Escolar Documentos
Profissional Documentos
Cultura Documentos
São Paulo
2019
1
ALISSON ARRAIS COSTA
2
Folha de Aprovação
Aprovado em
Banca Examinadora
Prof. Dr. Gustavo Barbosa Soares Assinatura: __________________
Instituição: Insper
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.
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.
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.
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
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.
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
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.
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.
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.
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.
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.
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 ).
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.
21
menor carry, produzem uma média menor de retornos e possuem caudas mais gordas do
que o esperado em uma distribuição normal.
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.
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.
1−𝑒 𝜑𝑚 1−𝑒 𝜑𝑚
𝑦𝑡𝑚 = 𝐿𝑡 + 𝑆𝑡 ( ) + 𝐶𝑡 ( − 𝑒 𝜑𝑚 ) (1)
𝜑𝑚 𝜑𝑚
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.
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)
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.
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.
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.
28
i. Carteiras de Risco e avaliação de drawdowns:
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.
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.
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
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.
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.
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.
'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'
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 ).
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)
33
Outra forma de ranking dos sinais foi pelo z-score dos sinais, onde:
𝑠𝑖𝑛𝑎𝑙𝑡𝑋𝑋𝑋 −𝑠𝑖𝑛𝑎𝑙
̅̅̅̅̅̅̅̅𝑡
𝑧= (6)
𝐷𝑒𝑠𝑣𝑃𝑎𝑑𝑡
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
Também levando em conta a consideração dos achados por Rogoff (1996), tentou-
se incluir sinais de meia vida utilizando a regressão MQO:
Onde 𝑅𝐸𝐸𝑅𝑡𝑋𝑋𝑋 é dado pelo índice REER para a moeda XXX medido no tempo
t.
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.
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 ).
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.
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.
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.
'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
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.
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.
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.
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.
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.
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.
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.
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.
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%
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.
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.
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.
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.
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.
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
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%
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
54
maior do que dos outros métodos de ranqueamento e avaliei como não satisfatório para
os testes.
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.
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.
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
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.
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.
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.
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
62
características diversificadas (mercados emergentes, por exemplo), e a segunda devido a
não inclusão dos custos de transação.
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%
63
Tabela 12: Carteiras analisadas e seus números de componentes
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.
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.
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%
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.
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.
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.
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.
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
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
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
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.
Primeiramente, foi construído índices sobre cada fator explicados a seguir (os
pesos podem ser encontrados na tabela logo abaixo dos índices):
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. 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.
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.
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