Gestão do Risco de Mercado

VAR de Instrumentos não

Lineares

Educação Continuada ANBIMA

Data: 24/01/2019

1
Sumário
VAR DE INSTRUMENTOS NÃO LINEARES ...............................................................................3

4.1. INTRODUÇÃO................................................................................................................3
4.2. OPÇÕES ........................................................................................................................3
4.3. APREÇAMENTO (PRICING) DE OPÇÕES - O MODELO DE BLACK & SCHOLES......................5
4.4. MEDIDAS DE SENSIBILIDADE DAS OPÇÕES - AS LETRAS GREGAS .....................................7
4.5. O MÉTODO DELTA-NORMAL ..........................................................................................8
4.6. O MÉTODO DELTA-GAMA-NORMAL............................................................................. 12
4.7. SIMULAÇÃO DE MONTE CARLO ................................................................................... 13
4.8. COMPARAÇÃO ENTRE AS METODOLOGIAS .................................................................. 15
4.9. REFERÊNCIAS .............................................................................................................. 16

2
VAR DE INSTRUMENTOS NÃO LINEARES

4.1. INTRODUÇÃO

Até o momento, supusemos que a sensibilidade da carteira, ou mesmo de um simples

ativo em relação a um fator de risco, fosse igual a 1, ou seja, admitimos que, dada uma
variação no fator de risco, a carteira respondia percentualmente de forma idêntica.
Essa situação é particularmente verdadeira quando tratamos de ações no mercado à
vista. Porém, no caso de opções e ativos atrelados à taxa de juros, essa hipótese não é
verdadeira.
Uma solução consiste em fazer uma aproximação de primeira ordem de modo que a
carteira se comporte, dentro de certa margem de erro, como uma função linear dos
fatores de risco. Dessa forma, podemos ainda fazer uso dos modelos paramétricos.
Essa abordagem é conhecida como método Delta-Normal. Outra solução consiste em
usar a técnica de simulação de Monte Carlo. Antes de estudarmos o método Delta-
Normal e a simulação de Monte Carlo, façamos um rápido estudo dos contratos de
opções.

4.2. OPÇÕES

Um derivativo é, em termos gerais, um contrato bilateral ou um acordo de troca de

pagamentos cujo valor deriva, como seu nome indica, do valor de um ativo-objeto
referenciado em uma taxa ou em um índice. Nos dias de hoje, uma transação com
derivativos cobre vasta gama de ativos-objetos: taxa de juros, câmbio, valor de
mercadorias e outros índices.
Os derivativos podem ser vistos como uma maneira de controlar o risco de taxa de
juros, moedas, ações, commodities, risco de crédito e inflação. A ideia chave por trás
de um derivativo é que você pode comprar ou vender o risco de um ativo-objeto sem
ter que, necessariamente, negociá-lo.
Os principais produtos derivativos são os contratos futuros, contratos a termo, swaps e
opções. Os três primeiros representam uma compra ou venda incondicional do risco.
As opções são diferentes, pois permitem uma negociação condicional.
Mais precisamente, uma opção é direito negociável de compra ou venda de um ativo,
denominado de ativo-objeto, a um preço futuro determinado. Dependendo do tipo de
direito, existem dois tipos básicos de opções:
- Opções de compra (call)
- Opções de venda (put)
Outras formas mais complexas podem ser tratadas como combinações desses tipos
básicos.

3
Uma opção de compra é o direito de comprar uma certa quantidade de um ativo-
objeto, pagando um preço de exercício especificado em, ou antes de, uma certa data.
Uma opção de venda é o direito de vender uma certa quantidade de um ativo-objeto
por um preço de exercício especificado em, ou antes de, uma certa data.
O comprador de uma opção, também conhecido como titular, possui o direito – não a
obrigação – de fazer a transação. Por exemplo, o dono de uma opção de compra tem o
poder de escolher se compra ou não o ativo-objeto. Sendo do seu interesse, ele pode
exercer a opção, comprando o ativo-objeto pelo preço de exercício. Mas veja: ele não
tem obrigação de comprar o ativo; se desejar, pode não comprá-lo, sem qualquer
penalidade. É esse elemento da escolha que define a característica de uma opção. Já o
vendedor da opção, também chamado de lançador, tem obrigação de realizar a
transação, caso seja essa a escolha do comprador. Em compensação, o lançador
recebe um pagamento na abertura do contrato, conhecido como prêmio, para
conceder ao titular tal direito.
Note que o termo “exercer” tem um significado muito importante nesse contexto. O
detentor de uma opção exerce-a, informando ao vendedor que quer fazer a transação
previamente pactuada. O vendedor deve, então, cumprir a obrigação acordada no
contrato de opção.
O preço pelo qual o ativo-objeto será negociado, se houver exercício, é fixado nos
termos do contrato, sendo conhecido como preço de exercício ou strike price. A
maioria das opções especifica um único preço de exercício, embora arranjos mais
complexos não sejam incomuns. Em alguns contratos, o strike muda com o tempo, de
acordo com certas condições. O importante é que as regras para determinar o preço
de exercício e todos os outros termos da transação estejam fixados no contrato de
opção.
Por fim, como nós vimos, o acordo da opção determina uma data de vencimento que
fixa o período de tempo durante o qual o titular pode escolher entre fazer ou não a
negociação. Há dois tipos básicos de opções, que diferem pelas condições de exercício
por parte do comprador. Uma opção americana é aquela que, contratualmente, pode
ser exercida em qualquer data até o vencimento; já uma opção europeia só permite o
exercício na data de vencimento.
Um exemplo de contrato de opção bastante comum no Brasil é o de opção de compra
de ações, negociado no segmento Ibovespa da B3. Uma série constitui-se de opções do
mesmo tipo (compra ou venda) lançadas sobre o mesmo ativo-objeto, tendo a mesma
data de vencimento e o mesmo preço de exercício. Por exemplo, tomemos uma série
de opções de uma determinada ação com vencimento em 15/01/18 e preço de
exercício de R$ 28,00. No fechamento do dia 04/12/17, o prêmio estava cotado a
R$ 1,47. Isso nos diz que, para um investidor adquirir o direito de comprar em
04/12/17 uma ação no mercado à vista por R$ 28,00 no dia 15/01/18, ele teria que
apregoar nos sistemas eletrônicos de negociação da B3, por intermédio de uma
corretora, R$ 1,47. Suponha que, no vencimento (15/01/18), o preço da ação à vista
seja de R$ 32,00. Então o investidor exercerá seu direito, comprando a ação do
vendedor por R$ 28,00 e, caso não deseje mantê-la em sua carteira, irá a mercado

4
vendê-la por R$ 32,00, perfazendo um lucro total de 32,00 – 28,00 – 1,47 = R$ 2,53.
Porém, se a cotação da ação à vista for de R$ 26,00, ao investidor não interessará fazer
uso de seu direito, uma vez que será mais interessante ir diretamente no mercado à
vista e adquirir a ação.

4.3. APREÇAMENTO (PRICING) DE OPÇÕES - O MODELO DE BLACK & SCHOLES

Os modelos de apreçamento de opções foram originalmente desenvolvidos usando-se

métodos matemáticos avançados que dificultavam seu entendimento. Esses modelos,
de resposta rápida, fornecem o preço das opções como função do preço do ativo-
objeto, preço de exercício da opção, taxa de juros livre de risco, prazo de vencimento
da opção e volatilidade do ativo-objeto. Alguns desses parâmetros são facilmente
observados no mercado, possibilitando a ampla utilização dos modelos. Os principais
modelos de apreçamento de opções são o de Black & Scholes e o Binomial.
Apresentaremos aqui somente o primeiro, por ser o método mais popular e utilizado
para opções europeias.
O modelo de Black & Scholes foi o precursor das teorias de valoração para determinar
o prêmio de opções de compra e venda europeias sobre ações sem dividendos. Hoje já
há derivações desse mesmo modelo para opções americanas e para ações que pagam
dividendos. Vamos fazer apenas uma breve descrição do modelo, pois o que mais
interessa para o nosso trabalho é dar uma ideia de sua utilização, e não a discussão
teórica. Para a demonstração da equação, é necessário o conhecimento do cálculo
estocástico.

Se S1, S2, S3, ..., Sn são os preços do ativo observados em n dias, então podemos
estimar  pela seguinte expressão:


1 n

n  1 i 1
 2
ui  u , 
onde :
 S 
u i  ln  i  e
 S i 1 
n

u i
u i 1
.
n

A expressão acima nos fornece o valor da volatilidade ao dia; para obtermos o valor da
volatilidade ao ano, basta multiplicar o resultado obtido pela raiz quadrada do número
de dias úteis no ano (252). O número ui é conhecido como retorno geométrico do
ativo.

5
Além disso, o modelo assume que os preços dos ativos se movimentam de maneira
contínua sendo, portanto, necessário transformar a taxa Rf em sua forma contínua.
Essa transformação é feita por:

R f (contínua)  ln[1  R f (discreta )] .

Equação (4.1)

A taxa de juros composta continuamente é usada em modelos teóricos de finanças; já

a taxa composta discretamente é aquela usada no dia a dia.
Por exemplo, se o Copom (Comitê de Política Monetária) anuncia que a Taxa Selic
Meta é 6,75%, então a taxa de juros livre de risco composta continuamente é
ln=(1+6,75%)=6,53%. Para derivar a Equação 4.2 abaixo, os autores assumiram que:
- A distribuição probabilística do preço do ativo-objeto em uma data futura é
log-normal
- A taxa de juros é constante ao longo de toda a vida da opção
- O ativo-objeto não paga dividendos
- A volatilidade é constante
Evidentemente que na maioria dos casos essas hipóteses só são válidas de forma
aproximada, porém o modelo demonstrou resultados eficientes em muitas situações.
As fórmulas para cálculo dos valores de opções de compra (C) e venda (P) do tipo
europeu sobre um ativo que não paga rendimentos apresentadas por Black & Scholes
são:
𝐶 = 𝑆 . (𝑑1 ) − 𝐾𝑒 −𝑅𝑓.𝑇 . (𝑑2 ) e 𝑃 = 𝐾𝑒 −𝑅𝑓.𝑇 . (−𝑑2 ) − S. (−𝑑1 )

Equação (4.2)
Nessa expressão:
 é a função de distribuição normal padrão acumulada
 é a volatilidade do logaritmo dos retornos do ativo-objeto (retorno
geométrico)
S é o preço do ativo-objeto no mercado à vista
T é o prazo da opção
Rf é a taxa de juros livre de risco capitalizada continuamente

6
4.3.1. Volatilidade implícita
Um conceito muito importante derivado de um modelo de apreçamento de opções é a
volatilidade implícita. Por definição, volatilidade implícita é aquela que, quando
imputada em uma equação de apreçamento de opções, faz com que o prêmio teórico
seja igual ao prêmio negociado no mercado. Infelizmente, não existe uma fórmula
analítica para cálculo da volatilidade implícita, sendo necessário usar métodos
numéricos para conhecer seu valor.

4.4. MEDIDAS DE SENSIBILIDADE DAS OPÇÕES - AS LETRAS GREGAS

O preço das opções se comporta de forma não linear com a variação dos fatores
determinantes de seu prêmio. Ao efeito da variação de cada um desses fatores no
valor da opção, é dado o nome de medida de sensibilidade (comumente chamado de
letras gregas).
Com a ajuda da fórmula de Black & Scholes, podemos derivar essas medidas. Devemos
atentar para o fato de que as medidas não são constantes e as fórmulas calculam as
sensibilidades para determinado ponto com os demais fatores mantidos constantes
(derivada parcial).
A Tabela 1 apresenta as letras gregas para opções de compra e de venda. Na tabela, ’
é a derivada de .

Medida Definição Opção de compra Opção de venda

Taxa de variação do  C  ( d1 )  P  (d1 )
prêmio relativo a
Delta ()
variações no ativo-
objeto

C   (d1 ) P   (d1 )
Taxa de variação do ' '

Gama ()
delta relativo a S T S T
variações no ativo-
objeto
Taxa de variação do  2 S 2 C  2 S 2 C
Teta () prêmio relativo a  C  R f (C  S C )   C  R f (C  S C ) 
2 2
variações no tempo
Taxa de variação do  C  S T  ' (d1 )  P  S T  ' ( d1 )
prêmio relativo a
Vega () variações na
volatilidade do ativo-
objeto
Rf T Rf T
Taxa de variação do  C  KTe (d 2 )  P  KTe (d 2 )
prêmio relativo a
Rhô ()
variações na taxa de
juros
Tabela 1 - Letras gregas

7
4.4.1. Delta
Indubitavelmente, a letra grega mais importante é o delta. O delta indica a
sensibilidade do prêmio da opção a variações no preço do ativo-objeto. De modo
aproximado, podemos dizer que, para pequenas variações no preço do ativo-objeto, a
variação no prêmio será de aproximadamente delta vezes o valor da variação no preço
do ativo-objeto. Por exemplo, suponha que:
- Uma ação esteja cotada a R$ 100,00
- O prêmio de uma opção de compra sobre essa ação seja de R$ 5,00
- O delta da opção seja ½
Se o preço da ação variar para R$ 102,00, então o prêmio varia aproximadamente
R$ 1,00 (metade da variação do preço do ativo); logo, o novo prêmio é
aproximadamente igual a R$ 6,00. Opções com delta próximo de 1 são muito sensíveis
a variações no preço do ativo-objeto. Já opções com delta próximo de zero sofrem
pouca influência de flutuações no preço do ativo-objeto.

4.4.2. Gama
O gama é a variação do delta, dada uma pequena variação no preço do ativo-objeto.
Ele é útil quando trabalhamos com aproximações de segunda ordem. No Capítulo 3, já
havíamos usado esse conceito. A duration fornecia uma aproximação de primeira
ordem para a variação percentual no preço de um título de renda fixa, dada uma
pequena variação na taxa de juros. A aproximação de segunda ordem (de melhor
qualidade) foi feita com o uso da convexidade.
A história aqui se repete: quando queremos aproximar a variação no prêmio de uma
opção utilizando apenas o delta, estamos fazendo uma aproximação de primeira
ordem, que apresenta uma boa qualidade somente quando a variação no preço do
ativo-objeto é pequena. Já quando incluímos nos cálculos o termo de segunda ordem
(gama), a qualidade da aproximação melhora substancialmente.
Duas observações são necessárias em relação às medidas de sensibilidade:
- As fórmulas apresentadas na Tabela 1 são válidas desde que o prêmio da
opção obedeça à Equação 4.1, isto é, que os pressupostos do modelo de Black
& Scholes sejam válidos
- Apesar de termos definido as medidas de sensibilidade para opções, essas
medidas podem ser generalizadas para qualquer portfolio ou ativo

4.5. O MÉTODO DELTA-NORMAL

A sensibilidade de uma carteira a um dado fator de risco é a variação no valor da

carteira, dada uma variação muito pequena no fator de risco (por exemplo, de 1%). A
sensibilidade de uma carteira formada por uma única opção em relação ao ativo-

8
objeto é o delta da opção. No Capítulo 3, vimos que a sensibilidade de uma carteira
formada exclusivamente por um título de renda fixa é a duration do título.
Com essas ideias em mente, podemos aproximar o VaR de uma posição em opções
pelo VaR de uma posição composta pelo ativo-objeto em valor igual a  vezes a
posição em opções. Portanto, supondo que as condições de derivação da Equação 2.4
são válidas, temos:
VaRopção    X 0 z1  .
Equação (4.3)

Na equação anterior, X0 é o número de contratos de opções, multiplicado pela cotação

da ação, e  é a volatilidade do retorno do ativo-objeto.
Para o VaR de uma posição comprada em um título de renda fixa, temos:

DMac
VaR juros   X 0 z1  .
(1  i)
Equação (4.4)

Supondo pagamento único no vencimento (isto é, um título que não paga cupons),
temos DMac = T, em que T é o prazo do título. Logo:

T
VaR juros   X 0 z1 
(1  i)
Equação (4.5)

Nas Equações 4.4 e 4.5:

 é a volatilidade da taxa de juros para o prazo do título, expressa na unidade
de tempo da duration ou do prazo do título conforme o caso (em geral,
anualizada)
X0 é o valor marcado a mercado do título
i é a yield do papel, expressa em unidade de tempo consistente com T e  (em
geral, a taxa é reportada em termos anuais)
Se estivéssemos trabalhando com capitalização contínua, a Equação 4.5 se resumiria a:

VaRjuros  TX 0 z1  ,
Equação (4.6)

9
Na equação anterior,  é a volatilidade da taxa de juros, capitalizada continuamente,
para o prazo do título.
Se o título possuísse pagamentos intermediários, deveríamos tratá-los como fontes de
risco diferentes. Calcularíamos o VaR desse título como se fosse uma carteira formada
por diversos títulos sem pagamentos intermediários, cada um deles de valor e prazo
igual ao dos respectivos cupons. Observe que seria necessário incluir o efeito da
correlação entre as taxas de juros de prazos diferentes.
A seguir, apresentaremos dois exemplos numéricos do cálculo do VaR pelo modelo
Delta-Normal. O primeiro calcula o VaR para uma LTN (Letra do Tesouro Nacional) e o
segundo calcula o VaR para uma carteira com opções.

4.5.1. VaR de uma LTN pelo método Delta-Normal

Considere uma carteira formada por um lote de mil LTNs emitidas em 10/04/17 e com
vencimento em 01/10/18. Calculemos o VaR dessa LTN com um nível de confiança de
95% ao final do dia 10/07/18. O prazo para o vencimento da LTN é de 60 dias úteis.
Como a LTN não paga cupons, podemos usar a Equação 4.5.
A partir da série histórica de yields para o prazo de 60 dias, empregamos a função
DESVPAD do MS Excel para estimar a volatilidade utilizando uma janela de 50 dias. A
yield da LTN também pode ser obtida nessa série: ela corresponde ao valor da taxa de
juros para 60 dias úteis na data-base (10/07/18). Os dados do problema são:

  5%  z1  1,65
i  24,38%a.a.
1000
X 0  1000   949.380,58
1  24,38 / 100 60 / 252
  0,465%
60
T  0,238.
252

Portanto,
0,238
VaR   949.380,58  1,65  0,465%  R$1.394,37
1  24,38%
.
4.5.2. VaR de uma carteira de opções pelo método Delta-Normal
Vejamos, agora, um exemplo de cálculo do VaR em uma carteira com opção. Nesse
exemplo, admitiremos que o risco da opção devido a mudanças na taxa de juros e na

10
volatilidade do ativo objeto é desprezível. Considere uma carteira composta em
04/12/2017 pelos seguintes ativos:

- Ação A: 10.000 ações adquiridas no mercado à vista

- Ação B: 20.000 opções de compra, com preço de exercício de R$ 28,00, data
de exercício 20/01/2018 e 31 dias úteis até o vencimento

Nesse dia, o mercado fechou com os seguintes preços:

Mercado à vista
- Ação A: R$ 45,00
- Ação B: R$ 27,35
Mercado de opções
- Ação B: prêmio = R$ 1,47
Taxa de juros à vista para o prazo de 31 dias
- 23,83% a.a.
Utilizando o modelo EWMA de estimação de volatilidade, podemos calcular as
volatilidades e a correlação entre os preços da ação A e da ação B:
Volatilidade ação B: 2,22%
Volatilidade ação A: 2,23%
Correlação ação A e ação B: 77,53%
O primeiro passo consiste em calcular o delta para a opção da ação B, já que, para a
ação A, sabemos que a sensibilidade é 1. Para determinar o valor do delta dessa opção,
precisamos dos valores de Rf (taxa de juros livre de risco na forma de capitalização
contínua) e de  da ação B (volatilidade implícita).
O valor de Rf é facilmente obtido, transformando-se a taxa discreta em taxa de
capitalização contínua:

Rf = ln(1 + taxa_discreta) = ln(1 + 23,83%) = 21,37%

O valor da volatilidade implícita é aquele que, aplicado à função de cálculo do prêmio

da opção por Black & Scholes, retorna o valor do prêmio praticado no mercado. Por
um processo iterativo, podemos encontrar o valor dessa volatilidade. Utilizando a
ferramenta Atingir Meta do MS Excel, para atingir o valor de mercado da opção (R$
1,47), chegamos à volatilidade implícita dessa opção:

 = 2,36%.

11
 Portanto, o delta da opção é: = (d1) = 53,47%

Dados os parâmetros anteriores, podemos agora calcular o VaR de cada um dos

papéis. Para a opção da ação B, temos:

X0 = 20.000.000  27,35 / 1.000 = 547.000

Utilizando a Equação 4.3 e considerando um intervalo de confiança de 95%:

VaR = 547.000  53,47%  1,65  2,22% = 10.712

Para a ação A, temos:

X0 = 10.000  45,00 = 450.000

VaR = 450.000  1,65  2,23% = 16.558

Utilizando a Equação 2.8, obtemos o VaR da carteira:

VaRC  10.700 2  16.575 2  2  0,7753  10.700  16.575  R $ 25.767 .

4.6. O MÉTODO DELTA-GAMA-NORMAL

O método Delta-Normal consiste em aproximar a variação no preço de um ativo até o

termo de primeira ordem (delta, no caso de opções, e duration, para títulos de renda
fixa). Seguindo essa linha de raciocínio, é intuitivo estender tal aproximação a termos
de ordem superiores. A aproximação de segunda ordem é conhecida como
aproximação Delta-Gama-Normal.
Considere uma opção de compra europeia sobre uma ação. Admitindo que as
condições de derivação da Equação 2.4 são válidas e acrescentando a hipótese
adicional de que o quadrado da variação do preço do ativo no dia seguinte seja
também distribuído normalmente, pode-se mostrar que o VaR fornecido pela
aproximação Delta-Gama-Normal é:

VaR  nS 2 2  (1 / 2) 2 S 2 4

12
 Equação (4.7)
Onde:
n = o número de contratos de opção
 = o delta da opção
 = gama da opção e S é o preço de fechamento da ação

O método Delta-Gama-Normal apresenta um sério problema teórico: se a variação no

preço do ativo é normalmente distribuída, então o seu quadrado tem distribuição chi-
quadrado com um grau de liberdade e não normal. Essa deficiência lógica pode levar a
sérios problemas na estimação do VaR.

4.7. SIMULAÇÃO DE MONTE CARLO

O método Delta-Normal (e também o Delta-Gama-Normal) é uma tentativa de adaptar

o modelo paramétrico a carteiras que possuam ativos que são funções não lineares
dos fatores de risco. Porém, em carteiras com muitas opções ou quando a instituição
adota elevados níveis de confiança, essa abordagem pode não ser satisfatória.
Uma solução para esse problema consiste em empregar a técnica de simulação
histórica, que reproduz o comportamento da carteira segundo uma série de cenários
passados. No entanto, em muitas situações, a distribuição passada não é boa para
antecipar a distribuição futura dos retornos do ativo ou da carteira. Nesse caso, a
solução é simular uma distribuição. O método de simulação de cenários mais
empregado é a simulação estruturada de Monte Carlo.
A primeira etapa da simulação de Monte Carlo consiste em gerar cenários aleatórios
para o preço futuro dos ativos da carteira, levando em conta a volatilidade e a
correlação dos fatores de risco que afetam o preço da carteira. Vamos, por hipótese,
admitir que as variações nos fatores de risco seguem uma distribuição normal. Essa
etapa pode ser subdivida nos seguintes passos:
1. Gerar números aleatórios com distribuição uniforme no intervalo [0, 1]
2. Transformar os números aleatórios z gerados com distribuição uniforme na
distribuição desejada (no caso, a normal). Isso pode ser feito utilizando a
inversa da função de distribuição normal. Ou seja, devemos calcular y tal que
y     1 ( z )   , onde  1 representa a inversa da função de distribuição
acumulada da normal padrão,  e  são, respectivamente, estimativas do
retorno médio e da volatilidade do fator de risco que estamos simulando
3. Incorporar as volatilidade e correlações entre os fatores de risco. Esse passo
requer uma operação matemática conhecida como transformação de Cholesky.

13
 Para detalhes sobre a decomposição de Cholesky1, veja a referência citada.

Obtidos esses valores, reavaliamos a carteira para cada um dos casos e definimos a
distribuição do retorno da carteira, como fizemos para a simulação histórica. No caso
de opções sobre ações, é comum empregar a fórmula de Black & Scholes para reavaliar
o valor da carteira em cada um dos cenários gerados. Normalmente, simula-se um
grande número de cenários, na casa dos milhares.
Por fim, calcula-se o percentil correspondente ao nível de confiança adotado para a
série de dados obtida pela reavaliação da carteira em cada um dos cenários gerados.
Modelar e implementar essa técnica é uma tarefa complicada e possui um grande risco
de modelagem. A principal diferença entre a simulação de Monte Carlo e a histórica é
a determinação dos cenários a serem empregados para se definir as variações dos
fatores determinantes dos preços dos ativos da carteira.
Vejamos um exemplo simples. No Módulo 2, calculamos o VaR de um dia para uma
posição comprada de 10 mil ações. As estimativas do retorno esperado e da
volatilidade obtidas naquela ocasião foram:  = 0,015% e  = 3,027%
Usando esses dados, podemos simular diversos cenários para o preço de fechamento
no dia seguinte. A Tabela 2 apresenta uma possível simulação. A segunda coluna da
tabela apresenta o número aleatório gerado entre [0, 1]. A terceira coluna contém o
retorno simulado para a ação. A quarta coluna apresenta o preço simulado para a ação
em função do retorno simulado na coluna 3. A quinta coluna contém a variação
simulada na carteira. O VaR para um nível de confiança de 95% é obtido tomando-se o
5% percentil da última coluna da Tabela 2. Isto é, VaR = R$ 20.725.

Preço da Variação da
Cenário z y
ação carteira
1 0,33933 -1,24% 44,44 -5.575,85
2 0,7558 2,11% 45,95 9.505,32
3 0,94547 4,87% 47,19 21.895,49
4 0,70625 1,66% 45,75 7.456,73
5 0,31251 -1,46% 44,34 -6.589,79
6 0,42058 -0,59% 44,73 -2.662,36
7 0,73388 1,91% 45,86 8.575,15
... ... ... ... ...
2000 0,79459 2,50% 46,13 11.270,46
Tabela 2 – Simulação de Monte Carlo para a ação

1
Referências: https://craftmind.wordpress.com/2015/03/11/decomposicao-cholesky/ ou
http://prorum.com/?qa=2874/o-que-e-a-decomposicao-de-cholesky

14
Esse exemplo, apesar de bem simples, serve para demonstrar a filosofia do método.
No caso geral de uma carteira formada por diversos ativos, deveríamos incluir o efeito
da correlação entre os fatores de risco na simulação. Esse passo (o terceiro da primeira
etapa) é um pouco complicado do ponto de vista matemático.

4.8. COMPARAÇÃO ENTRE AS METODOLOGIAS

Cada uma das metodologias abordadas nos Módulos 2 e 4 para o cálculo do VaR possui
vantagens e desvantagens que precisam ser levadas em consideração, principalmente
pelos profissionais que, de alguma forma, fazem uso dos relatórios de risco. Afinal, é
importante conhecer as potencialidades e limitações de cada metodologia. A Tabela 3
apresenta um resumo dessas vantagens e desvantagens das metodologias de
estimação do VaR.

Simulação Simulação de
Itens Paramétrica
histórica Monte Carlo
Facilidade de implementação Média Média Difícil
Facilidade de assimilação Média Média Difícil
Complexidade computacional Média Média Muita
Tempo de execução Médio Médio Alto
(1)
Hipóteses simplificadoras Muitas Poucas Algumas
Carteiras não lineares (2) Péssimo Ótimo Ótimo
Stress testing Péssimo Ótimo Ótimo
Análise de sensibilidade Péssimo Regular Ótimo
Modularização e portabilidade Pouca Média Pouca
(1)
Do ponto de vista matemático
(2)
Como carteiras com opções
Tabela 3– Análise comparativa das metodologias para estimação do VaR

15
4.9. REFERÊNCIAS

DOWD, Kevin. Beyond Value at Risk – The New Science of Risk Management. John
Wiley & Sons, 1998.
JORION, Philippe. Value at Risk: The New Benchmark for Controlling Market Risk. 2a
ed., New York: McGraw-Hill, 2001.
LEMGRUBER, Eduardo F. Avaliação de Contratos de Opções. 2a ed., São Paulo: Bolsa
de Mercadorias & Futuros, 1995.
SECURATO, José R. e outros. Cálculo Financeiro das Tesourarias - Bancos e Empresas.
1a ed., São Paulo: Editora Saint Paul, 1999.
SOUZA FILHO, Gonzaga. Manual do Agente Autônomo de Investimento. Rio de
Janeiro: G10 Consultoria & Treinamento, 2016.

16
EXPEDIENTE

Texto
José Valentim Machado Vicente
Andréa Sá de Oliveira

Revisão
Gonzaga de Souza Filho
Eduardo Alonso Marza dos Santos

Apoio Técnico
Patrícia Guedes

Gerência de Certificação e Educação Continuada

Daniel Pfannemuller

Superintendência de Educação e Informações Técnicas

Ana Claudia Leoni

Superintendência Geral
José Carlos Doherty

Copyright © 2018
Todos os direitos reservados.
É proibida a reprodução total ou parcial sem autorização da ANBIMA.
ANBIMA - Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais

Praia de Botafogo, 501 - Bloco II, conjunto 704 CEP: 22250-911 - Botafogo, Rio de Janeiro - RJ
Tel.: (21) 3814-3800 / Fax: (21) 3814-3960
Av. das Nações Unidas, 8.501 - 21º andar CEP: 05425-070 - São Paulo - SP
Tel.: (11) 3471-4200 / Fax: (11) 3471-4240
http://www.anbima.com.br/pt_br/educar/educar.htm

17