INSTITUTO DE ENSINO E PESQUISA

MESTRADO PROFISSIONAL EM ECONOMIA

ALISSON ARRAIS COSTA

Análise de Portfólios Anti-Frágeis e Redução dos Custos de

Carregamento

São Paulo

2019

1
 ALISSON ARRAIS COSTA

Análise de Portfólios Anti-Frágeis e Redução dos Custos de

Carregamento

Dissertação apresentada ao Programa de

Mestrado Profissional em Economia do
Insper Instituto de Ensino e Pesquisa,
como parte dos requisitos para a
obtenção do título de Mestre em
Economia.

Área de concentração: Economia dos

Negócios. Linha de Pesquisa: Finanças

Orientador: Prof. Dr. Gustavo Barbosa

Soares – Insper Instituto de Ensino e
Pesquisa

São Paulo, 2019

2
 Folha de Aprovação

Alisson Arrais Costa

Análise de Portfólios Anti-Frágeis e Redução dos Custos de Carregamento

Dissertação apresentada ao Programa de

Mestrado Profissional em Economia do
Insper Instituto de Ensino e Pesquisa, como
parte dos requisitos para a obtenção do
título de Mestre em Economia.

Área de concentração: Economia dos

Negócios. Linha de Pesquisa: Finanças

Aprovado em

Banca Examinadora
Prof. Dr. Gustavo Barbosa Soares Assinatura: __________________
Instituição: Insper

Prof. Dr. Gustavo Athayde Assinatura: __________________

Instituição: Insper

Prof. Dr. Rafael Porsani Assinatura: __________________

Instituição: BWGI

3
 Dedicatória
Dedico este trabalho à minha família, em especial à minha esposa e filho, que
participaram tanto quanto eu dessa aventura. Acabou.

4
 Agradecimentos
Agradeço aos meus pais por sempre terem me apoiado e mostrado o caminho dos estudos.

A minha esposa e filho por toda paciência nas intermináveis horas de dedicação durante
toda duração do mestrado.

A minha empresa pela visão e apoio na realização dessa tarefa.

Ao Insper e Corpo Docente pelo apoio e oportunidade.

Ao Marcelo Salomon e ao Rafael Porsani pelo tempo doado e pelos valiosos conselhos
na elaboração final da tese.

5
 Resumo
Em um mundo cada vez mais globalizado, a necessidade de ativos diversificadores
diferentes dos usuais torna-se cada vez mais presente. As taxas de câmbio são uma classe
de ativos que possui uma grande diversidade de constituintes e correlações com outras
classes de ativos. Ainda mais, devido ao seu amplo espectro geográfico e econômico, é
possível obter uma gama de portfólios com os mais diversos objetivos, seja para aumentar
ou diminuir o risco de uma carteira de investimentos. Nesse estudo empírico, embora não
haja o intuito de escolher o timing, é mostrado um método de seleção de carteiras com
fins de seguro (hedge), ou Carteiras Anti-Frágeis, em relação a Carteiras de Risco
baseadas em ações. Além disso, como era de se esperar, tais carteiras de hedge possuem
um acentuado custo devido ao diferencial de juros entre os países considerados. Portanto,
também é mostrado duas formas de escolher carteiras, que deem algum retorno e que
possuam baixo nível de perdas durante os drawdowns das Carteiras de Risco
selecionadas, como forma de ajudar a pagar o custo de carregamento das Carteiras Anti-
Frágeis. São feitos testes das Carteiras de Carregamento contra alguns índices para
procurar se há alguma explicação para o resultado observado vindo de alguns índices.
Encontro que embora haja correlação com a carteira baseado em ações globais, o retorno
da Carteira de Carregamento não é explicado por tais índices. E por fim é feita análise da
performance conjunta das duas carteiras durante os drawdowns das Carteiras de Risco
selecionadas e é mostrado que a metodologia funciona bem e que o timing em si, não é
um problema.

Palavras-chave: Anti-frágil; taxa real efetiva de câmbio; PPP; carry trade; curvy trade;
hedges

6
 Abstract
In a world that grows each day more globalized, the need for diversifying assets grows
larger. The Exchange rates can incorporate an enormous array of characteristics, as
geographical and macro-economic, for example. Within these diverse set of
characteristics, it is possible to construct different portfolios to increase or even decrease
risk. In this empirical study, although isn’t the objective to set the timing, a method is
devised to select hedging portfolios using FX to hedge a selected number of risk-on
portfolios based on equities. As expected, these hedging portfolios has a large cost given
the difference of yield between countries, or a high cost of carry. Therefore, we devise
two methods to select portfolios that generates returns and that has a low drawdown
during risk aversion moments of the risk-on portfolios, as a form to help reducing the cost
of carry from the anti-fragile portfolio. Moreover, I test the Carry Portfolios against usual
indexes trying to identify the source of returns and I find that although the Carry Portfolio
has some correlation to the global equity index, it doesn’t fully explain the Carry Portfolio
return. And, at last, we analyze both Carry and Anti-Fragile portfolios together during the
main events of risk aversion from the selected risk-on portfolios and is showed how well
the method works, even with some timing error being allowed.

Keywords: Anti-fragile; real effective exchange rate; uncovered interest rate parity;
carry trade; curvy trade; hedges

7
 Sumário Executivo
Devido à grande diversidade dos fluxos, tanto comerciais quanto financeiros, e às
idiossincrasias políticas e sociais de cada país, a classe de ativos de câmbio pode se tornar
tanto um gerador de risco, quanto um gerador de proteção ou hedge em um portfólio, a
depender da volatilidade e correlação de outros ativos com as taxas cambiais.

Nesse trabalho, é utilizado a perspectiva de um gestor de carteiras que possua uma

posição comprada em ações para avaliar a carteira a ser protegida, ou no índice americano
S&P 500, ou, em um contexto global, no índice MSCI World. Também será considerado
outro grupo de gestores que possuam um portfólio balanceado na proporção clássica
60/40, onde sessenta por cento dos ativos são investidos em ações e quarenta por cento
dos ativos são investidos em títulos de renda fixa. O portfólio balanceado do índice S&P
500 será utilizando o título de renda fixa americano de 10 anos e o portfólio balanceado
do índice MSCI World será utilizando o FTSE WGBI. Tais carteiras serão chamadas de
Carteiras de Risco.

O objetivo do trabalho será identificar se alguns ativos dentro da classe de câmbio

podem funcionar como ativos de seguro e construir uma metodologia para criar carteiras
de hegde, que serão chamadas de Carteiras Anti-Frágeis. Embora, o timing não faça parte
do objetivo deste trabalho, será buscado criar uma carteira de moedas, Carteira Anti-
Frágil, que possua um retorno positivo durante os drawdowns das Carteiras de Risco.

Para cada Carteira de Risco, são estudados os eventos de drawdown, ou seja, os

momentos em que cada carteira tenha retornos negativos significativos, com durações de
1, 3 e 6 meses sem sobreposição de um mesmo dia em eventos diferentes.

Para a Carteira Anti-Frágil, é selecionada uma carteira comprada e vendida a

depender da performance histórica dos pares durante os eventos de drawdown
selecionados e com pesos mantidos iguais durante toda duração dos testes.

Como era de se esperar, tais carteiras de hedge possuem um custo para serem
carregadas devido ao diferencial de juros dos países considerados. A partir daí, é estudado
uma metodologia para criação de uma nova carteira que ajude a reduzir o custo de
carregar a Carteira Anti-Frágil. Tal carteira deve possuir um bom retorno e,

8
principalmente, não possuir uma grande perda durante os eventos de drawdown
analisados, tal carteira será chamada de Carteira de Carregamento.

Devido ao resultado usualmente encontrado de que o carry trade tende a ter

assimetrias negativas grandes durante os eventos extremos, foi decidido procurar para as
Carteiras de Carregamento novos tipos de sinais com base em um fator de valor, baseada
nas taxas reais de câmbio efetivas, e em outro fator baseado no carry trade, mas com
melhor perfil de distribuição de retornos, chamado de curvy trade, que utiliza o diferencial
de curvatura entre os países ao invés do diferencial de juros de curto prazo para ranquear
e selecionar moedas.

Por fim, foi procurado explicação para o retorno da Carteira de Carregamento com
base em índices como VIX, Dólar e commodities. Foi encontrado, de certa forma
esperado, que a carteira é bem descorrelacionada e carrega somente baixa correlação com
o índice de ações global MSCI, no entanto, o retorno da Carteira de Carregamento não é
explicado pelo retorno do índice de ações global. A partir daí, foi analisada a performance
das duas carteiras conjuntas durante os eventos de drawdown das Carteiras de Risco e,
que mesmo permitindo erros de timing, o objetivo é atingido com sucesso e o hedge
funciona para tais eventos.

9
 Lista de Tabelas

Tabela 1: Amostragem de drawdown por tipo de Carteira de Risco e por prazo .......... 43
Tabela 2: Performance da Carteira Anti-Frágil durante eventos de drawdown ............ 48
Tabela 3: Média do custo de carregamento da Carteira Anti-Frágil para período total de
carregamento .................................................................................................................. 49
Tabela 4: Estatísticas descritivas das carteiras obtidas com sinal da distância em relação
à média............................................................................................................................ 52
Tabela 5: Percentual de vezes que a moeda foi selecionada para cada carteira ............ 53
Tabela 6: Estatísticas descritivas das carteiras obtidas com sinal da distância em relação
à mediana ........................................................................................................................ 54
Tabela 7: Percentual de vezes que a moeda foi selecionada para a carteira .................. 55
Tabela 8: Estatísticas descritivas obtidas a partir do sinal da distância em desvios da
média .............................................................................................................................. 59
Tabela 9: Percentual de escolha para cada moeda utilizando sinal da distância em
desvios ............................................................................................................................ 60
Tabela 10: Estatísticas descritivas das carteiras obtidas a partir do sinal do Curvy Trade
........................................................................................................................................ 62
Tabela 11: Percentual de escolha para cada moeda com sinal de Curvy Trade ............ 63
Tabela 12: Carteiras analisadas e seus números de componentes ................................. 64
Tabela 13: Estatísticas descritivas das Carteiras de Carregamento ............................... 64
Tabela 14: Comparação dos retornos de drawdown e dos dois grupos de Carteiras
Finais assim como de suas constituintes (AF+Carreg.) .................................................. 66

10
 Lista de Figuras
Figura 1: Drawdowns de 1 mês em portfólios balanceados (60% bolsa / 40% renda
fixa)................................................................................................................................. 15
Figura 2: Cross Currency Basis para prazo de 1 ano .................................................... 26
Figura 3: Metodologia para encontrar Carteira Anti-Frágil e Carteira de Carregamento
........................................................................................................................................ 28
Figura 4: Volume médio (%) operado por moeda......................................................... 40
Figura 5: Carteiras de Risco (S&P 500) e drawdowns selecionados ............................ 44
Figura 6: Carteira de Risco (MSCI) e drawdowns selecionados .................................. 44
Figura 7: Carteira de Risco (Balanceado S&P500 / Treasury) e drawdowns
selecionados .................................................................................................................... 45
Figura 8: Carteira de Risco (Balanceado MSCI / WGBI) e drawdowns selecionados . 45
Figura 9: Seleção de moedas da carteira de 2 componentes obtidas a partir dos sinais de
desvio .............................................................................................................................. 57
Figura 10: Sinais da distância em desvios dos diversos países ..................................... 60
Figura 11: Série de retornos das 2 Carteiras de Carregamento combinadas ................. 64

11
 Índice
1. Introdução ..........................................................................................................................13
1.1. Objetivo do trabalho ..................................................................................................13
1.2. Estrutura do trabalho .................................................................................................16
2. Literatura ............................................................................................................................18
3. Metodologia .......................................................................................................................27
i. Carteiras de Risco e avaliação de drawdowns: ...........................................................29
ii. Carteira Anti-Frágil e identificação das performances dos pares de moedas durante
os drawdowns selecionados: ..............................................................................................30
iii. Construção da Carteira de Carregamento: .................................................................32
a. Construção da Sub-Carteira de Carregamento REER: .............................................33
b. Construção de Sub-Carteira de Carregamento Curvy Trade: ..................................35
iv. Construção e análise das carteiras conjuntas de carregamento: ...............................36
4. Dados .................................................................................................................................38
4.1. Escolha das Carteiras de Risco ....................................................................................38
4.2. Escolha das Moedas e Retornos .................................................................................39
4.3. Escolha das curvas de juros ........................................................................................40
4.4. Taxas de Câmbio Efetivas Reais ..................................................................................41
5. Resultados ..........................................................................................................................42
5.1. Portfólios e Drawdowns .............................................................................................42
5.2. Carteira Anti-Frágil .....................................................................................................46
5.3. Carteiras de Carregamento ........................................................................................49
5.3.1. Distância da Taxa Real de Cambio ......................................................................50
5.3.1.1. Distância a média ........................................................................................51
5.3.1.2. Distância a mediana ....................................................................................53
5.3.1.3. Distância em desvios ..................................................................................55
5.3.2. Curvy Trade ........................................................................................................61
5.3.3. Testes Carteiras de Carregamento selecionadas ................................................63
5.3.4. Carteira Final ......................................................................................................65
6. Conclusão ...........................................................................................................................67

12
1. Introdução
1.1. Objetivo do trabalho

Devido à grande diversidade dos fluxos, tanto comerciais quanto financeiros, e às

idiossincrasias políticas e sociais de cada país, a classe de ativos de câmbio pode se tornar
tanto um gerador de risco, quanto um gerador de proteção ou hedge em um portfólio, a
depender da volatilidade e correlação dos ativos com as taxas cambiais.

Uma das formas mais conhecidas de utilização de moedas para investimento é no

chamado carry trade. Onde o investidor vende moedas que negociam a um prêmio nas
taxas futuras (taxas de juros menores) e compra moedas que negociam a um desconto nas
taxas futuras (taxas de juros maiores).

Conforme bem documentado na literatura como em Fama (1984), Hodrick (1987)

e Engel (1996), a teoria da paridade descoberta das taxas de juros (UIP) muitas vezes não
são capazes de explicar os retornos das moedas. Onde a UIP pode ser expressa na forma
logarítimica por 𝐸𝑡 [𝑠𝑡+1 ] − 𝑠𝑡 ≈ 𝑖𝑡 − 𝑖𝑡∗ . Essa é uma expressão familiar que significa que,
na ausência de barreiras para especulação ou custos de transação e com agentes neutros
ao risco, os diferenciais de juros 𝑖𝑡 − 𝑖𝑡∗ (doméstico menos estrangeiro) de instrumentos
de renda fixa de igual natureza denominados na respectiva moeda para prazo t são iguais
a expectativa da depreciação da moeda doméstica por unidade de moeda estrangeira
durante mesmo período t.

As previsões de retornos em moedas são alvos de constantes estudos e de intensos

debates tanto sobre a eficiência de mercados quanto as teorias de finanças internacionais,
desde o clássico trabalho de Meese e Rogoff (1983), onde os autores mostram que seja
baseado em variáveis fundamentais ou em variáveis técnicas e em diversos horizontes de
tempo, os retornos de estratégias usando taxas cambiais se assemelham a um passeio
aleatório.

Os portfólios globais estão comumente sujeitos às variações nos preços dos ativos
e à volatilidade dos mercados. De fenômenos naturais como um terremoto no Japão, a
guerras e, mais recentemente, a publicações em redes sociais como Twitter, os portfólios
estão sujeitos a inúmeros riscos. Alguns desses riscos, às vezes, fazem os índices de ações
e carteiras balanceadas 60/40 terem quedas significativas em seus preços como mostra o

13
exemplo para carteiras 60/40 na Figura 1, tais eventos de retornos negativos foi dado
nome de drawdown. Neste trabalho, drawdown é tratado como o retorno negativo para a
Carteira de Risco em uma janela fixa de tempo, posteriormente, será detalhado na seção
3.i como são calculados tais valores de drawdown.

Nesse contexto e dado essa capacidade de diversificação, as carteiras de moedas

podem funcionar como hedges, ou seja, portfólios de proteção.

Segundo Nassim Taleb, autor que cunhou o termo anti-frágil: “Algumas coisas se
beneficiam dos impactos; elas prosperam e crescem quando são expostas à volatilidade,
ao acaso, à desordem e aos agentes estressores, e apreciam a aventura, o risco e a
incerteza. No entanto, apesar da onipresença do fenômeno, não existe uma palavra para
designar exatamente o oposto de frágil. Vamos chamá-lo de antifrágil. A antifragilidade
não se resume à resiliência ou à robustez. O resiliente resiste a impactos e permanece o
mesmo; o antifrágil fica melhor.”

Os chamados hedges são seguros contratados para evitar que eventos específicos
consigam tirar retorno significativo de um portfólio, ou seja, que o seguro possua um
retorno esperado positivo durante os eventos de drawdown analisados. No entanto, como
no famoso adágio: “Não há almoço de graça”, carregar portfólios de hedge, normalmente,
envolvem um custo, que, dependendo do prazo, nem sempre serão compensados pelos
ganhos com o hedge nos momentos de retornos negativos do portfólio.

Dado essa diversidade de fatores a que as taxas cambiais estão sujeitas, parece
natural a ideia de pesquisar uma carteira de moedas que possuam retorno positivo durante
eventos de drawdown das Carteiras de Risco baseadas em ações. Naturalmente, é
esperado que tal carteira tenha um custo para ser carregada.

14
 Figura 1: Drawdowns de 1 mês em portfólios balanceados (60% bolsa / 40% renda
fixa)

Fonte: Bloomberg

Como pode ser observado na Figura 1, correções são frequentes mesmo em

carteiras balanceadas (60/40). Além disso, junto com essas correções em carteiras
baseadas em ações, muitos autores observaram que as carteiras de carry sofriam perdas
intensas e repentinas em eventos de drawdown significativos, conforme estudos de
Sokolovski (2019) e de Burnside, Eichenbaum e Rebelo (2007). Portanto, embora exista
um caráter diversificador na estratégia de carry, durante eventos de drawdown ela tende
a ter perdas acentuadas mostrados pelas suas caudas mais gordas e pela assimetria
negativa na distribuição dos retornos.

Daí a motivação para encontrar carteiras de moedas que possuam alguma

característica descorrelacionada com as Carteiras de Risco baseadas em ações, como
carteiras compradas em bolsa e como carteiras balanceadas 60/40, mas que não exibam
um drawdown grande durante tais eventos como os carry trades usuais e que consigam
reduzir o custo de carregar as carteiras de hedge.

Há, portanto, dois objetivos principais para o trabalho. Dadas as

15
 • Carteiras de Risco baseadas em ações, sendo considerados tanto portfólios
comprados em ações, quanto portfólios balanceados na proporção 60% em
ações e 40% em títulos de renda fixa, tanto para investidores que
concentrem risco nos Estados Unidos quanto para investidores mais
globalizados.

Serão montadas três carteiras, uma de hedge e duas de carregamento conforme

abaixo:

• uma Carteira Anti-Frágil (hedge), onde é selecionada uma carteira de

moedas long/short com características de proteção, ou seja, que
historicamente consigam ter algum retorno positivo durante eventos de
significativo drawdown para as Carteiras de Risco selecionadas;
• uma Sub-Carteira de Carregamento de moedas long/short selecionadas
com base em um fator de valor com sinais vindos das taxas reais de câmbio
efetivas para formar a Sub Carteira de Carregamento REER. Onde as taxas
reais de câmbio serão as taxas nominais de câmbio descontados da cesta
de inflação CPI (consumer price index) de cada país ponderados
proporcionalmente aos parceiros comerciais;
• uma segunda Sub-Carteira de Carregamento de moedas long/short
selecionados com base em outro fator semelhante ao carry trade para criar
a Sub Carteira de Carregamento curvy trade, mas que utilizem como sinal
a diferença de curvaturas nas curvas de juros ao invés do diferencial de
juros de curto prazo, como feito no carry usual. Para ambos fatores,
buscou-se carteiras que não possuam grandes assimetrias negativas de
retornos e que não possuam grandes drawdowns durante os eventos
extremos analisados das Carteiras de Risco selecionadas.

1.2. Estrutura do trabalho

O restante do trabalho segue organizado da seguinte forma, na seção 2, é feita
análise dos conceitos por trás da teoria das paridades descobertas e da PPP, assim como
alguns conceitos dos fatores de carry e de valor. São exploradas novas formas que tem
surgido para construção de portfólios de carry mais sofisticadas e que reduzem a
assimetria negativa dos retornos de carteiras de carry trade usuais.

16
 Na seção 3, são descritos os métodos utilizados para construção e backtest das
carteiras. Na seção 4 o foco são os dados utilizados e suas características. Na seção 5, é
apresentado e analisado os resultados. E, finalmente, a conclusão na seção 6.

17
2. Literatura
O mercado de forwards e de swaps de câmbio são um dos mais líquidos ativos no
mundo, de acordo com o BIS (Bank of International Settlements) (2013,2014), mais de
$3 trilhões de dólares são operados diariamente.

Embora seja extremamente utilizado, o mercado de câmbio é bastante complexo

e inúmeros modelos existem para tentar prever ou para dar significado aos movimentos
dos pares. O modelo básico de previsão diz que a variação 𝑠𝑗,𝑖 − 𝑠𝑗,𝑖−1 (𝑠𝑗,𝑖 sendo o log
da moeda j/USD no tempo i) pode ser previsto pela diferença 𝑧𝑗,𝑖−1 − 𝑠𝑗,𝑖−1 . Onde 𝑧𝑗,𝑖 é
uma medida de tendência central da moeda j no tempo i definida a depender do modelo.
Outros modelos usam variáveis exógenas, como em Mark (1995) que foram escolhidas
variáveis monetárias como oferta de moeda e níveis de produto. Em Molodstova e Papell
(2008) foi escolhido um modelo com base na regra de Taylor, onde o fator é dependente
de inflação, do output gap, das taxas de câmbio e de parâmetros de políticas monetárias.
Em Engel et al (2008) foi escolhido com base nas PPPs (Purchasing Power Parity).

No entanto, no estudo de Meese e Rogoff (1983), eles mostram que o modelo de

passeio aleatório performa pelo menos tão bem quanto outros modelos fundamentais e,
em diversos casos, até melhor que outros modelos em diversas janelas para testes fora da
amostra. Mesmo quando oferecidos as variáveis reais ex-ante fora da amostra, os modelos
não conseguiam ter mais precisão do que o modelo de passeio aleatório.

Além disso, em Cheung, Chinn e Pascual (2005), os autores mostram que modelos
e especificações que performam bem em um período não necessariamente funcionam em
outro. E que embora um modelo possa funcionar para um par de moeda, não
necessariamente funciona para outro.

Como documentaram Engel, Mark e West (2012, p.1) na introdução do artigo:

“Usamos a literatura sobre previsões de taxas de câmbio para sugerir que as séries das
taxas de câmbio por si só possuem informação que é difícil de ser extraída de variáveis
fundamentais observáveis. Tal informação pode ser difícil de extrair devido às medidas
usuais de fundamentos (como oferta de moeda e produto) serem carregadas de erros ou
simplesmente faltam medidas diretas de fundamentos não padrões como prêmios de risco
ou noise trading.”.

18
 Embora não seja o intuito do trabalho prever qual nível ou taxa de câmbio será em
um determinado prazo, foi procurado um método para selecionar uma Carteira Anti-
Frágil que possua historicamente maior chance de performar bem, ou seja, ter retornos
positivos em momentos de drawdown das Carteiras de Risco selecionadas. Por
drawdown, entenda-se as quedas significativas nos preços das Carteiras de Risco com
janelas fixas, ou seja, da data de início ao final, terá sempre o mesmo tempo de duração
da janela.

Além disso, um dos objetivos do trabalho é a construção da Carteira de

Carregamento para reduzir o custo de carregar a Carteira Anti-Frágil. Como método de
seleção da primeira sub Carteira de Carregamento, foi pesquisado alguma métrica
relacionada ao valor intrínseco de cada moeda analisada.

A PPP (Purchase Power Parity) é uma das formas mais conhecidas de se medir o
valor relativo entre pares de moedas. A teoria fundamental vem da Lei de Preço Único
(LPU), onde bens deveriam possuir o mesmo preço não importa aonde estiver. Existe, no
entanto, uma dificuldade em medidas coerentes e consistentes ao longo do tempo. Alguns
exemplos de dificuldades são, por exemplo, cestas diferentes nos diversos países e
variações nos produtos ao longo do tempo. Tais problemas fazem com que a medida de
PPP absoluta sejam impraticáveis para usar.

Além disso, há também o conceito da PPP relativa, onde é a definida uma data
para início da comparação e da análise. Observa-se, a partir daí, a variação dos índices de
cestas de produtos dos países. Implicando que as taxas de câmbio deveriam seguir
variação semelhante, dada a LPU. Mas mesmo no conceito de PPP relativa, os problemas
persistem. Diferenças entre cestas de produtos, fricções nos mercados de bens e serviços,
custos de transporte, diferenças tarifárias entre países, entre inúmeros outros. Embora em
teoria, a ideia da PPP seja bem consolidada, a grande volatilidade de curto prazo do
mercado de câmbio e a falha em encontrar uma relação consistente nos dados, mesmo
que em horizontes maiores, geram dúvidas sobre sua real utilidade.

Como Rogoff (1996) mostra, inclusive citando diversos estudos, a meia-vida da

PPP pode ficar entre 3 e 5 anos, para diversos períodos de amostra e diversos pares de
moedas.

19
 Em Engel (2000), o autor discute que pode haver vieses de grandes amostras para
testes de longo prazo para a PPP e que pode haver um componente de raiz unitária não
identificada nos testes realizados. No entanto, o autor afirma que os testes realizados
podem dizer que parece haver alguma forma de reversão a média nas taxas reais de
câmbio, no entanto, não é claro se há a convergência de longo prazo para a PPP.

Além disso, conforme Taylor e Taylor (2004), embora a PPP no curto prazo não
apareça nas relações, no longo prazo há um indício de que existe uma reversão a média
das taxas reais de câmbio, embora exista fatores que possam fazer essas médias mudarem
no decorrer do tempo.

A taxa real de câmbio (REER – Real Effective Exchange Rate) é uma medida
relativa de custos entre duas economias. Há diversas formas de ser definida e calculada,
por exemplo, nas escolhas de cestas diferentes de preço: CPI (consumer price index) ou
PPI (producer price index). A forma mais comum da definição é a equação logarítmica
onde o log da taxa real 𝑞𝑡𝑃𝑃𝑃 no tempo t é dado pelo 𝑠𝑡 + 𝑝𝑡∗ − 𝑝𝑡 , ou seja, o log da taxa
de câmbio nominal (𝑠𝑡 ) ajustado pelo diferencial do log dos preços estrangeiro e
doméstico no tempo t (𝑝𝑡∗ − 𝑝𝑡 ).

Neste trabalho, serão explorados os resultados de Taylor e Taylor (2004),

adotando como critério de valor os sinais em relação às métricas selecionadas de longo
prazo das taxas efetivas reais de câmbio de diversos países em relação ao dólar, utilizando
as estimativas de inflação com base nas cestas aos consumidores e ponderando pelos
parceiros comerciais.

Para a segunda Sub Carteira de Carregamento, chamada de curvy trade, foi

proposto um sinal parecido com o carry trade, mas que não possua uma assimetria
negativa e uma perda acentuada durante os drawdowns estudados para as Carteiras de
Risco. Para isso, é fundamental o conceito do forward premium puzzle, que se refere ao
bem documentado achado empírico, onde moedas com maiores taxas de juros tendem a
apreciar versus moedas de outros países com taxas de juros menores, ao contrário do
esperado pela UIP.

A partir da regressão 𝑠𝑡+1 − 𝑠𝑡 = 𝛼 + 𝛽(𝑓𝑡 − 𝑠𝑡 ) + 𝑢𝑡+1, onde 𝑠𝑡 representa o log

da taxa de câmbio no período t, que varia de trabalho a trabalho, com alguns
pesquisadores utilizando prazos de uma semana e outros prazos mensais. t+1 é o período

20
seguinte e 𝑓𝑡 o log da taxa forward para o prazo t, obtém-se que usualmente os forwards
não são um bom preditor da taxa spot de câmbio futura, conforme encontrado em Engel
(1996) e em Fama (1984). Em alguns casos, inclusive, são encontrados sinais opostos ao
esperado pela UIP (Uncovered Interest Parity).

Onde a UIP pode ser expressa na forma logarítimica por 𝐸𝑡 [𝑠𝑡+1 ] − 𝑠𝑡 ≈ 𝑖𝑡 − 𝑖𝑡∗.
Essa é uma expressão familiar que significa que, na ausência de barreiras para
especulação ou custos de transação e com agentes neutros ao risco, os diferenciais de
juros 𝑖𝑡 − 𝑖𝑡∗ (doméstico menos estrangeiro) de instrumentos de renda fixa de igual
natureza denominados na respectiva moeda para qualquer prazo t são iguais a expectativa
da depreciação da moeda doméstica por unidade de moeda estrangeira durante mesmo
período t.

Destas falhas vem uma das estratégias de especulação em moedas mais

comumente estudadas e utilizadas, o chamado carry trade. A estratégias consiste no
investidor vender moedas que negociam a um prêmio nas taxas futuras (taxas de juros
menores) e comprar moedas que negociam a um desconto nas taxas futuras (taxas de juros
maiores). Tal estratégia tem sido fruto de inúmeros estudos.

Em Burnside, Eichenbaum, Kleshchelski e Rebelo (2006), os autores avaliam os

índices Sharpe para os portfólios com estratégias de carry trade e tentam encontrar
explicações para o retorno da estratégia, mas os resultados encontrados aparentam ser
descorrelacionados com os riscos comumente relacionados ao mercado, como
volatilidade e liquidez.

Além disso, Burnside, Echenbaum e Rebelo (2007) encontram que ao incluir

outras moedas nas cestas, principalmente as de mercados emergentes, o índice Sharpe
melhora consideravelmente, ao mesmo tempo que reforça a característica
descorrelacionada da cesta de carry trade com ativos de risco comuns como o índice de
ações S&P 500.

Segundo Burnside, Eichenbaum e Rebelo (2008), ao acrescentar mais moedas

para criar uma cesta de carry trade, pode-se aumentar em até 50% o índice Sharpe da
carteira esperada. No mesmo trabalho, os autores encontraram que o carry trade aplicado
a uma só moeda ou mesmo em um par de moedas, comprado o maior carry e vendido o

21
menor carry, produzem uma média menor de retornos e possuem caudas mais gordas do
que o esperado em uma distribuição normal.

Tais resultados são bastante pertinentes ao objetivo do trabalho e serão utilizados

na metodologia ao pesquisar carteiras com vários pares para compor as Carteiras de
Carregamento.

A estratégia de carry, embora seja rentável, está sujeita a muitos riscos, tanto
idiossincráticos aos países, como também das percepções de risco em geral nos mercados.
Além disso, o carry trade tem eventos de perdas acentuadas e rápidas, mostradas pelas
distribuições com assimetrias negativas e caudas mais gordas do que o esperado em
distribuições normais. Segundo Brunnermeier, Nagel e Pedersen (2008), os eventos de
crash, ou eventos de perdas repentinas e acentuadas, na estratégia de carry trade estão
positivamente correlacionados com aumentos nas medidas de volatilidade, como o VIX,
e de liquidez, como o TED Spread, e mostram que há relação entre moedas com carry
mais alto e sua pior performance em eventos extremos. Tais características tornam as
carteiras de carry tradicionais não satisfatórias ao objetivo deste trabalho, portanto,
embora seja necessário para o trabalho encontrar uma carteira que gere algum retorno,
também é necessário que tal carteira não possua eventos de drawdown significativos. Ou
seja, que sua distribuição de retornos também não tenha uma forte assimetria negativa.

Em Burnside, Eichenbaum e Rebelo (2011), os autores avaliam que as estratégias

de carry, se acrescentadas do fator momentum, trazem retornos ainda melhores e mais
descorrelacionados. O resultado é bastante interessante e se alia muito bem aos objetivos
do trabalho. Embora não seja utilizado neste trabalho diretamente o fator momentum na
formação do portfólio de carregamento, um dos sinais das métricas de valor (desvios da
média) acaba por considerar, de certa forma, algo semelhante a estratégia de momentum
e será avaliado a performance de tal métrica na seção 5.3.1.3.

Portanto, conforme é mostrado em muitos estudos, nem sempre a escolha de

portfólios com base no ranking de prêmio nas taxas futuras trás o melhor retorno e as
melhores características desejadas de assimetria e drawdown. Daí a ideia de tentarmos
buscar outra metodologia de carry, que ao invés do prêmio de taxas futuras, utilize novas
métricas de atribuição de carry para as taxas de câmbio.

22
 Além do custo/ganho para se ter uma posição em um forward, o carry também
pode ser um indicativo da direção esperada do movimento das taxas de câmbio segundo
a UIP. Embora as pesquisas mostrem que a UIP geralmente não é respeitada, existem
outras informações nas curvas de juros dos países que podem auxiliar na obtenção de
informação para a expectativa dos movimentos no câmbio.

Estudos mais recentes sugerem que há informações presentes na curva de juros de

longo prazo e na curvatura e que podem ser utilizadas em previsões das taxas de juros
como em Cochrane e Piazzesi (2005), Piazzesi e Swanson (2008) e Piazzesi e Cochrane
(2009), como para taxas de câmbio como em Chen e Tsang (2013), em Gräb e Kostka
(2018) e em Ang e Chen (2010).

Em Dreher, Gräb e Kostka (2018), os autores mostram que, utilizando-se de

fatores de curvatura capturados das curvas de juros dos países, é possível montar
estratégias de carry ao ordenar os países em relação a suas respectivas curvaturas
relativas. E ao testar o poder preditivo dos fatores de Nelson-Siegel, encontram que existe
um sinal para movimentos dos pares de moedas em um horizonte entre um e seis meses.
Quanto mais baixa a curvatura em relação a curvatura dos Estados Unidos, mais a moeda
tende a depreciar.

Utilizando a regressão MQO, os autores extraem os sinais de Nelson-Siegel

utilizando as taxas de juros zero coupon de 3 meses a 10 anos.

1−𝑒 𝜑𝑚 1−𝑒 𝜑𝑚
𝑦𝑡𝑚 = 𝐿𝑡 + 𝑆𝑡 ( ) + 𝐶𝑡 ( − 𝑒 𝜑𝑚 ) (1)
𝜑𝑚 𝜑𝑚

Onde 𝑦𝑡𝑚 é o conjunto de taxas nominais zero coupon de m meses restantes ao

vencimento. E o 𝐿𝑡 , 𝑆𝑡 𝑒 𝐶𝑡 representam os 3 fatores variáveis no tempo de nível,
inclinação e curvatura para cada tempo t.

E com esses fatores, fazem a seguinte regressão para moedas G10 por unidade de
Dólar Norte-Americano(USD), onde G10 são considerados as moedas Dólar Australiano
(AUD), Libra Esterlina (GBP), Dólar Canadense (CAD), o Euro (EUR – Marco Alemão
é considerado antes de 1999), o Yen Japonês (JPY), o Dólar Neozelandês(NZD), a Coroa
Norueguesa (NOK), o Franco Suíço (CHF) e a Coroa Sueca (SEK):

23
 (2)

⁄
𝑖 𝑈𝑆𝐷 ⁄𝑈𝑆𝐷
Onde 𝑠𝑡+ℎ − 𝑓𝑡𝑖 é o excesso de retorno das taxas spot sobre o forward
cotadas em unidades por dólar para o horizonte relevante, no estudo os autores trabalham
com os prazos de 1, 3, 6 e 12 meses. Tal excesso é regredido a partir dos fatores de Nelson-
Siegel encontrados da equação (1) e mais alguns fatores como volatilidade, dado pela
variação de três meses da média da volatilidade dos retornos diários dentro de um mês
das moedas G10. Índice de commodities representado pela variação de três meses do
índice CRB. Índice de liquidez representado pela média do spread de compra/venda das
moedas G10. Índice de momentum representado pela variação de 3 meses contra o dólar
e por fim o índice de valor representado pela variação de 5 anos de cada moeda em relação
ao dólar.

A partir de tal regressão, os autores encontraram que o fator de curvatura, com seu
respectivo beta, é estatisticamente significante em descrever os retornos das taxas de
câmbio.

Ainda segundo o estudo, eles identificam que essa seleção melhora as

características do portfólio, apresentando menor assimetria, pois as moedas de funding
ficam menos dependente das moedas clássicas, como o Yen.

Além disso, os autores confirmam que, conforme Diebold e Li (2006), é possível

também utilizar aproximações para os fatores de Nelson-Siegel, conforme as equações a
seguir:
10𝑦
𝑦𝑡3𝑚 +𝑦𝑡
𝐿𝑡 =
2
10𝑦
𝑆𝑡 = (𝑦𝑡 − 𝑦𝑡3𝑚 ) (3)

𝐶𝑡 = 2 ∗ 𝑦𝑡2𝑦 − (𝑦𝑡3𝑚 + 𝑦𝑡10𝑦 )

Portanto, dado o objetivo deste trabalho de fugir da construção de um portfólio de

carry na forma usual, foi adotado tal resultado como um dos critérios para seleção das
cestas de moedas de carregamento.

24
 Além disso, dada as condições de não arbitragem, um investidor poderia utilizar
sua moeda local e ganhar a taxa de juros local, ou trocar sua moeda via um contrato de
câmbio e investir na taxa de juros de outro país, realizando um swap de moedas para a
data futura convertendo de volta para sua moeda local. Essas operações deveriam ser
equivalentes e deveriam dar o mesmo retorno para o investidor na ausência de custos e
outras restrições. Tal relação é conhecida como CIP (Covered Interest Parity) e pode ser
expressa pela seguinte equação em forma logarítmica

𝑓𝑡 − 𝑠𝑡 = 𝑖𝑡 − 𝑖𝑡∗ (4)

onde 𝑓𝑡 − 𝑠𝑡 é o prêmio ou desconto do forward para um prazo t em relação ao spot (em

unidade de moeda por USD) e 𝑖𝑡 − 𝑖𝑡∗ é o diferencial de juros doméstico contra o
estrangeiro para o mesmo prazo t. No entanto, é possível observar, principalmente, após
a crise de 2008, que essa relação nem sempre é respeitada, como mostrado por Du, Tepper
e Verdelhan (2018).

Se ambas as taxas são livres de risco e na ausência de custos e outras restrições,

estas operações são equivalentes e deveriam dar o mesmo retorno. Essa diferença entre o
que seria esperado pela CIP e o que é encontrado no mercado, é comumente chamado de
cross currency basis. Para análise do custo/ganho de carregamento de moedas, portanto,
além de utilizar as taxas de juros dos países, seria importante também analisar a
informação trazida pelos forwards, o custo ou o ganho adicional que é obtido através dos
cross currencies basis.

Até para moedas extremamente líquidas como a moeda do Japão, o Yen, seria
esperado que tal arbitragem fosse realizada de forma rápida e eficiente, no entanto, é
possível observar que essas taxas divergem significativamente do precificado pela CIP,
conforme relatado por Arai, Makabe, Okawara e Nagano (2016) e mostrado na Figura 2.

25
 Figura 2: Cross Currency Basis para prazo de 1 ano

Fonte: Bloomberg

No entanto, esses dados são de difícil acesso, não sendo amplamente divulgado e
nem possuindo um histórico de longo prazo confiável para pares de mercados emergentes,
portanto, no presente estudo não será considerado o custo ou ganho devido ao cross
currencies basis, embora seja importante ter ciência de tal divergência na prática e na
implementação da estratégia.

26
3. Metodologia
Chamarei de Carteiras de Risco as quatro carteiras baseadas em ações a serem
protegidas. Foi utilizada a perspectiva de um gestor de carteiras que possua uma posição
comprada em ações, ou no índice americano S&P 500, ou, em um contexto global, no
índice MSCI World. Também será considerado outro grupo de gestores que possuam um
portfólio balanceado na proporção clássica 60/40, onde sessenta por cento dos ativos são
investidos em ações e quarenta por cento dos ativos são investidos em títulos de renda
fixa. Para o portfólio balanceado do índice S&P 500 será utilizando o título de renda fixa
americano de 10 anos e para o portfólio balanceado do índice MSCI World será utilizando
o FTSE WGBI.

A partir das Carteiras de Risco são analisados os eventos de perdas relevantes em

uma janela fixa de tempo, não sendo considerados eventos da mesma janela de duração
que possuam interseção de dias, ou seja, os eventos com uma mesma janela de duração
não podem ter dias superpostos. Tais eventos serão chamados de drawdown como
anteriormente mencionado e seu cálculo será detalhado na seção 3.i.

A partir dos eventos de drawdown selecionados, foi calculado a performance dos

pares de moedas e observou-se quais moedas performam melhor ou pior
consistentemente. A Carteira Anti-Frágil será a primeira carteira encontrada e será uma
carteira long/short de moedas criada comprando(vendendo) as moedas que
ganham(perdem) valor com maior frequência nos eventos de drawdown analisados para
as Carteiras de Risco. O objetivo principal da Carteira Anti-Frágil é ter retornos positivos
durante os eventos de drawdowns das Carteiras de Risco. Os cálculos e as regras para
encontrar a carteira serão detalhados posteriormente na seção 3.ii.

No entanto, como era de se esperar, uma carteira com tais características (anti-
frágeis) tem um custo para ser carregada dentro de um portfólio como hedge, e nesse
cenário, como não é o intuito do trabalho prever o timing de quando os drawdowns
ocorrem, tornou-se necessário construir carteiras que reduzissem o custo de carregamento
da Carteira Anti-Frágil.

Portanto, conforme mencionado anteriormente nas seções 1 e 2, são determinadas

duas metodologias para encontrar outras duas carteiras que consigam ter retornos
razoáveis, mas que tenham as características de distribuição dos retornos, como

27
assimetria e caudas gordas, melhores do que as do carry trade clássico. Ou seja, que as
Carteiras de Carregamento não possuam retornos tão negativos e assimetrias tão
negativas quanto o carry trade usual durante os períodos de drawdown analisados para
as Carteiras de Risco selecionadas.

A segunda carteira encontrada no trabalho será uma Carteira de Carregamento e

será baseada em um sinal a partir das taxas reais efetivas de câmbio como proxy do fator
de valor, tal carteira será chamada de Sub Carteira de Carregamento REER e seu cálculo
será detalhado na seção 3.iii.a.

A terceira carteira será chamada de Sub Carteira de Carregamento Curvy Trade e

será baseada em uma estratégia homônima, sendo similar ao fator carry, mas que utilize
o diferencial de curvatura da curva de juros ao invés do diferencial de juros de curto prazo
para ranqueamento dos pares de moedas e será detalhada na seção 3.iii.b.

O escopo da metodologia pode ser visto na Figura 3.

Figura 3: Metodologia para encontrar Carteira Anti-Frágil e Carteira de Carregamento

Carteira de Carteira Anti- Carteira de

Risco Frágil Carregamento

• Análise de • Análise histórica • Sub-Carteira REER

drawdowns das performances (valor)
das moedas • Sub-Carteira Curvy
durante Trade (carry)
drawdowns

Para tal construção são seguidos os seguintes passos:

28
 i. Carteiras de Risco e avaliação de drawdowns:

São considerados quatro portfólios separados em dois grupos, sendo um grupo

para portfólios comprados em ações e outro grupo para portfólios balanceados na
proporção clássica de diversificação conhecida como 60/40, onde sessenta por cento dos
ativos são investidos em ações e quarenta por cento dos ativos são investidos em títulos
de renda fixa.

Foi escolhido como benchmark de ações duas carteiras, uma sendo o índice mais
acompanhado do mundo, o S&P 500, e o outro, com uma abrangência bem maior
seguindo o escopo global do estudo, o MSCI World Currency Hedged. É importante
salientar a opção pelo índice de retorno já em dólar ao invés de retorno total (em moeda
local de cada ação), para não confundir os efeitos da diversificação trazida pela exposição
cambial em outros países, que é parte do que este trabalho procura na cesta de hedge.

Para as carteiras de renda fixa foram escolhidos a Treasury de 10 anos, por ser
conhecido ativo diversificador, e o índice de renda fixa global FTSE WGBI Currency
Hedged, seguindo o mesmo conceito da escolha do retorno em dólar que foi feito para o
índice global de ações.

A partir dos retornos das quatro carteiras, é utilizado o método a seguir para
seleção dos principais retornos negativos de cada carteira, os drawdowns. Foram
escolhidos eventos com janelas fixas de duração de 1, 3 e 6 meses para que seja englobado
diversos horizontes de investimentos. É importante observar que, para a seleção dos
piores momentos de tais carteiras, dois eventos de uma mesma janela de duração não
possuam dias superpostos. Dessa forma, evita-se que determinado período entre com um
peso maior do que realmente deveria ter na amostra.

De posse de todos os eventos negativos não superpostos para todas as carteiras e

janelas de duração, é feito um filtro para selecionar os casos que sejam representativos de
eventos extremos e não somente eventos da volatilidade normal do índice. Foi utilizado
como ponto de partida a mediana de cada conjunto de retorno negativo de cada Carteira
de Risco em cada janela de duração. A partir da mediana olhei cada conjunto de dados
para poder definir um limite de retorno a partir de qual serão selecionados os dados. Para
cada conjunto foi definido o próprio threshold, estes são mostrados na Tabela 1 da seção
5.1.

29
 A mediana foi escolhida como referência, pois, para as amostras pequenas de
algumas janelas de duração, os eventos de cauda são muito grandes e a média fica com
viés muito negativo. O que retirava diversos eventos ainda relevantes para o estudo.

É importante escolher esse critério, pois diversos drawdowns são encontrados, no

entanto, o retorno negativo do período sequer foi maior do que a volatilidade normal do
ativo. E, na verdade, quero analisar eventos mais negativos e relevantes e não os
movimentos comuns diários das Carteiras de Risco.

Abaixo, mostra-se o exemplo de passo a passo para seleção dos drawdowns de 3

meses:

➢ Calcula-se todos os retornos de 3 meses a cada dia da Carteira de Risco

selecionada;
➢ Exclui-se todos os retornos positivos;
➢ Seleciona-se o retorno mais negativo e exclui-se todos os retornos que
sejam overllaping ao maior;
➢ Seleciona-se o próximo retorno mais negativo e repete-se o procedimento
anterior, até que não haja mais retornos com dias overllaping;
➢ Faz-se o ranking de todos os retornos negativos previamente escolhidos.
Utilizando a mediana deste conjunto como referência, analisa-se e
seleciona-se um limite a partir de qual os retornos mais negativos que tal
limite serão considerados;
➢ Esta seleção será o conjunto de drawdown para a Carteira de Risco
escolhida na janela de duração analisada, nesse exemplo, a janela de 3
meses.

ii. Carteira Anti-Frágil e identificação das performances dos pares de

moedas durante os drawdowns selecionados:

A partir da identificação dos períodos de drawdown, é calculado a performance

de todos os 24 pares abaixo para cada um dos eventos selecionados. Todos os pares são
escolhidos e estudados como unidades de moeda XXX por unidade do dólar, ou seja,
utilizando o Dólar Norte Americano como moeda base. A seguir os símbolos de cada par,
para mais informação acerca de cada símbolo na seção 4.3.

30
'AUD','BRL','CAD','CHF','CLP','CNY','COP','CZK','DKK','EUR','GBP','HUF','IDR',
'INR','JPY','KRW','MXN','NOK','NZD','PLN','RUB','SEK','TRY','ZAR'
𝑋𝑋𝑋𝑡
Os retornos das moedas são calculados como o retorno simples (𝑟𝑡 = 𝑋𝑋𝑋 − 1)
𝑡−1

do índice de retorno total, ou seja, levando em consideração o carrego da moeda versus o

dólar norte americano mais a variação cambial. O retorno simples foi utilizado nesse
estudo, principalmente, por se tratar de carteiras e ser melhor para tratar os dados e
realizar os cálculos com os devidos pesos de cada carteira.

Os pares são ordenados pela mediana dos retornos em cada horizonte de evento
(1, 3 e 6 meses) e para cada Carteira de Risco. Calcula-se as médias dos retornos para
cada par. É calculado o hit ratio de cada par, que será o número de vezes que o par segue
a mesma direção da média sobre o total de observações para cada par.

Exemplo passo a passo ilustrativo AUD:

➢ Calcula-se os retornos em cada evento de drawdown analisado para cada

horizonte de eventos (1, 3 e 6 meses) e cada Carteira de Risco (4 carteiras)
para o AUD;
➢ Calcula-se a mediana dos retornos para cada horizonte de evento (1, 3 e 6
meses) de cada Carteira de Risco (4 carteiras), portanto serão 12 medianas
analisados;
➢ Calcula-se o hit ratio para cada horizonte de evento de cada Carteira de
Risco, exemplo abaixo:
o Imagine que a mediana para o AUD no horizonte de 1 mês da
Carteira de Risco long S&P500 seja “+x%” (positiva), ou seja, o
dólar aprecia e o AUD deprecia durante os eventos analisados;
o O hit ratio será (número de vezes que o AUD depreciou nos
eventos de 1 mês da Carteira de Risco long S&P500)/(número total
observações dos eventos analisados de 1 mês para Carteira de
Risco long S&P500)
➢ Calcula-se a média dessas 12 medianas dos retornos encontradas no passo
anterior;
➢ Calcula-se a média dos hit ratios encontrados, este será o número a se
comparar com o threshold explicado a seguir;

31
 São identificados os pares que sejam robustos, ou seja, aqueles pares que tenham
a mesma resposta com consistência, que em pelo menos aproximadamente 60% dos
eventos cada par siga a mesma direção (hit ratio), conforme explicado anteriormente. Em
outras palavras, são identificados os pares que apreciem ou depreciem em pelo menos
aproximadamente 60% dos casos.

Para efeitos de diversificação e robustez, será adotado um critério de que pelo

menos duas moedas sendo compradas e duas sendo vendidas na Carteira Anti-Frágil com
base no ranking de hit ratio, mesmo que não atinjam o threshold de hit ratio,

Será analisado o custo de carregamento de cada componente da carteira e será

retirado da carteira aquele que possuir um custo de carregamento de pelo menos o dobro
do custo de carregamento da média dos demais, de modo a não acentuar o já esperado
custo de carregamento da Carteira Anti-Frágil. Caso permaneça menos de duas moedas,
repete-se os passos até que a carteira seja formada com pelo menos duas componentes
compradas e duas componentes vendidas.

A carteira será formada por pesos iguais tanto para as moedas compradas quanto
para as moedas vendidas, a depender do número de moedas na cesta. Os pesos são
mantidos constantes durante todo os eventos do estudo.

iii. Construção da Carteira de Carregamento:

Para a Carteira de Carregamento, foram escolhidos dois tipos de sub-carteiras.

Uma sub-carteira com base em sinais calculados sobre as medidas de taxa de câmbio
efetivas reais para os pares como proxy do fator de valor. E a segunda com base no
chamado Curvy Trade, que se assemelha ao investimento no fator de carry trade, mas
possui características melhores como anteriormente explicado.

Os pares utilizados nos testes da Carteira de Carregamento são (para mais

informações sobre as moedas veja seção 4.3):

'AUD','BRL','CAD','CHF','CLP','CNY','COP','CZK','DKK','EUR','GBP','HUF','IDR',
'INR','JPY','KRW','MXN','NOK','NZD','PLN','RUB','SEK','TRY','ZAR','USD'

As duas carteiras serão colocadas juntas para formar a Carteira de Carregamento.

A seguir, são descritas as duas metodologias:

32
 a. Construção da Sub-Carteira de Carregamento REER:

Optou-se por usar o conceito de REER (real effective exchange rate) entre os pares
para avaliar como métrica de valor e analisar onde a moeda se encontra nesse espectro.

A taxa real de câmbio (REER – Real Effective Exchange Rate) é uma medida
relativa de custos entre duas economias. Há diversas formas de ser definida e calculada,
por exemplo, nas escolhas de cestas diferentes de preço: CPI (consumer price index) ou
PPI (producer price index). A forma mais comum da definição é a equação logarítmica
onde o log da taxa real 𝑞𝑡𝑃𝑃𝑃 no tempo t é dado pelo 𝑠𝑡 + 𝑝𝑡∗ − 𝑝𝑡 , ou seja, o log da taxa
de câmbio nominal (𝑠𝑡 ) ajustado pelo diferencial do log dos preços estrangeiro e
doméstico no tempo t (𝑝𝑡∗ − 𝑝𝑡 ).

Neste trabalho foram utilizados os índices disponibilizados pelo JP Morgan, estes

são calculados com base nas cestas de inflação CPI (consumer price index) para cada
país, sendo utilizado pesos relativos aos parceiros comerciais de cada país.

Três hipóteses de sinais parecidas são testadas. Foi calculado como métrica de
valor a distância da média, distância da mediana e número de desvios padrão em relação
à média dos últimos 5 anos dos índices de câmbio real conforme mostrado nas equações
5.

𝑅𝐸𝐸𝑅 𝑋𝑋𝑋
𝑠𝑖𝑛𝑎𝑙(𝑚é𝑑𝑖𝑎)𝑡𝑋𝑋𝑋 = 𝑅𝐸𝐸𝑅 𝑋𝑋𝑋𝑡 − 𝑚é𝑑𝑖𝑎𝑡,5 𝑎𝑛𝑜𝑠

𝑅𝐸𝐸𝑅 𝑋𝑋𝑋
𝑠𝑖𝑛𝑎𝑙(𝑚𝑒𝑑𝑖𝑎𝑛𝑎)𝑡𝑋𝑋𝑋 = 𝑅𝐸𝐸𝑅 𝑋𝑋𝑋𝑡 − 𝑚𝑒𝑑𝑖𝑎𝑛𝑎𝑡,5 𝑎𝑛𝑜𝑠 (5)

𝑋𝑋𝑋 𝑅𝐸𝐸𝑅 𝑋𝑋𝑋 𝑅𝐸𝐸𝑅 𝑋𝑋𝑋

𝑠𝑖𝑛𝑎𝑙(𝑑𝑒𝑠𝑣𝑖𝑜)𝑡,6𝑚 = (𝑅𝐸𝐸𝑅 𝑋𝑋𝑋𝑡 − 𝑚é𝑑𝑖𝑎𝑡,5 𝑎𝑛𝑜𝑠 )/𝑑𝑒𝑠𝑣𝑖𝑜𝑡,5 𝑎𝑛𝑜𝑠

Após o cálculo dos sinais conforme equação 5, os sinais são ranqueados e as

moedas que possuem maior sinal (moedas mais desvalorizadas) são compradas (vende-
se o USD) e as moedas com os menores (moedas mais valorizadas) sinais são vendidas
(compra-se o USD). São testados diferentes tamanhos de carteiras, podendo conter de 2
a 20 moedas. O número de pares na compra (n) e na venda (n) serão sempre iguais e os
pesos serão equal weight (1⁄𝑛). Nas tabelas da seção 5, os números de componentes serão
sempre referência ao número 2*n.

33
 Outra forma de ranking dos sinais foi pelo z-score dos sinais, onde:

𝑠𝑖𝑛𝑎𝑙𝑡𝑋𝑋𝑋 −𝑠𝑖𝑛𝑎𝑙
̅̅̅̅̅̅̅̅𝑡
𝑧= (6)
𝐷𝑒𝑠𝑣𝑃𝑎𝑑𝑡

E cada moeda tem o peso relativo ao seu z-score no tempo t.

A priori, pensei em construir uma carteira sempre neutra ao USD, ou seja, um par
comprado e um par vendido. No entanto, como o próprio Estados Unidos possui sua taxa
real de câmbio, achei por bem, fazer testes também permitindo ao USD ser um dos pares
a ser considerado. Por exemplo, se em determinado momento para uma carteira de dois
componentes, o maior sinal for do BRL e o menor sinal for o do USD. A carteira será
formada pela compra de BRL e venda de USD.

𝑋𝑋𝑋𝑡
Os retornos das moedas são calculados como o retorno simples (𝑟𝑡 = 𝑋𝑋𝑋 − 1)
𝑡−1

do índice de retorno total, ou seja, levando em consideração o carrego da moeda versus o

dólar norte americano. O retorno simples foi utilizado nesse estudo, principalmente, por
se tratar de carteiras e ser melhor para tratar os dados e realizar os cálculos com os devidos
pesos de cada carteira.

Também levando em conta a consideração dos achados por Rogoff (1996), tentou-
se incluir sinais de meia vida utilizando a regressão MQO:

(𝑅𝐸𝐸𝑅𝑡𝑋𝑋𝑋 − ̅̅̅̅̅̅̅̅ 𝑋𝑋𝑋

𝑅𝐸𝐸𝑅𝜏𝑋𝑋𝑋 ) = 𝜌̂ (𝑅𝐸𝐸𝑅𝑡−1 − ̅̅̅̅̅̅̅̅
𝑅𝐸𝐸𝑅𝜏𝑋𝑋𝑋 ) + 𝜀̂𝑡𝑋𝑋𝑋 (7)

Onde 𝑅𝐸𝐸𝑅𝑡𝑋𝑋𝑋 é dado pelo índice REER para a moeda XXX medido no tempo
t.

A meia vida é dada por:

ln(2)
𝑀𝑉𝑡𝑋𝑋𝑋 = − ln(𝜌̂) (8)

Seria intuitivo pensar que quanto menor a meia vida, melhor seria a performance
da estratégia que se utiliza do retorno as médias dos pares de moedas selecionadas, ou
mesmo a meia vida poderia ser utilizada para excluir da Sub-Carteira de Carregamento
REER os pares com meias-vida muito longas. No entanto, os resultados não foram

34
satisfatórios e pouco adicionavam aos sinais já considerados, portanto, optou-se por
deixar a metodologia da forma mais simples possível e excluir o sinal de meia vida.

Com os retornos e os sinais calculados é realizado o backtest. As carteiras são

rebalanceadas diariamente com base nos sinais obtidos no fechamento do dia anterior,
mantendo os pesos equal weights mencionados mais acima. Os sinais são reavaliados ao
final de todos os dias e quaisquer mudanças de posição são realizadas no dia seguinte.
Essa técnica se torna importante para não ser considerado informação futura, como, por
exemplo, considerar que seria possível montar posição na abertura do dia, sendo que o
sinal é calculado com preço de fechamento ao final do dia.

𝑡0 ........................... 𝑡5𝑦 𝑡5𝑦+1𝑑

Cálculo dos sinais Rebalanceamento na abertura do dia seguinte

Durante construção da Sub Carteira de Carregamento REER com sinal de

números de desvios, foi observado uma importante característica da carteira de 2
componentes (1 moeda comprada e 1 moeda vendida). Conforme será explicado na sessão
5.3.1.3, foi observado que, ao invés da convergência a média aparente nas outras carteiras
e nos outros sinais, ocorria efeito inverso, ou seja, os pares nos dois extremos (mais caro
e mais barato) do ranking se afastam da média (divergem) ao invés de convergir.

b. Construção de Sub-Carteira de Carregamento Curvy Trade:

Foi utilizado a aproximação de Diebold e Li (2006) para cálculo dos fatores de

Nelson-Siegel, conforme equação (3) para cada país. É calculada a diferença de curvatura
entre cada país XXX e a curvatura do USD, a partir daí é feito o ranking dessas diferenças
de curvaturas. Segundo Dreher, Gräb e Kostka (2018) quanto maior curvatura relativa
entre o país e os Estados Unidos, mais a moeda tende a apreciar contra o dólar.

A seguir, cria-se carteiras de 1 a 18 moedas a partir dos rankings dos sinais de

cada período, diariamente. As moedas com maiores curvaturas em relação ao USD são
compradas (vende-se o dólar) e as moedas com menores curvaturas em relação ao USD
são vendidas (compra-se o dólar). Os testes são feitos tanto para carteiras com e sem
exposição líquida ao dólar, conforme explicado anteriormente, no caso do curvy trade a

35
referência para o USD é o sinal 0 (zero). Além disso, as carteiras são testadas com pesos
baseados no z-score dos sinais, como mostrado na seção 3.iii.a.

Para o backtest, as carteiras são rebalanceadas diariamente com base nos rankings
obtidos dos sinais calculados com os preços de fechamento do dia anterior. Os pesos serão
equal weight (1⁄𝑛) a depender do número de componentes selecionados na compra (1⁄𝑛𝑐 )

ou na venda (1⁄𝑛𝑣 ).

iv. Construção e análise das carteiras conjuntas de carregamento:

Para construir a Carteira de Carregamento Conjunta são selecionadas uma carteira

de cada Sub Carteira, encontrada a partir de um scorecard com pesos para máximo
drawdown, assimetria não negativa, índice Sharpe e número de operações por dia
conforme mostrado no anexo 4.

Serão montadas duas Carteiras de Carregamento Conjuntas, a primeira obtida a

partir da seleção de uma carteira de cada sub Carteiras sem exposição líquida ao USD e a
segunda obtida a partir da seleção de uma carteira de cada sub Carteiras com exposição
líquida ao USD.

Durante o backtest das carteiras é importante salientar que é sempre mantida pesos
iguais para cada Sub Carteira por toda duração dos testes.

Foi feito a busca também por indícios de onde vem a performance dessa carteira
conjunta utilizando proxies de movimentos dos mercados como VIX (CBOE Volatility
Index), Broad USD, BCOMIN (Bloomberg Commodities Index) e a carteira de risco
global baseada em ações MSCI utilizada no estudo. É procurado se há ou não alguma
relação com os prêmios de risco regulares ou performance dos ativos no mercado.

O VIX representa uma medida de volatilidade e é usado como proxy de certa

forma de prêmio de risco e aversão ao risco. O Broad USD é uma medida da direção do
dólar contra todas as moedas. O BCOMIN é proxy para ativos diversificadores como
commodities. E a carteira MSCI como uma proxy de ativos de risco em geral.

Além disso, foi avaliado a performance da Carteira Anti-Frágil juntamente com a

Carteira de Carregamento Conjunta em comparação com os eventos de drawdown das

36
Carteiras de Risco. Outra comparação foi feita entre o custo de carregamento da Carteira
Anti-Frágil e o retorno da Carteira de Carregamento Conjunta.

37
4. Dados
4.1. Escolha das Carteiras de Risco
A primeira decisão enfrentada foi quais portfólios escolher para análise dos
drawdowns. Existem diversos tipos de ativos sob gestão, nesse trabalho optou-se por
utilizar a perspectiva de um gestor de carteiras que possua uma posição comprada em
ações, tanto em um contexto de um investidor nos Estados Unidos, quanto em um
contexto de um investidor global. Também será considerado outro grupo de gestores que
possuam um portfólio balanceado na proporção clássica 60/40, onde sessenta por cento
dos ativos são investidos em ações e quarenta por cento dos ativos são investidos em
títulos de renda fixa.

Para os índices de ações, foram escolhidos dois tipos de índices que representam
bem os mercados atuais, o primeiro foi escolhido por ser um índice, segundo a S&P Dow
Jones Indices, com o melhor acompanhamento agregado de grandes companhias
americanas com quase dez trilhões de dólares de ativos que o usam como benchmark, o
S&P 500. O segundo tipo, levando em conta o contexto dos portfólios globais e um
mundo financeiro cada vez mais integrado, foi escolhido o MSCI World Currency
Hedged, , que inclui os diversos ativos de bolsa ao redor do mundo com mais de 20 países,
espalhados em diversas regiões e com mais de 1600 componentes, espalhados em
diversos setores e em diversos tamanhos de companhias. O fato de optar pelo índice em
dólar vem do fato de serem utilizadas carteiras de moedas no estudo e para não confundir
os efeitos de diversificação envolvidos nas carteiras a serem estudadas, mas que
continuasse representando o efeito de estar investido em ações em uma escala global.

Nas carteiras balanceadas, o intuito foi usar portfólios mais diversificados do que
os investidos somente em ações, utilizando os modelos clássicos como a alocação 60/40.
No primeiro tipo, o qual o universo de ações estava contido nos Estados Unidos através
do S&P 500, foi escolhido o título de renda fixa de dez anos do governo americano. Além
disso, para o segundo tipo de portfólio, seguindo o conceito dos portfólios mais globais e
diversificados, foi escolhido o índice de renda fixa em dólar FTSE WGBI USD, que é um
índice que inclui mais de 900 títulos diferentes de diversas regiões e de diversos
vencimentos, como diversificador em uma carteira de ações globais. A escolha deve-se
ao fato do MSCI ser um portfólio também em escala global e, além disso, devido ao fato

38
de ter que estudar justamente o impacto gerado por carteiras de moedas, faz com que seja
necessário a escolha de um índice em dólar.

4.2. Escolha das Moedas e Retornos

Dado o objetivo do trabalho, o mundo atual bastante globalizado e os sistemas
financeiros cada vez mais conectados, foi feito um esforço de tentar englobar o maior
número possível de moedas que tenham liquidez, participem direta ou indiretamente dos
principais mercados e que tragam diversificação geográfica, política e econômica.

Dentro desse universo global, tive o cuidado de analisar as moedas e retirar

algumas que sejam atreladas a algum nível fixo (pegged) como o Dólar de Hong Kong
ou moedas que tenham o padrão de flutuação conhecido como dirty float, como é o caso
do Dólar de Singapura. Esses tipos de flutuação são rígidos e não permitem que a moeda
tenha uma resposta, muitas vezes, adequada aos choques e, consequentemente, respeitem
os sinais vindos da metodologia.

Além disso, todos os pares de moedas foram considerados contra o dólar norte
americano, pois essa é a principal forma de operar moedas e a mais líquida, segundo BIS.

Utilizando os dados vindos da pesquisa do BIS, escolhi os pares que possuíam

maior volume operado, representados abaixo. Além disso, como é conhecido na literatura
e como utilizado por Dreher, Gräb e Kostka (2018), quanto maior a liquidez, menor o
spread pago nas operações a mercado durante os rebalanceamentos.

Os códigos representados abaixo são dos pares considerados, Dólar Autraliano

(AUD), Real Brasileiro (BRL), Dólar Canadense (CAD), Franco Suíço (CHF), Peso
Chileno (CLP), Yuan Chinês (CNY), Peso Colombiano (COP), Coroa Checa (CZK),
Coroa Dinamarquesa (DKK), Euro (EUR), Libra Esterlina (GBP), Forint Húngaro
(HUF), Rúpia Indonésia (IDR), Rúpia Indiana (INR), Yen Japonês (JPY), Won Sul-
Coreano (KRW), Peso Mexicano (MXN), Coroa Norueguesa (NOK), Dólar Neozelandês
(NZD), Zloty Polonês (PLN), Rublo Russo (RUB), Coroa Sueca (SEK), Lira Turca
(TRY), Rand Sul-Africano (ZAR) e por fim o próprio Dólar Norte-Americano (USD). A
seguir a lista completa dos códigos que será usado no trabalho:

'AUD','BRL','CAD','CHF','CLP','CNY','COP','CZK','DKK','EUR','GBP','HUF','IDR',
'INR','JPY','KRW','MXN','NOK','NZD','PLN','RUB','SEK','TRY','ZAR','USD'

39
 Figura 4: Volume médio (%) operado por moeda

Fonte: BIS

A forma de calcular os retornos das moedas é igual a variação cambial mais o

custo de carregamento das moedas, devido ao diferencial de juros, calculados a partir das
taxas de juros dos países e considerando os prazos de rebalanceamento. Para os testes
com rebalanceamento diário, foram utilizados os índices de retornos totais que estão
disponíveis que já traz o retorno total (variação cambial mais diferencial de juros) de cada
par diário, conforme explicitado na seção 3.iii.a.

4.3. Escolha das curvas de juros

Para as curvas de juros, foi utilizado no total 75 taxas de 25 países diferentes desde
1999 para os vencimentos de 3 meses, 2 anos e 10 anos.

40
 No entanto, alguns países não tinham seus dados divulgados pelos provedores no
início do período analisado de 1999, então eram retirados da amostra de seleção por falta
do sinal. A partir de 2004, praticamente 100% dos países já possuíam os dados divulgados
e dentro da amostra.

4.4. Taxas de Câmbio Efetivas Reais

Foram utilizados os índices do JPM amplamente divulgados, que são calculados
para todas moedas e possuem histórico bem completo e satisfatório.

Os índices são calculados com base na variação cambial descontado pelas

variações nas cestas de inflação CPI (consumer price index) para esses países, sendo
utilizado pesos relativos aos parceiros comerciais de cada país.

41
5. Resultados
5.1. Portfólios e Drawdowns
Conforme discutido anteriormente, as Carteiras de Risco selecionadas
representam uma boa gama de portfólios, tanto os chamados “long-only” quanto os
diversificados. Em um contexto global onde gestores, cada vez mais, possuem ativos ao
redor do mundo e acesso aos mais diversos mercados, é importante considerar e incluir
nos testes exemplos de portfólios globais.

Nesse cenário, foram considerados o S&P 500 e o MSCI para as carteiras de ações.
Para as carteiras balanceadas foi considerado como ativo diversificador do índice S&P
500, o título de renda fixa do governo americano com vencimento em 10 anos, Treasury
10 anos. E no contexto global em que está incluso o MSCI, o que faria mais sentido seria
um portfólio também global de renda fixa e, nesse caso, optou-se pelo índice FTSE
WGBI.

De posse dos dados dos retornos das 4 carteiras, é realizado a procura pelos
possíveis drawdowns. A característica mais importante para a amostragem dos
drawdowns é que eles não sejam períodos iguais, pois se fosse considerada a sobreposição
de dias em drawdowns diferentes, seria dado mais peso para um determinado período e,
para esse estudo, não é o intuito.

Além disso, é necessário que esse drawdown seja representativo de eventos que
exibam retornos negativos significativos e que não seja somente um período de retorno
regular dada volatilidade dos ativos. Para comparar os diversos tipos de investidores e
seus horizontes de investimentos, serão investigados os drawdowns para três diferentes
prazos: 1 mês, 3 meses e 6 meses, conforme explicado na seção anterior 3.i.

O fato de não acolher 100% da amostra é para excluir drawdowns com retornos
negativos pouco representativos. Por exemplo, há períodos que as carteiras ficam paradas
ou perdem muito próximo a zero e com baixa volatilidade, esse cenário não seria
considerado um evento extremo e não seria o motivador deste estudo.

Na Tabela 1, pode ser visto o resultado da amostragem, apresentada de forma

simples por Carteira de Risco e por prazo de drawdown. Ou seja, é possível ver, por
exemplo, que a Carteira de Risco long-only MSCI obteve para eventos de 1 mês de

42
duração, uma mediana de retornos selecionados negativos de 7,9%, considerando 49% da
amostra de eventos de 1 mês durante o horizonte do estudo.

Tabela 1: Amostragem de drawdown por tipo de Carteira de Risco e por prazo

Threshold selecionado para obter os drawdowns mais significativos da amostra
para cada Carteira de Risco para cada horizonte de eventos. A mediana se
refere aos eventos selecionados com retornos mais negativos que o threshold
de drawdowns como explicado na seção 3.i.. O percentual se refere ao
percentual selecionado para estudo dado o conjunto de drawdowns existentes
para cada carteira e cada prazo.

Mediana
% total
Portfolio Período Threshold amostra
selecionado
selecionada
1m -5% -7,4% 49%
S&P 3m -5% -10,9% 68%
6m -10% -15,4% 69%
1m -5% -7,9% 49%
MSCI 3m -5% -11,4% 71%
6m -13% -17,9% 64%
1m -2,5% -4,3% 55%
Balanceado
3m -3,0% -5,8% 65%
(S&P)
6m -5,0% -6,7% 75%
1m -2,5% -4,4% 51%
Balanceado
3m -4,0% -7,2% 58%
(MSCI)
6m -6,5% -9,3% 64%

Fonte: Bloomberg

A seguir, pode-se ver nas Figuras 5 a 8 os gráficos das Carteiras de Risco para
cada prazos (1 mês, 3 meses e 6 meses). Em destaque em cada gráfico, pode-se observar
os eventos de drawdown selecionados na amostra e que compõem o resultado mostrado
na Tabela 1.

43
 Figura 5: Carteiras de Risco (S&P 500) e drawdowns selecionados

Fonte: Bloomberg
Figura 6: Carteira de Risco (MSCI) e drawdowns selecionados

Fonte: Bloomberg
44
 Figura 7: Carteira de Risco (Balanceado S&P500 / Treasury) e drawdowns
selecionados

Fonte: Bloomberg
Figura 8: Carteira de Risco (Balanceado MSCI / WGBI) e drawdowns selecionados

Fonte: Bloomberg

45
 De posse da informação dos períodos de perdas acentuadas, serão analisadas as
performances das 24 moedas durante tais períodos.

5.2. Carteira Anti-Frágil

Conforme explicado em sessão anterior, o teste da Carteira Anti-Frágil é feito
com base nas performances históricas de cada par nos diversos eventos de drawdown
selecionados.

Buscou-se avaliar qual percentual de vezes estas médias de variação ocorrem, o

chamado Hit Ratio (HR), conforme explicado na seção 3.ii. Por exemplo, o JPY, para
cenários de drawdown com duração de 6 meses e em Carteiras de Risco balanceadas com
MSCI e WGBI, tem sua mediana de apreciação de 4,7% contra o dólar norte americano,
com HR de pelo menos 78%, como pode ser observado na Tabela do Anexo 1.

Como deveria ser esperado, dado o clássico resultado de mercado, o JPY aparece
como principal ativo anti-frágil entre os 24 pares de moedas contra o dólar norte
americano. Ao contrário do esperado, o CHF não apresentou característica marcante ou
consistente em apreciações durante os eventos de drawdown contra o dólar norte
americano e em alguns momentos uma moeda de mercado emergente da Indonésia
apresentou características anti-frágeis, mas não consistente, pois em outros momentos
apresenta características convencionais frágeis de moedas de mercados emergentes.

No entanto, para ficar de acordo com a regra de diversificação proposta na sessão

3.ii, foi incluído o CHF, embora não seja o ideal no sentido de retorno ou HR.

Portanto, para a Carteira Anti-Frágil foram escolhidos o JPY e o CHF como

moedas compradas (vendido em dólar) e para os vendidos são analisadas as moedas que
possuíam muita fragilidade, ou seja, com frequência perdem valor em relação ao dólar
norte-americano nos eventos de drawdown das Carteiras de Risco. Também com base na
análise dos dados da tabela do Anexo 1, aparecem como possíveis candidatos: AUD,
CAD, CLP, KRW, SEK, ZAR, no entanto, o ZAR foi excluído devido ao alto custo de
carregamento médio durante todo horizonte de eventos, na média o custo de carregamento
do ZAR foi mais que o dobro do que todos os outros componentes analisados. Portanto,
dado esse elevado custo, optou-se por retirá-lo da carteira.

46
 Como era de se esperar a carteira se comporta de forma muito positiva durante os
eventos analisados. Os resultados são mostrados nas Tabelas 2.

O problema encontra-se, naturalmente, fora dos períodos de drawdown

analisados. Obviamente, definir a hora correta de selecionar e comprar um seguro para as
carteiras analisadas está fora do escopo do trabalho, no entanto, torna-se necessário
analisar a carteira em um prazo razoável, além do período de drawdowns. Com isso, é
possível, ter em alguma medida a sensibilidade se, mesmo errando o timing, a
metodologia funciona e cumpre seu objetivo. Além disso, dado o custo necessário para
se carregar a Carteira Anti-Frágil, faz sentido analisar se a Carteira Anti-Frágil consegue
dar um retorno que seja superior ao custo de carregamento. Ou seja, mesmo que o gestor
erre o timing de colocar a estratégia na prática, ainda assim, a combinação da Carteiras
Anti-Frágil e de Carregamento conseguem atingir o objetivo proposto de proteger a
Carteira de Risco.

Para tanto, foi escolhido um prazo de duração que seja o dobro do prazo dos
eventos selecionados. Ou seja, entre antes e durante dos eventos de drawdown, o tempo
total decorrido seguindo a estratégia seria o dobro do prazo do drawdown, por exemplo,
para eventos de 1 mês, foi avaliado o custo para carregar por 2 meses, para os eventos de
3 meses, analisa-se os custos de carregar por 6 meses e para os eventos de 6 meses,
analisa-se os custos de carregamento por 1 ano.

Portanto, nas próximas tabelas, sempre que possível e indicado, será mostrado
ambos os resultados. Tanto considerando somente período de drawdown, quanto período
estendido.

Na Tabela 2, é comparado a mediana do drawdown de cada carteira para cada

horizonte e as performances médias da Carteira Anti-Frágil para cada horizonte de
eventos de 1 a 6 meses em períodos de drawdown, assim como os retornos da Carteira
AF para o período estendido.

47
 Tabela 2: Performance da Carteira Anti-Frágil durante eventos de drawdown
Resultado da carteira mostrado como a médiana de retorno da carteira AF para
os eventos em cada horizonte de cada carteira. Para resultado de cada
constituinte para cada horizonte em cada Carteira verificar Anexo 1. Última
coluna mostra o retorno como médiana dos retornos da Carteira AF no período
estendido para cada horizonte e cada Carteira, conforme explicado
anteriormente.

Resultado Resultado Carteira

Mediana
Portfólio Período Carteira Anti- Anti-Frágil no
Drawdown
Frágil Período Estendido
1m -7,4% 3,3% 1,7%
S&P 3m -10,9% 4,0% 2,4%
6m -15,4% 6,1% 5,4%
1m -7,9% 3,5% 2,2%
MSCI 3m -11,4% 4,2% 1,3%
6m -17,9% 7,7% 5,6%
1m -4,3% 2,4% 1,4%
Balanceado
3m -5,8% 3,2% 2,4%
(S&P)
6m -6,7% 6,5% 9,0%
1m -4,4% 3,4% 2,0%
Balanceado
3m -7,2% 4,7% 2,4%
(MSCI)
6m -9,3% 7,7% 5,6%

Agora, é possível ver que as performances são de fato boas para a Carteira Anti-
Frágil, no entanto, na Tabela 2 é mostrado o retorno total (apreciação mais custo de
carregamento), portanto não mostra o quanto custa carregar tal carteira. De posse das
curvas de juros dos países, foi extraído o custo de carregamento para o prazo em cada
caso de carteira e duração de evento. A Tabela 3 exibe os resultados e é perceptível que
realmente custa muito carregar tais pares e, principalmente, vem à tona a questão de
acertar a hora de colocar os hedges, conforme foi falado anteriormente, não será levado
em consideração tal tópico no presente trabalho, mas poderia ser considerado em estudos
futuros uma forma de encontrar o tempo ideal de colocar a Carteira AF.

Tal fato é importante notar e foi um dos motivadores da criação das Carteiras de
Carregamento. Caso contrário, o gestor poderia simplesmente perder grande parte do
retorno que o hedge provê à carteira “esperando” o momento que a Carteira AF seja, de
fato, necessária.

48
Tabela 3: Média do custo de carregamento da Carteira Anti-Frágil para período total de
carregamento
Custo em percentual de quanto custa carregar a Carteira Anti-Frágil em cada
carteira de cada horizonte de eventos. Para o período estendido é considerado
o dobro do prazo apresentado para os cálculos do custo de carregamento
conforme explicado anteriormente.

CUSTO CARREGO
Portfólio Período Período Não Período
Estendido Estendido
1m 0,1% 0,2%
S&P 3m 0,4% 0,7%
6m 0,6% 1,1%
1m 0,1% 0,3%
MSCI 3m 0,4% 0,7%
6m 0,6% 1,0%
1m 0,1% 0,3%
Balanceado (S&P) 3m 0,4% 0,7%
6m 0,6% 1,0%
1m 0,1% 0,3%
Balanceado (MSCI) 3m 0,4% 0,7%
6m 0,6% 1,0%

Com isso em vista, pensou-se na ideia das Carteiras de Carregamento que

auxiliem a Carteira Anti-Frágil provendo algum retorno nos períodos fora dos eventos de
drawdown, mas que não possuam uma grande assimetria negativa ou uma grande perda
durante tais eventos.

5.3. Carteiras de Carregamento

Naturalmente, carregar tal carteira com características anti-frágeis tem um custo
e, como foi visto, dependendo da hora de escolha para montar tal carteira, o custo de
carregamento pode, de fato, atrapalhar parte da função da carteira que seria de dar
retornos positivos durante eventos de drawdown.

Portanto, buscou-se identificar as carteiras que mais conseguiriam gerar algum

retorno com menor risco (bom índice Sharpe) e, além disso, que não possuam perdas
acentuadas durante drawdowns estudados e que não possuam distribuições de retorno
com grande assimetria negativa.

A partir daí, surgiu a ideia de pesquisar fatores que sejam mais alinhados ao valor
dos fundamentos dos pares das moedas e de sinais alternativos para estratégias de carrego.

49
 Como primeira opção para Carteira de Carregamento, escolhi o critério da PPP
(purchasing power parity). É conhecido nos inúmeros estudos de PPP, que as moedas
tendem a não seguir as métricas aceitas de PPP regularmente, no entanto, alguns estudos
mostram que existe um efeito de reversão a média para a PPP, como mostrado por Rogoff
(1996) e por Taylor e Taylor (2004), ou apresentem esse efeito em relação a outra métrica
de câmbio real. Neste trabalho foi escolhido como métrica o Cambio Efetivo Real com
base nas cestas de inflação ao consumidor ponderado pelos parceiros comerciais de cada
país. Para investigação, foi escolhido estudar três sinais de longo prazo: ranqueamento
com base na distância a média de longo prazo, a distância a mediana de longo prazo e a
distância em relação à média em desvios padrão.

E para a segunda opção, foi escolhido a metodologia do artigo Dreher, Gräb e

Kostka (2018). Avaliando a curvatura dos países, ao invés das taxas de juros de curto
prazo como são os sinais de carteiras de carry tradicionais.

Para cada teste, são escolhidas as melhores carteiras com e sem exposição ao USD
com base num scorecard simples, conforme explicado no Anexo 4. As carteiras são
sempre analisadas em dois grupos distintos, as com exposição ao USD e as sem exposição
ao USD. Este processo é usado para escolhas de cada carteira de cada sinal de distância
da taxa real de câmbio e depois para a escolha da Carteira de Carregamento REER que
será testada ao final. Além disso, será utilizada para a seleção da Carteira de
Carregamento CT.

5.3.1. Distância da Taxa Real de Cambio

Para avaliação das métricas de distâncias da taxa real de câmbio, foi escolhido
como sinais as médias, medianas e desvios para período de 5 anos, para tentar pegar ao
máximo possível a reversão de longo prazo do sinal.

Para fazer os backtests das carteiras, calculam-se os retornos simples de cada par
de moeda com base em seu índice de retorno total, conforme explicado na sessão 3.iii.a.

A seguir, pode-se ver os resultados para cada sinal de valor.

50
 5.3.1.1. Distância a média
O primeiro teste que foi feito com a distância da taxa de real de câmbio em relação
a média dos últimos 5 anos.

𝑆𝑖𝑛𝑎𝑙𝑡𝑋𝑋𝑋 = 𝑅𝐸𝐸𝑅𝑡𝑋𝑋𝑋 − ̅̅̅̅̅̅̅̅

𝑅𝐸𝐸𝑅𝑡,𝜏 𝑋𝑋𝑋
(9)

A pesquisa é separada sempre entre dois grupos de carteiras, as carteiras que

possam ter uma exposição líquida ao dólar norte americano conforme o sinal da moeda
USD e as que não possam ter exposição líquida ao dólar, ou seja, as moedas são
selecionadas de forma sempre a ter um par comprado e outro vendido em relação ao dólar
em tamanhos iguais.

A primeira forma de peso escolhida foi o z-score, conforme explicado na sessão

3.iii.a.

A seguir, foi feito o ranking simples e foi montado diversas carteiras escolhendo
números diferentes de pares de moedas, isso é feito de forma sempre em pares, sendo de
um par a dez pares, ou seja, de duas a vinte moedas diferentes na cesta. Para as carteiras
com exposição líquida ao USD, o USD é considerado um par e seu retorno é zero.

Os retornos das moedas são calculados como o retorno simples do índice de

retorno total. Com os retornos e os sinais calculados é iniciado o backtest, conforme
explicado anteriormente na sessão 3.iii.a.

A Tabela 4 a seguir mostra as estatísticas descritivas das carteiras, o número de

constituintes, o Índice Sharpe, o Retorno médio anualizado, o Desvio Padrão anualizado,
o máximo drawdown sem restrições de tempo, a assimetria e a curtose, assim como uma
proxy do custo das operações necessárias para o rebalanceamento diário das estratégias,
mostrado como média do número de operações por dia.

Pelo resultado mostrado na tabela, é possível observar que, como esperado do

resultado de outros estudos para as estratégias de carry trade, quanto mais componentes
inclui-se na carteira, melhor são as características de risco/retorno dela. Com mais
retorno, maior Sharpe e menor drawdown. No entanto, esse efeito só é percebido até
determinado ponto, no caso desse estudo, foi até a carteira de 10 componentes, onde a
partir daí, não é mais percebido como benéfico o efeito de diversificação.

51
Tabela 4: Estatísticas descritivas das carteiras obtidas com sinal da distância em relação
à média
Carteiras testadas como pesos iguais entre comprados e vendido e
rebalanceamento conforme sinal obtido com fechamento do dia anterior.
Número de componentes se refere ao número total de moedas dentro da carteira
testada. Máximmo drawdown refere-se a maior perda (maior pico ao menor
vale) da carteira no horizonte investigado sem restrições de tempo.

Retorno Desvio
# Índice Máximo
Carteira Médio Padrão Assimetria Curtose Trades /dia
Componentes Sharpe DrawDown
(ao ano) (ao ano)
Z-Score 25 0,35 2,72% 7,69% -24% -0,10 26,92 10,0
Z-Score ex-US 24 0,38 3,02% 7,87% -23% -0,06 28,96 10,1
2 0,17 3,33% 19,39% -85% -0,14 35,71 0,3
4 0,13 1,66% 12,67% -38% -0,54 14,21 0,4
S
6 0,22 2,22% 10,26% -44% -0,13 9,33 0,6
i
8 0,27 2,40% 8,93% -36% -0,07 8,63 0,7
m
10 0,30 2,41% 7,98% -28% 0,04 7,63 0,8
p
12 0,23 1,67% 7,32% -25% 0,06 7,30 0,8
l
14 0,24 1,62% 6,79% -22% 0,21 6,55 0,9
e
16 0,18 1,12% 6,33% -21% 0,23 6,00 0,9
s
18 0,31 1,85% 5,98% -18% 0,23 6,18 1,1
20 0,27 1,54% 5,65% -16% 0,17 5,61 1,1
2 0,14 2,71% 19,33% -91% -0,14 36,14 0,2
4 0,15 1,88% 12,63% -37% -0,53 14,70 0,4
S
6 0,30 3,07% 10,12% -40% -0,18 9,93 0,6
i E
8 0,31 2,77% 8,83% -34% 0,00 9,25 0,7
m x
10 0,35 2,80% 7,93% -28% 0,07 7,66 0,8
p -
12 0,26 1,86% 7,27% -23% 0,04 7,08 0,8
l U
14 0,22 1,52% 6,81% -22% 0,16 6,05 0,8
e S
16 0,27 1,73% 6,37% -17% 0,19 5,86 0,9
s
18 0,32 1,90% 6,01% -14% 0,24 5,85 1,1
20 0,31 1,76% 5,64% -13% 0,15 5,35 1,1

Embora os índices Sharpe das carteiras utilizando-se o z-score sejam maiores, o

número de operações necessárias para o rebalanceamento da carteira é muito alto. Por
exemplo, utilizando um critério que só há rebalanceamento se alterar pelo menos 1% no
peso do z-score, a carteira deveria realizar 10 mudanças por dia. Se fosse considerado os
custos para cálculo do retorno, isso com certeza afetaria o índice Sharpe de forma
significativa.

Dessa forma, considerei as carteiras por z-score inadequadas e complexas, pois,

além do caráter custo, utilizam todos 24 pares 100% do tempo. Na prática, isso dificulta
bastante o gerenciamento da carteira, além do número de operações, há outros problemas
como diferentes fusos-horários, mas essa discussão não vem ao caso neste trabalho.

52
 Segundo critério do scorecard explicado anteriormente, a carteira selecionada
com exposição líquida ao dólar é a de 18 componentes e a sem exposição líquida ao dólar
é a de 10 componentes.

Avaliei também o percentual de vezes que cada par foi selecionado para a carteira,
é interessante perceber que mesmo em carteiras com poucos componentes, a estratégia já
tem alguma diversificação ao longo do tempo, dificilmente concentrando em um só par
de moeda.

Tabela 5: Percentual de vezes que a moeda foi selecionada para cada carteira
# AUD BRL CAD CHF CLP CNY COP CZK DKK EUR GBP HUF IDR INR JPY KRW MXN NOK NZD PLN RUB SEK TRY ZAR USD
2 4% 11% 0% 1% 0% 9% 3% 5% 0% 2% 4% 1% 0% 3% 15% 8% 6% 0% 6% 2% 3% 0% 7% 4% 7%
4 4% 9% 0% 1% 0% 7% 5% 5% 0% 2% 6% 1% 0% 4% 9% 8% 5% 0% 6% 2% 3% 1% 5% 6% 10%
S
6 4% 9% 1% 2% 1% 6% 5% 4% 0% 2% 7% 1% 1% 4% 8% 8% 6% 0% 5% 2% 5% 2% 4% 6% 10%
i
8 4% 7% 1% 3% 1% 6% 5% 4% 1% 3% 7% 2% 2% 4% 7% 7% 5% 0% 4% 2% 5% 2% 4% 6% 8%
m
10 4% 6% 2% 3% 1% 6% 5% 4% 1% 3% 6% 2% 2% 4% 6% 7% 6% 1% 4% 2% 6% 3% 4% 6% 7%
p
12 4% 6% 2% 4% 2% 5% 4% 3% 1% 3% 6% 2% 3% 4% 6% 7% 6% 1% 4% 3% 6% 3% 4% 5% 6%
l
14 4% 6% 3% 4% 2% 5% 4% 3% 2% 3% 5% 2% 3% 4% 5% 6% 5% 2% 4% 3% 5% 4% 4% 5% 6%
e
16 4% 5% 3% 4% 3% 4% 4% 3% 3% 3% 5% 3% 3% 4% 5% 5% 5% 2% 4% 3% 5% 4% 4% 5% 5%
s
18 4% 5% 3% 4% 3% 4% 4% 4% 4% 3% 5% 3% 4% 4% 5% 5% 5% 2% 4% 4% 5% 4% 4% 5% 5%
20 4% 4% 4% 4% 3% 4% 4% 4% 4% 4% 4% 3% 4% 4% 4% 5% 5% 3% 4% 4% 4% 4% 4% 4% 5%
2 4% 11% 0% 1% 0% 11% 3% 6% 0% 2% 4% 1% 0% 6% 16% 8% 7% 0% 6% 2% 3% 0% 7% 4% 0%
4 4% 9% 0% 2% 0% 8% 5% 5% 0% 2% 8% 1% 0% 5% 10% 10% 6% 0% 6% 2% 4% 1% 5% 7% 0%
S
6 4% 9% 1% 3% 1% 7% 5% 4% 0% 3% 7% 2% 1% 4% 8% 9% 6% 0% 5% 2% 5% 2% 4% 7% 0%
i E
8 4% 8% 1% 4% 1% 7% 5% 4% 1% 3% 7% 2% 2% 4% 7% 8% 6% 0% 4% 2% 5% 3% 4% 7% 0%
m x
10 4% 7% 2% 4% 2% 6% 5% 4% 1% 3% 6% 2% 3% 4% 7% 8% 6% 1% 4% 3% 6% 3% 4% 6% 0%
p -
12 4% 6% 2% 4% 2% 5% 4% 4% 2% 3% 6% 2% 3% 4% 6% 7% 6% 1% 5% 3% 6% 4% 4% 6% 0%
l U
14 4% 6% 3% 4% 3% 5% 4% 3% 3% 3% 6% 3% 3% 4% 5% 6% 6% 2% 5% 3% 5% 4% 4% 5% 0%
e S
16 4% 5% 3% 4% 3% 5% 4% 3% 4% 4% 5% 3% 4% 4% 5% 5% 5% 2% 4% 4% 5% 4% 4% 5% 0%
s
18 4% 5% 4% 4% 3% 5% 4% 4% 4% 4% 5% 3% 4% 4% 5% 5% 5% 3% 4% 4% 5% 4% 4% 5% 0%
20 4% 5% 4% 4% 4% 4% 4% 4% 4% 4% 5% 4% 4% 4% 5% 5% 5% 3% 4% 4% 4% 4% 4% 5% 0%

5.3.1.2. Distância a mediana

A seguir, utilizando a mesma metodologia, foram analisadas as carteiras com base

nos sinais da distância da taxa atual real de câmbio contra a mediana dos últimos 5 anos.
Seguindo o mesmo princípio de dois grupos de carteiras, com e sem exposição líquida ao
USD. O sinal da mediana é dado pela seguinte fórmula:

𝑋𝑋𝑋
𝑆𝑖𝑛𝑎𝑙𝑡𝑋𝑋𝑋 = 𝑅𝐸𝐸𝑅𝑡𝑋𝑋𝑋 − 𝑀𝑒𝑑𝑖𝑎𝑛𝑎𝑡,𝜏
𝑅𝐸𝐸𝑅
(10)

Novamente, foi utilizado dois tipos de ranqueamento, tanto pelo z-score dos
sinais, quanto pelo ranking simples, escolhendo números diferentes de pares de moedas
para construção de várias carteiras. Os retornos das moedas são calculados como o retorno
simples do índice de retorno total. Em seguida, inicia-se o backtest. Conforme já
explicado anteriormente e na sessão 3.iii.a.

53
 A Tabela 6 a seguir mostra as estatísticas descritivas das carteiras, o número de
constituintes, o Índice Sharpe, o Retorno médio ao ano, o Desvio Padrão ao ano, o
máximo drawdown sem restrições de tempo, a assimetria e a curtose, assim como uma
proxy do custo das operações necessárias para o rebalanceamento diário das estratégias,
mostrado como média do número de operações por dia.

Tabela 6: Estatísticas descritivas das carteiras obtidas com sinal da distância em relação
à mediana
Carteiras testadas como pesos iguais entre comprados e vendido e
rebalanceamento conforme sinal obtido com fechamento do dia anterior.
Número de componentes se refere ao número total de moedas dentro da carteira
testada. Máximmo drawdown refere-se a maior perda (maior pico ao menor
vale) da carteira no horizonte investigado sem restrições de tempo.

Retorno Desvio
# Índice Máximo
Carteira Médio Padrão Assimetria Curtose Trades /dia
Componentes Sharpe DrawDown
(ao ano) (ao ano)
Z-Score 25 0,32 2,56% 7,95% -25% -0,01 23,02 9,9
Z-Score ex-US 24 0,34 2,80% 8,12% -24% 0,01 23,76 10,0
2 0,00 0,06% 18,92% -60% -0,04 39,00 0,2
4 0,14 1,79% 12,56% -37% -0,39 14,99 0,4
S
6 0,22 2,30% 10,27% -41% -0,06 8,12 0,5
i
8 0,20 1,76% 8,83% -30% -0,02 6,46 0,6
m
10 0,30 2,43% 8,03% -25% 0,16 6,86 0,8
p
12 0,26 1,90% 7,42% -25% 0,14 6,82 0,8
l
14 0,29 1,98% 6,92% -24% 0,19 6,40 0,9
e
16 0,25 1,64% 6,57% -23% 0,06 6,58 1,0
s
18 0,25 1,54% 6,16% -20% 0,17 6,51 1,1
20 0,28 1,60% 5,79% -18% 0,21 6,45 1,1
2 0,00 -0,02% 18,95% -64% -0,03 38,76 0,2
4 0,18 2,22% 12,53% -38% -0,39 15,05 0,4
S
6 0,17 1,69% 10,22% -36% -0,08 8,32 0,5
i E
8 0,27 2,37% 8,80% -30% -0,01 6,87 0,6
m x
10 0,32 2,55% 8,05% -22% 0,18 6,60 0,8
p -
12 0,28 2,10% 7,46% -23% 0,06 6,33 0,8
l U
14 0,32 2,26% 6,99% -22% 0,11 6,32 1,0
e S
16 0,30 1,96% 6,62% -21% 0,06 6,29 1,0
s
18 0,31 1,93% 6,18% -18% 0,15 6,40 1,0
20 0,29 1,68% 5,77% -17% 0,11 6,29 1,1

Pelo resultado mostrado na tabela, novamente, é possível observar o efeito

diversificador da adição de mais componentes até certo limite.

Embora os índices Sharpe das carteiras utilizando-se o z-score estejam entre os

maiores, o número de operações necessárias para o rebalancemanto da carteira é muito
alto, assim como feito anteriormente, o índice de operações do z-score é razoavelmente

54
 maior do que dos outros métodos de ranqueamento e avaliei como não satisfatório para
os testes.

Segundo critério do scorecard explicado anteriormente, a carteira selecionada

com exposição líquida ao dólar é a de 10 componentes e a sem exposição líquida ao dólar
é a de 14 componentes.

Avaliei também o número de vezes que cada par foi selecionado para a carteira, é
interessante perceber que mesmo em carteiras com poucos componentes, a estratégia já
tem alguma diversificação ao longo do tempo, dificilmente concentrando em um só par
de moeda.

Tabela 7: Percentual de vezes que a moeda foi selecionada para a carteira

# AUD BRL CAD CHF CLP CNY COP CZK DKK EUR GBP HUF IDR INR JPY KRW MXN NOK NZD PLN RUB SEK TRY ZAR USD
2 3% 9% 0% 2% 0% 10% 2% 8% 0% 2% 3% 0% 0% 4% 15% 9% 5% 0% 5% 1% 3% 0% 7% 2% 8%
4 4% 9% 0% 2% 0% 7% 4% 6% 0% 3% 6% 1% 0% 4% 9% 8% 5% 0% 5% 2% 4% 1% 5% 7% 9%
S
6 4% 9% 1% 3% 1% 7% 4% 5% 0% 4% 6% 1% 1% 4% 7% 8% 6% 0% 4% 2% 6% 1% 4% 6% 8%
i
8 4% 8% 1% 4% 1% 6% 4% 4% 0% 4% 7% 2% 2% 4% 7% 7% 5% 0% 4% 2% 5% 2% 4% 5% 8%
m
10 4% 7% 2% 4% 1% 5% 4% 4% 1% 4% 6% 2% 3% 4% 6% 6% 5% 1% 4% 2% 5% 3% 4% 5% 7%
p
12 4% 6% 3% 5% 2% 5% 4% 4% 1% 4% 6% 2% 3% 4% 6% 6% 5% 1% 4% 2% 5% 3% 3% 5% 6%
l
14 4% 6% 3% 5% 3% 5% 4% 4% 2% 3% 5% 3% 3% 4% 5% 5% 5% 2% 4% 2% 5% 4% 3% 5% 6%
e
16 4% 5% 3% 4% 3% 5% 4% 3% 3% 3% 5% 3% 4% 4% 5% 5% 5% 2% 4% 3% 5% 4% 4% 4% 5%
s
18 4% 5% 4% 4% 3% 5% 4% 3% 4% 4% 5% 3% 4% 4% 5% 5% 5% 2% 4% 3% 5% 4% 4% 4% 5%
20 4% 5% 4% 4% 3% 4% 4% 4% 4% 4% 4% 3% 4% 4% 4% 4% 4% 3% 4% 4% 4% 4% 4% 4% 5%
2 3% 9% 0% 2% 0% 12% 2% 8% 0% 3% 4% 0% 0% 7% 16% 9% 6% 0% 5% 1% 3% 0% 7% 2% 0%
4 4% 9% 0% 3% 0% 9% 4% 6% 0% 4% 8% 1% 0% 5% 10% 9% 5% 0% 5% 2% 4% 2% 5% 7% 0%
S
6 4% 9% 1% 4% 1% 7% 4% 5% 0% 4% 8% 1% 1% 4% 8% 9% 6% 0% 4% 2% 6% 2% 4% 6% 0%
i E
8 4% 8% 1% 5% 1% 6% 4% 4% 1% 4% 7% 2% 2% 4% 7% 8% 6% 1% 5% 2% 5% 3% 4% 5% 0%
m x
10 4% 7% 2% 5% 2% 6% 4% 4% 1% 4% 6% 2% 3% 4% 6% 7% 6% 1% 5% 2% 5% 3% 4% 5% 0%
p -
12 4% 6% 3% 5% 2% 5% 4% 4% 2% 4% 6% 3% 3% 4% 6% 6% 6% 1% 5% 2% 5% 4% 4% 5% 0%
l U
14 4% 6% 3% 5% 3% 5% 4% 4% 3% 4% 5% 3% 4% 4% 5% 6% 6% 2% 5% 3% 5% 4% 4% 5% 0%
e S
16 4% 5% 3% 5% 3% 5% 4% 4% 4% 4% 5% 3% 4% 4% 5% 5% 5% 2% 4% 3% 5% 4% 4% 5% 0%
s
18 4% 5% 4% 4% 3% 5% 4% 4% 4% 4% 5% 3% 4% 4% 5% 5% 5% 3% 4% 4% 5% 4% 4% 5% 0%
20 4% 5% 4% 4% 4% 5% 4% 4% 4% 4% 5% 4% 4% 4% 4% 5% 5% 3% 4% 4% 4% 4% 4% 4% 0%

5.3.1.3. Distância em desvios

A seguir, utilizando a mesma metodologia, foram analisadas as carteiras com base

nos sinais da distância em desvios padrão da taxa real de câmbio contra a média dos
últimos 5 anos. Seguindo o mesmo princípio de dois grupos de carteira, com e sem
exposição líquida ao USD.

𝑋𝑋𝑋
(𝑅𝐸𝐸𝑅𝑡𝑋𝑋𝑋 − 𝑀é𝑑𝑖𝑎𝑡,𝜏
𝑅𝐸𝐸𝑅
)
𝑆𝑖𝑛𝑎𝑙𝑡𝑋𝑋𝑋 = ⁄ 𝑅𝐸𝐸𝑅𝑋𝑋𝑋 (11)
𝜎𝑡,𝜏

Novamente, foi utilizado dois tipos de ranqueamento, tanto pelo z-score dos
sinais, quanto pelo ranking simples, escolhendo números diferentes de pares de moedas

55
para construção de várias carteiras. Os retornos das moedas são calculados como o retorno
simples do índice de retorno total. Em seguida, é iniciado o backtest. Conforme já
explicado anteriormente e na sessão 3.iii.a.

Esse teste foi, sem dúvida, o mais interessante dos 3 sinais pesquisados da taxa
real de câmbio. Ao estudar os resultados me deparei com o portfólio de um par de moedas
(dois componentes) sendo muito pior que todos os outros, inclusive com Índice Sharpe
negativo. No entanto, ao invés de simplesmente descartá-lo ou adicionar mais pares para
melhorar a carteira com o efeito diversificador, resolvi investigá-lo com mais cuidado.

Daí surgiu uma descoberta interessante, como pode ser visto pela Figura 9, esse
portfólio tende a manter a mesma moeda por um certo tempo maior que nos outros. O que
essa carteira representa é que moedas que realizam os maiores movimentos em relação
ao desvio padrão de longo prazo, ou seja, as moedas que estão nos extremos do ranking
dos sinais de desvios, não apresentam a característica de reversão a média que foi
encontrada em todos os outros sinais de valor baseados no câmbio real e esperado pela
literatura pesquisada.

Além disso, estudando a média de resultados é possível perceber que quando esses
movimentos fortes ocorrem, tais moedas divergem da média, ao invés de convergir. Ou
seja, tais moedas do extremo do ranking, continuam com a mesma direção do movimento
por um tempo.

56
Figura 9: Seleção de moedas da carteira de 2 componentes obtidas a partir dos sinais de
desvio

Portanto, é possível inferir que quando alguma moeda tem esse choque acentuado,
seja na apreciação ou depreciação, esse choque tende a persistir por um certo tempo e é
por isso que essa carteira de 2 componentes não gera um bom retorno. Pois uma moeda
que tem um choque positivo, ou seja, a moeda se valoriza, a tendência é ela continuar
apreciada. Reciprocamente, se a moeda sofre um choque negativo, ou seja, a moeda
deprecia, ela tende a continuar desvalorizada. Não observei em nenhuma literatura que
trabalhe esse tema especificamente, mas é possível dizer, que tais características se
assemelham muito as de portfólios de momentum, como mostrado por Asness e
Moskowitz (2013) e Moskowitz, Ooi e Pedersen (2012).

O que faz sentido, pois, normalmente, esses grandes movimentos nas moedas
ocorrem quando algum evento idiossincrático do país acontece, por exemplo, resultados
ou expectativa de eleições, mudanças bruscas em políticas fiscais ou monetárias,
instabilidade política, grandes reformas estruturais, entre outras. Futuros trabalhos
poderiam tentar explicar tais movimentos, seja por fluxos ou seja por modelos de finanças
comportamentais, que representem características de overreaction ou herding para

57
moedas, ou mesmo que o mercado de câmbio demore a conseguir precificar de fato o que
representa as novas informações do choque e demore a colocar no preço.

Com tais resultados, tive a ideia de construir uma carteira onde ao invés de todas
moedas serem utilizadas conforme a regra usual de reversão a média, utilizei as moedas
dos extremos divergindo da média e para o restante utilizei a regra padrão de reversão.

Por exemplo, para uma carteira de 10 componentes, a moeda com maior (menor)
sinal é vendida (comprada). Enquanto as outras 8 moedas são ranqueadas e as que
possuem maior (menor) sinal são compradas (vendidas). Como percebido e explicado
anteriormente, a regra para as moedas com sinais mais extremos é de divergência da
média e as moedas que não estão nos extremos revertem a média.

Dei o nome de portfólio Especial e o Índice Sharpe da estratégia é sem dúvida

bem melhor que de todos os outros sinais pesquisados. O resultado pode ser visto na
Tabela 8 e nas últimas 4 linhas da tabela encontram-se as carteiras especiais com e sem
exposição ao USD.

A Tabela 8 a seguir mostra os resultados das carteiras, o número de constituintes,

o Índice Sharpe, o Retorno médio ao ano, o Desvio Padrão ao ano, o máximo drawdown
sem restrições de tempo, a assimetria e a curtose, assim como uma proxy do custo das
operações necessárias para o rebalanceamento diário das estratégias, mostrado como
média do número de operações por dia.

58
 Tabela 8: Estatísticas descritivas obtidas a partir do sinal da distância em desvios da
média
Carteiras testadas como pesos iguais entre comprados e vendido e
rebalanceamento conforme sinal obtido com fechamento do dia anterior.
Número de componentes se refere ao número total de moedas dentro da carteira
testada. Máximmo drawdown refere-se a maior perda (maior pico ao menor
vale) da carteira no horizonte investigado sem restrições de tempo.

Retorno Desvio
# Índice Máximo
Carteira Médio Padrão Assimetria Curtose Trades /dia
Componentes Sharpe DrawDown
(ao ano) (ao ano)
Z-Score 25 0,21 1,45% 6,90% -24% 0,02 28,81 10,8
Z-Score ex-US 24 0,24 1,74% 7,14% -25% 0,03 33,63 11,0
2 -0,30 -4,91% 16,63% -84% -1,09 52,63 0,3
4 0,26 3,12% 11,93% -46% 0,39 22,41 0,6
S
6 0,30 2,99% 10,10% -37% 0,20 12,48 0,7
i
8 0,33 2,89% 8,68% -31% 0,21 10,13 0,8
m
10 0,32 2,52% 7,77% -22% 0,25 8,86 1,0
p
12 0,28 1,98% 7,13% -23% 0,12 8,41 1,0
l
14 0,22 1,45% 6,62% -22% 0,20 7,07 1,0
e
16 0,25 1,58% 6,27% -23% 0,19 7,16 1,1
s
18 0,26 1,55% 5,87% -19% 0,08 5,81 1,1
20 0,27 1,50% 5,61% -18% 0,12 5,75 1,2
2 -0,21 -3,49% 16,68% -78% -1,04 52,34 0,3
4 0,26 3,10% 12,13% -45% 0,37 22,60 0,5
S
6 0,37 3,77% 10,07% -40% 0,17 13,38 0,7
i E
8 0,35 3,07% 8,65% -27% 0,20 10,69 0,9
m x
10 0,36 2,75% 7,69% -21% 0,29 9,11 1,0
p -
12 0,29 2,05% 7,15% -21% 0,07 7,98 0,9
l U
14 0,23 1,54% 6,69% -23% 0,04 7,18 1,0
e S
16 0,33 2,11% 6,32% -21% 0,19 6,85 1,1
s
18 0,30 1,78% 5,92% -19% 0,09 5,79 1,1
20 0,36 2,01% 5,59% -18% 0,12 5,38 1,2
8 0,77 5,34% 6,97% -16% 0,65 10,79 1,1
Especial
10 0,71 4,48% 6,29% -12% 0,38 7,45 1,3
8 0,68 4,81% 7,04% -16% 0,61 10,35 1,2
Especial Ex US
10 0,66 4,15% 6,32% -13% 0,34 7,13 1,3

Na Figura 10, é possível observar todos os sinais de todas as moedas durante o

tempo, e observa-se informação parecida. Nesse sentido, é perceptível a importância do
sinal utilizando o desvio padrão, pois se uma moeda é mais volátil, é natural que sua
moeda tenha divergências maiores em valores nominais do que moedas menos voláteis,
mas isso não significa que ela esteja de fato no “objetivo” de entrar na carteira. Nesse
critério, o desvio faz muito bem a seleção entre moedas para a carteira.

59
 Figura 10: Sinais da distância em desvios dos diversos países

Além disso, pode ser observado como as carteiras com sinal de desvios são bem
diversificadas, na Tabela 9, é possível ver que as moedas possuem participações bem
parecidas. Não havendo nenhum grande destaque em alocação de moedas.

Tabela 9: Percentual de escolha para cada moeda utilizando sinal da distância em

desvios
# AUD BRL CAD CHF CLP CNY COP CZK DKK EUR GBP HUF IDR INR JPY KRW MXN NOK NZD PLN RUB SEK TRY ZAR USD
2 2% 1% 2% 5% 2% 9% 3% 9% 4% 4% 6% 2% 1% 7% 9% 5% 6% 1% 0% 0% 3% 3% 7% 0% 11%
4 2% 2% 2% 6% 2% 9% 3% 7% 4% 4% 7% 2% 1% 6% 5% 5% 5% 1% 2% 1% 5% 4% 5% 1% 10%
S
6 3% 2% 2% 5% 2% 7% 3% 6% 4% 4% 7% 2% 2% 6% 5% 6% 5% 1% 3% 2% 5% 4% 4% 2% 10%
i
8 3% 3% 3% 5% 2% 7% 3% 5% 4% 4% 7% 2% 2% 5% 4% 6% 4% 2% 4% 2% 4% 4% 3% 3% 9%
m
10 4% 3% 3% 5% 2% 6% 3% 5% 4% 4% 6% 2% 3% 5% 4% 6% 5% 2% 4% 2% 4% 4% 3% 3% 8%
p
12 4% 4% 3% 5% 2% 6% 3% 4% 4% 4% 6% 2% 3% 5% 4% 6% 5% 2% 4% 3% 4% 4% 3% 3% 7%
l
14 4% 4% 3% 5% 3% 5% 3% 4% 4% 4% 5% 3% 3% 5% 4% 5% 5% 3% 4% 3% 4% 4% 3% 3% 6%
e
16 4% 4% 3% 4% 3% 5% 4% 4% 4% 4% 5% 3% 4% 4% 4% 5% 5% 3% 4% 4% 4% 4% 4% 3% 5%
s
18 4% 4% 3% 4% 3% 4% 4% 4% 4% 4% 5% 3% 4% 4% 4% 5% 5% 3% 4% 4% 4% 4% 4% 4% 5%
20 4% 4% 4% 4% 3% 4% 4% 4% 4% 4% 4% 4% 4% 4% 4% 5% 5% 3% 4% 4% 4% 4% 4% 4% 5%
2 2% 1% 2% 5% 2% 13% 3% 9% 4% 5% 8% 2% 1% 9% 9% 5% 6% 1% 0% 0% 3% 3% 7% 0% 0%
4 2% 2% 2% 6% 2% 10% 3% 7% 5% 4% 8% 2% 2% 7% 6% 6% 6% 1% 2% 1% 5% 4% 5% 2% 0%
S
6 3% 2% 2% 6% 2% 8% 3% 6% 4% 4% 8% 2% 2% 7% 5% 7% 5% 2% 3% 2% 5% 4% 4% 3% 0%
i E
8 3% 3% 3% 6% 2% 7% 3% 5% 4% 4% 7% 2% 3% 6% 5% 7% 5% 2% 4% 2% 5% 4% 3% 3% 0%
m x
10 4% 3% 3% 6% 2% 7% 3% 5% 4% 4% 6% 2% 3% 6% 5% 7% 6% 2% 4% 3% 4% 5% 3% 3% 0%
p -
12 4% 4% 3% 5% 3% 6% 3% 4% 4% 4% 6% 3% 3% 5% 5% 6% 6% 2% 4% 3% 4% 5% 3% 3% 0%
l U
14 4% 4% 3% 5% 3% 5% 4% 4% 4% 4% 5% 3% 4% 5% 5% 6% 6% 3% 4% 4% 4% 5% 4% 3% 0%
e S
16 4% 4% 4% 5% 3% 5% 4% 4% 4% 4% 5% 3% 4% 4% 5% 5% 5% 3% 4% 4% 4% 4% 4% 4% 0%
s
18 4% 4% 4% 4% 4% 5% 4% 4% 4% 4% 5% 3% 4% 4% 4% 5% 5% 3% 4% 4% 4% 4% 4% 4% 0%
20 4% 4% 4% 4% 4% 4% 4% 4% 4% 4% 4% 4% 4% 4% 4% 5% 5% 4% 4% 4% 4% 4% 4% 4% 0%
8 3% 3% 3% 5% 2% 7% 3% 5% 4% 4% 7% 2% 2% 5% 4% 6% 4% 2% 4% 2% 4% 4% 3% 3% 9%
Especial
10 4% 3% 3% 5% 2% 6% 3% 5% 4% 4% 6% 2% 3% 5% 4% 6% 5% 2% 4% 2% 4% 4% 3% 3% 8%
Especial 8 3% 3% 3% 6% 2% 7% 3% 5% 4% 4% 7% 2% 3% 6% 5% 7% 5% 2% 4% 2% 5% 4% 3% 3% 0%
ExUS 10 4% 3% 3% 6% 2% 7% 3% 5% 4% 4% 6% 2% 3% 6% 5% 7% 6% 2% 4% 3% 4% 5% 3% 3% 0%

60
 Seguindo o critério do scorecard explicado anteriormente, a carteira selecionada
a partir do sinal de desvio com exposição líquida ao dólar é a de 8 componentes e a sem
exposição líquida ao dólar é a de 6 componentes. Para a Carteira Especial em ambos os
grupos de exposição a carteira selecionada foi a de 8 componentes.

5.3.2. Curvy Trade

No próximo passo, investigam-se as carteiras formadas pelo chamado curvy trade
conforme explicado anteriormente e mostrado por Dreher, Gräb e Kostka (2018),
utilizando os sinais criados a partir das curvaturas relativas equação (3) e conforme
explicado em 3.iii.b.

Aqui também é feito a avaliação por ranking no z-score e simples, como explicado
anteriormente e como foi feito nos outros sinais. A partir daí é realizado o backtest
conforme explicado anteriormente, sempre atendando para formação de carteiras com
pesos iguais.

A Tabela 10 a seguir mostra as estatísticas descritivas das carteiras, o número de

constituintes, o Índice Sharpe, o Retorno médio ao ano, o Desvio Padrão ao ano, o
máximo drawdown sem restrições de tempo, a assimetria e a curtose, assim como uma
proxy do custo das operações necessárias para o rebalanceamento diário das estratégias,
mostrado como média do número de operações por dia.

61
Tabela 10: Estatísticas descritivas das carteiras obtidas a partir do sinal do Curvy Trade
Carteiras testadas como pesos iguais entre comprados e vendido e
rebalanceamento conforme sinal obtido com fechamento do dia anterior.
Número de componentes se refere ao número total de moedas dentro da carteira
testada. Máximmo drawdown refere-se a maior perda (maior pico ao menor
vale) da carteira no horizonte investigado sem restrições de tempo.

Retorno Desvio
# Índice Máximo
Carteira Médio Padrão Assimetria Curtose Trades /dia
Componentes Sharpe DrawDown
(ao ano) (ao ano)
Z-Score 25 0,31 2,82% 9,20% -69% -1,43 33,16 12,2
Z-Score ex-US 24 0,30 2,81% 9,29% -69% -1,41 32,82 12,1
2 0,07 1,25% 18,04% -104% -1,45 27,41 0,3
S 4 0,22 2,69% 12,07% -86% -0,86 14,29 0,6
i 6 0,41 3,87% 9,52% -42% -0,54 8,73 0,9
m 8 0,45 3,69% 8,17% -39% -0,50 7,39 1,1
p 10 0,59 4,25% 7,23% -30% -0,23 5,20 1,3
l 12 0,66 4,25% 6,45% -19% -0,20 3,52 1,4
e 14 0,64 3,84% 6,01% -17% -0,11 3,48 1,5
s 16 0,65 3,58% 5,51% -15% -0,28 3,30 1,5
18 0,59 3,07% 5,17% -14% -0,23 3,12 1,6
2 0,05 0,96% 17,99% -103% -1,49 28,01 0,3
S 4 0,22 2,68% 11,91% -75% -0,85 13,56 0,7
i E 6 0,43 4,07% 9,41% -44% -0,47 7,60 0,9
m x 8 0,45 3,61% 8,03% -35% -0,39 6,42 1,2
p - 10 0,69 4,87% 7,08% -24% -0,10 4,75 1,3
l U 12 0,67 4,31% 6,40% -16% -0,09 3,72 1,4
e S 14 0,64 3,79% 5,90% -14% -0,16 3,52 1,6
s 16 0,70 3,80% 5,46% -13% -0,22 3,54 1,6
18 0,60 3,07% 5,12% -13% -0,14 3,24 1,7

Os resultados mostram uma carteira bem balanceada conforme se adicionam

novas moedas com o ganho de diversificação. O Índice Sharpe parece bem razoável e,
novamente, percebe-se o problema do excesso de moedas que acaba reduzindo o efeito
da diversificação e piorando as características das carteiras.

Em relação as escolhas das moedas, é ainda mais interessante, pois,

aparentemente, é possível perceber que poderá ter algum efeito de diversificação em
relação ao portfólio de valor pelos desvios na carteira Especial, pois conforme mostrado
pelas Tabelas 11 e 13, alguns pesos entre moedas são bem diferentes entre as duas
estratégias, como por exemplo, o Franco Suíço e o Yuan Chinês.

O resultado encontrado é muito parecido com o da pesquisa original de Dreher,

Gräb e Kostka (2018), sendo que neste trabalho a carteira apresenta retornos, índice
Sharpe e características melhores do que a encontrada no trabalho original. Acredito que
há duas explicações possíveis: uma seria o maior número de moedas, com mais

62
 características diversificadas (mercados emergentes, por exemplo), e a segunda devido a
não inclusão dos custos de transação.

Seguindo o critério do scorecard explicado anteriormente, a carteira selecionada

a partir do sinal de curvy trade com exposição líquida ao dólar é a de 12 componentes e
a sem exposição líquida ao dólar é a de 10 componentes.

Tabela 11: Percentual de escolha para cada moeda com sinal de Curvy Trade
# AUD BRL CAD CHF CLP CNY COP CZK DKK EUR GBP HUF IDR INR JPY KRW MXN NOK NZD PLN RUB SEK TRY ZAR USD
2 0% 30% 1% 0% 2% 0% 4% 0% 0% 0% 0% 7% 4% 17% 3% 1% 2% 0% 0% 0% 4% 2% 16% 3% 4%
S 4 0% 20% 1% 0% 2% 1% 4% 0% 0% 1% 1% 9% 7% 12% 2% 3% 5% 1% 0% 1% 4% 2% 12% 4% 8%
i 6 1% 15% 2% 0% 3% 1% 4% 1% 0% 1% 2% 8% 6% 9% 3% 5% 5% 2% 2% 2% 5% 3% 11% 5% 7%
m 8 1% 11% 3% 1% 3% 1% 3% 1% 1% 1% 3% 7% 5% 7% 3% 6% 5% 2% 3% 2% 5% 3% 9% 5% 6%
p 10 2% 9% 4% 1% 4% 2% 3% 2% 1% 1% 4% 7% 4% 6% 4% 6% 5% 2% 4% 3% 4% 4% 8% 5% 6%
l 12 3% 8% 4% 2% 4% 2% 3% 2% 2% 2% 4% 6% 3% 6% 4% 6% 5% 3% 4% 4% 4% 4% 7% 5% 5%
e 14 4% 7% 4% 2% 4% 2% 3% 3% 2% 2% 4% 6% 3% 5% 5% 6% 5% 3% 4% 4% 4% 4% 6% 5% 5%
s 16 4% 6% 4% 2% 4% 3% 3% 3% 3% 3% 4% 5% 3% 5% 5% 5% 5% 3% 5% 4% 4% 4% 5% 5% 5%
18 4% 5% 4% 3% 3% 3% 2% 4% 3% 3% 4% 5% 2% 5% 5% 5% 4% 3% 5% 4% 4% 4% 5% 5% 5%
2 0% 30% 1% 0% 2% 0% 4% 0% 0% 0% 0% 7% 4% 18% 3% 1% 4% 0% 0% 0% 4% 2% 16% 3% 0%
S 4 0% 20% 2% 0% 3% 1% 4% 0% 0% 1% 2% 9% 7% 12% 2% 3% 5% 2% 1% 1% 5% 2% 12% 4% 0%
i E 6 1% 15% 3% 1% 3% 1% 4% 1% 1% 1% 3% 9% 6% 9% 3% 5% 6% 2% 2% 2% 5% 3% 11% 5% 0%
m x 8 2% 11% 4% 1% 4% 1% 4% 1% 1% 1% 4% 8% 5% 7% 3% 6% 6% 2% 3% 2% 5% 4% 9% 6% 0%
p - 10 3% 9% 4% 2% 4% 2% 3% 2% 1% 2% 4% 7% 4% 6% 4% 6% 5% 3% 4% 3% 5% 4% 8% 5% 0%
l U 12 4% 8% 5% 2% 4% 2% 3% 2% 2% 3% 4% 7% 3% 6% 5% 6% 5% 3% 4% 4% 4% 4% 7% 5% 0%
e S 14 4% 7% 5% 2% 4% 2% 3% 3% 2% 3% 4% 6% 3% 5% 5% 6% 5% 3% 4% 4% 4% 4% 6% 5% 0%
s 16 4% 6% 4% 3% 4% 3% 3% 4% 3% 3% 4% 5% 3% 5% 5% 5% 5% 3% 5% 4% 4% 4% 5% 5% 0%
18 5% 5% 5% 3% 4% 3% 2% 4% 3% 4% 4% 5% 2% 5% 5% 5% 5% 4% 5% 4% 4% 4% 5% 5% 0%

5.3.3. Testes Carteiras de Carregamento selecionadas

De posse de todas as carteiras selecionadas dos 3 sinais da Sub-Carteira REER,
foi realizado novo o scorecard e ao final foram selecionadas as melhores carteiras para
se formar a Sub-Carteira REER. De fato, as carteiras selecionadas foram as obtidas a
partir das carteiras chamadas especiais, que é a combinação entre as moedas que divergem
e que convergem a média, conforme explicado anteriormente.

Portanto, foram selecionadas quatro carteiras de carregamento, conforme

mostrado na Tabela 13. Junta-se duas a duas, uma sub-Carteira de Carregamento REER
com uma sub-Carteira de Carregamento CT, separadas em dois grupos, um grupo as
carteiras que possuem exposição líquida ao USD e outro grupo que não possua exposição
líquida ao USD. A figura 11 mostra a série de retornos dessas duas Carteiras de
Carregamento (com e sem exposição líquida).

63
 Tabela 12: Carteiras analisadas e seus números de componentes

Carteira Exposição Líquida # Componentes

REER Com 8
Especial Sem 8
Curvy Com 12
Trade Sem 10

Figura 11: Série de retornos das 2 Carteiras de Carregamento combinadas

No geral, analisando a série de retornos observa-se que as estratégias funcionam

bem ao longo do horizonte analisado e, na Tabela 14, é possível observar como as duas
estratégias selecionadas são complementares e ainda se diversificam mais. Com índice
Sharpe excepcional, baixa volatilidade, baixo drawdown e excelente assimetria positiva.
Importante salientar que não inclui os custos de transação, portanto, no mundo real, esse
Sharpe deve ser reduzido, mas ainda assim seria razoável.

Tabela 13: Estatísticas descritivas das Carteiras de Carregamento

Carteiras testadas como pesos iguais entre as duas sub-Carteira. Máximmo
drawdown refere-se a maior perda (maior pico ao menor vale) da carteira no
horizonte investigado sem restrições de tempo.

Média Desvio
Carteira de Índice Max
Retorno Padrao Assimetria Curtose
Carregamento Sharpe Drawdown
(a.a.) (a.a.)
Ex US 0,99 4,49% 4,56% -8% 0,41 5,62
C/ US 1,08 4,80% 4,45% -7% 0,32 5,93

64
 Agora são feitas duas regressões para analisar os retornos de cada Carteira de
Carregamento com relação aos retornos de algumas variáveis primitivas ou fatores de
exposição conhecidos, como o VIX (CBOE Volatility Index) como proxy para
volatilidade, Broad USD como proxy para o índice de dólar, BCOMIN (Bloomberg
Commodities Index) como proxy para exposição a commodities e a carteira de risco
global de ações MSCI em dólares utilizada no estudo como proxy de exposição ao risco
geral de mercado. No Anexo 2 e 3 foram exibidas as tabelas ANOVA para ambas as
carteiras e pode ser verificado realmente que as variáveis são pouco explicativas para o
retorno das Carteira de Carregamento.

Da tabela de correlações, é possível observar que, para as carteiras, a única

variável que pode ter alguma explicação é a carteira de mercado MSCI e que a estratégia
parece bem diversificada com a volatilidade e o índice de dólar.

O resultado obtido da correlação com MSCI era de se esperar, pois de certa forma
carteiras de valor e carrego são correlacionadas com ativos de risco comuns, como uma
carteira de ações. No entanto, é importante salientar que o R² das regressões são
baixíssimos, mostrando que, de fato, os retornos das carteiras de risco não explicam o
retorno da Carteira de Carregamento obtida.

5.3.4. Carteira Final

Na Tabela 14, é possível ver a comparação entre as medianas dos retornos dos
drawdowns das Carteiras de Risco, da Carteira Anti-Frágil e das duas Carteiras de
Carregamento, assim como a Carteira Final, obtida a partir da junção equal Weight da
Carteira AF com a Carteira de Carregamento. Foi feito tanto para grupo sem exposição
ao USD quanto para o grupo com exposição ao USD.

Comparativamente, a performance da Carteira de Carregamento é excepcional e

mesmo nos períodos de drawdown das Carteiras de Risco, o retorno total é positivo e
mais que paga o custo de carregamento da Carteira Anti-Frágil, que pode ser encontrada
na Tabela 3 para comparação.

Foi dividido em dois painéis, pois conforme explicado anteriormente, não é intuito
do trabalho mostrar a hora correta de executar a estratégia das carteiras. E como pode ser
visto na Tabela 14, painel B, mesmo o gestor errando pelo dobro do tempo do drawdown

65
(tempo estendido), ainda assim a Carteira Final tem um retorno muito bom, mostrando
que a estratégia é realmente robusta e funciona muito bem em diversos períodos.

Tabela 14: Comparação dos retornos de drawdown e dos dois grupos de Carteiras
Finais assim como de suas constituintes (AF+Carreg.)
Painel A: Análise feita a partir do período usual de drawdown
Mediana Retorno Carteira Combinada Mediana dos retornos nos períodos de Drawdown
Drawdown Carteira Anti- Carregamento Carregamento
Carteira Ex USD Carteira c/ USD
Portfolio Período Carteiras de Frágil Ex US C/ US
(a+b) (a+c)
Risco (a) (b) (c)
1m -7,4% 4,1% 3,8% 3,3% 0,8% 0,5%
S&P 3m -10,9% 5,0% 5,2% 4,0% 1,0% 1,2%
6m -15,4% 8,7% 10,4% 6,1% 2,6% 4,2%
1m -7,9% 4,3% 4,1% 3,5% 0,8% 0,6%
MSCI 3m -11,4% 5,5% 5,7% 4,2% 1,3% 1,5%
6m -17,9% 9,3% 11,0% 7,7% 1,6% 3,3%
1m -4,3% 3,1% 3,2% 2,4% 0,7% 0,8%
Balanceado
3m -5,8% 4,5% 4,7% 3,2% 1,3% 1,5%
(S&P)
6m -6,7% 9,9% 10,6% 6,5% 3,4% 4,0%
1m -4,4% 4,5% 4,0% 3,4% 1,0% 0,6%
Balanceado
3m -7,2% 6,0% 6,0% 4,7% 1,3% 1,3%
(MSCI)
6m -9,3% 9,2% 11,0% 7,7% 1,5% 3,2%

Painel B: Análise feita a partir do conceito do período estendido (dobro do

horizonte de drawdown = 2, 6 e 12 meses) explicado anteriormente para Carteira AF e
Carregamento, exceto para o próprio valor de drawdown, que foi mantido o horizonte
original (1, 3 e 6 meses).

Mediana Retorno Carteira Combinada Mediana dos retornos nos períodos de Drawdown
Drawdown Carteira Anti- Carregamento Carregamento
Carteira Ex USD Carteira c/ USD
Portfolio Período Carteiras de Frágil Ex US C/ US
(a+b) (a+c)
Risco (a) (b) (c)
1m -7,4% 2,7% 2,9% 1,7% 1,0% 1,2%
S&P 3m -10,9% 5,5% 4,2% 2,4% 3,1% 1,8%
6m -15,4% 10,8% 11,1% 5,4% 5,4% 5,7%
1m -7,9% 3,1% 3,3% 2,2% 1,0% 1,1%
MSCI 3m -11,4% 4,4% 4,6% 1,3% 3,1% 3,3%
6m -17,9% 10,2% 11,1% 5,6% 4,6% 5,5%
1m -4,3% 2,7% 2,8% 1,4% 1,3% 1,4%
Balanceado
3m -5,8% 4,9% 5,0% 2,4% 2,5% 2,6%
(S&P)
6m -6,7% 14,8% 15,4% 9,0% 5,7% 6,4%
1m -4,4% 3,1% 3,2% 2,0% 1,1% 1,2%
Balanceado
3m -7,2% 5,6% 5,3% 2,4% 3,2% 2,9%
(MSCI)
6m -9,3% 10,2% 11,1% 5,6% 4,6% 5,5%

66
6. Conclusão
Conseguir seguros efetivos nas carteiras globais nos mercados hoje é um desafio,
nesse estudo, propus uma carteira mista entre hedge (Carteira Anti-Frágil) e carry
(Carteira de Carregamento), que consiga defender uma Carteira de Risco baseada em
ação, mas ao mesmo tempo, não custe tanto quanto carregar a carteira construída somente
com objetivo de hedge.

A literatura sobre o carry trade é bem vasta, com os conceitos convencionais de

carry sendo normalmente carteiras compradas em moedas de países com taxas de juros
maiores e vendidas em moedas de países com taxas de juros menores. Essa forma usual
de tal estratégia, no entanto, traz o resultado, também muito conhecido, das caudas gordas
em eventos extremos. A mais recente evolução em estudos sobre os poderes preditivos
das taxas de juros de mais longo prazo, assim como outros fatores da curva como
curvatura e inclinação, permite utilizar novos fatores para construção de portfólios de
carry. Como por exemplo, a construção da carteira de carry a partir das diferenças de
curvatura de juros, ao invés da diferença de juros de curto prazo.

Embora haja enorme debate sobre a PPP e as taxas reais efetivas de cambio, é
perceptível nesse estudo que é possível tirar sinais de valor vindos de tais índices. E que,
de fato, há alguma reversão a média perceptível a partir dos sinais calculados.

E, ainda mais interessante, o fato de as moedas terem esse efeito de resposta ao

choque ou momentum, conforme encontrada na carteira do sinal de números de desvios
em relação à média. Quando uma moeda chega em um extremo do ranking dos sinais
calculados, ela tende a divergir da média por um tempo, como mostrado na figura 9. Ou
seja, quando há um choque positivo/negativo, a moeda tende a continuar esse movimento
de choque e apreciar/depreciar em relação ao USD.

Acredito que há espaço para futuras pesquisas relacionadas a esse tópico como
finanças comportamentais que expliquem a overreaction ou mesmo modelos de
expectativas, onde os agentes não consigam precificar toda informação em um primeiro
momento, entre outras formas de modelagem.

Além disso, o método de criação da Carteira de Carregamento encontrou uma

carteira muito bem diversificada e com baixos eventos negativos extremos, mostrado pela

67
baixa assimetria, e um excelente risco/retorno, mostrado pelo alto índice Sharpe
encontrado de aproximadamente 1, ajudando consideravelmente o custo de carregar a
Carteira Anti-Frágil (AF). Inclusive, na média, ganhando mais do que o custo de
carregamento da Carteira AF durante o período de drawdown estudados.

Mesmo considerando o tempo estendido, ainda assim a Carteira Final tem um

retorno considerável comparando aos drawdowns das Carteiras de Risco. É interessante
notar que há espaço também para pesquisas que determinem o momento correto de
utilizar a carteira, seja ligando a valuation das ações ou outras métricas.

É interessante notar que há um fundamento econômico por trás da características

anti-frágeis de certos ativos, nesse contexto, é importante salientar a dinâmica da
metodologia, que ao longo do tempo e conforme mudanças nas economias e fluxos
relacionados, podem fazer outros ativos entrarem ou saírem da seleção da carteira. Achar
tais dinâmicas e fluxos que se correlacionam com a característica anti-frágil parece ser
outra oportunidade de estudo.

Portanto, pode-se concluir que é possível construir um portfólio de hedge a partir

das taxas cambiais. E mostrei que a Carteira Anti-Frágil mais a Carteira de Carregamento
são excelentes e complementares como uma carteira de hedge para portfólios baseados
em ações.

68
 Anexo 1: Mediana dos retornos das moedas por Carteira de Risco e por prazo nos eventos de drawdown e respectivo hit ratio

Prazo
Carteira de Risco Moedas (retornos e hit ratios)
drawdown
Anexos

Crosses JPY CHF CNY CZK INR DKK EUR HUF GBP RUB TRY NOK PLN IDR CLP SEK KRW COP CAD NZD AUD MXN ZAR BRL
1 mês Mediana 2,1% 1,2% 0,1% -0,3% -0,4% -0,5% -0,5% -0,6% -0,8% -0,9% -0,9% -1,0% -1,4% -1,6% -1,7% -1,9% -1,9% -1,9% -2,0% -2,3% -2,5% -2,5% -2,7% -2,8%
Hit Ratio 64% 57% 66% 62% 62% 57% 60% 57% 60% 62% 64% 68% 62% 68% 74% 68% 81% 77% 83% 74% 79% 77% 72% 77%
Crosses JPY CNY CHF INR CZK RUB PLN DKK NOK HUF EUR GBP KRW SEK TRY COP IDR NZD CLP MXN CAD BRL AUD ZAR
3 meses Mediana 3,0% 0,2% -0,2% -0,3% -0,4% -1,3% -1,8% -2,1% -2,1% -2,1% -2,2% -2,2% -2,6% -2,7% -2,7% -2,7% -2,8% -3,2% -3,6% -4,1% -4,3% -6,3% -6,6% -6,9%
S&P500
Hit Ratio 62% 67% 52% 52% 52% 57% 71% 62% 57% 67% 62% 62% 81% 67% 57% 67% 67% 71% 76% 76% 76% 76% 81% 86%
Crosses JPY BRL IDR CNY INR PLN NZD CZK EUR MXN DKK CHF HUF KRW CAD SEK TRY RUB ZAR GBP AUD CLP NOK COP
6 meses Mediana 4,6% 1,7% 1,1% 0,1% 0,1% -0,4% -0,5% -0,6% -0,7% -0,7% -0,9% -0,9% -1,6% -3,5% -3,7% -3,8% -3,9% -4,2% -4,5% -4,7% -4,9% -6,1% -8,3% -12,6%
Hit Ratio 67% 56% 78% 56% 56% 56% 56% 56% 56% 56% 56% 56% 56% 78% 89% 78% 78% 56% 78% 67% 67% 78% 56% 56%
Long Only Crosses JPY CHF CNY RUB EUR DKK INR CZK TRY HUF GBP PLN NOK IDR SEK CAD CLP KRW MXN COP NZD AUD BRL ZAR
1 mês Mediana 2,2% 0,7% 0,0% -0,5% -0,5% -0,5% -0,6% -0,7% -1,0% -1,0% -1,3% -1,5% -1,6% -1,6% -1,9% -2,0% -2,2% -2,2% -2,5% -2,6% -2,7% -2,8% -2,9% -3,1%
Hit Ratio 67% 56% 54% 58% 63% 60% 65% 65% 65% 63% 69% 65% 73% 69% 77% 90% 81% 79% 79% 77% 77% 79% 75% 77%
Crosses JPY CNY INR RUB CHF EUR DKK CZK IDR PLN HUF SEK TRY GBP NOK KRW MXN CAD NZD CLP ZAR BRL COP AUD
3 meses Mediana 3,1% 0,2% -0,7% -1,2% -1,8% -2,2% -2,3% -2,4% -2,5% -2,8% -2,8% -2,8% -3,0% -3,0% -3,2% -3,5% -3,5% -4,4% -4,9% -5,4% -5,4% -5,8% -6,2% -6,2%
MSCI
Hit Ratio 59% 64% 64% 59% 55% 68% 68% 59% 68% 82% 73% 73% 68% 64% 68% 86% 73% 82% 77% 86% 86% 86% 64% 86%
Crosses JPY IDR CNY INR PLN CZK NZD EUR MXN DKK CHF HUF CAD RUB TRY SEK GBP AUD NOK COP ZAR KRW CLP BRL
6 meses Mediana 5,5% 0,6% 0,5% 0,1% -0,4% -0,6% -0,6% -0,7% -0,7% -0,9% -1,1% -2,1% -3,7% -4,2% -4,4% -4,6% -4,8% -5,1% -6,3% -8,4% -8,5% -8,5% -9,9% -13,1%
Hit Ratio 78% 78% 67% 56% 56% 56% 56% 56% 56% 56% 67% 56% 89% 56% 78% 78% 78% 67% 56% 67% 89% 78% 89% 67%

Prazo
Carteira de Risco Moedas (retornos e hit ratios)
drawdown
Crosses JPY CHF CNY INR EUR DKK CZK RUB HUF TRY PLN GBP NOK CLP IDR CAD KRW NZD SEK COP AUD MXN ZAR BRL
1 mês Mediana 0,8% 0,1% 0,1% -0,5% -0,5% -0,5% -0,8% -0,8% -1,0% -1,1% -1,3% -1,4% -1,5% -1,7% -1,7% -2,0% -2,1% -2,3% -2,3% -2,4% -2,5% -2,5% -2,8% -3,1%
Hit Ratio 54% 50% 65% 65% 63% 63% 67% 65% 60% 67% 65% 60% 73% 77% 69% 79% 83% 83% 75% 77% 81% 79% 75% 79%
Crosses JPY CNY INR CHF GBP NOK PLN COP CZK EUR KRW DKK AUD HUF RUB IDR SEK CAD MXN TRY NZD BRL CLP ZAR
S&P500 3 meses Mediana 2,6% 0,2% -0,3% -0,9% -1,0% -1,6% -1,7% -1,9% -1,9% -2,0% -2,0% -2,1% -2,4% -2,4% -2,5% -2,6% -2,7% -2,9% -2,9% -3,0% -3,3% -3,4% -4,0% -4,9%
Hit Ratio 55% 68% 55% 59% 64% 55% 73% 55% 55% 68% 77% 68% 82% 68% 55% 68% 68% 64% 68% 68% 77% 59% 68% 86%
Crosses JPY CZK HUF CHF PLN INR DKK EUR NOK IDR CNY MXN GBP NZD RUB KRW SEK TRY CAD ZAR AUD CLP BRL COP
6 meses Mediana 7,7% 4,6% 3,2% 1,9% 1,9% 1,7% 1,6% 1,6% 1,2% 1,1% 1,0% 0,4% 0,0% -0,5% -1,2% -1,5% -1,8% -2,6% -3,7% -4,5% -4,9% -5,7% -8,7% -12,6%
Balanced Hit Ratio 67% 67% 67% 67% 67% 67% 67% 67% 56% 67% 67% 56% 56% 56% 56% 78% 67% 67% 78% 67% 67% 78% 56% 67%
(60/40) Crosses JPY CHF CNY RUB EUR DKK INR CZK TRY HUF GBP NOK PLN IDR CLP CAD SEK COP KRW MXN BRL NZD AUD ZAR
1 mês Mediana 1,8% 0,5% 0,0% -0,5% -0,5% -0,5% -0,5% -0,6% -1,0% -1,0% -1,4% -1,5% -1,6% -1,7% -2,0% -2,1% -2,1% -2,2% -2,3% -2,6% -2,8% -2,9% -2,9% -2,9%
Hit Ratio 60% 53% 60% 60% 62% 62% 68% 64% 62% 62% 66% 74% 66% 66% 79% 89% 79% 72% 83% 79% 77% 79% 83% 77%
Crosses JPY CNY INR CHF EUR CZK RUB IDR PLN DKK GBP SEK HUF MXN KRW CAD NOK NZD CLP TRY COP ZAR AUD BRL
3 meses Mediana 3,6% 0,1% -0,8% -1,9% -2,4% -2,4% -2,4% -2,5% -2,5% -2,6% -3,0% -3,5% -3,6% -4,0% -4,2% -4,7% -4,9% -4,9% -5,4% -5,6% -6,4% -6,5% -6,7% -7,8%
MSCI
Hit Ratio 67% 61% 72% 61% 67% 61% 56% 72% 83% 67% 67% 78% 78% 83% 89% 89% 72% 78% 89% 78% 67% 89% 89% 89%
Crosses JPY IDR CNY NZD INR PLN MXN CHF CZK EUR DKK HUF CAD RUB TRY SEK GBP AUD NOK COP ZAR KRW CLP BRL
6 meses Mediana 4,7% 0,9% 0,5% 0,3% 0,1% -0,4% -0,7% -1,1% -1,1% -1,3% -1,5% -2,2% -3,7% -4,2% -4,4% -4,6% -4,8% -5,1% -6,3% -8,4% -8,5% -8,5% -9,9% -13,1%

69
Hit Ratio 78% 78% 67% 56% 56% 56% 56% 67% 56% 56% 56% 56% 89% 56% 78% 67% 78% 67% 56% 67% 89% 78% 89% 67%
Anexo2: Resultado tabela ANOVA para retorno da Carteira de Carregamento sem
exposição ao USD contra fatores de risco usuais e correlações

RESUMO DOS RESULTADOS

Estatística de regressão
R múltiplo 0,22
R-Quadrado 0,05
R-quadrado ajustado 0,05
Erro padrão 0,00
Observações 4.143,00

ANOVA
gl SQ MQ F F de significação
Regressão 4 0,00 0,00 50,81 0,00
Resíduo 4138 0,03 0,00
Total 4142 0,03

Coeficientes
Erro padrão Stat t valor-P95% inferiores
95% superiores
Inferior 95,0%
Superior 95,0%
Interseção 0,00 0,00 3,43 0,00 0,00 0,00 0,00 0,00
VIX 0,00 0,00 2,01 0,04 0,00 0,00 0,00 0,00
BCOM 0,00 0,00 0,60 0,55 -0,01 0,01 -0,01 0,01
DOL 0,02 0,02 0,99 0,32 -0,02 0,05 -0,02 0,05
MSCI 0,07 0,01 10,16 0,00 0,06 0,09 0,06 0,09

Comb1 VIX BCOM DOL MSCI

Comb1 1,00
VIX -0,12 1,00
BCOM 0,10 -0,23 1,00
DOL -0,10 0,20 -0,48 1,00
MSCI 0,21 -0,66 0,45 -0,51 1,00

70
Anexo 3: Resultado tabela ANOVA para retorno da Carteira de Carregamento com
exposição ao USD contra fatores de risco usuais e correlações

Estatística de regressão
R múltiplo 0,19
R-Quadrado 0,04
R-quadrado ajustado 0,03
Erro padrão 0,00
Observações 4143

ANOVA
gl SQ MQ F F de significação
Regressão 4 0,00 0,00 38 0,00
Resíduo 4138 0,03 0,00
Total 4142 0,03

Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores Inferior 95,0% Superior 95,0%
Interseção 0,00 0,00 3,82 0,00 0,00 0,00 0,00 0,00
VIX 0,00 0,00 2,29 0,02 0,00 0,00 0,00 0,00
BCOM 0,00 0,00 -0,32 0,75 -0,01 0,01 -0,01 0,01
DOL 0,01 0,02 0,70 0,49 -0,02 0,05 -0,02 0,05
MSCI 0,07 0,01 9,26 0,00 0,05 0,08 0,05 0,08

Comb1 VIX BCOM DOL MSCI

Comb1 1,00
VIX -0,10 1,00
BCOM 0,08 -0,23 1,00
DOL -0,09 0,20 -0,48 1,00
MSCI 0,18 -0,66 0,45 -0,51 1

71
Anexo 4: Scorecard para seleção de portfolios.

A idéia por trás do scorecard é de ter uma metodologia simples e clara de definir
a escolha entre as diversas opções testadas.

O principal intuito da Carteira de Carregamento foi a obtenção de melhores

características de distribuição, no caso, foi selecionado como critério o Máximo
drawdown irrestrito (quanto menos negativo, melhor), conforme explicado na sessão 5.1,
e a assimetria (se positiva, melhor). Além disso, a CR também deveria ter um bom retorno
e por isso foi escolhido o Índice Sharpe (quanto maior, melhor). Por fim, como não foi
considerado nos cálculos, os custos de transação nos rebalanceamentos, decidi dar algum
peso a proxy calculada de custo do número de operações por dia (quanto menos, melhor).

Primeiramente, foi construído índices sobre cada fator explicados a seguir (os
pesos podem ser encontrados na tabela logo abaixo dos índices):

➢ Índice Sharpe: [(#posição no ranking de ordem crescente de carteiras

analisadas)/(número de carteiras analisadas)]*(Peso Índice Sharpe)
➢ Máximo Drawdown: [(valor drawdown)/(menor drawdown das carteiras
em comparação)]*(Peso Máximo Drawdown)
➢ Assimetria: (1 se Assimetria positiva, -1 se assimetria negativa) * (Peso
Assimetria)
➢ Trades/dia: [(#posição no ranking de ordem crescente de carteiras
analisadas)/(número de carteiras analisadas)]*(Peso Trades/dia)

Fator Pesos
Índice Sharpe 4
Máximo
-5
Drawdown
Assimetria 2
número
-2
Trades/dia

A nota final de cada carteira é o somatório de cada índice anterior feito para cada
carteira, onde finalmente, são ranqueados e os primeiros (melhores) são selecionados)

72
Referências

Asness, C., Moskowitz, T., Pedersen, L. Value and Momentum Everywhere. The Journal
of Finance. V LXVIII, n3. 2013.

Brunnermeier, M., Nagel, S., Pedersen, L. Carry Trades and currency crashes. National
Bureau of Economic Research w14473. 2008.

Burnside, C., Eichenbaum, M., Kleshchelski, I., Rebelo, S. The returns to currency
speculation. National Bureau of Economic Research w12489. 2006.

Burnside, C., Eichenbaum, M., Rebelo, S. The returns to currency speculation in

emerging markets. National Bureau of Economic Research w12916. 2007.

Burnside, C., Eichenbaum, M., Rebelo, S. Carry Trade: The gains of diversification.
Journal of the European Economic Association v6(2-3), p. 581-588. 2008.

Burnside, C., Eichenbaum, M., Rebelo, S. Carry trade and momentum in currency
markets. National Bureau of Economic Research w16942. 2011.

Ca`Zorzi, M., Rubaszek, M. Exchange rate forecasting on a napkin. European Central

Bank wp 2151. 2018.

Cheung, Y., Chinn, M., Pascual, A. Empiracal exchange rate models of the nineties: Are
any fit to survive? Journal of International Money and Finance v24, p. 1150-1175. 2005.

Dreher, F., Gräb, J., Kostka, T. From carry trades to curvy trades. European Central Bank
wp 2149. 2018.

Du, W., Tepper, A., Verdelhan, A. Deviations from Covered Interest Rate Parity. The
Journal of Finance v. LXXIII (3), p. 915-957. 2018.

Engel, C. The forward discount anomaly and the risk premium: A survey of recent
evidence. Journal of Empirical Finance v3, p. 123-192. 1996.

Engel, C. Exchange rates, interest rates, and the risk premium. National Bureau of
Economic Research w21042. 2015.

73
Engel, C., Lee, D., Liu, C., Liu, C., Wu, S. The uncovered interest parity puzzle, exchange
rate forecasting, and Taylor rules. National Bureau of Economic Research w24059. 2017.

Engel, C., Mark, N., West, K. Factor model forecasts of exchange rates. National Bureau
of Economic Research w18382. 2012.

Engel, C., West, K. Exchange rates and fundamentals. Journal of Political Economy
v113(3), p. 485-517. 2005.

Engel, C., Wu, S. Liquidity and exchange rates: an empirical investigation. National
Bureau of Economic Research w25397. 2018.

Engel, C. Long-run PPP may not hold after all. Journal of International Economics 57, p.
243-273. 2000.

Fama, E. Forward and Spot exchange rates. Journal of Monetary Economics 13, p. 319-
338. 1984.

Hassan, T., Mano, R. Forward and spot exchange rates in a multi-currency world. The
Quarterly Journal of Economics, p. 397-450. 2019.

Meese, R., Rogoff, K. Empirical exchange rate models of the seventies. Journal of
International Economics 14, p. 3-24. 1983.

Moskowitz, T., Ooi, Y., Pedersen, L. Time Series Momentum. Journal of Financial
Economics 104, p.228-250. 2012.

Rogoff, K. The Purchasing Power Parity Puzzle. Journal of Economic Literature. v.

XXXIV, p. 647-668. 1996.

Rossi, B. Confidence intervals for half-life deviations from Purchasing Power Parity.
Journal of Business and Economic Statistics v. 23, p. 432-442. 2005.

Taylor, A., Taylor, M. The Purchasing Power Parity debate. Journal of Economic
Perspectives v18 (4), p. 135-158. 2004.

74