Value-at-Risk

Prof. Jos Valentim Machado Vicente, D.Sc.

jvalent@terra.com.br

Aula 5

Contedo da Aula

O que VaR?
Modelos Paramtricos
Mtodo Delta-Normal
Simulao Histrica

Aula 5

O que VaR ?
Metodologia de avaliao do risco proposta pelo Banco J.P.
Morgan em 1994.
Valor monetrio das perdas a que uma carteira est sujeita, a um
determinado nvel de confiana e dentro de um horizonte de
tempo.
Carteira com VaR de R$ 1.300.000, em um dia e para um nvel
de confiana de 95%, significa que h 5% de probabilidade de
apurarmos uma perda de mais de R$ 1.300.000 em um dia.
Ou ainda que com 95% de confiana a perda no ser superior a
R$ 1.300.000.
Aula 5

O que VaR ?
O VaR est sempre associado a:
uma moeda (valor monetrio).
um intervalo de tempo (quando devemos notar a perda).
uma probabilidade (com que freqncia a perda ser notada).

Aula 5

O que VaR ?
Formalmente temos,

P (X t VaR ) .
Onde:
o nvel de significncia (ou (1 ) o nvel de confiana)
adotado.
X a variao no valor da carteira de preo X .
t
t

VaR o valor em risco para o horizonte de tempo t.

Aula 5

A Distribuio Normal
A distribuio normal ou Gaussiana uma das mais importantes
distribuies de probabilidade.
Ela serve como uma excelente aproximao para uma grande
classe de distribuies que tm enorme importncia prtica.
Notao: N(,2) significa distribuio normal com mdia e
varincia 2. J Z = N(0,1) significa distribuio normal padro,
isto , com mdia zero e a varincia unitria.

Aula 5

A Distribuio Normal

68,27%

>
95,46%
99,73%

Aula 5

A Distribuio Normal
A maior parte dos dados se encontram em torno da mdia. A
medida que nos afastamos dela, tanto para mais como para
menos, a probabilidade de ocorrncia de um resultado diminui
de uma forma simtrica, isto , a distribuio uma curva
simtrica em relao a .
O espalhamento do grfico determinado pelo desvio padro .
A equao da curva

1 x
1
f ( x)
exp

2
2

Aula 5

A Distribuio Normal
Propriedade: Se X tem distribuio normal N(,2) ento (X
)/ tem distribuio normal padro.
Tabela da distribuio normal padro.

Aula 5

= P[Z z]

-3

0,00135

-2

0,02275

-1

0,158655

0,5

A Distribuio Normal
Exemplo: Suponha que a altura H de um brasileiro adulto seja
distribuda normalmente com mdia 170 cm e varincia 100
cm2. Calcule a probabilidade da altura de um brasileiro sorteado
ao acaso ser maior que 2,0 m.
P[H > 200] = P[H 170 > 30] =
= P[(H 170)/10 > 3] =
= P[Z > 3] = (simetria) =
= P[Z < 3] = (tabela) = 0,00135.

Aula 5

10

Modelos Paramtricos VaR de um

nico Ativo
Hiptese 1 - Retorno Aritmtico ([S1 S0]/S0, onde S0 o preo
do ativo hoje e S1 o preo do ativo amanh) distribudo
normalmente.

VaR X 0 z1 .

Para um horizonte de tempo t diferente de um dia, temos:

VaR X 0 z1 t .
onde volatilidade diria do retorno aritmtico do ativo, X0
posio marcada a mercado da carteira, isto , valor atual
investido no ativo, e z1- constante relativa ao nmero de desvios
padres para o nvel de confiana desejado.

Aula 5

11

Modelos Paramtricos VaR de um

nico Ativo
Exemplo: Considere uma carteira formada unicamente por aes
da Petrobras no dia 04/11/2004. Suponha que queiramos
determinar o VaR para o dia 05/11/2004 com nvel de confiana
de 95%.
Posio de 10.000 aes de Petrobras, X = 94,4910.000= R$
0
944.900.
Nvel de confiana 95% z = 1,65.
Volatilidade da Petrobras = 1,21% (mtodo simples com
janela de 60 dias, isto , o desvio padro estimado tendo
por base uma amostra dos ltimos 60 dias).
VaR (1 dia) = 944.9001,651,21% = R$ 18.852.
Aula 5

12

Modelos Paramtricos VaR de um

nico Ativo

Aula 5

13

Modelos Paramtricos VaR de um

nico Ativo
Hiptese 2 Retorno Geomtrico (ln[S1/S0]) distribudo
normalmente.

VaR X 0 1 e

z1 g

onde g a volatilidade do retorno geomtrico de um dia.

Para os mesmos dados do exemplo anterior temos VaR = R$
16.640.
Estimando a volatilidade via EWMA com lambda = 0,94 temos:

VaR 944.900 1 e 1,651, 21% R$ 16.640.

Aula 5

14

Modelos Paramtricos VaR de

uma Carteira
Para carteiras formadas por dois ativos temos de levar em conta
o efeito da correlao:

VaR c VaR12 VaR 22 2 1, 2VaR1VaR 2 .

Onde:
VaR = Value at Risk da carteira;
c

VaR1 = Value at Risk do ativo 1 da carteira;

VaR2 = Value at Risk do ativo 2 da carteira;

1,2 = coeficiente de correlao entre o ativo 1 e o ativo 2.

Aula 5

15

Modelos Paramtricos VaR de

uma Carteira
Exemplo: Carteira = 10 mil aes Petrobras e 10 milhes aes
de Telemar, o VaR com (1 - ) = 95%

VaR C (1 dia)
18852 2 274812 2 0,5503 18852 27481
R $ 40.998.
Exerccio: Verifique que o VaR da carteira menor que a soma
dos VaRs das duas aes (efeito da diversificao).

Aula 5

16

Modelos Paramtricos VaR de

uma Carteira
Uma forma alternativa de calcular o VaR de uma carteira
formada por dois ativos consiste em, primeiramente, calcular a
varincia da carteira e em seguida empregar uma das frmulas
de VaR vistas anteriormente.

c2

Aula 5

w1

12 12
w2
2
12 2

w1

w2

17

O Mtodo Delta-Normal
No mtodo Delta-Normal, o VaR de um ativo (ou carteira) que
responde no linearmente em relao a um fator de risco
calculado atravs de uma linearizao de primeira ordem.
Exemplos:
A sensibilidade do prmio de uma opo em relao ao ativo
objeto o delta.
A sensibilidade de um ttulo de renda fixa taxa de juros a
duration.

Aula 5

18

O Mtodo Delta-Normal
O VaR de um posio em opes pode ser aproximado pelo VaR
de uma posio composta pelo ativo objeto em valor igual a
vezes a posio em opes:

VaR opo X 0 z1
onde sigma a volatilidade do retorno do ativo objeto.
VaR de um ttulo zero-cupon aproximado por:

T
VaR juros
X 0 z1
(1 i )

onde sigma a volatilidade do retorno da taxa de juros. Se a

capitalizao contnua ento a duration igual a T.

Aula 5

19

O Mtodo Delta-Normal
Considere uma carteira formada por 100.000 opes sobre
Petrobras no dia 04/11/2004. Determine o VaR para o dia
05/11/2004 com 95% de confiana. Suponha vlido o modelo de
B&S. Suponha tambm que o nico risco importante o de
variao no preo do ativo objeto. Dados da opo: Strike = 96,
prazo = 52 dias, taxa para 52 dias = 15.53% a.a. (contnua),
prmio = R$ 5.75.
Nesse caso = 0,5907, logo:
VaR = 0,5907100.000 94,49 1,21% 1,65 = 111.429

Aula 5

20

O Mtodo Delta-Gama-Normal
O mtodo delta-normal consiste em fazer um aproximao de
primeira ordem para a influncia dos fatores de risco no preo
do ativo.
Em algumas situaes, essa abordagem apresenta uma qualidade
ruim. Portanto, necessrio utilizar termos de ordem superior. A
aproximao de segunda ordem conhecida como delta-gamanormal. Para opes temos:
2 2

2 4

VaR z1 nS0 (1 / 2) S0

Aula 5

21

Modelos No Paramtricos
Existem mercados em que a suposio de um distribuio
normal para os retornos dos ativos no corresponde a realidade.
Exemplos:
Mercado de dlares no Brasil entre os anos de 1994 e 1998.
Mercados nos quais existe probabilidade no desprezvel de
ocorrncia de retornos longe da mdia.
Carteiras com ativos no lineares como opes.
Soluo: Modelos no paramtricos, que consistem basicamente
na simulao de uma srie de cenrios. Essa simulao poder ser
feita historicamente ou ento usando o mtodo de Monte Carlo.
Aula 5

22

Modelos No Paramtricos
Nos mercados em que existem maiores ocorrncias de
observaes longe da mdia (distribuies com caudas gordas),
assumir uma distribuio normal ir causar, inevitavelmente,
uma distoro no clculo do risco para um valor inferior ao real,
ou seja, sero atribudas probabilidades de ocorrncia menores
do que as observadas, ou esperadas, para grandes variaes.
Essa deficincia se agrava principalmente nos casos de haver
uma tendncia na distribuio (uma cauda mais gorda do que a
outra

Aula 5

23

Modelos No Paramtricos
Em estatstica, distribuies com caudas gordas so chamadas
de leptocrticas. Uma medida da extenso dos dados observados
que caem perto do centro ou nas caudas de uma distribuio
dada pela curtose. A curtose de um conjunto de dados x1, ..., xn
definida como

1 xi Me( X )
Curt ( X )
3
4
n i 1 DP ( X )
n

A funo CURT do MS Excel calcula a curtose.

Aula 5

24

Modelos No Paramtricos
A curtose de uma distribuio normal zero (dizemos que a
distribuio mesocrtica). Uma curtose maior que zero
(leptocrtica) indica uma distribuio com grandes picos, caudas
grossas e poucos dados intermedirios. J uma curtose menor
que zero (platicrtica) significa que a distribuio possui muitos
dados de magnitude intermediria e um pico pequeno.

Aula 5

25

Modelos No Paramtricos

Aula 5

26

Modelos No Paramtricos
Outro problema bastante srio dos modelos paramtricos ocorre
quando a carteira a ser analisada uma funo no linear de pelo
menos um dos fatores de risco. Isso acontece com as opes:
dada uma variao no preo do ativo objeto podemos apenas
aproximar a variao no prmio por uma funo linear.

Aula 5

27

Simulao Histrica
Passo 1: Definir um perodo de tempo e estudar as variaes de
preos ocorrida nesse perodo.
Passo 2: Empregar estas variaes para reavaliar a carteira em
cada um dos cenrios histricos.
Passo 3: Esse conjunto de dados determina a distribuio da
carteira segundo a srie de cenrios simulados
Passo 4: Determinar o quantil dos dados simulados
correspondente ao nvel de confiana adotado.

Aula 5

28

Simulao Histrica
Exemplo: Considere uma carteira formada unicamente por aes
da Petrobras no dia 04/11/2004. Suponha que queiramos
determinar o VaR para o dia 05/11/2004 com um nvel de
confiana de 95%. A posio em Petrobras de 10.000 aes.
Fechamento de Petrobras em 04/11/2004 igual R$ 94.49, logo o
valor da carteira R$ 944.900,00.

Aula 5

29

Simulao Histrica
Data

Retorno

P/G

Data*

P/G *

04-Nov-2004

0.52%

4,925.54

13-Oct-2004

-36,946.43

03-Nov-2004

0.13%

1,207.80

19-Oct-2004

-21,767.75

01-Nov-2004

0.62%

5,873.98

28-Jun-2004

-17,292.29

29-Oct-2004

0.16%

1,521.58

05-Aug-2004

-16,229.20

28-Oct-2004

-0.90%

-8,544.31

07-Jul-2004

-16,082.87

27-Oct-2004

0.27%

2,519.73

22-Jul-2004

-13,613.49

26-Oct-2004

-1.11%

-10,465.66

25-Jun-2004

-13,394.20

14-Jun-2004

1.05%

9,918.84

23-Jun-2004

38,580.25

Aula 5

30

Simulao Histrica
O VaR com 95% de confiana o 5% Percentil da ltima coluna
da tabela anterior. Para calcular o percentil de uma srie de
dados voc pode usar a funo PERCENTIL do MS Excel.
O percentil pode ser calculado de vrias maneiras. Por exemplo,
se os dados so 1, 2, 3 e 4, ento o Excel considera que esses so
os percentis 0, 33.33%, 66.67% e 100% respectivamente.
Valores intermedirios so obtidos por interpolao.
Ento o VaR R$ 13.737.

Aula 5

31

Simulao Histrica
Exerccio: Considere uma carteira formada por aes da
Petrobras e da Vale no dia 04/11/2004. Determine o VaR para o
dia 05/11/2004 com um nvel de confiana de 95%. A posio
em Vale de 15.000 aes e em Petrobras de 10.000 aes.

Aula 5

32

Simulao Histrica
Data

P/G Petr

P/G Vale

P/G carteira

4-nov-04

4,925.54

1,352.31

6,277.86

3-nov-04

1,207.80

7,585.10

8,792.89

1-nov-04

5,873.98

303.52

6,177.50

29-out-04

1,521.58

4,272.30

5,793.88

28-out-04

-8,544.31

-24,540.69

-33,084.99

14-jun-04

9,918.84

-24,730.54

-14,811.70

VaR = 31.628

Aula 5

33

Simulao Histrica
Considere uma carteira formada por 100.000 opes sobre
Petrobras no dia 04/11/2004. Determine o VaR para o dia
05/11/2004 com 95% de confiana. Para calcular o preo
simulado use o modelo de B&S. Suponha que o nico risco
importante o de variao no preo do ativo objeto. Dados da
opo: Strike = 96, prazo = 52 dias, taxa para 52 dias (e 51 dias)
= 15.53% a.a. (contnua), prmio = R$ 5.75.
VaR = R$ 250.027 (soluo).
Para incluir o risco de volatilidade, necessrio simular a
volatilidade para o prazo de 51 dias e moneyness da opo. Isso
deve ser feito a partir das superfcies de volatilidade.

Aula 5

34

Simulao Histrica
Data
Preo Petr Preco call
04-nov-04
94,98
4,31
03-nov-04
94,61
4,08
01-nov-04
95,08
4,37
29-out-04
94,64
4,10
28-out-04
93,64
3,53
27-out-04
94,74
4,16
...
...
...
14-jun-04
95,48
4,62
Aula 5

Variao
-1,44
-1,67
-1,38
-1,65
-2,22
-1,59
...
-1,13
35

Simulao Histrica
Calcule o VaR de uma carteira no dia 04/11/04 para o dia
05/11/04 de uma carteira formada por uma LTN vencendo em 50
dias. Use nvel de confiana de 95%. Preo atual da LTN = R$
968,7514 (taxa contnua = 16,00% a.a.).
Nesse exerccio, o mais natural usar a decomposio em
vrtice adjacentes da LTN. No entanto, para simplificar
simulamos apenas a taxa de 49 dias, obtida por interpolao.
VaR = R$ 0,15 (soluo).

Aula 5

36

Simulao Histrica
Data
Taxa
Preo LTN Variao
04-nov-04
16,08%
969,21
-0,15
03-nov-04
15,92%
969,52
0,15
01-nov-04
15,94%
969,49
0,12
29-out-04
16,01%
969,35
-0,01
28-out-04
16,01%
969,36
-0,01
27-out-04
16,01%
969,35
-0,02
...
...
...
...
14-jun-04
16,04%
969,29
-0,07
Aula 5

37

Simulao Histrica
Simulao histrica consiste em construir uma base de
movimentos dirios de todos os fatores de risco de mercado.
Vantagem da SH:
Reflete a distribuio multivariada histrica dos fatores de
risco.
Desvantagem da SH
No incorpora atualizaes da volatilidade (tipo EWMA e
GARCH). Isto , no incorpora volatilidade estocstica.

Aula 5

38

Simulao Histrica
Soluo 1: Amostrar mais freqentemente das observaes mais
recentes.
Boudoukh, Richardson, e Whitelaw (1998) propem uma
verso dessa abordagem no qual o peso da observao n+1
dias atrs igual a lambda vezes o peso da observao n dias
atrs. Para determinar o particular percentil necessrio
ordenar as observaes dos ltimos N dias e, comeando da
menor, acumular os pesos at chegar no percentil.

Aula 5

39

Simulao Histrica
Soluo 2: Ajustar as observaes pela volatilidade
GARCH/EWMA estimada diariamente (Hull e White, 1998).
Seja h a variao percentual histrica na data t.
t

Seja t a volatilidade GARCH/EWMA no dia t e N a

volatilidade GARCH/EWMA no dia N (hoje). Ento
devemos ht por ht* onde

ht
h N
t
*
t

Aula 5

40

Simulao Histrica
Exerccio: Aplique os dois mtodos anteriores para a carteira no
dia 04/11/04 formada por 10.000 aes de Petrobras.

Aula 5

41

Leitura
Jorion, (2007) Value-at-Risk
Captulos 5, 7 e 10.
Hull, J. Options, Futures and Other Derivatives, 2006.
Captulo 16.
Boudoukh, J., M. Richardson, and R. Whitelaw, "The Best of
Both Worlds," RISK, May 1998, pp. 64-67.
Hull, J. C, and A. White, "Incorporating Volatility Updating into
the Historical Simulation Method for Value at Risk," Journal of
Risk, 1, no. 1 (1998), 5-19.

Aula 5

42