Você está na página 1de 17

Stress Testing Utilizando A Metodologia Var-X: Uma Aplicação À Taxa De Câmbio De Paises Emergentes

Marcos Roberto Gois De Oliveira

UFPE

mrgois@hotmail.com

Charles Ulises De Montreuil Carmona DCA/PROPAD/UFPE carmona@ufpe.br

Área: Derivativos e Risco

Stress Testing utilizando a metodologia VaR-x: Uma Aplicação à Taxa de Câmbio de Paises Emergentes

Resumo

Este trabalho tem por objetivo examinar se a suposição de normalidade é adequada para o teste de stress dentro da metodologia VaR. Para tal fora formulado a metodologia stress VaR-x para acomodar caudas grossas normais a séries financeiras. Além do stress VaR-x foram utilizados para comparação o VaR normal e stress VaR usual. As séries utilizadas foram dados de taxa de câmbio de sete países emergentes que tiveram sob eventos de stress no período de janeiro 1999 a dezembro de 2003. Os resultados obtidos a 95% de significância mostraram que o modelo stress VaR-x é apenas marginalmente superior ao stress VaR. Já os resultados a 99% de significância não demonstraram superioridade de nenhum dos dois modelos de stress. Concluindo que a suposição de normalidade deve ser apropriada para o teste de stress.

PALAVRAS-CHAVE: Teste de Stress, Taxa de Câmbio; Value at Risk. JEL: F37, G15.

Abstract

This work has for objective to examine the normality supposition is adapted for the stress test of the methodology VaR. For such the methodology stress VaR-x had been formulated to accommodate normal thick tails to financial series. Besides the stress VaR-x were used for comparison normal VaR and usual stress VaR. The used series were given of rate of exchange of seven emergent countries that had under stress events in the period of January 1999 to December of 2003. The results obtained to 95% of significance showed that the model stress VaR-x is just apparently superior to the stress VaR. Already the results to 99% of significance didn't demonstrate superiority of none of the two stress models. Concluding that the normality supposition should be appropriate for the stress test.

KEY-WORDS: Stress Testing; Exchange Rate; Value at Risk. JEL: F37, G15.

1.

Introdução

O cálculo do Value-at- Risk (VaR) é determinado com base em uma distribuição de

probabilidade dos retornos esperados de uma carteira. Entretanto, as suposições feitas com relação à distribuição de probabilidade podem não ser validas em determinadas situações, como em choques econômicos. O procedimento de VaR utilizado para capturar o risco em tais situações é chamado de stress VaR; este modelo é o objeto de estudo da seção 2. O maior atrativo na utilização do teste stress VaR para mensurar o risco é que este permite incorporar cenários subjetivos à estrutura de VaR normal. A principal critica ao teste stress VaR são as suposições de normalidade que este assume, visto que este é derivado do VaR normal. Uma forma de contornar alguns problemas do pressuposto de normalidade, em particular as caudas grossas das distribuições de retorno das séries financeiras, é utilizar a distribuição t de student; esta metodologia é o objeto da subseção 3. Na realidade, integra-se a distribuição t de student no modelo stress VaR para formar o modelo stress VaR-x.

2. Referencial teórico

O VaR pode ser definido 1 de forma formal e matemática para um dado horizonte de tempo, um nível de significância α, considerando X como o retorno de uma série financeira e f(x) uma função de distribuição de probabilidade f(x) = Prob (X x) como:

VaR

α

(

X

)

=−

inf

{ x

f

(

x

) >

X}

(1)

O sinal negativo é relativo ao fato do VaR ser definido como a diferença entre o ponto

zero (para o VaR absoluto) e o valor da abscissa para o quantil especificado. As suposições sobre a distribuição determinam o que o modelo de VaR assume sobre a distribuição dos retornos da carteira, os lucros e perdas (L&P), especifica, ainda, o que o modelo

assume sobre a distribuição dos fatores de risco sobre os quais o valor da carteira está relacionado. Entre os modelos mais simples estão o VaR normal, ou o método da variância – covariância.

2.1 O método da variância – covariância

Este método é baseado na hipótese que os retornos são normalmente distribuídos. Dados históricos são normalmente usados para mensurar os parâmetros: média, desvio padrão, correlações. A distribuição é construída com estes parâmetros. Para a função normal padronizada, tem seus valores tabulados em livros e pode-se derivar o VaR. O VaR é assim:

VaR

=

VC Z

o

α

σ

(2)

onde α é o desvio normalizado para a significância selecionada, σ é o desvio padrão e VC o é o valor inicial da carteira, por exemplo, para α de 95% de significância, têm-se Z α de 1,65 2 .

1 Esta definição pode ser encontrada em Artzner et al (1999) e Kato (2004).

A mensuração do VaR para um único ativo, conforme a expressão (2) acima apresentada, é relativamente simples. Um pouco de dificuldade matemática e computacional surgem quando se calcula o VaR para grandes carteiras (supor N ativos), neste caso o retorno é dado por:

R

R

p , t

+

1

, +1

p t

N

=∑

i = 1

w

i , t

R

=

w R

t

t

+1

i , t

+

1

ou

(3)

Onde os pesos w i, t (w t na forma de vetor) são indexados ao tempo, a fim de caracterizar a natureza dinâmica das carteiras. Como o retorno das carteiras é uma combinação linear de variáveis normais, ele também será normalmente distribuído. Utilizando notação matricial, a variância da carteira será dada por:

σ

p t

,

+1

=

'

t

w

Σ

t

+ 1

w

t

Assim o VaR pode ser obtido por:

VaR

=

VC Z

o

α

w ' Σ w t t + 1 t
w
'
Σ
w
t
t
+ 1
t

(4)

(5)

Desta forma é possível acomodar uma grande quantidade de ativos, basta estimar a matriz de covariância Σ t+1 .

2.2 O método stress VaR

Supondo uma variação no valor da carteira dada pela equação (3) e o VaR normal calculado pela expressão (5). Utilizando um nível de significância de 95%, a estimativa de perda da carteira é dada por:

VaR

(95)

=−

1.65

VC

o

w ' Σ w t t + 1 t
w
'
Σ
w
t
t
+ 1
t

(6)

Pode-se incorporar o stress ao modelo (6), segundo Kupiec (1998), o teste de stress é o procedimento utilizado para quantificar perdas potenciais sob circunstâncias especiais.Uma forma simples de avaliar uma carteira sob uma situação de stress é aumentar o nível de confiança do VaR, para por exemplo 99%. Esta forma de calcular o VaR é caracterizada pelo fato de

submeter todos os fatores de risco a um patamar de stress; na prática, procura-se utilizar o stress VaR aplicado a apenas um, ou alguns choques, como choques nas taxas de juros, choques

Logo, o modelo mais útil será aquele que permita ao administrador de risco

especificar um ou mais eventos e gerar um conjunto de estatística que capture as correlações nos movimentos dos fatores de risco. Para permitir ao administrador de risco a flexibilidade na seleção e escolha de choques, Kupiec (1998) decompõe o vetor retorno de preços (3) em dois grupos: o primeiro é formado pelos fatores que representam e/ou que são afetados pelo choque, ou seja, o cenário de stress R 2t (um vetor (k x 1)), os fatores de risco que não pertencem ao cenário de stress R 1t (um vetor (N –

cambiais, etc

k x 1)). Se a matrix de covariância é dividida seguindo este raciocínio, então a distribuição de fatores de risco condicional pode ser escrita como:

R

1

t

R

2

t

~       

µ

1

µ

2

t

t

,  Σ 

 

Σ

11

21

t

t

Σ

Σ

12

22

t

t

 

   

(7)

Onde os retornos médios µ 1t e µ 1t são ambos zero sob as suposições padrões do VaR. Os pesos de cada ativos na carteira w, também podem ser particionado. Assim a expressão pode ser reescrita como:

R

t

=

[

w

1

t

w

2

t

]

R

 

1 t

.  

R

2

t

(8)

Pode-se expressar o conjunto dos fatores chaves para o cenário de stress como R 2 :

R

2

t

=

R

2

=

[

r , r ,

1

2

,

r

k

]

(9)

A magnitude dos valores de R 2 será um conjunto de acordo com os julgamentos do

administrador de risco baseado na análise dos fatores econômicos e informações que estão apresentados no histórico dos fatores de risco que se dispõe.

O método mais comum do stress VaR é fazer com R 1t = 0, e estimar as potenciais perdas

como W 2t R 2 . Uma forma para construir o cenário de stress é assumir que a matrix de covariância, Σ t , é inalterada no cálculo do VaR. A suposição que o retorno dos fatores de risco possuem uma função de distribuição normal multivariada permite que se calcule a distribuição de probabilidade dos fatores de risco fora do cenário de stress (R 1t ), condicional aos fatores em R 2 tomando os valores exogenamente. Sob esta ótica os fatores fora do cenário de stress são distribuídos como (Kupiec, 1998):

R

1 t

R

2

Onde

~ N

[

µ

c

,Σ

µ

c

1

=Σ Σ Σ

12

22

21

c

]

e

(

Σ =Σ −Σ Σ Σ

c

11

12

22

1

21

)

(10)

(11)

(12)

Sob esta suposição, o valor esperado do retorno da carteira é dado por:

E R

(

t

)

= [

w

1

t

w

2

t

]

.

µ

R

c

2

(13)

' w Σ w . t c t
'
w Σ
w
.
t
c
t

com um desvio padrão de

Logo, o VaR para um nível de significância de α, é obtido de:

stressVaR = w

2

t

R

2

+ w

1

t

µ

c

Z

α

w' Σ w t c t
w'
Σ w
t
c
t

2.3 O modelo stress VaR-x

(14)

Como já apresentado, a distribuição t de student promove uma alternativa viável à distribuição normal para minimizar os efeitos das caudas grossas. A redução da espessura da cauda da distribuição t de student é medida pelo índice λ, que reflete a velocidade com na qual a espessura da cauda da distribuição se aproxima de zero. Quanto menor o índice, maior é a cauda. Especificamente tratando-se da distribuição t de student, o índice λ é igual ao número de graus de liberdade. Huisman et al. (1998) demonstrou que os estimadores do VaR-x (stress VaR-x) obtidos da distribuição t de student capturam os risco de forma mais eficiente quando estes estão associados a retornos negativos. Seguindo a metodologia de Hill (1975), estima-se o λ via o seguinte algoritmo:

γ (

k

) =

1

k

k

(ln

j = 1

x

n

−+

l

1

ln

x

n

k

)

(15)

Onde γ é chamado de estimador de Hill e corresponde ao inverso de λ. k é o número de observações da cauda grossa, e x i é o enésimo incremento do retorno de ordem absoluta, ou seja,

x

i

x

.

i 1

Huisman (1998) modificou a metodologia de Hill, permitindo estimar via regressão γ em λ para amostras pequenas:

γ

(

K =β +β K +ε K

)

0

1

(

)

(K

= 1,

,

k)

(16)

Onde k é a metade do tamanho da amostra. O inverso do intercepto β 0 é um estimador não viesado de λ. O procedimento para a obtenção do stress VaR-x é o seguinte:

1. determinar o tamanho da amostra para n retornos negativos;

2. rankear os retornos absolutos em ordem crescente;

3. estimar o λ dos fatores de preço não estressados de acordo com as equações (15) e (16);

4. com o índice λ igual ao número de graus de liberdade , obter o valor critico S* da distribuição t de student (de acordo com o nível de significância);

5. como a distribuição t de student tem média zero e desvio padrão igual a (λ - 2)/ λ, converter a matrix de covariância da equação (11) via a seguinte expressão:

α

Σ

c

λ

= λ

2

Σ

c

(17)

6.

a etapa final é calcular o stress VaR como em (13), usando a seguinte expressão:

stressVaR

− =

x

w

2

t R

2

+

w

1

t

µ

c

S

*

α w ' Σ w t c t
α
w
'
Σ
w
t
c
t

(18)

3 A Análise dos Dados e Aspectos da Implementação dos Modelos

3.1. Os Dados

O teste de stress foi aplicado a uma carteira com taxas de câmbio de sete paises

emergentes, sendo quatro paises da América Latina, dois da Ásia e um da África, nesta carteira cada ativo constitui um fator de risco. Todos os paises escolhidos possuem o sistema de câmbio flutuante. Os paises utilizados foram: Brasil, México, Chile, Venezuela, Cingapura, Índia e África do Sul. Os valores diários das moedas em dólar americano foram obtidos junto ao Banco Central do Brasil, e as matrizes de correlação e covariância calculadas diretamente a partir destes dados. Os dados correspondem ao período de 04/01/1999 a 31/12/2003 o que equivale a 1256 dados.

A tabela 1 fornece as estatísticas básicas para as moedas de cada um dos países. Observe

um período de relativa baixa volatilidade 3 , o que indica período de relativa tranqüilidade, é verdade que no período citado ocorreu períodos de incerteza como a crise cambial de 1999 no Brasil, entretanto, como pode ser observado na tabela, tal efeito não teve uma grande repercussão nos outros países analisados e tão pouco nos 5 anos de análise. Em todas as moedas foram observadas altas curtoses e assimetria, sugerindo que as duas caudas são grossas e diferentes entre si consideravelmente. Neste trabalho, o interesse reside

apenas na cauda esquerda, assim sendo, o índice λ também foi incluído na tabela 1. Tal índice mostra que a cauda esquerda é mais grossa que a da distribuição normal.

A figura 1 mostra o retorno de cada um dos ativos para o período em análise. Observa-se

que (como mostrado na tabela 1) a taxa de câmbio da Índia, do México, de Cingapura e do Chile mostram baixa volatilidade, enquanto que Brasil e África do Sul alta volatilidade. Um caso

especial é a Venezuela que apresentou fortíssima volatilidade no ano de 2002 e estabilidade no restante do período.

A análise é feita utilizando uma carteira cuja importância de cada ativo é idêntica e

mantida ao longo do período de análise, não sendo realizados ajustes, apenas representado as perdas e ganhos em cada período. A figura 2 mostra o retorno diário desta carteira. Observa-se um período de grande volatilidade do começo do ano de 2002 até meados de 2003.

3 O que nem sempre é verdade, basta verificar a volatilidade observada por Tan e Chan (2003) para alguns países asiáticos no período de abri de 1992 a janeiro de 1999.

Figura 1: Retorno para cada ativo Fonte: Elaboração própria a partir de dados do Banco

Figura 1: Retorno para cada ativo Fonte: Elaboração própria a partir de dados do Banco Central.

Tabela 1: Estatísticas básicas para a carteira.

 

Índia

África do Sul

Venezuela

México

Cingapura

Chile

Brasil

Media diária

0,00546

0,01507

0,09170

0,01516

0,00184

0,02087

0,07799

Mínimo

-1,03080

-10,44370

-16,87072

-2,73390

-1,33012

-3,14259

-8,93464

Maximo

1,23418

8,03020

21,87303

3,74240

1,46043

3,24456

10,07270

Volatilidade

             

diária

0,00025

0,01099

0,01835

0,00301

0,00076

0,00272

0,01451

Volatilidade

             

anual

0,00397

0,17440

0,29137

0,04771

0,01205

0,04320

0,23035

Desvio padrão

             

anual

0,25110

1,66386

2,15068

0,87031

0,43741

0,82818

1,91227

Assimetria

0,96610

-0,00059

2,56971

0,78934

0,07855

0,01461

0,51622

Curtose

18,18939

16,60910

95,64160

7,65448

4,83358

6,49393

16,30060

Índice λ

2,7348

2,1526

2,8037

2,8885

1,8228

3,2996

3,0969

Fonte: Elaboração própria a partir de dados do Banco Central.

Figura 2: Retorno diário da carteira. Fonte: Elaboração própria a partir de dados do Banco

Figura 2: Retorno diário da carteira. Fonte: Elaboração própria a partir de dados do Banco Central.

3.2 Eventos de stress e o teste de cenários de stress

A análise requer uma amostra de eventos sob stress. Kupiec (1998) identificou um cenário sob stress como a perda diária que ultrapassasse 3,5 vezes o desvio padrão diário, ou seja, aquele retorno de pelo menos um dos ativos da carteira que for inferior a media do retorno do ativo menos 3,5 o desvio padrão do ativo é considerado um evento sob stress. A escolha de 3,5, assim como em Kupiec (1998), é totalmente arbitraria. Para testar sob a hipótese de 99% de confiança para o VaR, utilizamos 2,33 no lugar de 3,5 (este para 95%). Neste trabalho adotou-se as duas situações, ou seja, duas linhas como critério para identificar os eventos sob stress. A tabela 2 mostra o teste com 95% de confiança e a tabela 3 o teste com 99% de confiança. Adotando estes critérios obteve-se 32 eventos sob stress quando o nível de confiança foi de 95%, em todos os eventos sob stress, apenas um fator de risco contribui para o stress, os país que mais teve ambientes de stress foi a Venezuela (8 eventos) seguida pela Índia (7 eventos). O período onde ocorreu um maior números de eventos sob stress foi o que compreendo 2002 e meados de 2003 (aproximadamente 50% dos eventos), como já era indicado pela alta volatilidade do período, em particular para a Venezuela. Comparando-se a figura 2 com a tabela 2, observa-se que os eventos de stress da Índia não coincidem com períodos de alta volatilidade para a carteira, o que indica que tais eventos não provocaram contaminação para os outros ativos, o não foi verdade para o período 2002 – 2003, onde Venezuela e Brasil tiveram forte impactos sobre a carteira.

Apesar do ser relativamente simples testar o modelo quando ocorre apenas um fator de

risco, Tay e Chan (2003) afirmam que situações com múltiplos eventos de stress são mais robustos, este fato motivou o teste com 99% de confiança por ser mais rigoroso.

A tabela 3 mostra 115 eventos sob stress, destes cinco apresentam stress em dois fatores

de risco, neste caso os países com eventos sob stress foram Chile (23 eventos) e a Índia (21 eventos). Já a Venezuela teve apenas 12 eventos sob stress 99%, reforçando o fato que os eventos sob stress desta moeda (tanto a 95 quanto a 99%) forma concentrados em um espaço de tempo reduzido. Também há uma concentração de eventos sob stress, neste caso um pouco mais abrangente, inclui meados de 2001 ate o fim de 2003 (mais de 70% dos casos). Neste período não há uma predominância de qualquer moeda sobre as demais. Mostrando que houve uma crise cambial que se propagou entre os paises emergentes em estudo.

4 Resultados e Análise

Os resultados detalhados estão apresentados nas tabelas 2 e 3. Para cada evento de stress as tabelas apresentam a(s) moeda(s) (país) sob stress, a data do evento de stress, o retorno da carteira, o VaR normal, o stress VaR e o stress VaR-x, para 95% na tabela 2 e 99% na tabela 3.

A tabela 1 mostra que o índice λ varia de 1,8228 a 3,2996 com média de 2,8839. Para

uma distribuição normal este índice tende a infinito, logo conclui-se que a carteira tem caudas

grossas. Tal fato indica que o modelo stress VaR-x deve apresentar uma performance superior ao stress VaR. Com 95% de confiança o VaR normal foi de aproximadamente –0,0059 e houve 37 perdas que superaram o VaR, indicando uma taxa de falha de 2,95%, demonstrando que o VaR normal está superdimensionado, de acordo com Kupiec (1995) e Jorion (1997) este valor está fora da região de aceitação a 5% de significância, mas na região de aceitação para um um teste com 10% de significância. Para 99% de confiança o VaR normal foi de -0,0083 aproximadamente, havendo 14 observações que ultrapassaram o VaR. O que indica uma proporção de falhas de 1,11%, estando bastante próximo de 1%. Já pelo teste de Kupiec (1995) tal número de falhas está na região de aceitação para 5% de significância.

Tabela 2: Resultados para o stress VaR, VaR normal e stress VaR-x para 95% de confiança.

Evento sob

         

stress

Data do evento

Retorno da carteira

VaR normal

Stress VaR

Stress VaR-x

México

15/1/1999

0,007990918

-0,00584794

-0,0098585

-0,007609244

Brasil

2/2/1999

-0,01242731

-0,00584794

-0,01971645

-0,017801931

Índia

1/3/1999

-0,001200429

-0,00584794

-0,00735665

-0,004966237

Brasil

5/3/1999

-0,008174964

-0,00584794

-0,0138896

-0,01197508

Índia

31/5/1999

-0,0029085

-0,00584794

-0,0076569

-0,005266493

Índia

12/5/2000

-0,00091354

-0,00584794

-0,00730102

-0,004910614

México

3/7/2000

-0,00340733

-0,00584794

-0,01170999

-0,009460734

Índia

25/8/2000

-0,001631579

-0,00584794

-0,00816581

-0,005775397

Índia

21/9/2000

-0,002263816

-0,00584794

-0,0076301

-0,005239686

Índia

15/5/2001

0,000455651

-0,00584794

-0,00782875

-0,005438341

Cingapura

2/8/2001

-0,003722089

-0,00584794

-0,00890967

-0,006548018

Chile

18/9/2001

-0,002648884

-0,00584794

-0,01409308

-0,011900314

Chile

13/11/2001

-0,004253463

-0,00584794

-0,01060988

-0,008417115

África do Sul

21/12/2001

-0,014182151

-0,00584794

-0,02318137

-0,021118333

África do Sul

7/1/2002

-0,003063449

-0,00584794

-0,01181982

-0,009756777

Venezuela

14/2/2002

-0,014747023

-0,00584794

-0,02106394

-0,019063603

Venezuela

26/2/2002

-0,011044561

-0,00584794

-0,01559073

-0,013590393

Venezuela

28/2/2002

-0,010043267

-0,00584794

-0,01233802

-0,010337678

Venezuela

17/4/2002

-0,009961787

-0,00584794

-0,0133499

-0,011349554

Venezuela

1/7/2002

-0,0154094

-0,00584794

-0,01855915

-0,016558809

Venezuela

10/7/2002

-0,006778408

-0,00584794

-0,01186588

-0,009865535

Brasil

2/8/2002

-0,014758938

-0,00584794

-0,02059356

-0,01867904

Brasil

7/8/2002

-0,009220815

-0,00584794

-0,01284529

-0,010930777

Brasil

8/8/2002

-0,00899441

-0,00584794

-0,01465541

-0,012740889

Chile

11/10/2002

-0,003210563

-0,00584794

-0,01065281

-0,008460048

Venezuela

9/1/2003

-0,006883816

-0,00584794

-0,01230832

-0,010307978

Venezuela

13/2/2003

-0,024022234

-0,00584794

-0,02939586

-0,027395514

África do Sul

5/5/2003

-0,003482415

-0,00584794

-0,01151227

-0,009449234

África do Sul

16/5/2003

-0,004817847

-0,00584794

-0,01149719

-0,009434153

Cingapura

22/9/2003

-0,008085759

-0,00584794

-0,0081617

-0,005800046

Índia

16/10/2003

0,000930425

-0,00584794

-0,00745997

-0,005069561

África do Sul

29/12/2003

-0,005154231

-0,00584794

-0,01148409

-0,009421049

Fonte: Elaboração própria.

Tabela 3: Resultados para o stress VaR, VaR normal e stress VaR-x para 99% de confiança.

Eventos

Data

Retorno

     

sob stress

do evento

da carteira

VaR normal

Stress VaR

Stress VaR-x

África do Sul, México

15/1/1999

0,007990918

-0,00827086

-0,015203318

-0,018709098

Brasil

2/2/1999

-0,01242731

-0,00827086

-0,021647006

-0,025119128

Índia

1/3/1999

-0,001200429

-0,00827086

-0,009767089

-0,014102282

Brasil

4/3/1999

-0,006046944

-0,00827086

-0,011739229

-0,015211351

Brasil

5/3/1999

-0,008174964

-0,00827086

-0,015820155

-0,019292277

Brasil

9/3/1999

-0,004765155

-0,00827086

-0,012490153

-0,015962275

Cingapura

15/3/1999

-0,002954083

-0,00827086

-0,010189168

-0,014472205

Cingapura

14/4/1999

-0,003535091

-0,00827086

-0,010071183

-0,01435422

Índia

28/5/1999

-0,000755324

-0,00827086

-0,009274348

-0,013609541

Índia

31/5/1999

-0,0029085

-0,00827086

-0,010067345

-0,014402538

México

4/6/1999

-0,004858462

-0,00827086

-0,011078911

-0,015158104

Cingapura

8/6/1999

0,001483332

-0,00827086

-0,009785184

-0,01406822

Índia

16/6/1999

-0,003850994

-0,00827086

-0,009276755

-0,013611948

Chile

22/6/1999

-0,004055346

-0,00827086

-0,012571961

-0,016548708

Índia

5/7/1999

-0,001496151

-0,00827086

-0,009222149

-0,013557342

Cingapura

26/7/1999

-0,000542641

-0,00827086

-0,009837291

-0,014120327

Brasil

23/8/1999

-0,005207567

-0,00827086

-0,013825438

-0,01729756

Cingapura

9/9/1999

-0,002475204

-0,00827086

-0,010328299

-0,014611336

Cingapura

5/10/1999

-4,05473E-05

-0,00827086

-0,009916274

-0,014199311

Índia

11/10/1999

0,001266752

-0,00827086

-0,009141232

-0,013476425

México

3/11/1999

-0,001054857

-0,00827086

-0,010849939

-0,014929131

Cingapura

8/3/2000

-3,13332E-05

-0,00827086

-0,009727545

-0,014010582

Índia

12/5/2000

-0,00091354

-0,00827086

-0,009711466

-0,014046659

México

3/7/2000

-0,00340733

-0,00827086

-0,013978087

-0,018057279

Índia

21/7/2000

-0,000641918

-0,00827086

-0,009338715

-0,013673908

Índia

21/8/2000

-0,00056806

-0,00827086

-0,009168312

-0,013503505

Índia

25/8/2000

-0,001631579

-0,00827086

-0,010576249

-0,014911442

Índia

21/9/2000

-0,002263816

-0,00827086

-0,010040538

-0,014375731

Cingapura

3/11/2000

0,001392734

-0,00827086

-0,010036688

-0,014319724

India

5/12/2000

-0,002369277

-0,00827086

-0,009101198

-0,013436391

México

2/1/2001

-0,00225724

-0,00827086

-0,010628448

-0,014707641

México

17/1/2001

-0,002203652

-0,00827086

-0,011085469

-0,015164662

África do Sul

8/3/2001

-0,003240189

-0,00827086

-0,011618318

-0,0153598

Índia

2/4/2001

0,002084526

-0,00827086

-0,009198594

-0,013533787

Índia

17/4/2001

0,001713107

-0,00827086

-0,009097201

-0,013432394

Índia

15/5/2001

0,000455651

-0,00827086

-0,010239193

-0,014574386

México

16/5/2001

-0,003379653

-0,00827086

-0,012031258

-0,01611045

Brasil

21/6/2001

-0,004996266

-0,00827086

-0,011591262

-0,015063384

Brasil

22/6/2001

-0,004557301

-0,00827086

-0,012210057

-0,015682179

México

16/7/2001

-0,000298004

-0,00827086

-0,011382845

-0,015462037

Chile

17/7/2001

-0,005298269

-0,00827086

-0,011089169

-0,015065916

Cingapura

26/7/2001

-0,002917759

-0,00827086

-0,009985713

-0,01426875

Cingapura

2/8/2001

-0,003722089

-0,00827086

-0,011291112

-0,015574148

Cingapura

9/8/2001

-0,003463451

-0,00827086

-0,00992022

-0,014203256

Cingapura

15/8/2001

-0,002175869

-0,00827086

-0,00972606

-0,014009097

Chile

17/8/2001

0,001874619

-0,00827086

-0,011264495

-0,015241242

Continuação da tabela 3:

Eventos

Data

Retorno

     

sob stress

do evento

da carteira

VaR normal

Stress VaR

Stress VaR_x

Chile

18/9/2001

-0,002648884

-0,00827086

-0,016304218

-0,020280965

México

8/10/2001

0,002285334

-0,00827086

-0,010781062

-0,014860254

Chile

11/10/2001

-0,003096515

-0,00827086

-0,010915258

-0,014892005

Chile

16/10/2001

0,001461737

-0,00827086

-0,011021652

-0,014998399

Chile

13/11/2001

-0,004253463

-0,00827086

-0,012821018

-0,016797765

Chile

4/12/2001

-0,001904559

-0,00827086

-0,011850352

-0,015827099

Chile

10/12/2001

-0,006565969

-0,00827086

-0,011064459

-0,015041206

África do Sul

21/12/2001

-0,014182151

-0,00827086

-0,025261701

-0,029003183

África do Sul

7/1/2002

-0,003063449

-0,00827086

-0,013900145

-0,017641627

África do Sul

23/1/2002

-0,002341623

-0,00827086

-0,012103909

-0,015845391

Chile

13/2/2002

0,025282994

-0,00827086

-0,012222298

-0,016199045

Venezuela

14/2/2002

-0,014747023

-0,00827086

-0,023081048

-0,026708821

Venezuela

26/2/2002

-0,011044561

-0,00827086

-0,017607838

-0,021235611

Venezuela

28/2/2002

-0,010043267

-0,00827086

-0,014355123

-0,017982896

África do Sul, Venezuela

4/3/2002

-0,012288833

-0,00827086

-0,016042852

-0,01896641

Venezuela

20/3/2002

-0,006689194

-0,00827086

-0,013270998

-0,016898771

Chile

27/3/2002

0,000731277

-0,00827086

-0,011804254

-0,015781001

Chile

5/4/2002

-0,003579354

-0,00827086

-0,012408793

-0,01638554

Venezuela

11/4/2002

-0,003728795

-0,00827086

-0,012631997

-0,01625977

Venezuela

17/4/2002

-0,009961787

-0,00827086

-0,015366999

-0,018994772

África do Sul

26/4/2002

-0,005986057

-0,00827086

-0,012024828

-0,01576631

África do Sul

18/6/2002

-0,001982865

-0,00827086

-0,012620837

-0,016362319

Chile

28/6/2002

-0,000714137

-0,00827086

-0,011272273

-0,01524902

África do Sul, Venezuela

1/7/2002

-0,0154094

-0,00827086

-0,023642871

-0,026566429

Venezuela

3/7/2002

-0,009105631

-0,00827086

-0,013466543

-0,017094316

Cingapura

8/7/2002

0,008167922

-0,00827086

-0,009671589

-0,013954626

Venezuela

10/7/2002

-0,006778408

-0,00827086

-0,01388298

-0,017510753

Brasil

1/8/2002

-0,005913288

-0,00827086

-0,01184384

-0,015315962

Brasil

2/8/2002

-0,014758938

-0,00827086

-0,022524115

-0,025996237

Brasil

7/8/2002

-0,009220815

-0,00827086

-0,014775853

-0,018247975

Brasil

8/8/2002

-0,00899441

-0,00827086

-0,016585964

-0,020058086

África do Sul

27/8/2002

0,000271443

-0,00827086

-0,011328823

-0,015070305

Brasil

30/8/2002

-0,005837163

-0,00827086

-0,012390361

-0,015862483

Brasil

1/10/2002

-0,0070383

-0,00827086

-0,013375919

-0,016848041

Brasil

2/10/2002

-0,005388161

-0,00827086

-0,013877563

-0,017349686

Chile

11/10/2002

-0,003210563

-0,00827086

-0,012863952

-0,016840699

Cingapura

16/10/2002

-0,003982334

-0,00827086

-0,009829742

-0,014112779

Cingapura

13/12/2002

-0,005527749

-0,00827086

-0,010086163

-0,0143692

Brasil

16/12/2002

-0,004109061

-0,00827086

-0,011480609

-0,014952731

África do Sul

18/12/2002

-0,008706547

-0,00827086

-0,011456787

-0,015198269

Brasil

6/1/2003

-0,003837385

-0,00827086

-0,011904661

-0,015376783

Venezuela

9/1/2003

-0,006883816

-0,00827086

-0,014325423

-0,017953196

África do Sul

23/1/2003

-0,005756363

-0,00827086

-0,011613846

-0,015355328

Índia

28/1/2003

-0,000449413

-0,00827086

-0,009079104

-0,013414297

Índia

30/1/2003

-0,002355507

-0,00827086

-0,009409718

-0,013744911

Continuação da tabela 3:

Eventos

Data

Retorno

     

sob stress

do evento

da carteira

VaR normal

Stress VaR

Stress VaR_x

Venezuela

13/2/2003

-0,024022234

-0,00827086

-0,031412959

-0,035040731

Índia

27/2/2003

-0,003662698

-0,00827086

-0,009272996

-0,013608189

México

11/3/2003

-0,00346201

-0,00827086

-0,010977842

-0,015057035

Chile

13/3/2003

-0,001325106

-0,00827086

-0,012414736

-0,016391483

México

17/3/2003

0,001892991

-0,00827086

-0,010732019

-0,014811212

Chile

21/3/2003

-0,002980243

-0,00827086

-0,012051089

-0,016027836

África do Sul, Cingapura

5/5/2003

-0,003482415

-0,00827086

-0,014628957

-0,018336248

Cingapura

6/5/2003

0,003556925

-0,00827086

-0,010334094

-0,01461713

África do Sul

16/5/2003

-0,004817847

-0,00827086

-0,013577521

-0,017319003

Índia

3/6/2003

-0,000335983

-0,00827086

-0,009192433

-0,013527626

África do Sul

5/6/2003

-0,006645937

-0,00827086

-0,012843761

-0,016585242

Chile

10/9/2003

-0,005742376

-0,00827086

-0,010889575

-0,014866322

Chile, Cingapura

22/9/2003

-0,008085759

-0,00827086

-0,013774942

-0,017674329

África do Sul

30/9/2003

-0,004548213

-0,00827086

-0,01151111

-0,015252592

Índia

3/10/2003

0,001814622

-0,00827086

-0,009325822

-0,013661015

Chile

7/10/2003

-0,003987686

-0,00827086

-0,011756447

-0,015733194

Índia

16/10/2003

0,000930425

-0,00827086

-0,009870413

-0,014205606

Chile

7/11/2003

-0,003597922

-0,00827086

-0,012184471

-0,016161218

África do Sul

13/11/2003

-0,002736254

-0,00827086

-0,011402419

-0,015143901

Chile

14/11/2003

-0,001894926

-0,00827086

-0,011237727

-0,015214474

África do Sul

18/11/2003

-0,002032589

-0,00827086

-0,01177654

-0,015518022

Chile

24/11/2003

0,000388814

-0,00827086

-0,010911801

-0,014888548

Chile

3/12/2003

-0,006359482

-0,00827086

-0,012228657

-0,016205404

África do Sul

29/12/2003

-0,005154231

-0,00827086

-0,013564417

-0,017305899

Fonte: Elaboração própria.

A tabela 4 a seguir apresenta um resumo das falhas para os modelos nas situações de

stress. Para 95% de confiança, de acordo com proporção de falhas e para 32 eventos de stress o

VaR normal só foi capaz de capturar 17 falhas, ou seja 53,1% dos eventos não foram capturados

pelo modelo. Já o stress VaR capturou todas as falhas e o stress VaR-x 31 falhas, representando 3,1% de falhas (apenas 1 falha foi superior ao stress VaR-x). A figura 2 faz a comparação gráfica entre os modelos e a perda (ganho) real.

Já para 99% de confiança, ainda de acordo com a tabela 4, para 115 eventos de stress o

VaR normal capturou 14 falhas, ou seja 12,2% dos eventos foram capturados pelo modelo, o que representa uma piora em relação ao nível de confiança de 95%. Já o stress VaR e o stress VaR-x capturaram todas as falhas. A figura 4 faz a comparação gráfica entre os modelos e a perda (ganho) real. Como evidenciado na tabela 4 todos os modelos de stress apresentados foram capazes de cobrir todas as perdas sob stress com o stress VaR (95%) e (99%) e stress VaR-x (99%) e 96,9% das perdas com o stress VaR-x (95%).

Tabela 4: Resumo da análise de falhas.

 

Stress VaR

Stress VaR-x

VaR normal

Stress VaR

Stress VaR-x

VaR normal

(95%)

(95%)

(95%)

(99%)

(99%)

(99%)

Eventos sob stress

32

32 32

 

115

115

115

Número de falhas

0

1 15

 

0

0

14

Freqüência de falhas

0%

3,1%

46,9%

0%

0%

12,2%

Fonte: Elaboração própria.

46,9% 0% 0% 12,2% Fonte: Elaboração própria. Figura 2: comparação entre as perdas e os modelos

Figura 2: comparação entre as perdas e os modelos de VaR para 95% de confiança. Fonte: Elaboração própria.

Os resultados obtidos não permitem concluir que o modelo stress VaR-x é superior ou inferior ao stress VaR (apesar de se apresentar pior para 95% de confiança). Um fator limitante é a subjetividade do modelo, uma vez que a definição dos cenários de stress são feitos de acordo com escolhas subjetivas do administrador de risco. Entretanto tais modelos podem ser importantes para administradores de risco gerenciarem suas posições. Kupiec (1998) comparando carteiras diversificadas (ações, bonds e moedas estrangeiras) asiáticas encontrou apenas seis violações do stress VaR (95%) em 102 eventos sob stress, já Tan e Chan (2003) encontraram evidências de que o teste de stress VaR (padrão e o VaR-x) conseguiram reduções entre 6 e 20% no número de falhas para carteiras com moedas asiáticas. A comparação dos resultados do presente trabalhos mostram uma repetição do padrão de comportamento identificado em Kupiec (1998), mas não ocorre o mesmo com a carteira de moedas de Tan e Chan (2003). O que indica que o mercado de moedas dos paises emergentes estão mais sujeitos a eventos de stress e que tal análise pode ajudar na identificação das possíveis perdas sob cenários subjetivos, mais plausíveis, como crashes do mercado acionário, aumento na taxa de juros dos EUA, guerras, etc.

Figura 3: comparação entre as perdas e os modelos de VaR para 99% de confiança.

Figura 3: comparação entre as perdas e os modelos de VaR para 99% de confiança. Fonte: Elaboração própria.

5

Conclusão

Há uma preocupação natural dos analistas financeiros com a acurácia dos modelos de VaR normal quando estes utilizam carteiras com distribuições que apresentam caudas grossas. O problema surge do fato que nestas carteiras as perdas extremas irão ocorrer com uma freqüência maior do que o VaR normal é capaz de predizer. Isto é particularmente preocupante quando se utiliza o teste stress VaR que avalia as perdas potenciais em situações de stress mas se baseiam na distribuição normal dos retornos. Neste trabalho utilizou-se uma extensão do stress VaR, o stress VaR-x que acomoda as caudas grossas. Foi testado a eficiência dos modelos stress VaR e stress VaR-x em comparação entre si. A conclusão obtida é que o modelo stress VaR-x não é superior ao stress VaR mostrando que o stress VaR continua sendo uma boa ferramenta na análise de cenários de stress. Mesmo sabendo que a covariância condicional pode não ser estável em muito ambientes sob stress, os resultados sugerem que os modelos baseados na covariância dos fatores de risco detêm informações razoáveis para construir ambientes de mercado sob stress.

Referencias bibliográficas

ARTZNER, P., F. DELBAEN, J. M. ELBER, e D. HEART. “Coherent Measures of Risk” Mathematical Finance 9, p. 203-229, 1999.

BEDER, T. S. “VaR: Seductive but Dangerous”, Financial Analysts Journal, p. 12-24, set./out.,

1995.

BEZERRA, F. L. O. “Avaliação da Estimativa de Risco do Mercado pela Metodologia Value at Risk (VaR) com Simulação de Monte Carlo”. Dissertação de Mestrado em Administração, UFPE,

2001.

JORION, P. “Value at Risk: a Nova Fonte de Referência para o Controle do Risco de Mercado”. São Paulo: BM&F, 1997.

HILL, B., “A simple approach to inference about the tail of a distribution”. Annals of Mathematical Statistics, 1163-1174, 1975.

HUISMANN, R., KOEDIJK, K. G., POWNALL, R. A. J., “VaR-x: fats tails in financial risk management”. Journal of risk 1, 47-61, 1998.

KATO, F. H.; The Super and Subestimation of Risk and Other Problems with Risk MeasuresEm http://www.gloriamundi.org/resultsauthor.asp?Author1name=Kato,%20 Fernando%20H., 2004.

KHINDANOVA, I. e ROCHEV, S. “Value at Risk: Recent Advances.” Handbook on Analytic- Computational Methods in Applied Mathematics, CRC Press LLC, 2000.

KUPIEC, P. “Techniques for Verifying the Accuracy of Measurements Models”. Journal of Derivatives, v. 2, p. 73-84, dez. 1995.

KUPIEC, P. “Stress testing in a Value at Risk framework”. Journal of Derivatives, v. 6, p. 7-24,

1998.

OLIVEIRA, M. R. G. “Gerenciamento do Risco de Mercado Baseado no Value at Risk Estático e Dinâmico para Carteiras de Ações e Opções Negociadas na Bovespa”, Tese de Doutorado em Economia, UFPE, 2005.

Site Banco Central do Brasil: http://www.bacen.com.br/

TAN, K, CHAN, I. “Stress testing using VaR approach – a case for Asian Currencies”. Journal of International Financial Markets, Institutions & Money, v. 13, p. 39-55, 2003.