Вы находитесь на странице: 1из 130

MANUELA SILVA MACHRY

O USO DO VALUE AT RISK (VAR) COMO MEDIDA DE


RISCO PARA OS FUNDOS DE PENSO

O USO DO VALUE AT RISK (VAR) COMO MEDIDA DE


RISCO PARA OS FUNDOS DE PENSO

Banca examinadora
Prof. Orientador Flvio Marclio Rabelo
Prof. William Eid Jnior
Prof. Jos Roberto Securato

FUNDAO GETLIO VARGAS


ESCOLA DE ADMINISTRAO DE EMPRESAS DE SO PAULO

MANUELA SILVA MACHRY

O USO DO VALUE AT RISK (VAR) COMO MEDIDA DE


RISCO PARA OS FUNDOS DE PENSO

Dissertao apresentada ao Curso de PsGraduao da FGV/EAESP


rea de Concentrao: Administrao Contbil
e Financeira como requisito para obteno de
ttulo de mestre em Administrao.
Orientador: Prof. Flvio Marclio Rabelo

SO PAULO
2003

MACHRY, Manuela Silva. O uso do Value at Risk (VaR) como medida de risco para os
fundos de penso. So Paulo: EAESP/FGV, 2003. 130 p. (Dissertao de Mestrado
apresentada ao Curso de Ps-Graduao da EAESP/FGV, rea de Concentrao:
Administrao Contbil-Financeira).
Resumo: Este estudo faz uma reviso das origens do VaR, bem como dos conceitos e
teorias que o fundamentam, e sua aplicabilidade aos fundos de penso. Descreve as
principais metodologias de clculo e as situaes nas quais o uso de cada uma mais
adequado. Revisa a literatura internacional acerca do uso do VaR como medida de risco
pelos fundos de penso. A seguir faz a previso do VaR para as carteiras reais de trs
fundos de penso brasileiros com trs metodologias distintas: paramtrica, simulao
histrica e simulao de Monte Carlo, esta ltima com duas suposies distintas para a
distribuio dos retornos dos fatores de risco (normal e histrica). A partir disso, realiza um
teste qualitativo, atravs da comparao do nmero de perdas efetivas realizadas pelas
carteiras dos trs fundos de penso com o nmero de perdas correspondente admitido para
os diferentes nveis de confiana utilizados no clculo do VaR. O trabalho no encontra
evidncias de superioridade de nenhuma das metodologias de clculo, sendo que todas elas
superestimaram as perdas verificadas na prtica (o VaR foi excedido menos vezes do que o
esperado).
Palavras-Chaves: Value at Risk (VaR); Risco; Fundos de Penso; Metodologia
Paramtrica; Matriz de Covarincia; Simulao Histrica; Simulao de Monte Carlo.

AGRADECIMENTOS
Gostaria de agradecer, em primeiro lugar, aos meus pais, Mrcia e Amaury, que
sempre me apoiaram nesta empreitada. Teresita, que foi minha segunda me em So
Paulo.
Ao Professor Flvio Marclio Rabelo, que me abriu tantas portas.
Aos Professores William Eid Jnior, Artur Ridolfo Neto, Ricardo Ratner Rochman
e Newton Conde, que gentilmente me deram boas orientaes nos momentos em que
precisei.
Ao Jos dson da Cunha Jnior, Fbio Ohara Ishigami, e Felipe Maia da Secretaria
de Previdncia Complementar, sem a ajuda dos quais no teria sido possvel a compreenso
de muitos conceitos e a coleta dos dados.
Ao Daniel Motta, grande amigo que me ajudou desde o incio do mestrado, em
muitas horas.
CAPES e ao CNPq, que prestaram auxlio financeiro para a realizao desta
pesquisa, atravs da concesso da bolsa de mestrado.
Aos funcionrios da EAESP.
E a todos que, direta ou indiretamente, me deram suporte e me ajudaram, tornando
possvel a concluso desta etapa to importante da minha vida.

A arte de administrar riscos consiste em decidir que elementos do


modelo so importantes.
(Philippe Jorion)

SUMRIO

1. INTRODUO............................................................................................................................................. 9
1.1 Justificativa ............................................................................................................................................. 11
1.2 Objetivos................................................................................................................................................. 13
2. REVISO BIBLIOGRFICA .................................................................................................................. 14
2.1 O Conceito de Value at Risk - VaR......................................................................................................... 14
2.1.1 Definio.......................................................................................................................................... 14
2.1.2 Escolha do nvel de confiana e do horizonte temporal................................................................... 14
2.1.3 O clculo do VaR............................................................................................................................. 16
2.1.4 A histria do VaR ............................................................................................................................ 19
2.1.5 Preciso do VaR............................................................................................................................... 20
2.2 Mtodos analticos de mensurao do risco de carteira .......................................................................... 22
2.2.1 VaR Diversificado ........................................................................................................................... 24
2.2.2 VaR Individual................................................................................................................................. 24
2.2.3 VaR No-diversificado .................................................................................................................... 25
2.2.4 VaR Marginal .................................................................................................................................. 25
2.2.5 VaR Incremental .............................................................................................................................. 27
2.2.6 VaR Componente............................................................................................................................. 27
2.3 Mtodos para o clculo do VaR.............................................................................................................. 29
2.3.1 Metodologia paramtrica ou Delta-normal ...................................................................................... 29
2.3.2 Mtodo da simulao histrica ........................................................................................................ 35
2.3.3 O Bootstrap .................................................................................................................................. 37
2.3.4 Mtodo da simulao de Monte Carlo ............................................................................................. 38
2.3.5 Comparao das metodologias......................................................................................................... 40
2.4 Validao dos modelos de clculo do VaR (Backtesting) .................................................................... 42
2.5 O VaR na gesto de investimentos ......................................................................................................... 45
2.5.1 Tipos de risco................................................................................................................................... 46
2.5.2 O VaR no monitoramento e no controle dos riscos ......................................................................... 49
3. VALUE AT RISK E OS FUNDOS DE PENSO ...................................................................................... 52
4. METODOLOGIA....................................................................................................................................... 58
4.1 Clculo do VaR com o mtodo paramtrico ........................................................................................... 58
4.2 Clculo do VaR com o mtodo da simulao histrica .......................................................................... 60
4.3 Clculo do VaR com o mtodo da simulao de Monte Carlo ............................................................... 61
4.4 A questo da volatilidade dos retornos ................................................................................................... 62
4.5 Coleta de dados....................................................................................................................................... 62
5. RESULTADOS ........................................................................................................................................... 67
5.1 Beneficncia............................................................................................................................................ 67
5.1.1 O VaR paramtrico .......................................................................................................................... 67
5.1.2 Simulao histrica.......................................................................................................................... 73
5.1.3 Simulao de Monte Carlo............................................................................................................... 78
5.2 Previdncia ............................................................................................................................................. 83
5.2.1 O VaR paramtrico .......................................................................................................................... 83
5.2.2 Simulao histrica.......................................................................................................................... 87
5.2.3 Simulao de Monte Carlo............................................................................................................... 88
5.3 Fundao................................................................................................................................................. 93
5.3.1 O VaR paramtrico .......................................................................................................................... 93
5.3.2 Simulao histrica.......................................................................................................................... 97
5.3.3 Simulao de Monte Carlo............................................................................................................... 98
5.4 Comparao entre as metodologias....................................................................................................... 103
6. CONCLUSES......................................................................................................................................... 107
ABSTRACT................................................................................................................................................... 110
7. REFERNCIAS BIBLIOGRFICAS.................................................................................................... 111

8
ANEXO A Clculo detalhado do VaR paramtrico da Beneficncia ...................................................... 115
ANEXO B Clculo detalhado do VaR paramtrico da Previdncia ........................................................ 116
ANEXO C Clculo detalhado do VaR paramtrico da Fundao............................................................ 117
ANEXO D Estatsticas descritivas das carteiras no perodo de comparao (julho de 1998 a setembro de
2002) ........................................................................................................................................................... 118
ANEXO E Variveis Assumption para simulao de Monte Carlo - suposio de normalidade para
todos os fatores de risco.............................................................................................................................. 119
ANEXO F Relatrios do Crystal Ball para simulao de Monte Carlo suposio de normalidade para
todos os fatores de risco.............................................................................................................................. 121
ANEXO G Variveis Assumption para simulao de Monte Carlo suposio de distribuio histrica
para os fatores de risco................................................................................................................................ 125
ANEXO H Relatrios do Crystal Ball para simulao de Monte Carlo suposio de distribuio
histrica para os fatores de risco................................................................................................................. 127

1. INTRODUO
Com a estabilizao econmica ocorrida no Brasil a partir de 1994, o planejamento
financeiro tem-se tornado, gradativamente, parte da vida dos cidados comuns. O horizonte
do longo prazo, antes praticamente no mencionado, passou a ser vislumbrado por um
nmero crescente de brasileiros. Prova disto o destaque cada vez maior que vem sendo
dado rea de previdncia em nosso pas.
Contrastando com o caos econmico em que vivamos anteriormente, num ambiente
extremamente incerto e de altssima inflao, no qual a principal preocupao era no
deixar que o dinheiro fosse corrodo, hoje em dia temos um cenrio menos turbulento, em
que o dinheiro no cresce mais a taxas nominais to altas, mas tem muito mais valor do que
antigamente. A estabilidade da moeda e a queda dos juros exigem um maior esforo para se
atingir uma boa rentabilidade.
A melhora nas condies macroeconmicas do Brasil permitiu que fossem
eliminados muitos vieses e tambm que se desse ateno a aspectos importantes na rea de
investimentos pessoais e de planejamento financeiro de longo prazo que antes ficavam
perdidos ou subestimados no meio da chamada ciranda financeira. As condies menos
instveis tambm possibilitaram a disponibilidade de sries histricas de dados mais
confiveis, favorecendo a aplicao de modelos matemticos e ferramentas mais
sofisticadas realidade brasileira.
Dentre estes aspectos anteriormente subestimados, mas que atualmente tm
recebido a devida ateno, encontram-se a mensurao e a administrao do risco dos
ativos que compem uma carteira e, especificamente, do risco agregado de uma entidade
previdenciria. Fala-se em risco agregado pelo fato de que, no caso de uma entidade
previdenciria (apesar das diferenas existentes nos desenhos de cada plano), existe o risco
da carteira de ativos e tambm o dos passivos, ou seja, no adequado considerar apenas o
risco dos ativos, dado que os passivos tambm aumentam com o decorrer do tempo, de
acordo com a meta atuarial, tomando-se como base algum indexador. Alm da
possibilidade de que o valor dos ativos fique abaixo do esperado, ainda existe o risco maior
de insolvncia, isto , tais ativos talvez no sejam suficientes para o pagamento dos
benefcios acumulados (caso especfico dos planos de benefcio definido). necessrio,

10

portanto, determinar qual a alocao entre as principais classes de ativos que minimiza o
risco de insolvncia. O que conta neste caso, ento, a agregao dos vrios riscos
inerentes a uma entidade previdenciria. No caso dos planos de contribuio definida,
apesar de no existir a possibilidade de que os ativos sejam insuficientes para cobrir as
obrigaes, a administrao de risco tambm importante para que se consiga a melhor
combinao risco-retorno, de forma a maximizar a renda vitalcia.
Dentro deste contexto e da crescente profissionalizao do sistema previdencirio,
torna-se fundamental que sejam implementados modelos de avaliao e de controle de
riscos que atendam s necessidades e s caractersticas especficas dos fundos de penso e,
indo um pouco mais alm, dos diferentes tipos de planos (benefcio definido e contribuio
definida). Tais caractersticas especficas dizem respeito, especialmente, natureza de
longo prazo dos investimentos e ao destino dos fundos aposentadoria, o que faz com que
seja indispensvel que os modelos utilizados por instituies como bancos (cujo horizonte
temporal costuma variar entre um dia e duas semanas) sejam adaptados realidade dos
planos previdencirios.

11

1.1 Justificativa
Assumir riscos algo que faz parte da vida e da atividade de administrao de
ativos. Uma vez que a nica maneira de eliminar o risco dos fundos de penso extinguir
os fundos, necessrio administrar os riscos, protegendo-se na medida do possvel, sem,
contudo, abrir mo da rentabilidade.
A avaliao e o controle de riscos so instrumentos fundamentais para uma alocao
eficiente da carteira de investimentos de um fundo de penso. Hoje em dia, com os juros
mais baixos, o investidor v-se obrigado a correr riscos maiores para conseguir uma maior
rentabilidade. At o incio de 1999, as aplicaes em renda fixa eram seguras, garantindo
uma remunerao razovel, sem muitos riscos. Com o CDI pagando entre 30% e 40% ao
ano, era fcil ultrapassar, com tranqilidade, a meta atuarial mnima de 6%. Atualmente, a
remunerao lquida obtida com papis de renda fixa empata ou fica desconfortavelmente
prxima da soma da inflao com a meta atuarial. Torna-se, ento, necessrio mais afinco
por parte dos administradores de carteira, no sentido de ser necessrio que eles assumam
maiores riscos para que possam obter retornos satisfatrios (Associao Brasileira das
Entidades Fechadas de Previdncia Complementar ABRAPP, 2000).
No caso de um fundo de penso com planos de benefcio definido, a anlise e a
avaliao de riscos devero levar em conta a estrutura do passivo do plano, procurando
fazer o casamento entre ativo e passivo (Asset Liability Management). Isso fica ainda
mais importante ao se observar a aproximao da maturidade da massa de participantes, o
que aumenta a preocupao em estabelecer a correspondncia entre a administrao do
patrimnio e os compromissos a serem honrados num futuro prximo. , portanto,
necessrio fazer um levantamento do passivo atuarial, estimar os riscos envolvidos e
projetar o fluxo de caixa para o pagamento dos benefcios. No caso do Brasil, isto
primordial, pois com o objetivo, por parte do governo, de baixar a taxa de juros assim que
for possvel, os ganhos com as aplicaes de renda fixa diminuiro, ao passo que o valor
presente do passivo atuarial aumentar, pois ele ser descontado a uma taxa menor.
Alm disso, a Resoluo n 2829 do Conselho Monetrio Nacional, a qual regula os
investimentos das EFPCs, determina a obrigatoriedade da manuteno de um sistema de
avaliao e de controle de riscos nos fundos (com meno metodologia de VaR). Seria

12

bom se as entidades de previdncia pudessem contar com um modelo, no qual pudessem se


basear para a implementao de um sistema de mensurao e monitoramento de risco.
O risco pode ser quantificado de vrias formas, dentre elas o desvio padro dos
retornos da carteira, a duration, o VaR , o downside risk e o tracking error. A principal
vantagem de usar o VaR, conforme coloca De La Rocque (1997), que ele permite
integrar, em uma nica medida numrica, o risco total da carteira de ativos sob anlise,
agregando no clculo todos os ativos e passivos e permitindo a comparao e a integrao
dos riscos de diferentes classes de ativos (como aes e renda fixa, por exemplo).
Cada fundo deve estabelecer suas diretrizes gerais de poltica de alocao de ativos
e o seu nvel de tolerncia ao risco, que pode ser um determinado VaR. Assim, todas as
vezes em que o VaR calculado para o fundo superar o VaR que foi estabelecido pelo fundo
como o mximo aceitvel, medidas corretivas podero ser tomadas, mudando o perfil da
carteira (ou de algumas das carteiras, no caso de uma gesto total ou parcialmente
terceirizada), at que seja atingido um VaR considerado adequado para o fundo. Este
processo denominado oramento de VaR e seu objetivo criar um limite de exposio
mxima da carteira do fundo de penso ao risco de mercado. No caso dos planos de
contribuio definida, a entidade pode dar aos participantes opes de produtos
classificados de acordo com o VaR (Rabbat, 2000).

13

1.2 Objetivos
Um dos objetivos deste trabalho realizar um estudo sobre as origens do VaR,
sobre os conceitos e as teorias que o fundamentam e sua aplicabilidade s carteiras dos
investidores institucionais, especificamente aos fundos de penso. Isto inclui a pesquisa
sobre a teoria estatstica na qual se baseia o VaR, alm da descrio das principais
metodologias de clculo, o que tambm envolve consideraes sobre as circunstncias em
que o uso de cada uma mais adequado. Somado a isto est a reviso da literatura
internacional acerca do uso desta medida de risco pelos fundos de penso e por outros
investidores de longo prazo.
O principal objetivo deste trabalho, entretanto, verificar se o VaR um
instrumento eficaz de controle de risco de mercado para os fundos de penso brasileiros.
Esta verificao ser feita atravs da comparao, em carteiras de trs fundos de penso,
dos percentuais de perdas esperados (gerados com as metodologias de clculo) com as
perdas efetivamente ocorridas, e das metodologias entre si.
Cabe ressaltar aqui que no ser um teste estatstico, mas qualitativo, no intuito de
verificar a proximidade das perdas ocorridas na realidade com as perdas previstas com trs
metodologias de clculo: a paramtrica, a simulao histrica e a simulao de Monte
Carlo. O teste ser qualitativo porque analisar a carteira de apenas trs entidades e porque
a periodicidade de mensurao dos retornos das carteiras dos fundos de penso e dos
fatores de risco ser mensal, resultando em uma amostra pequena, o que a principal
limitao do trabalho.
Todavia, o exerccio que se est propondo de grande utilidade para o universo dos
fundos de penso, visto que busca adaptar os modelos de clculo de VaR existentes na
literatura internacional s peculiaridades e s dificuldades do mercado brasileiro e s
particularidades dos fundos de penso, para que seja possvel calcular estimativas
confiveis de risco de mercado para os fundos de penso dentro do contexto que lhes
prprio.

2. REVISO BIBLIOGRFICA

2.1 O Conceito de Value at Risk - VaR


2.1.1 Definio
A principal vantagem do Value at Risk que ele resume o risco de uma instituio
financeira devido a variveis do mercado financeiro em uma nica medida fcil de se
entender. Esta a razo pela qual o VaR se tornou uma ferramenta essencial na
comunicao dos riscos para a alta administrao, diretores e acionistas. O banco J.P.
Morgan foi um dos primeiros usurios do VaR, revelando no seu relatrio anual de 1994,
que o seu VaR era, em mdia, de 15 milhes de dlares, ao nvel de confiana de 95 por
cento para um dia. Seus acionistas puderam ento julgar se estavam confortveis com este
nvel de risco (JORION, 2000).
Definido formalmente segundo JORION (2000), o VaR sintetiza a maior perda
esperada em um determinado perodo de tempo e em um intervalo de confiana. O primeiro
passo para medir o VaR a escolha do horizonte temporal e do nvel de confiana. Estes
dois fatores so, de certa forma, arbitrrios e devem ser orientados de acordo com o
objetivo do VaR.

2.1.2 Escolha do nvel de confiana e do horizonte temporal


O Comit da Basilia (BASLE COMMITTEE ON BANKING SUPERVISION,
1995), com sua abordagem do modelo interno, definiu um intervalo de confiana de 99%
para 10 dias. O nmero de VaR calculado ento multiplicado por 3, o que fornece a
exigncia mnima de capital para o cumprimento da regulamentao. O Comit escolheu
um perodo de dez dias porque ele reflete o equilbrio entre os custos de monitoramento
freqente e os benefcios da identificao antecipada de problemas potenciais. Do lado dos
usurios, o horizonte pode ser determinado pela natureza da carteira. Os bancos comerciais
costumam declarar o VaR de suas operaes para um horizonte dirio, pois suas carteiras

15

giram rapidamente. Em contraposio, as carteiras de investimento, como os fundos de


penso, objetos do presente trabalho, ajustam suas exposies ao risco lentamente, razo
pela qual um horizonte de um ms costuma ser adotado (JORION, 2000).
H poucas linhas determinantes quando da escolha do horizonte temporal e do nvel
de confiana. O significado das diferenas entre estas escolhas depende do uso que ser
feito do VaR. DOWD (1998) enumera quatro aspectos que exercem influncia na escolha
do horizonte temporal. O primeiro a liquidez dos ativos e dos mercados em que a
instituio opera. O horizonte apropriado normalmente encarado como o perodo
necessrio para uma liquidao ordenada das posies da carteira. Os outros trs aspectos
sugerem um horizonte temporal curto. Um deles para justificar a aproximao normal,
cuja validade mais plausvel quando o perodo curto. O outro diz respeito ausncia de
rebalanceamento da carteira: o clculo do VaR supe que as exposies aos fatores de risco
so constantes, e quanto mais longo for o horizonte, maior a probabilidade de que a carteira
seja ajustada no intuito de minimizar as perdas. O ltimo motivo que favorece um horizonte
temporal curto o propsito de validao do modelo utilizado no clculo do VaR. Para que
a validao seja confivel, necessria uma amostra grande, que mais facilmente
viabilizada atravs de um perodo pequeno. Se o teste exige, por exemplo, 1000
observaes no coincidentes, a menor amostra ser de quatro anos com dados dirios, de
20 anos com dados semanais e de 80 anos com dados mensais. Sries to longas contm
muitas observaes demasiado antigas, que no do sentido a comparaes, devido s
mudanas estruturais ocorridas desde ento.
Quanto aos nveis de confiana, DOWD (1998) tambm apresenta algumas
consideraes. Quando o objetivo a validao do modelo, no aconselhvel usar nveis
de confiana altos. Quanto maior for o nvel de confiana, mais raramente as perdas
superaro o VaR, e ter-se- que esperar mais tempo para que se tenha observaes de
perdas em excesso suficientes para se obterem resultados confiveis. Alm disso, existe a
questo do equilbrio entre os erros do tipo 1 e 2, que ser abordada mais adiante. Se o
objetivo for a determinao da reserva de capital, a escolha do nvel de confiana ser
muito importante e dever incorporar a averso ao risco da empresa e o custo de uma
eventual perda maior que o VaR. No entanto, se o VaR for utilizado como uma medida de

16

referncia que possibilite que a empresa compare riscos em mercados diferentes, a escolha
do nvel de confiana no ter tanta relevncia.

2.1.3 O clculo do VaR


JORION (2000) explica o clculo do VaR com uma complexidade crescente. O
autor comea com os conceitos mais bsicos, adicionando novos elementos e novas
metodologias de clculo ao longo da obra. A seguir, descrever-se-, segundo este autor, os
passos para se calcular o VaR, o clculo do VaR para distribuies gerais e o clculo do
VaR paramtrico, de uma maneira bem simples, que ser aprofundada posteriormente.
Passos para se calcular o VaR
Suponhamos que seja necessrio medir o VaR de uma carteira de aes no valor
100 milhes de unidades monetrias num horizonte temporal de 10 dias, ao nvel de
confiana de 99%. Os passos a serem implementados sero os seguintes:
1. Determinar o valor da carteira1 hoje (isto , 100 milhes de unidades
monetrias);
2. Medir a variabilidade dos fatores de risco (por exemplo, 15% ao ano);
3. Definir o horizonte temporal (por exemplo, 10 dias teis);
4. Definir o nvel de confiana (por exemplo, 99%, que corresponde a um mltiplo
() de 2,33, supondo -se uma distribuio normal);
5. Declarar a pior perda resultante do processamento de toda a informao acima
(isto , um VaR de 7 milhes de unidades monetrias).
Clculo do VaR para distribuies gerais
O mtodo geral baseado na distribuio emprica e no quantil amostral.
Para computar o VaR de uma carteira, define-se:
W0 = investimento inicial;
R = taxa de retorno do investimento, com retorno esperado e volatilidade .
1

Estritamente diz-se marcar a mercado o valor da carteira.

17

W = valor da carteira ao fim do horizonte considerado: W = W0(1 + R).


W* = menor valor da carteira ao nvel de confiana c: W* = W0 (1 + R*).
O VaR pode ser definido como a perda, em unidades monetrias, em relao
mdia:
VaR (mdia) = E(W) W* = -W0(R* - )
O VaR tambm pode ser definido como a perda absoluta em unidades monetrias
(sem levar em considerao o valor esperado):
VaR (absoluto) = W0 W* = -W0R*
Nos dois casos, calcular o VaR identificar o valor mnimo W* ou o retorno crtico
R*.
De uma maneira mais geral, o VaR pode ser derivado da distribuio de
probabilidade do valor futuro da carteira, f(w). Considerando-se um nvel de confiana c,
queremos encontrar W* de tal maneira que a probabilidade de se exceder este valor seja c:

c=

f (w)dw

W*

ou, alternativamente, de que a probabilidade de um valor menor que W* seja 1- c:


W*

1 c =

f (w)dw = P(w W *) = p

O valor W* denominado quantil da distribuio. Neste caso no se usou o


desvio-padro para determinar o VaR.
Clculo do VaR para distribuies paramtricas
O mtodo paramtrico tenta ajustar uma distribuio paramtrica (como, por
exemplo, a distribuio normal2) aos dados.
A suposio de normalidade da distribuio dos retornos simplifica o clculo do
VaR de forma considervel. Neste caso, o VaR pode ser calculado diretamente a partir do
desvio-padro da carteira, utilizando-se um multiplicador correspondente ao nvel de
confiana.
2

DOWD (1998) destaca duas vantagens importantes da normalidade. A primeira a sua tratabilidade, que
facilita os clculos do VaR, tornado-o um mltiplo do desvio-padro da carteira. A segunda a sua
informatividade. Sob a suposio de normalidade, qualquer VaR baseado em alguma combinao particular

18

Em primeiro lugar, necessrio transformar a distribuio geral f(w) em uma


distribuio normal padronizada (), em que a mdia de seja zero e seu desvio-padro
seja 1. W* associado ao retorno crtico R* tal que W* = W0 (1 + R*). Geralmente, R*
negativo e tambm pode ser escrito como - |R*|. Pode-se, alm disso, associar R* a um
fator > 0, proveniente de uma normal padronizada, por meio de:
- = - |R*| -

e isto equivale a estabelecer que:


W*

R*

1 c =

f (w)dw =

f (r )dr =

()d

Deste modo, a questo de se encontrar o VaR descobrir o fator de forma que a


rea sua esquerda seja 1- c. Isto feito usando-se as tabelas da funo distribuio
normal padronizada cumulativa, que a rea esquerda de uma varivel normal
padronizada, com valor igual a d:
N (d ) =

()d

O retorno crtico ento:


R* = - +
Supondo-se que os parmetros e estejam expressos em bases anuais e que o
intervalo de tempo considerado seja t (em anos), temos que o VaR em relao mdia :
VaR (mdia ) = W0 (R * ) = W0 t

O VaR , portanto, um mltiplo do desvio-padro da distribuio, multiplicado por


um fator de ajuste que est diretamente relacionado ao nvel de confiana e ao horizonte
temporal.
O VaR absoluto definido por:

VaR (absoluto) = W0 R* = W0 t t

A distribuio normal simples de ser tratada e sua aplicao no clculo do VaR


adequada quando se trabalha com carteiras grandes e bem diversificadas; entretanto, no

de um nvel de confiana e um horizonte temporal possibilita a transformao do nmero em outro VaR


baseado em qualquer combinao de nvel de confiana e horizonte temporal.

19

indicada para carteiras com muitas opes e com exposio a uma pequena quantidade de
riscos financeiros.

2.1.4 A histria do VaR


JORION (2000) destaca que as origens do VaR remontam ao trabalho sobre a teoria
de carteiras de MARKOWITZ (1952). MARKOWITZ enfatizou que risco e retorno devem
ser considerados conjuntamente e props o desvio padro como medida de disperso de
apelo intuitivo. MARKOWITZ estudou o tradeoff entre o risco e o retorno esperado num
arcabouo de mdia-varincia.
Dada uma carteira de dois ou mais ttulos, o retorno esperado ser a mdia dos
retornos individuais de cada ttulo, ponderada pela sua proporo na carteira:
N

R p ,t +1 = wi ,t Ri ,t +1 ,
i =1

onde wi,t o peso do ttulo i na carteira em t e Ri,t+1 o retorno esperado do ttulo i


em (t+1). A varincia da carteira depender da varincia de cada ttulo e das covarincias
entre os ttulos:

2 (R p ,t +1 ) = wt' t +1 wt ,
onde

t +1

a matriz de covarincia e wt o vetor de pesos dos ativos. Incluindo as

covarincias no clculo, leva-se em considerao o efeito da diversificao, que existir


quando a correlao (razo entre a covarincia entre dois ttulos e o produto de seus
desvios-padro) for menor do que 1. O VaR baseia-se intensivamente nos conceitos da
teoria de carteiras, reconhecendo as correlaes entre todos os ativos e classes de ativos
(aes, ttulos de renda fixa, etc.) e apresentando um nico nmero para o risco de
mercado.
O VaR considerado por DOWD (1998) como uma evoluo da teoria de carteiras
de MARKOWITZ, sendo que DOWD destaca as seguintes vantagens:
1. A teoria de carteiras interpreta o risco como o desvio padro do retorno, enquanto
o VaR o interpreta em termos da perda mxima provvel;

20

2. A teoria de carteiras limitada ao risco de preos de mercado, ao passo que o


VaR pode ser adaptado aos riscos de crdito e de liquidez3;
3. O VaR permite o uso de metodologias distintas, conferindo flexibilidade para a
adequao do clculo em diferentes situaes;
4. O VaR consegue tratar caractersticas como a no-normalidade dos retornos;
5. O VaR fornece orientaes mais consistentes do que a teoria de carteiras para
decises de investimento, administrao de carteiras e hedging;
6. O VaR proporciona uma gesto de risco global.

2.1.5 Preciso do VaR


Voltando exposio de JORION (2000), as estimativas do VaR com base em
dados reais devem ser olhadas com reserva, pois so afetadas pelo erro de estimao, que
a variao amostral decorrente do tamanho limitado da amostra. Os usurios precisam
julgar o grau de preciso no VaR declarado. Uma estimativa pontual do VaR de 15 milhes
de unidades monetrias, por exemplo, tanto pode significar que o VaR est entre 14 e 16
milhes, como pode significar que o VaR est entre 5 e 25 milhes.
No caso de o VaR ser obtido de uma simulao histrica, que usa uma janela de T
dias para medir o risco, existe o problema de o VaR calculado ser apenas uma estimativa do
valor real e ser, portanto, afetado pela variao amostral. A escolha de janelas T diferentes
leva a valores de VaR diferentes.
Uma possvel interpretao das estimativas que os estimadores e so
amostras de uma distribuio implcita com parmetros desconhecidos e . Com um
nmero infinito de observaes T e um sistema perfeitamente estvel, os estimadores
devem convergir para seus valores verdadeiros. No mundo real, os tamanhos das amostras
so limitados porque algumas sries, como mercados emergentes (caso do Brasil), so
recentes, ou pelo fato de que mudanas estruturais tornam o uso de sries muito longas sem

Os riscos de crdito e de liquidez no so objeto do presente trabalho, mas explicaes mais detalhadas
podem ser encontradas em DOWD (1998) e JORION (2000).

21

sentido. Como alguns erros de estimao podem permanecer, a disperso natural dos
valores pode ser medida pela distribuio amostral dos parmetros e 4.

Dentre os dois mtodos de determinao do VaR apresentados at agora (leitura


direta do nmero atravs do quantil da distribuio e clculo do desvio-padro da carteira
para posterior multiplicao pelo apropriado), JORION (2000) coloca que o mtodo
baseado em mais preciso. Este mtodo utiliza informao sobre toda a distribuio
(todos os desvios em torno da mdia elevados ao quadrado), enquanto o mtodo do quantil
utiliza apenas o ranking das observaes e as duas observaes vizinhas ao valor estimado.
No caso da distribuio normal, possvel saber exatamente como transformar no
quantil estimado usando . Para outras distribuies, o pode ser diferente, mas pode-se
esperar um desempenho melhor do que o do quantil, devido ao uso de toda a informao
amostral implcita no desvio-padro. O mtodo baseado em proporciona ganhos de
eficincia substanciais em relao ao mtodo do quantil.
Em resumo, a vantagem dos mtodos paramtricos que eles so muito mais fceis
de serem tratados e criam estimativas mais precisas do VaR. A desvantagem que eles
podem no representar uma boa aproximao da distribuio real de lucros e perdas. Ao se
optar pelo mtodo dos quantis empricos, no entanto, necessrio ter-se conscincia do
efeito da variao amostral ou da impreciso no clculo do VaR.

Para uma descrio detalhada da distribuio das estatsticas nas quais o VaR baseado, ver JORION
(2000).

22

2.2 Mtodos analticos de mensurao do risco de carteira

Segundo JORION (2000), o caminho mais curto para a mensurao do VaR assume
que os retornos so funes lineares (ou funes delta) de fatores de risco distribudos
normalmente. O mtodo delta normal uma aplicao direta da anlise de carteira
tradicional, que baseada em varincias e covarincias. O mtodo analtico porque o VaR
derivado de solues preconcebidas e possibilita um controle melhor da mensurao do
risco, atravs de uma decomposio do VaR da carteira. Entretanto, uma das
inconvenincias dos modelos lineares de VaR que o tamanho da matriz de covarincia
aumenta geometricamente com o nmero de ativos.
Uma carteira caracterizada pelas posies nos ativos que a constituem. Se as
posies forem fixas no horizonte temporal selecionado, o retorno da carteira ser uma
combinao linear dos retornos dos ativos subjacentes, no qual os pesos sero dados pela
participao relativa investida em cada ativo no incio do perodo considerado. Assim, o
VaR da carteira pode ser construdo a partir de uma combinao dos riscos dos ativos
subjacentes.
Vamos definir a taxa de retorno da carteira de t a t+1 como:
N

R p ,t +1 = wi Ri ,t +1 ,
i =1

onde N o nmero de ativos, Ri,t+1 o retorno do ativo i, e wi o peso deste ativo na


carteira. possvel que haja pesos positivos e negativos indicando posies comparadas
(long) e vendidas (short), e valores maiores que 1, indicando um fundo alavancado.
Tambm possvel que os retornos sejam expressos em unidades monetrias. Para que no
haja confuso, ao longo deste trabalho, conforme sugesto de JORION (2000),
convencionar-se- que as posies em valores monetrios sero denominadas x.
Na anlise de mdia-varincia tradicional, cada ativo um ttulo (security),
enquanto o VaR define os componentes como fatores de risco e wi como a exposio linear
a um determinado fator de risco.
O retorno da carteira pode ser escrito em notao matricial:

23

R p = w1 R1 + w2 R2 + ... + wN R N = [w1

w2

R1
R
... wN ] 2 = w' R ,
...

RN

onde w representa o vetor de pesos transposto e R o vetor contendo os retornos


individuais dos ativos. O retorno esperado da carteira , portanto:
E (R p ) = p = wi i
N

i =1

e sua varincia
V (R p ) = p2 = wi2 i2 +
N

i =1

i =1 j =1 j i

i =1

i =1 j <i

wi w j ij = wi2 i2 + 2 wi w j ij .

Esta soma leva em considerao tanto o risco dos ativos individuais i2 quanto todas
as covarincias, que resultam num total de N(N 1)/2 termos diferentes. medida que o
nmero de ativos aumenta, torna-se mais difcil rastrear todos os temos de covarincia,
motivo pelo qual mais conveniente usar-se a notao matricial. A varincia pode ser
expressa da seguinte maneira:

= [w1
2
p

11 12
... wN ] ...
N 1 N 2

13
N3

... 1N w1
... .

... NN wN

Se definirmos como a matriz de covarincia, a varincia do retorno da carteira


pode ser escrita, de maneira compacta, como

p2 = w' w
ou, alternativamente, em unidades monetrias:

p2W 2 = x' x
O objetivo final traduzir a varincia da carteira em uma medida de VaR. Para isso,
necessrio saber a distribuio dos retornos da carteira. No modelo delta-normal, supe-se
que os retornos de todos os ativos individuais sejam distribudos normalmente. Esta
hiptese bastante conveniente porque o retorno da carteira, que uma combinao linear
de variveis aleatrias normais, tambm ser normalmente distribudo. Assim sendo,
possvel traduzir o nvel de confiana c em um desvio da distribuio normal padronizada
tal que a probabilidade de ocorrer uma perda pior do que (1-c).

24

2.2.1 VaR Diversificado


o VaR da carteira, levando-se em considerao os benefcios da diversificao
entre os componentes (JORION, 2000). Definindo-se W como o valor inicial da carteira, o
VaR :

VaR portfolio = VaR p = pW = x' x ,

2.2.2 VaR Individual

o VaR de um ativo isoladamente. O risco individual de cada componente pode ser


definido como:
VaRi = i Wi = i wi W .

O VaR da carteira depende das varincias, das covarincias e do nmero de ativos.


A covarincia, entretanto, pode ser uma medida difcil de ser interpretada. O coeficiente de
correlao mais conveniente, alm de ser uma medida de dependncia linear que no tem
escala:

12 =

12
.
1 2

O risco da carteira pode ser diminudo se as correlaes entre os ativos forem baixas
ou se houver um nmero grande de ativos.
Quando as correlaes entre os ativos que compem a carteira so menores do que
1, o VaR da carteira menor do que a soma dos VaRs individuais. Somente no caso
extremo de os ativos serem perfeitamente correlacionados que o VaR da carteira ser
igual soma dos VaRs individuais dos ativos. Porm, isto dificilmente ocorrer, j que as
correlaes so tipicamente imperfeitas. O benefcio advindo da diversificao pode ser
medido em termos da diferena entre o VaR diversificado e o VaR no-diversificado.

25

2.2.3 VaR No-diversificado

a soma dos VaRs individuais ou o VaR da carteira quando no existirem posies


vendidas e todas as correlaes forem iguais unidade (JORION, 2000).
O VaR no-diversificado pode ser interpretado como o teto do VaR da carteira, se
as correlaes se revelarem instveis e se moverem todas na direo errada ao mesmo
tempo. o pior cenrio possvel para a carteira em questo.
A DECOMPOSIO DO VaR
As ferramentas de decomposio do VaR auxiliam o processo de administrao de
risco. Elas possibilitam que se determine, por exemplo, que posio o administrador da
carteira deve alterar para atingir um VaR mais adequado aos seus objetivos. As ferramentas
de decomposio do VaR (VaR Marginal, VaR Incremental e VaR Componente)
possibilitam uma anlise da contribuio dos ativos para o risco da carteira, em funo do
critrio desejado (JORION, 2000).
DOWD (1998) ressalta que estas informaes podem ser teis na identificao das
fontes de exposio ao risco de maior vulto, proporcionando informaes para o
monitoramento de limites s posies e para a avaliao do desempenho individual dos
administradores de carteiras. Esta decomposio tambm ajuda a avaliar o impacto de
compras potenciais de ativos para o VaR da carteira.

2.2.4 VaR Marginal

a variao no VaR da carteira, que resulta do aumento de uma unidade monetria


na exposio a um determinado componente. a derivada parcial em relao ao peso do
componente (JORION, 2000).
Os VaRs individuais no so suficientes para se medir o efeito da mudana de
posies no risco da carteira. A volatilidade mede a incerteza no retorno de um ativo,
isoladamente. Entretanto, quando este ativo pertence a uma carteira, o que importa a sua
contribuio para o risco da mesma. Para se julgar o impacto de se somar uma unidade do

26

ativo i carteira, mede-se a sua contribuio marginal para o risco, aumentando-se w em


uma quantidade pequena, ou diferenciando-se a equao da varincia da carteira em relao
a wi:
p2
wi

= 2 wi i2 + 2

= 2Cov( Ri , R p )
=
+
w

2
Cov
R
,
w
R
w
R

j ij
i
i
i
j
j

j =1, j i
j
i

Mas a derivada da volatilidade, no a da varincia, que necessria para o clculo.


Dado que

p2

= 2 p

wi

p
wi

, a sensibilidade da volatilidade da carteira a uma mudana no

peso do ativo i :
p
wi

Cov ( Ri , R p )

Colocando-se esta derivada parcial dentro do contexto do VaR, encontra-se a


expresso para o VaR Marginal:
VaRi =

p
Cov ( Ri , R p )
VaR
=
=
.
p
wiW
wi

O VaR marginal est intimamente relacionado ao beta:

i =

Cov ( Ri , R p )

2
p

ip ip i p

=
= ip i ,
2
2
p
p
p

que mede a contribuio de um ativo para o risco total da carteira. O vetor ,


incluindo todos os ativos, pode ser escrito em notao matricial:

w
.
( w' w)

Como o vetor w foi um passo intermedirio no clculo do VaR, o vetor e,


portanto, os VaRs marginais podem ser computados sem maiores dificuldades depois que o
VaR for calculado. Em resumo, a relao entre o VaR e o
VaRi = ( i p ) =

VaR
i
W

27

2.2.5 VaR Incremental


a mudana no VaR devida a uma nova posio. A diferena entre o VaR Marginal
e o VaR Incremental que a quantidade adicionada ou subtrada no VaR Incremental pode
ser grande e, neste caso, o VaR muda de modo no-linear (JORION, 2000).
Esta metodologia pode ser usada para avaliar o impacto total de uma determinada
transao na carteira p. A nova transao representada pela posio a, que o vetor de
exposies adicionais aos fatores de risco, medida em unidades monetrias. O ideal que o
VaR da carteira seja medido na posio inicial, VaRp, e depois novamente na posio final
VaRp+a. O VaR incremental ento obtido como:
VaRincremental = VaR p + a VaR p .
Se o VaR diminuir depois da suposta transao, ela dita redutora de risco ou
hedge; se o VaR aumentar, a transao agravadora de risco. O a pode representar uma
alterao em um nico componente ou mudanas mais complexas em vrios componentes.
Genericamente, a representa o vetor de novas posies.
A principal desvantagem desta abordagem que ela exige uma reavaliao
completa da carteira com a nova transao. Porm o VaR incremental pode ser aproximado
como

VaRincremental (VaR)'a .
Esta aproximao ser boa para carteiras grandes, em que a nova transao pode ser
considerada pequena (marginal) em relao ao total da carteira.

2.2.6 VaR Componente

uma diviso da carteira que indica aproximadamente quanto o VaR do porflio


vai mudar se um fator de risco for removido (JORION, 2000).
Para se administrar o risco da carteira, desejvel dispor de sua decomposio, o
que no trivial, pois a volatilidade da carteira no uma funo linear das partes que a
compem. necessria uma decomposio aditiva do VaR, que leve em considerao os

28

benefcios da diversificao, de modo que os componentes somados resultaro no VaR total


da carteira:
N

CVaR1 + CVaR2 + ... + CVaR N = VaR wi i = VaR


i =1

Podemos utilizar o VaR marginal no clculo do VaR componente, dado que o VaR
marginal uma ferramenta que ajuda a medir a contribuio de cada ativo para o risco da
carteira. Multiplicando-se o VaR marginal (VaR) pela atual posio no ativo em unidades
monetrias temos:
VaRcomponente = CVaR = (VaRi ) wiW = VaR i wi .
A qualidade da aproximao melhora quando se trabalha com carteiras grandes que
tm posies pequenas em cada fator de risco.
O VaR componente pode ser simplificado ainda mais. Considerando-se o fato de
que i igual correlao i vezes i dividido pelo desvio-padro da carteira p, podemos
escrever:
CVaRi = VaRwi i = ( pW ) wi i = ( i wiW ) i = VaRi i ,
o que transforma o VaR Individual em sua contribuio para o VaR da carteira
atravs da multiplicao pelo coeficiente de correlao. Da temos que a contribuio
percentual do componente i para o VaR da carteira :
Contribuio percentual do Componente i para o VaR =

CVaRi
= wi i .
VaR

29

2.3 Mtodos para o clculo do VaR


O objetivo do VaR fornecer uma medida de risco razoavelmente exata a um custo
aceitvel. Para isto, necessrio escolher, entre as diversas metodologias disponveis,
aquela que melhor se adapte carteira em questo. Conforme exposto por JORION (2000),
as metodologias podem ser divididas em dois grupos:
1. Metodologias de Avaliao Local o risco medido avaliando-se a carteira uma
vez na posio inicial e, depois, usando-se derivativos locais para inferir possveis
movimentos. As metodologias de avaliao local dividem-se em:

Paramtrica ou Delta-normal

Delta-gama (the Greeks) uma variao da delta-normal, sendo que


esta considera as derivadas de primeira e segunda ordem.

2. Metodologias de Avaliao Plena o risco medido reavaliando-se a carteira em


vrios cenrios possveis. Dividem-se em:

Simulao histrica

Simulao de Monte Carlo

Esta classificao reflete o tradeoff entre velocidade e preciso da estimativa. A


velocidade fundamental para carteiras grandes com exposio a muitos fatores de risco,
que so mais facilmente tratados com a abordagem delta-normal. Entretanto, a preciso
pode ser mais importante se a carteira tiver grande quantidade de componentes nolineares.

2.3.1 Metodologia paramtrica ou Delta-normal


Esta metodologia tem como hiptese essencial a normalidade dos retornos, o que
faz com que sua implementao seja fcil e possibilite flexibilidade na converso do VaR
para diferentes nveis de confiana e horizontes temporais (JORION, 2000). A avaliao
delta considera apenas a primeira derivada. No caso de um instrumento cujo valor depende
apenas de um fator de risco S, a primeira etapa avaliar a carteira no momento inicial, com
derivativos numricos ou analticos:

30

V0 = V ( S 0 )
Vamos definir 0 como a primeira derivada parcial, ou seja, a sensibilidade da
carteira a alteraes nos preos, avaliados na posio atual V0. O da carteira pode ser
computado como a soma dos s individuais. A perda potencial em valor dV computada
da seguinte maneira:

dV =

V
| 0 dS = 0 dS ,
S

o que envolve a mudana potencial nos preos dS. Por se tratar de uma relao linear, a pior
perda possvel para V quando ocorre um valor extremo de S (fator de risco). Se a
distribuio for normal, o VaR da carteira poder ser calculado a partir do produto entre a
exposio e o VaR da varivel subjacente:
VaR = 0 VaRS = 0 (S 0 ) .
Aqui, (dS/S) o desvio-padro das taxas de mudanas no preo. O pressuposto
que estas taxas de mudanas sejam normalmente distribudas. Aqui o VaR foi medido
computando-se o valor da carteira apenas uma vez, na posio inicial V0.
Para uma carteira de renda fixa, o fator de risco a rentabilidade (yield) y, e a
relao preo-lucro (price-yield)

dV = D * Vdy
onde D* a duration modificada. Neste caso, o VaR da carteira

VaR = ( D * V ) ( ) ,
onde (dy) agora a volatilidade das mudanas no nvel de rentabilidade. Assim
como no caso anterior do fator de risco S, supe-se aqui que as mudanas na rentabilidade
sejam normalmente distribudas. O VaR para o lucro pode ser encontrado quando se tem a
exposio e o VaR do preo subjacente.
A qualidade da aproximao proporcionada pela avaliao delta-normal depende do
grau de no-linearidade da carteira, do tipo de opes existentes, de sua maturidade, da
volatilidade dos fatores de risco e do horizonte temporal. Quanto menor for o horizonte,
melhor ser a aproximao delta-normal. Segundo DOWD (1998), ao se usar a abordagem
delta normal, supe-se que a no-linearidade de algumas das posies da carteira sejam
suficientemente pequenas a ponto de se poder ignor-las e, mesmo assim, de as estimativas
de VaR serem obtidas com uma preciso satisfatria.

31

Implementao do mtodo Delta-normal


Quando a carteira composta apenas de ttulos com distribuio conjunta normal, a
mensurao do VaR simples. O retorno da carteira
N

R p ,t +1 = wi ,t Ri ,t +1 .
i =1

Como o retorno da carteira uma combinao linear de variveis normais, ele


tambm normalmente distribudo. Em notao matricial, a varincia da carteira dada
por:

2 ( R p ,t +1 ) = wt' t +1 wt ,
onde t +1 a previso da matriz de covarincia para o horizonte de VaR
selecionado.
Entretanto, o VaR precisa ser medido para carteiras grandes e complexas e que se
modificam com o passar do tempo. O mtodo delta-normal simplifica o processo atravs da
implementao dos seguintes passos JORION (2000):
1. Especificao de uma lista de fatores de risco (renda fixa, renda varivel,
imveis);
2. Mapeamento da exposio linear de todos os ativos da carteira a estes fatores de
risco (pode-se, por exemplo, considerar que todos os ttulos de renda fixa que tm o mesmo
indexador estejam expostos ao mesmo fator de risco);
3. Agrupamento dos ativos que esto expostos ao mesmo fator de risco em grupos
de risco;
4. Estimao da matriz de covarincia dos fatores de risco5;
5
Existe uma questo relativa matriz de covarincia com a qual preciso ter cuidado. A matriz de
covarincia estimada tem que ser positiva semidefinida, de modo a assegurar que as varincias estimadas
sejam sempre no-negativas, no importando o valor relativo aplicado em cada instrumento na carteira. Uma
matriz n x n positiva semidefinida se o produto xx for no-negativo, sendo que x qualquer vetor n x 1
com um ou mais termos positivos, e que, se existirem outros termos, eles sero iguais a zero. Esta condio
satisfeita se duas outras forem verdadeiras: (1) o nmero de observaes utilizado para estimar a matriz de
covarincia ter que ser pelo menos to grande quanto o nmero de ativos existentes na carteira; e (2)
nenhuma das sries de retornos dos ativos poder apresentar correlao linear perfeita com outra srie ou
grupo de sries. A soluo normalmente empregada para solucionar a no-existncia de uma matriz positiva
semidefinida diminuir a dimenso da matriz de covarincia, atravs do mapeamento dos ativos em ativos
benchmarks (ou fatores de risco). Isto equivale a descrever os instrumentos como combinaes aproximadas
de elementos-padro constituintes (standard building blocks), que viabilizaro o clculo do VaR (DOWD,
1998).

32

5. Clculo do risco total da carteira.


O mapeamento produz um conjunto de exposies xi,t, agregadas por fator de risco,
incluindo todos os ativos e este conjunto medido em unidades monetrias. O VaR da
carteira portanto:
VaR = xt' t +1 xt .

Duas metodologias podem ser usadas para se medir a matriz de covarincia . Ela
pode ser baseada unicamente em dados histricos, usando, por exemplo, um modelo que
permite a variao do risco no tempo, ou pode incluir medidas de risco implcitas em
opes. Estas ltimas so superiores s medidas histricas, mas no esto disponveis para
todos os ativos.
Vantagens e desvantagens do mtodo Delta-normal
JORION (2000) destaca que o mtodo delta-normal de fcil implementao
porque envolve apenas a multiplicao matricial. Alm disso, rpido em termos
computacionais, mesmo havendo grande nmero de ativos, uma vez que ele substitui as
posies nos ativos pela sua exposio linear aos fatores de risco. Por ser uma abordagem
paramtrica, o VaR calculado pelo mtodo delta-normal de fcil decomposio e anlise,
pois as medidas de risco incremental e marginal so passos intermedirios para o clculo do
VaR. Os nicos dados necessrios para se calcular o VaR atravs deste mtodo so os
valores de mercado e as exposies aos fatores de risco das posies correntes, combinados
com dados sobre o risco.
Dentre os problemas relacionados ao mtodo delta-normal, um dos mais srios a
presena de caudas gordas na distribuio dos retornos da maioria dos ativos financeiros.
As caudas gordas so particularmente preocupantes pelo fato de que o VaR busca
justamente captar o comportamento do retorno da carteira na cauda esquerda. Neste caso,
um modelo baseado na distribuio normal subestima a proporo de pontos extremos
(outliers) e, por conseqncia, o VaR verdadeiro. Outro problema que o mtodo deltanormal no capta as assimetrias na distribuio de instrumentos no-lineares, como as
opes e, portanto, no mede adequadamente seu risco.

33

razovel supor a normalidade dos retornos da carteira?


DOWD (1998) apresenta uma breve discusso acerca da sensatez da suposio de
normalidade dos retornos da carteira. Ele coloca que, at certo ponto, isto depende da
distribuio dos retornos de cada ativo individual que compe a carteira e que, em muitos
casos, a suposio de normalidade razovel, ainda que como uma aproximao.
Entretanto, existem evidncias de que muitos retornos individuais no so normais6.
Conforme j colocado por JORION (2000), a principal inconsistncia de muitas sries de
retornos em relao distribuio normal a presena de caudas gordas (esta caracterstica
conhecida como curtose excessiva). Alm disso, comum a presena de assimetria
negativa nas sries de retornos dos ativos (mais observaes na cauda esquerda do que na
direita), o que um mau sinal, pois indica a existncia de mais eventos ruins do que bons.
Entretanto, DOWD (1998) considera que no se deve descartar a hiptese de
normalidade dos retornos da carteira, mesmo depois de se concluir que os retornos
individuais dos ativos no so normais. A justificativa para isto que o Teorema do Limite
Central postula que variveis aleatrias independentes de qualquer distribuio bem
comportada tero uma mdia que convergir para a distribuio normal em grandes
amostras. Isto implica que a hiptese de normalidade dos retornos da carteira funcionar
bem, desde que ela seja bem diversificada e que os retornos individuais sejam
suficientemente independentes entre si, mesmo que individualmente no apresentem
distribuio normal.
A resposta pergunta sobre se a distribuio normal uma descrio apropriada da
carteira, portanto, depende da composio da prpria carteira. A distribuio normal
adequada se a carteira for linear nos riscos normais e pode ser ou no adequada se a carteira
no for linear em tais riscos ou se estiver exposta a riscos no-normais. A adequao da
normalidade como descrio do retorno da carteira depende, ento, das distribuies dos
retornos dos instrumentos individuais, da natureza e da extenso das no-linearidades e da
maneira especfica como os riscos individuais interagirem para afetar o retorno final da
carteira. A hiptese de normalidade pode ser plausvel para um determinada carteira e no o
ser para outra.

DOWD (1998) cita os trabalhos de FAMA (1965), HSIEH (1988), e HENDRICKS (1996).

34

A abordagem delta-normal pode ser extremamente inadequada em algumas


situaes, como, por exemplo, quando a pior perda no corresponder a valores extremos do
fator de risco. o caso de opes que esto prximas da data de vencimento e at-themoney, as quais tm deltas instveis, o que implica distribuies assimtricas dos retornos.

Um bom exemplo dessa situao uma posio comprada em um straddle (compra


concomitante de uma opo de compra e de uma opo de venda). A pior realizao a
soma dos prmios das opes, que ocorrer se o preo do ativo subjacente no se
movimentar. Neste caso, no suficiente avaliar a carteira nos dois extremos, sendo que
todos os valores intermedirios precisam ser considerados (JORION, 2000).
AVALIAO PLENA
As metodologias de avaliao plena consideram o valor da carteira para uma
amplitude de nveis de preos:
dV = V ( S1 ) V ( S 0 )

Os valores S1 podem ser gerados por mtodos de simulao, sendo que a carteira
precificada na data-alvo. A simulao de Monte Carlo depende de distribuies prespecificadas para os fatores de risco, ao passo que a simulao histrica trabalha com
mudanas ocorridas em dados histricos recentes. Os mtodos de avaliao plena so mais
precisos, pois permitem considerar no-linearidades, fluxos de caixa e efeitos de
decaimento no tempo, que so ignorados na abordagem delta-normal. O VaR , ento,
calculado a partir dos quantis da distribuio total dos resultados gerados pelas simulaes.
Em termos computacionais, os mtodos de simulao apresentam custo maior do
que o mtodo delta normal, porque exigem a marcao a mercado de toda a carteira em um
nmero grande de realizaes das variveis aleatrias subjacentes, o que se torna ainda
mais crtico no caso de grandes carteiras (JORION, 2000). Entretanto, conforme advoga
DOWD (1998), a velocidade e o custo computacionais so questes cada vez menos
importantes, tendo em vista a rpida evoluo da tecnologia e a queda do custo
computacional.

35

2.3.2 Mtodo da simulao histrica

Implementao
O mtodo da simulao histrica consiste em usar a distribuio histrica dos
retornos dos ativos (ou fatores de risco) da carteira para simular os retornos futuros e, a
partir da, o VaR da carteira. Dentro desta proposta, identifica-se os fatores de risco da
carteira e pega-se uma amostra dos retornos histricos destes fatores de risco em um
determinado perodo. A partir da, aplica-se os pesos da carteira hoje para simular os
retornos que teriam sido observados caso a carteira permanecesse constante no perodo.
Supe-se, ento, que a distribuio histrica dos retornos seja uma boa representao
(proxy) para a distribuio dos retornos que se realizar no prximo perodo. O quantil
escolhido da distribuio gerada com a simulao ser o VaR esperado para a carteira
(DOWD, 1998).
O retorno da carteira no perodo k
N

R p ,k = wi ,t Ri ,k

k = 1,....,t

i =1

Os pesos wt so mantidos aos seus valores correntes. As realizaes histricas Ri,k


resultam em diferentes retornos para a carteira, proporcionando uma amostra de retornos
hipotticos, que sero ordenados e transformados em quantis, de onde ser tirada a
estimativa do VaR, de acordo com o nvel de confiana desejado.
Vantagens e desvantagens do mtodo da simulao histrica
Conforme destacam DOWD (1998) e JORION (2000), este mtodo fcil de ser
implementado, especialmente porque os dados histricos referentes aos ativos ou aos
fatores de risco geralmente esto disponveis em fontes de domnio pblico. Alm disso,
no so necessrias ferramentas sofisticadas: possvel fazer os clculos em planilhas de
clculo simples. A simulao histrica tambm no depende de suposies sobre a
distribuio dos retornos (sendo que no nem necessrio supor que eles sejam
independentes) e elimina a necessidade de estimar a matriz de covarincia e outros
parmetros (j que eles esto refletidos na srie histrica), o que simplifica bastante os
clculos.

36

O mtodo tambm trata a escolha do horizonte na mensurao do VaR de modo


simples. Os retornos so simplesmente medidos em intervalos que correspondem
amplitude do horizonte escolhido. Para computar o VaR mensal, por exemplo, reconstri-se
os retornos mensais da carteira nos ltimos 5 anos7. Finalmente, por ser baseado em preos
reais, o mtodo permite no-linearidades e distribuies no-normais. A simulao
histrica tambm no utiliza pressuposies especficas sobre modelos de avaliao ou
sobre a estrutura estocstica implcita do mercado. Outros pontos importantes so que o
mtodo pode considerar as caudas gordas e que, por no estar atrelado a modelos de
avaliao, no suscetvel ao risco de modelo (JORION, 2000).
Obviamente, o mtodo da simulao histrica tambm apresenta suas dificuldades.
Ele supe que exista histrico de preos suficiente para os ativos da carteira, e alguns ativos
podem ter sries curtas, ou at mesmo no ter histria nenhuma (neste caso ser necessrio
recorrer a uma proxy representativa da srie).
O fato de usar um nico caminho amostral pressupe que o passado represente o
futuro prximo de modo razovel. Entretanto, a janela de tempo pode omitir ocorrncias
importantes, o que pode fazer com que as caudas no sejam bem representadas. A amostra
tambm pode conter eventos que no se repetiro no futuro. Dado que o risco varia no
tempo de maneira significativa e at certo ponto previsvel, o mtodo da simulao
histrica no caracteriza apropriadamente situaes onde a volatilidade temporariamente
elevada. Mais grave do que isto, esta tcnica ser lenta para incorporar quebras estruturais,
que seriam mais facilmente tratadas com mtodos analticos. Outra questo o uso da
janela mvel para estimar as varincias, que atribui o mesmo peso a todas as observaes
dessa janela, incluindo os pontos de dados mais remotos. A medida de risco poder mudar
significativamente quando uma observao mais antiga sair da amostra. Da mesma forma, a
variao amostral do VaR obtido atravs da simulao histrica ser bem maior do que a do
VaR obtido usando-se um mtodo analtico (JORION, 2000).
DOWD (1998) chama a ateno para o dilema do tamanho da janela histrica: se o
perodo for muito curto, no haver observaes suficientes para se fazerem inferncias
7

DOWD (1998) atenta para as limitaes de se agregar os retornos de acordo com a periodicidade desejada.
A primeira que se perde informao ao se agregar os dados, sendo que o histograma se torna mais grosseiro,
levando a um VaR menos preciso. A segunda que a estimativa de VaR continua supondo que a carteira
permanece constante, sendo que esta suposio bem menos razovel quando o horizonte temporal for mais
longo.

37

confiveis, e se for muito longo, a estimativa poder colocar muita nfase em dados
antigos, tornando-se insuficientemente sensvel s informaes mais recentes.

2.3.3 O Bootstrap

O Bootstrap uma tcnica que consiste em retirar amostras a partir de dados


histricos com reposio, de modo a manter constante o tamanho do conjunto de dados. A
simulao histrica utiliza observaes da srie histrica sem reposio, na sua ordem de
ocorrncia, enquanto o bootstrap utiliza observaes da mesma amostra, mas numa ordem
aleatria, possibilitando que se retirem quantas observaes se desejar (DOWD, 1998).
No se tem, portanto, conhecimento sobre qual a distribuio dos retornos.
Suponhamos que se observe uma srie de N retornos R = S/S, {R}= (R1,...,RN), que
possam ser assumidos como sendo variveis aleatrias de uma distribuio desconhecida,
distribudos idntica e independentemente (i.i.d.). O mtodo consiste em usar esta srie
para gerar pseudo-retornos (JORION 2000).
O bootstrap estima a distribuio atravs da distribuio emprica de R, atribuindo
probabilidades iguais para cada realizao. Este mtodo foi proposto inicialmente por
EFRON, citado por JORION (2000), como uma tcnica de eventos aleatrios noparamtricos, que se baseia na distribuio observada dos dados para modelar a distribuio
da estatstica de interesse.
Uma das principais vantagens do bootstrap que ele pode acomodar caudas gordas,
saltos, ou qualquer desvio da distribuio normal, incorporando, inclusive, eventos
extremos que jamais ocorreriam sob a suposio de normalidade. Este mtodo tambm
considera implicitamente as volatilidades e as correlaes histricas entre as sries, uma
vez que cada realizao consiste no retorno simultneo de vrias sries, como aes, ttulos
de dvida e outros. Alm disso, o bootstrap possibilita que o tamanho da amostra seja
maior, o que aumenta a preciso da estimativa do VaR. As desvantagens do bootstrap so:
a total dependncia dos dados histricos utilizados (sendo que uma determinada srie
histrica pode ou no proporcionar uma boa estimativa dos riscos futuros), a exigncia de
que a srie histrica tenha um tamanho satisfatrio para que o bootstrap seja confivel e

38

no incorra em vieses de amostras pequenas e, finalmente, o fato de que esta metodologia


fortemente respaldada pela suposio de que os retornos so independentes no tempo. Se
isto no for razovel, a amostragem aleatria perder o sentido e todo o bootstraping ser
abalado (DOWD, 1998).

2.3.4 Mtodo da simulao de Monte Carlo

Implementao
A simulao de Monte Carlo cobre uma grande amplitude de valores possveis para
as variveis financeiras e considera as correlaes na sua plenitude. A idia essencial na
qual se baseia este mtodo simular vrias vezes um processo aleatrio para as variveis
financeiras de interesse. Assume-se que as distribuies de probabilidade destas variveis
sejam conhecidas.
Segundo JORION (2000) e DOWD (1998), a seqncia a ser seguida na
implementao da simulao de Monte Carlo a seguinte:
1. Escolher um modelo estocstico para o comportamento dos preos dos fatores de
risco e estimar seus parmetros (volatilidades, correlaes, etc.) baseados em
dados histricos ou de mercado;
2. Gerar trilhas de preos fictcias8 para as variveis aleatrias de interesse, de onde
os preos sero computados como St+1, St+2,....,St+n;
3. Calcular o valor da carteira Ct+n = CT na data-alvo com a seqncia de preos
gerada no passo anterior;
4. Repetir os passos 2 e 3 quantas vezes se desejar (por exemplo, 5.000 vezes);
5. Ordenar os valores finais gerados para a carteira, obtendo-se a distribuio:

As trilhas de preos so originadas utilizando-se nmeros pseudo-aleatrios, que so produzidos por um


gerador de nmeros aleatrios atravs de um algoritmo que usa uma regra determinstica e gera os nmeros
a partir de um valor inicial (seed number). aconselhvel que se use um bom gerador de nmeros
aleatrios, sob pena de os nmeros gerados no possurem as caractersticas desejadas e os resultados dos
clculos ficarem comprometidos. Todos os geradores de nmeros aleatrios repetem o ciclo depois de um
certo nmero de rodadas (partem do mesmo seed number e repetem as mesmas seqncias de nmeros
aleatrios). Entretanto, os bons geradores repetem depois de bilhes de rodadas e os ruins depois de
alguns milhares, o que atrapalha a simulao de Monte Carlo, pois ela geralmente realizada com milhares de
rodadas.

39

CT1 ,..., CT5000 .

6. Computar o VaR a partir do quantil de interesse9.


O mtodo da simulao de Monte Carlo , portanto, parecido com o mtodo da
simulao histrica, sendo que o que muda que as variaes hipotticas de preos para os
fatores de risco so criadas a partir de ocorrncias aleatrias de um processo estocstico
preespecificado, em vez de serem tiradas de uma amostra de dados histricos (JORION,
2000).
Vantagens e desvantagens do mtodo da simulao de Monte Carlo
A simulao de Monte Carlo o mtodo mais poderoso de computar o VaR. Este
mtodo pode levar em considerao muitos riscos e exposies, no-linearidades e risco de
volatilidade, entre outros. O mtodo flexvel a ponto de incorporar a variao temporal na
volatilidade, caudas gordas e cenrios extremos. A simulao de Monte Carlo gera toda a
funo distribuio de probabilidade, e no apenas um quantil, e pode ser usada para
determinar, por exemplo, a perda esperada alm do VaR. Este mtodo tambm capaz de
incorporar a passagem do tempo, que cria quebras estruturais na carteira (JORION, 2000).
Segundo JORION (2000), a principal desvantagem deste mtodo o tempo
computacional necessrio ao processamento das informaes. Se mil caminhos amostrais
forem gerados para uma carteira de mil ativos, o nmero total de avaliaes ser de um
milho. A simulao se torna muito onerosa para ser freqentemente implementada. A
simulao de Monte Carlo tambm a mais cara em termos de infraestrutura de sistemas e
pessoal tecnicamente capacitado. DOWD (1998) ressalta que as tecnologias de informao
esto evoluindo rapidamente e que seus custos esto caindo, de modo que elas esto cada
vez mais acessveis e sua interface com o usurio, mais amigvel.
O risco de modelo outra fraqueza potencial deste mtodo. A simulao de Monte
Carlo parte de suposies sobre os processos estocsticos especificados para os fatores de
risco e de modelos de precificao para ativos, como opes, estando, portanto, sujeita ao
risco de que estes modelos estejam incorretos. Para testar a robustez dos resultados a
mudanas nos modelos, os resultados da simulao devem ser complementados com
9

Pode-se tambm tabular o valor esperado da carteira E(CT) e o quantil Q(CT,c), calculando-se o VaR em
relao mdia: VaR (c,T) = E(CT) - Q(CT,c) (JORION, 2000).

40

anlises de sensibilidade. Por fim, as estimativas de VaR advindas da simulao de Monte


Carlo esto sujeitas variao amostral, devido ao nmero limitado de repeties.
Entretanto, esta metodologia de clculo do VaR a mais abrangente para se medir o risco
de mercado quando a modelagem feita corretamente (JORION, 2000).

2.3.5 Comparao das metodologias

A seleo da metodologia mais adequada pautada pelo contexto. A separao


entre as metodologias de avaliao local e plena reflete o tradeoff entre velocidade de
computao e preciso. A escolha do mtodo depende, em grande parte, da composio da
carteira. No caso de grandes carteiras, onde a opcionalidade no um fator dominante e
cuja funo distribuio de probabilidade aproximadamente normal, o mtodo deltanormal possibilita um modo rpido e eficiente de medir o VaR. Para carteiras com
componentes de opes substanciais, ou com horizontes mais longos, os mtodos de
avaliao plena so mais indicados.
Entre os modelos de avaliao plena, o mtodo da simulao histrica o que
apresenta maior facilidade de implementao. O mtodo mais completo, que a simulao
de Monte Carlo, tambm o de implementao mais complexa.
A simulao de Monte Carlo pode amenizar alguns problemas da simulao
histrica, como a no considerao da variao do risco no tempo e a janela restrita
utilizada, alm de poder incorporar as posies no-lineares, as distribuies no-normais,
os parmetros implcitos e os cenrios customizados. Outra considerao, feita por DOWD
(1998), quando se contrapem a simulao histrica e a de Monte Carlo, que a simulao
histrica estima o VaR com base em apenas uma trilha de preos (a trilha histrica
efetivamente ocorrida). Isto faz com que a qualidade dos resultados dependa totalmente do
conjunto particular de acidentes histricos que originou a trilha histrica de preos. Esta
abordagem, portanto, ignora completamente a infinidade de trilhas alternativas de preos
que poderiam ter ocorrido. Tendo em vista que a preocupao com os riscos futuros, as
trilhas alternativas tambm contm informaes relevantes para o clculo do VaR. Este
um forte argumento que favorece a simulao de Monte Carlo em comparao com a

41

simulao histrica. Por outro lado, DOWD (1998) tambm considera que a simulao de
Monte Carlo deve ser usada apenas quando os mtodos mais simples no forem
satisfatrios.
O preo a pagar pela maior flexibilidade do mtodo Monte Carlo, segundo JORION
(2000), alto, porque grande a exigncia de dados e de capacidade computacional. Alm
disso, o risco de modelo substancial e o apelo intuitivo do VaR no mais to forte. Com
a queda do preo da capacidade computacional, porm, a tendncia que a simulao de
Monte Carlo se torne o mtodo mais difundido.

42

2.4 Validao dos modelos de clculo do VaR (Backtesting)

Segundo JORION (2000), a utilidade dos modelos de VaR reside em sua capacidade
de preverem o risco razoavelmente bem. Portanto, a aplicao dos modelos precisa ser
sempre acompanhada de validao. A validao dos modelos o processo de verificao
da adequao de um modelo. Isso pode ser feito atravs de vrias ferramentas, dentre as
quais o backtesting, o stress testing e a reviso e superviso independentes. O
backtesting um arcabouo estatstico formal que consiste em verificar se as perdas reais

esto alinhadas com as perdas projetadas, o que envolve a comparao sistemtica dos
VaRs previstos com os retornos correspondentes da carteira. Estes procedimentos so
essenciais para que os usurios do VaR e administradores de risco possam verificar se os
seus VaRs previstos esto bem calibrados. Se no estiverem, os modelos precisam ser
reexaminados em busca de suposies insensatas, parmetros incorretos ou modelagem
imprecisa.
Quando o modelo est perfeitamente calibrado, o nmero de observaes que
ultrapassam o VaR deve estar alinhado com o nvel de confiana. Quando existem muitas
perdas que excedem o VaR, o modelo est subestimando o risco. Neste caso, h o problema
de que pode haver pouco capital alocado em relao ao risco assumido e o rgo regulador
pode impor sanes ao usurio de tal modelo. O fato de haver poucas perdas excedentes
tambm constitui um problema, pois leva a reservas de capital excessivas e, portanto,
ineficientes.
Dado que o VaR informado somente a um nvel especfico de confiana, espera-se
que o nmero calculado seja excedido em algumas ocasies (por exemplo, em 5 por cento
das observaes ao nvel de confiana de 95 por cento). Mas, obviamente, no se observar
exatamente 5 por cento de excees. Um percentual maior, como 6 a 8 por cento, poder
ocorrer devido m sorte. Entretanto, se a freqncia dos desvios se tornar muito alta,
digamos 10 a 20 por cento, o usurio poder concluir que o problema com o modelo e no
com a sorte, e tomar medidas corretivas. A questo como tomar tal deciso, que um
problema estatstico do tipo aceitar ou rejeitar.
A maneira defendida por JORION (2000) como a mais simples para verificar a
preciso do modelo registrar a taxa de erro, que mostra a proporo de vezes em que o

43

VaR excedido em uma determinada amostra. Vamos supor que um banco divulgue o
valor do VaR ao nvel de 1 por cento (p = 1 c) para um total de T dias. O usurio contar
quantas vezes a perda real excede o VaR do dia anterior. Vamos definir N como o nmero
de excees e N/T como a taxa de erro. A taxa de erro deveria fornecer uma medida noviesada de p (que convergisse para p com o aumento do tamanho da amostra).
necessrio saber, a um dado nvel de confiana, se N (o nmero de vezes que a
perda excede o VaR) muito pequeno ou muito grande sob a hiptese nula de que p = 0,01
em uma amostra de tamanho T. Este teste no assume nenhuma distribuio especfica para
os retornos (a abordagem no paramtrica).
Ao conceber um teste de verificao, o usurio se depara com um tradeoff entre dois
tipos de erro: o erro do tipo 1, que ocorre ao se rejeitar a hiptese nula quando ela
verdadeira (rejeita-se o modelo correto), e o erro do tipo 2, que ocorre quando no se rejeita
a hiptese nula quando ela falsa (no se rejeita o modelo incorreto). Para efeitos de
backtesting, os usurios de modelos de VaR precisam encontrar um equilbrio entre erros

dos tipos 1 e 2. O ideal estabelecer um erro do tipo 1 baixo e conceber um teste que
possibilite que se tenha um erro do tipo 2 muito baixo (neste caso o teste considerado de
alto poder).
KUPIEC (1995) desenvolveu regies aproximadas de 95 por cento de confiana
para o teste, conforme a tabela 1.
Tabela 1 Backtesting de modelos, regies de no-rejeio do teste ao nvel de confiana
de 95%
Regio de no rejeio pra um nmero N de falhas
Nvel de

Nvel de Confiana

probabilidade p

do VaR

0,01

99%

0,025

T = 255 dias

T = 510 dias

T = 1000 dias

N<7

1<N<11

4<N<17

97,5%

2<N<12

6<N<21

15<N<36

0,05

95%

6<N<21

16<N<36

37<N<65

0,075

92,5%

11<N<28

27<N<51

59<N<92

0,10

90%

16<N<36

38<N<65

81<N<120

Obs.: N o nmero de excees que poderiam ser aceitas numa amostra de tamanho T, sem rejeitar a hiptese
nula de que p seja a probabilidade certa, a um nvel de confiana de 95%.
Fonte: KUPIEC (1995).

44

importante deixar claro que a escolha para a regio de confiana do teste no est
relacionada ao nvel quantitativo escolhido para o VaR. Este nvel de confiana refere-se
regra de deciso para aceitar ou rejeitar o modelo. Estas regies so definidas pelos pontos
da cauda da razo de log-verossimilhana (RL):

RL = 2 ln (1 p )

T N

p N + 2 ln [1 ( N / T )]

T N

( N / T ) N },

que possui distribuio qui-quadrado com um grau de liberdade sob a hiptese nula
de que p a probabilidade verdadeira10.
Por exemplo, com 2 anos de dados dirios (T = 510), poder-se-ia esperar observar N
= pT = 1 % X 510 = 5 excees. No entanto, o usurio do VaR no poder rejeitar a

hiptese nula se N pertencer ao intervalo de confiana [1<N<11]. Valores de N maiores ou


iguais a 11 indicam que o VaR muito baixo ou que o modelo subestima a probabilidade
de grandes perdas. Valores de N menores ou iguais a 1 indicam que o modelo utilizado para
calcular o VaR demasiado conservador.
JORION (2000) chama a ateno para o fato de que a tabela tambm evidencia que
o intervalo, expresso como uma proporo N/T, fica menor medida que o tamanho da
amostra aumenta. Observando, por exemplo, a linha onde p = 0,05, o intervalo para T = 255
[6/255 = 0,024; 21/255 = 0,082]. Para T = 1000, o intervalo [37/1000 = 0,037; 65/1000
= 0,065]. Com mais dados, pode-se rejeitar mais facilmente o modelo, no caso de ele ser
falso. Para valores pequenos do parmetro p, entretanto, torna-se cada vez mais difcil
rejeitar o modelo. A rea de no rejeio para p = 0,01 e T = 255 [N<7]. Assim, no h
maneira de se dizer se N muito pequeno ou se o modelo superestima o risco
sistematicamente. A identificao de vieses sistemticos fica cada vez mais difcil para
valores de p pequenos porque eles correspondem a ocorrncias muito raras. Esta
abordagem de ps muito pequenos apresenta uma alta probabilidade de erros do tipo 2. O
ponto crucial do backtesting separar a m sorte de um modelo ruim, ou seja, equilibrar
erros do tipo 1 com erros do tipo 2.

10

Segundo a teoria de deciso estatstica, este teste o de maior poder dentre os testes da mesma classe.

45

2.5 O VaR na gesto de investimentos

JORION (2000) destaca as diferenas essenciais existentes entre as carteiras de


bancos e as carteiras de investimento. Ele expe que a gesto de risco atravs do VaR
tambm se aplica gesto de investimentos, principalmente devido ao seu enfoque no
futuro, e no puramente histrico. O VaR uma medida abrangente e de fcil compreenso
para os administradores e beneficirios dos fundos de penso, possibilitando um melhor
controle dos riscos financeiros.
Os sistemas de VaR podem ser utilizados para determinar diretrizes consistentes, j
que muitas vezes os gestores de investimentos operam sob muitas restries, traduzidas por
listas de investimentos proibidos e limites em quantidades nocionais, que tm o objetivo de
controlar o risco. Porm, uma grande desvantagem de as posies serem controladas
impondo-se limites que no so considerados os efeitos da diversificao.
O VaR foi inicialmente desenvolvido pela indstria bancria. Os investidores
institucionais, dos quais os fundos de penso fazem parte, so o lado comprador do
mercado financeiro, em contraposio aos bancos, que so o lado vendedor. O VaR
demorou um pouco mais para ganhar aceitao na indstria de administrao de
investimentos, provavelmente devido a algumas diferenas fundamentais entre esta
indstria e os bancos.
As principais diferenas, segundo JORION (2000), so relativas ao horizonte
temporal (curto prazo para os bancos e longo prazo para os investidores institucionais), ao
turnover de ativos da carteira (alto para os bancos e baixo para os investidores

institucionais), alavancagem, (alta nos bancos e baixa para os investidores institucionais),


s medidas de risco mais utilizadas (VaR e testes de stress nos bancos e alocao de ativos
e tracking error para os investidores institucionais) e ao tipo de controles de risco
utilizados (limites de posio e de VaR e regras stop loss nos bancos e diversificao, uso
de benchmarks e polticas de investimento para os investidores institucionais).
O VaR particularmente apropriado para ambientes de operaes (trading), onde
o horizonte curto e a rotatividade (turnover) alta. Neste contexto, medidas histricas
de risco no tm muita utilidade, pois o perfil da carteira de ontem pode ser completamente
diferente do de hoje. J em um ambiente de investimento, o horizonte, medido pelo perodo

46

de avaliao da carteira, bem mais longo, normalmente mensal ou trimestral e as posies


mudam mais lentamente (especialmente nos fundos passivos). As carteiras dos bancos so
altamente alavancadas, o que torna o controle de risco fundamental. Uma seqncia de
eventos desfavorveis pode levar um banco falncia com facilidade. Os fundos de penso,
por sua vez, so pautados pela lgica do homem prudente11, que no permite a
alavancagem.
Outra diferena dos bancos em relao s carteiras de investimento que algumas
tcnicas empregadas no clculo do VaR so sensivelmente menos eficazes para horizontes
longos. Com horizontes menores, fundamental captar mudanas na volatilidade dos
ativos. H fortes evidncias empricas em favor da hiptese de que a volatilidade varia de
modo previsvel em perodos curtos. Entretanto, os choques na volatilidade tm tempos de
decaimento razoavelmente curtos (ou seja, seus efeitos so rapidamente dissipados). Os
efeitos do GARCH so praticamente imperceptveis em dados de periodicidade mensal.
(JORION, 2000).
Em resumo, a aplicao diria do VaR para as carteiras de bancos essencial, pois
elas mudam rapidamente e, conseqentemente, seu risco tambm. As carteiras de
investimento, por no mudarem com tanta freqncia, encontram-se menos expostas a
variaes no risco, o que no quer dizer que os sistemas de VaR no sejam teis para estas
carteiras. O VaR proporciona melhor controle e administrao dos riscos financeiros
tambm para as carteiras de investimento.

2.5.1 Tipos de risco

Para um banco, o risco claramente definido como o risco da perda na marcao a


mercado da posio. No caso dos fundos de penso, existe uma variedade de definies
para o risco.

11

A filosofia do homem prudente (prudent person rule) o princpio adotado pelos fundos de penso nos
pases anglo-saxes. A essncia dessa filosofia a de que os responsveis pelos investimentos dos fundos de
penso (no caso os trustees agentes fiducirios) devem investir o dinheiro dos participantes de maneira
prudente, como se estivessem investindo o seu prprio dinheiro.

47

Risco absoluto e relativo


Para administradores que precisam bater um benchmark, necessrio que o risco
seja medido relativamente.

Risco Absoluto: o risco de uma perda em unidades monetrias em um


determinado horizonte (definio geral do risco em bancos). A taxa de
retorno relevante o prprio retorno do ativo Ri.

Risco Relativo: o risco de uma perda em unidades monetrias em um


fundo relativamente ao seu benchmark. A perda medida em termos da
diferena em unidades monetrias entre o retorno do fundo e o retorno de
um montante igual ao do fundo investido no benchmark. O retorno relevante
o tracking error: TE = Ri - Rb, que o retorno excedente do ativo em
relao ao benchmark. Se ele for normalmente distribudo, o VaR pode ser
medido a partir do desvio-padro do tracking error, TE, como VaR =
W0TE.

Risco de poltica de investimentos e de administrao ativa


O desempenho do fundo pode ser segregado em dois componentes: um devido
escolha da poltica de investimento (benchmark) e o outro devido administrao ativa da
carteira. O risco da poltica de investimentos normalmente representa o risco de uma
estratgia de investimentos passiva. O risco da administrao ativa o de uma perda em
unidades monetrias devido aos desvios da poltica de investimentos. a soma dos lucros e
perdas de todos os administradores em relao ao benchmark de cada um deles.
De um modo geral, a maior parte do risco pode ser atribuda poltica de
investimento. Grande parte da variao no desempenho da carteira devida escolha das
classes de ativos, ou seja, a escolha da proporo investida nas diferentes classes de ativos
(fatores de risco) importa mais para o desempenho da carteira do que a escolha de um
determinado administrador.

48

Risco de capitalizao
Risco de capitalizao o risco de o valor dos ativos no ser suficiente para cobrir
as obrigaes do fundo. O retorno relevante o retorno do supervit S = Rativos Rpassivo
(JORION, 2000).
Para um fundo de penso com planos de benefcio definido, a questo chave se
haver dinheiro suficiente para pagar os benefcios prometidos caso o plano seja liquidado.
Neste caso, no basta enfatizar a volatilidade dos ativos, porque o passivo tambm
relevante e aumenta com o passar do tempo de acordo com a meta atuarial e com os
indexadores. O risco precisa ser considerado num contexto de casamento de ativos e
passivos, conhecido como Asset Liability Management (ALM).
O risco de capitalizao representa o risco de longo prazo real para a patrocinadora.
Ele tambm denominado Surplus at Risk, onde o surplus (ou supervit) a diferena
entre o valor dos ativos e o valor das obrigaes (ou passivo atuarial). Se o supervit for
negativo, ou seja, se ele virar um dficit, a patrocinadora ter que fazer contribuies
adicionais ao fundo.
A volatilidade dos ativos pode ser medida atravs da marcao a mercado. A
volatilidade do passivo atuarial, porm, mais difcil de ser determinada. O valor do
passivo atuarial, nos Estados Unidos, estabelecido a partir da conta Accumulated Benefit
Obligations (ABO), que mede o valor presente dos benefcios devidos aos empregados,

descontados a uma taxa de juros adequada. Segundo BODIE (1990), ABO o valor
presente dos benefcios acumulados por todos os trabalhadores cobertos por um plano, sem
se considerar os aumentos projetados nos salrios de hoje at a data da aposentadoria. A
patrocinadora do plano legalmente responsvel pelas ABO, no caso de uma eventual
liquidao do plano. No caso do Brasil, podemos considerar as ABO como sendo,
aproximadamente12, o valor da conta Reservas Matemticas13, que corresponde ao valor
do passivo atuarial no plano de contas do balancete da Secretaria de Previdncia
Complementar. O supervit ou dficit, para os fundos de penso brasileiros, o valor de
12

No existe um nmero que corresponde estritamente a este conceito no sistema de previdncia


complementar no Brasil. Entretanto, dadas algumas semelhanas, considera-se o valor das reservas
matemticas como o equivalente s ABO.
13
Esta conta inclui o valor presente dos benefcios concedidos (aos aposentados e pensionistas), mais o valor
presente dos benefcios a conceder (aos participantes ainda ativos), menos o valor das reservas a amortizar

49

mercados dos investimentos menos o valor das reservas matemticas (ativos menos
obrigaes).
Como o passivo atuarial constitudo essencialmente de pagamentos nominais, seu
valor vai se comportar, de um modo geral, como uma posio vendida em um ttulo do
governo (bond) de longo prazo. Pode-se observar, portanto, que quedas na taxa de juros,
por um lado beneficiam o desempenho dos investimentos de renda varivel, mas por outro
lado aumentam o valor do passivo atuarial, afetando negativamente o supervit. A posio
de risco mnimo no caso de um fundo de penso com plano de benefcio definido
corresponde a uma carteira imunizada, onde a duration dos ativos casada com a do
passivo atuarial. A metodologia de VaR tambm pode ser usada para simular o efeito de
fatores de mercado no supervit dos fundos de penso.
Para horizontes mais longos, a abordagem tradicional do VaR pode no ser
apropriada, por supor que a carteira atual esttica. Idealmente, o investidor deve levar em
conta o fato de que as posies mudam. O perfil de risco do fundo pode ser alterado em
funo do tamanho do supervit. Neste caso, entretanto, o risco de supervit de longo prazo
se torna bem mais difcil de ser modelado (JORION, 2000).

2.5.2 O VaR no monitoramento e no controle dos riscos

Normalmente, as decises de investimento para os fundos de penso so


implementadas em duas etapas. Na primeira, feito um estudo de alocao estratgica de
ativos de longo prazo, baseada na otimizao em termos de mdia-varincia da carteira,
considerando tambm o passivo. O estudo determina as propores da carteira a serem
investidas nas diversas classes de ativos. Em seguida, o fundo pode delegar a administrao
efetiva dos fundos a administradores externos, que sero avaliados relativamente a um
benchmark. Os gestores recebero instrues definindo os ativos em que podem investir e

as restries a que esto sujeitos. O risco geralmente medido ex post.


O problema desta abordagem que ela no dinmica: como os ativos encontramse pulverizados entre vrios administradores, difcil visualizar o quadro geral do risco da
(valor presente de parte dos compromissos da entidade com os participantes que ainda no foram

50

entidade. Olhados separadamente, os riscos podem parecer aceitveis, mas juntos podem
revelar que vrios administradores esto fazendo apostas na mesma fonte de risco. Alm
disso, o fundo de penso deve estar preparado para detectar e corrigir mudanas nas
estratgias de investimento de seus administradores, as quais estejam levando a exposies
indesejadas.
JORION (2000) apresenta uma exposio das vantagens do VaR considerando a
natureza dos fundos de penso. O VaR pode ser usado na formulao de polticas de
investimento mais consistentes. Algumas diretrizes a serem seguidas pelos administradores
de ativos so determinadas arbitrariamente, no intuito de restringir o universo de ativos no
qual o administrador pode investir e tambm com a finalidade de obter algum controle
sobre o risco. O problema com os limites arbitrrios que, alm de eles no informarem o
quanto se pode perder em um dado horizonte temporal, deixam margem para que as
diretrizes sejam desobedecidas atravs da alavancagem ou do uso de instrumentos
sofisticados que apresentem risco equivalente. Outra desvantagem que as correlaes so
ignoradas. Com o VaR, em vez de regras detalhadas, as patrocinadoras podem especificar
antecipadamente que a volatilidade do tracking error no pode ser de mais de 2 por cento,
por exemplo.
Um aumento repentino no VaR da carteira pode ser atribudo a diferentes razes. Os
administradores podem estar fazendo apostas parecidas investindo, por exemplo, em um
setor atrativo. Por se tratarem de aes isoladas, o problema s pode ser identificado
considerando-se a carteira total. Outro motivo possvel que os mercados podem estar mais
volteis. Se a patrocinadora achar que no vale a pena aceitar esta volatilidade maior,
algumas posies podem ser eliminadas. Finalmente, um ou mais administradores podem
no estar seguindo as diretrizes estabelecidas. O VaR pode ser decomposto para mostrar
onde o risco est sendo originado, atravs das ferramentas de VaR marginal e de VaR
componente, que identificam quais as mudanas de posio que tero o maior efeito no
risco da carteira.
Os sistemas de VaR no podem, obviamente, indicar aos usurios onde investir, mas
permitem uma avaliao do desempenho ajustado ao risco de investimentos alternativos.
Embora os retornos esperados possam ser determinados individualmente, determinar a
integralizados, mas que j possui cobertura assegurada pela patrocinadora e/ou pelos prprios participantes).

51

contribuio de cada ativo para o risco total da carteira no um processo intuitivo. Mesmo
que os analistas possam determinar o risco individual do ativo que esto considerando,
impossvel que eles saibam das relaes entre todas as exposies do fundo. Para cada
ativo a ser adicionado carteira, deve-se dar aos analistas uma medida de seu VaR
marginal. Se dois ativos tiverem retornos projetados parecidos, o analista deve escolher
aquele com o menor VaR marginal e que, portanto, vai levar ao risco de carteira mais
baixo. Esta anlise s factvel dentro do contexto de um sistema de VaR que considere
todos os investimentos do fundo.
As aplicaes dos sistemas de VaR partem do pressuposto de que todos os riscos
relevantes so captados pelo sistema de administrao de risco. No caso dos fundos de
penso, o risco no pode ser medido facilmente para algumas classes importantes de ativos,
como imveis ou venture capital, pois estes ativos no so marcados a mercado. Outras
sries podem ter histrias muito curtas, ou talvez nenhuma. s vezes, as sries que faltam
podem ser representadas por uma proxy. O grande desafio construir um sistema de VaR
que englobe a entidade como um todo e que integre satisfatoriamente os riscos a que o
fundo est exposto (JORION, 2000).

3. VALUE AT RISK E OS FUNDOS DE PENSO

Segundo BODIE (1990), as polticas de investimento dos fundos de penso so


orientadas essencialmente pelo desejo de se proteger os compromissos assumidos por tais
fundos. Para se entender as prticas de investimento dos fundos de penso necessrio
entender a natureza das obrigaes. H dois tipos de planos: contribuio definida e
benefcio definido. Num plano de contribuio definida, cada trabalhador tem uma conta na
qual o empregador e o prprio trabalhador fazem contribuies regularmente. O nvel dos
benefcios depende do total de contribuies e do rendimento dos investimentos da conta.
J num plano de benefcio definido, o benefcio determinado por uma frmula que
considera a histria de servio e os salrios passados do trabalhador. A patrocinadora do
plano garante o benefcio, no importando o desempenho dos investimentos dos ativos do
fundo de penso. Devido natureza das obrigaes de um fundo de penso, necessrio
determinar o nvel de capitalizao, os tipos de ativos desejveis e o risco que pode ser
suportado pelo fundo sem prejudicar seus objetivos de longo prazo.
Na verso do RiskMetrics para fundos de penso, o banco J. P. MORGAN (1997)
afirma que evidncias empricas sugerem que a alocao de ativos o determinante mais
importante do desempenho dos investimentos. Portanto, para propsitos de administrao
de risco, as carteiras mantidas pelos administradores de fundos de penso podem ser
mapeadas em um conjunto amplo de ndices que caracterizam as principais classes de
ativos. Porm, como as carteiras administradas ativamente em geral se desviam dos
benchmarks, fundamental que se leve em conta a diferena entre o benchmark e os

retornos alcanados pelo gestor.


Dando andamento a uma exposio dos riscos aos quais um fundo de penso est
sujeito, o J. P. MORGAN (1997) explica que, alm do risco de mercado dos ativos, existem
as obrigaes do plano e, conseqentemente, o risco de os ativos do plano serem
insuficientes para financiar as obrigaes no longo prazo. O risco associado s obrigaes
do plano determinado por vrios fatores. Elementos demogrficos, como as taxas de
mortalidade desempenham papel importante do lado das obrigaes, mas esto fora do
controle do plano e so freqentemente estveis para propsitos de precificao de
anuidades. Dois outros fatores volteis que afetam os pagamentos futuros so as taxas de

53

juros e a inflao, que tambm so correlacionadas com muitos dos fatores determinantes
do desempenho dos ativos. Se as suposies demogrficas forem mantidas constantes
(desde que revisadas periodicamente), as obrigaes podem ser aproximadas como uma
funo das taxas de juros e da inflao.
Esta discusso implica que o risco de mercado ao qual os fundos de penso esto
expostos triplo: (1) o risco de uma mudana negativa no valor dos ativos do plano quando
os preos de mercado e as taxas mudam; (2) o risco de um aumento no valor presente das
obrigaes por causa de mudanas nas taxas de juros e na inflao; e (3) o risco de que os
ativos tenham desempenho inferior em relao s obrigaes (risco de capitalizao ou de
supervit/dficit). O VaR permite que as patrocinadoras dos planos tenham uma viso do
risco dos ativos, das obrigaes e do supervit.
BRUGGEMAN e HONIG (1998) apresentam o VaR do ponto de vista da tesouraria
de um fundo de penso, discutindo as diferenas entre a tesouraria de um fundo de penso e
a de uma empresa. Estes autores so simpatizantes do VaR, mas aconselham que ele seja
usado com cuidado, pois o mtodo tem imperfeies que podem facilmente ser
negligenciadas. Segundo os autores, a principal dificuldade o risco de se enganar quando
a distribuio de probabilidade (geralmente histrica), ou a correlao dos retornos ou
preos assumidos no clculo do VaR no ocorrerem na prtica.
CULP, MENSIK e NEVES (1999) apresentam algumas vantagens do VaR, dizendo
que ele pode ser uma ferramenta til, atravs da qual os administradores de ativos podem
avaliar se os riscos que eles esto assumindo so os que eles querem, precisam ou pensam
que esto assumindo. Os investidores tambm esto se tornando cada vez mais conscientes
dos benefcios do VaR como uma ferramenta de monitoramento, exigindo que seus
gestores calculem e revelem regularmente esta medida de risco de mercado. Segundo estes
autores, o VaR tem aplicao no monitoramento de gestores, carteiras e programas de
hedging, na eliminao ex ante de exigncias de aprovao de transaes, na definio de
um sistema formal de alvos e limiares de risco e na implementao de um oramento de
risco. O VaR deve sempre complementar e jamais competir com os objetivos de
administrao de investimento primrios do administrador de ativos. Ele uma ferramenta
para ajudar os gestores a determinarem se os riscos a que eles esto expostos so realmente
aqueles a que eles pensam estar. O VaR nunca dir ao administrador quanto risco assumir,

54

apenas o quanto est sendo assumido. Na opinio destes autores, a vantagem da maioria das
aplicaes do VaR para os administradores de ativos est muito mais em como a estimativa
do VaR usada do que em como ela calculada.
GOLUB e TILMAN (2000) alertam para problemas que podem ser causados por
uma rigidez na fixao de limites para o VaR. Eles dizem que limites inflexveis podem
levar a perdas ainda maiores do que as previstas pelo VaR. Todo o mercado comea a
querer vender, o que se transforma num crculo vicioso, e as perdas se tornam maiores do
que seriam se os investidores tivessem tido liberdade para manter suas posies durante a
crise, ao invs de terem sido forados a vender pra continuar dentro dos seus limites
aceitveis de VaR. Alm disso, a corrida para a venda de ativos pode desestabilizar o
mercado e provocar uma crise de liquidez.
JORION (2000) diz que o VaR no pode prever todos os resultados possveis, pois
ele olha para o passado, e o futuro no necessariamente uma repetio do passado.
JORION tambm argumenta que o VaR menos importante (apesar de tambm ser til)
para os fundos de penso do que para os bancos comerciais porque os primeiros esto
tipicamente interessados nos retornos de prazo maior, enquanto os bancos tm
investimentos de horizonte curtssimo, como um dia. Isto significa que os fundos de penso
tm menor propenso a vender ttulos rapidamente, baseados num pico do VaR.
SIMONS (2000) discute algumas questes que envolvem as medidas de
desempenho ajustado ao risco e descreve as principais dificuldades encontradas por
investidores institucionais quando da implementao da anlise de VaR. A autora ressalta
as diferenas entre as necessidades e caractersticas das operaes em bancos comerciais
(que tm horizontes temporais curtssimos, papis geralmente lquidos e posies de
mercado neutras), e as caractersticas das operaes de investidores institucionais (que
costumam investir no mercado, podem ter papis ilquidos na carteira e mantm suas
posies por perodos longos).
SIMONS (2000) tambm enfatiza que, alm das diferenas entre os dois tipos de
instituies, o risco inerente a elas tambm diferente. Os reguladores de bancos usam o
VaR para fixar exigncias de capital para as contas de operaes porque ele pode ser usado
para estimar a perda de capital em funo do risco de mercado. Os fundos de penso, por
sua vez, no esto preocupados com a perda de capital, mas com a possibilidade de terem

55

desempenho abaixo dos benchmarks. Os fundos de penso fazem diferena entre uma
alocao de ativos estratgica ou de longo prazo e uma alocao ttica ou de curto prazo. A
alocao de longo prazo destinada a casar com o passivo do plano. A carteira real, que
a alocao ttica de ativos, pode ser diferente da carteira estratgica, pelo fato de os
gestores do fundo tomarem posies no mercado com o objetivo de alcanar um
desempenho melhor do que a carteira estratgica teria. Portanto, a carteira estratgica
representa o benchmark contra a qual o desempenho efetivo medido. Pelo fato de que o
desempenho medido em relao ao benchmark, o risco tem que ser medido da mesma
forma. Ao mesmo tempo, no caso de planos de benefcio definido, o VaR pode ser
interpretado como o risco de que o valor dos ativos caia abaixo de um determinado alvo,
particularmente, o risco de que os ativos no sejam suficientes para financiar os benefcios
devidos aos trabalhadores.
Ainda segundo SIMONS (2000), o VaR tem vantagens como medida de risco para
os investidores institucionais. Ele baseado na composio corrente da carteira (e no no
seu retorno histrico) e pode ser agregado para muitas classes de ativos. As medidas de
risco mais tradicionais usadas na administrao de investimentos tm uma destas
caractersticas, mas no ambas. O tracking error, por exemplo, uma medida do desvio do
retorno histrico da carteira em relao ao retorno do benchmark. Esta medida pode no ter
utilidade se a composio atual da carteira for diferente da composio que produziu tais
retornos histricos. Alm disso, possvel ter um desempenho dramaticamente inferior ao
benchmark e ainda assim ter um tracking error baixo. Isto uma sria desvantagem desta

medida de risco, pois muitos gestores de carteira consideram que seu risco mais importante
ter um desempenho abaixo do benchmark. Por outro lado, duas medidas para ativos
especficos, beta para aes e duration para ttulos de dvida (bonds), so baseadas na
composio atual da carteira. Porm estas medidas, apesar de teis, no podem ser
combinadas para fornecer uma medida de risco integrada. O VaR particularmente til
para uma patrocinadora de plano de penso que tem uma carteira com muitas classes de
ativos e precisa medir sua exposio a muitos de fatores de risco. Ele tambm uma boa
ferramenta para patrocinadoras que tm sua administrao de carteira terceirizada a
gestores externos e que precisam comparar o desempenho destes gestores com base no
retorno ajustado ao risco.

56

A vantagem prtica do VaR o fato de ele ser uma medida de risco de forte apelo
intuitivo, que pode ser traduzida em um nico nmero e ser facilmente comunicada
administrao geral da empresa.
Horizontes temporais longos complicam a modelagem do VaR porque as
volatilidades e as correlaes entre os ativos estimadas com o uso de dados dirios podem
no ser vlidas nestes longos perodos de tempo. O uso de derivativos para proteger a
carteira, como a compra de opes e outras tcnicas de seguro de carteira, tornam os
clculos do VaR ainda mais complexos.
Finalmente, SIMONS (2000) chama a ateno para as importantes limitaes do
VaR. Ele baseado em volatilidades e correlaes que podem funcionar em condies
normais de mercado, mas que perdem a validade em pocas de crise. Fatores que exibem
baixos nveis de correlao em condies normais de mercado podem se tornar altamente
correlacionados em tempos de alta volatilidade. Em tais casos, o valor da diversificao
entre mercados pode ser bastante reduzido. O VaR pode subestimar perdas potenciais
durante turbulncias de mercado e levar a uma falsa sensao de segurana. Entretanto, ele
pode ser til para aquelas organizaes que compreendem suas limitaes e que usam testes
de stress para avaliar suas vulnerabilidades em eventos nas caudas14.
RABBAT (2000) diz que a anlise de stress tambm um instrumento importante
para o controle do risco de mercado. Enquanto o VaR mede o risco de mercado para um
determinado intervalo de confiana, a anlise de stress fornece a perda de uma carteira
dentro de um dado cenrio de juros, bolsa e taxa de cmbio. Desta maneira, um fundo de
penso poder realocar seus ativos para cenrios especficos.
Fora do Brasil, a metodologia usada por muitos fundos de penso analisar o
impacto que vrios cenrios de mercado teriam em suas razes de capitalizao (proporo
dos ativos em relao s obrigaes) utilizando-se de diferentes alocaes de ativos
(BENSMAN, 1995). Alguns planos olham para alocaes que sob diversas condies de
mercado vo satisfazer o nvel de capitalizao mnimo e, a partir da, decidem quais
alocaes tero os maiores retornos esperados. O fato de ter dois critrios (segurana em
primeiro lugar, mas sem abrir mo do maior retorno pelo menor custo), afasta os fundos
dos extremos, levando-os para uma alocao parecida com a da maioria dos fundos. Outros

57

planos olham para o custo das obrigaes e para os retornos de vrias alocaes sob
diferentes cenrios para o mercado de capitais. Outros ainda usam um otimizador para gerar
alocaes-alvo que possam ir ao encontro de suas necessidades, dada a sua tolerncia ao
risco. feita ento uma simulao de Monte Carlo para encontrar a probabilidade de se
atingirem nveis de ativos e obrigaes especficos sob diferentes cenrios econmicos.

14

Eventos nas caudas so eventos extremos e, portanto, no to freqentes. Diz-se nas caudas em
referncia distribuio de probabilidade.

4. METODOLOGIA

O teste da eficcia do VaR ser realizado a partir do clculo do VaR com trs
metodologias: a paramtrica, a simulao histrica e a simulao de Monte Carlo. Preverse- o VaR mensal para trs carteiras diferentes para o perodo de 1998 a 2002, utilizandose as trs metodologias, e a seguir, comparar-se-o os valores calculados com as perdas
efetivamente ocorridas no perodo, a fim de se verificar quantas vezes a perda superou o
VaR para cada metodologia. O VaR ser calculado tambm em termos de R*, o retorno
crtico, para possibilitar a comparao com a rentabilidade da carteira verificada na prtica.
Quanto alocao de ativos utilizada como entrada para o clculo do VaR, sero
utilizadas trs carteiras reais de fundos de penso brasileiros. As classes gerais de ativos
existentes nas carteiras dos fundos de penso so renda fixa, renda varivel, imveis,
emprstimos a participantes e operaes com a patrocinadora.

4.1 Clculo do VaR com o mtodo paramtrico

O clculo do VaR paramtrico dar-se- atravs da metodologia delta-normal,


conforme descrita em detalhes em captulo anterior. Vamos assumir que as carteiras com
que estamos trabalhando sejam compostas de ttulos com distribuio conjunta normal. O
N

retorno da carteira ser R p ,t +1 = wi ,t Ri ,t +1 e sua varincia ser 2 ( R p ,t +1 ) = wt' t +1 wt .


i =1

O primeiro passo ser mapear e agregar a exposio linear de todos os instrumentos


da carteira aos fatores de risco15, em seguida estimar a matriz de covarincia dos fatores de
risco e, finalmente, calcular o risco total da carteira. O VaR ser portanto:
VaR = xt' t +1 xt .

DOWD (1998) sugere dois tipos diferentes de mapeamento das posies de uma
carteira: representativo e quantitativo. O que ser utilizado aqui o mapeamento
representativo. Ele consiste na seleo de um conjunto de instrumentos essenciais (que o
15

Os fatores de risco so os segmentos de aplicao dos fundos de penso j citados acima.

59

que se tem denominado de fatores de risco) que podem ser considerados como
representativos dos tipos gerais de instrumentos existentes na carteira. Segundo DOWD
(1998), o ideal ter um conjunto de instrumentos essenciais (ou fatores de risco) que seja
rico o suficiente para proporcionar boas proxies para a carteira em questo, mas que, ao
mesmo tempo, no seja grande demais para no causar o problema de se ter uma matriz de
covarincia de dimenses exageradas, que o que se deseja evitar. As posies em aes
so representadas por valores equivalentes investidos em ndices de aes16 (no nosso caso,
ser o Ibovespa representando a categoria de renda varivel), enquanto as posies em
renda fixa so representadas por combinaes de fluxos de caixa para um nmero limitado
de maturidades (no nosso caso ser usado apenas o CDI, sem considerar as diversas
maturidades dos ttulos para efeitos de simplificao dos clculos).
DOWD (1998) resume o processo de mapeamento em trs estgios: (1) construir o
conjunto de ativos essenciais (fatores de risco) e coletar dados para estimar suas
volatilidades e correlaes; (2) determinar os substitutos sintticos (posies nos ativos
essenciais) para cada ativo pertencente carteira, sendo que esta parte o mapeamento
propriamente dito; e (3) calcular o VaR utilizando os ativos mapeados (os substitutos
sintticos), em vez de usar os ativos que se tem de fato na carteira.
As entradas necessrias para a implementao do clculo do VaR delta-normal so,
portanto, os valores de mercado e as exposies das posies correntes aos fatores de risco
e os dados das sries dos fatores de risco. A matriz de covarincia ser estimada utilizandose dados histricos de sries representativas dos fatores de risco: CDI para o segmento de
renda fixa, Ibovespa para o segmento de renda varivel, INCC (ndice Nacional da
Construo Civil) para o segmento de imveis e INPC para o segmento de emprstimos a
participantes e de operaes com a patrocinadora, que sero considerados conjuntamente,
como o mesmo fator de risco.
A matriz de covarincia ser estimada com dados mensais de cotaes dos quatro
fatores de risco, no perodo de julho de 1994 a junho de 1998, de modo que se tenha um
perodo de estimao da matriz de covarincia aproximadamente do mesmo tamanho do

16

Neste caso, supondo-se, implicitamente, que a carteira de aes que se tem em mos bem diversificada a
ponto de se poder consider-la como bem representada pelo ndice do mercado de aes. A varincia de
carteiras grandes e bem diversificadas bastante simplificada, refletindo apenas a exposio ao fator
comum. (JORION, 2000, P. 170).

60

perodo em que ser feita a comparao (julho de 1998 a setembro de 2002). Os pesos
relativos investidos em cada fator de risco sero os de julho de 1998. As cotaes sero
obtidas atravs do software Economtica (sries do Ibovespa, CDI e INPC) e do site do
IPEADATA17 (srie do INCC). A matriz ser estimada com o software SPSS.
Ser feita tambm a comparao entre o VaR no-diversificado (soma do VaR
individual de todos os fatores de risco) com o VaR diversificado (calculado de acordo com
a metodologia delta-normal), alm da decomposio do VaR nos seus VaRs Componentes
(CVaR), de modo a verificar a contribuio percentual de cada fator de risco para o VaR da
carteira.

4.2 Clculo do VaR com o mtodo da simulao histrica

O segundo mtodo de clculo do VaR para as carteiras dos fundos de penso ser a
simulao histrica, tambm descrita de modo mais detalhado em captulo anterior. Este
mtodo volta no tempo e aplica os pesos de hoje da carteira a uma srie histrica de
N

retornos dos fatores de risco: R p ,k = wi ,t Ri ,k ,

k=1,...,t;

i =1

Os preos futuros para os cenrios hipotticos sero obtidos com a aplicao de


mudanas histricas nos preos (cenrios passados k) ao nvel corrente de preos. Um novo
valor para a carteira ser originado do conjunto completo de preos hipotticos e o VaR
ser obtido da distribuio de retornos hipotticos, onde a cada ocorrncia histrica ser
atribudo o mesmo peso 1/t. Os retornos sero medidos em intervalos iguais ao horizonte de
VaR que se quer calcular (neste caso, mensal). Os pesos correntes sero considerados como
sendo os de julho de 1998 e sero aplicados s sries histricas dos fatores de risco de julho
de 1994 a junho de 1998. Os retornos sero ento ordenados em ordem crescente e o VaR
ser obtido da leitura do quantil de interesse e, a seguir, comparado com os retornos
verificados no perodo entre julho de 1998 e setembro de 2002, a fim de se comparar as
perdas previstas com as perdas observadas.
17

http://www.ipeadata.gov.br

61

4.3 Clculo do VaR com o mtodo da simulao de Monte Carlo

Finalmente, ser feita a simulao de Monte Carlo para o clculo do VaR. Neste
mtodo, ser especificada uma distribuio de probabilidade para os fatores de risco, sendo
que os parmetros deste processo (mdia e varincia) sero derivados de dados histricos.
Em seguida simular-se- a distribuio de retornos fictcios para os fatores de risco. As
realizaes simuladas originaro uma distribuio de retornos de onde se medir o VaR, de
acordo com o quantil de interesse (nvel de confiana).
O software utilizado para fazer a simulao de Monte Carlo ser o Crystal Ball18. As
variveis do tipo Assumption, que neste caso so os fatores de risco, sero definidas nas
clulas do Excel. Ao defini-las colocar-se-o os parmetros (que sero retirados de dados
histricos) e a distribuio que se deseja impor aos fatores de risco. Nesta pesquisa,
utilizaremos duas variaes de distribuies. Na primeira, supor-se- a distribuio normal
para todos os fatores de risco (o que tornar a comparao com o VaR paramtrico
calculado bastante interessante) e, na segunda, a suposio para a distribuio dos fatores
de risco ser a distribuio histrica observada, numa tentativa de tornar os resultados mais
realistas.
Ao se definirem as variveis do tipo Assumption, tambm sero colocadas as
correlaes histricas entre os pares de variveis, calculadas com o auxlio do software
SPSS. O perodo de referncia para a entrada de dados para a simulao ser o mesmo das
metodologias anteriores (julho de 1994 a junho de 1998, perfazendo um total de 48
observaes).
Depois de definir as variveis Assumption, definir-se- a varivel do tipo
Forecast, que a varivel de interesse, ou seja, o retorno da carteira (Rp). Define-se, na
clula do Excel a frmula para a varivel Forecast, que o retorno ponderado pelos
pesos relativos em cada fator de risco, na data de julho de 1998.

18

Pode-se
fazer
o
download
deste
software
gratuitamente
na
Internet
no site
http://www.decisioneering.com/downloadform.htm, e ele usado atravs do Excel, habilitado como um
suplemento de Ferramentas.

62

Depois de ter feito estas definies, j se estar apto a fazer a simulao de Monte
Carlo. Determinar-se- o nmero de rodadas para a simulao e esta ser rodada. Sero
feitas, nesta pesquisa, simulaes de 1.000 e de 10.000 rodadas para cada entidade e
variao de distribuio imposta para os fatores de risco. Os resultados sairo em forma de
relatrios (reports), que podero ser definidos da maneira mais adequada aos objetivos
(em termos de quais quantis sero mais importantes, ou de qual ser a forma mais adequada
para a visualizao dos resultados).

4.4 A questo da volatilidade dos retornos

Nenhum modelo de previso da volatilidade ser utilizado no trabalho. A


volatilidade mensal histrica ser utilizada como proxy para a volatilidade futura.
Conforme j citado anteriormente, ...na prtica, os efeitos do GARCH dificilmente so
perceptveis em dados mensais. (JORION, 2000, p. 409). Devido natureza de longo
prazo dos fundos de penso, em contraposio ao curtssimo horizonte dos bancos (que
podem arcar com grandes perdas em um nico dia), no faz sentido a modelagem da
volatilidade diria da carteira e dos fatores de risco. Ser testada a igualdade da varincia
dos fatores de risco nos dois subperodos: o de previso do VaR e o de comparao (perdas
efetivas).

4.5 Coleta de dados

Alm das cotaes mensais das sries dos fatores de risco retiradas do Economtica
e do IPEADATA, foram coletados dados mensais, do perodo de janeiro de 1996 a
setembro de 2002, referentes composio das carteiras de trs fundos de penso19 junto
Secretaria de Previdncia Complementar (SPC). O critrio de seleo para as entidades foi
19

Os nomes verdadeiros das EFPCs escolhidas para fazer parte desta pesquisa foram trocados, no intuito de
preservar o sigilo dos dados coletados.

63

o tipo de plano existente e a proporo da carteira de investimentos alocada em imveis no


ano de 2001. Foram selecionadas entidades que tm planos de benefcio definido, visto que
o risco est sendo considerado do ponto de vista da patrocinadora.
Alm disso, procurou-se selecionar entidades que tivessem papis lquidos e de fcil
precificao na medida do possvel e, no mximo, 10% de sua carteira alocada em imveis
no ano de 2001 (embora algumas entidades, nos anos de 1996 e 1997, tivessem at 20%,
todas reduziram o percentual nos ltimos anos). Como os imveis so uma categoria menos
lquida e de difcil precificao, uma proxy ser usada para o clculo da matriz de
covarincia, o INCC (ndice Nacional da Construo Civil). Este ndice, entretanto, tem
limitaes como representante do segmento de imveis. Ele um ndice geral, que no leva
em conta diferenas de localizao dos imveis, se a finalidade para a qual os imveis so
usados comercial ou residencial, entre outros aspectos que so determinantes da
rentabilidade dos mesmos. Posto isto, quanto menor a proporo de imveis na carteira,
menor a chance de o clculo ficar distorcido.
O valor de mercado da carteira utilizado no clculo da rentabilidade agregada (sem
separar por segmento de aplicao) ser o nmero informado na conta pertencente ao ativo,
Programa de Investimentos (12400000), do balancete enviado mensalmente pelos fundos
de penso SPC. Esta conta subdividida nas contas de Renda Fixa (12410000), Renda
Varivel (12420000), Investimentos Imobilirios (12430000), Operaes com Participantes
(12440000) e Operaes com Patrocinadoras (12450000)20. A conta Programa de
Investimentos engloba a parte substancial do ativo total das EFPCs. Ela ligeiramente
diferente do Ativo Total porque este ltimo inclui o Ativo Permanente, que soma do valor
da sede, dos veculos e outros ativos que servem administrao da entidade. O valor do
Ativo Permanente desprezvel em relao ao valor dos investimentos do fundo, que so
destinados a cobrir as obrigaes com benefcios (Passivo Atuarial).
Para o clculo da rentabilidade da carteira, entretanto, alguns ajustes precisam ser
feitos conta 12400000. Antes de explicar estes ajustes, cabe observar que, com os dados
mensais retirados do balancete, no factvel calcular a rentabilidade por segmento de
aplicaes, uma vez que ocorre movimentao de recursos entre os segmentos. Se houver,
por exemplo, a venda de um ttulo de renda fixa e a aquisio de ativos de outros
20

Esta conta deixou de existir em janeiro de 2002.

64

segmentos com os recursos provenientes desta venda, haver uma distoro no clculo da
rentabilidade (subestimar-se- a rentabilidade do segmento de renda fixa e superestimar-se a dos outros ativos).
A rentabilidade da carteira foi calculada segundo a seguinte frmula, originalmente
sugerida por FREITAS e GIACOMETTI (2002):

(1 + R) = Invest + ( EOt EOt 1 ) + FC t / Invest , onde:


Invest = valor dos investimentos da entidade (conta 12400000, onde so registradas
todas as aplicaes) no ltimo dia til do ms anterior;
EOt = Exigvel Operacional do Programa de Investimentos no ltimo dia til do ms
atual (conta 21400000 conta de passivo do programa de investimentos). Esta rubrica
contbil representa os financiamentos da aplicao de recursos. So as contas a pagar ou as
obrigaes relacionadas aos investimentos. Vamos tomar como exemplo a compra de um
imvel a prazo. Se o valor do imvel for R$ 100.000,00 e a entidade fizer a compra a prazo,
dando uma entrada de R$ 20.000,00, os R$ 80.000,00 restantes sero registrados nesta
conta, sendo que o valor total de R$ 100.000,00 ficar registrado no ativo, na conta
12430000 Investimentos Imobilirios;
EOt-1 = Exigvel Operacional do Programa de Investimentos no ltimo dia til do
ms anterior (conta 21400000);
FCt = Fluxo de caixa lquido: somatrio das receitas menos somatrio das
despesas diretamente relacionadas aos investimentos do ms, obtidas das contas 61100000
(receitas diretas do programa de investimentos = remunerao dos investimentos),
62100000 (despesas diretas do programa de investimentos), e 52300000 (despesas com a
administrao prpria ou terceirizada dos investimentos).
Todos os nmeros mensais so obtidos diminuindo-se o valor da conta no ms
anterior do valor da conta no ms atual para encontrar o valor da conta no ms atual, pois
os saldos nos balancetes so cumulativos. Somente no ms de janeiro se usa o prprio valor
da conta, pois as contas de resultado21 so encerradas ao final de cada exerccio, iniciandose o ciclo de registros novamente a cada ms de janeiro.
21

No balancete h 6 contas gerais: ativo, passivo, programa previdencial, programa assistencial, programa
administrativo e programa de investimentos. As duas primeiras so contas patrimoniais (indicam o estoque) e
as quatro ltimas so contas de resultados (indicam fluxos). No caso da conta 21400000, ainda que ela no
seja de resultado, considerado o ms atual menos o ms anterior para que seja considerada a variao, a

65

So considerados no clculo os fluxos relacionados ao programa de investimentos


(em vez de se usar o valor mensal da conta 12400000 diretamente) para eliminar distores
decorrentes de aumentos no saldo desta conta advindos de novas contribuies e de
diminuies decorrentes do pagamento de benefcios. Como os fluxos so referentes ao
valor da conta 12400000 do ms anterior, o clculo da rentabilidade no contaminado
pelo ingresso de novos recursos ou pelas sadas. Os fluxos so referentes remunerao das
aplicaes e s despesas com as aplicaes.
O plano de contas do balancete da SPC sofre alteraes de tempos em tempos com o
objetivo de melhorar as informaes prestadas pelos fundos de penso Secretaria de
Previdncia Complementar, e tambm para a melhoria do gerenciamento interno das
entidades. A conta 52300000, representando as despesas com a administrao dos
investimentos, no existia no plano de contas de 1996 a 1998. Existia apenas a conta
52000000, que era o valor total das despesas administrativas (estas no eram segregadas
entre os programas previdencial, assistencial e de investimentos). Para sanar o problema de
no se ter este nmero para os trs primeiros anos da srie da presente pesquisa, foi feita
uma estimativa. Verificou-se, nos anos de 1999 a 2001, a proporo das despesas
administrativas mensais que cabia ao programa de investimentos em cada entidade
estudada (dividiu-se o valor mensal da conta 52300000 pelo valor mensal da conta
52000000). Para cada entidade foi calculada a mdia da proporo das despesas
administrativas com investimentos em relao s despesas administrativas totais para os
anos de 1999 a 2001, e ento este percentual mdio foi aplicado ao total das despesas

movimentao do ms. As aquisies so somadas (e no diminudas do ativo do ms anterior) porque estas e


as vendas afetam a rentabilidade. Os fluxos de receitas e despesas tambm se referem a esta conta de passivo.
O passivo creditado (aumentado) pela aquisio a prazo de novos ativos (quando so registradas as
obrigaes relativas a esses ativos), e debitado (diminudo) pelo seu pagamento.

66

administrativas dos anos de 1996 a 199822. Cabe ainda comentar que os cdigos e nomes
das contas acima so referentes ao plano de contas vigente de 1999 a 2001. O plano de
contas sofreu novas alteraes no incio de 2002, sendo que se tomou o cuidado de fazer o
relacionamento entre os cdigos antigos e os novos de maneira a manter o significado e o
conceito das contas e a validade dos clculos para todo o perodo da amostra.

22

O desvio-padro da proporo mensal foi baixo (ou seja, a proporo variou pouco no perodo de 1999 a
2001), possibilitando concluir que as estimativas de despesas administrativas mensais com investimentos para
os anos de 1996 a 1998 so razoveis e no vo distorcer os resultados referentes rentabilidade.

5. RESULTADOS

A seguir so apresentados, por entidade, os resultados da aplicao das trs


metodologias de clculo do VaR, bem como a comparao das perdas previstas com as
perdas efetivamente verificadas.

5.1 Beneficncia
5.1.1 O VaR paramtrico

O VaR paramtrico mensal estimado para a Beneficncia, para cada nvel de


confiana, encontra-se na tabela 2.
Tabela 2 VaR paramtrico mensal da Beneficncia para os diferentes nveis de confiana
Nveis de Confiana

BENEFICNCIA
VaR Previsto ( VaR = pW )

90% ( = 1,28)

95% ( = 1,65)

99% ( = 2,33)

23.711.985,32

30.566.231,07

43.163.223,27

-3,36%

-4,33%

-6,12%

)
( p = 2,63% )

Em unidades monetrias* (R$)


Em rentabilidade %

*O Valor da Carteira no qual se baseia o VaR em unidades monetrias o valor em julho de 1998, ou seja,
R$705.199.493,15. Entretanto, a comparao do VaR previsto com as perdas efetivas no perodo seguinte foi
feita em termos da rentabilidade da carteira, por causa da evoluo do valor.
O VaR paramtrico da Beneficncia pode ser decomposto conforme mostra a tabela
3.

68

Tabela 3 Decomposio do VaR paramtrico mensal da Beneficncia ao nvel de


confiana de 95%
VaR Componente = CVaR = VaR x i x wi

BENEFICNCIA
Fator de Risco

w
w' w

wi

CVaR

Contribuio
% para o VaR

Renda Fixa (CDI)

0,183

0,71

3.973.498,03

13,00%

Renda Varivel (Ibovespa)

3,881

0,22

26.173.919,93

85,63%

Imveis (INCC)

0,183

0,03

144.573,17

0,47%

Emprstimos (INPC)

0,206

0,04

274.239,94

0,90%

30.566.231,07

100%

Total
VaR = R$ 30.566.231,07 (julho de 1998).

A tabela 4 mostra os VaRs individuais dos fatores de risco para a carteira da


Beneficncia e a tabela 5 compara os VaRs individuais aos VaRs componentes.
Tabela 4 VaRs individuais dos fatores de risco da carteira da Beneficncia ao nvel de
confiana de 95% (em julho de 1998).
VaR Individual = VaRi = i wiW

BENEFICNCIA
Fator de Risco

i*

wiW

Renda Fixa (CDI)

1,65

1,12%

500.669.326,77

9.246.866,97

Renda Varivel (Ibovespa)

1,65

10,81%

155.591.040,09

27.742.524,91

Imveis (INCC)

1,65

1,94%

18.193.094,25

583.105,60

Emprstimos (INPC)

1,65

1,24%

30.746.032,04

629.726,18

VaR No-diversificado
*Desvio-padro dos fatores de risco no perodo de julho de 1994 a junho de 1998.

VaR Individual

38.202.223,66

69

Tabela 5 Comparao entre os VaRs individuais e os VaRs componentes Beneficncia.


BENEFICNCIA
Fator de Risco

VaR Individual

VaR Componente

VaRi = i wiW

CVaR = VaR x i x wi

Renda Fixa (CDI)

9.246.866,97

3.973.498,03

27.742.524,91

26.173.919,93

Imveis (INCC)

583.105,60

144.573,17

Emprstimos (INPC)

629.726,18

274.239,94

Renda Varivel (Ibovespa)

VaR No-diversificado

38.202.223,66

VaR Diversificado

30.566.231,07

V-se que o VaR no-diversificado da Beneficncia 25% maior do que o VaR


diversificado. O clculo detalhado do VaR paramtrico da Beneficncia est no anexo A.
A tabela 6 mostra o nmero de vezes em que as perdas efetivamente ocorridas na
carteira da Beneficncia superaram o VaR paramtrico para cada nvel de confiana, em
contraposio ao nmero de vezes em que poderiam t-lo superado.
Tabela 6 VaR paramtrico previsto versus perdas realizadas - Beneficncia
Nvel de confiana (Beneficncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

Observa-se que o VaR previsto superestimou as perdas, a no ser no caso do nvel


de confiana de 99%. Uma possvel explicao seria o rebalanceamento da carteira. O VaR
previsto com todas as metodologias supe que a carteira corrente, cujos pesos relativos dos
fatores de risco so utilizados como entrada nos clculos, no se altera no horizonte para o
qual foi previsto. Esta suposio pode at ser razoavelmente sensata no caso de ambientes
de operaes, como os bancos, em que o horizonte temporal do VaR de um dia.
Entretanto, como no nosso caso o horizonte de um ms e o perodo de comparao de 4

70

anos, bvio que a carteira dos fundos de penso ser rebalanceada em resposta aos
movimentos e s oportunidades de mercado23.
JORION (2000) apresenta consideraes sobre qual retorno deva ser utilizado para
efeitos de backtesting do VaR. Ele contrape o retorno hipottico, que aquele que seria
observado se a carteira tivesse sido mantida constante durante o perodo de avaliao
(obtido multiplicando-se o retorno de cada ativo que compe a carteira pelo seu peso
relativo), e o retorno real, que o que efetivamente ocorreu, levando em considerao as
mudanas na composio da carteira. JORION (2000) afirma ainda que, para propsitos
regulatrios, o backtesting aplicado aos retornos reais.
importante deixar bem claro, entretanto, que o nosso exerccio no pode ser
considerado um backtesting das metodologias de VaR utilizadas nas previses. O que se
pretende fazer uma comparao e uma verificao da eficcia do VaR como medida de
risco para os fundos de penso. Portanto, devido s caractersticas especficas destas
entidades, dentre as quais a principal o horizonte de longo prazo, que limita a quantidade
de observaes na amostra de que se dispe, no possvel fazer o backtesting com o rigor
estatstico que ele exige.
O rebalanceamento da carteira da Beneficncia somado a outros fatores (dentre os
quais uma possvel mudana na volatilidade dos fatores de risco, que ser testada mais
adiante) resultou num desvio-padro para a carteira, medido ex-post, de 2,55%, para o
perodo de comparao (julho de 1998 a setembro de 2002). Este desvio-padro foi menor
do que o desvio-padro estimado a partir das sries histricas dos fatores de risco e dos
pesos da carteira em julho de 1998, utilizado na previso do VaR (2,63%). Esta menor
volatilidade verificada na prtica ajuda a explicar porque o VaR previsto superestimou as
perdas.
Ao se observar a evoluo da carteira no perodo de comparao, nota-se que o peso
investido em renda fixa foi de 71% em julho de 1998 e foi aumentando, terminando com
um peso de 85% em setembro de 2002. Contrariamente, o investimento em renda varivel,
que foi de 22% do total da carteira em julho de 1998, foi diminuindo e terminou o perodo

23

Uma estimativa de VaR para um dado intervalo de tempo implica que o investidor no vai modificar sua
posio durante este tempo. Se correes no meio do percurso forem possveis, o VaR pode superestimar as
perdas provveis nas ocasies em que o investidor toma atitudes corretivas conservadoras. (SIMONS, 2000,
p. 25)

71

em 11%. Os investimentos em imveis caram para menos da metade no perodo da


amostra (de 2,6% para 1%), sendo que a variao dos pesos dos emprstimos no chegou a
ser muito significativa no perodo (ficando entre 3 e 5%).
Posto isto, e considerando os VaRs componentes da tabela 3, tambm pode-se
concluir que o fato de as perdas terem superado o VaR com uma freqncia menor do que a
esperada foi devido, em grande parte, diminuio dos investimentos em renda varivel,
cuja contribuio para o VaR da carteira era a maior (85,63%).
Um aspecto interessante a ser mencionado que a mdia aritmtica dos retornos
reais da carteira da Beneficncia (1,61% ao ms) se manteve constante ao comparar-se todo
o perodo de retornos da carteira (janeiro de 1996 a setembro de 2002) com o subperodo de
comparao (julho de 1998 a setembro de 2002). Alm disso, a soma dos quadrados dos
desvios positivos em relao mdia dos retornos da carteira (0,018726) foi maior do que a
soma dos quadrados dos desvios negativos (0,013748) e a assimetria foi positiva (de
0,5188). As estatsticas descritivas e o histograma dos retornos da carteira real da
Beneficncia no perodo de comparao (obtidos atravs do software EViews) esto no
anexo D. O grfico 1 apresenta os desvios em relao mdia dos retornos da carteira
(efetivamente ocorridos) para o perodo de julho de 1998 a setembro de 2002. O eixo dos x
so os perodos mensais.
Grfico 1 Desvios em relao mdia dos retornos mensais da Beneficncia (julho de
1998 a setembro de 2002).

Desvio em realao mdia de


rentabilidade da carteira
(realizada)

BENEFICNCIA
12%
10%
8%
6%
4%
2%
0%
-2% 0
-4%
-6%
-8%
-10%

10

20

30

Perodo

40

50

60

72

Os dois maiores desvios positivos em relao mdia foram os retornos de


dezembro de 2001 (que foi de 10,86%) e de janeiro de 2002 (que foi de 6,95%). A razo
determinante destes retornos to altos no foi o desempenho extraordinrio dos
investimentos. A rentabilidade destes dois meses foi afetada pela deciso da Receita
Federal de instituir o Regime Especial de Tributao (RET) para as EFPCs, atravs da
Medida Provisria n 2.222, de 4 de setembro de 2001. Isto ocasionou a reverso de
recursos que estavam provisionados no passivo contingencial para o passivo operacional,
distorcendo o clculo da rentabilidade contbil para valores to altos.
Se a carteira tivesse mantido os pesos relativos de julho de 1998, a comparao
entre o nmero de perdas previstas e o de perdas realizadas (hipoteticamente) seria
conforme o exposto na tabela 7. O procedimento adotado no clculo dos retornos
hipotticos, neste caso, foi aplicar os pesos da carteira da Beneficncia em julho de 1998
s sries dos fatores de risco no perodo de comparao (julho de 1998 a setembro de
2002).
Tabela 7 VaR paramtrico previsto versus perdas hipotticas aos pesos de julho de 1998
Beneficncia.
Nvel de confiana (Beneficncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

Novamente o VaR previsto superestimou as perdas que teriam sido realizadas, no


caso de os pesos da carteira terem sido mantidos constantes (menos para o nvel de
confiana de 99%). O teste de igualdade das varincias24 dos fatores de risco entre o
perodo de estimao da matriz de covarincia e o perodo de comparao rejeitou a
hiptese nula para todas as sries, menos para a srie do IBOVESPA. Como a igualdade de
varincias para as sries do CDI, INCC E INPC foi rejeitada e porque que estas sries
apresentaram varincia menor no perodo de comparao, bem provvel que este tenha
sido o motivo pelo qual o VaR superestimou as perdas. A tabela 8 mostra as volatilidades
24

Conforme descrito por BUSSAB e MORETTIN (2002).

73

dos fatores de risco nos dois subperodos (de previso e de comparao) e no perodo como
um todo.
Tabela 8 desvio-padro mensal dos fatores de risco no perodo de previso do VaR e de
comparao dos resultados.
Perodo

CDI

IBOVESPA

INCC

INPC

Jul/1994 a Jun/1998

1,12%

10,81%

1,94%

1,24%

Jul/1998 a Set/2002

0,47%

12,24%

0,46%

0,45%

Jul/1994 a Set/2002

1,00%

11,56%

1,42%

0,96%

A data em que as perdas verificadas superaram o VaR ao nvel de confiana de 99%


foi agosto de 1998. O principal responsvel por isto foi o ndice IBOVESPA, que perdeu
40% de seu valor nesta ocasio. O motivo de tal perda foi o auge das crises da sia e da
Rssia, que afetaram agudamente o Brasil.

5.1.2 Simulao histrica

O VaR mensal da Beneficncia estimado com a tcnica da simulao histrica est


na tabela 9. O quantil de interesse foi determinado atravs de interpolao linear, uma vez
que os quantis 5% e 10% no representavam observaes inteiras. No foi possvel
determinar o VaR para o nvel de confiana de 99% porque, como a amostra utilizada para
a previso do VaR era de 48 observaes, o quantil 1% era equivalente a 0,48 observaes,
impossibilitando a interpolao. O VaR aqui reportado relativo mdia, para que haja
uma uniformidade das medidas obtidas com a aplicao das outras metodologias (diminuiuse a mdia da distribuio do quantil de interesse).

74

Tabela 9 VaR mensal obtido atravs da simulao histrica Beneficncia


BENEFICNCIA
Previsto

Em unidades monetrias (R$)*

Nveis de Confiana
90%

95%

21.280.782,97

35.915.758,68

-3,018%

-5,093%

Em rentabilidade %
* A valores de julho de 1998.

Comparando-se as perdas previstas com as realizadas tem-se o seguinte (tabela 10):


Tabela 10 Comparao do VaR mensal previsto com a simulao histrica s perdas
realizadas Beneficncia
Nvel de confiana (Beneficncia)

90%

95%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

O VaR calculado com o mtodo da simulao histrica para a carteira da


Beneficncia tambm superestimou as perdas. A tabela 11 compara o VaR previsto s
perdas hipotticas, caso a carteira tivesse sido mantida constante, a pesos de julho de 1998.
Tabela 11 Comparao do VaR mensal previsto com a simulao histrica s perdas
hipotticas aos pesos de julho de 1998 Beneficncia
Nvel de confiana (Beneficncia)

90%

95%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

Observa-se que neste caso o VaR tambm teria superestimado as perdas.


O fato de o VaR previsto com a metodologia da simulao histrica ter
superestimado as perdas efetivas, sob a suposio de que a carteira tenha-se mantido
constante, quase sempre pode ser explicado pela total dependncia deste mtodo janela

75

histrica utilizada. Os grficos 2 a 5 mostram os retornos dos fatores de risco no perodo de


julho de 1994 a setembro de 2002.
Grfico 2 Retornos mensais do CDI (Renda Fixa) de julho de 1994 a setembro de 2002.
CDI (Renda Fixa)
8,00%
7,00%

Retornos (%)

6,00%
5,00%
4,00%
3,00%
2,00%
1,00%
0,00%
jan/93

jun/94

out/95

mar/97

jul/98

dez/99

abr/01

set/02

jan/04

Data

Observa-se que os retornos do CDI no perodo de previso do VaR foram mais altos
do que os retornos do perodo de comparao. Em compensao, a disperso no perodo de
comparao tambm foi menor, ocasionando uma volatilidade menor, conforme j
comentado na anlise do VaR previsto com o mtodo analtico. Isto ajuda a entender
porque o VaR previsto atravs da simulao histrica tambm superestimou o VaR.

76

Grfico 3 Retornos mensais do IBOVESPA (Renda Varivel) de julho de 1994 a


setembro de 2002.
IBOVESPA (Renda Varivel)
40,00%
30,00%
20,00%

Retornos (%)

10,00%
0,00%
jan/93
-10,00%

jun/94

out/95

mar/97

jul/98

dez/99

abr/01

set/02

jan/04

-20,00%
-30,00%
-40,00%
-50,00%
Data

Os retornos do IBOVESPA no chegaram a apresentar um padro distinto entre o


perodo de previso e o perodo de comparao.
Grfico 4 Retornos mensais do INCC (Imveis) de julho de 1994 a setembro de 2002.
INCC (Imveis)
12,00%

10,00%

Retornos (%)

8,00%

6,00%

4,00%

2,00%

0,00%
jan/93

jun/94

out/95

mar/97

jul/98

-2,00%
Data

dez/99

abr/01

set/02

jan/04

77

Pode-se observar que os retornos do INCC tambm apresentaram maior disperso


no perodo da janela de previso, o que ajuda a explicar porque o VaR superestimou as
perdas. Tambm existe a possibilidade de que o INCC no esteja representando
adequadamente o segmento de imveis.
Grfico 5 Retornos mensais do INPC (Emprstimos) de julho de 1994 a setembro de
2002.

INPC (Emprstimos)

9,00%
8,00%
7,00%

Retornos (%)

6,00%
5,00%
4,00%
3,00%
2,00%
1,00%
0,00%
jan/93
-1,00%

jun/94

out/95

mar/97

jul/98

dez/99

abr/01

set/02

jan/04

Data

Nota-se que a disperso dos retornos do INPC tambm foi maior durante o perodo
de previso, contribuindo, assim, para o fato de o VaR previsto com a metodologia da
simulao histrica ter superestimado as perdas.

78

5.1.3 Simulao de Monte Carlo

Supondo-se a distribuio normal para todos os fatores de risco:


Para a simulao de Monte Carlo, fez-se, primeiramente, a suposio de que as sries
histricas de todos os fatores de risco seguiriam a distribuio normal. Os parmetros
mdia e desvio-padro foram estimados a partir das sries histricas. A parte do relatrio
do Crystal Ball em que se pode ter a descrio das variveis do tipo Assumption supondo
a normalidade para os fatores de risco (igual para as trs entidades) est no anexo E.
O VaR mensal obtido atravs da leitura dos quantis gerados com a simulao de
Monte Carlo, com 1.000 e com 10.000 rodadas, para a Beneficncia, est na tabela 12. O
VaR colocado na tabela o VaR em relao mdia, para possibilitar a comparao deste
aos nmeros obtidos com a aplicao das outras metodologias (diminuiu-se a mdia da
distribuio do quantil de interesse).
Tabela 12 VaR mensal da Beneficncia previsto com a simulao de Monte Carlo
supondo-se distribuio normal para todos os fatores de risco com 1.000 e com 10.000
rodadas para os vrios nveis de confiana (quantis)
1.000 Rodadas Rp = 2,62%

10.000 Rodadas Rp = 2,59%

Nvel de confiana

90%

95%

99%

90%

95%

99%

VaR (%)

-3,21%

-4,12%

-6,37%

-3,34%

-4,35%

-6,12%

22.636.903,73

29.054.219,12

44.921.207,71

23.553.663,07

30.676.177,95

43.158.208,98

BENEFICNCIA
(Supondo ri~N)

Em Reais (R$)

Obs: A mdia do retorno da carteira estimada com 1.000 rodadas foi de 2,42% e com 10.000 rodadas, de
2,55%.

A distribuio dos retornos mensais da carteira da Beneficncia gerada pelo Crystal


Ball com 10.000 rodadas, a partir da suposio de normalidade para todos os fatores de
risco, est no grfico 6. O relatrio completo est no anexo F.

79

Grfico 6 Distribuio de retornos mensais da carteira da Beneficncia gerada pela


simulao de Monte Carlo, supondo-se normalidade para todos os fatores de risco (10.000
rodadas).
Forecast: Rp Beneficncia
250

Frequency

200
150
100
50
0
-004%

-001%

001%

004%

007%

A mdia de Rp gerada pela simulao equivalente mdia do retorno da carteira


no perodo de julho de 1994 a junho de 1998, aplicando-se os pesos de julho de 1998
srie dos fatores de risco. A tabela 13 compara as perdas efetivas com o VaR previsto pela
simulao de Monte Carlo, supondo-se normalidade para todos os fatores de risco, com
10.000 rodadas.
Tabela 13 VaR previsto (10.000 rodadas, supondo-se distribuio normal para todos os
fatores de risco) versus perdas realizadas - Beneficncia
Nvel de confiana (Beneficncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

O VaR superestimou as perdas verificadas na realidade (menos para o nvel de


confiana de 99%). Entretanto, necessrio fazer a comparao sob a suposio de que a
composio da carteira no variou, conforme a tabela 14.

80

Tabela 14 VaR previsto (10.000 rodadas, supondo-se distribuio normal para todos os
fatores de risco) versus perdas hipotticas aos pesos de julho de 1998 Beneficncia.
Nvel de confiana (Beneficncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

Neste caso verifica-se que o VaR previsto superestimou ainda mais as perdas. A
principal razo para isto foi a diminuio da volatilidade dos retornos dos fatores de risco
no perodo de comparao, o que ocasionou perdas menores para a carteira do que as
previstas pela simulao, cujos parmetros so sensveis janela histrica utilizada na
estimao.
Supondo-se a distribuio histrica para todos os fatores de risco:
A parte do relatrio do Crystal Ball em que se pode ter a descrio das
variveis do tipo Assumption supondo a distribuio histrica dos fatores de
risco (igual para as trs entidades) est no anexo G.

A tabela 15 mostra o VaR mensal (em relao mdia) da Beneficncia gerado pela
simulao de Monte Carlo, com a suposio de que a distribuio dos fatores de risco
seguir, no futuro, a mesma distribuio observada no passado.
Tabela 15 VaR mensal da Beneficncia previsto com a simulao de Monte Carlo,
supondo-se a distribuio histrica dos fatores de risco com 1.000 e com 10.000 rodadas
para os vrios nveis de confiana (quantis)
BENEFICNCIA

1.000 Rodadas Rp = 2,55%

10.000 Rodadas Rp = 2,47%

Nvel de confiana

90%

95%

99%

90%

95%

99%

VaR (%)

-3,20%

-5,06%

-6,97%

-3,24%

-5,15%

-7,06%

22.566.383,78

35.683.094,35

49.152.404,67

22.848.463,58

36.317.773,90

49.787.084,22

Em Reais (R$)

Obs: A mdia do retorno da carteira estimada com 1.000 rodadas foi de 3,52% e com 10.000 rodadas, de
3,61%.

81

O grfico 7 mostra a distribuio dos retornos mensais da carteira da Beneficncia


gerada pelo Crystal Ball com 10.000 rodadas, com a suposio de que a distribuio
histrica dos fatores de risco se repetir no futuro. O relatrio completo est no anexo H.
Grfico 7 Distribuio de retornos mensais da carteira da Beneficncia gerada pela
simulao de Monte Carlo, supondo-se a distribuio histrica para os fatores de risco
(10.000 rodadas).
Forecast: Rp Beneficncia
1800

Frequency

1600
1400
1200
1000
800
600
400
200
0
-003%

-001%

001%

004%

006%

A mdia de Rp com a suposio da distribuio histrica equivalente ao somatrio


das probabilidades de ocorrncia dos retornos dos fatores de risco (estimadas com base na
freqncia passada) multiplicadas pelos respectivos retornos e ponderadas pelos pesos
relativos investidos nos fatores de risco em julho de 1998.
A tabela 16 compara o VaR com as perdas verificadas no perodo de comparao.
Tabela 16 VaR previsto (10.000 rodadas, supondo-se a distribuio histrica dos fatores
de risco) versus perdas realizadas Beneficncia
Nvel de confiana (Beneficncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

82

O VaR superestimou as perdas.


A tabela 17 compara o VaR com as perdas sob a suposio de que a carteira
manteve constantes os pesos de julho de 1998.
Tabela 17 VaR previsto (10.000 rodadas, supondo-se a distribuio histrica dos fatores
de risco) versus perdas hipotticas aos pesos de julho de 1998 Beneficncia
Nvel de confiana (Beneficncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

Neste caso, o VaR tambm superestimou as perdas. A explicao para isto a


diminuio da volatilidade dos fatores de risco no perodo de comparao.

83

5.2 Previdncia
5.2.1 O VaR paramtrico

O VaR paramtrico mensal estimado para a Previdncia, para os diferentes nveis de


confiana, encontra-se na tabela 18.
Tabela 18 VaR paramtrico mensal da Previdncia para os diferentes nveis de confiana.
Nveis de Confiana

PREVIDNCIA
VaR Previsto ( VaR = pW )

90% ( = 1,28)

95% ( = 1,65)

99% ( = 2,33)

6.603.301,78

8.512.068,70

12.020.072,77

-4,46%

-5,75%

-8,12%

)
( p = 3,49% )
Em unidades monetrias* (R$)
Em rentabilidade %

*O Valor da Carteira no qual se baseia o VaR em unidades monetrias o valor em julho de 1998, ou seja,
R$ 147.950.463,87. Entretanto, a comparao do VaR previsto com as perdas efetivas no perodo seguinte foi
feita em termos da rentabilidade da carteira, por causa da evoluo do valor.
O VaR paramtrico da Previdncia pode ser decomposto conforme mostra a tabela
19.
Tabela 19 Decomposio do VaR paramtrico mensal da Previdncia ao nvel de
confiana de 95%
VaR Componente = CVaR = VaR x i x wi

PREVIDNCIA
Fator de Risco

w
w' w

wi

CVaR

Contribuio
% para o VaR

Renda Fixa (CDI)

0,105

0,52

471.128,81

5,53%

Renda Varivel (Ibovespa)

3,016

0,31

7.874.088,46

92,50%

Imveis (INCC)

0,108

0,09

84.374,01

0,99%

Emprstimos (INPC)

0,128

0,08

82.477,42

0,97%

8.512.068,70

100,00%

Total
VaR = R$ 8.512.068,70 (julho de 1998).

84

A tabela 20 mostra os VaRs individuais dos fatores de risco para a carteira da


Previdncia e a tabela 21 compara os VaRs individuais aos VaRs componentes.
Tabela 20 VaRs individuais dos fatores de risco da carteira da Previdncia ao nvel de
confiana de 95% (em julho de 1998).
VaR Individual = VaRi = i wiW

PREVIDNCIA
Fator de Risco

i*

wiW

VaR Individual

Renda Fixa (CDI)

1,65

1,12%

77.799.654,52

1.436.882,62

Renda Varivel (Ibovespa)

1,65

10,81%

43.373.981,64

8.090.368,28

Imveis (INCC)

1,65

1,94%

13.603.138,78

435.993,26

Emprstimos (INPC)

1,65

1,24%

11.173.688,93

228.854,39

VaR No-diversificado

10.192.098,56

*Desvio-padro dos fatores de risco no perodo de julho de 1994 a junho de 1998.

Tabela 21 Comparao entre os VaRs individuais e os VaRs componentes Previdncia.


PREVIDNCIA
Fator de Risco

VaR Individual

VaR Componente

VaRi = i wiW

CVaR = VaR x i x wi

Renda Fixa (CDI)

1.436.882,62

471.128,81

Renda Varivel (Ibovespa)

8.090.368,28

7.874.088,46

Imveis (INCC)

435.993,26

84.374,01

Emprstimos (INPC)

228.854,39

82.477,42

VaR No-diversificado

10.192.098,56

VaR Diversificado

8.512.068,70

O VaR no-diversificado da Previdncia 20% maior do que o VaR diversificado.


O clculo detalhado do VaR paramtrico da Previdncia est no anexo B.
A tabela 22 mostra o nmero de vezes em que as perdas efetivamente ocorridas na
carteira da Previdncia superaram o VaR paramtrico para cada nvel de confiana, em
contraposio ao nmero de vezes em que poderiam t-lo superado.

85

Tabela 22 VaR paramtrico previsto versus perdas realizadas Previdncia.


Nvel de confiana (Previdncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

O VaR paramtrico previsto para a Previdncia superestimou as perdas, exceto para


o nvel de confiana de 99%. Novamente, uma das razes que levaram a isto foi o
rebalanceamento da carteira. O segmento de renda fixa tinha um peso de 53% no incio do
perodo de comparao, sendo que os investimentos foram aumentando lentamente, at
atingirem a proporo de 89% da carteira em setembro de 2002. As aplicaes em renda
varivel, por sua vez, comearam com um peso de 31%, que foi diminuindo at chegar a
3% no final do perodo. Os imveis iniciaram o perodo representando 9% dos
investimentos e terminaram em 4%. Finalmente, o segmento de emprstimos comeou com
7% e diminuiu para 4% no final do perodo.
Tendo em vista que o VaR componente do segmento de renda varivel foi de 92,5%
do total do VaR diversificado, a reduo dos investimentos em renda varivel explica, em
grande medida, porque as perdas efetivas superaram o VaR previsto com freqncia menor
do que a esperada. O rebalanceamento da carteira, somado diminuio da volatilidade dos
fatores de risco durante o perodo de comparao, resultou em uma volatilidade da carteira,
medida ex post, de 3,09%, comparada volatilidade de 3,49% utilizada na previso do
VaR. Portanto, como o desvio-padro da carteira ocorrido na realidade foi menor do que o
previsto, natural que o VaR tenha superestimado as perdas.
A mdia aritmtica dos retornos da carteira verificados no perodo de comparao
(julho de 1998 a setembro de 2002) foi de 1,11% ao ms, um pouco maior do que a mdia
verificada no perodo total para o qual se coletaram dados para os retornos das carteiras
(janeiro de 1996 a setembro de 2002), que foi de 0,95% ao ms. As estatsticas descritivas e
o histograma dos retornos da carteira real da Previdncia no perodo de comparao esto
no anexo D. O grfico 8 mostra os desvios em relao mdia dos retornos para o perodo
de comparao. O eixo dos x so os perodos mensais.

86

Grfico 8 Desvios em relao mdia dos retornos mensais da Previdncia (julho de


1998 a setembro de 2002).

PREVIDNCIA
Desvio em relao mdia
de rentabilidade da cateira
(realizada)

10%
5%
0%
0

10

20

30

40

50

60

-5%
-10%
-15%
Perodo

O maior desvio negativo em relao mdia foi em agosto de 1998, por causa das
crises russa e asitica.
Supondo-se que os pesos da carteira tivessem permanecido constantes, iguais a seus
valores de julho de 1998, a comparao entre as perdas previstas e as hipoteticamente
realizadas seria a que est na tabela 23.
Tabela 23 VaR paramtrico previsto versus perdas hipotticas aos pesos de julho de 1998
Previdncia.
Nvel de confiana (Previdncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

No caso da Previdncia, o VaR superestimou as perdas, mesmo sob a suposio de


carteira congelada. Isto ocorreu porque a volatilidade dos fatores de risco diminuiu no
perodo de verificao.

87

5.2.2 Simulao histrica

O VaR mensal da Previdncia estimado com a tcnica da simulao histrica est na


tabela 24.
Tabela 24 VaR mensal obtido atravs da simulao histrica Previdncia
PREVIDNCIA
VaR Previsto

Em unidades monetrias (R$)*

Nveis de Confiana
90%

95%

6.511.026,83

9.781.298,58

-4,401%

-6,611%

Em rentabilidade %
* A valores de julho de 1998.

A comparao das perdas previstas com as realizadas est na tabela 25.


Tabela 25 Comparao do VaR mensal previsto com a simulao histrica s perdas
realizadas Previdncia
Nvel de confiana (Previdncia)

90%

95%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

O VaR previsto pela simulao histrica superestimou as perdas efetivas para


ambos os nveis de confiana no caso da Previdncia. A tabela 26 compara o VaR s perdas
hipotticas, caso a carteira tivesse sido mantida constante, a pesos de julho de 1998.
Tabela 26 Comparao do VaR mensal previsto com a simulao histrica s perdas
hipotticas aos pesos de julho de 1998 Previdncia
Nvel de confiana (Previdncia)

90%

95%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

88

Observa-se que neste caso VaR teria novamente superestimado as perdas. A anlise
das razes que levaram a isto, feita para a Beneficncia, tambm se aplica para a
Previdncia, pois os fatores de risco que compem as carteiras so os mesmos.

5.2.3 Simulao de Monte Carlo

Supondo-se a distribuio normal para todos os fatores de risco:


O VaR mensal previsto para a Previdncia com a simulao de Monte Carlo,
supondo-se a distribuio normal para todos os fatores de risco, est na tabela 27.
Tabela 27 VaR mensal da Previdncia previsto com a simulao de Monte Carlo,
supondo-se distribuio normal para todos os fatores de risco com 1.000 e com 10.000
rodadas para os vrios nveis de confiana (quantis)
1.000 Rodadas Rp = 3,56%

10.000 Rodadas Rp = 3,52%

Nvel de confiana

90%

95%

99%

90%

95%

VaR (%)

-4,39%

-5,92%

-8,23%

-4,55%

-5,83%

-8,22%

6.495.025,36

8.758.667,46

12.176.323,18

6.731.746,11

8.625.512,04

12.161.528,13

PREVIDNCIA
(Supondo ri~N)

Em Reais (R$)

99%

Obs: A mdia do retorno da carteira estimada com 1.000 rodadas foi de 2,29% e com 10.000 rodadas, de
2,44%.

A distribuio dos retornos mensais da carteira da Previdncia originada pela


simulao de Monte Carlo, supondo-se a distribuio normal para os fatores de risco
encontra-se no grfico 9. O relatrio completo est no anexo F.

89

Grfico 9 Distribuio de retornos mensais da carteira da Previdncia gerada pela


simulao de Monte Carlo, supondo-se normalidade para todos os fatores de risco (10.000
rodadas).
Forecast: Rp Previdncia
250

Frequency

200
150
100
50
0
-007%

-003%

001%

004%

008%

A tabela 28 compara as perdas previstas s perdas ocorridas na realidade.


Tabela 28 VaR previsto (10.000 rodadas, supondo-se distribuio normal para todos os
fatores de risco) versus perdas realizadas - Previdncia
Nvel de confiana (Previdncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

O VaR superestimou as perdas, a no ser para o nvel de confiana de 99%. Sob a


suposio de carteira constante, a comparao est na tabela 29.
Tabela 29 VaR previsto (10.000 rodadas, supondo-se distribuio normal para todos os
fatores de risco) versus perdas hipotticas aos pesos de julho de 1998 Previdncia.
Nvel de confiana (Previdncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

90

O VaR previsto superestimou as perdas.


Supondo-se a distribuio histrica para todos os fatores de risco:
A tabela 30 mostra o VaR mensal previsto pela simulao de Monte Carlo para a
Previdncia, sob a suposio de que os fatores de risco seguiro, no futuro, a mesma
distribuio apresentada no passado.
Tabela 30 VaR mensal da Previdncia previsto com a simulao de Monte Carlo,
supondo-se a distribuio histrica dos fatores de risco com 1.000 e com 10.000 rodadas
para os vrios nveis de confiana (quantis)
PREVIDNCIA

1.000 Rodadas Rp = 3,39%

10.000 Rodadas Rp = 3,35%

Nvel de confiana

90%

95%

99%

90%

95%

VaR (%)

-4,20%

-6,85%

-9,50%

-4,22%

-6,87%

-9,52%

6.213.919,48

10.134.606,78

14.055.294,07

6.243.509,58

10.164.196,87

14.084.884,16

Em Reais (R$)

99%

Obs: A mdia do retorno da carteira estimada com 1.000 rodadas foi de 3,68% e com 10.000 rodadas, de
3,70%.

A distribuio de retornos mensais da carteira da Previdncia obtida com a


simulao, supondo-se a distribuio histrica, est no grfico 10. O relatrio completo est
no anexo H.

91

Grfico 10 Distribuio de retornos mensais da carteira da Previdncia gerada pela


simulao de Monte Carlo, supondo-se a distribuio histrica para os fatores de risco
(10.000 rodadas).
Forecast: Rp Previdncia
1600
1400
Frequency

1200
1000
800
600
400
200
0
-005%

-002%

001%

004%

006%

A tabela 31 compara o VaR previsto com as perdas realizadas.


Tabela 31 VaR previsto (10.000 rodadas, supondo-se a distribuio histrica dos fatores
de risco) versus perdas realizadas Previdncia
Nvel de confiana (Previdncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

O VaR superestimou as perdas.


Caso a carteira tivesse mantido as propores investidas nos fatores de risco em
julho de 1998, a comparao seria a da tabela 32.

92

Tabela 32 VaR previsto (10.000 rodadas, supondo-se a distribuio histrica dos fatores
de risco) versus perdas hipotticas aos pesos de julho de 1998 Previdncia
Nvel de confiana (Previdncia)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

Mais uma vez o VaR superestimou as perdas.

93

5.3 Fundao
5.3.1 O VaR paramtrico

O VaR paramtrico mensal estimado para a Fundao, para os diferentes nveis de


confiana, encontra-se na tabela 33.
Tabela 33 VaR paramtrico mensal da Fundao para os diferentes nveis de confiana.
Nveis de Confiana

FUNDAO
VaR Previsto ( VaR = pW )

90% ( = 1,28)

95% ( = 1,65)

99% ( = 2,33)

1.647.271,42

2.123.435,82

2.998.548,76

-3,09%

-3,98%

-5,62%

)
( p = 2,41% )
Em unidades monetrias* (R$)
Em rentabilidade %

*O Valor da Carteira no qual se baseia o VaR em unidades monetrias o valor em julho de 1998, ou seja,
R$ 53.372.542,48. Entretanto, a comparao do VaR previsto com as perdas efetivas no perodo seguinte foi
feita em termos da rentabilidade da carteira, por causa da evoluo do valor.
O VaR paramtrico da Fundao pode ser decomposto conforme mostra a tabela 34.
Tabela 34 Decomposio do VaR paramtrico mensal da Fundao ao nvel de confiana
de 95%
VaR Componente = CVaR = VaR x i x wi

FUNDAO
Fator de Risco

w
w' w

wi

CVaR

Contribuio
% para o VaR

Renda Fixa (CDI)

0,217

0,77

356.627,24

16,79%

Renda Varivel (Ibovespa)

4,163

0,20

1.753.385,26

82,57%

Imveis (INCC)

0,216

0,01

5.559,25

0,26%

Emprstimos (INPC)

0,237

0,02

7.864,06

0,37%

2.123.435,82

100,00%

Total
VaR = R$ 2.123.435,82 (julho de 1998).

94

A tabela 35 mostra os VaRs individuais dos fatores de risco para a carteira da


Fundao e a tabela 36 compara os VaRs individuais aos VaRs componentes.
Tabela 35 VaRs individuais dos fatores de risco da carteira da Fundao ao nvel de
confiana de 95% (em julho de 1998).
VaR Individual = VaRi = i wiW

FUNDAO
Fator de Risco

i*

wiW

Renda Fixa (CDI)

1,65

1,12%

41.304.154,48

762.846,86

Renda Varivel (Ibovespa)

1,65

10,81%

10.587.269,36

1.887.753,84

Imveis (INCC)

1,65

1,94%

647.693,02

20.759,16

Emprstimos (INPC)

1,65

1,24%

833.425,62

17.069,84

VaR No-diversificado

VaR Individual

2.688.429,71

*Desvio-padro dos fatores de risco no perodo de julho de 1994 a junho de 1998.

Tabela 36 Comparao entre os VaRs individuais e os VaRs componentes Fundao.


FUNDAO
Fator de Risco

Renda Fixa (CDI)

VaR Individual

VaR Componente

VaRi = i wiW

CVaR = VaR x i x wi

762.846,86

356.627,24

1.887.753,84

1.753.385,26

Imveis (INCC)

20.759,16

5.559,25

Emprstimos (INPC)

17.069,84

7.864,06

Renda Varivel (Ibovespa)

VaR No-diversificado

2.688.429,71

VaR Diversificado

2.123.435,82

O VaR no-diversificado da Fundao 27% maior do que o VaR diversificado. O


clculo detalhado do VaR paramtrico da Fundao est no anexo C.
A tabela 37 mostra o nmero de vezes em que as perdas efetivamente ocorridas na
carteira da Fundao superaram o VaR paramtrico para cada nvel de confiana, em
contraposio ao nmero de vezes em que poderiam t-lo superado.

95

Tabela 37 VaR paramtrico previsto versus perdas realizadas Fundao.


Nvel de confiana (Fundao)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

O VaR previsto para a Fundao superestimou as perdas para todos os nveis de


confiana. No caso desta entidade, um dos fatores que contribuiu para isto foi o fato de que
os desvios positivos em relao mdia foram maiores em valor absoluto do que os desvios
negativos, conforme se observa no grfico 11. A composio da carteira tambm
apresentou variaes significativas, mas estas no seguiram um padro constante, como
diminuio gradativa das aplicaes em um segmento e aumento em outro (que foi o caso
das outras entidades). Um aspecto pertinente, entretanto, que a Fundao teve os maiores
percentuais da carteira investidos em renda varivel justamente entre 1999 e 2000, quando
o ndice Ibovespa apresentou retornos bem altos. As estatsticas descritivas e o histograma
dos retornos da carteira real da Fundao no perodo de comparao esto no anexo D.
Os altos desvios positivos em relao mdia dos meses de dezembro de 2001 e
janeiro de 2002 so explicados, como foi o caso da Beneficncia, pela reverso das
provises para o imposto de renda, advindas da deciso da Receita Federal de instituir o
Regime Especial de Tributao. O desvio em relao mdia mais adverso foi em agosto
de 1998, por causa das crises russa e asitica.

96

Grfico 11 Desvios em relao mdia dos retornos mensais da Fundao (julho de 1998
a setembro de 2002).

FUNDAO
Desvio em relao mdia
de rentabilidade da
carteira (realizada)

20%
15%
10%
5%
0%
0

10

20

30

40

50

60

-5%
-10%

Perodo

A volatilidade da carteira, medida ex post, foi 4,07%, em contraposio


volatilidade de 2,41% utilizada na previso do VaR. A predominncia dos desvios positivos
em relao aos negativos (apesar de o desvio-padro verificado ter sido maior do que o
utilizado na previso do VaR) mostra o motivo pelo qual o VaR superestimou as perdas,
pois o desvio-padro considera igualmente os desvios positivos e negativos.
A mdia aritmtica dos retornos da carteira verificados no perodo de comparao
(julho de 1998 a setembro de 2002) foi de 1,60% ao ms, um pouco maior do que a mdia
verificada no perodo total para o qual se coletaram dados para os retornos das carteiras
(janeiro de 1996 a setembro de 2002), que foi de 1,45% ao ms.
Supondo-se que os pesos da carteira tivessem permanecido constantes, iguais a seus
valores de julho de 1998, a comparao entre as perdas previstas e as hipoteticamente
realizadas seria a que est na tabela 38.

97

Tabela 38 VaR paramtrico previsto versus perdas hipotticas aos pesos de julho de 1998
Fundao.
Nvel de confiana (Fundao)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

No caso da Fundao, o VaR superestimou as perdas, mesmo sob a suposio de


carteira congelada. Isto ocorreu porque a volatilidade dos fatores de risco diminuiu no
perodo de verificao.

5.3.2 Simulao histrica

O VaR mensal da Fundao estimado com a tcnica da simulao histrica est na


tabela 39.
Tabela 39 VaR mensal obtido atravs da simulao histrica Fundao
FUNDAO
VaR Previsto

Em unidades monetrias (R$)*


Em rentabilidade %

Nveis de Confiana
90%

95%

1.418.073,60

2.508.999,76

-2,657%

-4,701%

* A valores de julho de 1998.

A comparao das perdas previstas com as realizadas est na tabela 40:

98

Tabela 40 Comparao do VaR mensal previsto com a simulao histrica s perdas


realizadas Fundao
Nvel de confiana (Fundao)

90%

95%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

O VaR previsto pela simulao histrica superestimou as perdas efetivas para


ambos os nveis de confiana no caso da Fundao. A tabela 41 compara o VaR previsto
com as perdas hipotticas caso a carteira tivesse sido mantida constante, a pesos de julho de
1998.
Tabela 41 Comparao do VaR mensal previsto com a simulao histrica s perdas
hipotticas aos pesos de julho de 1998 Fundao
Nvel de confiana (Fundao)

90%

95%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

Observa-se que o VaR teria superestimado as perdas tambm sob a hiptese da


carteira congelada. As consideraes feitas para a Beneficncia a respeito dos fatores de
risco tambm so vlidas para a Fundao.

5.3.3 Simulao de Monte Carlo

Supondo-se a distribuio normal para todos os fatores de risco:


O VaR da Fundao obtido com a simulao de Monte Carlo, supondo-se
distribuio normal para todos os fatores de risco, reportado na tabela 42.

99

Tabela 42 VaR mensal da Fundao previsto com a simulao de Monte Carlo, supondose distribuio normal para todos os fatores de risco com 1.000 e com 10.000 rodadas para
os vrios nveis de confiana (quantis)
1.000 Rodadas Rp = 2,42%

10.000 Rodadas Rp = 2,41%

Nvel de confiana

90%

95%

99%

90%

95%

VaR (%)

-3,04%

-3,84%

-5,75%

-3,07%

-3,92%

-5,63%

1.622.525,29

2.049.505,63

3.068.921,19

1.638.537,05

2.092.203,67

3.004.874,14

FUNDAO
(Supondo ri~N)

Em Reais (R$)

99%

Obs: A mdia do retorno da carteira estimada com 1.000 rodadas foi de 2,69% e com 10.000 rodadas, de
2,63%.

A distribuio dos retornos mensais da carteira da Fundao gerada pela simulao


de Monte Carlo, supondo-se normalidade para os fatores de risco, apresentada no grfico
12. O relatrio completo est no anexo F.
Grfico 12 Distribuio de retornos mensais da carteira da Fundao gerada pela
simulao de Monte Carlo, supondo-se normalidade para todos os fatores de risco (10.000
rodadas).
Forecast: Rp Fundao
250

Frequency

200
150
100
50
0
-004%

-001%

001%

004%

006%

A tabela 43 compara o VaR da Fundao previsto pela simulao de Monte Carlo,


supondo-se normalidade para os fatores de risco, s perdas verificadas na realidade e a

100

tabela 44 compara o VaR s perdas sob a suposio de que a composio da carteira no


variou no perodo.
Tabela 43 VaR previsto (10.000 rodadas, supondo-se distribuio normal para todos os
fatores de risco) versus perdas realizadas - Fundao
Nvel de confiana (Fundao)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

Tabela 44 VaR previsto (10.000 rodadas, supondo-se distribuio normal para todos os
fatores de risco) versus perdas hipotticas aos pesos de julho de 1998 Fundao.
Nvel de confiana (Fundao)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

Observa-se que o VaR superestimou as perdas nos dois casos.


Supondo-se a distribuio histrica para todos os fatores de risco:
Sob a suposio de que a distribuio histrica dos fatores de risco ir se repetir no
futuro, o VaR mensal calculado pela simulao de Monte Carlo para a carteira da Fundao
o que est na tabela 45.
Tabela 45 VaR mensal da Fundao previsto com a simulao de Monte Carlo, supondose a distribuio histrica dos fatores de risco com 1.000 e com 10.000 rodadas para os
vrios nveis de confiana (quantis)
FUNDAO

1.000 Rodadas Rp = 2,22%

10.000 Rodadas Rp = 2,28%

Nvel de confiana

90%

95%

99%

90%

95%

VaR (%)

-3,08%

-4,78%

-6,51%

-2,97%

-4,69%

-6,40%

1.643.874,31

2.551.207,53

3.474.552,52

1.585.164,51

2.503.172,24

3.415.842,72

Em Reais (R$)

99%

Obs: A mdia do retorno da carteira estimada com 1.000 rodadas foi de 3,70% e com 10.000 rodadas, de
3,59%.

101

O grfico 13 exibe a distribuio originada pela simulao, supondo-se a


distribuio histrica dos fatores de risco para os retornos da carteira da Fundao. O
relatrio completo est no anexo H.
Grfico 13 Distribuio de retornos mensais da carteira da Fundao gerada pela
simulao de Monte Carlo, supondo-se a distribuio histrica para os fatores de risco
(10.000 rodadas).
Forecast: Rp Fundao
1800

Frequency

1600
1400
1200
1000
800
600
400
200
0
-002%

000%

002%

004%

006%

A tabela 46 compara o nmero de perdas previsto por esta metodologia com o


nmero de perdas realizadas para os nveis de confiana correspondentes, e a tabela 47 faz
a comparao supondo-se que os pesos da carteira no variaram desde julho de 1998.
Tabela 46 VaR previsto (10.000 rodadas, supondo-se a distribuio histrica dos fatores
de risco) versus perdas realizadas Fundao
Nvel de confiana (Fundao)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado*

Nmero de vezes em que as perdas superaram o VaR

*O nmero de vezes em que o VaR poderia ter sido superado foi calculado como N = p x T, sendo que N o
nmero de excees, p (1- c) e T o nmero de perodos, neste caso 51 meses (julho de 1998 a setembro de
2002). Os nmeros obtidos foram arredondados para o inteiro mais prximo.

102

Tabela 47 VaR previsto (10.000 rodadas, supondo-se a distribuio histrica dos fatores
de risco) versus perdas hipotticas aos pesos de julho de 1998 Fundao
Nvel de confiana (Fundao)

90%

95%

99%

Nmero de vezes em que o VaR poderia ter sido superado

Nmero de vezes em que as perdas hipotticas superaram o VaR

O VaR previsto superestimou as perdas de novo, exceto para o nvel de confiana de


99%, sob a suposio de carteira constante.

103

5.4 Comparao entre as metodologias

As tabelas 48 e 49 mostram um resumo comparativo entre as metodologias de


previso do VaR. O que se observa que, quase sempre, o nmero de vezes em que o VaR
poderia ter sido excedido foi superestimado, em todas as metodologias. A maior parte dos
casos em que o nmero de perdas ficou alinhado com o nvel de confiana foi para os 99%,
em que o nmero de excees previstas foi de 0,51, que foi arredondado para 1.
Um aspecto interessante a ser mencionado que o nmero de perdas que superou
o VaR calculado pela metodologia paramtrica foi igual ao nmero de perdas que superou o
VaR calculado pela metodologia da simulao de Monte Carlo, supondo-se a distribuio
normal para os fatores de risco. A nica exceo foi para o nvel de confiana de 90% da
Previdncia, sob a suposio de carteira constante. O mesmo aconteceu com as
metodologias da simulao histrica e da simulao de Monte Carlo supondo-se a
distribuio histrica dos fatores de risco, exceto para o nvel de 90% da Previdncia, sob a
suposio de carteira constante, e para o nvel de 90% da Fundao (carteira real).
No se pode dizer, portanto, no nosso caso, qual foi a metodologia que apresentou
melhores resultados na previso do VaR. Todas apresentaram resultados semelhantes,
tendo em vista o objetivo da pesquisa.
interessante tambm destacar que as medidas de VaR previstas para as
entidades, com as diferentes metodologias no apresentaram grandes diferenas entre si. As
previses de VaR obtidas com a metodologia paramtrica ficaram praticamente idnticas s
previses geradas com a simulao de Monte Carlo supondo-se a distribuio normal para
todos os fatores de risco (especialmente a de 10.000 rodadas). Este resultado no
surpreendente, uma vez que a metodologia paramtrica supe a normalidade para os
retornos dos fatores de risco e que a matriz de covarincia e os parmetros histricos
utilizados na simulao de Monte Carlo foram os mesmos utilizados no clculo com
metodologia paramtrica.
Alm disso, o mapeamento dos ativos em fatores de risco (feito para simplificar o
clculo), a inexistncia de no-linearidades (como opes) nas carteiras e o uso de
parmetros histricos como estimadores dos parmetros futuros propiciaram uma
uniformidade das medidas de VaR obtidas com metodologias distintas. O VaR obtido com

104

a simulao histrica tambm apresentou medidas bastante semelhantes ao VaR estimado


com a simulao de Monte Carlo, supondo-se que a distribuio histrica dos fatores de
risco ir se repetir no futuro.
A principal razo pela qual todas as metodologias de previso do VaR
superestimaram as perdas (mesmo sob a suposio de que a carteira das entidades tenha
mantido os pesos de julho de 1998 durante todo o perodo de comparao) foi a
instabilidade da matriz de covarincia. Como a igualdade de varincias dos fatores de risco
foi rejeitada, com exceo do IBOVESPA, e a volatilidade dos retornos dos ndices foi
menor no subperodo de comparao, o VaR estimado com base em parmetros histricos,
sob a suposio de estabilidade destes parmetros no perodo de comparao, previu perdas
maiores do que as ocorridas na prtica.

105

Tabela 48 Comparao entre as metodologias de previso do VaR carteira real.


METODOLOGIA DE PREVISO DO VALUE AT RISK
Paramtrica

Simulao

Simulao de Monte Carlo (com 10.000 rodadas)

Histrica

Distribuio Normal

Distribuio Histrica

Nvel de Confiana

90%

95%

99%

90%

95%

90%

95%

99%

90%

95%

99%

N de perdas previstas

BENEFICNCIA

PREVIDNCIA

FUNDAO

N perdas realizadas

106

Tabela 49 Comparao entre as metodologias de previso do VaR sob a suposio de carteira constante a pesos de julho de
1998.
METODOLOGIA DE PREVISO DO VALUE AT RISK
Paramtrica

Simulao

Simulao de Monte Carlo (com 10.000 rodadas)

Histrica

Distribuio Normal

Distribuio Histrica

Nvel de Confiana

90%

95%

99%

90%

95%

90%

95%

99%

90%

95%

99%

N de perdas previstas

BENEFICNCIA

PREVIDNCIA

FUNDAO

N perdas realizadas

6. CONCLUSES

Este estudo procurou verificar a eficcia do VaR como medida de controle de risco
para os fundos de penso brasileiros. Para isto, foram feitas adaptaes que permitissem a
aplicao das metodologias de previso do VaR s caractersticas especficas destes
investidores de longo prazo, bem como a comparao das perdas previstas s perdas
observadas na realidade.
Para o clculo do VaR foram utilizadas trs metodologias: a paramtrica, a
simulao histrica e a simulao de Monte Carlo, sendo que na simulao de Monte Carlo
foram feitas duas suposies distintas para a distribuio dos retornos dos fatores de risco
(a distribuio normal e a distribuio histrica). As trs metodologias foram aplicadas s
carteiras reais de trs fundos de penso brasileiros, sendo que, num primeiro momento, foi
estimado o VaR e, em seguida, compararam-se as medidas obtidas com as perdas
verificadas no perodo de comparao, a fim de se verificar se o VaR uma medida de
risco que prev as perdas adequadamente e se alguma das metodologias utilizada se
mostrava mais eficaz do que as outras.
Os resultados alcanados, todavia, precisam ser considerados dentro das limitaes
que os caracterizam. A principal delas , sem dvida, o tamanho restrito da amostra de
dados disponvel. O horizonte de longo prazo das entidades fechadas de previdncia
complementar torna sem sentido o uso de uma medida de VaR diria, como a prtica dos
bancos. Por este motivo, o horizonte adotado nos clculos foi mensal. O preo a pagar por
esta adaptao foi um nmero bastante reduzido de observaes, tanto para a estimao dos
parmetros utilizados nas previses de VaR como para a comparao das medidas
estimadas com as perdas verificadas.
A periodicidade de mensurao dos retornos, por proporcionar uma amostra muito
pequena, no permitiu que a verificao da eficcia do VaR tivesse validao estatstica. O
backtesting, como chamada a validao estatstica dos modelos de VaR, no foi a

proposta do trabalho. O exerccio teve carter qualitativo, tambm pelo fato de se terem
feito as previses para apenas trs entidades.
Neste contexto, o VaR mostrou-se uma medida de risco demasiado conservadora
para os casos considerados. Todas as metodologias apresentaram resultados parecidos,

108

sendo que, na maioria dos casos, foi superestimado o nmero de vezes em que as perdas
supostamente ultrapassariam o VaR (determinado pelo nvel de confiana da medida de
VaR).
A principal razo que levou a isto foi a instabilidade da matriz de covarincia dos
fatores de risco. Sobre este aspecto, importante destacar que no foi utilizado nenhum
modelo de previso da volatilidade porque, conforme foi justificado no decorrer do
trabalho, os efeitos de tais modelos raramente so visveis em dados de periodicidade
mensal.
Apesar das limitaes, o VaR uma medida de risco muito til para os fundos de
penso. Do ponto de vista da gesto do fundo, o principal benefcio de usar o VaR que ele
faz com que as EFPCs analisem e acompanhem a sua exposio ao risco. O controle e a
administrao dos riscos de mercado tambm permite que os fundos de penso avaliem,
atravs das ferramentas analticas proporcionadas pelo VaR (ainda que como uma
aproximao), de onde vem a maior parte do risco de suas carteiras. Isto tambm ajuda na
escolha de ativos para compor a carteira, j que possvel saber, entre ativos de igual
retorno esperado, aquele que ir minimizar o risco total da carteira. O VaR tambm auxilia
no estabelecimento da poltica de investimentos e na escolha das classes de ativos. Alm
disso, importante uma gesto de risco centralizada, principalmente quando a gesto dos
investimentos, ou parte dela, terceirizada. O VaR possibilita a avaliao dos gestores e
proporciona a visualizao do quadro geral do risco, j que a imposio de restries de
investimentos aos gestores, por si s, pode no significar muito. Somado a isto, o VaR de
uma carteira terceirizada pode parecer aceitvel quando considerado isoladamente, mas
pode se revelar inadequado ao ser agregado aos demais investimentos da entidade.
Do ponto de vista do agente regulador, o VaR tambm traz vantagens. A
implementao de um sistema de controle de risco atravs do VaR aumenta a transparncia
e a profissionalizao da administrao das entidades alm de, efetivamente, monitorar e
controlar o risco, eliminando a necessidade de impor limites s aplicaes dos fundos por
segmento. O rgo regulador pode determinar diretrizes mais consistentes, que levem em
conta os efeitos da diversificao como, por exemplo, determinar limites de VaR para os
fundos de penso.

109

Finalmente, considerando o ponto de vista dos participantes dos planos de penso,


o VaR uma medida de risco bastante informativa, sucinta e, talvez o mais importante,
considerando o baixo nvel geral de conhecimentos financeiros da maioria dos
participantes, de forte apelo intuitivo e de fcil compreenso. A transparncia
proporcionada pelo VaR aumenta a segurana do participante e, possivelmente, seu
interesse no acompanhamento do desempenho dos investimentos do fundo de penso.
Mesmo com todas as vantagens, porm, h ainda muito a ser feito no sentido de
aperfeioar as medidas de VaR para os fundos de penso. Futuras pesquisas
complementares ou de aprofundamento deste trabalho poderiam incorporar o passivo
atuarial das entidades fechadas de previdncia complementar, num esforo de traduzir
riscos de naturezas diferentes em uma nica medida, alm de considerar a necessidade do
casamento entre ativos e passivos (Asset Liability Management). Um aspecto interessante
neste arcabouo seria como incorporar, no clculo, a volatilidade do passivo atuarial, que
sofre influncia de muitos fatores. Maneiras de contornar a instabilidade da matriz de
covarincia dos fatores de risco (com periodicidade mensal de mensurao dos retornos)
tambm merecem ateno.
Alm destas sugestes, importante ainda mencionar que a incluso de fatores de
risco mais complexos e no-lineares, como opes, e a anlise de carteiras com
caractersticas distintas entre si, tornariam as medidas de VaR mais realistas e permitiriam
tirar concluses mais bem fundamentadas acerca da metodologia mais apropriada para cada
situao especfica. A contemplao de outros tipos de risco, especialmente os riscos de
liquidez, legal e operacional, tambm seria bem-vinda na tentativa de se abordar o risco do
ponto de vista de uma entidade previdenciria e das partes interessadas.

110

ABSTRACT

This study summarizes the theory underlying Value at risk, including its history,
concepts and applicability to pension funds. It describes the main approaches in computing
VaR, as well as the situations in which one approach is more appropriate than the other. It
also revises the international literature about the use of VaR as a risk measure by pension
funds. After that, VaR is computed for real portfolios of three Brazilian pension funds,
applying three methods: analytical, historical simulation and Monte Carlo simulation, the
last one with two different assumptions about risk factor returns distributions (normal and
historical). Following VaR computation, a qualitative test is performed, by comparing the
actual losses faced by the three pension funds portfolios with the associated number of
losses, given the confidence level. Evidence about superiority of some of the approaches
has not been found, and all of them have overestimated real losses (the VaR measure was
exceeded less often than expected).

7. REFERNCIAS BIBLIOGRFICAS

1. Artzner, P. (1998, July). Application of Coherent Risk Measures to Capital


Requirements in Insurance. North American Actuarial Journal (NAAJ), 3 (2),
11-25. Acesso maio de 2001, disponvel na WWW: <http://www.gloriamundi.org/
directory2.asp?SubCatLev1ID=Capital>

2. Basle Committee on Banking Supervision. (1995). An Internal Model-Based


Approach to Market Risk Capital Requirements. Basle, Switzerland, Autor.
Acesso junho de 2001, disponvel na WWW: <http://www.bis.org/bcbs/publ.htm>
3. Batlin, C. & Schachter, B. (2000, March). The ten great challenges of Risk
Management. Acesso junho de 2001, disponvel na WWW:
<http://www.gloriamundi.org/var/pub.html>
4. Bensman, M. (1995). How pension officers tame risk. Institutional Investor,
(5),111-120.
5. Bodie, Z. (1990). The ABO, the PBO and Pension Investment Policy. Financial
Analysts Journal, (September/October), 27-34.
6. Brasil, Conselho Monetrio Nacional (2001). Resoluo n 2.829. Dirio Oficial,
30 de maro.
7. Bruggeman, H. & Honig, A. (1998). Pension Funds: Dealing with VAR. Treasury
Management International, (January). Acesso maio de 2001, disponvel na
WWW: <http://www.treasury-management.com/inter2/article/h/198ahon.htm>
8. Bussab, W. O., & Morettin, P. A. (2002). Inferncia para duas populaes. In
Bussab, W. O., & Morettin, P. A. Estatstica Bsica (5 ed., cap. 13, p. 359-361).
So Paulo: Saraiva.
9. Clair, C. (2001). Concerns VaR may be double-edged sword. Pensions &
Investments, 29 (1), 3-28. Acesso junho de 2001, Proquest Direct
(ABI/INFORM Global) na WWW: <http://proquest.umi.com/pqdweb>
10. Crystal Ball 2000 (v5,2,2) [Programa de Computador]. (2000). Decisioneering.
Acesso
Janeiro
de
2003,
disponvel
na
WWW:
<http://www.decisioneering.com/downloadform.html>
11. Culp, C. L., Mensink, R., & Neves, A M. P. (1999) Value at Risk for asset
managers. Forthcoming Derivatives Quarterly, 5 (2) (Draft: January 8,1999).
Acesso
junho
de
2001,
disponvel
na
WWW:
<http://www.chelovek.net/references/VaR/var54.pdf>

112

12. Cunha Junior, J. E. (novembro, 2002). Aspectos Contbeis das Entidades Fechadas
de Previdncia Complementar. [Apostila para curso de MBA]. Braslia.
13. De la Rocque, E., & Garcia, M. (1996). Estudando a Volatilidade do Mercado de
DI. Pesquisa e Planejamento Econmico. 26 (2), 203-230.
14. De La Rocque, E., (1997). A Vedete do Controle de Riscos. Revista Bovespa, 47,
(Agosto), 50-52.
15. De La Rocque, E., (1998). Controle de Riscos, Institutional Investor do Brasil, 1,
(1), 38-40.
16. Dowd, K. (1998). Beyond Value at Risk: The new science of Risk Management.
West Sussex: John Wiley & Sons.
17. Dowd, K., Blake, D., & Cairns, A. (2001). Pension Metrics: Stochastic Pension
Plan Design and Value-at-Risk during the Accumulation Phase. BSI Gamma
Foundation.
Acesso
abril
de
2001,
na
WWW:
<http://www.bsi.ch/gammaf/conference/pmetrics.pdf>
18. Dowd, K., Blake, D., & Cairns, A. (2001, June). Long-Term Value at Risk.
Discussion Paper, The Pensions Institute, London. Acesso maro de 2002,
disponvel na WWW: < http://www.pensions-institute.org/wp/wp0006.pdf>
19. Economatica (Verso
Economatica.

2002Oct01)

[Programa

de

computador].

(2002).

20. Efron, B. (1979). Bootstrap Methods: Another Look at the Jackknife. The Annals of
Statistics, 7, 1-26 apud Jorion, P. (2000). Value at Risk: The new benchmark for
managing financial risk. (2nd edition) Chicago: Richard Irwin.
21. EViews (Version 3.0) [Programa de computador]. (1998). Quantitative Micro
Software.
22. Fabozzi, F. J. (Editor) (1997). Pension Fund Investment Management. New Hope:
Frank Fabozzi Associates.
23. Fama, E. F. (1965). The behavior of stock prices. Journal of Business, 38, 34-105
apud Dowd, K. (1998). Beyond Value at Risk: The new science of Risk
Management. West Sussex: John Wiley & Sons.
24. Feinberg, P. (2000). Chosing between the spirit and the letter of standards.
Pensions & Investments, 28 (7), 21-26. Acesso junho de 2001, Proquest Direct
(ABI/INFORM Global) na WWW: <http://proquest.umi.com/pqdweb>
25. Freitas, P. & Giacometti, G. (2002). A rentabilidade das EFPC no ano de 2001.
Boletim de Previdncia Complementar, 2, (1), 1-5.

113

26. Golub, B. W., & Tilman, L. M. (2000). Risk Management: approaches for fixed
income markets. New York: John Wiley & Sons.
27. Hendricks, D. (1996). Evaluation of value-at-risk models using historical data.
Federal Reserve Bank of New York Economic Policy Review, 2 (April), 39-70
apud Dowd, K. (1998). Beyond Value at Risk: The new science of Risk
Management. West Sussex: John Wiley & Sons.
28. Hertz, D. B. (1964). Risk Analysis in Capital Investment. Harvard Business Review,
42, (Sep/Oct), 95-106.
29. Hsieh, D. A. (1988). The statistical properties of daily exchange rates: 1974-1983.
Journal of International Economics 13, 171-186 apud Dowd, K. (1998). Beyond
Value at Risk: The new science of Risk Management. West Sussex: John Wiley
& Sons.
30. J.P. Morgan. (1996). RiskMetrics Technical Document. (4th edition). New York:
Autor.
Acesso
maio
de
2001,
disponvel
na
WWW:
<http://www.riskmetrics.com/rmcovv.html>
31. J.P. Morgan. (1997). PensionMetricsTM. (3rd edition). New York: Autor. Acesso
maio
de
2001,
disponvel
na
WWW:
<http://www.riskmetrics.com/products/system/pension/index.cgi?href=intro.htm
l>
32. Jorion, P. (2000). Value at Risk: The new benchmark for managing financial risk
(2nd edition). Chicago: Richard Irwin.
33. Kupiec, P. (1995). Techniques for Verifying the Accuracy of Risk Measurement
Models. Journal of Derivatives, 2 (12), 73-84.
34. Lombardo, M. (2000). Value-at-Risk: Aplicao de Cinco Metodologias a Carteiras
Tericas Compostas por Aes e Ttulos de Renda Fixa no Brasil. Dissertao
de Mestrado, FGV/ Escola de Administrao de Empresas de So Paulo, So
Paulo.
35. Markowitz, H. (1952). Portfolio Selection. Journal of Finance, 7, 77-91.
36. Microsoft Excel 2002 [Programa de computador]. (2002). Microsoft Corporation.
37. Rabbat, M. (2000). Utilizao de Instrumentos de Controle de Risco pelos Fundos
de Penso. Revista da ABRAPP, 259 (2). Acesso maro de 2002, na WWW:
<http://www.abrapp.org.br/revistas/259/av_risco.htm>
38. Rees, S. (2000). VaR for fund managers. Risk Magazine, June. Acesso maro de
2002, na WWW: <http://www.risk.net/investor/archive/june00/june00_2.htm>

114

39. Ribeiro, J., De La Rocque, E. & Barcelos, W. (1997). Monitoramento de Risco Aplicao do conceito de Value-at-Risk para Fundos de Penso. Revista do 18o.
Congresso Brasileiro dos Fundos de Penso, (10), 125-136.
40. Simons, K. (2000). The use of Value at Risk by Institutional Investors. New
England Economic Review, (Nov/Dec), 21-30.
41. Smithson, C. & Minton, L. (1996). Value-at-risk (1). Risk, January.
42. Smithson, C. & Minton, L. (1996). Value-at-risk (2). Risk, February.
43. SPSS 10.0 for Windows (Standard Version) [Programa de computador]. (1999).
SPSS Inc.
44. Um novo antdoto contra as surpresas (Fevereiro, 2000). Revista da ABRAPP, 259.
Acesso
maro
de
2002,
disponvel
na
WWW:
<http://www.abrapp.org.br/revistas/259/av_risco.htm>
45. Yermo, J. & Srinivas, P.S. (2000) Risk Management through International
Diversification: The Case of Latin American Pension Funds. In Mitchell, O.S.,
Bodie, Z., Hammond, P. B., & Zeldes, S., Innovations in Retirement Financing
(p. 282-312 ) Philadelphia, PA: University of Pennsylvania Press, 2002.

115

ANEXO A Clculo detalhado do VaR paramtrico da Beneficncia


w ' wW

Portfolio VaR =
Matriz de
Covarincia
CDI
IBOVESPA
INCC
INPC

jul/98

CDI
1,253E-04
1,289E-04
1,490E-04
1,172E-04

IBOVESPA
1,289E-04
1,168E-02
1,344E-05
2,145E-04

Segmento
Renda Fixa
Renda Varivel
Imveis
Emprstimos
Total (W)

w
0,709968
0,2206341
0,0257985
0,0435991
1,000000

x = wiW
500.669.326,77
155.591.040,09
18.193.094,25
30.746.032,04
705.199.493,15

INCC
1,490E-04
1,344E-05
3,773E-04
1,842E-04

0,709968359

1,264E-04

INPC
1,172E-04
2,145E-04
1,842E-04
1,541E-04
w'
0,220634078 0,02579851 0,04359906

w'
2,678E-03

1,265E-04

1,420E-04

1,253E-04
1,289E-04
1,490E-04
1,172E-04
w
0,709968
0,220634
0,025799
0,043599

VaR Componente = Var i w i


Cvar
Renda Fixa
R. Varivel
Imveis
Emprstimos
VaR Total

= 1,65 (95%)
Renda Fixa
R. Varivel
Imveis
Emprstimos
VaR no Diversif
VaR Diversificado

95%
3.973.498,03
26.173.919,93
144.573,17
274.239,94
30.566.231,07

i
1,12%
10,81%
1,94%
1,24%

99%
5.611.060,85
36.960.747,54
204.154,84
387.260,03
43.163.223,27

wiW
500.669.326,77
155.591.040,09
18.193.094,25
30.746.032,04
705.199.493,15

90%
Cont. % p/ o VaR
3.082.471,20
13,00%
20.304.616,68
85,63%
112.153,73
0,47%
212.743,71
0,90%
23.711.985,32
100,00%

VaR individual
9.246.866,97
27.742.524,91
583.105,60
629.726,18
38.202.223,66
30.566.231,07

Quanto o VaR no
diversificado maior
que o VaR
Diversificado?
24,98%

= Matriz de Covarincia
1,289E-04
1,490E-04
1,168E-02
1,344E-05
1,344E-05
3,773E-04
2,145E-04
1,842E-04
= (w)/(w'w)
w
w i w
8,971E-05
0,000126353
5,909E-04
0,00267822
3,264E-06
0,000126515
6,191E-06
0,000142005
6,901E-04 =w'w
0,026 =p
2,63% =p

BENEFICNCIA
Portfolio VaR = x (w'w)1/2 x W
VaR 95% =
1,65
VaR 95% =
30.566.231,07
Em % de W:
4,33%

0,0263

VaR 99% =
VaR 99% =
Em % de W:

2,33
43.163.223,27
6,12%

0,0263

VaR 90% =
VaR 90% =
Em % de W:

1,28
23.711.985,32
3,36%

0,0263

1,172E-04
2,145E-04
1,842E-04
1,541E-04

0,183
3,881
0,183
0,206

705.199.493,15

116

ANEXO B Clculo detalhado do VaR paramtrico da Previdncia


w ' wW

Portfolio VaR =
Matriz de
Covarincia
CDI
IBOVESPA
INCC
INPC

jul/98

CDI
1,253E-04
1,289E-04
1,490E-04
1,172E-04

IBOVESPA
1,289E-04
1,168E-02
1,344E-05
2,145E-04

Segmento
Renda Fixa
Renda Varivel
Imveis
Emprstimos
Total (W)

w
0,525849
0,3066836
0,0919439
0,0755232
1,000000

x = wiW
77.799.654,52
45.373.981,64
13.603.138,78
11.173.688,93
147.950.463,87

INCC
1,490E-04
1,344E-05
3,773E-04
1,842E-04

0,525849345

1,280E-04

INPC
1,172E-04
2,145E-04
1,842E-04
1,541E-04
w'
0,306683605 0,09194387 0,07552318

w'
3,667E-03

1,311E-04

1,560E-04

1,253E-04
1,289E-04
1,490E-04
1,172E-04
w
0,525849
0,306684
0,091944
0,075523

VaR Componente = Var i w i


Cvar
Renda Fixa
R. Varivel
Imveis
Emprstimos
VaR Total

= 1,65 (95%)
Renda Fixa
R. Varivel
Imveis
Emprstimos
VaR no Diversif
VaR Diversificado

95%
471.128,81
7.874.088,46
84.374,01
82.477,42
8.512.068,70

i
1,12%
10,81%
1,94%
1,24%

99%
665.290,99
11.119.167,34
119.146,32
116.468,12
12.020.072,77

wiW
77.799.654,52
45.373.981,64
13.603.138,78
11.173.688,93
147.950.463,87

90%
Cont. % p/ o VaR
365.481,75
5,53%
6.108.383,78
92,50%
65.453,77
0,99%
63.982,49
0,97%
6.603.301,78
100,00%

VaR individual
1.436.882,62
8.090.368,28
435.993,26
228.854,39
10.192.098,56
8.512.068,70

Quanto o VaR no
diversificado maior
que o VaR
Diversificado?
19,74%

= Matriz de Covarincia
1,289E-04
1,490E-04
1,168E-02
1,344E-05
1,344E-05
3,773E-04
2,145E-04
1,842E-04
= (w)/(w'w)
w
w i w
6,729E-05
0,000127971
1,125E-03
0,003667282
1,205E-05
0,000131075
1,178E-05
0,000155987
1,216E-03 =w'w
0,035 =p
3,49% =p

PREVIDNCIA
Portfolio VaR = x (w'w)1/2 x W
VaR 95% =
1,65
VaR 95% =
8.512.068,70
Em % de W:
5,75%

0,0349

VaR 99% =
VaR 99% =
Em % de W:

2,33
12.020.072,77
8,12%

0,0349

VaR 90% =
VaR 90% =
Em % de W:

1,28
6.603.301,78
4,46%

0,0349

1,172E-04
2,145E-04
1,842E-04
1,541E-04

0,105
3,016
0,108
0,128

147.950.463,87

117

ANEXO C Clculo detalhado do VaR paramtrico da Fundao


Portfolio VaR =
Matriz de
Covarincia
CDI
IBOVESPA
INCC
INPC
Segmento
Renda Fixa
Renda Varivel
Imveis
Emprstimos
Total (W)

w ' wW

jul/98

CDI
1,253E-04
1,289E-04
1,490E-04
1,172E-04

IBOVESPA
1,289E-04
1,168E-02
1,344E-05
2,145E-04

w
0,773884
0,1983655
0,0121353
0,0156153
1,000000

x = wiW
41.304.154,48
10.587.269,36
647.693,02
833.425,62
53.372.542,48

INCC
1,490E-04
1,344E-05
3,773E-04
1,842E-04

0,773883959

1,262E-04

INPC
1,172E-04
2,145E-04
1,842E-04
1,541E-04
w'
0,198365468 0,01213532 0,01561525

w'
2,420E-03

1,254E-04

1,379E-04

1,253E-04
1,289E-04
1,490E-04
1,172E-04
w
0,773884
0,198365
0,012135
0,015615

VaR Componente = Var i w i


Cvar
Renda Fixa
R. Varivel
Imveis
Emprstimos
VaR Total

= 1,65 (95%)
Renda Fixa
R. Varivel
Imveis
Emprstimos
VaR no Diversif
VaR Diversificado

95%
356.627,24
1.753.385,26
5.559,25
7.864,06
2.123.435,82

i
1,12%
10,81%
1,94%
1,24%

99%
503.600,89
2.475.992,52
7.850,34
11.105,01
2.998.548,76

wiW
41.304.154,48
10.587.269,36
647.693,02
833.425,62
53.372.542,48

90%
Cont. % p/ o VaR
276.656,28
16,79%
1.360.201,90
82,57%
4.312,63
0,26%
6.100,61
0,37%
1.647.271,42
100,00%

VaR individual
762.846,86
1.887.753,84
20.759,16
17.069,84
2.688.429,71
2.123.435,82

Quanto o VaR no
diversificado maior
que o VaR
Diversificado?
26,61%

= Matriz de Covarincia
1,289E-04
1,490E-04
1,168E-02
1,344E-05
1,344E-05
3,773E-04
2,145E-04
1,842E-04
= (w)/(w'w)
w
w i w
9,764E-05
0,000126175
4,801E-04
0,002420175
1,522E-06
0,00012543
2,153E-06
0,00013789
5,814E-04 =w'w
0,024 =p
2,41% =p

FUNDAO
Portfolio VaR = x (w'w)1/2 x W
VaR 95% =
1,65
VaR 95% =
2.123.435,82
Em % de W:
3,98%

0,0241

VaR 99% =
VaR 99% =
Em % de W:

2,33
2.998.548,76
5,62%

0,0241

VaR 90% =
VaR 90% =
Em % de W:

1,28
1.647.271,42
3,09%

0,0241

1,172E-04
2,145E-04
1,842E-04
1,541E-04

0,217
4,163
0,216
0,237

53.372.542,48

118

ANEXO D Estatsticas descritivas das carteiras no perodo de


comparao (julho de 1998 a setembro de 2002)
20

Series: BENEFICENCIA
Sample 1 51
Obs erv ations 51

15

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

10

Jarque-Bera
Probability

0.016102
0.012191
0.108635
-0.063727
0.025485
0.518763
6.891197
34.46298
0.000000

0
-0.05

0.00

0.05

0.10

14

Series: PREVIDENCIA
Sample 1 51
Obs erv ations 51

12
10

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

8
6
4
2

Jarque-Bera
Probability

0.011066
0.007295
0.092264
-0.104180
0.030902
-0.347314
6.547526
27.76833
0.000001

0
-0.10

-0.05

0.00

0.05

12

0.10

Series: FUNDACAO
Sample 1 51
Observations 51

10

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

8
6
4
2

Jarque-Bera
Probability

0
0.00

0.05

0.10

0.15

0.016013
0.005680
0.187953
-0.036520
0.040725
1.969295
8.107058
88.38839
0.000000

119

ANEXO E Variveis Assumption para simulao de Monte Carlo suposio de normalidade para todos os fatores de risco
Assumptions

Assumption: CDI

Cell: B7

Normal distribution with parameters:


Mean
2,666%
Standard Dev.
1,119%
Selected range is from -Infinity to +Infinity

Correlated with:
Ibovespa (C7)
INCC (D7)
INPC (E7)

0,11
0,69
0,84

Assumption: Ibovespa

Cell: C7

Normal distribution with parameters:


Mean
2,637%
Standard Dev.
10,806%
Selected range is from -Infinity to +Infinity

Correlated with:
CDI (B7)
INCC (D7)
INPC (E7)

0,11
0,01
0,16

Assumption: INCC

Cell: D7

Normal distribution with parameters:


Mean
1,285%
Standard Dev.
1,943%
Selected range is from -Infinity to +Infinity

Correlated with:
CDI (B7)
Ibovespa (C7)
INPC (E7)

0,69
0,01
0,76

120

Assumption: INPC

Cell: E7

Normal distribution with parameters:


Mean
1,141%
Standard Dev.
1,241%
Selected range is from -Infinity to +Infinity

Correlated with:
CDI (B7)
Ibovespa (C7)
INCC (D7)
End of Assumptions

0,84
0,16
0,76

121

ANEXO F Relatrios do Crystal Ball para simulao de Monte Carlo


suposio de normalidade para todos os fatores de risco

122
BENEFICNCIA
Crystal Ball Report
Simulation started on 29/1/03 at 17:14:19
Simulation stopped on 29/1/03 at 17:15:39
Forecast: Rp

Cell: B11

Summary:
Display Range is from -4,01% to 9,25%
Entire Range is from -6,35% to 12,26%
After 10.000 Trials, the Std. Error of the Mean is 0,03%
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Range Minimum
Range Maximum
Range Width
Mean Std. Error

Value
10000
2,55%
2,56%
--2,59%
0,07%
-0,04
2,94
1,02
-6,35%
12,26%
18,61%
0,03%

Forecast: Rp Beneficncia 10.000 rodadas (supondo


normalidade para os fatores de risco)
250

Frequency

200
150
100
50
0
-004%

-001%

001%

004%

007%

Forecast: Rp (cont'd)

Cell: B11

Percentiles:
Percentile
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
80%
85%
90%
95%
100%
End of Forecast

Value
-6,35%
-1,80%
-0,79%
-0,16%
0,37%
0,79%
1,20%
1,56%
1,91%
2,24%
2,56%
2,89%
3,23%
3,57%
3,92%
4,30%
4,76%
5,26%
5,91%
6,79%
12,26%

123
PREVIDNCIA
Crystal Ball Report
Simulation started on 29/1/03 at 17:01:40
Simulation stopped on 29/1/03 at 17:02:59
Forecast: Rp

Cell: B11

Summary:
Display Range is from -6,70% to 11,58%
Entire Range is from -10,73% to 14,72%
After 10.000 Trials, the Std. Error of the Mean is 0,04%
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Range Minimum
Range Maximum
Range Width
Mean Std. Error

Value
10000
2,44%
2,46%
--3,52%
0,12%
-0,01
2,99
1,44
-10,73%
14,72%
25,45%
0,04%

Forecast: Rp Previdncia 10.000 rodadas (supondo


normalidade para todos os fatores de risco)
250

Frequency

200
150
100
50
0
-007%

-003%

001%

004%

008%

Forecast: Rp (cont'd)

Cell: B11

Percentiles:
Percentile
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
80%
85%
90%
95%
100%
End of Forecast

Value
-10,73%
-3,39%
-2,11%
-1,24%
-0,52%
0,07%
0,62%
1,12%
1,57%
2,01%
2,46%
2,88%
3,33%
3,79%
4,28%
4,80%
5,36%
6,08%
7,01%
8,29%
14,72%

124
FUNDAO
Crystal Ball Report
Simulation started on 29/1/03 at 16:55:33
Simulation stopped on 29/1/03 at 16:56:50
Forecast: Rp

Cell: B11

Summary:
Display Range is from -3,67% to 8,48%
Entire Range is from -6,36% to 12,65%
After 10.000 Trials, the Std. Error of the Mean is 0,02%
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Range Minimum
Range Maximum
Range Width
Mean Std. Error

Value
10000
2,63%
2,62%
--2,41%
0,06%
0,02
2,98
0,92
-6,36%
12,65%
19,01%
0,02%

Forecast: Rp Fundao 10.000 rodadas (supondo


normalidade para todos os fatores de risco)
250

Frequency

200
150
100
50
0
-004%

-001%

001%

004%

006%

Forecast: Rp (cont'd)

Cell: B11

Percentiles:
Percentile
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
80%
85%
90%
95%
100%
End of Forecast

Value
-6,36%
-1,29%
-0,44%
0,11%
0,56%
1,00%
1,35%
1,70%
2,02%
2,32%
2,62%
2,94%
3,24%
3,57%
3,90%
4,26%
4,65%
5,12%
5,74%
6,58%
12,65%

125

ANEXO G Variveis Assumption para simulao de Monte Carlo


suposio de distribuio histrica para os fatores de risco
Assumptions
Assumption: CDI

Cell: B7

Custom distribution with parameters:


Single point
1,5778%
Single point
2,4277%
Single point
3,2775%
Single point
4,1273%
Single point
4,9772%
Total Relative Probability

Relative Prob.
1,00
25,00
9,00
8,00
4,00
47,00

Correlated with:
Ibovespa (C7)
INCC (D7)
INPC (E7)

0,11
0,69
0,84
CDI

25,000
18,750
12,500
6,250
,000
1,5778%

2,4277%

Assumption: Ibovespa

3,2775%

4,1273%

4,9772%

Cell: C7

Custom distribution with parameters:


Single point
-23,8281%
Single point
-15,1861%
Single point
-6,5441%
Single point
2,0978%
Single point
10,7398%
Single point
19,3818%
Total Relative Probability

Relative Prob.
1,00
3,00
4,00
13,00
15,00
9,00
45,00

Correlated with:
CDI (B7)
INCC (D7)
INPC (E7)

0,11
0,01
0,16
Ibovespa

15,000
11,250
7,500
3,750
,000
-23,8281%

-13,0256%

-2,2232%

8,5793%

19,3818%

126

Assumption: INCC

Cell: D7

Custom distribution with parameters:


Single point
-0,5026%
Single point
1,2914%
Single point
3,0853%
Single point
4,8792%
Total Relative Probability

Relative Prob.
1,00
34,00
8,00
3,00
46,00

Correlated with:
CDI (B7)
Ibovespa (C7)
INPC (E7)

0,69
0,01
0,76
INCC

34,000
25,500
17,000
8,500
,000
-0,5026%

0,8429%

2,1883%

3,5338%

4,8792%

Assumption: INPC

Cell: E7

Custom distribution with parameters:


Single point
-0,0300%
Single point
1,2666%
Single point
2,5633%
Single point
3,8599%
Total Relative Probability

Relative Prob.
1,00
29,00
15,00
2,00
47,00

Correlated with:
CDI (B7)
Ibovespa (C7)
INCC (D7)

0,84
0,16
0,76
INPC

29,000
21,750
14,500
7,250
,000
-0,0300%

End of Assumptions

0,9425%

1,9150%

2,8875%

3,8599%

127

ANEXO H Relatrios do Crystal Ball para simulao de Monte Carlo


suposio de distribuio histrica para os fatores de risco

128
BENEFICNCIA
Crystal Ball Report
Simulation started on 29/1/03 at 17:19:21
Simulation stopped on 29/1/03 at 17:20:39
Forecast: Rp

Cell: B11

Summary:
Display Range is from -3,02% to 8,10%
Entire Range is from -4,15% to 8,10%
After 10.000 Trials, the Std. Error of the Mean is 0,02%
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Range Minimum
Range Maximum
Range Width
Mean Std. Error

Value
10000
3,61%
4,18%
4,18%
2,47%
0,06%
-0,65
3,18
0,68
-4,15%
8,10%
12,26%
0,02%

Forecast: Rp Beneficncia 10.000 rodadas (supondo a


distribuio histrica dos fatores de risco)
1800
1600
Frequency

1400
1200
1000
800
600
400
200
0
-003%

-001%

001%

004%

006%

Forecast: Rp (cont'd)

Cell: B11

Percentiles:
Percentile
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
80%
85%
90%
95%
100%
End of Forecast

Value
-4,15%
-1,54%
0,37%
1,03%
2,27%
2,27%
2,27%
2,88%
3,48%
3,63%
4,18%
4,18%
4,18%
4,79%
4,84%
5,49%
6,09%
6,09%
6,20%
7,35%
8,10%

129
PREVIDNCIA
Crystal Ball Report
Simulation started on 29/1/03 at 17:08:18
Simulation stopped on 29/1/03 at 17:09:35
Forecast: Rp

Cell: B11

Summary:
Display Range is from -4,94% to 9,14%
Entire Range is from -6,53% to 9,30%
After 10.000 Trials, the Std. Error of the Mean is 0,03%
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Range Minimum
Range Maximum
Range Width
Mean Std. Error

Value
10000
3,70%
4,78%
4,78%
3,35%
0,11%
-0,67
3,07
0,91
-6,53%
9,30%
15,83%
0,03%

Forecast: Rp Previdncia 10.000 rodadas (supondo a


distribuio histrica dos fatores de risco)
1600
1400
Frequency

1200
1000
800
600
400
200
0
-005%

-002%

001%

004%

006%

Forecast: Rp (cont'd)

Cell: B11

Percentiles:
Percentile
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
80%
85%
90%
95%
100%
End of Forecast

Value
-6,53%
-3,17%
-0,52%
-0,07%
2,13%
2,13%
2,13%
2,56%
2,84%
3,46%
4,78%
4,78%
4,78%
5,23%
5,49%
5,94%
6,65%
7,44%
7,88%
8,43%
9,30%

130
FUNDAO
Crystal Ball Report
Simulation started on 29/1/03 at 16:48:49
Simulation stopped on 29/1/03 at 16:50:04
Forecast: Rp

Cell: B11

Summary:
Display Range is from -2,30% to 7,82%
Entire Range is from -3,49% to 7,82%
After 10.000 Trials, the Std. Error of the Mean is 0,02%
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Range Minimum
Range Maximum
Range Width
Mean Std. Error

Value
10000
3,59%
4,04%
4,04%
2,28%
0,05%
-0,59
3,05
0,64
-3,49%
7,82%
11,31%
0,02%

Forecast: Rp Fundao 10.000 rodadas (supondo a


distribuio histrica dos fatores de risco)
1800
1600
Frequency

1400
1200
1000
800
600
400
200
0
-002%

000%

002%

004%

006%

Forecast: Rp (cont'd)

Cell: B11

Percentiles:
Percentile
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
80%
85%
90%
95%
100%
End of Forecast

Value
-3,49%
-1,10%
0,62%
1,27%
2,33%
2,33%
2,33%
2,67%
3,05%
3,71%
4,04%
4,04%
4,06%
4,70%
4,74%
5,40%
5,76%
5,76%
6,10%
7,09%
7,82%

Оценить