Aula 2

Value at
š Risk
Asset Allocation
Dr. Andrea Ugolini
29 de Março de 2019
Universidade do Estado do Rio de Janeiro, Brasil
email: andreaugolini@me.com
A. Ugolini 29 de Março de 2019 1 / 29

Outline
1 Primeira Parte
2 Vale-at-Risk

Primeira Parte
Primeira Parte
Definição: Asset allocation e portfólio
Definição: Profit & Loss, rendimentos simples e logarı́tmicos
Distribuição Profit & Loss
Medidas de risco sintético: Value at Risk, Expected Shortfall
Medir o VaR
Simulação histórica
Metodo normal
Estimar o VaR e avaliar a precisão da estimativa.
O Problema da agregação temporal.

Vale-at-Risk
Vale-at-Risk: Definição
Definição de Value-at-Risk
Para um determinado horizonte de tempo e um definido nı́vel de confiança α (por
exemplo, 95%), o Valor ao Riscoα é aquele nı́vel de perda para o qual a
probabilidade de ter perdas maiores que VaR no horizonte de tempo definido é
igual a 1 − α:
 
P r P (t) − P (T ) > V aRα (t, T )|Ft  = 1 − α

| {z }
Perdas
O VaR responde então à pergunta: como as coisas podem dar ruins com uma
probabilidade (1 − α)% para um determinado horizonte de tempo?
Nos modelos internos das empresas de gestão, os valores tı́picos do nı́vel de
probabilidade são 95% e 99%.
O horizonte de tempo tı́pico para fundos de pensão é de 1 ano, enquanto
para posições de negociação (trading) è de 1 dia ou 10 dias.
Vale-at-Risk
Exemplo
Considere uma posição financeira com um valor atual conhecido.

Obviamente, o valor futuro da posição não é conhecido hoje.
Se afirmarmos que a posição tem um VaR de 1 dia de 6 milhões de Reais ao
nı́vel ao nı́vel de confiança de 95%, isso significa que podemos esperar com
uma probabilidade de pelo menos 95% que a carteira perderá um máximo de
6 milhões de Reais durante um perı́odo de 1 dia ou, com uma probabilidade
de mais de 5%, a carteira pode perder 6 milhões de Reais ou mais em um dia.
Uma vez definido o nı́vel de confiança (95%) e o horizonte de tempo (1 dia),
tentamos determinar a perda máxima (Valor ao Risco) correspondente a esse
nı́vel de confiança.

Vale-at-Risk
Interpretação Estatı́stica
Nas expressões anteriores, F representa a informação disponı́vel no tempo t.

Mais adiante, se não for estritamente necessário, suprimiremos a dependência
de Ft . Se Ft for relevante, falaremos sobre o VaR condicional.
Em termos probabilı́sticos, o cálculo do VaR requer a determinação do
percentil no nı́vel 1 − α associado à distribuição probabilı́stica das perdas.
De uma forma equivalente −V aRα é o quantil no nı́vel 1 − α da distribuição
de P&L
P r (P &L(t, T ) < −V aRα (t, T )) = 1 − α

Então, se FP &L é a função de distribuição cumulativa do P&L, o V aRα é
uma solução para a equação
FP &L (−V aRα (t, T )) = 1 − α

As metodologias de estimação de VaR diferem nos métodos de estimativa da
função de alocação de FP &L .

Vale-at-Risk
Distribuição P&L e VaR
Figure 1 Profit-loss distribution and VaR
P ro fit- loss d istribu tio n
L oss P rofit
α
1 00α pe rc e n tile
VaR

Vale-at-Risk
Significado do VaR
Um gerente de portfólio tem um VaR diário de 6 milhões de reais com 99%

de confiança.
Isso significa que há apenas uma chance em 100 de uma perda diária maior
que 6 milhões de reais, sob condições normais de mercado.
Em outras palavras, 6 milhões de reais representam o capital que deve ser
reservado para ser coberto por qualquer perda possı́vel com um determinado
nı́vel de confiança no horizonte de tempo predeterminado.
O uso do VaR como uma ferramenta de gerenciamento de risco tem sido
muito bem-sucedido, especialmente pela aparente facilidade de cálculo.

Vale-at-Risk
Significado do VaR
No entanto, tem alguns limites teóricos. Entre estes:

Não é uma medida de risco coerente, isto é, não satisfaz algumas
propriedades que uma medida de risco deve satisfazer.
Não diz nada sobre a distribuição dos retornos que caem nas caudas.
A partir da definição, fica claro que o VaR depende de
nı́vel de confiança
horizonte de temporal

Vale-at-Risk
Nı́vel de confiança
O nı́vel de confiança depende do uso que é feito de VaR:

para comparar os riscos em diferentes mercados, o que importa é a
consistência do nı́vel de confiança para as mesas de operações (trading
desk) ou ao longo do tempo.
para determinar os requisitos de capital, é necessário usar um alto nı́vel
de confiança
Infelizmente, quanto maior o nı́vel de confiança, mais crı́tica se torna a
estimativa do VaR.

Vale-at-Risk
Nı́vel de confiança
A escolha do horizonte de tempo é determinada pelo tempo necessário para

desinvestir a posição (diferentes sub-portfólios podem exigir diferentes
horizontes)

Vale-at-Risk
Uso do VaR
Por que é importante calcular o VaR de uma posição?

Essencialmente por duas razões
medir sinteticamente o risco da posição
determinar reservas de capital
O Comitê de Supervisão Bancária da Basileia, por exemplo estabeleceu o
chamado mandatory required capital RCt em um nı́vel diferente do VaR mas
definido como:
RCt =
60 !
10 ω 1 X h 10 − h
= max V aR t, t + ,3 × × V aR t − ,t +
250 8 60 250 250
h=1

Vale-at-Risk
Uso do VaR
RCt =
60 !
10 ω 1 X h 10 − h
= max V aR t, t + ,3 × × V aR t − ,t +
250 8 60 250 250
h=1
A fórmula procura:
ter em conta um possı́vel erro de estimativa do VaR através da
introdução de um factor multiplicativo de 3,
evitar variações erráticas no RCt considerando uma média do VaR dos
60 dias anteriores, em qualquer caso, tendo em vista a possibilidade de
variações inesperadas do mercado;
Incentivar os bancos a estimar com precisão a exposição, introduzindo
um parâmetro de gatilho ω que depende da precisão ex–post do VaR (ω
pode variar entre 8 e 25).

Vale-at-Risk
Uso do VaR
Por que é importante que o VaR seja estimado com precisão?

O Subestimação do VaR: pressões de supervisão, garantias de custos,
etc.
O VaR superestima: custos altos

Vale-at-Risk
VaR: Advertências
VaR: Caveats
O VaR
Il VaRnão
nondescreve
descrive laa massima
perda máxima possı́vel.
perdita possibile.
Jorion, FRM, 2003
c
G. Fusai ! (SEMEQ) VaR e Expected Shortfall Asset Allocation 25 / 37
Vale-at-Risk
VaR: Advertências
VaR: Caveats
O VaR nãonon
Il VaR descreve
descriveas
le perdas na cauda
perdite nella esquerda
coda sinistra della da distribuição.
distribuzione.
Jorion, FRM, 2003
c
Vale-at-Risk
VaR: Advertências
VaR: Caveats
O VaR é medido com um erro devido a amostragem estatı́stica.
Il VaR viene misurato con un errore dovuto al campionamento statistico.
O erro
Líerroremaior
é quanto
Ë tanto maior
maggiore o nı́vel
quanto de confiança
maggiore α.
il livello di conÖdenza a.
Distribuzione del VaR al variare del livello di conÖdenza.

Distribuição do VaR com a variação do nı́vel de confiança.
c

Vale-at-Risk
VaR: Advertências
VaR: Caveats
O VaR é medido com um erro devido a amostragem estatı́stica.
Il VaR viene misurato con un errore dovuto al campionamento statistico.
O erro é maior
Líerrore Ë tantoquanto menor
maggiore a minore
quanto larguraË da amostra.
líampiezza campionaria.
Distribuzione del VaR al variare dellíampiezza campionaria.

Distribuição do VaR com a variação do tamanho da amostra.
c

Vale-at-Risk
Um problema com o VaR
A agregação de duas posições deve ter o efeito de reduzir ou, ao mesmo

tempo, deixar o risco total inalterado.
Isso não acontece se o VaR for considerado uma medida de risco. Pode
acontecer que você dê duas posições de risco X e Y então
V aRX+Y > V aRX + V aRY

Diz-se que o VaR viola a propriedade da subaditividade.
Uma medida de risco consistente ρ deve satisfazer
ρ(X + Y ) 6 ρ(X) + ρ(Y )

Ou seja, o VaR é uma medida de risco não coerente: pode, portanto,
aumentar à medida que os riscos diminuem.

Vale-at-Risk
medida de risco coerente

Seja X e Y duas carteiras e seja p uma medida de risco.
A medida de risco é chamada coerente se satisfizer as seguintes propriedades:
1. Monotonia
Y > X ⇒ ρ(Y ) 6 ρ(X);
2. Subaditividade
ρ(X + Y ) 6 ρ(X) + ρ(Y );
3. Homogeneidade positiva
ρ(λX) = λρ(X), seλ > 0;
4. Invariância translacional
ρ(X + c) = ρ(X) − c, para cada quantidade c.
O VaR não é uma medida de risco coerente porque não satisfaz o axioma da
subaditividade.
Uma medida de risco coerente é o chamado Expected Shortfall (Queda
esperada) ou também CVAR (conditional VaR)
Vale-at-Risk
Observações
Embora o VaR não seja uma medida de risco coerente, torna-se assim sob a
hipótese de retornos normais.
Além disso, veja Gourieroux, Laurent e Scaillet (2000)1 , isso também é
verdade para muitas das distribuições encontradas na prática.
Os axiomas da homogeneidade e da subaditividade, apesar de plausı́veis,
muitas vezes não são satisfeitos na prática.
Isso acontece quando o preço por ação depende das quantidades
processadas (por exemplo, diminui com a quantidade para as posições
que se pretende liquidar, especialmente em situações crı́ticas de
mercado).
Em teoria, a introdução de medidas coerentes pelas autoridades poderia
incentivar a fusão entre bancos com efeitos não competitivos e o aumento
dos riscos.
1 Gourieroux, C., Laurent, J. P., & Scaillet, O. (2000). Sensitivity analysis of values at risk.
Journal of empirical finance, 7(3-4), 225-245.

Vale-at-Risk
Expected Shortfall e VaR
O VaR (1 dia) de uma carteira é a perda máxima que pode ser incorrida em
um dia em 95% dos melhores casos.
O ES (1 dia) de uma carteira é a perda média que a carteira pode sofrer em
um dia em 5% dos piores casos.
ES = a média dos piores casos

VaR = o melhor dos piores casos
Ao contrário do VaR, o ES satisfaz sempre a condição de subaditividade.

Vale-at-Risk
Expected Shortfall, VaR e distribuição da P&L

age of worst x% losses → expect
Profit and Loss Distribution
ES
VaR
vantages: tail sensitivity, subadditivity (→

Vale-at-Risk
Expected Shortfall
Definição de Expected Shortfall

O Expected Shortfall é a média das 1 − α piores perdas:
ESα = −E (P &L(t, T )|P &L(t, T ) < −V aRα (t, T ))

Se a densidade do P&L for contı́nua, então:
R −V arα (t,T )
xfx (x)dx
Z −V arα (t,T )
1
ESα (t, T ) = − Z−∞
−V ar
=− xfx (x)dx
α (t,T ) 1−α −∞
fx (x)dx
−∞
| {z }
P r(P &L<−V aRα )

Vale-at-Risk
Expected Shortfall
Através de uma mudança de variável (Fx (x) = y), é possı́vel reexpressar o

Expected Shortfall como a média dos quantis abaixo do nı́vel de confiança
Z 1−α
1
ESα (t, T ) = −V ars (t, T )ds
1−α −∞
Se a distribuição é discreta, usando as estatı́sticas de ordem X1 , X2 , . . . , Xn

temos o equivalente discreto
[n(1−α)]+1
1 X
ESα (t, T ) = (−X([jα]+1 )
1−α j=0

Vale-at-Risk
Expected Shortfall e VaR
Quanto pode o ESα diferir comparado ao V aRα (t, T )?

Obviamente, a resposta depende da espessura das caudas da distribuição
P&L.
Quando a distribuição de lucros e perdas tem caudas grossas, a probabilidade
de perdas grandes e infrequentes é alta.
O erro de estimativa do ES depende claramente de se essas perdas foram
observadas na amostra.
Por outro lado, a estimativa do VaR é menos dependente da ocorrência de
grandes e infrequentes perdas, uma vez que aquelas que excedem o VaR não
são levadas em consideração
Assim, quando a distribuição das perdas é com caudas espessa, as estimativas
do déficit esperado tornam-se menos precisas do que a estimativa do VaR.
Pode-se demonstrar que, sob a hipótese de normalidade, a precisão das duas
estimativas é comparável.

Vale-at-Risk
Bibliografia Interessante
Kupiec, P. (1995). Techniques for verifying the accuracy of risk measurement

models. FEDS Paper, (95-24).
Rouvinez, Christophe (1997). Going Greek with value-at-risk, Risk, 10 (2),
57-65.
Rockafellar, R. T., & Uryasev, S. (2000). Optimization of conditional
value-at-risk. Journal of risk, 2, 21-42.
Basak, S., & Shapiro, A. (2001). Value-at-risk-based risk management:
optimal policies and asset prices. The review of financial studies, 14(2),
371-405.
Acerbi, C., & Tasche, D. (2002). Expected shortfall: a natural coherent
alternative to value at risk. Economic notes, 31(2), 379-388.
Acerbi, C. (2002). Spectral measures of risk: A coherent representation of
subjective risk aversion. Journal of Banking & Finance, 26(7), 1505-1518.

Vale-at-Risk
Acerbi, C., & Tasche, D. (2002). On the coherence of expected shortfall.

Journal of Banking & Finance, 26(7), 1487-1503.
Tasche, D. (2002). Expected shortfall and beyond. Journal of Banking &
Finance, 26(7), 1519-1533.
Christoffersen, Peter and Denis Pelletier (2004). Backtesting value-at-risk: a
duration-based approach, Journal of Financial Econometrics, 2 (1), 84-108.
Engle, Robert F., Simone Manganelli (2004). CAViaR: conditional
autoregressive value-at-risk by regression quantiles. Journal of Business and
Economic Statistics, 22 (4), 367–381f
Acerbi, C., & Tasche, D. (2002). On the coherence of expected shortfall.
Journal of Banking & Finance, 26(7), 1487-1503.
Tasche, D. (2002). Expected shortfall and beyond. Journal of Banking &
Finance, 26(7), 1519-1533.

Vale-at-Risk
Giot, P. (2005). Implied volatility indexes and daily value at risk models. The
Journal of derivatives, 12(4), 54-64.
da Silva, A. C. R., da Silveira Barbedo, C. H., Araújo, G. S., & das Neves, M.
B. E. (2006). Internal Model Validation in Brazil: Analysis of VaR
Backtesting Methodologies. Brazilian Review of Finance, 4(1), 97-118.
Berkowitz, Jeremy, Peter Christoffersen and Denis Pelletier (2011).
Evaluating value-at-risk models with desk- level data, Management Science
57 (12), 2213–2227.
Jiménez, G., Lopez, J. A., & Saurina, J. (2013). How does competition
affect bank risk-taking?. Journal of Financial stability, 9(2), 185-195.
Bernard, C., Rüschendorf, L., & Vanduffel, S. (2017). Value-at-risk bounds
with variance constraints. Journal of Risk and Insurance, 84(3), 923-959.

Aula 2

Enviado por

Dados do documento

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

Aula 2

Enviado por

Direitos autorais:

Formatos disponíveis

Value at

Dr. Andrea Ugolini

Universidade do Estado do Rio de Janeiro, Brasil

A. Ugolini 29 de Março de 2019 1 / 29

A. Ugolini 29 de Março de 2019 2 / 29

Definição: Asset allocation e portfólio

Definição: Profit & Loss, rendimentos simples e logarı́tmicos

Distribuição Profit & Loss

Medidas de risco sintético: Value at Risk, Expected Shortfall

Estimar o VaR e avaliar a precisão da estimativa.

O Problema da agregação temporal.

A. Ugolini 29 de Março de 2019 3 / 29

P r P (t) − P (T ) > V aRα (t, T )|Ft  = 1 − α

Considere uma posição financeira com um valor atual conhecido.

A. Ugolini 29 de Março de 2019 5 / 29

Nas expressões anteriores, F representa a informação disponı́vel no tempo t.

P r (P &L(t, T ) < −V aRα (t, T )) = 1 − α

FP &L (−V aRα (t, T )) = 1 − α

A. Ugolini 29 de Março de 2019 6 / 29

Distribuição P&L e VaR

Figure 1 Profit-loss distribution and VaR

P ro fit- loss d istribu tio n

A. Ugolini 29 de Março de 2019 7 / 29

Um gerente de portfólio tem um VaR diário de 6 milhões de reais com 99%

A. Ugolini 29 de Março de 2019 8 / 29

No entanto, tem alguns limites teóricos. Entre estes:

A. Ugolini 29 de Março de 2019 9 / 29

O nı́vel de confiança depende do uso que é feito de VaR:

A. Ugolini 29 de Março de 2019 10 / 29

A escolha do horizonte de tempo é determinada pelo tempo necessário para

A. Ugolini 29 de Março de 2019 11 / 29

Por que é importante calcular o VaR de uma posição?

A. Ugolini 29 de Março de 2019 12 / 29

A. Ugolini 29 de Março de 2019 13 / 29

Por que é importante que o VaR seja estimado com precisão?

A. Ugolini 29 de Março de 2019 14 / 29

Jorion, FRM, 2003

Jorion, FRM, 2003

Distribuzione del VaR al variare del livello di conÖdenza.

A. Ugolini 29 de Março de 2019 17 / 29

Distribuzione del VaR al variare dellíampiezza campionaria.

A. Ugolini 29 de Março de 2019 18 / 29

Um problema com o VaR

A agregação de duas posições deve ter o efeito de reduzir ou, ao mesmo

V aRX+Y > V aRX + V aRY

ρ(X + Y ) 6 ρ(X) + ρ(Y )

A. Ugolini 29 de Março de 2019 19 / 29

medida de risco coerente

Journal of empirical finance, 7(3-4), 225-245.

Expected Shortfall e VaR

ES = a média dos piores casos

Ao contrário do VaR, o ES satisfaz sempre a condição de subaditividade.

A. Ugolini 29 de Março de 2019 22 / 29

Expected Shortfall, VaR e distribuição da P&L

vantages: tail sensitivity, subadditivity (→

Definição de Expected Shortfall

ESα = −E (P &L(t, T )|P &L(t, T ) < −V aRα (t, T ))

A. Ugolini 29 de Março de 2019 24 / 29

Através de uma mudança de variável (Fx (x) = y), é possı́vel reexpressar o

Se a distribuição é discreta, usando as estatı́sticas de ordem X1 , X2 , . . . , Xn

A. Ugolini 29 de Março de 2019 25 / 29

Expected Shortfall e VaR

Quanto pode o ESα diferir comparado ao V aRα (t, T )?

A. Ugolini 29 de Março de 2019 26 / 29