.

A teoria da probabilidade trata do estudo de experimentos aleatrios. Um experimento


aleatrio consiste em um experimento cujo resultado pode no ser conhecido de antemo. Um
exemplo de experimento aleatrio o jogar de uma moeda.

O espao amostral de um experimento aleatrio o conjunto de resultados do


experimento, e denotado pela letra S. O espao amostral de um experimento no precisa ser um
espao numrico. Por exemplo, o espao amostral do experimento aleatrio "jogar uma moeda"
pode ser S ={cara, coroa}.

Um evento um conjunto de elementos do espao amostral. O conjunto de eventos de um


experimento aleatrio o conjunto das partes do espao amostral. Existem dois eventos
especiais: o evento nulo, dado pelo conjunto vazio, e o evento universal, que o conjunto que
incluir todos os elementos do espao amostral.

A probabilidade de um evento uma funo que indica a o quo provvel a ocorrncia


do evento em uma execuo do experimento. A probabilidade uma funo definida entre o
intervalo [0, 1], 0 indicando que o evento nunca pode ocorrer e 1 indicando que o evento sempre
ocorre.

Para efeito de clculo, til imaginar os elementos dos espao amostral como pontos em
um espao n-dimensional. Novamente, no exemplo do cara ou coroa, pode-se associar ao
resultado cara o nmero 0 e ao resultado coroa o nmero 1, e assim o espao amostral passa a ser
S = { 0, 1 }. D-se o nome de varivel aleatria a estas quantidades de interesse que so
associadas aos elementos do espao amostral. Variveis aleatrias so representadas por letras
maisculas como X ou Y.

Uma varivel aleatria pode ser discreta, quando pode assumir um conjunto enumervel
de valores, ou contnua, quando ela assume valores contnuos no espao e existe uma funo
f(x) tal que, para qualquer conjunto de nmeros C verdade que:

  =
 


Esta funo chamada de funo de probabilidade de massa, ou funo densidade, da


varivel aleatria contnua X.

Define-se a funo de distribuio cumulativa ou simplesmente funo de distribuio de


uma varivel aleatria contnua como:


 =   =
 


Um resultado importante em probabilidade o de esperana. Define-se a esperana ou


valor esperado de uma varivel aleatria como a mdia de todos os valores que ela pode
assumir, ponderados pelas suas probabilidades.

No caso de variveis aleatrias contnuas, a esperana dada pela frmula


 =  =
 


A esperana de uma varivel aleatria nos diz qual o valor esperado para o resultado de
um experimento. Mas ele nada nos diz sobre a disperso dos valores obtidos. Para isso, til
introduzir um segundo conceito, chamado varincia, que mede a disperso dos valores da
varivel aleatria em relao ao valor esperado.

 =  =   


trivial demonstrar, por simples manipulao algbrica, que a varincia tambm pode
ser escrita como

 =    

A varincia uma medida quadrtica. Para termos uma medida de disperso na mesma
escala da mdia, introduzimos o desvio padro, definido por:

 =  = !

A esperana da soma de duas variveis aleatrias dada por

 + # =  + #

Tambm fcil demonstrar que:

 = 

No necessariamente correto afirmar que a varincia da soma de duas variveis


aleatrias igual soma das varincias. A frmula da varincia da soma de duas variveis
aleatrias dada por:

 + # =  + # + 2%&, #

onde

%&, # = ( =  # # = # #

Este resultado pode ser derivado de maneira simples a partir da frmula da varincia. A
covarincia uma medida da relao linear entre duas variveis.

fcil ver que %&,  = .

Tambm fcil ver que  =  .


Alm disso, %&, )# = )%&, #.

A frmula da varincia da soma de variveis aleatrias pode ser expandida para um


resultado mais geral:

- - - -

 *+ , , 0 = + , ,  + + + , 1 %&2, , 1 3


,./ ,./ ,./ 1./,14,

Quando duas variveis aleatrias X e Y so independentes, ento %&, # = 0. Neste


caso, as variveis aleatrias so ditas no-correlacionadas. Deve-se notar que o oposto no
necessariamente verdade: duas variveis aleatrias podem ser no-correlacionadas e
dependentes.

Deste resultado, podemos concluir que se /,  , - so independentes e identicamente


distribudas, e se # = , , ento:

# = 8

Tambm pode ser demonstrado que:

- 9 - 9

%& *+ , , + #, 0 = + + %&, , #, 
,./ ,./ ,./ 1./

Apesar de a covarincia ser uma medida da relao linear entre duas variveis aleatrias,
ela no indica o grau da correlao entre estas variveis. Para isto introduzimos mais um
conceito, o coeficiente de correlao :( :

(
:( =
 (
O coeficiente de correlao um nmero entre -1 e 1. Variveis com :( = 1 tm
correlao negativa perfeita, e variveis com :( = 1 tm correlao positiva perfeita.

Existem certas distribuies de variveis aleatrias que aparecem frequentemente no


estudo de vrios fenmenos. Uma das distribuies mais importantes a distribuio Normal ou
Gaussiana. A importncia dessa distribuio de probabilidade deriva do teorema do limite
central, que diz que para um nmero n suficientemente grande, a mdia dos valores de n
variveis aleatrias independentes e identicamente distribudas converge para uma distribuio
normal.

Usa-se a notao ~=,    para dizer que uma varivel aleatria X possui distribuio
normal com mdia e varincia 2. A frmula da funo de probabilidade de massa da varivel
aleatria normal X dada por:

1 AB
  = @

CB
2?

No existe frmula fechada para a funo de distribuio da varivel aleatria normal.


Por isso, em geral so usadas tabelas ou mtodos numricos para o seu clculo.

Uma varivel aleatria normal ~=,    pode ser transformada em uma varivel
aleatria #~=0,1 atravs de uma transformao simples:


#=


A distribuio Normal tem uma caracterstica importante para a aplicao em finanas: a


soma de duas variveis aleatrias independentes com distribuies normais tambm tem
distribuio normal. Mais especificamente, sejam ~= ,   e Y~=2( , ( 3 independentes,
a varivel aleatria D =  + # tem distribuio =2 ( ,  + ( 3 . Esta propriedade
importante em vrias situaes na modelagem de risco.
A soma de duas variveis aleatrias no-independentes com distribuio normal tambm
tem uma distribuio normal. Mas neste caso, no se pode dizer que a varincia da soma igual
soma das varincias, como j visto anteriormente.

Outra distribuio importante em finanas a distribuio log-normal. Esta distribuio


tem a caracterstica de que se a varivel aleatria X tem distribuio log-normal, ento a varivel
aleatria Y= ln(X) tem distribuio normal. Outra caracterstica importante que as variveis
aleatrias log-normais assumem apenas valores positivos, o que til para modelar preos e
cotaes em geral.

1.2 Medidas estatsticas bsicas

Em finanas, em geral trabalhamos com um conjunto de resultados e desejamos inferir os


atributos da distribuio deste conjunto de dados. Por exemplo, desejamos inferir o desvio
padro dos retornos de um ativo. Para isso, observamos os retornos passados e utilizamos
ferramentas estatsticas para inferir tais medidas.

Definimos a mdia amostral de uma populao de variveis aleatrias pela seguinte


frmula:

-
,
E = +
8
,./

Se as variveis aleatrias / - so independentes e identicamente distribudas, usa-se


o valor de Ecomo um estimador da mdia da distribuio.

Define-se a varincia amostral de uma populao de variveis aleatrias pela seguinte


frmula:

 , E
-

F =+

81
,./
Se as variveis aleatrias / - so independentes e identicamente distribudas, usa-se
o valor de F  como um estimador da varincia da distribuio.

Define-se a covarincia amostral de uma populao de variveis aleatrias pela seguinte


frmula:

 , EH, #E
-

G=+
81
,./

Assim como a varincia amostral, a covarincia amostral tambm usada como um


estimador da covarincia das variveis aleatrias X e Y.

1.3 Retornos, Log-retornos e Distribuio Log-normal

O retorno de um ativo em um determinado intervalo de tempo pode ser definido como:

, ,/ +
, =
,
,/

Onde , o retorno no tempo i, , o preo do ativo no tempo i e , o pagamento de


cupons ou dividendos efetuados entre t = i-1 e t = i. Podemos simplificar o clculo acima
assumindo que , = 0, e assim a frmula do retorno fica:

, ,/ ,
, = = 1
,/ ,/

Veremos mais tarde como ajustar uma srie de preos de aes para embutir o retorno de
dividendos e outros proventos, de modo que seja possvel usar a forma simplificada acima sem
perda da qualidade nos clculos.

Na modelagem dos retornos de aes, em geral se trabalha com uma outra medida,
chamada de log-retorno, ou retorno geomtrico. O log-retorno o logaritmo natural dos
retornos, dado pela seguinte frmula:
,
, = I8 J K
,/

o que igual a:

, = I8,  ln,/ 

Esta uma aproximao razovel para , pequeno, pois, se:

, ,
, = 1 , + 1 =
,/ ,/

Ento:

,
I8, + 1 = I8 J K
,/

Mas, pela srie de Taylor:

O  OO 
  =  +   +   +
1! 2!

Fazendo  = 1 e   = ln, + 1

1 1 1
I8, + 1 = I81 + ,  ,  +  T
1! 2! 2 . 3! ,

O que sugere que I8, + 1 uma boa aproximao de , para , pequeno.

Em Hull (2009), apresenta-se um modelo para o comportamento de preos das aes.


Este modelo um processo estocstico de Markov do tipo F = F U + F V, chamado de
movimento browniano geomtrico, que significa que tanto o retorno percentual esperado da ao
como a volatilidade deste retorno percentual constante e independe do valor absoluto do preo.
Esta uma suposio razovel: esteja uma ao precificada a R$ 10,00 ou R$20,00, o retorno
percentual esperado e a volatilidade deste retorno so os mesmos nos dois casos, ceteris paribus.
Fica demonstrado em Hull (2009) que, se estas suposies forem verdadeiras, ento o
retorno dos preos obedece a uma distribuio log-normal. Isto o mesmo que afirmar que os
log-retornos dos preos seguem uma distribuio normal. Por isso, para o clculo de risco e de
VaR usa-se a medida dos log-retornos ao invs dos retornos tradicionais.

1.3 Risco de Mercado

Como vimos na introduo, o risco de mercado uma medida de risco que procura
capturar a possibilidade de perda de valor de uma carteira em funo da variao no preo dos
seus ativos subjacentes.

No clculo do risco de mercado utilizada a volatilidade de um ativo ou de uma carteira.


A volatilidade definida matematicamente como o desvio padro dos log-retornos anuais de um
ativo. Para estimar o risco de mercado, portanto, necessrio estimar a volatilidade de uma
carteira. Para isso, dois passos so necessrios. Primeiro, estima-se as volatilidades dos ativos
contidos na carteira e a covarincia entre eles. Em seguida, estima-se a calcula-se a volatilidade
estimada da carteira baseada na volatilidade dos ativos e de suas covarincias.

1.3.1 Estimao da volatilidade e das covarincias

A volatilidade de uma ao uma medida que varia de acordo com o tempo. De fato, em
geral, ela varia a todo momento. Na prtica, usam-se mtodos de estimao de volatilidade para
se tentar obter uma aproximao da volatilidade de um ativo.

Um mtodo simples de estimao de volatilidade atravs da volatilidade amostral. Este


mtodo envolve a estimao das volatilidades e covarincias dirias atravs das varincias e
covarincias amostrais, e a posterior transformao desses resultados dirios para anuais. Para
que estes clculos faam sentido, se faz duas simplificaes. Primeiro, assume-se a forma fraca
da hiptese dos mercados eficientes, que diz que os retornos futuros no podem ser explicados
por retornos passados (FAMA, 1970). Isso equivale a dizer que retornos futuros e retornos
passados so variveis aleatrias independentes. A segunda simplificao a de que os retornos
de um ativo dentro de um intervalo so variveis aleatrias independentes e identicamente
distribudas.
Dado um conjunto de n+1 preos consecutivos de um determinado ativo, calcula-se n
log-retornos, e em seguida, usa-se a frmula da varincia amostral para estimar a varincia diria
do preo dos ativos, fazendo:

 = F 

Com a suposio que os retornos dos ativos so independentes e identicamente


distribudos, calcula-se a varincia anual atravs da seguinte frmula:

W

 *+ , 0 = 252
,./

E assim podemos calcular a volatilidade de um ativo como:

%I = 252 

O retorno esperado de um ativo em um determinado intervalo de tempo pode ser


estimado a partir da mdia amostral dos retornos em um determinado intervalo de tempo.

 = E

Usando um resultado visto anteriormente, podemos estimar o retorno anual esperado


atravs da frmula:

W

 *+ , 0 = 252
,./

interessante notar que enquanto o retorno esperado uma funo linear do tempo, a
volatilidade uma funo da raiz quadrada do tempo.

A estimao de covarincias pode ser feita da mesma maneira, atravs da covarincia


amostral:
%&, # = G(

E para transformar a covarincia diria em covarincia anual, fazemos:

W W W W

%& *+ , , + #, 0 = + + %&, , #1 
,./ ,./ ,./ 1./

Mas, pela forma fraca da hiptese de mercados eficientes, os retornos de perodos


diferentes so no-correlacionados, e ento a frmula acima se reduz para:

W W W

%& *+ , , + #, 0 = + %&, , #,  = 252%&, #


,./ ,./ ,./

Note que o coeficiente de correlao no se altera ao se transformar os retornos de dirios


para anuais:

252( (
:(W = = = :(
252 252(  (

1.3.2 O modelo mdia-varincia

A Teoria Moderna das Carteiras nos ensina como obter a volatilidade de uma carteira a
partir das volatilidades e correlaes dos ativos subjacentes (ELTON et. al., 2003).

O retorno de uma carteira pode ser visto como uma varivel aleatria que igual soma
ponderada de variveis aleatrias correspondentes aos retornos dos ativos individuais que
compem a carteira.

Seja uma carteira P formata por n ativos com retornos Y, , pesos Z- e volatilidades - .
Seja tambm uma matriz n x n onde ,1 = ,1 . Esta matriz chamada de matriz de
covarincias. A varivel aleatria Y[ , que representa o retorno da carteira, pode ser escrita como
-

Y[ = + Z, Y,
,./

Sabemos que a mdia da soma ponderada de variveis aleatrias a soma ponderada das
mdias. Ento, o retorno esperado pode ser escrito como:

YE[ = + Z, YE,
,./

A varincia da carteira pode ser dada pela frmula:

- - -

2Y[ 3 = + Z, Y,  + + + Z, Z1 %&2Y, , Y1 3


,./ ,./ 1./,14,

Esta frmula pode ser expressa sob a forma matricial:

2Y[ 3 = Z, , , Z- \ Z, , , Z- 

Uma vez obtida a varincia da carteira, a sua volatilidade obtida de maneira trivial:

[ = ^Y[ 

1.3.3 O modelo de ndice nico

Observamos que o clculo das covarincias amostrais apresenta um problema


computacional: o nmero de operaes necessrias para o clculo da matriz de covarincias dos
ativos de uma carteira pode ser dado pela seguinte frmula:

 = 8
Onde d o nmero de dias de retornos histricos utilizados, e n o nmero de ativos na
carteira. Isto porque, para cada elemento da matriz de covarincias, necessrio efetuar
operaes para se calcular a varincia amostral, de acordo com a frmula:

 , E
-

F =+

81
,./

Onde 8 corresponde ao nmero de dias.

Se for usado um perodo de 90 dias e a carteira possuir 10 ativos, o nmero de clculos


necessrios da ordem de 9000. Se a carteira possuir 50 ativos, o nmero de clculos da
ordem de 225.000. Para uma carteira de 71 ativos, como o caso do Ibovespa, seriam
necessrios cerca de 450.000 operaes para calcular as correlaes. E se estivssemos
calculando a volatilidade da carteira do S&P 500, por exemplo, seriam necessrias cerca de 22
milhes de operaes para calcular as correlaes.

O modelo de ndice nico facilita o clculo das correlaes, ao permitir que se expresse
as correlaes entre os ativos em funo da correlao entre cada um deles e um ndice de
mercado. Assim, o nmero de clculos necessrios para obter a matriz de covarincias passa a
ser:

 = 8 + 

No caso do clculo da volatilidade de uma carteira com 100 ativos e 90 dias de intervalo,
isso significa que a complexidade computacional do clculo das covarincias de apenas 1% do
que seria se o modelo de ndice nico no fosse utilizado.

O modelo de ndice nico consiste em dividir o retorno de um ativo em 2 componentes:

Y, = , + _, Y9
Onde , corresponde ao componente do retorno do ttulo que independente do retorno
do mercado, e _, uma constante que mede a variao esperada de Y, dada uma variao de Y9 ,
o retorno do mercado. Y, , , e Y9 so variveis aleatrias.

Podemos dividir o componente , em duas partes:

, = `, + @,

Onde `, o valor esperado de , , e @, o componente aleatrio de , , com mdia 0.


importante que @, e Y9 no sejam correlacionados, mas em geral, dados de retorno financeiro so
compatveis com esta restrio.

Podemos concluir que o retorno esperado de um ttulo pode ser reescrito como:

Y,  = `, + _, Y9 

Em Elton et al. (2003), fica demonstrado que com o modelo de ndice nico tambm
podemos reescrever as volatilidades dos ttulos como:

, = _, 9

+ @, 

E a correlao entre dois ttulos pode ser reescrita como:

,1 = _, _1 9


Os betas podem ser estimados atravs da seguinte frmula simples:

,9
_, =
9

No nosso modelo de VaR, utilizamos o modelo de ndice nico apenas para o clculo das
covarincias, e calculamos as volatilidades atravs do mtodo histrico j visto.
1.4 Value-at-Risk

O modelo mdia-varincia e o modelo de ndice nico permitem o clculo da volatilidade


de uma carteira, que uma importante medida usada para calcular o risco de mercado. A
volatilidade da carteira um indicador da amplitude da oscilao esperada no valor da carteira.
Mas gostaramos de poder responder seguinte pergunta: qual a perda mxima esperada para a
carteira? Com algumas restries e formalizaes, o VaR capaz de responder exatamente esta
pergunta.

Relembrando o que foi visto anteriormente, a definio formal de VaR a seguinte:

O valor da perda mxima esperada para uma carteira em um


determinado horizonte de tempo e um determinado nvel de
confiana, em condies normais de mercado.

Matematicamente, o VaR o valor do retorno da carteira no percentil identificado pelo


intervalo de confiana.

Por exemplo, uma organizao poderia emitir a seguinte informao:

" O nosso VaR de um dia a 95% de confiana de R$ 11 milhes."

Neste exemplo o horizonte um dia, o intervalo de confiana de 95%, e a perda


mxima esperada de R$ 11 milhes.

A restrio de condies normais de mercado quer dizer que o VaR informado no se


aplica para momentos de crise. De fato, o VaR calculado usando como base informaes sobre
volatilidades e correlaes dos ativos, mas em momentos de crise, as volatilidades e correlaes
podem aumentar fortemente, fazendo com que os parmetros de entrada para o clculo do VaR
deixem de ser vlidos (SANDOVAL JR. e FRANA, 2011).

A escolha dos parmetros de horizonte de intervalo de confiana importante. De


acordo com Jorion (1997), o horizonte a ser escolhido deve ser tal que permita a liquidao
ordenada da carteira. Por exemplo, se uma carteira possui apenas aes lquidas, um horizonte
de um dia suficiente. Se uma carteira possui ativos ilquidos, um horizonte mais longo deve ser
escolhido.

O intervalo de confiana deve ser escolhido com cuidado. Um valor muito baixo faz com
que perdas que superem o valor do VaR sejam frequentes. Por exemplo, se for usado um
intervalo de confiana de 90%, em um de cada 10 dias espera-se que a perda supere o VaR. Por
outro lado, se for usado um intervalo de confiana de 99%, a validao do modelo se torna
difcil, uma vez que em apenas 1 em cada 100 dias se espera que a perda supere o VaR. Assim,
seria necessrio esperar um longo tempo at que se tenha confiana que o modelo no
superestima o VaR.

A validao do modelo, ou back testing, importante. No interessante que o modelo


subestime ou superestime o VaR. Caso o VaR seja subestimado, possvel que a organizao
esteja incorrendo em mais riscos do que ela est realmente disposta a correr. Mas se o modelo
superestimar o VaR, possvel que a organizao esteja assumindo posies desnecessariamente
conservadoras. No implementamos o back testing no nosso projeto, mas esta funcionalidade
deve ser parte obrigatria de qualquer modelo de VaR usado na prtica.

Exploraremos trs maneiras de calcular o VaR. O VaR analtico, que envolve usar os
resultados dos modelos de mdia-varincia ou de ndice nico, o VaR de monte-carlo, que
envolve a simulao dos retornos das carteiras, e o VaR histrico, que usa as informaes dos
retornos histricos para o clculo do VaR.

1.4.1 VaR analtico

O VaR analtico ou paramtrico usa a informao do retorno esperado e da volatilidade


da carteira, obtida atravs de um modelo matemtico, para calcular o valor da inversa da funo
de distribuio cumulativa no percentil indicado pelo intervalo de confiana. Por exemplo, se o
VaR estiver sendo calculado com intervalo de confiana de 95%, o valor da inversa da funo de
distribuio ser obtido atravs do valor da inversa da funo de distribuio no percentil de 5%.
Para o caso simples de uma carteira de aes, o modelo mdia-varincia ou o modelo de
ndice nico so suficientes para o clculo da varincia da carteira. Assim, o nico passo
restante para o cmputo do VaR o clculo da inversa da funo de distribuio cumulativa da
Normal. Infelizmente, tal funo no possui uma forma fechada, ento necessria a utilizao
de um mtodo numrico.

1.4.2 VaR de Monte Carlo

O VaR de Monte Carlo um mtodo de clculo de VaR que usa simulao para gerar um
grande nmero de cenrios de retornos para a carteira. No fim da simulao, o vetor de valores
simulados ordenado, e o elemento na posio dada pelo intervalo de confiana o valor do
VaR da carteira. A cada passo da simulao, gera-se um vetor de retornos para os ativos da
carteira. Em seguida calcula-se o retorno da carteira baseado nos retornos dos ativos.

Para simular os valores dos retornos dos ativos, preciso um mtodo para gerar um vetor
de nmeros aleatrios com distribuio normal. Estes valores so variveis aleatrias
independentes, mas os retornos dos ativos so correlacionados. necessrio, ento, um segundo
passo, que gere um vetor de valores correlacionados a partir de um vetor de variveis aleatrias
independentes.

O primeiro passo, que consiste na gerao de variveis aleatrias com distribuio


Normal, simples. Gera-se dois nmeros aleatrios uniformes entre -1 e 1, e em seguida usa-se
o mtodo polar para gerar duas variveis aleatrias com distribuio normal atravs do seguinte
algoritmo (ROSS, 1990):

1. Gerar dois nmeros aleatrios &/ e & entre -1 e 1.


2. Fazer F = &/ + &
3. Se F > 1, voltar ao passo 1.
4. Retornar as duas variveis aleatrias normais unitrias:

2I%cF 2I%cF
=b &/ , # = b &
F F
Depois de repetidos os passos acima tantas vezes quanto forem necessrias, obtm-se um
vetor de variveis aleatrias normais unitrias independentes. necessrio aplicar uma
transformao nesse vetor, para transform-lo em um vetor de variveis aleatrias normais
correlacionadas.

Em Jorion (1997), sugerido o mtodo da Decomposio de Cholesky sobre a matriz de


correlaes. A fatorao de Cholesky de uma matriz d consiste em encontrar uma matriz e tal
que d = ee , onde e a transposta conjugada de e, e e uma matriz diagonal inferior onde os
elementos da diagonal so reais e positivos. Esta fatorao sempre existe desde que a matriz A
seja positiva definida. E a matriz de covarincias ser positiva definida desde que o vetor de
retornos usados para calcular as covarincias seja maior que 8, onde 8 a dimenso da matriz
(Jorion, 1997, pg. 232).

Aps aplicada a fatorao de Cholesky, multiplica-se o vetor de variveis independentes


pela matriz e, obtendo-se o vetor de variveis correlacionadas.

Neste ponto, o vetor de variveis correlacionadas ainda possui variveis aleatrias


normais unitrias. Para transform-lo em um vetor de retornos simulados dos ativos, cada
elemento transformado em uma varivel aleatria =, , ,  aplicando a transformao simples
vista anteriormente. Em seguida, basta calcular o retorno da carteira baseado nos retornos dos
ativos individuais.

Ao final das k iteraes, o resultado um vetor de tamanho k com os valores dos retornos
simulados da carteira. Para se obter o VaR, deve-se ordenar este vetor. Em seguida, deve-se
obter o elemento g onde g = h 1 i, onde i o parmetro de intervalo de confiana da
simulao. O valor armazenado no elemento g o VaR de Monte Carlo.

1.4.3 VaR histrico

O VaR histrico consiste em simular o retorno da carteira a partir de cenrios histricos


de retornos dos ativos subjacentes. Assim como no VaR de Monte Carlo, ao fim da simulao se
obtm um vetor de retornos da carteira, que deve ser ordenado, e o VaR obtido a partir da
aplicao de um ponto de corte neste vetor. A diferena do VaR histrico para o VaR de Monte
Carlo que no ltimo os retornos dos ativos so obtidos a partir de gerao de nmeros
aleatrios, enquanto no primeiro os retornos dos ativos so obtidos diretamente dos dados
histricos.

O primeiro passo do clculo do VaR histrico coletar uma matriz R de retornos dos
ativos da carteira. A matriz uma matriz k x n, onde k o nmero de datas histricas sendo
usadas na simulao, e n o nmero de ativos da carteira. Cada elemento ,1 contm o retorno
do ativo j na data g.

Em seguida, gerado um vetor P de k elementos contendo os retornos da carteira,


calculados a partir dos retornos dos ativos na matriz R. Cada elemento k, do vetor P calculado
a partir da i-sima linha da matriz de retornos R. Assim, mantm-se a informao de correlao
entre os retornos dos ativos.

Depois de gerado o vetor P, o mesmo ordenado e aplicado um ponto de corte para


obter o valor do VaR histrico.
CAPTULO II. IMPLEMENTAO DO SISTEMA

O clculo de VaR de uma carteira de aes atravs de planilhas um processo laborioso.


necessrio obter dados histricos de cotaes das aes. Estes dados histricos precisam ser
tratados, para corrigir descontinuidades causadas por proventos, grupamentos, etc. Em seguida,
necessrio ajustar os dados nas planilhas para tratar valores faltantes e alinhar datas. Depois,
necessrio entrar as frmulas para os clculos de volatilidades e covarincias, e por fim, montar a
matriz de covarincias para se calcular a volatilidade da carteira.

O sistema proposto nesta monografia permite o clculo de VaR para carteiras de aes
que contm aes negociadas na Bovespa. O objetivo explorar o ferramental matemtico e
computacional necessrio para possibilitar o clculo do VaR.

A funcionalidade do sistema pode ser dividida em trs mdulos. O mdulo de


recuperao e tratamento de dados busca os dados de preos de aes na Bovespa e realiza
tratamentos como preenchimento de buracos nos casos de aes pouco negociadas e o ajuste de
sries histricas por proventos, de modo a retratar o retorno real oferecido pela ao. Este
mdulo possui algumas particularidades dignas de nota nesta monografia, como o mtodo de
tratamento de proventos.

O mdulo seguinte o mdulo de entrada de posies. Este mdulo permite o cadastro


das operaes de compra e venda de aes. O mdulo calcula a posio final do usurio,
baseado nas operaes, e o valor da posio total.

O ltimo e mais importante mdulo do sistema o mdulo de precificao. Este mdulo


contm as funcionalidades de clculo de VaR, betas, volatilidades, correlaes, retornos, entre
outros resultados que so necessrios para o clculo do VaR da carteira do usurio.

2.1 Recuperao e tratamento de dados

A Bovespa publica diariamente um relatrio com as informaes do prego do dia. Este


relatrio, chamado BDIN, pode ser baixado diretamente do site da Bovespa e contm o valor de
fechamento de todas as aes negociadas no dia. Alm disso, a Bovespa tambm fornece
arquivos com dados histricos dos preges desde 1995.

A recuperao dos dados histricos do sistema foi feita em duas partes. Foi
implementado um procedimento para leitura e importao dos arquivos de dados histricos para
a base de dados do sistema. Em seguida, foi implementado um processo dirio de recuperao e
tratamento do BDIN.

O arquivo BDIN possui informaes sobre o fechamento dos vrios ndices publicados
pela Bovespa. Os arquivos de dados histricos, no entanto, no possuem as cotaes dos ndices.
Como o modelo de ndice nico requer as cotaes de fechamento do ndice de mercado, foi
necessrio buscar as cotaes histricas em outras fontes e a entrada destas cotaes no sistema.

2.1.1 Tratamento de sries com dados indisponveis

Tanto o arquivo de cotaes histricas quanto o BDIN no contm dados de aes que
no foram negociadas. Portanto, as sries histricas de aes pouco negociadas ficam com
"buracos", isto , estas sries tm datas faltantes nos dias em que as aes no foram negociadas.
Como os procedimentos de clculo de correlaes precisam que as sries tenham os mesmos
tamanhos, implementamos um procedimento de "preenchimento de buracos" na srie.

Ao preencher valores faltantes em uma srie, pode-se usar uma estratgia de interpolao,
ou pode-se apenas repetir o ltimo valor. Uma vez que para todos os efeitos, o preo da ao o
mesmo at que haja um novo negcio, usamos a estratgia de repetir o valor anterior.

2.1.2 Ajuste de proventos

No modelo de clculo de volatilidades histricas, fizemos uma simplificao ao assumir


que as aes no pagam dividendos. No entanto, esta simplificao no ideal, porque em geral,
nas datas ex-dividendo quando as aes so negociadas considerando que os dividendos j
foram pagos , as aes sofrem uma desvalorizao a grosso modo correspondente ao valor do
dividendo por ao pago. Assim, a srie histrica exibe uma descontinuidade nesse ponto. Se a
srie histria for suficientemente longa, o impacto desta descontinuidade no valor final da
volatilidade obtida pequeno, mas no imperceptvel.

Outro problema, este ainda mais grave, quando uma ao sofre grupamentos ou
desdobramentos. Neste caso, a srie histrica da ao sofre uma grande descontinuidade,
afetando de maneira grave o clculo da volatilidade.

O ajuste por proventos visa resolver estes problemas, ao embutir na srie histrica de
aes os retornos dos dividendos pagos pela ao, como se os mesmos fossem reinvestidos no
ativo. Alm disso, o ajuste por proventos visa tambm resolver o problema de eventos
corporativos como grupamentos e desdobramentos.

O processo de tratamento de proventos requer o tratamento individual de cada um dos


tipos de proventos em dinheiro, em aes, ou eventos corporativos que podem afetar o clculo do
retorno. Dentre estes eventos, podemos citar dividendos, juros sobre capital prprio,
subscries, grupamentos, desdobramentos entre outros. Para cada tipo de provento, deve ser
aplicada uma frmula especfica que leva em conta o valor do provento e o ltimo preo da ao
ex-ante para calcular o fator de ajuste do provento. Para isso, preciso que exista uma srie
histrica confivel de proventos em dinheiro e eventos corporativos, o que no fornecido pela
Bovespa. Uma vez calculado o fator de ajuste do provento, os valores ex-ante so multiplicados
pelo fator de ajuste.

Optamos por no realizar o clculo dos fatores de ajuste, pois este um trabalho que
exige um grande esforo de validao das sries histricas e dos algoritmos de clculo. Ao invs
disso, utilizamos uma srie de proventos que j fornece o valor dos fatores de ajuste, e apenas
implementamos o processo de multiplicao dos preos de fechamento das aes pelos fatores de
ajuste.

2.2 Registro de operaes

O mdulo de registro de operaes permite que um usurio registre operaes de compra


e venda de aes. O sistema usa estas informaes para calcular a posio agregada da carteira
em cada um dos ativos.
2.3 Precificao e clculo de risco

O mdulo de precificao calcula os resultados como Valor da Carteira, Beta,


Volatilidade, Retorno Esperado, alm de VaR Analtico, de Monte-Carlo e Histrico.

O clculo de VaR envolve o clculo de uma srie de medidas intermedirias. Ao se


calcular o VaR, cada valor intermedirio calculado apenas uma vez e o resultado armazenado
em uma lista temporria de resultados. Assim, evita-se repetir desnecessariamente um clculo
intermedirio. Por exemplo, ao calcular a matriz de covarincias, usa-se a frmula do modelo de
ndice nico para cada elemento da matriz: ,1 = _, _1 9

. Esta frmula se repete para todos os
elementos da matriz, mas os valores de cada _, e _1 , e de 9

so calculados uma nica vez. Esta
lgica se aplica para qualquer valor intermedirio usado nos clculos, e no se limita ao exemplo
dado acima.

2.3.1 Valor da Carteira

O clculo do valor da carteira trivial: basta multiplicar o preo atual de cada ativo
(tirado da srie no ajustada) pela posio agregada do ativo na carteira, e por fim somar todos os
valores.

2.3.2 Retorno Esperado

O clculo do retorno esperado tambm simples. Para cada dia do intervalo, calcula-se o
retorno geomtrico da carteira ou do ativo. O retorno esperado ento calculado atravs da
seguinte frmula:

-
1
Y@U%8% lk@ % = + ,
8
,./

Onde , o i-simo retorno geomtrico. Observe que esta definio de retorno esperado
bem simplista, mas condizente com nosso mtodo de clculo de volatilidades.
2.3.3 Retornos geomtricos

Para calcular os retornos geomtricos, usado um vetor de preos contendo o ltimo


preo anterior ao perodo selecionado, mais todos os preos do perodo. Por exemplo, se for
selecionado o perodo de 1 ano, e a data de hoje 30/6/2013, o vetor ir conter todos os preos
entre 30/6/2012, inclusive, e 30/6/2013, inclusive. Se a primeira data do vetor for um feriado ou
fim de semana, usado o primeiro dia til imediatamente anterior. So utilizados os preos sem
buracos e ajustados por proventos. Uma vez construdo este vetor, com n+1 elementos,
calculado um vetor de retornos geomtricos a partir destes valores.

2.3.4 Volatilidade dos ativos

A volatilidade de um ativo calculada da seguinte maneira: primeiro, calcula-se o vetor


de retornos geomtricos. Em seguida, usada a frmula da varincia amostral sobre os retornos.
Em seguida, obtemos o desvio padro amostral, e multiplicamos por 252 para transformar o
desvio padro para base anual. O resultado a volatilidade estimada para o ativo. Neste caso,
um ativo pode ser uma ao ou um ndice.

2.3.5 Covarincia entre um ativo e o ndice de mercado

A covarincia entre um ativo o ndice de mercado calculada atravs da frmula da


covarincia amostral no intervalo especificado. So obtidos os retornos geomtricos do ativo e
do ndice, e depois aplica-se a frmula da covarincia amostral. O resultado a covarincia
estimada entre o ativo e o ndice de mercado.

2.3.6 Beta dos ativos

O Beta de cada ativo calculado da seguinte maneira: obtm se a volatilidade do ndice


de mercado e a covarincia entre o ativo e o ndice. A varincia do ndice calculada a partir da
volatilidade. Em seguida, usa-se a frmula de clculo do Beta:

,9
_, =
9
2.3.7 Covarincia entre dois ativos

A covarincia entre dois ativos calculada atravs do modelo de ndice nico. Primeiro
obtm-se o beta de cada ativo, e a varincia do ndice de mercado. Em seguida, aplica-se a
frmula:

,1 = _, _1 9


2.3.2 Volatilidade da carteira

A volatilidade da carteira calculada atravs do modelo de ndice nico.

Primeiro, constri-se a matriz de covarincias , usando os clculos de volatilidades e de


covarincias entre os ativos, explicitado acima.

Em seguida, constri-se o vetor de pesos m = Z/ , Z , , Z- , onde n o nmero de


ativos na carteira. Os valores de Z, so calculados atravs da seguinte frmula:

@% % Ug&% g Gp8Ug  @ % Ug&% 8 qU@g


Z, =
I% U%UI  U@g

Por fim, se calcula a volatilidade atravs da frmula matricial:

[ = Z \ Z

2.3.2 VaR analtico

O VaR analtico calculado a partir do retorno geomtrico mdio e da volatilidade da


carteira. Estes parmetros so usados como os parmetros  e  de uma distribuio Normal.
Em seguida, calcula-se o valor da inversa da funo de distribuio cumulativa no quantil
r = g8U@&I% @ q%8 g8 1. Este valor o logaritmo natural do VaR paramtrico ou
analtico. Para obter o valor do VaR, eleva-se @ a este valor.
O clculo da inversa da funo de distribuio feito atravs de um mtodo numrico.
usado o mtodo de Newton-Raphson para encontrar o zero da funo   r. Para avaliar a
funo de distribuio cumulativa da Normal, usada a frmula:

1 x
  = s1 + erf J Kz
2 2

Onde erf a Funo Erro que tambm por sua vez aproximada por um mtodo
numrico.

2.3.2 VaR de Monte-Carlo

O VaR de Monte-Carlo calculado a partir da gerao de nmeros aleatrios.


Primeiramente, so obtidos os valores das volatilidades dos ativos includos na carteira. Em
seguida, so simulados h valores para o retorno da carteira, da seguinte maneira:

2.3.2.1 Criao da matriz de correlaes

A matriz de correlaes criada a partir da matriz de covarincias. Primeiramente


criada a matriz de covarincias, como j visto anteriormente, e em seguida, cada elemento ,1 da
matriz dividido por , 1 .

2.3.2.2 Gerao de nmeros aleatrios com distribuio normal unitria

Para gerao de nmeros aleatrios normais, so gerados dois nmeros aleatrios


uniformes e em seguida usado o mtodo polar para converter estes nmeros aleatrios em dois
nmeros com distribuio normal.

2.3.2.3 Transformao de nmeros aleatrios independentes em correlacionados

Para se transformar um vetor Y de nmeros aleatrios independentes em um vetor Y de


nmeros aleatrios correlacionados, aplicado o mtodo da fatorao de Cholesky da matriz de
correlaes.
Primeiro, encontra-se a fatorao de Cholesky da matriz de correlaes. Seja L a matriz
triangular inferior encontrada pela fatorao de Cholesky.

Em seguida, faz-se: Y = Ye.

Por fim, cada elemento , de Y transformado em uma varivel com distribuio


=, , ,  atravs de uma transformao simples.

2.3.2.4 Clculo do Retorno simulado da Carteira

Uma vez simulados os retornos dos ativos individuais da carteira, o clculo do retorno
simulado da carteira feito atravs da multiplicao do vetor de retornos individuais Y pela
transposta do vetor de pesos Z = Z/ , Z , , Z-  . O resultado o retorno percentual da
carteira.

2.3.4.5 Clculo do VaR de Monte-Carlo.

O processo acima repetido k vezes para gerar um vetor de k retornos simulados para a
carteira. Este vetor ordenado, e um ponto de corte realizado no elemento g = h 1 i
onde i o intervalo de confiana do VaR. O elemento h, contm o logaritmo natural do VaR
de monte-carlo da carteira. Para obter o valor do VaR, eleva-se @ a este valor.

A volatilidade da carteira obtida atravs do clculo de volatilidade a partir do vetor de


retornos.

2.3.5 VaR Histrico

O VaR histrico calculado usando o algoritmo visto anteriormente. Este o VaR de


implementao mais simples, e no se justifica a repetio da descrio do algoritmo aqui.
CAPTULO III RESULTADOS

O sistema desenvolvido neste trabalho permite o clculo descomplicado de VaR para


uma carteira de aes. O sistema fornece um relatrio com o VaR analtico, VaR de monte-carlo
e VaR histrico, alm de algumas medidas auxiliares.

As sees a seguir apresentam alguns resultados coletados atravs do sistema.

3.1 Volatilidade do IBovespa

No intervalo de 3 meses encerrado em 27/6/2013, o Ibovespa apresentou uma


volatilidade de 0,2255, ou 22,55% ao ano. Este um valor prximo da mdia de longo prazo da
volatilidade do ndice, apesar de haver uma grande variao na volatilidade em diferentes
perodos de trs meses. A tabela abaixo apresenta as volatilidades nos perodos trimestrais e
anuais entre 1/1/2011 e 31/03/2013.

Perodo Volatilidade
01/01/2011 31/03/2011 17,01%
01/04/2011 30/06/2011 15,50%
01/07/2011 30/09/2011 34,60%
01/10/2011 31/12/2011 26,67%
01/01/2011 31/12/2011 24,70%
01/01/2012 31/03/2012 18,35%
01/04/2012 30/06/2012 24,82%
01/07/2012 30/09/2012 24,01%
01/10/2012 31/12/2012 17,37%
01/01/2012 31/12/2012 21,57%
01/01/2013 31/03/2013 16,10%

curioso comparar estas volatilidades com a do perodo quando eclodiu a crise


financeira de 2008
Perodo Volatilidade
01/10/2007 31/12/2007 31,33%
01/01/2008 31/03/2008 37,25%
01/04/2008 30/06/2008 27,06%
01/07/2008 30/09/2008 49,90%
01/10/2008 31/12/2008 79,64%
01/01/2009 31/03/2009 42,46%

A volatilidade do Ibovespa atingiu 79,64% no quarto trimestre de 2008, o que representa


um VaR dirio de 7,88% com nvel de confiana de 95%.

3.2 Comparao entre os mtodos de clculo de VaR

A ttulo de teste, foi criada uma carteira terica com os seguintes ativos:

Ao Quantidade
PETR4 200
VALE3 100
BBDC4 100
BBAS3 200
POSI3 1000
ELET3 1000
LAME4 200

Calculamos o VaR para esta carteira, com horizonte de 1 dia e intervalo de confiana de
95%. A janela de preos histricos foi de 3 meses encerrados em 27/06/2013. Os resultados
foram os seguintes:

Valor Retorno
Ativo Quantidade Atual Mdio Volatilidade Beta VaR VaR (%)
IBOV 47609 -0,26% 22,55% -1219,82 -2,56%
PETR4 200 3276 -0,12% 33,92% 1,17 -117,06 -3,57%
VALE3 100 2845 -0,29% 38,72% 1,2 -119,88 -4,21%
BBDC4 100 2855 -0,24% 26,18% 0,76 -83,14 -2,91%
BBAS3 200 4304 -0,33% 27,38% 0,6 -134,12 -3,12%
POSI3 1000 3890 0,01% 49,65% 0,77 -194,84 -5,01%
ELET3 1000 4660 -0,34% 57,13% 1,64 -282,83 -6,07%
LAME4 200 3112 -0,17% 24,74% 0,67 -84 -2,70%
Total 24942 -709,99 -2,85%
interessante notar que esta quantidade de aes j oferece uma diversificao razovel,
gerando um VaR no muito maior que o VaR do ndice.

As aes POSI3 (Positivo Informtica ON) e ELET3 (Eletrobras ON) so as que


apresentaram maior volatilidade. A Eletrobrs foi especialmente afeada pela desvalorizao
causada pelas polticas de energia do governo federal.

O valor do VaR, nesta tabela, o VaR analtico calculado individualmente para cada
ativo. Ele foi includo para permitir a comparao do VaR individual dos ativos com o VaR da
carteira e o VaR do Ibovespa, para que fosse possvel visualizar o ganho obtido pela
diversificao.

Os resultados detalhados para os trs tipos de VaR foram os seguintes:

VaR Paramtrico -709,99 -2,85%


VaR No-Diversificado -1015,86 -4,07%
Volatilidade 25,76%
Retorno Esperado -54,58 -0,22%
VaR de Monte-Carlo -704,63 -2,83%
Volatilidade do VaR de M.C. 25,61%
VaR Histrico -783,14 -3,14%

Nesta tabela, o VaR No-Diversificado o VaR obtido ao usar correlaes zero entre os
ativos. Este valor til para se comparar com o VaR paramtrico e se constatar os ganhos por
diversificao.

Ao se usar 1000 iteraes, o VaR de monte-carlo ficou bem prximo do VaR


paramtrico. Ao se usar um nmero grande o suficiente de iteraes, espera-se que o VaR de
monte-carlo convirja para o VaR paramtrico, no caso de uma carteira de aes (se houvesse
opes, isso no seria verdade). De fato, ao se aumentar o nmero de iteraes para 100.000, o
VaR de Monte-Carlo passa a ser exatamente 2,85%. No entanto, preciso haver um equilbrio
entre o nmero de iteraes e a preciso do resultado, uma vez que o tempo de execuo se torna
mais longo quanto maior for o nmero de iteraes selecionado.
Em uma srie de testes o VaR histrico foi consistentemente maior que o VaR
paramtrico e o de Monte Carlo. Conjecturamos que isso se deve ao fato da distribuio dos
retornos no seguir uma distribuio log-normal perfeita. De fato, de acordo com Jorion (1997,
pg. 189), uma vantagem do VaR histrico capturar o efeito de "caudas grossas".
CAPTULO IV CONCLUSES

Neste trabalho, desenvolvemos um sistema de avaliao de risco de carteiras de aes


atravs do clculo do VaR. Durante o processo, aprofundamos nosso conhecimento em aspectos
chave de gesto de risco, como Moderna Teoria das Carteiras e Estatstica e Probabilidade.
Tambm aprofundamos nosso conhecimento sobre o funcionamento do mercado de aes
brasileiro.

O processo do clculo de VaR uma tarefa complexa. O sistema que desenvolvemos


neste trabalho tem vrias simplificaes, como o fato de tratar apenas uma classe de ativo, no
tratar opes, e no possuir uma funcionalidade nativa de back-testing. A despeito de suas
limitaes, este sistema simplifica o clculo de VaR no domnio para o qual est preparado.

Em trabalhos futuros, pretendemos incluir a precificao de opes no clculo do VaR.


Isto implicaria em aperfeioamentos no clculo do VaR paramtrico, para implementar um
modelo de avaliao plena que fosse capaz de capturar o efeito do Gama e do Vega no VaR do
portfolio.

Pretendemos incluir, tambm, a funcionalidade de back-testing para validao do modelo


de VaR. Por fim, pretendemos implementar um mdulo de stress-testing para poder usar o VaR
para mensurar perdas potenciais em situaes de estresse, onde as volatilidades e correlaes
aumentam muito, como o que ocorreu na crise de 2008.

Por fim, pretendemos estender o sistema para outras classes de ativo, como ttulos e
outros ativos de renda fixa.
APNDICES

1. Capturas de Tela

Figura 1: Tela de visualizao das carteira


Figura 2: Tela de clculo de VaR
Figura 3: Tela de resumo de instrumento
Figura 4: Consulta de Instrumentos
Figura 5: Digitao de operaes
Figura 6: Consulta de preos histricos
REFERNCIAS BIBLIOGRFICAS

ANTON, Howard. lgebra Linear. 3a edio. Editora Campus. 1982.

BASEL COMMITTE ON BAKING SUPERVISION. Basel III: A global regulatory framework


for more resilient banks and banking systems. Obtido em: http://www.bis.org/publ/bcbs189.pdf
pp 3. 2011.

DUHIGG, Charles. Stock Traders Find Speed Pays, in Milliseconds. The New York Times,
Nova York, 24/7/2009. Page A1.

ELTON, Edwin J. et al. Moderna Teoria de Carteiras e Anlise de Investimentos. So Paulo.


Editora Atlas. 2004.

FAMA, Eugene F. Efficient Capital Markets: A Review of Theory and Empirical Work. The
Journal of Finance. Vol. 25, No. 2, Papers and Proceedings of the Twenty-Eighth Annual
Meeting of the American Finance Association New York, N.Y. December, 28-30, 1969 (May,
1970), pp. 383-417

HULL, John C. Options, Futures, and Other Derivatives. 7th edition. Pearson Education
International. 2009.

JORION, Phillipe. Value at Risk - A Nova Fonte de Referncia para o Controle do Risco de
Mercado. Bolsa de Mercadorias e Futuros. 1997.

SANDOVAL JUNIOR, Leonidas, e FRANA, talo de Paula. Correlations of Financial


Markets in Times of Crisis. Physica A: Statistical Mechanics and its Applications. Volume 391,
Issues 12, 1 January 2012, Pages 187208.

MARKOWITZ, Harry. Portfolio Selection. The Journal of Finance. Vol. 7, No 1 (Mar.,


1952), pp. 77-91.

ROSS, Sheldon M. A Course on Simulation. Macmillian Publishing Company. 1990.


TRIVEDI, Kishor Shridharbhai. Probability and Statistics with Reliability, Queuing, and
Computer Science Applications. Prentice Hall, Inc. 1982.

TUFANO, Peter, editado por CONSTANTINIDE, George. The Handbook of the Economics of
Finance. North Holland. 2002.