Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/326541415
CITATIONS READS
0 184
1 author:
Jose Siqueira
University of São Paulo
92 PUBLICATIONS 388 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Jose Siqueira on 21 July 2018.
Sumário
Referências Bibliográficas .............................................................................................. 1
Prolegômenos .................................................................................................................. 1
Fundamentação Teórica .................................................................................................. 1
Teorema de Bayes ....................................................................................................... 1
Exemplo paradigmático da compra de um carro usado .......................................... 2
Estados informacionais do decisor...................................................................... 2
Os sete elementos básicos para definir um problema decisório ................................. 7
Limitação do axioma da transitividade ..................................................................... 10
Exemplo da contratação de secretária por um decisor "bomba de dinheiro"........ 10
Exemplo da comparação entre temperaturas ........................................................ 11
O conceito geral de opção ......................................................................................... 12
A opção de compra de seguro ............................................................................... 17
A festa de Jane (decisor neutro à incerteza).......................................................... 19
Opções aninhadas.................................................................................................. 21
A festa de Kim (decisor averso à incerteza) ......................................................... 21
Valor da opção como o valor esperado da informação imperfeita (veii) .......... 22
Cálculo do preço da opção de clarividência na decisão de compra de uma
máquina com incerteza sobre a produditividade ................................................... 26
Integral de Lebesgue: esperança e variância ..................................................... 27
Esperança parcial .............................................................................................. 27
Função de perda linear .................................................................................. 28
Nova expressão para o veip .............................................................................. 28
Aplicação ...................................................................................................................... 31
Inferência Estatística ................................................................................................. 31
Relação entre a inferência estatística e a função de perda .................................... 31
Abordagem clássica .......................................................................................... 31
Critério de admissibilidade ........................................................................... 32
Abordagem bayesiana ....................................................................................... 32
Critério de admissibilidade ........................................................................... 33
Desenvolvimento da fórmula do preço racional da opção européia simples ordinária
de Black-Scholes a partir do conceito de clarividência ou do valor esperado da
informação perfeita ................................................................................................... 34
1
Referências Bibliográficas
CLEMEN, R. (1996) Making hard decisions: an introduction to Decision Analysis. 2nd
ed. Belmont, CA: Duxbury.
COSTA NETO, P. L. & BEKMAN, O. R. (1980) Análise estatística da decisão, SP:
Edgard Blücher.
EECKHOUDT, L. & GOLLIER, C. (1995) Risk: evaluation, management and sharing,
NY: Harvester Wheatsheaf.
PRATT, J. W; RAIFFA, H. & SCHLAIFER, R. (1996) Introduction to Statistical
Decision Theory. 2nd reprinting. Cambridge, Massachusetts: MIT.
WONNACOTT, T. H. & WONNACOTT, R. J. (1990) Introductory Statistics for
Business and Economics, 4th ed., NY: Wiley.
Prolegômenos
Howard (1988) define análise da decisão como “um procedimento sistemático para
transformar problemas decisórios opacos em problemas decisórios transparentes por meio
de uma seqüência de passos transparentes. Análise da decisão é uma disciplina normativa
criada para ajudar as pessoas a tomarem melhores decisões”. Para Howard (1996), os
elementos básicos da decisão são: alternativa, informação e preferência.
Fundamentação Teórica
Teorema de Bayes
O Teorema de Bayes gera a distribuição de probabilidade posterior a partir de uma
distribuição de probabilidade prévia e das características do previsor (sensibilidade e
especificidade).
Grosso modo, uma variável estocástica discreta X associada a n eventos mutuamente
excludentes e coletivamente exaustivos (estados da natureza) = { i }in=1 , que adquire os
valores = {xi }in=1 do domínio ou conjunto de apoio e que ocorrem com
probabilidades = { pi }in=1 , respectivamente. será chamada de medida de
probabilidade. A variável aleatória discreta X pode ser representada de forma tabular:
Estado da natureza Probabilidade Valor
i Pr(i ) = pi x (i ) = xi
1 Pr(1 ) = p1 x1
2 Pr(2 ) = p2 x2
n Pr( n ) = pn xn
n
E ( X ) = Pr(i ) x ( i )
i =1
n
= pi xi
i =1
X
X X
Y Pr ( X Y ) (
Pr X Y ) Pr (Y )
( ) Pr ( ) ( )
Y
Y Pr X Y X Y Pr Y
Pr ( X ) Pr X( ) 1
0,90
"defeituoso"|defeituoso
"ok"|defeituoso
0,30 0,10
defeituoso
0,20
"defeituoso"|ok
ok
0,70
"ok"|ok
0,80
Logo, uma vez o carro tenha sido diagnosticado pelo mecânico como "defeituoso", a
chance de que ele seja realmente defeituoso aumenta dos originais 30% para 66%.
Pode-se concluir também que:
P ( ok | "defeituoso") = 1 − P ( defeituoso | "defeituoso")
= 1 − 0, 66
= 0,34
Caso o mecânico diagnostique como “ok”, as seguintes probabilidades posteriores são
calculadas:
P ( defeituoso | "ok") = 0, 05
P ( ok | "ok") = 1 − P ( defeituoso | "ok")
= 1 − 0, 05
= 0,95
Therefore, the probability that the mechanic will state “faulty” will be:
5
defeituoso|"defeituoso"
ok|"defeituoso"
0,41 0,34
"defeituoso"
0,05
defeituoso|"ok"
"ok"
0,59
ok|"ok"
0,95
“faulty” ( "faulty"
) 0.27/0.41
=0.66
0.14/0.41
=0.34
1
“OK” ( "OK"
) 0.03/0.59
=0.05
0.56/0.59
=0.95
1
utility this rule for decision-making is essentially that described above as a Bayes
solution: it maximizes he expected utility”.
A existência, unicidade e independência entre a utilidade a probabilidade subjetiva não
são suficientes para determinar qual é a melhor solução de um problema decisório em
condição de incerteza. É necessário acrescentar certas regras ou princípios de
razoabilidade, consistência ou coerência do comportamento do decisor responsável (e.g.
transitividade da preferência entre loterias evita a existência do decisor “bomba de
dinheiro”). O decisor responsável pode seguir os princípios de comportamento coerente,
consistente ou razoável para balizar sua decisão.
Conforme Raiffa (1977, cap. 4) e Pratt et al. (1996, cap. 3), cabe ressaltar que o decisor
racional deve seguir os princípios de comportamento consistente, isto é, os princípios da
substituição e da transitividade. O princípio da substituição estabelece que se uma loteria
é modificada substituindo um de seus prêmios por outro, tudo o mais é inalterado e se
ocorre indiferença entre a loteria original e seu substituto, então se deve ficar indiferente
entre a loteria original e a modificada. O princípio da transitividade impõe que se um
decisor (i) assegura ser indiferente entre as loterias A e B e entre B e C, então deveria ser
indiferente entre A e C e (ii) assegura ser indiferente A e B e prefere B a C, então prefere
A a C, e assim por diante [Pratt et al. (1996, p. 18)]. Este último princípio evita que o
decisor se transforme numa bomba de dinheiro [Bekman & Costa Neto (1980, p. 77-9) e
Pratt et al. (1996, p. 18)]. Se um decisor preferir A a B, for indiferente entre B e C ou
preferir B a C e for indiferente entre C e A ou preferir C a A, então se o decisor começar
possuindo a loteria A ele desejaria trocá-la por C, sendo que em seguida desejaria trocar a
loteria C por B. Neste ponto o decisor estaria disposto a pagar um prêmio para tracar a
loteria B pela A. Portanto, o processo de trocas poderia continuar indefinidamente e este
decisor seria chamado de bomba de dinheiro (money pump). Conjuntamente, estes
princípios garantem a existência e unicidade de medida de probabilidade subjetiva
[Pratt et al. (1996, p. 59-60)].
a b
b c
c a
sendo:
a = Maria
b = Rosa
c = Paula
Imagine que entre as entrevistas e a contratação Paula se torne indisponível. A escolha do
decisor responsável (contratante) é entre Maria e Paula. Desta forma, contrata Maria e
paga um certo valor à agência.
Mas a agência de empregos descobre que Paula não está realmente indisponível. A
agência também descobriu que Rosa ficou indisponível, pois ela conseguiu um emprego
por não ter sido escolhida para este. Portanto, a agência está com a secretária Paula
disponível.
O decisor empregou Maria, mas prefere Paula à Maria.
A agência não terá dificuldade em persuadir o decisor a trocar Maria por Paula pagando
um pequeno valor por ter o privilégio da melhor escolha.
Em seguida, a agência descobre que Rosa não havia sido contratada e que Maria não está
mais disponível por estar doente.
Já que o cliente prefere Rosa a Paula pode-se persuadir o decisor a pagar uma pequena
quantia para que a agência troque Paula por Rosa.
No entanto, Maria se recupera milagrosamente e Paula agora fica doente por ter visitado
Maria. Desta forma, a estória continua, iniciando um ciclo.
Imaginando que o decisor ainda mantenha sua estrutura de preferência do início do
problema, a agência consegue arrecadar dinheiro a cada passagem. Caso os ciclos se
repitam indefinidamente, o decisor falirá.
Este é um dos argumentos para que exista a condição de transitividade antes de um
conjunto de preferências ser chamado de racional.
99,999o C 100 o C
Desta forma, conclui-se que se as indiferenças do decisor são transitivas, ele sentir-se-á
bem confortável entre 20ºC e 100ºC. No entanto, este resultado é irreal.
O princípio de não-saciedade, isto é, o decisor racional deve preferir mais a menos
riqueza, juntamente com o de transitividade possibilita a existência de arbitragem no
mercado. Arbitragem, grosso modo, é a possibilidade de um decisor lucrar um valor com
certeza sem a necessidade de investimento. No entanto, do ponto de vista econômico, esta
possibilidade deve ser evitada ao formar o preço de um ativo, pois um preço que permite
arbitragem pode ocasionar a existência de um decisor do tipo bomba de dinheiro.
De maneira geral a teoria estatística da decisão, dadas algumas condições, permite a
determinação do preço de venda e compra únicos de uma loteria para um decisor
individual. Por exemplo, o equivalente monetário determinístico - ou o equivalente certo
- é o preço de venda mínimo da loteria assumindo que o decisor responsável possui os
direitos e deveres desta loteria. Além disso, o equivalente monetário determinístico
contém a informação da atitude do decisor diante da incerteza. Isto é, se ele for menor
que o valor esperado da loteria, o decisor é avesso à incerteza.
Pratt et al. (1996, p. 77) suspeitam que a maioria dos decisores da área de negócios é
estritamente avessa à incerteza.
convergiriam para a alternativa que trouxesse maior satisfação, lucro ou prazer. Nessa
condição, qualquer discussão sobre opção seria redundante.
A árvore de decisão que auxilia no entendimento destas relações é a seguinte:
Pode-se observar que esta estrutura decisória difere da que representa o problema de
seleção ótima de carteira:
Incer Retorno
Decisão
teza
Alternativa
Opção
n x
X ~ discreta emd ( X ) = − ln pi exp − i
i =1
2
X ~ normal ( ; ) emd ( X ) = −
2
2
Se, por exemplo, o decisor for avesso à incerteza com função utilidade logarítmica, ele
não será do tipo delta. Além disso, a utilidade depende da riqueza inicial do decisor ( ),
o preço de compra da loteria é menor que o preço de venda da mesma loteria e o
coeficiente de aversão à incerteza varia em função dos valores da loteria e da riqueza
inicial, isto é, não é constante [Bekman & Costa Neto (1993, p. 79-80)]. Quando o valor
da riqueza inicial é muito maior que os valores em jogo na loteria, a função utilidade do
decisor é aproximadamente exponencial.
Quando o valor da riqueza inicial é muito maior que os valores em jogo na loteria, a
função de utilidade do decisor é aproximadamente igual a exponencial. O emd ( X ) do
decisor logarítmico para uma loteria discreta é:
n
emd ( X ) + = ( xi + )
pi
i =1
n
emd ( X ) = ( xi + ) i −
p
i =1
Isto é, o emd da loteria mais a riqueza inicial é igual à média geométrica de cada
resultado possível da loteria somado à riqueza inicial.
O lançamento de uma opção pode implicar o pagamento de um valor denominado prêmio
ou preço da opção. Trata-se do custo de aquisição dessa opção, que confere ao seu titular
um determinado direito. O preço dessa opção pode ser avaliado como o preço que torna o
decisor indiferente entre sua aquisição ou não. Em geral, o prêmio costuma crescer de
acordo com a incerteza e com o número de alternativas. Além disso, conforme Howard
(1996, p. 84), a escolha de uma alternativa oferecida pela opção pode exigir o pagamento
de um valor adicional denominado preço de exercício.
Embora os livros didáticos associem as opções a uma modalidade de operação financeira
ou a uma questão na análise estatística da decisão, os decisores costumam comprar ou
vender opções em diversas situações do cotidiano:
Opção Preço da opção Preço de exercício
Compra de um bilhete de loteria preço do bilhete imposto
Seguro de carro contra acidentes prêmio do seguro franquia
Plano de saúde preço ou mensalidade tabela da AMB
Kimura et al. (1999) mostram que há quatro produtos tradicionais no mercado financeiro
- empréstimo com garantia, seguros, debêntures e cheque especial - que, em alguns
aspectos, podem ser analisados como contratos de opções.
Herath (1998) mostra que projetos de investimento com incerteza podem também ser
analisados como opções, utilizando a Teoria Estatística Bayesiana da Decisão.
Para mostrar um exemplo de opção, Howard utiliza uma árvore de decisão com a
seguinte estrutura para um problema discreto:
16
Observe que a opção somente cria valor para o decisor se c assumir valores tais que:
c − b pe
Caso contrário, a opção não dever ser exercida, pois para qualquer estado da natureza
resultará um valor inferior à alternativa de não exercer.
A questão é saber qual o valor da opção supondo um investidor racional que seja neutro
ou avesso à incerteza dadas as hipóteses de haver ou não o exercício:
a) O investidor não exerce a opção
Nesta situação, podemos dizer que:
b − po c − pe − po b c − pe
Para um investidor neutro à incerteza, o valor da opção é aquele para o qual o investidor
torna-se indiferente às duas alternativas. Devido a sua atitude neutra à incerteza, seu
critério decisória baseia-se na esperança do valor monetário da loteria, isto é,
E ( X ) = emd ( X ) . Portanto:
E ( X1 ) = qb + (1 − q)a
E ( X 2 ) = q(b − po ) + (1 − q)(a − po )
Igualando-se as duas esperanças, o valor da opção é nulo, isto é, p0 = 0 .
Para um investidor com aversão à incerteza que utiliza o critério decisório da esperança
da utilidade da loteria, temos:
u( x1 ) = qu ( b ) + (1 − q)u(a)
u( x2 ) = qu ( b − po ) + (1 − q)u ( a − po )
Igualando-se as duas utilidades, o valor da opção é nulo, isto é, p0 = 0 .
b) O investidor exerce a opção
Nesta condição temos:
b − po c − pe − po
c − b pe
17
Para um decisor neutro à incerteza, o valor da opção que torna as duas alternativas iguais
deve obedecer à seguinte condição:
po = q(c − b − pe )
Conforme Howard (1996, p. 86), a opção deve ser comprada se estiver sendo vendida por
um preço inferior ao estabelecido acima.
Para um decisor com aversão à incerteza, deve-se utilizar a função de utilidade para
estabelecer o preço da opção.
Conforme adiciona Howard, a opção deve ser comprada se:
emd ( X1 ) emd ( X 2 )
emd ( X1 ) : equivalente monetário determinístico da alternativa sem opção;
emd ( X 2 ) : equivalente monetário determinístico da alternativa com opção.
1/100
sinistro 1000-1000
exerce 0 po pe
faz seguro
sinistro
1/100
99/100
não ocorre sinistro po
18
18
17,04
16 15,99
12 12,13
Valor da Opção
10,57
10 10
9 8,85
8 8
7 6,95
6 6
5 4,86
4 4
3
2,55
2 2
Preço de Exercício 1
0 0
0,00
0 100 200 300 400 500 600 700 800 900 1000 1100
Observações:
❖ Quanto maior o preço de exercício, menor o valor da opção independentemente da
atitude diante da incerteza;
❖ Quanto maior o preço de exercício, menor a diferença entre os valores das opções;
❖ O decisor com a atitude de aversão à incerteza está disposto a pagar sempre mais pelo
seguro para qualquer preço de exercício do que o decisor neutro à incerteza;
❖ Para a franquia (preço de exercício) igual a zero, isto é, pe = 0 , temos o valor da
opção de seguro sem custo.
40%
100
Fora
40
60% 0
40%
90
Varanda
Local 48
da festa 60% 20
40%
40
Dentro
46
60% 50
Clarividência é a capacidade de prever (antecipar) perfeitamente os eventos incertos, mas
não de causá-los. Jane pode também atribuir um valor para a opção de clarividência.
Supondo que um previsor fosse capaz de lhe informar com certeza o tempo antes de
organizar a festa, Jane poderia escolher o local que lhe trouxesse maior retorno qualquer
que fosse o resultado da clarividência:
Fora
100
Varanda
90
40%
Local
da festa Dentro
Sim 40
Fora
0
70
(EC) Varanda
20
60%
Consulta Dentro
clarividente 50
Não
48
O valor da opção é a diferença entre o equivalente monetário determinístico da
alternativa com opção e a melhor alternativa de Jane no estado anterior. Ou seja, o preço
máximo que Jane pagaria pela informação do clarividente seria $22. No exemplo acima,
o preço de exercício para escolha do local é nulo. Contudo, pode-se introduzir um valor
para o preço de exercício, tendo como efeito a redução do preço da opção.
21
Opções aninhadas
Outra situação interessante ilustrada por Howard (1996, p. 89) refere-se ao conceito de
decisões seqüenciais. Supondo que Jane possa observar o tempo pela manhã e decidir
pela realização da festa neste dia em caso de sol ou adiá-la para outro dia em caso de
chuva, observa-se que Jane possui uma série de decisões encadeadas.
Fora Fora
Fora
100 100
100
Varanda
90
40% n=1 40%
n=3 40% n=2 Posterga Dentro
40
Posterga
Posterga Fora
Posterga
70 0
82
89,2
Varanda
20
60% 60% Dentro
60% Dentro 50
Dentro 50
50
Direito de realizar
festa em qualquer
a
dia não 48
Quanto maior o intervalo de tempo para Jane decidir sobre a realização da festa, maior o
valor da opção de postergar. No exemplo acima, a opção de adiar a festa em virtude o
mau tempo vale 41,2, isto é, 89,2-48,0. Conforme observa Howard, à medida que o prazo
aumenta, o preço da opção também aumenta. E quando o número de dias tende ao
infinito, o valor da opção converge para 52, isto é, para 100-48.
Valor da opção
60.00
50.00
40.00
30.00
20.00
10.00
0.00
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
prazo
x
u ( x) = 1 − exp −
sendo:
= $50 / ln 2
$72,1347
É possível perceber que para a mesma situação enfrentada por Jane, Kim tomaria outra
decisão. No seu caso, seria preferível realizar a festa dentro de casa conforme se observa
pelo emd de sua decisão:
40%
100
Fora
25,73
60% 0
40%
90
Varanda
Lugar 40,60
da festa 60%
20
40%
40
Dentro
45,83
60% 50
Para a situação em que é possível consultar um clarividente, o valor da opção da
clarividência para Kim é diferente do de Jane. Visto que sua melhor alternativa sem a
opção é 45,83, a inclusão da opção pela informação da clarividente tem como resultado
um valor correspondente a 66,10. Sendo Kim um decisor do tipo delta, o valor da opção é
20,27, isto é, 66,10-45,83, conforme a figura a seguir:
Fora
100
Varanda
40%
90
Local
da festa
Dentro
Sim 40
Fora
0
66,10
Varanda
20
60%
Consulta Dentro
clarividente 50
Não
45,83
Suponha que Kim não possa ter acesso a um clarividente. No entanto, ela pode utilizar
gratuitamente a opção de um aparelho detector de chuva que acerta 80% das vezes em
que chove e 80% das vezes em que faz sol. Portanto, o valor da alternativa de utilizar o
detector gratuitamente é $54,65. Logo, o valor da opção do detector gratuito é $8,82.
Fora
Preço da opção: $8,82 56,88
27,3%
“Sol” Varanda
44% 63,35
Dentro
42,59
Sim 14,3%
54,65 Fora
8,17
85,7%
“Chuva” Varanda
56% 26,70
Usa detetor
(opção) Dentro
48,48
Não
45,83
Observe agora que se for dado o direito a Kim de utilizar o detector gratuitamente, o
valor da opção de clarividência diretamente sobre a natureza também gratuita passa a ser
11,45, isto é, 66,10-54,65.
Suponha desta vez que o clarividente passe a cobrar por seu serviço e Kim possa utilizar
o detector gratuitamente, qual seria o valor máximo que Kim estaria disposta a pagar pelo
serviço de clarividência?
O clarividente irá antecipar a incerteza da natureza atualizada pelo detector (previsor
imperfeito) para Kim. Logo, uma nova decisão deverá ser acrescentada à árvore: exercer
ou não o clarividente.
24
44%
Exerce? Não Varanda
57,39 63,35
Sim
Fora
detetor 14,3%
88
- p0 Sim
- pe Dentro
“Chuva” 43,35
85,7%
38
56%
Opção de Exerce?
Não Varanda
clarividência 48,48
Não 54,65
É importante frisar que o cálculo do emd é recorrente [Luenberger (1998, cap. 16)]. Por
exemplo, quando o preço de exercício é 6,87 e o detector informa que irá chover, então o
clarividente deverá ser exercido, mas se o detector informar que irá fazer sol, o
clarividente não deve ser exercido. Por exemplo, o emd de 59,22 foi calculado da
seguinte forma:
( 82,59 − 6,87 ) 48, 48
emd ( X ) = −72,1347 ln 0, 44 exp − + 0,56 exp −
72,1347 72,1347
= 59, 22
Quando o preço de exercício é nulo, o valor de clarividência sobre a incerteza da natureza
atualizada pelo detector atinge seu máximo valor 66,10 que é o próprio valor da
clarividência na presença apenas da incerteza da natureza, i.e., 61,10.
À medida que o preço de exercício aumenta,o valor da opção diminui até o valor zero.
Para o valor de exercício menor que 6,87 a opção de clarividência deve sempre ser
exercida independentemente da informação do detector. De 6,87 até valor menor que
25
19,27 a opção de clarividência deverá ser exercida se o detector informar que o dia será
ensolarado. De 19,27 em diante a opção de clarividência não deve exercida qualquer que
seja a informação do detector.
Valor da opção ($)
14
12
10
Valor da opção ($)
0
0 2 4 6 8 10 12 14 16 18 20 22
Preço de exercício ($)
veip = E (VCIP )
k
= 8 ( k − x ) p( x)dx
−
sendo que p ( x ) é a função densidade de probabilidade normal.
Utilizando as informações do engenheiro temos que:
k − 2300
veip = 8 300 N
300
= 475
sendo que N ( ) é a função de distribuição acumulada da normal.
O argumento de N ( ) é a distância em unidades de desvio-padrão do k para a média da
normal. Em estatística esta quantidade é conhecida como effect size. Quanto maior o
valor deste argumento, menor o veip . Logo, menor o veip , menos provável de haver
mudança de decisão (considerando todos os outros parâmetros fixos).
Podemos então calcular o lucro esperado em condição de certeza ( lec ):
lec = E ( L ) + veip
= 1.200 + 475
= 1.675
Portanto, o valor máximo que decisor pode pagar por este projeto (compra da máquina e
obtenção de informação adicional) é R$ 1.675,00.
Note que a expressão acima se assemelha com a soma do valor de um projeto estático
mais o valor de uma opção de compra (put) [Trigeorgis (1998)].
O valor de uma loteria pode ser exatamente representada pela média ponderada pelas
probabilidades subjetivas das utilidades dos resultados da loteria (Teorema Geral da
Redução). Isto nos leva à representação da utilidade da loteria como uma integral de
Lebesgue de uma função g ( x) = l ( x) na medida de probabilidade :
E l ( X ) l ( x) dP( x) valor da loteria
Esperança parcial
O domínio da integração é particionado no ponto k. Portanto, para g ( x ) = x :
28
E
(e)
( k ) = xdP( x)
−
E
(d )
( k ) = xdP( x)
k
E ( X ) , se X for contínua
Temos ainda que: E ( e ) ( k ) + E ( d ) ( k ) =
E ( X ) + kf (k ), se X for discreta
k
= ( k − x )dP( x)
−
L
(d )
= E max ( X − k ;0 )
= ( x − k )dP ( x )
k
Integrando os dois lados temos que:
L (k ) = L (k ) + k − E ( X )
(e) (d )
L ( k ) = E ( k ) − kG ( k )
(d ) (e)
Esta duas últimas equações são muito úteis na prática e as fórmulas para E ( e) ( k ) para as
principais distribuições estão desenvolvidas no capítulo 9 de Pratt et al. (1996).
1
Pela notação de Pratt et al. (1996) temos que:
veip = c N ( z ) = c LN ( − z ) = c z + LN ( − z ) = put
call = c LN ( z ) = c ( z ) − ( k − ) N ( z )
30
Comprar c(X-k)
não contratar clarividente
Não comprar 0
contratar clarividente
X>=k
Comprar c(X-k)
Não comprar 0
X<k
Comprar c(X-k)
veip = Pr ( X k ) E c ( X − k ) | X k − max E c ( X − k ) ;0
Aplicação
Inferência Estatística
Abordagem clássica
Pela abordagem clássica os parâmetros são constantes, i.e., não são variáveis aleatórias.
Temos então que toda incerteza está concentrada na amostra.
32
Estim ador
Função de
Am ostra
perda
L (x ); f x | dx
2
(x ) f x | dx
2
n
O resultado mostra que a perda esperada é a variância da média amostral. Demonstra-se
que este é o estimador com a mínima perda esperada ou função de risco.
Critério de admissibilidade
Uma regra de decisão X , que especifica uma ação a ser executada quando X é
observado, é admissível se não existe uma regra de decisão X tal que
L X ; L X ; para todo , com desigualdade estrita para pelo menos algum
.
Abordagem bayesiana
Pela abordagem bayesiana a incerteza também é considerada no parâmetro que passa a
ser variável aleatória. Portanto, pode-se calcular a perda esperada mesmo sem evidência
amostral.
Estim ador
Função de
Parâm etro
perda
Ep f X ; f X ; p d
Ef L X ; p d
L (x ); f x | p dxd
2
(x ) f x | p dxd
L (x ); g |x d f (x )dx
2
(x ) g |x d f (x )dx
= variância prévia
Sendo que p ( ) é a função de densidade de probabilidade prévia do parâmetro
populacional .
Critério de admissibilidade
Uma regra de decisão X , que especifica uma ação a ser executada quando X é
observado e p ( ) é dada, é admissível se não existe uma regra de decisão X tal que
Ep f X ; Ep f X ; para todo , com desigualdade estrita para pelo
menos algum .
Teorema de Wald: Toda regra de decisão admissível é uma regra de decisão de Bayes
para alguma distribuição prévia.
Exemplo: (Regra de decisão de Bayes para função de risco quadrática) Quando a função
de perda é quadrática, o risco de Bayes é minimizado pela escolha da média posterior,
qualquer que seja a distribuição prévia.
Quando uma informação amostral é obtida a distribuição do parâmetro pode ser
atualizada gerando a distribuição posterior g | X . A perda esperada deve ser calculada
da seguinte maneira:
Eg f X ; f X ; g |X d
Ef L X ; g |X d
L (x ); f x | g | x dxd
2
(x ) f x | g | x dxd
variância posterior
Logo, quando a função de perda é quadrática, i.e., a função de utilidade é quadrática, a
utilidade esperada é a variância, o valor esperado da informação imperfeita é a diferença
entre a perda esperada considerando a distribuição prévia e a perda esperada
considerando a distribuição posterior do parâmetro. Logo, o valor esperado da
informação imperfeita é positivo, pois a variância prévia é maior que a posterior.
Estamos diante de uma situação decisória com a presença da opção. A informação
amostral é um redutor de incerteza sobre a estimação do parâmetro e, consequentemente,
um redutor da perda esperada. Existe, portanto, a opção de obter informação adicional
para depois escolher o estimador do parâmetro populacional.
34
Parâme Função
Estimador de perda
tro
Sem
Informação
Amostral
Decisão
=lognormal ( ; 2 )
d
S
ds
2
E ( S ) = exp +
2
Var ( S ) = exp ( 2 + 2 ) exp ( 2 ) − 1
O valor condicionado da informação perfeita para uma opção de compra européia simples
ordinária sobre uma ação é dado por:
VCIP(c = 1; k ; X = S ) = max S − k ;0 .
Portanto, o valor esperado da informação perfeita ou o valor da opção de compra
européia simples ordinária sob a medida de probabilidade lognormal real ou subjetiva do
preço de uma ação é:
− ln k − ln k
veip ( max S − k ;0) = E ( S ) + − k
35
A equação anterior indica que o conceito de clarividência pode ser utilizado para formar
preço de opção envolvendo problemas complexos de investimento de capital ou para
formar preço de investimento em pesquisa e desenvolvimento como opções quando
restrições menos exigentes são mais apropriadas.
O conceito de clarividência permite a revisão seqüencial dos valores da opção por meio
da abordagem bayesiana no qual o aprendizado real pode ser incorporado ao modelo
utilizando os conceitos da teoria estatística da decisão relacionados com o valor da
informação.
Herath (1998, p. 132) conclui que a idéia de revisão da opção tem sido desprezada pela
literatura de Finanças.
A própria definição de opção do tipo européia simples ordinária leva ao conceito de
clarividência como componente mínima estrutural. A clarividência não elimina a
incerteza, mas apenas antecipa sua resolução. Desta forma, a incerteza sofre uma
translação temporal do futuro para o momento presente da decisão.
É importante frisar que o decisor ainda enfrenta a incerteza da informação do clarividente
que possui a mesma distribuição de probabilidade do fenômeno.
Portanto, o que ocorre é uma imitação perfeita da natureza por parte do clarividente antes
da natureza realmente atuar.
Note ainda que a clarividência altera os valores do domímio da variável de estado,
mantendo as probabilidades dos eventos. Portanto, a função de utilidade deve ser
empregada, pois a incerteza continua existindo (há ainda variação de valores do
domínio).
A revelação completa (clarividência) ou incompleta de informação difere
substancialmente do conceito de hedging (proteção contra flutuações). A operação de
hedging faz com que os retornos (payoffs) tornem-se todos iguais (seguro) ou possam ser
reproduzidos ao longo do tempo por carteira replicante. O hedging altera o ambiente de
exposição ao risco.
Logo, quando há hedging perfeito ou se supõe a existência do mundo com preço da
incerteza neutralizado, a medida de probabilidade subjetiva e a função de utilidade são
desnecessárias para o cálculo do valor da opção. Além disso, a taxa de desconto nesta
situação para o cálculo de valor presente ou futuro deve ser a taxa de juros certa. O
resultado mostra basicamente que o preço único e livre de arbitragem da opção européia
simples ordinária é composto pelo valor do tempo e valor de clarividência ou veip.
O valor do tempo é resultante da preferência temporal considerando a existência do
mundo com preço da incerteza neutralizado e é o valor presente utilizando a taxa de juros
certa do valor intrínseco da opção.
O valor de clarividência ou valor esperado da informação perfeita sob a medida de
probabilidade neutralizadora do preço da incerteza, i.e. veip , resulta da própria
definição do retorno da opção européia simples ordinária, i.e., da expressão de seu valor
intrínseco.
Herath (1998) segue a abordagem bayesiana de formação do preço da opção européia
simples ordinária sem levar em conta a condição de não-arbitragem. Por outro lado, ela
enfatiza a aplicação do conceito de clarividência (valor esperado da informação perfeita)
e do valor esperado da informação imperfeita na formação do preço do que ela designa de
quase-opção ou de opção real. Os conceitos de oportunidade de replicação e de revisão
seqüencial junto ao valor da informação proporcionam a criação de uma abordagem
37