Administração E Economia: "Precificação de Opções de Câmbio Usando Volatilidade Implícita para O Mercado Brasileiro"

FACULDADE DE ECONOMIA E FINANÇAS IBMEC
PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM

ADMINISTRAÇÃO E ECONOMIA
DISSERTAÇÃO DE MESTRADO
PROFISSIONALIZANTE EM ECONOMIA
“PRECIFICAÇÃO DE OPÇÕES DE CÂMBIO

USANDO VOLATILIDADE IMPLÍCITA PARA
O MERCADO BRASILEIRO”
MARCOS DE CASTRO LOPEZ
ORIENTADOR: PROF. DR. RODRIGO NOVINSKI
Rio de Janeiro, 26 de fevereiro de 2013.

“PRECIFICAÇÃO DE OPÇÕES DE CÂMBIO USANDO VOLATILIDADE
IMPLÍCITA PARA O MERCADO BRASILEIRO”
Dissertação apresentada ao curso de

Mestrado Profissionalizante em Economia
como requisito parcial para obtenção do
Grau de Mestre em Economia.
Área de Concentração: Finanças &
Controladoria.
ORIENTADOR: RODRIGO NOVINSKI

“PRECIFICAÇÃO DE OPÇÕES DE CÂMBIO USANDO VOLATILIDADE
IMPLÍCITA PARA O MERCADO BRASILEIRO”
Dissertação apresentada ao curso de

Mestrado Profissionalizante em Economia
como requisito parcial para obtenção do
Grau de Mestre em Economia.
Área de Concentração: Finanças &
Controladoria.
Avaliação:
BANCA EXAMINADORA:
_____________________________________________________
Professor Dr. RODRIGO NOVINSKI (Orientador)

Instituição: Faculdades IBMEC
_____________________________________________________
Professor Dr. JOSÉ VALENTIM MACHADO VICENTE

Instituição: Faculdades IBMEC
_____________________________________________________
Professor Dr. MAX OLIVEIRA DE SOUZA

Instituição: Universidade Federal Fluminense

FICHA CATALOGRÁFICA
Prezado aluno (a),
Por favor, envie os dados abaixo assim que estiver com a versão definitiva, ou seja, quando não faltar mais
nenhuma alteração a ser feita para o e-mail biblioteca.rj@ibmecrj.br, colocando no assunto:
FICHA CATALOGRÁFICA - MESTRADO.
Enviaremos a ficha catalográfica o mais breve possível para o seu e-mail (se possível em até 72 horas).
1) Nome completo;
2) Título e subtítulo (se houver e separados);
3) Ano da defesa;
4) Área de concentração:
5) Assunto principal (contextualizado);
6) Assuntos secundários;
7) Palavras-chave, e
8) Resumo (se possível)
9) Curso (Mestrado profissionalizante em ...)
Ou envie os anexos contendo a página de rosto e a do resumo, além da área de concentração.

DEDICATÓRIA
Ao meu pai, José Manoel Cortiñas Lopez, e à minha mãe,

Rosângela de Castro Lopez, pelo constante incentivo aos
meus estudos.
v
AGRADECIMENTOS
Agradeço ao meu orientador, Professor Dr. Rodrigo Novinski, pelo apoio, pela orientação
dedicada e pela confiança depositada em meu trabalho.
Agradeço aos meus pais e irmãos, pelo constante apoio e incentivo e agradeço especialmente
à minha namorada, Natália Teixeira Fernandes, pela paciência e compreensão.
Agradeço aos meus colegas do BNDES pelas dicas, sugestões e debates sobre o tema do
trabalho, em especial ao Leonardo Pereira Rodrigues dos Santos.
Agradeço à Banca Examinadora, composta pelo Professor Dr. José Valentim Machado
Vicente e pelo Professor Dr. Max Oliveira de Souza, pelos comentários e sugestões.
vi
RESUMO
A proposta deste trabalho é aplicar o método de obtenção de preço de não-arbitragem, usando
uma árvore binomial de volatilidade implícita, para diversas opções de dólar. Esta árvore
binomial de volatilidade implícita utiliza as volatilidades observadas nas negociações da
BM&FBOVESPA como informação para a estimação das possíveis trajetórias da taxa de
câmbio entre dólar e real. Para alcançar esse objetivo, foi desenvolvida uma planilha de
cálculo que pudesse estimar o preço de diversas estratégias de proteção cambial, usando a
metodologia proposta.
Palavras Chave: Opções de dólar. Fórmula de Black & Scholes. Árvore binomial de
volatilidade implícita.
vii
ABSTRACT
The purpose of this paper is to apply the method of obtaining a no-arbitrage premium using an
implied volatility binomial tree for different FX options. This implied volatility binomial tree
uses volatilities traded at BM&FBOVESPA as input for estimating the possible trajectories of
the exchange rate between dollar and real. In order to fulfill this goal, it was developed a
spreadsheet that could estimate the premium of various hedging strategies using the proposed
methodology.
Key Words: FX options. Black & Scholes formula. The implied volatility binomial tree.
viii
LISTA DE FIGURAS
Figura 1 – Exemplo de superfície de volatilidade de opção de dólar no mercado brasileiro. .. 11

Figura 2 – Árvore binomial padrão para o preço de uma ação com volatilidade constante de
10% a.a., taxa de juros livre de risco constante de 3% a.a. e intervalo em anos –
conforme Derman e Kani (1994). ..................................................................................... 17
Figura 3 – Exemplo de árvore binomial de volatilidade implícita para o preço de uma ação –
os parâmetros para a construção dessa árvore estão detalhados em Derman e Kani
(1994). .............................................................................................................................. 17
Figura 4 – Parâmetros para a construção de uma árvore binomial de volatilidade implícita. .. 18
Figura 5 – Fragmento de uma árvore binomial de volatilidade implícita. ............................... 19
Figura 6 – Ilustração de probabilidades de transição erradas na árvore binomial.................... 26
Figura 7 – Processo de cálculo de uma opção de venda europeia usando modelo binomial. .. 28
Figura 8 – Resultado de trava de baixa cambial para dados de mercado de 31/07/2012. ........ 46
Figura 9 – Resultado de estratégia short condor para dados de mercado de 31/07/2012. ....... 47
Figura 10 – Histograma do payoffs líquido do prêmio de uma put asiática para dados de
31/07/2012. ....................................................................................................................... 48
Figura 11 – Distribuição do erro relativo do preço estimado pelo Modelo de Árvore Binomial
de Volatilidade Implícita em relação ao preço de mercado, para opções de dólar
negociadas na BM&FBOVESPA. .................................................................................... 50
Figura 12 – Distribuição do erro relativo do preço estimado pelo Modelo Binomial original
em relação ao preço de mercado, para opções de dólar negociadas na BM&FBOVESPA.
.......................................................................................................................................... 50
Figura 13 – Distribuição do erro relativo do preço estimado pelo Modelo de GARMAN e
KOHLHAGEN (1983) em relação ao preço de mercado, para opções de dólar negociadas
na BM&FBOVESPA........................................................................................................ 51
ix
Figura 14 – Distribuição do erro relativo do preço estimado pelo Modelo de Árvore Binomial
de Volatilidade Implícita em relação ao preço de mercado, para estratégias de trava de
baixa. ................................................................................................................................ 54
Figura 15 – Distribuição do erro relativo do preço estimado pelo Modelo de de GARMAN e
KOHLHAGEN (1983) em relação ao preço de mercado, para estratégias de trava de
baixa. ................................................................................................................................ 54
Figura 16 – Série histórica das exportações brasileiras, base mensal em US$ milhões. .......... 71
Figura 17 – Série do índice de preço de commodities (s/ combustível) de 2003 a 2012. ......... 71
Figura 18 – Taxa de câmbio livre para venda (R$ / US$). ....................................................... 72
Figura 19 – Comparação entre a série mensal de exportação brasileira total e a série mensal de
exportação de bens manufaturados (em US$ milhões). ................................................... 74
Figura 20 – Resposta impulso acumulada da participação de bens de maior valor agregado nas
exportações brasileiras após uma valorização do dólar frente ao real. ............................. 75
Figura 21 – Resposta impulso entre câmbio e demais variáveis de mercado. ......................... 76
Figura 22 – Série histórica mensal do volume de concessão de ACC (US$ milhões). ............ 78
Figura 23 – Comparação entre a série histórica mensal do volume de concessão de ACC
filtrada da tendência e o volume de concessão do BNDES Exim (US$ milhões). .......... 78
x
LISTA DE TABELAS
Tabela 1 – Fórmulas para letras gregas usando o modelo de Garman e Kohlhagen (1983).....13
Tabela 2 – Opções negociadas na BM&FBOVESPA em 31 de julho de 2012........................36
Tabela 3 – Superfície de volatilidade de dólar em 9 de novembro de 2012.............................37
Tabela 4 – Dados da planilha de cálculo de prêmio de opção de dólar em 31/07/2012...........39
Tabela 5 – Regressão do valor C(t)-P(t) sobre o valor S(t)-K.B(t,T).......................................43
Tabela 6 – Estatística descritiva da série da diferença relativa (percentual) entre C(t)-P(t) e
S(t)-K.B(t,T)..............................................................................................................................43
Tabela 7 – Correlação entre câmbio e demais variáveis de mercado.......................................76
Tabela 8 – Correlação da concessão do BNDES Exim pelo ACC sem tendência....................79
xi
LISTA DE ABREVIATURAS
ABIMAQ Associação Brasileira de Máquinas e Equipamentos.
ACC Adiantamentos sobre Contratos de Câmbio.
BACEN Banco Central do Brasil.
BNDES Banco Nacional do Desenvolvimento Econômico e Social.
BM&FBOVESPA Bolsa de Valores, Mercadorias e Futuros S.A.
CDI Certificado de Depósito Interbancário.
CETIP Central de Custódia e Liquidação de Títulos.
CNI Confederação Nacional da Indústria.
DI-Over Taxa média das operações transacionadas num único dia, através de
Certificados de Depósitos Interbancários (CDI), com vencimento de um
dia útil.
DDI Contrato Futuro de Cupom Cambial.
EWMA Exponentially Weighted Moving Average.
FMI Fundo Monetário Internacional.
FRA Forward Rate Agreement.
GARCH Generalized Autoregressive Conditional Heteroskedasticity.
IPCA Índice de Preços ao Consumidor Ampliado.
MDIC Ministério do Desenvolvimento, Indústria e Comércio Exterior.
xii
NCM Nomenclatura Comum do MERCOSUL.
PROEX Programa de Financiamento das Exportações.
PTAX Taxa de câmbio média calculada através das operações à vista de
compra e venda de dólares dos Estados Unidos da América durante o
dia de negociação e divulagada pelo BACEN.
SV Stochastic Volatility.
VAR Vetor Auto Regressivo.
VBA Visual Basic Applications.
VECM Vector Error Correction Model.
VTC Operações Estruturadas de Volatilidade de Taxa de Câmbio.
xiii
LISTA DE SÍMBOLOS
∆ Delta.
θ Teta.
Γ Gama.
Λ Vega.
ρ Rô.
S Preço do ativo objeto.
σ Volatilidade dos retornos do ativo objeto.
r e/ou i Taxa de juros livre de risco doméstica.
rf e/ou if Taxa de juros livre de risco estrangeira.
T Prazo de vencimento da opção.
K e/ou X Preço de exercício da opção (strike).
c(S, K, T, r, rf, σ) Preço da opção de compra (call).
p(S, K, T, r, rf, σ) Preço da opção de venda (put).
N(x) Função de probabilidade acumulada de uma normal padronizada.
xiv
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................... 1
2 OS MODELOS ORIGINAIS E A VOLATILIDADE IMPLÍCITA ............................ 3

2.1 O MODELO DE BLACK - SCHOLES - MERTON ........................................................................... 5
2.1.1 O Modelo de Black - Scholes - Merton com Dividendos ..................................................................... 7
2.2 O MODELO DE GARMAN E KOHLHAGEN ................................................................................... 8
2.3 VOLATILIDADE IMPLÍCITA DE OPÇÕES DE CÂMBIO........................................................... 10
2.4 SENSIBILIDADES DE UMA OPÇÃO ............................................................................................... 12
3 ÁRVORE DE VOLATILIDADE IMPLÍCITA........................................................ 14

3.1 CONSTRUINDO UMA ÁRVORE DE VOLATILIDADE IMPLÍCITA ......................................... 18
3.2 PREÇOS DE ARROW-DEBREU E PROBABILIDADES CALCULADAS ERRADAS .............. 24
3.3 PRECIFICAÇÃO DE OPÇÕES NÃO NEGOCIADAS .................................................................... 27
4 METODOLOGIA APLICADA AO MERCADO BRASILEIRO DE CÂMBIO ...... 30
4.1 OBTENÇÃO DAS VARIÁVEIS DE MERCADO ............................................................................. 31
4.2 OBTENÇÃO DA SUPERFÍCIE DE VOLATILIDADE IMPLÍCITA............................................. 35
4.3 CÁLCULO DA ÁRVORE BINOMIAL DE VOLATILIDADE IMPLÍCITA ................................ 38
4.4 PRECIFICAÇÃO DE OPÇÕES DE DÓLAR NÃO NEGOCIADAS .............................................. 40
4.5 VALIDADE DA PARIDADE PUT-CALL .......................................................................................... 41
5 RESULTADOS .................................................................................................. 45
5.1 ESTRATÉGIAS DE HEDGE CAMBIAL .......................................................................................... 45
5.2 COMPARAÇÃO ENTRE MODELO DE VOLATILIDADE IMPLÍCITA, O MODELO

BINOMIAL ORIGINAL E A FÓRMULA DE BLACK & SCHOLES .......................................................... 49
xv
6 CONCLUSÃO .................................................................................................... 56
APÊNDICE A – DADOS E PARÂMETROS UTILIZADOS ....................................... 62
APÊNDICE B – ESTUDO DE CASO PARA AS EXPORTAÇÕES BRASILEIRAS . 70
APÊNDICE C – CÓDIGOS EM VBA ........................................................................ 80
xvi
1 INTRODUÇÃO
Esse trabalho de dissertação visa estudar alternativas de proteção contra a volatilidade do
câmbio, de forma a melhorar a previsibilidade das receitas das empresas brasileiras e, com
isso, induzir o investimento e a produção, que, muitas vezes, possuem um ciclo de maturação
longo e estão mais sujeitas aos riscos cambiais.
Assim, o principal objetivo será precificar qualquer tipo de hedge cambial, através de um
modelo que utiliza a volatilidade implícita obtida das opções disponíveis no mercado.
Pretende-se, assim, avaliar a possibilidade de utilizar diferentes estratégias de proteção
cambial em operações de médio prazo, a partir de um conjunto de opções de dólar, com o
máximo controle possível dos riscos envolvidos.
O trabalho será composto por dois capítulos que descrevem a teoria e os modelos
aplicados, um sobre volatilidade implícita, com foco em opções de moedas, e outro sobre a
construção de árvores binomiais de volatilidade implícita. Em seguida, será apresentada a
metodologia aplicada ao mercado brasileiro, com a construção de uma planilha de cálculo de
preços de opções de dólar em função dos dados das negociações divulgadas pela
BM&FBOVESPA1. Adicionalmente, serão destacados os resultados encontrados, com
destaque para as possíveis estratégias de proteção cambial que poderão ser apreçadas pela
1
BM&FBOVESPA - Bolsa de Valores, Mercadorias e Futuros de São Paulo é a bolsa oficial brasileira e uma
das maiores do mundo em valor de mercado.
1
planilha de cálculo desenvolvida, além de uma comparação entre os preços de opções e
estratégias de proteção cambial, obtidos através do modelo proposto, os modelos tradicionais
e os preços de mercado disponíveis. Por fim, uma conclusão será feita, com a análise desses
resultados e uma crítica sobre a aplicabilidade do modelo.
2
2 OS MODELOS ORIGINAIS E A VOLATILIDADE IMPLÍCITA
Em teoria de finanças, volatilidade é uma variável que mostra a intensidade e a
frequência das oscilações nas cotações de um ativo financeiro, considerado um determinado
período de tempo. Esta variável é um dos parâmetros mais utilizados como forma de mensurar
risco de um ativo financeiro e, por isso, também é muito usada como variável explicativa em
modelos de precificação dos ativos financeiros. Nesse sentido, BOLLERSLEV, CHOU e
KRONER (1992) afirmam que a “volatilidade é uma chave que permeia a maioria dos
instrumentos financeiros e que exerce um papel central em diversas áreas de finanças”.
A estimação da volatilidade de um ativo tem sido objeto de diversos estudos acadêmicos
em finanças, como por exemplo, LEWIS (2000), RITCHKEN e TREVOR (1999) e HANSEN
e LUNDE (2005). O objetivo desses modelos é descrever corretamente o comportamento
dessa variável, permitindo alguma previsibilidade.
Alguns modelos se baseiam na análise histórica dos retornos dos ativos. Nesses casos,
entende-se que as informações do passado são capazes de gerar uma boa expectativa sobre o
comportamento da volatilidade no futuro. Os modelos de Volatilidade Histórica estimam a
volatilidade de um ativo através dos desvios dos retornos desse ativo em relação a sua média,
num dado período de tempo. Esses modelos podem ser ponderados de tal forma a considerar
os dados mais recentes como mais relevantes, como por exemplo, o modelo EWMA.
3
Outro modelo bastante difundido e que utiliza dados históricos é o GARCH. Trata-se de
um modelo autorregressivo mais genérico do que o EWMA, no qual a variância de um ativo
possui uma média de longo prazo, varia com o retorno ao quadrado desse ativo e com a
própria variância desse ativo no passado.
Uma alternativa à abordagem que utiliza dados históricos seria a utilização da
Volatilidade Implícita, que, por sua vez, parte dos preços de derivativos financeiros para
estimar a expectativa de mercado sobre a volatilidade futura. Muitos estudos concluem que
esse método contém maior conteúdo informativo que os demais (ver XU e TAYLOR (1995);
JORION (1995); AMIN e NG (1997); ANDERSEN e BOLLERSLEV (1998); CAMPA,
CHANG e REIDER (1998); CHRISTENSEN e PRABHALA (1998); BERTUCCI (1999);
GWILYM (2001); ANDRADE e TABAK (2001)).
Atualmente, com a sofisticação do mercado financeiro, é possível inclusive negociar
diretamente a volatilidade de determinados ativos. A BM&FBOVESPA, por exemplo,
negocia, há alguns anos, a volatilidade de opções de dólar. Assim, a volatilidade, em alguns
vértices da superfície de volatilidade, pode ser obtida diretamente dos negócios em mercado,
ao invés de ser obtida empiricamente através da utilização de algum modelo de precificação
de opções.
Contudo, o modelo de avaliação do preço de opções, desenvolvido por BLACK e
SCHOLES (1973) e MERTON (1973), continua sendo referência para o mercado inferir a
volatilidade dos preços dos seus ativos subjacentes, tais como ações, índices, moedas,
commodities e taxas de juros. O sucesso deste modelo, segundo HULL (2011), pode estar
relacionado ao fato de apresentar como resultado final uma fórmula fechada – a fórmula de
Black & Scholes –. Dependendo do vértice da superfície de volatilidade desejado, muitas
4
vezes é necessário realizar uma interpolação da volatilidade implícita extraída de duas opções,
com vencimentos e preços de exercício próximos.
2.1 O MODELO DE BLACK - SCHOLES - MERTON
O modelo original desenvolvido por Black, Scholes e Merton pretendia calcular o preço
de não-arbitragem de uma opção europeia sobre uma ação subjacente, usando a técnica de
replicar o payoff dessa opção por um portfólio composto pela ação subjacente e um ativo livre
de risco, balanceados continuamente. Além disso, esse modelo considerava que as variações
percentuais no preço da ação subjacente, num período curto de tempo, seguiam uma
distribuição normal, ou seja, que o preço da ação subjacente seguia uma distribuição
lognormal. Entretanto, algumas hipóteses para a construção desse modelo original são
necessárias:
Assume-se ausência de arbitragens.
O preço do ativo objeto segue um movimento browniano geométrico com média e

volatilidade constante.
Vendas a descoberto são permitidas.
Não há custos de transações ou taxas.
Não há pagamentos de dividendos durante a existência do derivativo.
Transações podem ser realizadas continuamente.
A taxa de juros básica é constante e a mesma para todos os prazos de maturação.
Assim, a partir dessas considerações e usando técnicas como o Lema de Itô, Black,
Scholes e Merton obtiveram a seguinte equação diferencial2:
2
Essa equação diferencial pode ser reduzida à equação do calor e possui uma solução fechada.
5
∂f ∂f 1 2 2 ∂ 2 f
(2.1.1) +r⋅S ⋅ + ⋅σ ⋅ S ⋅ 2 = r ⋅ f
∂t ∂S 2 ∂S
Onde: S é o preço do ativo objeto (ação); t é o tempo; r é a taxa de juros doméstica livre de
risco; σ é a volatilidade dos retornos do ativo objeto; e f é o preço de uma opção de compra
europeia sobre o ativo objeto.
Resolvendo essa equação diferencial, derivou-se a fórmula para preços de opções
europeias de compra e de venda sobre uma ação que não paga dividendos, conforme BLACK
e SCHOLES (1973) e MERTON (1973):
(2.1.2) C ( S , K , T , r , σ ) = S 0 ⋅ N (d 1 ) − K ⋅ e − r ⋅T ⋅ N (d 2 )
(2.1.3) P( S , K , T , r , σ ) = K ⋅ e − r ⋅T ⋅ N (− d 2 ) − S 0 ⋅ N (− d 1 )
Onde:
S0 σ2
ln( ) + (r + ) ⋅T
d1 = K 2
(2.1.4)
σ⋅ T
S0 σ2
ln( ) + (r − ) ⋅T
d2 = K 2 = d1 − σ ⋅ T
(2.1.5)
σ⋅ T
Onde: C ( S , K , T , r , σ ) é o preço de uma opção de compra europeia sobre uma ação;
P ( S , K , T , r , σ ) é o preço de uma opção de venda europeia sobre uma ação; S 0 é o preço à
vista (spot) da ação subjacente; K é o preço de exercício da opção (strike); T é o prazo de
6
vencimento da opção; r é a taxa de juros livre de risco doméstica na maturidade T; e N(x) é a
função de probabilidade acumulada de uma variável normal padronizada.
Segundo essa fórmula, é possível calcular o preço de não-arbitragem de uma opção a
partir de cinco variáveis: (i) o preço do ativo subjacente à opção (ii) a taxa livre de risco
acessível aos investidores; (iii) o preço de exercício; (iv) o prazo até o vencimento e (v) a
volatilidade. Assim, dado o preço de mercado da opção, é possível estimar o valor da única
variável não observável – a volatilidade –.
2.1.1 O Modelo de Black - Scholes - Merton com Dividendos
A partir dessa primeira versão do modelo de Black, Scholes e Merton, foi desenvolvida
uma nova versão para relaxar a restrição de não haver pagamento de dividendos do ativo
objeto durante a existência do derivativo. Esse pagamento de dividendos pode ser estimado
como um valor fixo em uma determinada data ou como uma taxa de remuneração média
durante a existência do derivativo (dividend yield).
Segundo esse modelo, as opções europeias poderiam ser analisadas de tal forma que o
preço do ativo objeto fosse composto pela soma de duas componentes: (i) uma parcela
correspondente a soma dos dividendos conhecidos ou modelados durante a vida útil da opção
e (ii) uma parcela de risco dada pela variável aleatória do preço do ativo objeto. Essa parcela
composta pela soma dos dividendos, em qualquer instante, é o valor presente de todos os
dividendos calculados a partir de cada data de pagamento (ex-dividends date), ao longo da
vida útil da opção para a data presente, usando a taxa livre de risco de mercado. Na
maturidade da opção, os dividendos já teriam sido pagos e essa componente não existiria
mais.
7
Assim, a fórmula de Black & Scholes poderia ser usada se o preço do ativo objeto
considerado (S0) fosse apenas a componente de risco descriminada acima. Além disso, a
volatilidade (σ) usada na fórmula seria a do processo aleatório dessa mesma componente. Ou
seja, a fórmula de Black & Scholes pode ser usada desde que o preço do ativo objeto seja
subtraído do valor presente de todos os dividendos a serem pagos ao longo da vida útil da
opção. Abaixo, segue uma representação matemática dessa estratégia, considerando
dividendos pagos continuamente através de uma dividend yield (y) conhecida:
(2.1.1.1) C ( S , K , T , r , σ ) = S 0 ⋅ e − y⋅T ⋅ N ( d1 ) − K ⋅ e − r⋅T ⋅ N ( d 2 )
(2.1.1.2) P ( S , K , T , r , σ ) = K ⋅ e − r⋅T ⋅ N (− d 2 ) − S 0 ⋅ e − y⋅T ⋅ N (− d1 )
Onde:
S0 σ2
ln( ) + (r − y + ) ⋅ T
d1 = K 2
(2.1.1.3)
σ⋅ T
S0 σ2
ln( ) + (r − y − ) ⋅ T
(2.1.1.4) d2 = K 2 = d1 − σ ⋅ T
σ⋅ T
2.2 O MODELO DE GARMAN E KOHLHAGEN
Uma moeda estrangeira (taxa de câmbio), sendo ativo objeto de um derivativo, pode ser
interpretada como um ativo que paga dividendo com uma rentabilidade média conhecida
(dividend yield). Pode-se deduzir que o detentor de uma moeda estrangeira é remunerado pela
8
taxa livre de risco no país emissor dessa moeda, pois poderia usá-la para comprar títulos livres
de risco nesse país.
Assim, quando o ativo objeto é a taxa de câmbio, o modelo usado pelo mercado, proposto
por GARMAN e KOHLHAGEN (1983) como uma extensão do modelo de BLACK e
SCHOLES (1973), utiliza as seguintes fórmulas para precificar opções de compra e de venda
europeias:
C (S , K , T , r, σ ) = S0 ⋅ e −r ⋅T
⋅ N (d1 ) − K ⋅ e − r⋅T ⋅ N ( d 2 )
f
(2.2.1)
P ( S , K , T , r , σ ) = K ⋅ e − r⋅T ⋅ N (− d 2 ) − S 0 ⋅ e − r ⋅T
⋅ N ( − d1 )
f
(2.2.2)
Onde:
S0 σ2
ln( ) + (r − r f + ) ⋅ T
d1 = K 2
(2.2.3)
σ⋅ T
S0 σ2
ln( ) + (r − r f − ) ⋅ T
(2.2.4) d2 = K 2 = d1 − σ ⋅ T
σ⋅ T
Onde: S 0 é o preço à vista (spot) da taxa de câmbio subjacente; r f é a taxa de juros livre de
risco na moeda estrangeira na maturidade T; r é a taxa de juros livre de risco doméstica na
maturidade T; e σ é a volatilidade dos retornos da taxa de câmbio subjacente.
9
2.3 VOLATILIDADE IMPLÍCITA DE OPÇÕES DE CÂMBIO
A partir desses modelos, BLACK e SCHOLES (1973) ou GARMAN e KOHLHAGEN
(1983), é possível utilizar o preço de mercado da opção para estimar o único parâmetro da
fórmula que não é observável diretamente: a volatilidade. Para tanto, é necessário que os
derivativos relacionados sejam negociados em mercados razoavelmente líquidos, para que
esse parâmetro possa ser mensurado pelo modelo, que supõe ausência de arbitragem.
Por construção desses modelos, a volatilidade do preço do ativo objeto, como por
exemplo a taxa de câmbio, deveria ser um parâmetro fixo, dado pela trajetória do preço desse
ativo, que seguiria um movimento browniano geométrico. No entanto, os valores obtidos
empiricamente para a volatilidade, a partir dos preços de opções de mercado e usando as
fórmulas desses modelos, costumam variar de acordo com o preço de exercício e com o prazo
de vencimento das opções. Consequentemente, muitos estudos sobre a curva de volatilidade
implícita têm sido realizados no sentido de avaliar o comportamento da volatilidade implícita,
em função do preço de exercício e da maturidade da opção (ver JORION (1995); AMIN e NG
(1997); CHRISTENSEN e PRABHALA (1998)).
10
30,00%
25,00%
20,00%
Vol 15,00%
10,00%
5,00% 273
127 T
0,00%
1
99
90
75
63
50
37
25
10
1
Delta
Fonte: Elaboração própria usando dados disponíveis na BM&FBOVESPA
Figura 1 – Exemplo de superfície de volatilidade de opção de dólar no mercado brasileiro.
Ao analisar a estrutura da superfície de volatilidade, como o “smile” de volatilidade 3, os
estudos sobre a volatilidade implícita de opções foram se sofisticando e, além de testar a
eficiência dos modelos, passaram a desenvolver instrumentos de análise do comportamento
futuro dos preços dos ativos subjacentes, como por exemplo, verificado em CAMPA,
CHANG e REIDER (1998); CHRISTENSEN e PRABHALA (1998); GWILYM (2001); e
ANDRADE e TABAK (2001). Assim, com base nos preços de opções negociadas em
mercados de bolsa ou balcão, essas técnicas tentam descrever tanto a trajetória dos preços dos
ativos subjacentes quanto as possíveis distribuições de probabilidade dos seus valores, na data
3
Em finanças, o “smile” ou sorriso de volatilidade é um padrão observado no preço das opções negociadas em
mercado, no qual opções “at the money” (no dinheiro) tendem a ter menores volatilidades implícitas do que as
opções dentro ou fora-do-dinheiro. Uma superfície de volatilidade implícita é um gráfico que combina o sorriso
da volatilidade e estrutura a termo da volatilidade de forma consolidada para todas as opções de um ativo
subjacente.
11
de exercício. Essas análises são úteis, por exemplo, para a avaliação de derivativos exóticos,
para o gerenciamento de risco e para análises de expectativas em períodos de crise.
Por fim, ressalte-se que uma interpretação comum aos estudos sobre volatilidade
implícita é que os preços de mercado dos derivativos negociados contêm, além das
expectativas sobre o comportamento das variáveis que os compõem (incluindo a volatilidade
do ativo objeto), o risco associado a essas operações e a relação de oferta e demanda,
conforme observado em CHRISS (1997). Contudo, dependendo da utilização da volatilidade
estimada, como no exemplo citado - precificar outros derivativos não negociados em mercado
- pode ser até vantajoso considerar todos esses fatores conjuntamente que impactam o preço
de mercado dos derivativos negociados.
2.4 SENSIBILIDADES DE UMA OPÇÃO
As sensibilidades do preço das opções às variações nos fatores, conhecidas como as
“gregas”, também são importantes ferramentas na execução de operações envolvendo
volatilidade implícita. A seguir, são apresentadas as principais “letras gregas”:
 ∂C 
Delta  ∆ =  : sensibilidade do preço da opção em função do preço do ativo objeto;
 ∂S 
 ∂C 
Theta  Θ = −  : taxa de variação do valor da opção ao longo do tempo;
 ∂t 
 ∂ 2C 

Gamma  Γ = 
2  : taxa de variação no delta, com relação ao preço do ativo objeto;
 ∂S 
 ∂C 
Vega  Λ =  : sensibilidade do preço de uma opção em relação à volatilidade do ativo
 ∂σ 
objeto;
12
 ∂C 
Rho  ρ =  : sensibilidade do preço de uma opção em relação à taxa de juros.
 ∂r 
Para o modelo de GARMAN e KOHLHAGEN (1983), as principais sensibilidades são
calculadas conforme tabela abaixo:
Gregas: Opção de Compra (call) Opção de Venda (put)
e−r ⋅T
⋅ N (d1 ) e−r ⋅T
⋅ [N ( d1 ) − 1]
f f
Delta (∆)
N ' ( d1 ) ⋅ e − r ⋅T
f
Gamma (Γ)
S ⋅σ ⋅ T
S ⋅ T ⋅ N ' ( d1 ) ⋅ e − r ⋅T
f
Vega (Λ)
− S ⋅ T ⋅ e−r ⋅T
⋅ N ( d1 ) S ⋅ T ⋅ e −r ⋅T
⋅ N (−d1 )
f f
Rho (ρ)
Tabela 1 – Fórmulas para letras gregas usando o modelo de Garman e Kohlhagen (1983).
13
3 ÁRVORE DE VOLATILIDADE IMPLÍCITA
A motivação para o uso de uma árvore de volatilidade implícita, introduzida por
DERMAN e KANI (1994), decorre da possibilidade de se obter um modelo de precificação de
opções que efetivamente considere a real estrutura da superfície de volatilidade de um ativo
objeto, como por exemplo, o “smile” de volatilidade. Conforme mencionado anteriormente, o
modelo de BLACK e SCHOLES (1973) e o modelo de GARMAN e KOHLHAGEN (1983)
não são capazes de lidar com essas estruturas, uma vez que consideram, por definição, que o
ativo objeto segue um movimento browniano geométrico e consequentemente possui uma
volatilidade fixa.
Segundo Fischer Black, coautor do modelo de BLACK e SCHOLES (1973):
It is rare that the [theoretical] value of an option comes out exactly equal to the price at which it trades
on the exchange. (...) there are three reasons for a difference between the value and price: we may have
the correct value, and the option price may be out of line; we may have used the wrong inputs to the
Black-Scholes formula; or the Black-Scholes formula may be wrong. Normally, all three reasons play a
part in the explaining a difference between value and price.4
As árvores de volatilidade implícita consideram os preços de mercado de opções como
entrada do modelo, ou seja, é construído um processo para as possíveis trajetórias do preço do

4
Em “The Holes in Black-Scholes”, RISK/FINEX (1992).
14
ativo objeto, usando os preços negociados de opções desse ativo. Finalmente, a partir dessas
trajetórias de preço do ativo objeto, é possível precificar, através de uma árvore binomial,
opções não negociadas em mercado. Por construção, esse modelo gera resultados
aproximados aos preços de mercado, para qualquer opção efetivamente negociada.
Ao utilizar uma árvore de volatilidade implícita, pressupõe-se que esse mercado é liquido
o suficiente para não permitir oportunidades de arbitragem. Se esse for o caso, o modelo de
BLACK e SCHOLES (1973) e suas variações podem ser usados para se obter a volatilidade
implícita do ativo objeto. Entretanto, existem alguns casos extremos em que não é possível
obter numericamente um valor para a volatilidade implícita, a partir do modelo de BLACK e
SCHOLES (1973), como ocorre, por exemplo, quando o delta da opção está valendo mais do
que 1, ou seja, quando a variação do preço da opção em função da variação do preço do ativo
objeto é maior do que a própria variação do preço do ativo objeto.
Originalmente, árvores binomiais foram introduzidas por COX, ROSS e RUBINSTEIN
(1979) como uma alternativa de modelo discreto para a fórmula de Black & Scholes (1973).
Esse modelo original também é caracterizado de tal forma que a volatilidade do ativo objeto é
constante e, consequentemente, as razões de subida e de descida são fixas para qualquer nó da
árvore (sempre que o preço sobe é por uma razão fixa U e sempre que desce também é por
uma razão fixa D).
Através desse modelo original, o preço de uma opção de compra europeia, por exemplo,
pode ser obtido da seguinte forma:
N
N
(3.1) C ( S 0 , K , N , R, U , D ) = ∑   ⋅ ( q up ) N − i ⋅ (q down ) i ⋅ ( S 0 ⋅ U N − i ⋅ D i − K ) +
i=0  i 
15
Onde: S 0 é o preço à vista (spot) do ativo objeto; K é o preço de exercício da opção (strike);
N é o número de passos da árvore binomial; R é o fator da taxa de juros livre de risco (1+r); e
( S 0 ⋅ U N − i ⋅ D i − K ) + é o máximo entre S 0 ⋅ U N − i ⋅ D i − K e zero. Além disso:
R−D
(3.2) q up =
R ⋅ (U − D)
U −R
(3.3) q down =
R ⋅ (U − D )
Já a opção de venda europeia pode ser obtida através da paridade entre put e call:
K
(3.4) P ( S 0 , K , N , R ,U , D ) = − S 0 + C ( S 0 , K , N , R ,U , D ) +
RN
Esse tipo de árvore binomial é um modelo discreto que pode gerar resultados
aproximados aos de um modelo que supõem um movimento browniano para o ativo objeto,
através das seguintes definições:
(3.5) U = eσ ⋅ ∆t
(3.6) D = e −σ ⋅ ∆t
(3.7) R = e r ⋅ ∆t
Onde: σ é a volatilidade do preço do ativo objeto; r é a taxa de juros livre de risco com
capitalização contínua; e ∆t é o intervalo de tempo entre cada passo da árvore binomial, ou
seja:
T
(3.8) ∆t =
N
16
Quanto maior o número de intervalos nessa árvore, mais o preço de uma opção, dado por
esse modelo, se aproxima do resultado da fórmula de Black & Scholes (1973).
164,87
149,18
134,99 134,99
U = eσ ⋅ ∆t
= 1,105171
122,14 122,14
110,52 110,52 110,52 D = e −σ ⋅ ∆t
= 0,904837
100,00 100,00 100,00
90,48 90,48 90,48 R = e r ⋅∆t = 1,030455
81,87 81,87
74,08 74,08
67,03
60,65
0 1 2 3 4 5
Figura 2 – Árvore binomial padrão para o preço de uma ação com volatilidade constante de 10% a.a.,
taxa de juros livre de risco constante de 3% a.a. e intervalo em anos – conforme Derman e Kani (1994).
Já a árvore de volatilidade implícita usa todas as volatilidades implícitas das opções
negociadas de um ativo objeto. Logo, obtém-se uma árvore binomial flexível, que permite
precificar e executar hedges considerando toda a estrutura da superfície de volatilidade e não
apenas uma única volatilidade histórica ou estimada. Por isso, a árvore binomial gerada não
possui razões de subida e de descida constantes.
147,52
139,78
130,09 130,15
120,27 120,51
110,52 110,60 110,61
100,00 100,00 100,00
90,48 90,42 90,41
79,30 79,43
71,39 71,27
59,02
54,48
0 1 2 3 4 5
Figura 3 – Exemplo de árvore binomial de volatilidade implícita para o preço de uma ação – os
parâmetros para a construção dessa árvore estão detalhados em Derman e Kani (1994).
17
3.1 CONSTRUINDO UMA ÁRVORE DE VOLATILIDADE IMPLÍCITA
O objetivo dessa seção é mostrar o arcabouço teórico para a construção de uma árvore de
volatilidade implícita, quando se dispõem de uma superfície de volatilidade originada com
base em negociações de opções europeias. Primeiramente, obtém-se uma superfície de
volatilidade que pode ser negociada ou disponibilizada diretamente em mercado. Em seguida,
é construída a árvore de preços do ativo objeto propriamente dita, que será a fonte, por
exemplo, para a precificação de outras opções não negociadas.
Nessa seção, será assumido que a superfície de volatilidade é dada e que a árvore de
volatilidade implícita já foi calculada até certo passo. A etapa seguinte, então, seria calcular o
próximo passo dessa árvore. Para facilitar o entendimento, seguem as notações que serão
utilizadas:
Valores desses nós são

desconhecidos e
precisam ser calculados.
Valores desses nós
já são conhecidos.
ti ti+1
t = data no passo i
i
∆t = tempo entre os passos i e i+1
r = taxa de juros livre de risco, com capitalização contínua, no intervalo entre i e i+1
i
Figura 4 – Parâmetros para a construção de uma árvore binomial de volatilidade implícita.
18
Assim, assume-se que os valores ou preços do ativo objeto nos nós em ti são conhecidos
e, a partir deles, serão calculados os valores em todos os nós em ti+1. Adicionalmente, cabe
ressaltar que os intervalos ∆t e as taxas de juros podem variar entre os passos, ou seja, é
possível incorporar a estrutura a termo das taxas de juros no modelo. Por fim, destaque-se que
o modelo também permite a incorporação de pagamento de dividendos, inclusive na forma de
remuneração por taxa de juros, como é o caso de modelos para opções de moeda.
A figura abaixo ilustra um fragmento de uma árvore binomial e, a partir dessa ilustração,
serão derivadas as fórmulas do modelo.
p
i,i
S i+1,i+1
λ
i,i
(i,i) S i,i
p
i,i-1
S i+1,i
λ
(i,i-1) S i,i-1 i,i-1
S i+1,i-1
p S i+1,j+1
i,j
λ
i,j
(i,j) S i,j
S i+1,j
p S i+1,3
λ i,2
i,2
(i,2) S i,2
p S i+1,2
i,1
λ
i,1
(i,1) S i,1
S i+1,1
ti ti+1
Figura 5 – Fragmento de uma árvore binomial de volatilidade implícita.
19
Onde: λi, j é o preço de Arrow-Debreu5 no nó (i,j);
p i , j é a probabilidade neutra ao risco de up (subida) entre o nó (i,j) e o nó (i+1,j+1).
Supondo que (i) todos os nós no momento ti sejam conhecidos, (ii) os preços de Arrow-
Debreu no momento ti sejam conhecidos, (iii) a taxa de juros forward livre de risco no
momento ti seja conhecida, e (iv) os valores das opções de compra e venda com vencimento
em ti+1 possam ser obtidos, é possível calcular o preço de todos os nós no momento ti+1,
usando o método de árvore binomial de volatilidade implícita.
Primeiramente, é importante notar que a árvore binomial de volatilidade implícita deve
ser neutra ao risco. Assim, o valor esperado, no período seguinte, deve ser igual ao preço
forward do ativo objeto, ou seja, considerando a notação apresentada na figura acima:
(3.1.1) Fi , j = e ri ⋅∆t ⋅ S i , j = p i , j ⋅ S i +1, j +1 + (1 − pi , j ) ⋅ S i +1, j
Existe um número i de igualdades como a equação acima, uma para cada nó no passo ti.
O segundo conjunto de equações deriva dos preços das i opções independentes6 obtidos
considerando o strike igual aos possíveis preços do ativo objeto no instante ti ( S i , j , sendo
1 ≤ j ≤ i ) e vencimento em ti+1. O strike S i , j define o nó de subida S i +1, j +1 e o nó de descida
S i +1, j , no próximo instante, conforme visto na figura acima. Isso garante que somente os nós
5
Cada nó de uma árvore binomial possui um preço de Arrow-Debreu associado. O preço de Arrow-Debreu de
um nó equivale ao valor de um ativo que paga $1 se o preço do ativo objeto de uma árvore binomial alcançar
aquele nó e zero caso contrário. Por exemplo, o preço de Arrow-Debreu do nó (3,2) é o valor de um ativo que
paga $1 se o preço spot do ativo objeto da árvore binomial, no momento t3, equivale ao nó (3,2) e zero caso
contrário.
6
Só existem i opções independentes porque as opções de compra e de venda com o mesmo strike e vencimento
são relacionadas através da paridade put-call, que se mantém no modelo de árvore binomial de volatilidade
implícita.
20
acima (abaixo), no instante seguinte, contribuam para o cálculo do preço de não-arbitragem de
uma opção de compra (venda) com strike em S i , j .
Sejam C ( S i , j , t i +1 ) e P ( S i , j , t i +1 ) , respectivamente, o preço de mercado de uma opção de
compra e uma opção de venda com strike S i , j e vencimento em t i +1 . Ressalte-se que esses
preços podem ter sido obtidos diretamente das negociações de mercado ou através de uma
interpolação da superfície de volatilidade negociada em t 0 . Ademais, sabe-se que o preço de
não-arbitragem segundo o modelo binomial de uma opção de compra com strike S i , j e
vencimento em t i +1 é obtido pela soma de todas as probabilidades descontadas de alcançar
cada nó (i+1,j), no instante t i +1 , vezes o payoff dessa opção de compra, ou seja:
⋅ ∑ {λi , k ⋅ p i , k + λi , k +1 ⋅ (1 − pi , k +1 )}⋅ ( S i +1, k +1 − S i , j ) +

i
− ri ⋅∆t
(3.1.2) C ( S i , j , t i +1 ) = e
k =1
Usando a equação (3.1.1) na equação (3.1.2) é possível obter a seguinte fórmula:
i
(3.1.3) e ri ⋅∆t ⋅ C ( S i , j , t i +1 ) = λi , j ⋅ p i , j ⋅ ( S i +1, j +1 − S i , j ) + ∑λ
k = j +1
i ,k ⋅ ( Fi , k − S i , j )
Nesta fórmula (3.1.3), o primeiro termo depende da probabilidade de subida
desconhecida pi , j e do preço do ativo objeto S i +1, j +1 , no instante t i +1 , também desconhecido.
Já o segundo termo é composto pela soma de valores conhecidos.
Como os valores do preço forward Fi , j e do preço da opção de compra C ( Si , j , ti +1 ) ,
obtido da superfície de volatilidade ou de mercado, são conhecidos, é possível obter
21
simultaneamente, através das equações (3.1.1) e (3.1.3), os valores de S i +1, j +1 e p i , j , em
função de S i +1, j .
S i +1, j ⋅ [e ri ⋅∆t ⋅ C ( S i , j , t i +1 ) − ∑] − λi , j ⋅ S i , j ⋅ ( Fi , j − S i +1, j )

(3.1.4) S i +1, j +1 =
[e ri ⋅∆t ⋅ C ( S i , j , t i +1 ) − ∑] − λi , j ⋅ ( Fi , j − S i +1, j )
Fi , j − S i +1, j
(3.1.5) pi , j =
S i +1, j +1 − S i +1, j
Onde:
n
(3.1.6) ∑= ∑λ
k = j +1
i ,k ⋅ ( Fi ,k − S i , j )
Usando as formulas acima iterativamente, obtém-se o valor de S i +1, j +1 e p i , j para todos
os nós acima do centro da árvore de volatilidade implícita, se o valor de S i+1, j for conhecido
no nó inicial. Assim, se o número de nós no instante t i +1 for ímpar, ou seja, se n for um
número par, o nó inicial S i+1, j será tal que j = n/2 + 1. Por definição, esse nó central será igual
ao preço à vista (spot) do ativo objeto, conforme o modelo de árvore binomial original com
tendência de longo prazo nula. Portanto, a partir deste nó inicial, os valores de S i +1, j +1 e p i , j ,
para todos os valores dos nós acima do nó inicial, neste instante t i +1 , poderão ser calculados,
completando, assim, a metade superior da árvore binomial de volatilidade implícita neste
passo.
Se o número de nós no instante t i +1 for par, ou seja, se n for um número ímpar, é
necessário calcular o valor dos dois nós iniciais S i +1, j e Si+1, j +1 , tal que j = (n+1)/2. Para tanto,
22
propõe-se igualar a média dos logaritmos naturais destes nós centrais ao logaritmo natural do
preço à vista do ativo objeto. Isso equivale a satisfazer a seguinte igualdade:
S02
(3.1.7) Si +1, j =
Si +1, j +1
Substituindo essa relação na equação (3.1.4), obtém-se a seguinte fórmula para o nó
imediatamente acima dos nós centrais, quando o número de nós for par:
S 0 ⋅ [e ri ⋅∆t ⋅ C ( S 0 , t i +1 ) + λi , j ⋅ S 0 − ∑]
(3.1.8) S i +1, j +1 = , para j = n/2
λi , j ⋅ Fi , j − e r ⋅∆t ⋅ C ( S 0 , t i +1 ) + ∑
i
Uma vez calculado esse nó imediatamente superior aos nós centrais, a equação (3.1.4)
poderá ser usada para se obter todos os outros nós acima deste, que compõem a metade
superior da árvore binomial de volatilidade implícita neste passo.
Analogamente, todos os nós que compõem a metade inferior da árvore podem ser obtidos
a partir dos preços de mercado das opções de venda com strike S i , j e vencimento em t i +1 . Da
mesma forma, é necessário partir de um nó central, neste caso Si +1, j +1 , para obter o nó
seguinte, no caso, imediatamente inferior S i+1, j :
S i +1, j +1 ⋅ [e ri ⋅∆t ⋅ P ( S i , j , t i +1 ) − ∑] + λi , j ⋅ S i , j ⋅ ( Fi , j − S i +1, j +1 )

(3.1.9) S i +1, j =
[e ri ⋅∆t ⋅ P ( S i , j , t i +1 ) − ∑] + λi , j ⋅ ( Fi , j − S i +1, j +1 )
Onde:
j −1
(3.1.10) ∑ = ∑ λi ,k ⋅ ( Si , j − Fi ,k )
k =1
23
Assim, similarmente ao caso anterior, é possível calcular iterativamente todos os nós
inferiores ao nó central e obter a metade inferior da árvore binomial de volatilidade implícita
num dado passo.
Repetindo o processo em cada passo, serão obtidos os valores dos nós e a probabilidade
de transição de toda a árvore binomial de volatilidade implícita, a partir da superfície de
volatilidade de mercado.
Ressalte-se, ainda, que há também a alternativa de modelo contínuo que descreve um
processo neutro ao risco para um ativo objeto, capturando a estrutura da superfície de
volatilidade. Simplificadamente, a partir da equação diferencial estocástica que descreve um
ativo objeto segundo BLACK e SCHOLES (1973), a volatilidade local passaria a ser
dependente do tempo e do próprio ativo objeto. DUPIRE (1993) mostra em detalhes toda a
metodologia usada na construção de um modelo com essas características.
3.2 PREÇOS DE ARROW-DEBREU E PROBABILIDADES CALCULADAS ERRADAS
Conforme já demonstrado, uma vez que todos os nós no instante ti são calculados, o
próximo passo seria calcular os nós no instante ti+1 da árvore de volatilidade implícita. Para
isso, é necessário computar todos os preços de Arrow-Debreu em ti. Abaixo, segue um
resumo do método para obtenção dos preços de Arrow-Debreu, segundo CHRISS (1997):
24
FÓRMULA PARA O PREÇO DE ARROW-DEBREU DE UM NÓ
É possível calcular o preço de Arrow-Debreu, recursivamente, em todos os nós de uma

árvore binomial no instante , dado que todos os preços de Arrow-Debreu no instante
são conhecidos.
= preço de Arrow-Debreu para o nó (i, j)

= número de nós no instante
= probabilidade de up (subida) entre o nó (i, j) e o nó (i+1, j+1)
= taxa de juros livre de risco
= intervalo de tempo entre os passos da árvore
Existem três fórmulas, uma para o nó (i+1, i+1), outra para o nó (i+1, 0) e uma terceira
para todos os , tal que :
Assim, para usar o método acima, é necessário calcular as probabilidades de transição
entre os nós do instante ti e o instante ti+1. Conforme já mostrado anteriormente, seja pi,j a
probabilidade de transição para o nó superior, ou seja, do nó (i, j) para o nó (i+1, j+1), tem-se:
e ri ⋅∆t ⋅ S i , j − S i +1, j
(3.2.1) pi , j =
S i +1, j +1 − S i +1, j
A equação acima não está imune a um potencial problema, caso o valor computado não
seja um valor entre zero e um. A princípio, nada garante que isso não ocorra.
Quando a equação acima gera um valor “errado”, ou seja, que não representa uma
probabilidade (valores negativos ou maiores do que um), algum tipo de correção precisa ser
realizado. Por exemplo, se o fato for ignorado e a equação acima gerar um valor negativo,
25
pelo menos alguma opção nessa árvore binomial será precificada com valor negativo, o que
permitiria oportunidades de arbitragem.
Uma solução simples e razoável, que será utilizada nesse trabalho, é corrigir as
probabilidades calculadas impondo que o espaçamento entre os nós anteriores sejam mantidos
para os nós que estão sendo calculados. Essa solução busca garantir que a volatilidade local
seja mantida.
Abaixo, são exemplificadas duas possíveis situações em que o resultado das
probabilidades calculadas estaria fora do intervalo [0,1]. Na primeira situação, estão sendo
calculados os nós inferiores do passo seguinte da árvore binomial, por exemplo, o nó S i +1, j +1
a partir do nó S i , j +1 . Já na segunda situação, estão sendo calculados os nós superiores do
passo seguinte da árvore binomial, por exemplo, o nó S i +1, j +1 a partir do nó S i , j .
“descendo” a árvore “subindo” a árvore
nó conhecido
S i+1,j+2
S i,j+1
S i+1,j+1 Fi,j nó errado
S i,j+1 S i-1,j
Fi,j+1
S i-1,j nó errado S i,j S i+1,j+1
S i,j
S i+1,j
∆t ∆t ∆t ∆t
nó conhecido
ti-1 ti ti+1 ti-1 ti ti+1
Figura 6 – Ilustração de probabilidades de transição erradas na árvore binomial.
26
Dependendo do sentido em que se está calculando o próximo nó com probabilidade fora
do intervalo [0,1], ou seja, se está calculando um nó superior ou inferior ao nó atual em uma
dada árvore binomial, existem duas fórmulas para solucionar o problema:
No caso de estar “descendo” uma árvore binomial:
S i +1, j + 2 ⋅ S i , j
(3.2.3) S i'+1, j +1 =
S i , j +1
No caso de estar “subindo” uma árvore binomial:
S i +1, j ⋅ S i , j +1
(3.2.4) S i'+1, j +1 =
S i, j
3.3 PRECIFICAÇÃO DE OPÇÕES NÃO NEGOCIADAS
A partir de uma árvore binomial, construída para as possíveis trajetórias do ativo objeto
ao longo do tempo, é possível obter, usando o método de COX, ROSS e RUBINSTEIN
(1979), o preço de qualquer opção, que esteja compreendida dentro dos prazos e preços de
exercício dessa árvore.
Segundo esse método desenvolvido por COX, ROSS e RUBINSTEIN (1979), a partir dos
payoffs da opção na maturidade, em função de cada um dos possíveis valores para o ativo
objeto, extraídos da árvore binomial de volatilidade implícita modelada, pode-se obter o valor
de uma opção no intervalo imediatamente anterior. Utilizando esse método de forma
sucessiva, obtém-se no final o valor da opção no instante inicial (t = 0).
27
Abaixo, segue uma representação esquemática do processo para uma opção de venda
europeia.
max(K - S i+1,j+2 , 0)
(i,j+1) P i,j+1
max(K - S i+1,j+1 , 0)
(i,j) P i,j
max(K - S i+1,j , 0)
(i,j-1) P i,j-1
max(K - S i+1,j-1 , 0)
(i,j-2) P i,j-2
max(K - S i+1,j-2 , 0)
ti ti+1
Figura 7 – Processo de cálculo de uma opção de venda europeia usando modelo binomial.
Assim, o valor da opção de venda Pi , j no instante t i é dado por:
(3.3.1) Pi , j = qiup, j ⋅ max( K − S i +1, j +1 ,0) + qidown

,j ⋅ max( K − S i +1, j ,0)
up down
Onde: qi , j é o preço de estado de subida em t i +1 referente ao nó (i, j) e qi , j é o preço de
estado de descida em t i +1 referente ao nó (i, j). Estes preços de estado são calculados usando a
seguinte fórmula:
( Ri − Di , j )
(3.3.2) qiup, j =
Ri ⋅ (U i , j − Di , j )
(U i , j − Ri )
(3.3.3) qidown =
Ri ⋅ (U i , j − Di , j )
,j
28
Onde:
(3.3.4) Ri = e ri ⋅∆t
S i +1, j +1
(3.3.5) U i, j =
Si, j
S i +1, j
(3.3.6) Di , j =
Si, j
O segundo passo seria calcular os valores das opções de venda europeia no instante t i −1 ,
usando os valores obtidos em t i , da seguinte forma:
(3.3.7) Pi −1, j −1 = qiup−1, j −1 ⋅ Pi −1, j + qidown

−1, j −1 ⋅ Pi −1, j −1
Aplicando o método sucessivamente, é possível calcular, por exemplo, o valor da opção
de venda europeia no instante inicial (t = 0), para um dado strike K e maturidade no instante
t i +1 .
29
4 METODOLOGIA APLICADA AO MERCADO BRASILEIRO DE CÂMBIO
Nesta seção, será detalhada a aplicação da árvore binomial de volatilidade implícita para
o mercado de câmbio brasileiro, incluindo as fontes de dados utilizadas. Conforme já
destacado, para obter resultados efetivos com essa metodologia, é necessário que o mercado
seja líquido o suficiente, de tal forma que os preços negociados sejam confiáveis.
Para a construção da superfície de volatilidade, inicialmente optou-se por utilizar os
dados de negociação de opções de dólar na BM&FBOVESPA, aplicar o modelo de
GARMAN E KOHLHAGEN (1983) de forma iterativa (para obtenção da volatilidade
implícita), e interpolar os vértices faltantes. Para tanto, foi necessário obter os valores de todas
as outras variáveis, exceto a volatilidade, e inverter as fórmulas do modelo:
(4.1) C = C (S , K , T , r, r f , σ )
(4.2) P = P(S , K , T , r , r f , σ )
Onde: C é o preço da opção de dólar de compra negociada; P é o preço da opção de dólar de
venda negociada; S é o preço do dólar à vista (spot); K é o strike da opção de dólar; T é o
prazo de vencimento da opção; r é a taxa de juros livre de risco em reais; rf é a taxa de juros
livre de risco em dólar; e σ é a volatilidade anual dos retornos do dólar.
30
4.1 OBTENÇÃO DAS VARIÁVEIS DE MERCADO
O dólar à vista utilizado é o dólar contratado na última negociação do dia de referência e
com liquidação em D+2 (dois dias úteis posteriores), informado diariamente pela
BM&FBOVESPA por sua Clearing de Câmbio. A Clearing de Câmbio realiza o registro, a
compensação, a liquidação e o gerenciamento de risco de operações do mercado brasileiro
interbancário de dólar à vista. As operações registradas podem ser contratadas pelos
participantes compradores e vendedores em negociações privadas ou no mercado de dólar
pronto da própria BM&FBOVESPA.
O preço das opções de compra e de venda de dólar, com seus respectivos strikes e
vencimentos, negociados na BM&FBOVESPA, são obtidos do próprio site da
BM&FBOVESPA.
A taxa de juros em reais é obtida através da curva de juros prefixada construída a partir
dos contratos futuros de DI7, negociados também na BM&FBOVESPA. Os contratos futuros
de DI possuem a característica de títulos “zero coupon” que em seu vencimento possuem
valor igual a R$ 100.000,00. O resultado do contrato é acompanhado diariamente pelos
ajustes pagos ou recebidos, de acordo com a diferença entre a taxa de juros negociada na
compra e o rendimento da taxa DI, divulgada pela CETIP. O valor presente ou PU de um
contrato futuro de DI é dado por:
7
DI ou DI-Over é a taxa calculada como a média das operações transacionadas num único dia, através de
Certificados de Depósitos Interbancários (CDI), desconsiderando as operações dentro de um mesmo grupo
financeiro. Os Certificados de Depósitos Interbancários (CDI) são títulos emitidos pelos bancos como forma de
captação ou aplicação de recursos excedentes, com prazos de 1 dia útil, com objetivo de melhorar a gestão de
liquidez das instituições financeiras. Essas transações são fechadas por meio eletrônico e custodiadas na Cetip.
Normalmente, a taxa média diária do CDI de um dia é utilizada como referencial para o custo do dinheiro
(juros). Por esse motivo, essa taxa também é utilizada como referencial para avaliar a rentabilidade das
aplicações em fundos de investimento.
31
100.000
(4.1.1) PU = pz
(1 + r ) 252
Onde: r é a taxa de juros negociada anualizada e pz é o prazo em dias úteis até o vencimento
do contrato.
A partir do PU divulgado diariamente, podemos obter a taxa de juros por:
252
 100.000  pz
(4.1.2) r =  −1
 PU 
A taxa de juros r é utilizada para compor a curva de juros prefixados para o prazo pz.
Como os contratos futuros de DI possuem vencimento no primeiro dia útil de cada mês para
os quatro primeiros meses subsequentes à data base e, em seguida, no primeiro dia útil do mês
de início de trimestre (janeiro, abril, julho e outubro), os vértices da curva são móveis, isto é,
com prazos diferentes para cada data base. O único vértice fixo é o de 1 dia útil, no qual é
utilizada a taxa DI divulgada pela CETIP.
Para a utilização da taxa de juros em modelos contínuos, é necessário converter as taxas
de juros obtidas com capitalização discreta para capitalização contínua, conforme a seguinte
fórmula:
(4.1.3) r continua = ln(1 + r )
32
Já a taxa de juros em dólar é obtida através da curva de cupom cambial8 construída a
partir dos contratos de operações estruturadas de FRA de cupom cambial. O FRA de cupom
cambial permite a negociação do cupom cambial a termo entre duas datas futuras, pois gera
dois contratos futuros de cupom cambial (DDI), o primeiro com vencimento no mês
imediatamente posterior à data de negociação e o segundo com um vencimento mais longo.
Como os vencimentos dos contratos de DDI coincidem com os de dólar futuro, é possível
realizar uma composição entre o cupom determinado pelo primeiro contrato de dólar futuro e
as taxas do FRA de cupom cambial para os vencimentos mais longos, conforme abaixo:
 pz   pz − pz1   360
(4.1.4) rxf = 1 + r1 f ⋅ 1  ⋅ 1 + r1,fx ⋅ x  − 1 ⋅
 360   360   pz x
f f
Onde: rx é a taxa de cupom cambial para o vencimento x; r1 é a taxa de cupom cambial
f
para o primeiro vencimento de dólar futuro; r1, x é o cupom cambial a termo negociado entre o
primeiro vencimento e o vencimento x; pz x é o prazo do vencimento x em dias corridos; e
pz 1 é o prazo do primeiro vencimento de dólar futuro em dias corridos.
O vértice da curva de cupom cambial sujo com prazo de 1 dia útil é determinado pela
variação da PTAX9 de um dia para o próximo dia, ou seja:
 PTAX 0  360
⋅ (1 + r ) 252 − 1 ⋅
1
(4.1.5) rf =
 PTAX −1  pz c
8
O cupom cambial é o spread entre a taxa de juros local, no caso a taxa DI, e a variação na taxa de câmbio entre
dólar e real. Logo, o cupom cambial é efetivamente a taxa de juros em dólar no Brasil..
9
PTAX é uma taxa de câmbio calculada pelo Banco Central do Brasil que consiste na média das taxas
informadas pelos dealers de dolar durante o dia de negociação. Normalmente, os contratos de derivativos de
câmbio são liquidados com base na PTAX divulgada para o dia útil anterior.
33
Onde: PTAX 0 é a taxa PTAX de venda para a data da determinação da curva; PTAX −1 é a
taxa PTAX de venda para o dia útil anterior; r é a taxa de juros prefixada em reais; e pz c é o
prazo entre as datas de cotação das duas taxas PTAX em dias corridos.
Esta taxa, para o primeiro vértice, é conhecida como cupom cambial sujo, pois não
considera o valor do dólar americano no momento do fechamento do negócio e sim a PTAX,
que é a média dos negócios do dia anterior. É possível obter o cupom cambial limpo através
do seguinte método:
S
(4.1.6) r f ,lim po = r f ⋅
PTAX
Onde: S é a taxa de câmbio do dólar americano à vista (spot).
Após a obtenção dos vértices negociados, para o cálculo de taxa de juros em um
vencimento diferente dos obtidos, é realizada uma interpolação das curvas. Foi adotado o
método de interpolação exponencial, tanto para a curva prefixada em reais quanto para a
curva de juros em dólar. Para a taxa de juros prefixada em reais, são considerados os dias
úteis entre a data a ser interpolada e os dois vértices mais próximos, conforme fórmula
abaixo:
du 2 − x x − du1
 
  i  du 2 − du1  i  du 2 − du1
(4.1.7) rx = 1 + du1
 ⋅ 1 + du 2
 − 1 ⋅ 100 , tal que du1 ≤ x ≤ du 2
 100   100  
 
34
Onde: rx é taxa a ser encontrada para um número de dias úteis x, compreendido entre du1 e
du2; du1 é o número de dias úteis até a taxa imediatamente anterior disponível; e du2 é o
número de dias úteis até a taxa imediatamente posterior disponível.
O método de obtenção de uma taxa de juros em dólar interpolada é idêntico ao mostrado
na fórmula acima, exceto pelo fato de as contagens de prazos ocorrerem em dias corridos.
Ressalte-se, ainda, que, diferentemente da interpolação exponencial, existem outros
métodos para interpolar uma taxa de juros que não permitem possibilidade de arbitragem,
conforme descrito em DAVIS e MATAIX-PASTOR (2009), por exemplo. Entretanto, por
simplicidade, optou-se por trabalhar com a interpolação exponencial, até porque o mercado
brasileiro ainda não utiliza amplamente modelos mais precisos.
4.2 OBTENÇÃO DA SUPERFÍCIE DE VOLATILIDADE IMPLÍCITA
Para obter a volatilidade implícita de uma opção negociada, cujo preço é dado pelo
mercado, basta calcular os valores de todas as outras variáveis presentes no modelo de
GARMAN e KOHLHAGEN (1983) e usar um algoritmo recursivo do tipo “tentativa e erro”
para estimar o valor da volatilidade. O recurso do Excel de atingir meta foi usado como
ferramenta.
Posteriormente, com o valor de algumas volatilidades estimadas por maturidade e por
strike, foi testada a alternativa de utilizar um método de interpolação em função das
distâncias, tanto na dimensão da maturidade quanto no strike, para a construção de uma
superfície de volatilidade. Entretanto, o mercado brasileiro de opções de dólar negociadas em
bolsa não é muito líquido, havendo pouco ou nenhum negócio diário em determinados
35
vencimentos e strikes. Portanto, o método de interpolação fica bastante comprometido.
Abaixo, segue um exemplo da baixa quantidade de negócios de opções de dólar, por
vencimento e strike, após o encerramento de um pregão na BM&FBOVESPA, em 31 de julho
de 2012:
Qt negócios Preço de exercício (strike)

Vencimento 1925 1950 1975 2000 2025 2050 2075 2100 2150 2200 2250 2300 2350 2400
01/08/2012 2 3 6 2 1
03/09/2012 2 1 4 4 2 6 4 1 1
01/10/2012 2 2 3 2 1
02/01/2013 1 1 1 2 2 1 2
03/06/2013 1
Tabela 2 – Opções negociadas na BM&FBOVESPA em 31 de julho de 2012.
Assim, optou-se por utilizar diretamente a superfície de volatilidade de dólar fornecida
diariamente pela BM&FBOVESPA. Estas volatilidades são utilizadas no cálculo dos prêmios
referenciais, na marcação a mercado dos contratos negociados em pregão e das opções
flexíveis, e no cálculo diário do prêmio de ajuste das opções de dólar com ajuste. A
volatilidade de dólar é calculada a partir de informações coletadas, da seguinte forma:
a. Dados observados em negociação:
Negócios realizados com a operação estruturada de volatilidade de taxa de câmbio –
VTC, verificada no call da BM&FBOVESPA, tanto com opções de compra quanto
com opções de venda. Assim, são calculadas as volatilidades implícitas com
base nas cotações (prêmios) dos negócios realizados e das ofertas de compra e de
venda, em percentual ao ano, base 252 dias úteis.
As operações realizadas apenas com a opção de dólar não são consideradas, pois não
é possível identificar qual a taxa de câmbio forward considerada no momento da
negociação, o que inviabiliza calcular a volatilidade implícita com o mesmo critério.
36
b. Coleta de informação de mercado:
Dados coletados junto ao pool de informantes de mercado. As informações coletadas
são informadas em percentual ao ano (base 252 dias úteis), para os coeficientes delta
de 10, 25, 37, 50, 63, 75 e 90. O delta da opção deverá ser informado pelo
participante, haja vista que esta informação indica o ponto da superfície de
volatilidade que está sendo negociado.
A superfície de volatilidade para cada vencimento da opção de dólar é apurada sobre o
conjunto de pontos ajustado por uma função quadrática, de forma a garantir a condição de
não-arbitragem entre cada uma das séries de preços de exercício de mesma data de
vencimento. A princípio, a superfície de volatilidade que é calculada sobre a taxa de câmbio é
utilizada para o apreçamento de todas as modalidades de opções de dólar. Abaixo, segue um
exemplo de superfície de volatilidade divulgada diariamente pela BM&FBOVESPA:
Delta %
Mês 1 10 25 37 50 63 75 90 99
dez/12 12,86 11,28 9,14 7,84 6,87 6,35 6,25 6,67 7,21
jan/13 14,05 12,34 9,99 8,56 7,46 6,83 6,67 7,02 7,53
fev/13 14,89 13,12 10,67 9,16 7,97 7,26 7,01 7,28 7,73
mar/13 15,91 13,98 11,31 9,67 8,4 7,64 7,39 7,71 8,23
abr/13 17,12 15,03 12,13 10,34 8,93 8,08 7,78 8,06 8,59
mai/13 18,21 15,96 12,84 10,91 9,4 8,48 8,16 8,47 9,03
jun/13 18,99 16,64 13,38 11,37 9,79 8,83 8,5 8,83 9,42
jul/13 19,76 17,29 13,86 11,74 10,08 9,06 8,71 9,05 9,67
ago/13 20,11 17,62 14,17 12,02 10,32 9,27 8,87 9,15 9,74
set/13 20,48 17,96 14,45 12,28 10,56 9,5 9,1 9,4 10
out/13 20,66 18,12 14,59 12,4 10,67 9,59 9,18 9,46 10,04
jan/14 21,32 18,8 15,28 13,07 11,29 10,14 9,65 9,79 10,28
mar/14 21,79 19,17 15,54 13,28 11,48 10,36 9,92 10,18 10,77
abr/14 22,19 19,51 15,79 13,48 11,64 10,5 10,07 10,36 10,98
jan/15 21,76 19,17 15,55 13,28 11,46 10,29 9,79 9,95 10,46
Fonte: BM&FBOVESPA
Tabela 3 – Superfície de volatilidade de dólar em 9 de novembro de 2012.
37
4.3 CÁLCULO DA ÁRVORE BINOMIAL DE VOLATILIDADE IMPLÍCITA
Considerando os dados do mercado brasileiro, obtidos através das informações
disponibilizadas diariamente pela BM&FBOVESPA, e aplicando o método de construção de
uma árvore binomial de volatilidade implícita, descrito no capítulo 3, é possível obter uma
árvore binomial para as possíveis trajetórias da taxa de câmbio entre dólar e real. Ressalte-se
que foi incorporado ao método de construção de árvore binomial de volatilidade implícita o
fato de o ativo objeto ser remunerado por uma taxa contínua, ou seja, a taxa de juros livre de
risco em dólar (cupom cambial).
Assim, foi construída uma planilha de cálculo usando as ferramentas do Excel, tal que
extraísse automaticamente as informações de mercado do site da BM&FBOVESPA e fizesse
as interpolações necessárias. Além disso, foram desenvolvidas algumas macros que
permitissem a implementação do modelo de construção de árvore binomial de volatilidade
implícita, inclusive com as eventuais correções para os casos em que o valor da probabilidade
neutra ao risco de transição entre dois nós consecutivos da árvore binomial encontra-se fora
do intervalo [0,1], conforme detalhado no capítulo anterior.
Consequentemente, a planilha de cálculo consulta os dados de mercado num dado
momento e constrói, de forma instantânea, uma árvore com as possíveis trajetórias da taxa de
câmbio entre dólar e real, considerando todas as expectativas de mercado para a volatilidade,
em função de cada maturidade ou desvio em relação à taxa de câmbio atual.
No Apêndice C, estão disponibilizadas todas as macros, desenvolvidas em VBA, que
foram utilizadas. Adicionalmente, abaixo estão disponibilizados alguns exemplos de dados
obtidos para uma determinada data de referência.
38
Dados Gerais:
Data Base 31/07/2012

Dólar Spot 2.044,90
Prazo (DC) 185
Curvas de juros obtidas dos vértices negociados:
CLEAN FORWARD
DC DU PRE FORWARD
CUPOM CUPOM
34 24 7,5107% 7,1241% -2,4750% 1,4228%
62 43 7,3399% 6,9938% -0,7527% 1,4900%
93 65 7,2228% 6,9653% 0,0064% 1,7604%
125 85 7,1622% 6,8839% 0,4191% 1,7119%
155 105 7,1092% 7,0289% 0,6653% 1,7019%
185 127 7,0953% 7,0037% 0,8449% 2,1401%
213 145 7,0839% 7,0250% 1,0057% 2,3179%
Superfície de volatilidade implícita para taxa de câmbio:
DU 1 24 43 65 85
2082,89 12,36% 2337,2 17,23% 2499,35 19,33% 2659,3 20,28% 2804,91 21,28%
2064,33 11,34% 2200,54 15,84% 2280,88 17,54% 2357,19 18,34% 2428,47 19,22%
2054,22 9,94% 2127,34 13,94% 2166,28 15,03% 2204,54 15,60% 2239,3 16,27%
2049,46 9,10% 2093,43 12,78% 2115,25 13,44% 2137,75 13,85% 2157,77 14,35%
Strike x vol 2045,56 8,47% 2066,02 11,88% 2076,24 12,16% 2087,45 12,40% 2097,37 12,70%
2042,08 8,13% 2042,08 11,37% 2043,81 11,32% 2046,94 11,43% 2050,21 11,51%
2038,56 8,07% 2018,17 11,23% 2013,37 10,95% 2009,8 10,94% 2008,75 10,81%
2031,8 8,35% 1974,84 11,51% 1958,84 11,01% 1944,12 10,89% 1938,11 10,48%
2020 8,70% 1903,18 11,93% 1867,83 11,33% 1829,37 11,16% 1811,58 10,57%
Árvore binomial de volatilidade implícita para taxa de câmbio:
- - - - - - 3.023,99
- - - - - 2.785,07 2.542,42
- - - - 2.614,33 2.352,56 2.197,76
- - - 2.408,86 2.216,53 2.101,69 2.044,90
- - 2.231,85 2.105,05 2.044,90 1.989,65 1.948,62
- 2.105,60 2.044,90 1.986,47 1.943,10 1.852,78 1.830,80
2.044,90 1.985,95 1.929,95 1.845,05 1.821,23 1.736,58 1.735,07
DC ) 34 62 93 125 155 185
jul-12 set-12 out-12 nov-12 dez-12 jan-13 fev-13
Fonte: Elaboração própria a partir de dados disponibilizados pela BM&FBOVESPA.

Tabela 4 – Dados da planilha de cálculo de prêmio de opção de dólar em 31/07/2012.
39
4.4 PRECIFICAÇÃO DE OPÇÕES DE DÓLAR NÃO NEGOCIADAS
Conforme mencionado no capítulo anterior, a partir de uma árvore binomial para as
possíveis trajetórias da taxa de câmbio entre dólar e real, é possível obter, usando o método de
COX, ROSS e RUBINSTEIN (1979), o preço teórico de qualquer opção de dólar não
negociada em mercado, que esteja compreendida dentro dos prazos e preços de exercício
dessa árvore.
Além disso, a árvore binomial de volatilidade implícita permite a avaliação da
distribuição de probabilidade para a taxa de câmbio, de acordo coma as expectativas de
mercado. Assim, é possível comparar essa distribuição com a distribuição de probabilidade do
tipo log-normal, arbitrada pelos principais modelos existentes de precificação de opções.
Conforme citado anteriormente, um dos objetivos principais deste trabalho foi
desenvolver um método para apreçar opções europeias e estratégias mais complexas de
proteção cambial não negociadas em mercado. Pelo método sugerido, permitiu-se modelar
diferentes árvores binomiais de volatilidade implícita para a taxa de câmbio, em função da
maturidade máxima desejada. Consequentemente, o usuário pode escolher a maturidade da
opção e o preço de exercício para que a planilha de cálculo modele a árvore binomial
correspondente e, a partir dessa árvore, calcule o preço dessa opção, usando os dados de
mercado necessários.
A única diferença do método aplicado para a obtenção do preço da opção de dólar, em
relação ao descrito no capítulo 3 (item 3.3), é a necessidade de se considerar a taxa de juros
livre de risco em dólar (cupom cambial) como uma remuneração contínua do ativo objeto.
Assim, a variável Ri deve ser calculada da seguinte forma:
40
Ri = e ( ri − ri ) ⋅ ∆t
f
(4.4.1)
Ressalte-se que o método proposto permite que muitas combinações de opções possam
ser apreçadas facilmente, incluindo opções exóticas. Dessa maneira, obtém-se o preço,
segundo o modelo proposto, de várias estratégias de hedge cambial que podem atender às
necessidades do mercado brasileiro.
4.5 VALIDADE DA PARIDADE PUT-CALL
Conforme já ressaltado, para que o modelo proposto seja aplicável, é necessário supor
ausência de arbitragem na formação dos preços de mercado das opções de dólar e/ou sua
superfície de volatilidade, e que não haja restrições significativas às vendas a descoberto.
A paridade put–call define uma relação entre o preço de uma opção de compra (call) e
uma opção de venda (put) européias — ambas com o mesmo preço de exercício e
vencimento, na ausência de oportunidades de arbitragem. Essa relação é verificada na
presença de suposições mínimas, menos restritivas do que as requeridas pelo modelo de
BLACK e SCHOLES (1973), por exemplo. Assim, testar a paridade put–call pode ser uma
forma simplificada de se obter uma sinalização de ausência de arbitragem em um dado
mercado. A seguinte relação é necessaria, mas não suficiente, na ausência de arbitragem:
(4.5.1) C (t ) − P (t ) = S (t ) − K ⋅ B (t , T )
Onde: C (t ) é o preço da call no instante t; P (t ) é o preço da put no instante t; S (t ) é o
preço do ativo objeto no instante t; K é o preço de exercício das opções; e B (t , T ) é o preço
41
do título com vencimento em T, no instante t. Se o ativo objeto paga dividendos, é necessário
considerá-los em B (t , T ) , uma vez que os preços de opções tipicamente não são ajustados
para dividendos. Para as opções de dólar, o valor de B (t , T ) é obtido da seguinte forma:
B (t , T ) = e − ( r −r )⋅∆t
f
(4.5.2)
f
Onde: r é a taxa de juros prefixada obtida dos contratos futuros de DI; r é a taxa de juros
em dólar obtida das operações estruturadas de FRA de cupom cambial; e ∆t é o intervalo de
tempo entre o instante t e T.
O lado direito da equação (4.5.1) também representa o preço de um contrato a termo
sobre o ativo objeto com preço de entrega K. Assim, pode-se interpretar também que o
portfolio composto pela compra de uma call e venda de uma put possui resultado idêntico a
comprar um contrato a termo.
Para o teste proposto sobre a existência da paridade put-call nas opções de dólar
negociadas na BM&FBOVESPA, foram selecionados dados do primeiro e último dias de
negociação de cada mês do ano de 2012. Assim, quando havia negócios tanto de call quanto
de put, para um mesmo strike e vencimento, poderia ser avaliado, junto com o valor do dólar
spot e do próprio strike trazido a valor presente e corrigido pelo pagamento contínuo de
dividendos (remuneração do cupom cambial).
Abaixo, segue um resumo estatístico desse teste que contou com 95 observações de
opções com diferentes vencimentos e strikes. Primeiramente, foi feita uma regressão do lado
esquerdo da equação (4.5.1) em relação ao lado direito, com a expectativa de se obter um
42
coeficiente igual a um e intercepto nulo. Além disso, foi destacado o erro relativo entre os
valores obtidos em cada lado dessa equação, ou seja, uma estatística descritiva sobre a série
da diferença percentual entre os valores obtidos.
RESUMO DOS RESULTADOS
Estatística de regressão
R-Quadrado 0,99908
R-quadrado ajustado 0,99907
Observações 95
Coeficientes Erro padrão valor-P 95% inferiores 95% superiores

Interseção -3,85 0,85 0,00 -5,53 -2,16
Variável X 1 0,99 0,00 0,00 0,99 1,00

Tabela 5 – Regressão do valor C(t)-P(t) sobre o valor S(t)-K.B(t,T).
Erro Relativo
Média 0,28%
Mediana 0,18%
Desvio padrão 0,34%
Mínimo 0,00%
Máximo 1,68%
Contagem 95

Tabela 6 – Estatística descritiva da série da diferença relativa (percentual) entre C(t)-P(t) e S(t)-K.B(t,T).
Pelos resultados acima, principalmente devido ao coeficiente da regressão próximo de
um, não houve evidências, no período analisado, de que a paridade put-call não é respeitada
nas operações de opções de dólar negociadas na BM&FBOVESPA.
Entretanto, o valor não nulo do intercepto pode ser interpretado como um custo de
transação para compra e venda de opções, uma restrição a operações de venda a descoberto ou
resultado de uma expectativa em relação ao retorno futuro do ativo objeto, pois uma put pode
43
ser interpretada como um seguro contra perdas (ver OFEK, RICHARDSON e WHITELAW
(2004); CREMERS e WEINBAUM (2007)).
44
5 RESULTADOS
A partir da implementação do modelo de cálculo de preço de opções de taxa de câmbio
entre dólar e real, desenvolvido com a árvore binomial de volatilidade implícita, muitas
estratégias de hedge cambial podem ser apreçadas.
Por exemplo, do ponto de vista de uma agência de fomento, esses hedges cambiais
podem ser complementares aos financiamentos oferecidos no sentido de aumentar a
previsibilidade das receitas e despesas de empresas exportadoras que necessitem de um
empréstimo.
Tais empresas, que possuem receitas e/ou despesas em dólar, descasadas no tempo,
poderiam ter mais confiança e condições de investir e produzir caso pudessem ter maior
previsibilidade sobre o resultado dessas despesas e receitas futuras. Assim, opções para
mitigar os efeitos da volatilidade da taxa de câmbio, com um custo adequado, é uma demanda
constante das empresas e uma oportunidade de negócio para as instituições financeiras.
5.1 ESTRATÉGIAS DE HEDGE CAMBIAL
Abaixo, seguem algumas estratégias de proteção cambial que podem ser precificadas,
usando o modelo de volatilidade implícita:
45
1) Bear Put Spread ou Trava de Baixa
Essa estratégia é realizada para tirar proveito das quedas no preço do ativo (taxa de
câmbio), combinando uma venda de opção de venda a um determinado preço de exercício,
simultaneamente a uma compra de outra opção de venda de preço de exercício superior,
ambas para o mesmo vencimento. Essa estratégia garante uma proteção limitada em
relação à desvalorização do dólar frente ao real, mas possui um custo reduzido comparado
ao das opções de venda vanilla..
Exemplo do ponto de vista de um exportador: venda de put de exercício igual a R$
1,90 para a taxa de câmbio e vencimento em 582 dias corridos e compra de put de
exercício igual a R$ 2,04, para o mesmo vencimento. Foram usados dados de mercado do
fechamento do dia 31 de julho de 2012 e um valor nominal de US$ 1 milhão. O prêmio
dessa estratégia foi estimado em R$ 33.057,09 ou 1,6% do valor nominal em reais.
Payoff Líquido da estrutura de Hedge Cambial (em reais)

120.000
100.000
80.000
60.000
40.000
20.000
-20.000
-40.000
-60.000
00
15
30
45
60
75
90
05
20
35
50
65
80
95
1,
1,
1,
1,
1,
1,
1,
2,
2,
2,
2,
2,
2,
2,
Figura 8 – Resultado de trava de baixa cambial para dados de mercado de 31/07/2012.
46
2) Short Condor
Consiste na venda de uma opção de venda de preço de exercício igual a A, compra de
duas opções de venda de preços de exercício iguais a B e C, e venda de uma opção de
venda de exercício igual a D, sendo D>C>B>A e todas as opções negociadas para o
mesmo vencimento. Esta estratégia garante uma proteção contra a desvalorização do dólar
frente ao real, com um baixo custo de prêmio à vista, mas com um payoff negativo caso
haja pouca variação nessa taxa de câmbio.
Exemplo do ponto de vista de um exportador: venda de put de exercício igual a R$
2,05 para a taxa de câmbio, compra de put de exercício igual a R$ 2,00, compra de put de
exercício igual a R$ 1,95 e venda de put de exercício igual a R$ 1,85, todas para o mesmo
vencimento em 582 dias corridos. Foram usados dados de mercado do fechamento do dia
31 de julho de 2012 e um valor nominal de US$ 1 milhão. O prêmio dessa estratégia foi
estimado em R$ 2.824,90 ou 0,1% do valor nominal em reais.
Payoff Líquido da estrutura de Hedge Cambial (em reais)

60.000
40.000
20.000
-20.000
-40.000
-60.000
00
15
30
45
60
75
90
05
20
35
50
65
80
95
1,
1,
1,
1,
1,
1,
1,
2,
2,
2,
2,
2,
2,
2,
Figura 9 – Resultado de estratégia short condor para dados de mercado de 31/07/2012.
47
3) Compra de Put Asiática
Consiste na compra de uma opção de venda cujo payoff é dado pelo máximo entre
zero e a diferença entre o preço de exercício e a média aritmética do ativo objeto (taxa de
câmbio) ao longo da validade da opção.
n −1
Si
(5.1.1) payoff = max( K − ∑ ,0 )
i =0 n
Para o cálculo de prêmio dessa opção, utiliza-se o método de Monte Carlo para
simular todas as possíveis trajetórias de preço para a taxa de câmbio, em função da árvore
binomial de volatilidade implícita gerada e suas probabilidades de transição entre os
passos. O código em VBA para a operação também está disponibilizado no Apêndice C.
Abaixo, segue uma representação dos resultados simulados 65.000 vezes para uma
opção de venda asiática, com preço de exercício igual a R$ 1,90, vencimento em 582 dias
corridos e um valor nominal de US$ 1 milhão, para dados de mercado do fechamento do
dia 31 de julho de 2012. O prêmio da opção simulado foi equivalente a R$ 39.623,55.
Histograma de Payoff Líquido de Put Asiática (em reais)
61711
1282 723 593 509 182
-40 mil a -20 mil -20 mil a 0 0 a 20 mil 20 mil a 40 mil 40 mil a 60 mil 60 mil a 80 mil
Figura 10 – Histograma do payoffs líquido do prêmio de uma put asiática para dados de 31/07/2012.
48
5.2 COMPARAÇÃO ENTRE MODELO DE VOLATILIDADE IMPLÍCITA, O MODELO
BINOMIAL ORIGINAL E A FÓRMULA DE BLACK & SCHOLES
Nesta seção, são apresentados os resultados da comparação entre os preços dos prêmios
das opções europeias de compra e de venda, negociadas na BM&FBOVESPA, em relação aos
prêmios estimados pelo modelo de volatilidade implícita proposto, o modelo binomial de
COX, ROSS e RUBINSTEIN (1979) e o modelo de GARMAN e KOHLHAGEN (1983),
derivado da fórmula de Black & Scholes. Tal comparação é foi realizada tanto para opções
vanilla, quanto para estratégias de proteção cambial que combinam mais de uma opção.
Ressalte-se que no modelo binomial de COX, ROSS e RUBINSTEIN (1979) também foi
utilizado o cupom cambial como dividendo contínuo, ajustando a taxa de juros livre de risco
utilizada no apreçamento de opções de dólar.
A série de dados utilizada também foi obtida do primeiro e último dia de negociação de
cada mês do ano de 2012. Foram observados 301 preços de opções de dólar, sendo 159 de
compra e 142 de venda, resultando numa média diária de negociação de 12,5 opções de dólar,
com strikes e vencimentos diferentes. Além disso, o preço de mercado utilizado foi obtido
pela média das negociações do dia, conforme divulgado pela BM&FBOVESPA.
a. Comparação de preços de opções vanilla:
O objetivo dessa análise era identificar o modelo que estimasse os preços das opções com
o menor erro percentual em relação aos preços de mercado. Assim, foram montadas três séries
a partir dos erros percentuais dos valores estimados por cada um dos modelos em análise –
Modelo de Volatilidade Implícita, Modelo Binomial de COX, ROSS e RUBINSTEIN (1979)
49
e o modelo de GARMAN e KOHLHAGEN (1983) – em relação aos preços de mercado, para
cada uma das 301 opções de dólar selecionadas. Abaixo, são disponibilizados os principais
resultados, cujos parâmetros e tabela de cálculo estão disponibilizados no Apêndice A:
Distribuição do erro relativo do Modelo Proposto
Estatística Descritiva
54%
Média 16%
Mediana 9%
Modo 2%
Mínimo 0%
Máximo 93%
18% Contagem 301
12%
7% 5%
2% 1% 1% 1% 0% 0%
[0% - 10%) [10% - 20%) [20% - 30%) [30% - 40%) [40% - 50%) [50% - 60%) [60% - 70%) [70% - 80%) [80% - 90%) [90% - 100%) >= 100%
Figura 11 – Distribuição do erro relativo do preço estimado pelo Modelo de Árvore Binomial de Volatilidade
Implícita em relação ao preço de mercado, para opções de dólar negociadas na BM&FBOVESPA.
Distribuição do erro relativo do Modelo Binomial
31% Estatística Descritiva
Média 55%
Mediana 23%
Modo 2%
Mínimo 0%
16% Máximo 789%
12% Contagem 301 12%
10%
4% 4% 4% 3%
3% 2%
[0% - 10%) [10% - 20%) [20% - 30%) [30% - 40%) [40% - 50%) [50% - 60%) [60% - 70%) [70% - 80%) [80% - 90%) [90% - 100%) >= 100%
Figura 12 – Distribuição do erro relativo do preço estimado pelo Modelo Binomial original em
relação ao preço de mercado, para opções de dólar negociadas na BM&FBOVESPA.
50
Distribuição do erro relativo do Modelo Black and Scholes
72%
Média 9%
Mediana 5%
Modo 1%
Mínimo 0%
Máximo 87%
Contagem 301
17%
7%
3% 1% 1% 0% 0% 0% 0% 0%
[0% - 10%) [10% - 20%) [20% - 30%) [30% - 40%) [40% - 50%) [50% - 60%) [60% - 70%) [70% - 80%) [80% - 90%) [90% - 100%) >= 100%
Figura 13 – Distribuição do erro relativo do preço estimado pelo Modelo de GARMAN e KOHLHAGEN
(1983) em relação ao preço de mercado, para opções de dólar negociadas na BM&FBOVESPA.
Pela análise da Figura 11 acima, percebe-se que o modelo proposto gerou, na amostra
selecionada, preços teóricos com um erro percentual menor do que 10%, em relação ao preço
de mercado, em mais da metade das observações (54% dos casos). Além disso, ressalte-se que
todos os erros percentuais maiores do que 70% ocorreram quando se estava estimando opções
com vencimentos curtos, ou seja, quando havia apenas um passo na árvore binomial de
volatilidade implícita.
Devido ao fato de a planilha de cálculo ter sido desenvolvida, principalmente, para
estimar o preço de opções de dólar não negociadas e com maturidades mais longas, optou-se
por construí-la com um passo mensal, ou seja, com um intervalo ∆t , entre cada passo da
árvore binomial de volatilidade implícita, de 1 mês. Essa simplificação se justificou porque,
para opções com vencimentos longos, um intervalo ∆t menor do que 1 mês traria um custo
operacional para estimação do modelo, sem que o resultado fosse significativamente melhor.
Entretanto, para opções com vencimentos mais curtos, seria necessário construir uma árvore
binomial de volatilidade implícita com intervalos menores, tal que fosse possível atribuir
algum preço para opções bastante fora do dinheiro (deep out of the money).
51
Apesar de a ferramenta de implementação do modelo proposto ter sido desenvolvida para
estimar o preço de opções de maturidade mais longa, não há uma restrição por parte do
modelo, apenas seria necessário realizar uma adaptação no intervalo dos passos da árvore
binomial estimada.
Ressalte-se ainda que essa simplificação do número de passos também prejudicou o
resultado do modelo binomial de COX, ROSS e RUBINSTEIN (1979), conforme Figura 12.
Contudo, verifica-se que o resultado final da estimação através desse modelo foi bastante
inferior ao modelo de volatilidade implícita. Por exemplo, em 12% dos casos, o erro
percentual em relação ao preço de mercado foi igual ou superior a 100%, ou seja, o preço
estimado foi maior do que o dobro ou menor do que a metade do preço de mercado.
Já o modelo de GARMAN e KOHLHAGEN (1983), derivado do modelo de BLACK e
SCHOLES (1973), por ser um modelo em tempo contínuo, foi capaz de estimar melhor o
preço de opções com vencimentos curtos, fazendo com que o resultado geral desse modelo
fosse superior, conforme Figura 13. Em mais de 70% dos casos o erro relativo foi menor do
que 10%.
b. Comparação de preços de estratégias de Trava de Baixa:
Para complementar a análise, optou-se por testar a variação entre a estimação do modelo
proposto e o preço de mercado para estratégias de trava de baixa, que combinam duas opções
de dólar com strikes diferentes. Além disso, também foi feita a comparação do resultado
obtido em relação à estimação via modelo de GARMAN e KOHLHAGEN (1983), que
apresentou melhores resultados nos testes com opções vanilla.
52
Para obtenção do preço de mercado de estratégias de trava de baixa, foram utilizados os
mesmos preços obtidos das 301 opções de dólar selecionadas na análise anterior. Assim,
seriam consideradas apenas as combinações de opções de venda negociadas no mesmo dia,
com o mesmo vencimento e strikes diferentes.
Contudo, devido a pouca quantidade de dados, optou-se por utilizar também os preços
das opções de compra e convertê-los em preços de opções de venda, através da paridade put-
call, utilizando a regressão obtida conforme o item 4.5 desse trabalho. Com isso, foram
identificados 59 preços de diferentes estratégias de trava de baixa no período considerado.
Quanto à estimação de preço utilizando o modelo proposto, cabe ressaltar que, conforme
já descrito nesse trabalho, esse modelo incorpora toda a superfície de volatilidade implícita
negociada em mercado. Portanto, no apreçamento de estratégias que compõem mais de uma
opção com diferentes strikes, o preço de cada opção será estimado considerando sua
respectiva volatilidade implícita.
Já no modelo de GARMAN e KOHLHAGEN (1983), derivado do modelo de BLACK e
SCHOLES (1973), pressupõe-se que o ativo objeto de uma dada opção possui uma única
volatilidade, independente do prazo e strike dessa opção. Assim, na realização da estimação
de preço de uma estratégia de trava de baixa, optou-se por utilizar a volatilidade implícita da
opção com maior strike.
Consequentemente, era esperado que os resultados obtidos pelo modelo proposto,
comparados com os resultados utilizando o modelo de GARMAN e KOHLHAGEN (1983),
fossem relativamente melhores no apreçamento de uma trava de baixa, diferentemente do que
ocorreu na comparação entre as estimações de preço de opções vanilla.
53
Abaixo, são disponibilizados os principais resultados, cujos parâmetros e tabela de
cálculo também estão disponibilizados no Apêndice A:
Distribuição do erro relativo do Modelo Proposto

53%
Média 20%
Mediana 9%
Desvio padrão 47%
Mínimo 0%
22%
Máximo 355%
Contagem 59
8% 10%
3% 2% 2%
0% 0% 0% 0%
[0% - 10%) [10% - 20%) [20% - 30%) [30% - 40%) [40% - 50%) [50% - 60%) [60% - 70%) [70% - 80%) [80% - 90%) [90% - 100%) >= 100%
Figura 14 – Distribuição do erro relativo do preço estimado pelo Modelo de Árvore Binomial de Volatilidade
Implícita em relação ao preço de mercado, para estratégias de trava de baixa.
Distribuição do erro relativo do Modelo Black and Scholes

46% Estatística Descritiva
Média 19%
36%
Mediana 12%
Desvio padrão 53%
Mínimo 0%
Máximo 409%
Contagem 59
10%
7%
2%
0% 0% 0% 0% 0% 0%
[0% - 10%) [10% - 20%) [20% - 30%) [30% - 40%) [40% - 50%) [50% - 60%) [60% - 70%) [70% - 80%) [80% - 90%) [90% - 100%) >= 100%
Figura 15 – Distribuição do erro relativo do preço estimado pelo Modelo de de GARMAN e KOHLHAGEN
(1983) em relação ao preço de mercado, para estratégias de trava de baixa.
Conforme esperado, percebe-se, nos resultados acima, que não houve uma alteração
significativa na distribuição do erro percentual do preço estimado de uma estratégia de trava
de baixa em relação aos resultados com opções vanilla, quando utilizado o modelo proposto
(ver Figura 11 e Figura 14). Entretanto, quando utilizado o modelo de GARMAN e
54
KOHLHAGEN (1983), os resultados mostram uma piora significativa do erro percentual, em
relação ao preço de mercado, no apreçamento de travas de baixa (ver Figura 12 e Figura 15).
Além disso, quando utilizado o modelo proposto, percebe-se que, no apreçamento de
travas de baixa, houve uma maior incidência de preços teóricos com um erro percentual
menor do que 10% (54% dos casos versus 46%), mesmo considerando a simplificação de
passos mensais para a árvore binomial, que prejudica o apreçamento de opções mais curtas
pelo modelo proposto.
Portanto, a partir dessa análise robusta dos resultados, é possível concluir que o modelo
binomial de volatilidade implícita é capaz de estimar razoavelmente bem o preço de opções
de dólar, principalmente quando usado para apreçar estratégias de hedge mais complexas,
com combinação de múltiplas opções vanilla e/ou opções exóticas.
55
6 CONCLUSÃO
Neste trabalho, foi desenvolvida uma alternativa para calcular o preço de não-arbitragem
de opções de dólar no mercado brasileiro. Para tanto, utilizou-se um modelo de árvore
binomial de volatilidade implícita, que pressupõe a utilização da estrutura de superfície de
volatilidade implícita negociada em mercado, conforme proposto por DERMAN e KANI
(1994). Com a construção desta árvore para a taxa de câmbio, foi possível calcular o preço de
não-arbitragem de opções de dólar para qualquer vencimento e preço de exercício,
compatíveis com a superfície de volatilidade implícita observada. Além disso, a árvore é
construída de tal forma que os preços obtidos pelo modelo se aproximam dos preços das
opções, cujos vencimentos e preços de exercício sejam negociados em mercado.
Para o desenvolvimento deste trabalho, a maior dificuldade enfrentada foi a obtenção de
dados suficientes de negociações de opções de dólar na BM&FBOVESPA, que permitissem a
construção de uma superfície de volatilidade implícita. A solução encontrada foi utilizar a
superfície de volatilidade, em função da maturidade e do delta, divulgada diariamente pela
própria BM&FBOVESPA, que agrega as negociações diárias de volatilidade da taxa de
câmbio e é complementada por dados coletados diariamente junto aos principais operadores
de volatilidade do mercado.
56
Cabe destacar que, como foram utilizadas as fórmulas desenvolvidas por BLACK e
SCHOLES (1973) e aprimoradas pelo modelo de GARMAN e KOHLHAGEN (1983) para a
obtenção da volatilidade implícita de uma opção de dólar em função do preço de exercício e
do vencimento, a partir da superfície de volatilidade da BM&FBOVESPA em função do delta
e do vencimento, é necessário supor, como condição necessária e não suficiente, que as taxas
de câmbio sejam livremente negociadas em mercado e não permitem arbitragem.
Entretanto, apesar de vigorar no Brasil, desde 1999, o regime cambial de taxa flutuante, o
governo brasileiro atua no mercado de câmbio constantemente, no sentido de tentar controlar
a taxa de câmbio num patamar que julgue adequado. Inclusive, faz parte das atribuições do
Banco Central do Brasil conter movimentos desordenados da taxa de câmbio. Assim, o
governo brasileiro pode atuar no mercado de câmbio, através do Banco Central do Brasil,
principalmente das seguintes formas: (i) em operações de compra e venda de dólar à vista, (ii)
em operações de swap cambial, e (iii) fiscalizando e alterando a regulação cambial, inclusive
a tributação das operações.
Apesar de todas essas ferramentas que o governo brasileiro possui, ainda é possível
identificar o poder do mercado sobre a cotação da taxa de câmbio entre dólar e real. Análises
das séries temporais das taxas de câmbio, após 1999, como em CURADO, ROCHA e
DAMIANI (2011), são evidências de que a volatilidade do câmbio no Brasil não é pequena,
comparada a outros países em desenvolvimento e com regimes cambiais semelhantes.
Independentemente das limitações encontradas, os resultados obtidos com a
implementação do modelo para o mercado brasileiro de opções de dólar foram considerados
satisfatórios, uma vez que mais da metade da amostra avaliada gerou um erro relativo menor
do que 10%, em relação ao preço de mercado de opções de dólar.
57
Cabe ressaltar que o método proposto ainda poderia ser melhorado caso o passo da árvore
binomial construída fosse adaptado em função do vencimento da opção. Ao invés de um
passo fixo de 1 mês, poderia ser implementado um passo menor para opções de curto prazo,
por exemplo.
Por fim, foi feita uma análise mais robusta do diferencial do modelo proposto, através da
obtenção do preço de mercado de estratégias de proteção cambial do tipo trava de baixa e a
respectiva comparação com os preços gerados pelo próprio modelo. Diferentemente dos
modelos de COX, ROSS e RUBINSTEIN (1979), BLACK e SCHOLES (1973) e GARMAN
e KOHLHAGEN (1983), que utilizam apenas uma única volatilidade para o ativo objeto, o
modelo proposto considera as diferentes volatilidades implícitas de cada opção que compõem
a estratégia de proteção cambial, a partir da superfície de volatilidade de mercado.
Os resultados obtidos na comparação do modelo proposto, em relação ao preço de
mercado, para operações de trava de baixa, foram semelhantes aos resultados com opções
vanilla, devido às mesmas limitações do tamanho do passo da árvore binomial, uma vez que a
base de dados era a mesma. Portanto, comprova-se que a incorporação de mais de uma opção,
com diferente volatilidade implícita, no apreçamento de uma estratégia de proteção cambial,
não prejudica a qualidade da estimação desse modelo.
Entretanto, os resultados obtidos na comparação do modelo GARMAN e KOHLHAGEN
(1983) em relação ao preço de mercado, que haviam apresentado os menores erros relativos
no apreçamento de opções vanilla, pioraram significativamente no apreçamento de estratégias
de trava de baixa. Assim, a incorporação da superfície de volatilidade pelo modelo proposto
nesse trabalho realmente agrega valor, o que pode justificar a sua utilização em determinadas
situações.
58
REFERÊNCIAS BIBLIOGRÁFICAS
ABIMAQ, Associação Brasileira da Indústria de Máquinas e Equipamentos. “A

Competitividade da Indústria de Transformação e de Bens de Capital”. Disponível em:
<http://www.abimaq.org.br/Arquivos/Html/DEEE/A%20competitividade%20da%20ind%C3
%BAstria%202004-11%20%28vers%C3%A3o%204%20-%2012.04.09%29.pdf>. Data de
acesso: 10 de julho de 2012.
AMIN K.; NG V., “Inferring future volatility from the information in implied volatility in
Eurodollar options: a new approach”, In: Review of Financial Studies, Vol. 10, No. 2, pp.
333-367, 1997.
ANDERSEN, T.G.; BOLLERSLEV, T., “DM-Dollar Volatility: Intraday Activity Patterns,

Macroeconomics Announcements, and Longer-Run Dependencies”, In: The Journal of
Finance. Vol. 53, No. 1, pp. 219-265, Feb. 1998.
ANDRADE, S. C.; TABAK, B. M., “Is it worth tracking dollar/real implied volatility?”, In:
Revista de Economia Aplicada, Vol. 5, No. 3, pp. 471-489, 2001.
BANCO CENTRAL DO BRASIL. Séries Temporais. Vários anos. Disponível em:

<www.bcb.gov.br>.
BENNINGA, Simon. Financial Modeling. The MIT Press, 3th edition, 2008.
BERTUCCI, L. A., “Avaliação de modelos de volatilidade condicionada na precificação de

opções de compra no mercado da BOVESPA” In: Encontro Anual da ANPAD, XXIII,
1999.
BM&FBOVESPA S.A., Bolsa de Valores, Mercadorias e Futuros. “Critérios e Metodologia

de Apuração de Superfície de Volatilidade”. Disponível em:
http://www.bmfbovespa.com.br/shared/iframeBoletim.aspx?idioma=pt-
br&url=www.bmf.com.br/bmfbovespa/pages/boletim1/SuperficieVolatilidade.asp. Data de
acesso: 15 de setembro de 2012.
BM&FBOVESPA S.A., Bolsa de Valores, Mercadorias e Futuros. Dados históricos.

Disponível em:
<http://www.bmfbovespa.com.br/shared/iframe.aspx?altura=1750&idioma=pt-
br&url=www.bmf.com.br/bmfbovespa/pages/arquivos1/index.asp>
59
CAMPA, José M.; CHANG P. H. Kevin; REIDER Robert, “Implied exchange rate
distributions: evidence from OTC option markets” In: Journal of International Money and
Finance, Vol. 17, No. 1, pp. 117-160, Feb. 1998.
http://www.sciencedirect.com/science/article/pii/S0261560697000545 - FN1#FN1
CHRISS, Neil A. Black-Scholes and Beyond – Option Princing Models. McGraw-Hill,

1996.
CHRISTENSEN B.J.; PRABHALA N.R., “The relation between implied and realized
volatility”, In: Journal of Financial Economics, Vol. 50, No. 2, pp. 125-150, Nov. 1998.
CREMERS, Martijn; WEINBAUM, David, “Deviations from Put-Call Parity and Stock
Return Predictability”, In: Journal of Financial and Quantitative Analysis. Vol. 45, No. 2,
pp. 335-367, Apr. 2010.
CURADO, Marcelo; ROCHA, Marcos; DAMIANI, Daniel, “Taxa de câmbio e crescimento

econômico: uma comparação entre economias emergentes e desenvolvidas”, In: Revista de
Economia Política. Vol. 31, No. 4, pp. 528-550, Dec. 2011.
DAVIS Mark H.A.; MATAIX-PASTOR, Vicente, “Arbitrage-free Interpolation of the Swap

Curve”, In: International Journal of Theoretical and Applied Finance. Vol. 12, No. 7, pp.
969-1005, 2009.
DERMAN, Emanuel; KANI, Iraj, “The Volatility Smile and Its Implied Tree”, In: Goldman
Sachs Quantitative Strategies Research Notes, Jan. 1994.
DUPIRE, Bruno; “Princing with a smile”, In: Risk. Vol. 7, pp. 18-20, Jan. 1994.
FRANKLIN, Sergio; DUARTE, Thiago; NEVES, César; MELO, Eduardo. “A estrutura a

termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes”
Disponível em:
<http://www2.susep.gov.br/download/menumercado/artigo_ETTJ_CORIS_14042011.pdf>.
Data de acesso: 12 de julho de 2012.
FUNDO MONETÁRIO INTERNACIONAL. Séries Temporais. Vários anos. Disponível em

< http://www.imf.org/external/np/res/commod/Table1.pdf>
GWILYM, O.; “Forecasting volatility for options pricing for the UK Stock Market”, In:
Journal of Financial Management and Analysis, Vol. 14, No. 2, pp. 55-62, 2001.
HANSEN, Peter R.; LUNDE, Asger. “A forecast comparison of volatility models: does
anything beat a GARCH(1,1)?”. In: Journal of Applied Econometrics. Vol. 20, No. 7, pp.
873–889, Dec. 2005.
HULL, John C. Options, Futures and other Derivatives. Prentice Hall, 8th edition, 2011.
JORION, Philippe, “Predicting Volatility in the Foreign Exchange Market”, In: The Journal
of Finance. Vol. 50, No. 2, pp. 507-528, Jun. 1995.
LEWIS, Alan L. Option Valuation under Stochastic Volatility. Finance Press, 1st edition,
2000.
60
MINISTÉRIO DO DESENVOLVIMENTO, INDÚSTRIA E COMÉRCIO EXTERIOR.
Séries Temporais. Vários anos. Disponível em: <www.mdic.gov.br>
MONTEIRO, Armando. (2010) “Taxas de Juros e Câmbio: Efeitos dos juros e do câmbio
sobre a indústria”. Disponível em:
<http://www.fazenda.gov.br/spe/publicacoes/conjuntura/bancodeslides/apresentacao-
armando-monteiro%20-%20CNI.pdf>. Data de acesso: 07 de julho de 2012.
OFEK, Eli; RICHARDSON, Matthew; WHITELAW, Robert F., “Limited arbitrage and short
sales restrictions: evidence from the options markets”. In: The Journal of Financial
Economics. Vol. 74, No. 2, pp. 305–342, Nov. 2004.
RITCHKEN, Peter; TREVOR, Rob. “Pricing Options under Generalized GARCH and
Stochastic Volatility Processes”. In: The Journal of Finance. Vol. 54, No. 1, pp. 377–402,
Feb. 1999.
ROSSI, Pedro; PRATES, Daniela. Crédito às Exportações. Campinas: Fundação Economia

de Campinas, 2009.
STOCK, James; WATSON, Mark. “Vector Autoregressions”. In: The Journal of Economic
Perspectives. Vol. 15, No. 4, pp. 101–115, Aut. 2001.
XU, X.; TAYLOR, S.J., “Conditional volatility and the informational efficiency of the PHLX
currency options market”, In: Journal of Banking and Finance. Vol. 19, pp. 803-821, 1995.
61
APÊNDICE A – DADOS E PARÂMETROS UTILIZADOS
Nesse apêndice estão destacados todos os dados e parâmetros utilizados para a construção
dos resultados comparativos do modelo binomial de volatilidade implícita e os outros
modelos tradicionais de precificação de opção de dólar vanilla.
Preços Teóricos
Taxa Cupom Preço de Modelo
Data Spot Tipo DC DU Strike Binomial BS
PRE Cambial Mercado Proposto
02/01/2012 1.867,50 V 59 41 1.750 10,024% 1,258% 3,50 1,88 31,12 3,52
02/01/2012 1.867,50 C 30 22 1.900 10,151% 0,261% 29,50 23,35 63,23 31,24
02/01/2012 1.867,50 C 59 41 2.150 10,024% 1,258% 11,50 9,66 4,46 11,00
02/01/2012 1.867,50 C 59 41 2.000 10,024% 1,258% 26,70 30,65 45,92 27,29
02/01/2012 1.867,50 V 59 41 1.800 10,024% 1,258% 11,30 10,76 42,24 10,80
02/01/2012 1.867,50 V 59 41 1.775 10,024% 1,258% 6,50 6,32 36,68 6,27
02/01/2012 1.867,50 C 30 22 1.800 10,151% 0,261% 89,10 83,45 116,37 88,03
02/01/2012 1.867,50 C 91 63 1.500 9,880% 1,735% 391,55 397,74 397,74 396,02
02/01/2012 1.867,50 C 30 22 1.750 10,151% 0,261% 135,00 132,54 142,94 133,59
02/01/2012 1.867,50 V 91 63 3.000 9,880% 1,735% 1070,00 1.072,03 1.072,03 1.067,71
31/01/2012 1.740,90 V 62 42 1.650 9,645% -1,815% 4,15 6,39 9,44 3,82
31/01/2012 1.740,90 V 30 20 1.700 9,812% -5,245% 6,11 3,30 12,15 4,99
31/01/2012 1.740,90 V 62 42 1.725 9,645% -1,815% 20,00 11,01 20,98 17,39
31/01/2012 1.740,90 V 30 20 1.750 9,812% -5,245% 25,70 18,54 30,55 19,90
31/01/2012 1.740,90 C 30 20 1.775 9,812% -5,245% 18,00 13,14 26,73 21,67
31/01/2012 1.740,90 V 62 42 1.700 9,645% -1,815% 12,00 9,47 17,13 10,85
31/01/2012 1.740,90 V 30 20 1.825 9,812% -5,245% 80,40 62,42 62,42 73,55
31/01/2012 1.740,90 C 30 20 1.725 9,812% -5,245% 42,05 47,31 57,74 46,71
31/01/2012 1.740,90 V 62 42 1.675 9,645% -1,815% 7,00 7,93 13,29 6,60
31/01/2012 1.740,90 V 30 20 1.725 9,812% -5,245% 11,89 10,92 21,35 10,17
31/01/2012 1.740,90 C 30 20 1.750 9,812% -5,245% 32,53 30,22 42,23 31,64
31/01/2012 1.740,90 V 153 104 1.700 9,294% 0,535% 20,00 18,81 31,91 20,46
31/01/2012 1.740,90 C 153 104 1.900 9,294% 0,535% 44,50 48,56 38,14 43,80
01/02/2012 1.734,20 V 61 41 1.725 9,641% 2,008% 21,33 13,99 23,84 22,45
01/02/2012 1.734,20 V 91 61 1.800 9,504% 2,001% 50,00 63,26 68,48 72,59
01/02/2012 1.734,20 V 29 19 1.750 9,822% 2,661% 21,82 26,37 38,47 28,99
01/02/2012 1.734,20 C 91 61 1.800 9,504% 2,001% 40,87 29,86 35,07 39,34
62
01/02/2012 1.734,20 C 61 41 1.850 9,641% 2,008% 17,46 22,21 12,74 17,69
01/02/2012 1.734,20 V 61 41 1.750 9,641% 2,008% 32,00 28,61 38,01 35,46
01/02/2012 1.734,20 V 29 19 1.700 9,822% 2,661% 6,92 5,89 16,30 7,60
01/02/2012 1.734,20 V 29 19 1.725 9,822% 2,661% 14,45 16,13 27,38 15,51
01/02/2012 1.734,20 V 61 41 1.700 9,641% 2,008% 11,00 11,42 19,41 13,39
01/02/2012 1.734,20 C 29 19 1.700 9,822% 2,661% 53,00 49,25 59,66 50,87
01/02/2012 1.734,20 C 61 41 1.500 9,641% 2,008% 259,74 252,71 252,71 251,89
01/02/2012 1.734,20 C 91 61 1.850 9,504% 2,001% 28,00 25,46 22,87 28,75
01/02/2012 1.734,20 C 61 41 1.800 9,641% 2,008% 27,00 28,31 28,27 26,46
01/02/2012 1.734,20 C 91 61 1.900 9,504% 2,001% 21,00 21,06 14,17 21,29
01/02/2012 1.734,20 V 61 41 3.000 9,641% 2,008% 1216,00 1.228,78 1.228,78 1.225,10
29/02/2012 1.709,90 C 33 23 1.750 9,458% -4,746% 15,76 4,04 14,14 16,95
29/02/2012 1.709,90 V 33 23 1.750 9,458% -4,746% 51,22 21,60 31,70 34,59
29/02/2012 1.709,90 V 63 43 1.725 9,338% -2,124% 32,00 19,28 25,02 22,52
29/02/2012 1.709,90 V 33 23 1.725 9,458% -4,746% 22,20 15,21 23,72 18,29
29/02/2012 1.709,90 V 33 23 1.675 9,458% -4,746% 3,82 2,44 7,75 3,25
29/02/2012 1.709,90 V 33 23 1.775 9,458% -4,746% 61,40 42,24 42,24 54,17
29/02/2012 1.709,90 V 63 43 1.650 9,338% -2,124% 4,73 3,46 8,64 2,97
29/02/2012 1.709,90 C 93 65 1.900 9,194% -1,034% 14,00 17,94 4,38 16,47
29/02/2012 1.709,90 V 124 85 1.600 9,075% -0,386% 2,00 1,57 5,42 2,05
29/02/2012 1.709,90 C 93 65 1.850 9,194% -1,034% 19,00 22,54 15,04 23,25
29/02/2012 1.709,90 C 33 23 1.725 9,458% -4,746% 26,92 22,33 30,84 25,44
29/02/2012 1.709,90 V 124 85 1.700 9,075% -0,386% 17,85 15,56 23,53 17,52
29/02/2012 1.709,90 V 33 23 1.800 9,458% -4,746% 75,47 66,91 66,91 75,27
29/02/2012 1.709,90 C 93 65 1.800 9,194% -1,034% 27,00 27,14 25,69 32,43
29/02/2012 1.709,90 C 93 65 1.750 9,194% -1,034% 39,40 39,34 48,73 46,50
29/02/2012 1.709,90 V 33 23 1.700 9,458% -4,746% 9,55 8,82 15,73 7,92
29/02/2012 1.709,90 C 63 43 1.725 9,338% -2,124% 37,00 37,59 43,33 40,90
01/03/2012 1.717,80 V 32 22 1.675 9,409% 1,558% 3,99 0,27 7,50 3,71
01/03/2012 1.717,80 C 32 22 1.750 9,409% 1,558% 14,67 7,76 18,09 16,48
01/03/2012 1.717,80 V 62 42 1.700 9,294% 1,236% 13,90 9,68 18,58 12,99
01/03/2012 1.717,80 V 32 22 1.750 9,409% 1,558% 38,07 28,01 38,34 36,70
01/03/2012 1.717,80 V 32 22 1.700 9,409% 1,558% 10,90 9,51 17,78 8,95
01/03/2012 1.717,80 V 32 22 1.725 9,409% 1,558% 21,29 18,76 28,06 20,00
01/03/2012 1.717,80 V 62 42 1.650 9,294% 1,236% 3,50 3,34 9,60 3,00
01/03/2012 1.717,80 C 92 64 1.850 9,153% 1,198% 20,00 20,50 13,90 22,38
01/03/2012 1.717,80 C 32 22 1.650 9,409% 1,558% 76,35 79,07 79,07 80,31
01/03/2012 1.717,80 C 32 22 1.600 9,409% 1,558% 124,20 128,73 128,73 128,59
01/03/2012 1.717,80 C 32 22 1.725 9,409% 1,558% 23,95 23,34 32,64 24,57
01/03/2012 1.717,80 V 32 22 1.900 9,409% 1,558% 172,65 169,22 169,22 170,36
01/03/2012 1.717,80 V 62 42 1.675 9,294% 1,236% 6,60 6,51 14,09 6,55
01/03/2012 1.717,80 V 32 22 2.100 9,409% 1,558% 366,50 367,86 367,86 367,54
30/03/2012 1.822,90 V 33 21 1.775 8,870% -1,883% 3,74 1,75 7,19 3,14
30/03/2012 1.822,90 V 63 43 1.750 8,654% -0,510% 2,00 1,12 7,38 2,47
30/03/2012 1.822,90 C 33 21 1.850 8,870% -1,883% 20,70 17,50 25,46 24,61
30/03/2012 1.822,90 V 33 21 1.850 8,870% -1,883% 33,12 28,09 36,05 35,22
30/03/2012 1.822,90 V 33 21 1.900 8,870% -1,883% 72,40 60,15 60,15 73,16
30/03/2012 1.822,90 V 33 21 1.800 8,870% -1,883% 9,71 10,53 16,81 8,63
30/03/2012 1.822,90 C 33 21 1.775 8,870% -1,883% 60,50 65,48 70,92 66,98
63
30/03/2012 1.822,90 C 63 43 1.900 8,654% -0,510% 24,49 25,43 18,06 25,62
30/03/2012 1.822,90 V 33 21 1.825 8,870% -1,883% 19,03 19,31 26,43 19,68
30/03/2012 1.822,90 V 63 43 1.775 8,654% -0,510% 5,80 5,65 11,42 5,61
30/03/2012 1.822,90 C 33 21 1.825 8,870% -1,883% 34,46 33,49 40,61 33,88
30/03/2012 1.822,90 C 63 43 1.850 8,654% -0,510% 37,80 36,56 36,25 38,30
30/03/2012 1.822,90 C 94 63 1.700 8,609% 0,083% 161,18 158,99 162,71 159,70
02/04/2012 1.830,30 V 30 20 1.875 8,861% -0,461% 47,00 33,00 30,88 47,00
02/04/2012 1.830,30 C 91 62 1.900 8,581% 0,539% 35,00 30,15 23,63 38,08
02/04/2012 1.830,30 C 60 42 1.925 8,645% 0,180% 20,00 23,70 12,36 21,19
02/04/2012 1.830,30 C 30 20 1.850 8,861% -0,461% 22,02 17,92 15,32 22,68
02/04/2012 1.830,30 V 30 20 1.850 8,861% -0,461% 28,69 23,99 21,39 28,75
02/04/2012 1.830,30 V 30 20 1.825 8,861% -0,461% 16,25 14,97 12,77 14,21
02/04/2012 1.830,30 C 91 62 2.000 8,581% 0,539% 19,00 20,39 3,25 20,98
02/04/2012 1.830,30 V 30 20 1.800 8,861% -0,461% 6,00 5,96 4,15 5,58
02/04/2012 1.830,30 C 91 62 1.700 8,581% 0,539% 159,00 163,60 166,04 164,01
02/04/2012 1.830,30 C 30 20 1.825 8,861% -0,461% 34,03 33,73 31,52 32,97
02/04/2012 1.830,30 C 30 20 1.750 8,861% -0,461% 91,42 93,20 93,20 93,72
02/04/2012 1.830,30 C 60 42 1.900 8,645% 0,180% 25,30 27,51 21,07 25,88
02/04/2012 1.830,30 C 30 20 1.775 8,861% -0,461% 69,25 68,38 68,38 70,19
02/04/2012 1.830,30 C 30 20 1.800 8,861% -0,461% 49,35 49,53 47,72 49,17
02/04/2012 1.830,30 V 91 62 3.000 8,581% 0,539% 1113,21 1.110,93 1.110,93 1.109,45
30/04/2012 1.894,00 V 32 23 1.925 8,370% -7,565% 36,61 19,23 14,15 27,43
30/04/2012 1.894,00 C 32 23 1.900 8,370% -7,565% 27,67 34,79 30,85 35,68
30/04/2012 1.894,00 V 32 23 1.900 8,370% -7,565% 19,08 13,36 9,41 14,10
30/04/2012 1.894,00 C 93 65 2.000 8,121% -1,693% 28,09 29,28 10,90 32,68
30/04/2012 1.894,00 C 63 43 1.875 8,218% -3,406% 58,50 63,68 61,70 67,23
30/04/2012 1.894,00 C 32 23 1.875 8,370% -7,565% 52,40 53,57 50,75 52,77
02/05/2012 1.914,90 V 30 22 1.875 8,377% -4,175% 5,67 3,38 1,19 4,32
02/05/2012 1.914,90 C 30 22 1.950 8,377% -4,175% 19,59 12,04 7,43 21,81
02/05/2012 1.914,90 V 30 22 1.925 8,377% -4,175% 24,18 18,39 14,58 20,23
02/05/2012 1.914,90 V 30 22 1.975 8,377% -4,175% 54,00 38,57 38,57 54,35
02/05/2012 1.914,90 C 30 22 1.875 8,377% -4,175% 55,00 63,72 61,53 64,88
02/05/2012 1.914,90 C 91 64 1.925 8,075% -0,449% 55,40 62,02 51,65 62,90
02/05/2012 1.914,90 C 91 64 2.025 8,075% -0,449% 27,50 28,00 9,89 33,30
02/05/2012 1.914,90 V 245 168 1.850 7,844% 1,110% 19,60 18,91 24,41 16,11
02/05/2012 1.914,90 V 30 22 1.900 8,377% -4,175% 11,24 10,89 7,89 9,74
02/05/2012 1.914,90 C 30 22 1.925 8,377% -4,175% 28,30 29,27 25,46 31,15
02/05/2012 1.914,90 C 61 42 1.800 8,186% -1,588% 135,00 143,98 143,98 145,05
02/05/2012 1.914,90 C 30 22 1.850 8,377% -4,175% 83,23 85,06 85,06 87,07
02/05/2012 1.914,90 C 124 87 1.950 8,066% 0,001% 65,50 65,12 50,76 66,71
02/05/2012 1.914,90 C 61 42 1.950 8,186% -1,588% 38,00 35,88 19,40 37,48
02/05/2012 1.914,90 C 61 42 1.900 8,186% -1,588% 61,30 55,96 49,88 60,55
02/05/2012 1.914,90 V 61 42 3.000 8,186% -1,588% 1048,50 1.036,63 1.036,63 1.039,37
02/05/2012 1.914,90 C 30 22 1.900 8,377% -4,175% 45,58 46,49 43,50 45,48
31/05/2012 2.020,20 V 32 21 1.950 7,992% 1,658% 9,35 2,44 8,03 8,46
31/05/2012 2.020,20 V 32 21 2.075 7,992% 1,658% 65,00 57,19 64,20 68,90
31/05/2012 2.020,20 C 32 21 1.950 7,992% 1,658% 94,00 82,90 88,49 88,82
31/05/2012 2.020,20 C 32 21 2.050 7,992% 1,658% 32,65 27,23 33,96 32,24
31/05/2012 2.020,20 V 32 21 2.050 7,992% 1,658% 47,71 46,24 52,97 51,22
64
31/05/2012 2.020,20 C 123 85 2.100 7,724% 1,860% 65,70 61,58 62,65 61,49
31/05/2012 2.020,20 V 123 85 2.050 7,724% 1,860% 68,60 64,11 70,45 67,22
31/05/2012 2.020,20 V 32 21 2.000 7,992% 1,658% 23,80 24,34 30,50 23,35
31/05/2012 2.020,20 C 32 21 1.900 7,992% 1,658% 130,00 130,20 130,20 132,46
31/05/2012 2.020,20 C 32 21 2.025 7,992% 1,658% 41,22 41,15 47,59 41,67
01/06/2012 2.036,40 C 31 20 2.100 8,010% -1,551% 25,03 9,16 11,87 24,33
01/06/2012 2.036,40 V 31 20 1.975 8,010% -1,551% 10,95 6,04 7,99 9,32
01/06/2012 2.036,40 C 31 20 2.075 8,010% -1,551% 32,40 23,80 26,36 31,27
01/06/2012 2.036,40 V 31 20 2.100 8,010% -1,551% 73,45 56,88 59,59 72,12
01/06/2012 2.036,40 V 122 84 2.050 7,687% 1,121% 61,79 50,01 45,96 55,51
01/06/2012 2.036,40 V 31 20 2.050 8,010% -1,551% 41,00 36,55 38,95 38,41
01/06/2012 2.036,40 V 31 20 2.025 8,010% -1,551% 28,20 26,38 28,63 25,40
01/06/2012 2.036,40 C 122 84 2.000 7,687% 1,121% 102,18 110,20 111,84 111,79
01/06/2012 2.036,40 C 31 20 1.925 8,010% -1,551% 118,52 125,95 125,95 128,80
01/06/2012 2.036,40 C 215 146 2.200 7,585% 1,700% 67,45 73,65 60,55 73,15
01/06/2012 2.036,40 V 31 20 2.000 8,010% -1,551% 17,17 16,21 18,31 15,77
01/06/2012 2.036,40 V 61 42 1.950 7,872% 0,096% 12,00 11,36 11,95 11,07
01/06/2012 2.036,40 C 215 146 2.100 7,585% 1,700% 94,68 95,44 99,27 99,27
01/06/2012 2.036,40 C 31 20 2.050 8,010% -1,551% 39,23 38,44 40,85 40,31
01/06/2012 2.036,40 C 31 20 1.800 8,010% -1,551% 244,17 250,01 250,01 250,32
01/06/2012 2.036,40 C 122 84 2.100 7,687% 1,121% 69,48 67,56 56,93 67,84
01/06/2012 2.036,40 C 31 20 1.950 8,010% -1,551% 104,76 101,14 101,14 106,41
01/06/2012 2.036,40 V 31 20 2.500 8,010% -1,551% 451,78 444,70 444,70 445,50
01/06/2012 2.036,40 V 31 20 2.400 8,010% -1,551% 351,10 345,46 345,46 346,47
01/06/2012 2.036,40 C 31 20 2.025 8,010% -1,551% 51,90 53,09 55,34 52,14
01/06/2012 2.036,40 C 31 20 1.900 8,010% -1,551% 151,79 150,76 150,76 152,27
29/06/2012 2.022,80 C 33 23 2.075 7,752% 7,920% 18,88 9,37 20,14 19,47
29/06/2012 2.022,80 V 33 23 2.025 7,752% 7,920% 26,57 36,34 47,01 36,52
29/06/2012 2.022,80 V 33 23 2.000 7,752% 7,920% 17,57 23,57 34,18 23,35
29/06/2012 2.022,80 V 33 23 1.975 7,752% 7,920% 8,79 10,80 21,35 13,99
29/06/2012 2.022,80 V 66 46 1.975 7,659% 4,623% 22,11 19,68 29,12 21,57
29/06/2012 2.022,80 C 33 23 2.050 7,752% 7,920% 26,25 21,60 32,32 25,67
29/06/2012 2.022,80 V 33 23 2.075 7,752% 7,920% 71,25 61,89 72,66 71,61
29/06/2012 2.022,80 V 33 23 2.100 7,752% 7,920% 91,57 77,52 85,49 91,81
29/06/2012 2.022,80 C 33 23 2.000 7,752% 7,920% 47,75 46,06 56,67 45,68
29/06/2012 2.022,80 V 33 23 2.050 7,752% 7,920% 51,00 49,12 59,84 52,99
29/06/2012 2.022,80 C 33 23 1.950 7,752% 7,920% 79,00 72,50 81,03 80,01
29/06/2012 2.022,80 C 187 127 2.100 7,362% 2,956% 74,55 72,45 70,24 73,95
29/06/2012 2.022,80 C 187 127 2.200 7,362% 2,956% 52,00 48,24 31,86 51,59
02/07/2012 1.993,10 C 30 22 2.050 7,742% 3,898% 17,97 5,92 12,37 18,84
02/07/2012 1.993,10 V 63 45 2.000 7,668% 2,573% 43,23 30,61 38,22 42,18
02/07/2012 1.993,10 V 63 45 1.975 7,668% 2,573% 29,00 21,80 27,86 29,64
02/07/2012 1.993,10 C 30 22 2.025 7,742% 3,898% 25,25 19,42 25,64 25,12
02/07/2012 1.993,10 V 91 64 2.100 7,520% 2,399% 95,50 110,35 103,99 115,60
02/07/2012 1.993,10 V 30 22 2.050 7,742% 3,898% 64,81 55,95 62,40 68,70
02/07/2012 1.993,10 V 30 22 1.950 7,742% 3,898% 12,25 10,28 15,83 12,03
02/07/2012 1.993,10 V 30 22 2.025 7,742% 3,898% 46,00 44,53 50,75 50,15
02/07/2012 1.993,10 V 30 22 2.000 7,742% 3,898% 33,07 33,12 39,11 33,87
02/07/2012 1.993,10 V 30 22 1.975 7,742% 3,898% 20,45 21,70 27,47 20,95
65
02/07/2012 1.993,10 C 30 22 2.000 7,742% 3,898% 33,28 32,92 38,91 33,67
02/07/2012 1.993,10 V 91 64 2.500 7,520% 2,399% 472,00 474,60 474,60 474,70
02/07/2012 1.993,10 C 91 64 1.500 7,520% 2,399% 511,00 512,48 512,48 509,37
31/07/2012 2.047,00 C 34 24 2.100 7,511% -2,478% 18,62 5,05 22,52 18,95
31/07/2012 2.047,00 V 34 24 2.000 7,511% -2,478% 7,96 4,10 15,92 6,68
31/07/2012 2.047,00 C 155 105 2.350 7,111% 0,665% 22,64 15,84 0,17 21,50
31/07/2012 2.047,00 V 34 24 2.100 7,511% -2,478% 54,83 38,17 55,64 52,15
31/07/2012 2.047,00 V 34 24 2.025 7,511% -2,478% 15,42 12,62 25,85 12,20
31/07/2012 2.047,00 V 34 24 2.150 7,511% -2,478% 98,00 82,64 82,64 92,46
31/07/2012 2.047,00 C 155 105 2.100 7,111% 0,665% 68,20 60,84 50,19 67,42
31/07/2012 2.047,00 C 62 43 2.150 7,340% -0,754% 19,23 20,32 7,43 21,32
31/07/2012 2.047,00 C 34 24 2.000 7,511% -2,478% 65,90 70,03 81,85 72,77
31/07/2012 2.047,00 V 34 24 2.250 7,511% -2,478% 200,00 181,70 181,70 184,15
31/07/2012 2.047,00 C 62 43 2.000 7,340% -0,754% 79,00 84,56 86,08 85,15
31/07/2012 2.047,00 C 62 43 2.050 7,340% -0,754% 49,00 44,47 45,16 52,23
31/07/2012 2.047,00 C 34 24 2.050 7,511% -2,478% 35,74 37,54 52,19 37,89
31/07/2012 2.047,00 C 62 43 2.100 7,340% -0,754% 30,93 32,39 25,65 32,67
31/07/2012 2.047,00 C 155 105 2.150 7,111% 0,665% 54,60 50,66 32,13 52,75
31/07/2012 2.047,00 C 34 24 1.925 7,511% -2,478% 137,03 140,23 140,23 141,26
31/07/2012 2.047,00 C 155 105 1.950 7,111% 0,665% 156,00 157,96 156,59 157,83
31/07/2012 2.047,00 C 155 105 2.000 7,111% 0,665% 118,00 116,44 113,90 119,27
31/07/2012 2.047,00 V 34 24 2.200 7,511% -2,478% 136,50 132,17 132,17 137,31
31/07/2012 2.047,00 C 155 105 2.300 7,111% 0,665% 27,00 24,54 3,21 27,14
31/07/2012 2.047,00 C 307 208 2.250 7,106% 1,416% 72,00 69,62 60,72 71,72
31/07/2012 2.047,00 C 155 105 2.050 7,111% 0,665% 89,00 88,64 82,04 88,70
01/08/2012 2.044,60 C 33 23 2.100 7,492% 0,117% 15,81 2,25 16,69 16,81
01/08/2012 2.044,60 V 33 23 2.000 7,492% 0,117% 8,66 4,96 15,58 7,63
01/08/2012 2.044,60 V 61 42 2.000 7,328% 0,764% 9,30 11,99 17,02 12,74
01/08/2012 2.044,60 V 33 23 2.100 7,492% 0,117% 61,67 43,56 58,00 58,12
01/08/2012 2.044,60 C 33 23 2.075 7,492% 0,117% 22,52 17,43 30,91 23,47
01/08/2012 2.044,60 V 154 104 2.050 7,102% 1,317% 47,00 41,87 36,84 42,37
01/08/2012 2.044,60 V 33 23 2.075 7,492% 0,117% 41,68 33,91 47,39 39,95
01/08/2012 2.044,60 V 33 23 2.050 7,492% 0,117% 26,58 24,26 36,79 24,90
01/08/2012 2.044,60 C 61 42 2.150 7,328% 0,764% 21,00 20,04 11,16 19,78
01/08/2012 2.044,60 C 154 104 2.200 7,102% 1,317% 39,00 40,85 18,07 41,16
01/08/2012 2.044,60 V 33 23 2.025 7,492% 0,117% 14,56 14,61 26,19 14,15
01/08/2012 2.044,60 C 33 23 2.050 7,492% 0,117% 32,47 32,61 45,14 33,25
01/08/2012 2.044,60 C 33 23 2.025 7,492% 0,117% 46,90 47,79 59,37 47,34
31/08/2012 2.034,50 V 489 335 2.000 7,520% 2,218% 52,00 23,74 47,09 39,31
31/08/2012 2.034,50 V 62 42 2.025 7,046% 3,594% 25,47 15,99 20,34 24,38
31/08/2012 2.034,50 C 62 42 2.050 7,046% 3,594% 36,30 27,83 29,39 34,66
31/08/2012 2.034,50 V 62 42 1.950 7,046% 3,594% 5,35 6,09 5,05 4,51
31/08/2012 2.034,50 C 31 20 2.025 7,090% 6,278% 31,00 28,48 52,73 28,30
31/08/2012 2.034,50 V 31 20 2.025 7,090% 6,278% 16,75 17,67 41,93 17,55
31/08/2012 2.034,50 V 124 82 2.000 7,018% 2,593% 21,80 20,89 21,47 22,21
03/09/2012 2.032,60 V 28 19 2.000 7,077% 1,868% 6,63 4,99 27,59 7,35
03/09/2012 2.032,60 V 28 19 2.075 7,077% 1,868% 44,30 36,13 62,62 46,33
03/09/2012 2.032,60 V 28 19 2.050 7,077% 1,868% 27,38 25,75 50,94 28,40
03/09/2012 2.032,60 V 28 19 2.025 7,077% 1,868% 14,64 15,37 39,26 15,04
66
03/09/2012 2.032,60 V 121 81 2.000 6,990% 1,521% 20,52 18,97 15,02 20,04
03/09/2012 2.032,60 V 28 19 2.150 7,077% 1,868% 113,00 108,97 108,97 111,78
03/09/2012 2.032,60 C 28 19 1.950 7,077% 1,868% 92,00 90,24 94,48 91,52
28/09/2012 2.028,50 V 34 23 2.000 7,018% 3,566% 5,00 3,23 32,45 5,71
28/09/2012 2.028,50 C 34 23 2.050 7,018% 3,566% 14,78 8,97 41,31 13,11
28/09/2012 2.028,50 V 34 23 2.025 7,018% 3,566% 12,05 13,63 44,40 13,46
28/09/2012 2.028,50 V 66 43 2.100 7,023% 2,517% 63,00 69,96 67,07 68,45
28/09/2012 2.028,50 V 66 43 1.975 7,023% 2,517% 4,60 5,20 9,44 4,38
28/09/2012 2.028,50 C 96 63 2.050 6,999% 2,265% 36,59 32,39 34,11 35,54
28/09/2012 2.028,50 V 34 23 2.050 7,018% 3,566% 24,54 24,02 56,36 28,12
28/09/2012 2.028,50 V 66 43 2.050 7,023% 2,517% 27,00 28,91 33,45 30,92
28/09/2012 2.028,50 C 126 85 1.950 7,003% 2,091% 123,80 116,49 116,10 115,24
28/09/2012 2.028,50 V 34 23 2.100 7,018% 3,566% 65,10 64,90 80,27 69,14
28/09/2012 2.028,50 C 34 23 2.025 7,018% 3,566% 23,60 23,50 54,27 23,30
28/09/2012 2.028,50 V 185 123 2.400 7,009% 1,901% 319,20 319,82 312,40 320,23
28/09/2012 2.028,50 V 185 123 2.500 7,009% 1,901% 410,70 414,70 409,94 411,88
01/10/2012 2.026,00 C 31 22 2.050 7,023% 1,102% 11,91 6,75 43,79 12,06
01/10/2012 2.026,00 V 31 22 2.000 7,023% 1,102% 4,06 2,75 34,25 4,52
01/10/2012 2.026,00 C 93 62 2.100 6,990% 1,300% 20,00 17,56 11,29 20,02
01/10/2012 2.026,00 C 31 22 2.000 7,023% 1,102% 41,47 39,06 70,56 40,79
01/10/2012 2.026,00 V 31 22 2.025 7,023% 1,102% 11,50 11,46 45,74 11,39
01/10/2012 2.026,00 C 63 42 1.700 7,013% 1,164% 340,00 342,49 342,49 341,83
01/10/2012 2.026,00 C 31 22 2.025 7,023% 1,102% 22,76 22,90 57,18 22,82
01/10/2012 2.026,00 V 63 42 2.450 7,013% 1,164% 400,77 400,23 400,23 399,67
31/10/2012 2.030,80 C 33 21 2.050 6,859% 1,436% 11,35 6,42 55,16 11,13
31/10/2012 2.030,80 C 63 41 2.100 6,859% 1,452% 10,00 11,12 15,25 10,95
31/10/2012 2.030,80 C 93 63 2.100 6,850% 1,344% 18,25 16,58 12,03 20,04
31/10/2012 2.030,80 C 63 41 2.050 6,859% 1,452% 20,45 20,87 31,48 22,06
31/10/2012 2.030,80 V 33 21 2.025 6,859% 1,436% 7,85 7,81 53,24 7,67
01/11/2012 2.030,90 V 92 62 1.950 6,859% 1,590% 1,80 3,23 2,05 2,24
01/11/2012 2.030,90 C 62 40 2.100 6,864% 1,783% 9,58 13,56 8,83 11,54
01/11/2012 2.030,90 C 32 20 2.050 6,863% 2,033% 9,89 6,38 35,62 11,28
01/11/2012 2.030,90 V 32 20 2.050 6,863% 2,033% 20,67 17,63 46,88 22,52
01/11/2012 2.030,90 V 92 62 1.975 6,859% 1,590% 4,90 4,32 3,67 4,49
01/11/2012 2.030,90 V 92 62 2.000 6,859% 1,590% 8,00 7,01 6,85 8,37
01/11/2012 2.030,90 C 62 40 2.050 6,864% 1,783% 21,00 20,95 25,65 22,55
01/11/2012 2.030,90 C 32 20 2.025 6,863% 2,033% 21,00 22,08 48,97 21,70
01/11/2012 2.030,90 C 32 20 1.975 6,863% 2,033% 64,40 63,46 75,67 64,05
01/11/2012 2.030,90 C 32 20 2.000 6,863% 2,033% 41,16 38,55 62,32 41,07
30/11/2012 2.109,80 C 33 21 2.100 6,850% -15,23% 28,74 54,23 48,08 53,77
30/11/2012 2.109,80 C 33 21 2.050 6,850% -15,23% 64,55 97,17 97,17 99,15
30/11/2012 2.109,80 C 63 43 2.075 6,843% -6,900% 61,00 86,94 82,89 88,77
30/11/2012 2.109,80 C 63 43 2.125 6,843% -6,900% 35,00 48,77 18,27 50,97
30/11/2012 2.109,80 C 63 43 2.050 6,843% -6,900% 80,00 109,93 107,31 111,09
30/11/2012 2.109,80 C 122 81 2.150 6,850% -2,919% 45,55 59,10 38,28 59,05
30/11/2012 2.109,80 C 63 43 1.950 6,843% -6,900% 201,85 205,00 205,00 207,43
03/12/2012 2.113,10 C 30 20 2.075 6,867% -4,952% 46,00 60,02 57,47 61,38
03/12/2012 2.113,10 C 60 42 2.150 6,831% -1,848% 29,05 32,96 5,41 33,86
03/12/2012 2.113,10 C 30 20 2.050 6,867% -4,952% 72,59 82,24 82,24 83,94
67
03/12/2012 2.113,10 V 88 60 2.250 6,841% -0,819% 133,00 117,53 96,24 117,88
03/12/2012 2.113,10 V 30 20 2.225 6,867% -4,952% 107,44 91,13 91,13 98,76
03/12/2012 2.113,10 C 60 42 2.125 6,831% -1,848% 35,23 38,34 22,71 43,70
03/12/2012 2.113,10 C 60 42 1.900 6,831% -1,848% 220,60 240,39 240,39 241,13
03/12/2012 2.113,10 V 60 42 2.400 6,831% -1,848% 276,82 252,43 252,43 256,66
03/12/2012 2.113,10 C 88 60 1.800 6,841% -0,819% 323,53 345,63 345,63 346,30
03/12/2012 2.113,10 C 210 143 2.300 6,813% 0,589% 41,40 40,68 13,01 43,74
03/12/2012 2.113,10 C 60 42 2.025 6,831% -1,848% 114,11 120,12 117,18 119,70
03/12/2012 2.113,10 C 60 42 2.000 6,831% -1,848% 137,75 142,60 141,82 143,29
03/12/2012 2.113,10 C 30 20 2.100 6,867% -4,952% 40,38 42,56 32,71 41,60
03/12/2012 2.113,10 C 60 42 2.075 6,831% -1,848% 77,68 75,16 67,98 76,15
03/12/2012 2.113,10 C 210 143 2.150 6,813% 0,589% 82,00 79,67 67,83 83,34
03/12/2012 2.113,10 C 60 42 2.050 6,831% -1,848% 98,50 97,64 92,54 97,09
28/12/2012 2.043,40 V 35 24 2.000 6,742% -0,682% 5,51 0,83 29,92 4,87
28/12/2012 2.043,40 C 35 24 2.075 6,742% -0,682% 16,08 9,84 46,45 16,62
28/12/2012 2.043,40 V 63 42 1.975 6,766% 0,133% 3,50 4,48 14,35 4,32
28/12/2012 2.043,40 V 63 42 2.050 6,766% 0,133% 25,00 17,85 29,91 22,79
28/12/2012 2.043,40 V 35 24 2.075 6,742% -0,682% 35,75 26,82 63,43 33,61
28/12/2012 2.043,40 V 63 42 2.025 6,766% 0,133% 14,20 10,75 24,72 13,36
28/12/2012 2.043,40 C 370 255 2.300 6,887% 1,070% 55,00 42,33 39,84 56,52
28/12/2012 2.043,40 C 35 24 2.025 6,742% -0,682% 39,86 42,16 73,76 42,40
28/12/2012 2.043,40 C 35 24 2.000 6,742% -0,682% 58,98 58,32 87,41 62,40
28/12/2012 2.043,40 V 35 24 2.050 6,742% -0,682% 19,98 18,16 52,26 18,86
28/12/2012 2.043,40 C 63 42 2.100 6,766% 0,133% 19,60 20,64 29,18 20,67
28/12/2012 2.043,40 C 63 42 2.000 6,766% 0,133% 69,96 73,00 84,93 73,09
28/12/2012 2.043,40 C 63 42 2.050 6,766% 0,133% 37,35 33,78 45,84 38,73
28/12/2012 2.043,40 V 63 42 2.000 6,766% 0,133% 8,00 7,61 19,54 7,71
28/12/2012 2.043,40 V 35 24 2.025 6,742% -0,682% 9,91 9,49 41,09 9,71
28/12/2012 2.043,40 C 35 24 2.050 6,742% -0,682% 26,56 26,00 60,11 26,71
Adicionalmente, estão destacados todos os dados e parâmetros utilizados para a
construção dos resultados comparativos do modelo binomial de volatilidade implícita para a
precificação de estratégias de trava de baixa.
Preços Teóricos
Preço de Modelo
Data Spot DC DU Strike 1 Strike 2 Taxa PRE BS
Mercado Proposto
02/01/2012 1.867,50 30 22 1.750 1.900 10,1509% 42,46 39,52 44,14
02/01/2012 1.867,50 59 41 1.750 2.150 10,0243% 262,64 259,84 238,86
02/01/2012 1.867,50 91 63 1.500 3.000 9,8804% 1.070,34 1.072,03 1.059,05
31/01/2012 1.740,90 30 20 1.700 1.825 9,8124% 74,29 59,12 63,25
31/01/2012 1.740,90 62 42 1.650 1.725 9,6455% 15,85 4,61 13,79
31/01/2012 1.740,90 153 104 1.700 1.900 9,2944% 119,53 121,38 98,37
01/02/2012 1.734,20 29 19 1.700 1.750 9,8215% 14,90 20,48 19,64
01/02/2012 1.734,20 61 41 1.500 3.000 9,6410% 1.203,86 1.228,78 1.189,74
01/02/2012 1.734,20 91 61 1.800 1.900 9,5037% 105,79 89,41 68,61
29/02/2012 1.709,90 33 23 1.675 1.800 9,4583% 71,65 64,48 65,82
68
29/02/2012 1.709,90 63 43 1.650 1.725 9,3381% 17,90 15,82 18,44
29/02/2012 1.709,90 93 65 1.750 1.900 9,1941% 119,96 124,69 99,15
29/02/2012 1.709,90 124 85 1.600 1.700 9,0754% 15,85 13,99 15,03
01/03/2012 1.717,80 32 22 1.600 2.100 9,4091% 366,54 367,86 358,44
01/03/2012 1.717,80 62 42 1.650 1.700 9,2944% 10,40 6,34 9,47
30/03/2012 1.822,90 33 21 1.775 1.900 8,8697% 68,66 59,94 61,90
30/03/2012 1.822,90 63 43 1.750 1.900 8,6545% 73,72 72,86 62,68
02/04/2012 1.830,30 30 20 1.750 1.875 8,8606% 44,46 33,00 43,97
02/04/2012 1.830,30 60 42 1.900 1.925 8,6453% 19,23 20,86 17,01
02/04/2012 1.830,30 91 62 1.700 3.000 8,5811% 1.113,15 1.110,93 1.090,86
30/04/2012 1.894,00 32 23 1.875 1.925 8,3698% 26,20 11,73 18,73
02/05/2012 1.914,90 30 22 1.850 1.975 8,3771% 51,56 38,57 49,41
02/05/2012 1.914,90 61 42 1.800 3.000 8,1856% 1.052,91 1.036,63 1.020,10
02/05/2012 1.914,90 91 64 1.925 2.025 8,0750% 69,47 63,84 54,95
31/05/2012 2.020,20 32 21 1.900 2.075 7,9920% 60,70 57,19 63,56
31/05/2012 2.020,20 123 85 2.050 2.100 7,7239% 39,42 36,14 26,68
01/06/2012 2.036,40 31 20 1.800 2.500 8,0104% 452,52 444,70 442,99
01/06/2012 2.036,40 122 84 2.000 2.100 7,6868% 64,64 55,20 44,30
01/06/2012 2.036,40 215 146 2.100 2.200 7,5849% 68,93 74,86 55,98
29/06/2012 2.022,80 33 23 1.950 2.100 7,7516% 80,85 77,52 76,98
29/06/2012 2.022,80 187 127 2.100 2.200 7,3622% 74,76 73,59 62,05
02/07/2012 1.993,10 30 22 1.950 2.050 7,7424% 52,56 45,66 50,58
02/07/2012 1.993,10 63 45 1.975 2.000 7,6683% 14,23 8,81 10,69
02/07/2012 1.993,10 91 64 1.500 2.500 7,5200% 467,06 474,60 474,42
31/07/2012 2.047,00 34 24 1.925 2.250 7,5107% 198,65 181,70 180,57
31/07/2012 2.047,00 62 43 2.000 2.150 7,3399% 87,42 83,70 75,33
31/07/2012 2.047,00 155 105 1.950 2.350 7,1111% 254,08 247,28 227,37
01/08/2012 2.044,60 33 23 2.000 2.100 7,4922% 53,01 38,60 46,57
01/08/2012 2.044,60 61 42 2.000 2.150 7,3278% 97,14 90,06 79,09
01/08/2012 2.044,60 154 104 2.050 2.200 7,1017% 98,83 102,48 83,89
31/08/2012 2.034,50 62 42 1.950 2.050 7,0458% 38,52 25,48 31,83
03/09/2012 2.032,60 28 19 1.950 2.150 7,0766% 106,94 108,97 107,64
28/09/2012 2.028,50 34 23 2.000 2.100 7,0179% 60,10 61,66 58,91
28/09/2012 2.028,50 66 43 1.975 2.100 7,0225% 58,40 64,75 59,00
28/09/2012 2.028,50 185 123 2.400 2.500 7,0086% 91,50 94,88 89,95
01/10/2012 2.026,00 31 22 2.000 2.050 7,0235% 25,06 17,44 20,27
01/10/2012 2.026,00 63 42 1.700 2.450 7,0132% 397,69 400,23 399,53
31/10/2012 2.030,80 33 21 2.025 2.050 6,8593% 17,26 8,56 11,90
31/10/2012 2.030,80 63 41 2.050 2.100 6,8593% 38,86 39,81 31,71
01/11/2012 2.030,90 32 20 1.975 2.050 6,8630% 15,56 17,63 21,55
01/11/2012 2.030,90 62 40 2.050 2.100 6,8639% 37,93 42,22 31,83
01/11/2012 2.030,90 92 62 1.950 2.000 6,8593% 6,20 3,77 6,45
30/11/2012 2.109,80 63 43 1.950 2.125 6,8434% 3,24 14,71 16,46
03/12/2012 2.113,10 30 20 2.050 2.225 6,8667% 112,83 91,13 90,93
03/12/2012 2.113,10 60 42 1.900 2.400 6,8313% 291,55 252,43 254,33
03/12/2012 2.113,10 88 60 1.800 2.250 6,8406% 149,52 117,53 117,75
03/12/2012 2.113,10 210 143 2.150 2.300 6,8126% 103,47 105,81 83,94
28/12/2012 2.043,40 35 24 2.000 2.075 6,7425% 30,24 26,00 28,34
28/12/2012 2.043,40 63 42 1.975 2.100 6,7659% 53,29 49,67 47,90
69
APÊNDICE B – ESTUDO DE CASO PARA AS EXPORTAÇÕES BRASILEIRAS
Nesse apêndice há um estudo de caso sobre as exportações brasileiras de bens de capital,
com destaque para as opções de financiamento disponíveis e das possibilidades de se
desenvolver novas ferramentas financeiras, para permitir o fortalecimento deste setor. Este
estudo serviu como motivação para o desenvolvimento desta dissertação.
Na última década, o valor anual das exportações brasileiras vem crescendo
consistentemente, contudo, a composição da pauta de exportação também vem sofrendo
bastante alteração. Muitos fatores ajudam a explicar esse comportamento, dos quais se
destacam: (i) a valorização dos preços das commodities, que compõe boa parte da pauta de
exportação brasileira, (ii) a introdução do regime de livre flutuação da taxa de câmbio, em
1999, que alterou as rentabilidades em determinadas operações de comércio exterior, e (iii) o
maior estímulo à exportação, tanto pelo desenvolvimento da promoção comercial, no mercado
externo, quanto pelo maior acesso ao financiamento à exportação. O gráfico, abaixo, ilustra a
evolução das exportações brasileiras, elaborado com base na série mensal de exportação
brasileira disponibilizada pelo Ministério do Desenvolvimento, Indústria e Comércio Exterior
(MDIC).
70
28000
24000
20000
16000
12000
8000
4000
03 04 05 06 07 08 09 10 11
Fonte: MDIC
Figura 16 – Série histórica das exportações brasileiras, base mensal em US$ milhões.
Fonte: http://www.desenvolvimento.gov.br
Conforme exposto acima, boa parte dessa evolução das exportações brasileiras está
atrelada ao comportamento do preço das commodities. As commodities vêm tendo uma
valorização de preço acelerada nos últimos anos, impulsionada pela demanda, principalmente
da China, que precisa desses insumos para sustentar seu plano de crescimento elevado.
Abaixo, segue a série histórica mensal do índice de preço de commodities, sem considerar
combustíveis, elaborado pelo FMI, com base nos preços internacionais em dólar americano.
220
200
180
160
140
120
100
80
60
03 04 05 06 07 08 09 10 11
Fonte: FMI
Figura 17 – Série do índice de preço de commodities (s/ combustível) de 2003 a 2012.

Fonte: http://www.imf.org/external/np/res/commod/Table1.pdf
71
Já a introdução do câmbio flutuante, em janeiro de 1999, alterou a lógica de formação de
preço dessa variável, quando seu valor passou a ser determinado no mercado de divisas,
através de interação das forças de oferta e demanda, e não mais controlado, de forma rígida,
pelo Banco Central do Brasil (BACEN). Desde então, o câmbio passou a se relacionar, de
forma mais intensa e imediata com as variáveis de mercado, como, por exemplo, a própria
valorização das commodities, o apetite de risco dos investidores e a expectativa de inflação no
mercado interno. O gráfico abaixo, elaborado com a série histórica da taxa de câmbio livre
para venda, disponibilizada pelo BACEN, ilustra essa evolução na taxa de câmbio.
3,5
2,5
1,5
0,5
0
4
1
l/9
l/9
l/9
l/9
l/9
l/9
l/0
l/0
l/0
l/0
l/0
l/0
l/0
l/0
l/0
l/0
l/1
l/1
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
ju
Figura 18 – Taxa de câmbio livre para venda (R$ / US$).

Fonte: Bacen (www.bcb.gov.br)
Essa possível interpretação da evolução da taxa de câmbio, a partir de variáveis de
mercado, fez com que os agentes pudessem identificar, com maior clareza, a necessidade de
intensificação ou não das operações de comércio exterior, em função da avaliação da
rentabilidade associada.
10
Essa avaliação, segundo a Confederação Nacional da Indústria (CNI) , se torna mais
relevante no setor manufaturado, cujas margens são apertadas devido a forte concorrência
10
Seminário “Taxas de Juros e Câmbio: Efeitos dos juros e do câmbio sobre a indústria” de Armando Monteiro
Neto, presidente da CNI, em maio de 2010.
72
internacional. Além disso, o processo produtivo é mais longo, exigindo algum tipo de
previsibilidade para a tomada de decisão em relação aos investimentos.
Para uma análise dos efeitos da taxa de câmbio sobre as exportações de bens
manufaturados, foi gerada uma série histórica da participação desses bens, segundo critérios
do BNDES, dentro da pauta de exportação brasileira.
Cabe destacar que, por questão estratégica e por limitação de recursos, o BNDES
seleciona os bens passíveis de apoio financeiro, cuja produção seja geradora de emprego,
renda e inovação tecnológica. Assim, para ter acesso ao financiamento do BNDES, o produto
exportado precisa pertencer, de acordo com seu NCM11, aos chamados Grupo I, Grupo II e,
em determinadas situações, Grupo III, que são classificações elaboradas pelo corpo técnico do
BNDES12. O Grupo I e Grupo II concentram quase a totalidade dos bens manufaturados
produzidos no Brasil.
O gráfico, a seguir, elaborado com base nos dados de exportação por NCM,
disponibilizados pelo MDIC, compara a evolução mensal da exportação brasileira total com a
exportação brasileira dos bens classificados dentro do Grupo I e Grupo II. É possível perceber
que, principalmente nos últimos anos, há um descolamento entre as curvas, configurando uma
perda de participação dos bens manufaturados dentro da pauta de exportação brasileira.
11
NCM é a nomenclatura para classificação de mercadorias e produtos adotada pelos países do Mercosul. O
código NCM - Nomenclatura Comum do Mercosul é composto de oito dígitos, sendo os 6 primeiros formados
pelo SH - Sistema Harmonizado e os 2 últimos são formados de acordo com a definição estabelecida pelo
Mercosul.
12
A classificação de produtos atualizada, por NCM, está disponível no site do BNDES em:
http://www.bndes.gov.br/SiteBNDES/export/sites/default/bndes_pt/Galerias/Arquivos/produtos/download/Rel_p
rod.pdf
73
30.000
25.000
20.000
15.000
10.000
5.000
-
3
1
3
2
l/0
l/0
l/0
l/0
l/0
l/0
l/0
l/1
l/1
/0
/0
/0
/0
/0
/0
/0
/1
/1
/1
n
n
ju
ju
ju
ju
ju
ju
ju
ju
ju
ja
ja
ja
ja
ja
ja
ja
ja
ja
ja
Exportação total Exportação Grupo I e II
Figura 19 – Comparação entre a série mensal de exportação brasileira total e a série mensal de exportação
de bens manufaturados (em US$ milhões).
Fonte: MDIC
Inúmeros fatores contribuíram para essa perda relativa de participação dos bens
manufaturados dentro da pauta de exportação brasileira. Contudo, muitos especialistas e
associações de classe, como a ABIMAQ13, afirmam haver uma relação entra essa perda de
participação dos bens manufaturados e a valorização do real frente outras moedas nos últimos
anos, conforme verificado em “A Competitividade da Indústria de Transformação e de Bens
de Capital” de abril de 2012.
Para testar essa teoria, abaixo, segue uma análise de reposta impulso da participação dos
bens manufaturados, segundo os critérios do BNDES citados acima, pela taxa de câmbio entre
dólar e real. Essa análise consiste em testar a interação entre uma variação na taxa de câmbio,
em um dado instante, sobre a participação relativa das exportações brasileiras de bens
manufaturados nos períodos seguintes, a partir das séries históricas dessas duas variáveis.
Observa-se que existe uma tendência de aumento dessa participação de bens manufaturados,
quando ocorre um choque positivo na taxa de câmbio, ou seja, uma desvalorização do real,
contribuindo com a tese citada.
13
A ABIMAQ é a Associação Brasileira da Indústria de Máquinas e Serviços.
74
24
20
16
12
-4
1 2 3 4 5 6 7 8 9 10
Fonte: Elaboração própria
Figura 20 – Resposta impulso acumulada da participação de bens de maior valor agregado nas
exportações brasileiras após uma valorização do dólar frente ao real.
Cabe ressaltar, também, o grau de correlação entre o câmbio, o índice de preço de
commodities, o risco Brasil14 (que é função do diferencial de taxa de juros da dívida brasileira
e a taxa de juros internacional livre de risco) e a variação acumulada do IPCA nos últimos 12
meses. Note que não há a intenção de se fazer uma avaliação de causalidade, sendo suficiente
uma análise de correlação e interação. O resultado é bastante intuitivo, pois confirma que o
dólar tende a se valorizar frente ao real quando há um aumento da percepção de risco Brasil
e/ou um aumento da inflação doméstica, enquanto que tende a se desvalorizar quando há um
aumento do preço internacional das commodities, que compõem grande parte da pauta de
exportação brasileira.
Abaixo, segue uma análise de correlação e resposta impulso, com base nos dados de taxa
de câmbio, risco Brasil, índice de preço de commodities e inflação, todos disponibilizados
pelo BACEN e pelo FMI, no período de janeiro de 2003 a abril de 2012.
14
Para a medição do risco Brasil, foi usado o índice EMBI – Emerging Markets Bond Index, calculado pelo
banco JP Morgan. Utiliza-se, como base, os valores de negociações diárias, em mercados secundários, de títulos
da dívida brasileira em relação aos títulos do governo americano.
75
CAMBIO EMBI COMMODITY_PRICE IPCA
CAMBIO 1,00 0,89 -0,89 0,65
EMBI 0,89 1,00 -0,74 0,82
COMMODITY_PRICE -0,89 -0,74 1,00 -0,50
IPCA 0,65 0,82 -0,50 1,00
Fonte: Elaboração própria a partir de dados do BACEN e FMI
Tabela 7 – Correlação entre câmbio e demais variáveis de mercado.
As funções resposta impulso foram construídas para avaliar a resposta do câmbio, nos
períodos seguintes, em função de um choque pontual nas variáveis citadas. Para tanto,
utilizou-se um modelo de Vetores Auto-Regressivos (VAR), estimado através de um Modelo
de Correção de Erros (VECM), devido ao fato de haver mais de uma variável cointegrada.
Response to Cholesky One S.D. Innovations
Response of CAMBIO to CAMBIO Response of CAMBIO to EMBI

.08 .08
.06 .06
.04 .04
.02 .02
.00 .00
-.02 -.02
-.04 -.04
-.06 -.06
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Response of CAMBIO to COMMODITY_NON_FUEL_PRICE Response of CAMBIO to IPCA

.08 .08
.06 .06
.04 .04
.02 .02
.00 .00
-.02 -.02
-.04 -.04
-.06 -.06
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Figura 21 – Resposta impulso entre câmbio e demais variáveis de mercado.
Em relação ao financiamento à exportação, segundo Pedro Rossi (2009), há apenas
quatro instrumentos que possuem significativa participação no crédito às exportações
76
brasileiras: os Adiantamentos de Contratos de Câmbio (ACC), o Pré-pagamento de
Exportação, o PROEX Financiamento e o BNDES Exim.
O ACC e o Pré-pagamento são dois instrumentos privados de financiamento à
exportação, sendo que o primeiro é um crédito doméstico entre dois agentes residentes e o
segundo constitui uma modalidade de financiamento externo. Já o PROEX Financiamento e o
BNDES Exim são instrumentos públicos de apoio às exportações, cujos financiamentos
dependem de recursos públicos e são operacionalizados pelo Banco do Brasil e pelo BNDES,
respectivamente.
Dentre as opções de financiamento, destacou-se, abaixo, uma análise entre o BNDES
Exim e o ACC, que possuem características semelhantes, ou seja, são financiamentos
destinados aos exportadores, para financiar a produção a ser exportada. O intuito é ratificar a
importância do BNDES Exim, nos setores da economia apoiados pelo BNDES.
Vale destacar que o ACC é um produto acessível para o financiamento de qualquer
produto, enquanto que o BNDES Exim tem por finalidade apoiar setores específicos,
principalmente bens de capital e manufaturados. Assim, o volume de concessão de ACC tende
a ser muito maior do que do BNDES Exim, exceto em situações de mercado muito adversas.
Sabe-se, ademais, que o volume de operações de ACC tem crescido consistentemente nos
últimos anos, acompanhando o aumento do volume total exportado pelo Brasil. Como boa
parte desse crescimento ocorreu por conta do aumento do quantum exportado de commodities
e da valorização de seu preço, optou-se por comparar a série histórica de concessão do
BNDES Exim (que não apoia exportação de commodities) com a série histórica de concessão
do ACC, filtrada de sua tendência. Com isso, foi possível inferir o fato de o BNDES Exim ser
77
complementar e, muitas vezes, concorrente do ACC, ou seja, é possível identificar, ao longo
do tempo, uma correlação negativa entre a concessão filtrada de ACC e a concessão do
BNDES Exim. Portanto, quando o volume de concessão de ACC diminui, corrigido pela sua
tendência, o volume de concessão do BNDES Exim tende a aumentar.
6.000
5.000
4.000
3.000
2.000
1.000
-
jan/03 jan/04 jan/05 jan/06 jan/07 jan/08 jan/09 jan/10 jan/11 jan/12
Volume de ACC Tendência do volume de ACC
Figura 22 – Série histórica mensal do volume de concessão de ACC (US$ milhões).
3.500
3.000
2.500
2.000
1.500
1.000
500
(500)
(1.000)
(1.500)
(2.000)
jan/03 jan/04 jan/05 jan/06 jan/07 jan/08 jan/09 jan/10 jan/11 jan/12
Volume de ACC filtrado Volume de BNDES Exim
Figura 23 – Comparação entre a série histórica mensal do volume de concessão de ACC filtrada da
tendência e o volume de concessão do BNDES Exim (US$ milhões).
78
BNDES Exim ACC filtrado
BNDES Exim 1,000 -0,165
ACC filtrado -0,165 1,000
Tabela 8 – Correlação da concessão do BNDES Exim pelo ACC sem tendência.
Apesar de revelar uma conclusão interessante, é sabido que a comparação proposta acima
possui imperfeições pelo fato de o BNDES Exim ser acessível a apenas determinados setores
da economia. O ideal seria comparar a concessão de ACC direcionada aos mesmos setores
que são apoiados pelo BNDES Exim. Entretanto a base de concessão de ACC disponibilizada
pelo BACEN é genérica.
Mesmo assim, dada a importância do BNDES Exim, pela sua característica
complementar aos instrumentos privados de financiamento, é extremamente necessário que o
BNDES, gestor do produto, acompanhe as situações de mercado para que o produto sempre
atenda os objetivos de política pública.
Nesse sentido, dentre os aprimoramentos mapeados, uma oportunidade seria fornecer,
além do financiamento, um hedge cambial, durante o período de fabricação dos produtos, que
garanta uma rentabilidade mais estável aos exportadores. Inclusive, essa é uma demanda
antiga dos principais exportadores, que possuem um ciclo de produção de médio e longo
prazo, e se relacionam com o BNDES.
79
APÊNDICE C – CÓDIGOS EM VBA
Seguem abaixo os códigos em VBA desenvolvidos para planilha de cálculo da árvore
binomial de volatilidade implícita e de estimação de preços para estratégias de proteção
cambial utilizando esta árvore:
Function d_1(S_0 As Double, x As Double, t As Double, taxa_real As Double, taxa_USD As

Double, sigma As Double) As Double
d_1 = (Log(S_0 / x) + (taxa_real - taxa_USD + (sigma ^ 2 / 2)) * t) / (sigma * Sqr(t))
End Function
Function d_2(S_0 As Double, x As Double, t As Double, taxa_real As Double, taxa_USD As

Double, sigma As Double) As Double
d_2 = d_1(S_0, x, t, taxa_real, taxa_USD, sigma) - sigma * Sqr(t)
End Function
Function GKCall(S_0 As Double, x As Double, t As Double, taxa_real As Double, taxa_USD

As Double, sigma As Double) As Double
GKCall = S_0 * Exp(-taxa_USD * t) * Application.NormSDist(d_1(S_0, x, t, taxa_real,
taxa_USD, sigma)) - _
x * Exp(-taxa_real * t) * Application.NormSDist(d_2(S_0, x, t, taxa_real, taxa_USD,
sigma))
End Function
Function GKPut(S_0 As Double, x As Double, t As Double, taxa_real As Double, taxa_USD

As Double, sigma As Double) As Double
GKPut = -S_0 * Exp(-taxa_USD * t) * Application.NormSDist(-d_1(S_0, x, t, taxa_real,
taxa_USD, sigma)) + _
x * Exp(-taxa_real * t) * Application.NormSDist(-d_2(S_0, x, t, taxa_real, taxa_USD,
sigma))
End Function
Function arvore_preco(S0 As Double, sup_vol As Variant, N As Double, t As Variant,

taxa_real As Variant, taxa_fw As Variant, taxa_USD As Variant, taxa_USD_fw As Variant)
As Variant
80
Dim i, j, k, fw, g As Double
Dim p() As Double
Dim temp() As Double
Dim gamma() As Double
Dim F() As Double
Dim Peu, Ceu, soma As Double
ReDim p(N, N)
ReDim F(N, N)
ReDim temp(N, N)
ReDim gamma(N, N)
temp(N, 0) = S0
gamma(N, 0) = 1
F(N, 0) = S0 * Exp((taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252)
Ceu = GKCall(S0, temp(N, 0), t(2, 1) / 252, CDbl(taxa_real(2, 1)), CDbl(taxa_USD(2, 1)),
Interpola_vol(temp(N, 0), CDbl(t(2, 1)), sup_vol))
temp(N - 1, 1) = temp(N, 0) * ((Exp((taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252) * Ceu
+ gamma(N, 0) * temp(N, 0)) / (gamma(N, 0) * F(N, 0) - Exp((taxa_real(2, 1) - taxa_USD(2,
1)) * t(2, 1) / 252) * Ceu))
temp(N, 1) = temp(N, 0) ^ 2 / temp(N - 1, 1)

p(N, 0) = (F(N, 0) - temp(N, 1)) / (temp(N - 1, 1) - temp(N, 1))
gamma(N - 1, 1) = Exp(-(taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252) * p(N, 0) *
gamma(N, 0)
gamma(N, 1) = Exp(-(taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252) * (1 - p(N, 0)) *
gamma(N, 0)
For j = 2 To N
If j Mod 2 = 0 Then
temp(N - (j / 2), j) = S0
For i = N - (j / 2) To N - j + 1 Step -1
soma = 0
For k = i - 1 To N - j + 1 Step -1
F(k, j - 1) = temp(k, j - 1) * Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) /
252)
soma = soma + gamma(k, j - 1) * (F(k, j - 1) - temp(i, j - 1))
Next k
Ceu = GKCall(S0, temp(i, j - 1), t(j + 1, 1) / 252, CDbl(taxa_real(j + 1, 1)),

CDbl(taxa_USD(j + 1, 1)), Interpola_vol(temp(i, j - 1), CDbl(t(j + 1, 1)), sup_vol))
F(i, j - 1) = temp(i, j - 1) * Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) /
252)
81
temp(i - 1, j) = (temp(i, j) * (Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1))
/ 252) * Ceu - soma) - gamma(i, j - 1) * temp(i, j - 1) * (F(i, j - 1) - temp(i, j))) /
((Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * Ceu - soma) -
gamma(i, j - 1) * (F(i, j - 1) - temp(i, j)))
p(i, j - 1) = (F(i, j - 1) - temp(i, j)) / (temp(i - 1, j) - temp(i, j))
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then
If j = 2 Then
fw = S0 * Exp((taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252)
Ceu = GKCall(S0, S0, t(2, 1) / 252, CDbl(taxa_real(2, 1)), CDbl(taxa_USD(2, 1)),

Interpola_vol(S0, CDbl(t(3, 1)), sup_vol))
Dim x As Double
Dim y As Double
x = S0 * ((Exp((taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252) * Ceu + S0) / (fw -
Exp((taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252) * Ceu))
y = S0 ^ 2 / x
Ceu = GKCall(S0, x, t(j + 1, 1) / 252, CDbl(taxa_real(j + 1, 1)), CDbl(taxa_USD(j + 1,

1)), Interpola_vol(x, CDbl(t(j + 1, 1)), sup_vol))
fw = x * Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252)
g = Exp(-(taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252) * ((F(N, 0) - y) / (x - y))
/ 252) * Ceu) - g * x * (fw - temp(i, j))) / ((Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1,
1) - t(j, 1)) / 252) * Ceu) - g * (fw - temp(i, j)))
p(i, j - 1) = (fw - temp(i, j)) / (temp(i - 1, j) - temp(i, j))
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then

temp(i - 1, j) = (x * temp(i, j)) / y
End If
End If
End If
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then

temp(i - 1, j) = (temp(i, j - 1) * temp(i, j)) / temp(i + 1, j - 1)
End If
If i <> N - j + 1 Then
F(i - 1, j - 1) = temp(i - 1, j - 1) * Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) -
t(j, 1)) / 252)
If F(i - 1, j - 1) <= temp(i - 1, j) Then
82
temp(i - 1, j) = temp(i, j - 2)
End If
End If
Next i
For i = N - (j / 2) + 1 To N
soma = 0
For k = i + 1 To N
252)
soma = soma + gamma(k, j - 1) * (temp(i, j - 1) - F(k, j - 1))
Next k
Peu = GKPut(S0, temp(i, j - 1), t(j + 1, 1) / 252, CDbl(taxa_real(j + 1, 1)),

252)
temp(i, j) = (temp(i - 1, j) * (Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1))
/ 252) * Peu - soma) + gamma(i, j - 1) * temp(i, j - 1) * (F(i, j - 1) - temp(i - 1, j))) /
((Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * Peu - soma) +
gamma(i, j - 1) * (F(i, j - 1) - temp(i - 1, j)))
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then
If j = 2 Then
Peu = GKPut(S0, y, t(j + 1, 1) / 252, CDbl(taxa_real(j + 1, 1)), CDbl(taxa_USD(j + 1,

1)), Interpola_vol(y, CDbl(t(j + 1, 1)), sup_vol))
fw = y * Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252)
g = Exp(-(taxa_real(2, 1) - taxa_USD(2, 1)) * t(2, 1) / 252) * (1 - ((F(N, 0) - y) / (x - y)))
temp(i, j) = (temp(i - 1, j) * (Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j,
1)) / 252) * Peu) + g * y * (fw - temp(i - 1, j))) / ((Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) *
(t(j + 1, 1) - t(j, 1)) / 252) * Peu) + g * (fw - temp(i - 1, j)))
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then

temp(i, j) = (y * temp(i - 1, j)) / x
End If
End If
End If
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Or temp(i, j) < 0 Then

temp(i, j) = (temp(i, j - 1) * temp(i - 1, j)) / temp(i - 1, j - 1)
83
End If
If i <> N Then
F(i + 1, j - 1) = temp(i + 1, j - 1) * Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1)
- t(j, 1)) / 252)
If F(i + 1, j - 1) > temp(i, j) Then
temp(i, j) = temp(i + 1, j - 2)
End If
End If
Next i
gamma(N - j, j) = Exp(-(taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) *

p(N - j + 1, j - 1) * gamma(N - j + 1, j - 1)
gamma(N, j) = Exp(-(taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * (1 -
p(N, j - 1)) * gamma(N, j - 1)
For i = N - 1 To N - j + 1 Step -1
gamma(i, j) = Exp(-(taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * (p(i +
1, j - 1) * gamma(i + 1, j - 1) + (1 - p(i, j - 1)) * gamma(i, j - 1))
Next i
Else
i = N - ((j + 1) / 2) + 1
soma = 0
For k = i - 1 To N - j + 1 Step -1
252)
Next k

252)
temp(i - 1, j) = temp(i, j - 1) * ((Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j,
1)) / 252) * Ceu + gamma(i, j - 1) * temp(i, j - 1) - soma) / (gamma(i, j - 1) * F(i, j - 1) -
Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * Ceu + soma))
temp(i, j) = temp(i, j - 1) ^ 2 / temp(i - 1, j)
For i = N - ((j + 1) / 2) To N - j + 1 Step -1
soma = 0
For k = i - 1 To N - j + 1 Step -1
252)
84
Next k

252)
/ 252) * Ceu - soma) - gamma(i, j - 1) * temp(i, j - 1) * (F(i, j - 1) - temp(i, j))) /
((Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * Ceu - soma) -
gamma(i, j - 1) * (F(i, j - 1) - temp(i, j)))

If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then
temp(i - 1, j) = (temp(i, j - 1) * temp(i, j)) / temp(i + 1, j - 1)
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then

temp(i, j) = temp(i + 1, j - 2)
End If
End If
If i <> N - j + 1 Then
F(i - 1, j - 1) = temp(i - 1, j - 1) * Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) -
t(j, 1)) / 252)
If F(i - 1, j - 1) <= temp(i - 1, j) Then
temp(i - 1, j) = temp(i, j - 2)
End If
End If
Next i
For i = N - ((j + 1) / 2) + 2 To N
soma = 0
For k = i + 1 To N
252)
soma = soma + gamma(k, j - 1) * (temp(i, j - 1) - F(k, j - 1))
Next k
Peu = GKPut(S0, temp(i, j - 1), t(j + 1, 1) / 252, CDbl(taxa_real(j + 1, 1)),

252)
temp(i, j) = (temp(i - 1, j) * (Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1))
/ 252) * Peu - soma) + gamma(i, j - 1) * temp(i, j - 1) * (F(i, j - 1) - temp(i - 1, j))) /
((Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * Peu - soma) +
gamma(i, j - 1) * (F(i, j - 1) - temp(i - 1, j)))
85
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then
temp(i, j) = (temp(i, j - 1) * temp(i - 1, j)) / temp(i - 1, j - 1)
If p(i, j - 1) < 0.0001 Or p(i, j - 1) > 1 Then
temp(i - 1, j) = temp(i, j - 2)
End If
End If
If i <> N Then
F(i + 1, j - 1) = temp(i + 1, j - 1) * Exp((taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1)
- t(j, 1)) / 252)
If F(i + 1, j - 1) > temp(i, j) Then
temp(i, j) = temp(i + 1, j - 2)
End If
End If
Next i
gamma(N - j, j) = Exp(-(taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) *

p(N - j + 1, j - 1) * gamma(N - j + 1, j - 1)
gamma(N, j) = Exp(-(taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * (1 -
p(N, j - 1)) * gamma(N, j - 1)
For i = N - 1 To N - j + 1 Step -1
gamma(i, j) = Exp(-(taxa_fw(j, 1) - taxa_USD_fw(j, 1)) * (t(j + 1, 1) - t(j, 1)) / 252) * (p(i +
1, j - 1) * gamma(i + 1, j - 1) + (1 - p(i, j - 1)) * gamma(i, j - 1))
Next i
End If
Next j
arvore_preco = temp
End Function
Function Interpola_vol(x As Double, t As Double, sup_vol As Variant) As Double
Dim p, q, i, i2, j1, j2, j3, j4, nLinhas, nColunas As Integer

Dim A, b1, b2 As Double
Dim x1(), y1() As Double

Dim j As Integer
Dim volf, volf2 As Double
nLinhas = sup_vol.Rows.Count
nColunas = sup_vol.Columns.Count
86
For p = 2 To nColunas - 1 Step 2
If sup_vol(1, p) <= t Then
i=p
Else
p = nColunas
End If
Next
For p = nColunas - 1 To 2 Step -2

If sup_vol(1, p) > t Then
i2 = p
Else
p=0
End If
Next
j1 = nLinhas
For p = nLinhas To 2 Step -1
If sup_vol(p, i) <= x Then
j1 = p
Else
p=0
End If
Next
j2 = 2
For p = 2 To nLinhas
If sup_vol(p, i) > x Then
j2 = p
Else
p = nLinhas + 1
End If
Next
j3 = nLinhas
For p = nLinhas To 2 Step -1
If sup_vol(p, i2) <= x Then
j3 = p
Else
p=0
End If
Next
j4 = 2
For p = 2 To nLinhas
If sup_vol(p, i2) > x Then
j4 = p
Else
p = nLinhas + 1
End If
87
Next
A = (t - sup_vol(1, i)) / (sup_vol(1, i2) - sup_vol(1, i))
If sup_vol(j2, i) >= x And x > sup_vol(j1, i) And sup_vol(j4, i2) >= x And x > sup_vol(j3,
i2) Then
b1 = (x - sup_vol(j1, i)) / (sup_vol(j2, i) - sup_vol(j1, i))
b2 = (x - sup_vol(j3, i2)) / (sup_vol(j4, i2) - sup_vol(j3, i2))
Interpola_vol = (1 - A) * (1 - b1) * sup_vol(j1, i + 1) + A * (1 - b2) * sup_vol(j3, i2 + 1) +
A * b2 * sup_vol(j4, i2 + 1) + (1 - A) * b1 * sup_vol(j2, i + 1)
ElseIf sup_vol(j2, i) >= x And x > sup_vol(j1, i) And x > sup_vol(j4, i2) Then
ReDim x1(8)
ReDim y1(8)
For j = 2 To nLinhas
x1(j - 2) = sup_vol(j, i2)
y1(j - 2) = sup_vol(j, i2 + 1)
Next j
volf = RegressPoli(x1, y1, 2)(0) + RegressPoli(x1, y1, 2)(1) * x + RegressPoli(x1, y1, 2)(2)
* (x ^ 2)
Interpola_vol = (1 - A) * (1 - b1) * sup_vol(j1, i + 1) + A * volf + (1 - A) * b1 *

sup_vol(j2, i + 1)
ElseIf x > sup_vol(j2, i) And sup_vol(j4, i2) >= x And x > sup_vol(j3, i2) Then
ReDim x1(8)
ReDim y1(8)
x1(j - 2) = sup_vol(j, i)
y1(j - 2) = sup_vol(j, i + 1)
Next j
* (x ^ 2)
Interpola_vol = (1 - A) * volf + A * (1 - b2) * sup_vol(j3, i2 + 1) + A * b2 * sup_vol(j4, i2

+ 1)
ElseIf x > sup_vol(j2, i) And x > sup_vol(j4, i2) Then
ReDim x1(8)
88
ReDim y1(8)
y1(j - 2) = sup_vol(j, i + 1)
Next j
* (x ^ 2)
ReDim x1(8)
ReDim y1(8)
x1(j - 2) = sup_vol(j, i2)
y1(j - 2) = sup_vol(j, i2 + 1)
Next j
volf2 = RegressPoli(x1, y1, 2)(0) + RegressPoli(x1, y1, 2)(1) * x + RegressPoli(x1, y1,

2)(2) * (x ^ 2)
Interpola_vol = (1 - A) * volf + A * volf2
ElseIf sup_vol(j2, i) >= x And x > sup_vol(j1, i) And x < sup_vol(j3, i2) Then
ReDim x1(8)
ReDim y1(8)
x1(j - 2) = sup_vol(j, i2)
y1(j - 2) = sup_vol(j, i2 + 1)
Next j
* (x ^ 2)
Interpola_vol = (1 - A) * (1 - b1) * sup_vol(j1, i + 1) + A * volf + (1 - A) * b1 *

sup_vol(j2, i + 1)
ElseIf x < sup_vol(j1, i) And sup_vol(j4, i2) >= x And x > sup_vol(j3, i2) Then
ReDim x1(8)
ReDim y1(8)
y1(j - 2) = sup_vol(j, i + 1)
Next j
89
* (x ^ 2)
Interpola_vol = (1 - A) * volf + A * (1 - b2) * sup_vol(j3, i2 + 1) + A * b2 * sup_vol(j4, i2

+ 1)
ElseIf x < sup_vol(j1, i) And x < sup_vol(j3, i2) Then
ReDim x1(8)
ReDim y1(8)
y1(j - 2) = sup_vol(j, i + 1)
Next j
* (x ^ 2)
ReDim x1(8)
ReDim y1(8)
x1(j - 2) = sup_vol(j, i2)
y1(j - 2) = sup_vol(j, i2 + 1)
Next j
volf2 = RegressPoli(x1, y1, 2)(0) + RegressPoli(x1, y1, 2)(1) * x + RegressPoli(x1, y1,

2)(2) * (x ^ 2)
Interpola_vol = (1 - A) * volf + A * volf2
End If
End Function
Function interpola_fra(t As Double, curva_fra As Variant) As Double
Dim i, j, nLinhas As Integer

Dim dc_inicio, dc_fim, tx_inicio, tx_fim As Double
nLinhas = curva_fra.Rows.Count
Dim curva() As Double

ReDim curva(nLinhas - 1, 1)
90
j=0
For i = 1 To nLinhas
If curva_fra(i, 3) > 0 Then
curva(j, 0) = curva_fra(i, 1)
curva(j, 1) = curva_fra(i, 3)
j=j+1
End If
Next
dc_inicio = curva(0, 0)
dc_fim = curva(j - 1, 0)
Dim x As Integer
For i = 1 To j - 1
If curva(i, 0) <= t Then
dc_inicio = curva(i, 0)
tx_inicio = curva(i, 1)
dc_fim = curva(i + 1, 0)
tx_fim = curva(i + 1, 1)
x=i
End If
Next
Dim N, k As Integer
Dim p, qn, sig, un, y As Double
Dim u() As Double
ReDim u(nLinhas - 2) As Double
Dim yt() As Double
ReDim yt(nLinhas - 1) As Double
N=j-1
yt(0) = 0
u(0) = 0
For i = 1 To N - 1
sig = (curva(i, 0) - curva(i - 1, 0)) / (curva(i + 1, 0) - curva(i - 1, 0))
p = sig * yt(i - 1) + 2
yt(i) = (sig - 1) / p
u(i) = (curva(i + 1, 1) - curva(i, 1)) / (curva(i + 1, 0) - curva(i, 0)) - (curva(i, 1) - curva(i - 1,
1)) / (curva(i, 0) - curva(i - 1, 0))
u(i) = (6 * u(i) / (curva(i + 1, 0) - curva(i - 1, 0)) - sig * u(i - 1)) / p
Next i
qn = 0
un = 0
yt(N) = (un - qn * u(N - 1)) / (qn * yt(N - 1) + 1)
91
For k = N - 1 To 0 Step -1
yt(k) = yt(k) * yt(k + 1) + u(k)
Next k
Dim klo, khi As Integer

Dim h, B, A As Double
klo = 1
khi = N
h = dc_fim - dc_inicio
A = (dc_fim - t) / h
B = (t - dc_inicio) / h
y = A * tx_inicio + B * tx_fim + ((A ^ 3 - A) * yt(x) + (B ^ 3 - B) * yt(x + 1)) * (h ^ 2) / 6
interpola_fra = y
End Function
Function interpola_exp(du As Double, curva_di As Variant) As Double
Dim i, j, nLinhas As Integer

Dim du_inicio, du_fim, tx_inicio, tx_fim As Double
nLinhas = curva_di.Rows.Count
Dim curva() As Double

ReDim curva(nLinhas - 1, 1)
j=0
For i = 1 To nLinhas
If curva_di(i, 2) > 0 Then
curva(j, 0) = curva_di(i, 1)
curva(j, 1) = curva_di(i, 2)
j=j+1
End If
Next
du_inicio = curva(0, 0)
du_fim = curva(j - 1, 0)
Dim x As Integer
For i = 1 To j - 1
If curva(i, 0) <= du Then
du_inicio = curva(i, 0)
tx_inicio = curva(i, 1)
du_fim = curva(i + 1, 0)
tx_fim = curva(i + 1, 1)
92
End If
Next
interpola_exp = (((1 + tx_inicio) ^ ((du_fim - du) / (du_fim - du_inicio))) * ((1 + tx_fim) ^

((du - du_inicio) / (du_fim - du_inicio)))) - 1
End Function
Function RegressPoli(x2, y2, N) As Variant 'regressão polinomial

Dim nx As Integer ' número de pontos
Dim Sx() ' matriz dinâmica para as somas de x
Dim Sxy() ' matriz dinâmica para as somas xy
Dim M() As Variant
Dim Inv As Variant
Dim B() ' matriz dinâmica para o vetor B das constantes
Dim A() ' matriz dinâmica para os coeficientes a0,..,an do polinômio
Dim i, j, k As Integer
nx = 8
ReDim Sx(2 * N)
ReDim Sxy(N)
For i = 0 To 2 * N ' determinar as somas Sx
Sx(i) = 0
For k = 0 To nx
Sx(i) = Sx(i) + x2(k) ^ i
Next k
Next i
For i = 0 To N ' determinar as somas Sxy

Sxy(i) = 0
For k = 0 To nx
Sxy(i) = Sxy(i) + x2(k) ^ i * y2(k)
Next k
Next i
ReDim M(1 To N + 1, 1 To N + 1)
ReDim Inv(1 To N + 1, 1 To N + 1)
ReDim B(1 To N + 1)
ReDim A(0 To N)
For i = 0 To N 'criar as matrizes M e B

For j = 0 To i
M(i + 1, j + 1) = Sx(i + j)
M(j + 1, i + 1) = Sx(i + j)
Next j
B(i + 1) = Sxy(i)
Next i
' resolver o sistema M * A = B usando inversão da matriz M
Inv = Application.MInverse(M)
93
For i = 1 To N + 1 ' multiplicação das matrizes: A = M-1 * B
A(i - 1) = 0
For j = 1 To N + 1
A(i - 1) = A(i - 1) + Inv(i, j) * B(j)
Next j
Next i
RegressPoli = A ' retornar o vetor A
End Function
Function euro_put(arvore_preco As Variant, x As Double, R As Variant, Rf As Variant, t As

Variant, N As Integer) As Double
Dim i, k As Integer
Dim Temp1() As Double
ReDim Temp1(N)
Dim q_up As Double
Dim q_down As Double
Dim u As Double
Dim d As Double
Dim Rx As Double
For i = 0 To N
Temp1(i) = Application.Max(x - arvore_preco(i + 1, N + 1), 0)
Next i
k=1
Do While k <= N
ReDim Temp2(N - k)
For i = k To N
Rx = Exp((R(N - k + 1) - Rf(N - k + 1)) * (t(N - k + 2) - t(N - k + 1)) / 252)

u = arvore_preco(i, N - k + 2) / arvore_preco(i + 1, N - k + 1)
d = arvore_preco(i + 1, N - k + 2) / arvore_preco(i + 1, N - k + 1)
q_up = (Rx - d) / (Rx * (u - d))
q_down = (u - Rx) / (Rx * (u - d))
Temp2(i - k) = q_down * Temp1(i - k + 1) + q_up * Temp1(i - k)

Next i
ReDim Temp1(N - k)
For i = 0 To N - k
Temp1(i) = Temp2(i)
Next i
94
k=k+1
Loop
euro_put = Temp1(0)
End Function
Function euro_call(arvore_preco As Variant, x As Double, R As Variant, Rf As Variant, t As

Variant, N As Integer) As Double
Dim i, k As Integer
ReDim Temp1(N)
Dim q_up As Double
Dim u As Double
Dim d As Double
Dim Rx As Double
For i = 0 To N
Temp1(i) = Application.Max(arvore_preco(i + 1, N + 1) - x, 0)
Next i
k=1
Do While k <= N
ReDim Temp2(N - k)
For i = k To N

u = arvore_preco(i, N - k + 2) / arvore_preco(i + 1, N - k + 1)
d = arvore_preco(i + 1, N - k + 2) / arvore_preco(i + 1, N - k + 1)
q_up = (Rx - d) / (Rx * (u - d))
q_down = (u - Rx) / (Rx * (u - d))

Next i
ReDim Temp1(N - k)
For i = 0 To N - k
Temp1(i) = Temp2(i)
Next i
k=k+1
Loop
euro_call = Temp1(0)
End Function
95
Function asia_put(arvore_preco As Variant, x As Double, R As Variant, Rf As Variant, t As
Variant, N As Integer, taxa As Variant, simulacoes As Double) As Double
Dim i, k As Integer
Dim j, payoff As Double
Dim precos() As Double
Dim temp As Double
ReDim precos(N)
Dim pi_down As Double
Dim u As Double
Dim d As Double
Dim Rx As Double
precos(0) = arvore_preco(N + 1, 1)
For j = 1 To simulacoes
i=0
For k = 1 To N
Rx = Exp((R(k) - Rf(k)) * (t(k + 1) - t(k)) / 252)

u = arvore_preco(N - i, k + 1) / arvore_preco(N + 1 - i, k)
d = arvore_preco(N + 1 - i, k + 1) / arvore_preco(N + 1 - i, k)
pi_down = (u - Rx) / (u - d)
If Rnd > pi_down Then

precos(k) = precos(k - 1) * u
i=i+1
Else
precos(k) = precos(k - 1) * d
End If
Next k
payoff = Application.Max(x - Application.Sum(precos) / (N + 1), 0)
temp = temp + payoff / (taxa(N + 1) * simulacoes)
Next j
asia_put = temp
End Function
Function asia_payoff(arvore_preco As Variant, x As Double, R As Variant, Rf As Variant, t

As Variant, N As Integer, taxa As Variant) As Double
Dim i, k As Integer
Dim j, payoff As Double
Dim precos() As Double
96
ReDim precos(N)
Dim pi_down As Double
Dim u As Double
Dim d As Double
Dim Rx As Double
precos(0) = arvore_preco(N + 1, 1)
i=0
For k = 1 To N
Rx = Exp((R(k) - Rf(k)) * (t(k + 1) - t(k)) / 252)

u = arvore_preco(N - i, k + 1) / arvore_preco(N + 1 - i, k)
d = arvore_preco(N + 1 - i, k + 1) / arvore_preco(N + 1 - i, k)
pi_down = (u - Rx) / (u - d)
If Rnd > pi_down Then

precos(k) = precos(k - 1) * u
i=i+1
Else
precos(k) = precos(k - 1) * d
End If
Next k
payoff = Application.Max(x - Application.Sum(precos) / (N + 1), 0)
asia_payoff = payoff
End Function
Function arvore_bin(S0 As Double, sigma As Double, t As Variant, N As Double) As Variant
Dim i, j, u, d As Double
Dim temp() As Double
ReDim temp(N, N)
temp(N, 0) = S0
For j = 1 To N
u = Exp(sigma * Sqr((t(j + 1) - t(j)) / 252))

d = Exp(-sigma * Sqr((t(j + 1) - t(j)) / 252))
For i = N - Int((j / 2)) - 1 To N - j Step -1

temp(i, j) = temp(i + 1, j - 1) * u
Next i
For i = N - Int((j / 2)) To N
97
temp(i, j) = temp(i, j - 1) * d
Next i
Next j
arvore_bin = temp
End Function
Function euro_call_bin(arvore_bin As Variant, x As Double, R As Variant, Rf As Variant, t

As Variant, N As Integer) As Double
Dim i, k As Integer
ReDim Temp1(N)
Dim q_up As Double
Dim u As Double
Dim d As Double
Dim Rx As Double
For i = 0 To N
Temp1(i) = Application.Max(arvore_bin(i + 1, N + 1) - x, 0)
Next i
k=1
Do While k <= N
ReDim Temp2(N - k)
For i = k To N

u = arvore_bin(i, N - k + 2) / arvore_bin(i + 1, N - k + 1)
d = arvore_bin(i + 1, N - k + 2) / arvore_bin(i + 1, N - k + 1)
q_up = (Rx - d) / (Rx * (u - d))
q_down = (u - Rx) / (Rx * (u - d))

Next i
ReDim Temp1(N - k)
For i = 0 To N - k
Temp1(i) = Temp2(i)
Next i
k=k+1
Loop
98
euro_call_bin = Temp1(0)
End Function
Function euro_put_bin(arvore_bin As Variant, x As Double, R As Variant, Rf As Variant, t

As Variant, N As Integer) As Double
Dim i, k As Integer
ReDim Temp1(N)
Dim q_up As Double
Dim u As Double
Dim d As Double
Dim Rx As Double
For i = 0 To N
Temp1(i) = Application.Max(x - arvore_bin(i + 1, N + 1), 0)
Next i
k=1
Do While k <= N
ReDim Temp2(N - k)
For i = k To N

u = arvore_bin(i, N - k + 2) / arvore_bin(i + 1, N - k + 1)
d = arvore_bin(i + 1, N - k + 2) / arvore_bin(i + 1, N - k + 1)
q_up = (Rx - d) / (Rx * (u - d))
q_down = (u - Rx) / (Rx * (u - d))

Next i
ReDim Temp1(N - k)
For i = 0 To N - k
Temp1(i) = Temp2(i)
Next i
k=k+1
Loop
euro_put_bin = Temp1(0)
End Function
99

Administração E Economia: "Precificação de Opções de Câmbio Usando Volatilidade Implícita para O Mercado Brasileiro"

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Administração E Economia: "Precificação de Opções de Câmbio Usando Volatilidade Implícita para O Mercado Brasileiro"

Enviado por

Direitos autorais:

Formatos disponíveis

FACULDADE DE ECONOMIA E FINANÇAS IBMEC

PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM

“PRECIFICAÇÃO DE OPÇÕES DE CÂMBIO

MARCOS DE CASTRO LOPEZ

ORIENTADOR: PROF. DR. RODRIGO NOVINSKI

Rio de Janeiro, 26 de fevereiro de 2013.

MARCOS DE CASTRO LOPEZ

Dissertação apresentada ao curso de

ORIENTADOR: RODRIGO NOVINSKI

Rio de Janeiro, 26 de fevereiro de 2013.

MARCOS DE CASTRO LOPEZ

Dissertação apresentada ao curso de

Professor Dr. RODRIGO NOVINSKI (Orientador)

Professor Dr. JOSÉ VALENTIM MACHADO VICENTE

Professor Dr. MAX OLIVEIRA DE SOUZA

Rio de Janeiro, 26 de fevereiro de 2013.

2) Título e subtítulo (se houver e separados);

5) Assunto principal (contextualizado);

8) Resumo (se possível)

9) Curso (Mestrado profissionalizante em ...)

Ou envie os anexos contendo a página de rosto e a do resumo, além da área de concentração.

Ao meu pai, José Manoel Cortiñas Lopez, e à minha mãe,

dedicada e pela confiança depositada em meu trabalho.

à minha namorada, Natália Teixeira Fernandes, pela paciência e compreensão.

trabalho, em especial ao Leonardo Pereira Rodrigues dos Santos.

A proposta deste trabalho é aplicar o método de obtenção de preço de não-arbitragem, usando

binomial de volatilidade implícita utiliza as volatilidades observadas nas negociações da

BM&FBOVESPA como informação para a estimação das possíveis trajetórias da taxa de

Figura 1 – Exemplo de superfície de volatilidade de opção de dólar no mercado brasileiro. .. 11

ABIMAQ Associação Brasileira de Máquinas e Equipamentos.

ACC Adiantamentos sobre Contratos de Câmbio.

BACEN Banco Central do Brasil.

BNDES Banco Nacional do Desenvolvimento Econômico e Social.

BM&FBOVESPA Bolsa de Valores, Mercadorias e Futuros S.A.

CDI Certificado de Depósito Interbancário.

CETIP Central de Custódia e Liquidação de Títulos.

CNI Confederação Nacional da Indústria.

Certificados de Depósitos Interbancários (CDI), com vencimento de um

DDI Contrato Futuro de Cupom Cambial.

EWMA Exponentially Weighted Moving Average.

FMI Fundo Monetário Internacional.

FRA Forward Rate Agreement.

GARCH Generalized Autoregressive Conditional Heteroskedasticity.

IPCA Índice de Preços ao Consumidor Ampliado.

MDIC Ministério do Desenvolvimento, Indústria e Comércio Exterior.

PROEX Programa de Financiamento das Exportações.

PTAX Taxa de câmbio média calculada através das operações à vista de

compra e venda de dólares dos Estados Unidos da América durante o

dia de negociação e divulagada pelo BACEN.

VAR Vetor Auto Regressivo.

VBA Visual Basic Applications.

VECM Vector Error Correction Model.

VTC Operações Estruturadas de Volatilidade de Taxa de Câmbio.

S Preço do ativo objeto.

σ Volatilidade dos retornos do ativo objeto.

r e/ou i Taxa de juros livre de risco doméstica.

rf e/ou if Taxa de juros livre de risco estrangeira.

T Prazo de vencimento da opção.

K e/ou X Preço de exercício da opção (strike).

c(S, K, T, r, rf, σ) Preço da opção de compra (call).

p(S, K, T, r, rf, σ) Preço da opção de venda (put).

N(x) Função de probabilidade acumulada de uma normal padronizada.

2 OS MODELOS ORIGINAIS E A VOLATILIDADE IMPLÍCITA ............................ 3