Gerenciamento Risco FGV

info@mbarros.com info@mbarros.
com 1
Gerenciamento de Risco
Gerenciamento de Risco
Conceitos Bsicos
Conceitos Bsicos
Mnica Barros
Rio de Janeiro
26 de Abril de 2003
info@mbarros.com info@mbarros.com 2
Quem sou eu?
Quem sou eu?
Mnica Barros
Doutora em Sries Temporais PUC-Rio
Mestre em Estatstica University of Texas at Austin,
EUA
Bacharel em Matemtica University of Washington,
Seattle, EUA
Professora da PUC-Rio (Depto. De Eng. Eltrica),
Analista da Guaraniana S/A, Consultora, ex-gerente
de risco da El Paso Merchant Energy e ex-assistente
do Presidente da PETROS.
E-mails: monica@ele.puc-rio.br
monica@mbarros.com
Home page: http://www.mbarros.com
Contedo
Contedo
Fontes de Risco Financeiro
Distribuies de Probabilidade
A distribuio Binomial
A distribuio Normal
Risco e Retorno
Estimativas Amostrais
Medindo o VaR
Referncias
Qual o Contexto?
Qual o Contexto?
A pergunta bsica :
Para que medir e gerenciar riscos?
Por que isso se tornou necessrio?
A explicao multi-facetada:
Nos ltimos 25 anos houve um imenso desenvolvimento
de teoria de Finanas, acompanhado por uma revoluo
em termos computacionais (o que, por sua vez,
impulsionou aplicaes prticas cada vez mais
sofisticadas).
O resultado foi o desenvolvimento e a aplicao de
novos modelos e novas estratgias, que levaram a um
aumento da volatilidade (e da alavancagem) nos
mercados financeiros.
Qual o Contexto?
Qual o Contexto?
Os mercados se sofisticaram, a globalizao uma
realidade inegvel, os mercados esto totalmente
interconectados, a desregulamentao de diversos
servios regulados (telecomunicaes,
eletricidade, saneamento,...) j aconteceu e o
mundo simplesmente ficou um lugar mais
complicado e arriscado!
A opo clara: entender, medir e gerenciar
riscos ou quebrar!

Risco
Risco
Disperso dos resultados devidos aos
movimentos nas variveis financeiras
Ou seja, variaes positivas e negativas so
fontes de risco!
4 tipos bsicos de risco financeiro:
Risco de taxa de juros
Risco de taxa de cmbio
Risco de commodities
Risco de aes
O nosso foco aqui risco financeiro, ou risco de
mercado, que decorre intrinsecamente das atividades
de compra e venda de ativos realizadas nos mercados
financeiros.
Estaremos ignorando outros tipos de risco
(igualmente importantes), e s vezes de difcil
quantificao, como:
Risco de crdito
Risco de liquidez
Risco operacional (incluindo aspectos associados
modelagem e aos controles internos da instituio)
Risco legal
Perdas Financeiras so a combinao de dois
fatores:
Volatilidade na varivel financeira objeto;
Exposio a cada fonte de riscos.
O VaR (Value at Risk, Valor em Risco) uma medida
que captura o efeito combinado destas duas
possveis fontes de perdas.
Risco = incerteza em relao aos resultados
Medida usual de risco = volatilidade de curto
prazo, expressa atravs do desvio padro
dos retornos
Desvio Padro (Volatilidade)
No a nica, nem a melhor medida de risco!
Outras medidas podem ser usadas (por
exemplo, downside risk), e voc pode ainda
criar alguma outra que seja mais conveniente
numa certa sitauo (por exemplo, perdas em
relao a um valor especificado).
Volatilidade da Taxa de Cmbio de Marcos Alemes
por US$ e dos Juros nos EUA
Volatilidade do Preo do Petrleo e do Preo das
Aes
Dos grficos anteriores podemos notar que:
As volatilidades parecem variar ao longo do tempo, e
exibir picos em alguns perodos;
A magnitude da volatilidade depende do mercado em
que estamos trabalhando.
Mercados mais maduros e eficientes (como os
acionrios) so menos volteis. Acho que este
comentrio s realmente vlido na comparao de
um mercado MUITO imaturo com um j relativamente
estabelecido.
Distribuies de probabilidade

Varivel aleatria
Varivel aleatria aquela cujo valor pode assumir
qualquer um dos possveis resultados de um experimento

Variveis aleatrias discretas
Variveis aleatrias discretas podem assumir apenas
valores num conjunto finito ou contvel, por exemplo,
nmero inteiros ou inteiros positivos. Exemplos: nmero
de expectadores em uma sesso de cinema, resultado do
lanamento de um dado, nmero de pessoas numa fila de
banco, nmero de assaltos numa esquina.

Variveis aleatrias contnuas
Variveis aleatrias contnuas so aquelas que
podem assumir quaisquer valores dentro de um
intervalo. Exemplo: tempo de atendimento em um
caixa de banco, peso real de um pacote de 1 Kg de
acar, custo de construo de uma fbrica, custo de
lanamento de uma campanha publicitria de um
novo produto, retorno de um ativo financeiro....

Distribuio discreta de probabilidade ou funo de
Distribuio discreta de probabilidade ou funo de
probabilidade
probabilidade funo que associa a cada possvel
valor de uma varivel aleatria discreta a sua
probabilidade de ocorrncia.
Para qualquer distribuio discreta de probabilidades,
duas condies devem ser satisfeitas:
0 < p
i
1
p
i
= 1 onde o somatrio se estende por todos os valores
da varivel

Valor esperado, mdia ou esperana matemtica (E(X) ou
Valor esperado, mdia ou esperana matemtica (E(X) ou
de uma distribuio discreta de probabilidades)

de uma distribuio discreta de probabilidades)
o valor mdio obtido para a varivel aleatria se o
experimento fosse repetido um nmero infinito de vezes

Varincia
Varincia de uma distribuio de probabilidades (
2
)
mede a disperso dos valores da distribuio

Desvio
Desvio
-
-
padro
padro de uma distribuio de probabilidades ()
tambm mede a disperso dos valores da distribuio.
igual raiz quadrada da varincia.

Clculo para variveis discretas
Clculo para variveis discretas
i
n
i
i
p x .
1
=
=
=
=
n
i
i i
p x
1
2 2
) (

=
=
n
i
i i
p x
1
2
) (
Densidades de Probabilidade
Uma funo densidade de probabilidade f(x) serve
para calcular probabilidades para uma varivel
contnua, e tal que:
Mdia, Varincia e Desvio Padro Variveis
Contnuas
( )

= 1 e sempre 0 ) ( dx x f x f
( ) ( )dx x f x X E

= = . ( ) { } ( ) ( )

= = = dx x f x X E X V
2 2
2
) (
( )
2
= = X dp
Funo de distribuio ou Funo de Distribuio Acumulada Funo de distribuio ou Funo de Distribuio Acumulada
(F(x (F(x
0 0
)) ))
Para cada valor x
0
da varivel aleatria, a probabilidade de
estar naquele valor, ou abaixo dele, isto :
F(x F(x
0 0
) = Pr( X ) = Pr( X x x
0 0
) para todo x ) para todo x
0 0
Note que, como F(x
0
) uma probabilidade, ela est limitada
ao intervalo (0,1). Tambm, o limite de F(.) quando x tende a -
0, e o limite quando x tende a + 1.
Algumas funes de distribuio so tabeladas, por
exemplo, a da distribuio Normal (0,1), que ser importante
no clculo da VaR.
Propriedades do Valor
Propriedades do Valor
Esperado
Esperado

Linearidade do Valor Esperado
Linearidade do Valor Esperado
Seja X uma varivel aleatria qualquer, e a e b
constantes. Ento:
No entanto, o comportamento da varincia no
linear, e:
Nota: a expresso anterior pode ser provada diretamente
da definio de varincia. Alm disso, uma dica para
justificar o aparecimento do termo b
2
(ao invs de b)
que a varincia sempre 0. Se b fosse negativo na
expresso acima, a gente iria ficar numa situao
constragedora se afirmasse que Var(a +bX) = b.Var(X), no
mesmo?
( ) ( ) X E b a bX a E . + = +
( ) ( ) ( )
2 2 2
. b X V b bX V bX a V = = = +
Distribuio Binomial
Distribuio Binomial

Ser importante na precificao de opes.
Ser importante na precificao de opes.
A distribuio binomial est associada a experimentos
com as seguintes caractersticas:
Consistem em n tentativas (repeties) idnticas
Em cada tentativa, existem apenas dois resultados possveis,
que so chamados genericamente de sucesso e fracasso (por
exemplo, a ao subiu ou desceu)
A probabilidade de um sucesso, representada por p,
constante ao longo das n tentativas e ento a probabilidade
de um fracasso, q = 1 p, tambm constante ao longo das n
tentativas
As tentativas so independentes, ou seja, o resultado de uma
tentativa no influencia os resultados das demais
Distribuio Binomial
Distribuio Binomial
A varivel aleatria de interesse corresponde ao nmero
de sucessos de um experimento, por exemplo:
Nmero de caras em 4 lanamentos consecutivos de
uma moeda
Nmero de questes chutadas corretamente numa
prova de mltipla escolha com 10 questes, em que
cada questo tem 5 alternativas (imagine que a prova
em Chins, e a voc realmente tem a mesma
probabilidade de acerto em cada questo... Desde que
voc no saiba falar Chins, claro....)
Nmero de vezes em que uma ao subiu R$ 1 durante
um perodo de 15 dias consecutivos, supondo que os
unicos movimentos possveis so: subir R$ 1 ou
descer R$ 1 a cada dia.
Distribuio Binomial
Distribuio Binomial
Dado um experimento binomial com n repeties,
a probabilidade de encontrar exatamente x
sucessos (com probabilidade p para cada
sucesso) :
x n x x n x
p p
x n x
n
p p
x
n
x f

= |
.
|
\
|
= ) 1 (
)! ( !
!
) 1 ( ) (
Exemplo: em uma loja, a probabilidade de um cliente Exemplo: em uma loja, a probabilidade de um cliente
realizar uma compra de 15%. Qual a probabilidade realizar uma compra de 15%. Qual a probabilidade
de, entre 5 clientes que entram na loja, exatamente 3 de, entre 5 clientes que entram na loja, exatamente 3
realizarem uma compra? realizarem uma compra?
024 , 0 85 , 0 . 15 , 0
! 2 !. 3
! 5
) 3 (
15 , 0 ; 3 ; 5
2 3
= =
= = =
f
p x n
Distribuio Binomial
Distribuio Binomial
A mdia (ou valor esperado) para a distribuio Binomial :
np x E = = ) (
E a varincia:
) 1 (
2
p np =
Logo, o desvio padro :
( ) p p n = 1 . .
Distribuio Binomial
Distribuio Binomial
Exemplo (para casa)
Modelo Binomial para o preo de ativos financeiros
Seja S o preo de um ativo no instante t = 1. No
instante seguinte, o preo pode subir para um valor
S.u com probabilidade p ou descer para o valor S.d
com probabilidade q = 1-p. Note que u um nmero
maior que 1, enquanto d um numero entre 0 e 1.

S.u
S
S.d
Distribuio Binomial
Distribuio Binomial
A evoluo dos preos no tempo segue este
mesmo comportamento (subir com probabilidade
p ou descer com probabilidade q). Assim, aps 4
instantes de tempo os valores possveis do preo
so:

S.u.u.u.u.
S.u.u.u.
S.u.u. S.u.u.u.d.
S.u S.u.u.d.
S S.u.d. S.u.u.d.d.
S.d S.u.d.d.
S.d.d. S.u.d.d.d.
S.d.d.d.
S.d.d.d.d.
Distribuio Binomial
Distribuio Binomial
As variveis u, d e p devem ser escolhidas de tal
forma que, para um intervalo de tempo pequeno t, o
retorno esperado do ativo .t e a varincia do
retorno
2
. t , onde o retorno num intervalo de
tempo t definido por:
onde S
t+t
o preo no instante t + t e S
t
o preo no
instante t.
Supondo a evoluo mostrada acima, S
t+t
= S.u ou
S
t+t
= S.d e S
t
= S. Logo, o retorno aps um intervalo
de tempo t log(u) ou log(d).
log
S
S
t t
t
+
|
\
|
.
|
Distribuio Binomial
Distribuio Binomial
Se a mdia dos retornos for, como indicado, .t
ento o preo mdio aps t instantes
S.exp{ .t}
Uma possvel escolha para u, d e p :
a) Usando estas frmulas para u, d e p, encontre os
preos e as probabilidades a eles associadas
aps 5 intervalos de comprimento t supondo
que:
u e
t
=
d
u
=
1
p
e d
u d
t
=

Distribuio Binomial
Distribuio Binomial
= 10% ao ano,
= 30% ao ano,
t = (1/52) ano, isto , 1 semana.
b) Repita o tem a) e calcule os preos
possveis e as probabilidades aps 8
intervalos de 1 semana cada.
c) No tem b) calcule a probabilidade do preo
ser inferior a cada um dos valores possveis,
isto , calcule a funo de distribuio
acumulada e faa o seu grfico.
A distribuio Normal
A distribuio Normal
a mais importante distribuio contnua.
Pode-se mostrar que a Normal o limite de diversas outras
distribuies (somas de variveis aleatrias so
aproximadamente Normais, o que conhecido como Teorema
Central do Limite).
Aparece diretamente na frmula de Black e Scholes para
precificar opes.
utilizada em inmeras aplicaes prticas
Altura e peso de pessoas
Nvel de chuvas
Retorno dirio de aes
30
A distribuio Normal A distribuio Normal
A distribuio Normal
Normal com mdia e varincia
2
Densidade
Funo de Distribuio: Pr( X x)
No possvel resolver analiticamente esta

No possvel resolver analiticamente esta
integral
integral
-
-
precisamos de uma tabela!
precisamos de uma tabela!
Tabela: funo de distribuio N(0,1)
( )
( )
)
`

=
2
2
2
2
2
exp
2
1
, ,

x
x f
( ) ( )
( )
F u X u
x
dx
u
= =

Pr exp
1
2
2
2
2
2
A distribuio Normal
A distribuio Normal
A distribuio normal totalmente caracterizada por sua
mdia e seu desvio-padro
A mdia define o deslocamento horizontal da curva, enquanto
o desvio-padro define o seu achatamento
0.00
0.05
0.10
0.15
0.20
0.25
0.30
5 10 15
=10 =12
0.00
0.05
0.10
0.15
0.20
0.25
0.30
2 7 12 17
=2,5
=1,5
A distribuio Normal
A distribuio Normal
Problema: Problema:
No possvel criar uma tabela para cada uma das (infinitas)
densidades Normais existentes.
Soluo: Soluo:
Trabalha-se com a densidade Normal com mdia 0 e
varincia 1, e converte-se todas as outras Normais para esta,
chamada de Normal padro ou Normal standard.
A maioria dos livros de estatstica fornece tabelas de
probabilidade para a distribuio normal padronizada
A distribuio normal padronizada possui mdia 0 e desvio-
padro 1
A distribuio Normal
A distribuio Normal
Se X pertence a uma distribuio normal com mdia
e desvio padro , seu valor normalizado dado
por:
Existem dois tipos de tabela, que fornecem
basicamente a mesma coisa:
1) Pr(0 Z z
0
), ou seja, a probabilidade do lado direito da
curva normal a partir da mdia at o valor z
0
2) (z
0
) = Pr ( Z z
0
) = 0.5 + Pr (0 Z z
0
) (por que?)

=
X
Z
34
A distribuio Normal
A distribuio Normal
Toda varivel Normal pode ser transformada numa
Normal com mdia 0 e varincia 1.
Logo, s existe a necessidade de criar uma nica
tabela para a funo de distribuio acumulada.
Se X N( ,
2
) . Ento a varivel Z = ( X - )/ tem
distribuio Normal com mdia zero e varincia um,
isto , Z N(0,1), ou seja, Z tem distribuio Normal
padro.
A Distribuio Normal
A Distribuio Normal
|
.
|
\
|

|
.
|
\
|

=
=
|
.
|
\
|

=
|
.
|
\
|

a b
b
Z
a b X a
b X a Pr Pr ) Pr(
Clculo de probabilidades
Clculo de probabilidades
Se X uma varivel Normal com mdia e desvio
padro ento:
onde a funo de distribuio da N(0,1), que
tabelada. Alguns valores importantes so:
(1.645) = 0.95,
(1.96) = 0.975 e
(2.326) = 0.99
A distribuio Normal
A distribuio Normal
Valores aproximados:
Se Z N(0,1), aproximadamente 66% dos valores
esto entre 1 e +1 e aprox. 95% dos valores entre
2 e +2.
O Excel fornece diretamente o valor de (z
0
)
atravs da funo dist.normp. O nico
argumento para esta funo o valor z
0
para
o qual voc quer calcular a probabilidade de
estar abaixo, pois a funo pressupe que a
distribuio usada a Normal padro (mdia
0 e varincia 1)
37
Tabela da N(0,1) usando (z
0
) Tabela da
Tabela da
N(0,1)
N(0,1)
usando
usando
(z
(z
0 0
)
)
-
0.1
0.1
0.2
0.2
0.3
0.3
0.4
0.4
(z)
z
38
Tabela da N(0,1): (z
0
) Tabela da
Tabela da
N(0,1)
N(0,1)
:
:
(z
(z
0 0
)
)
z ( z ) z ( z ) z ( z ) z ( z )
0 . 0 0 0 . 5 0 0 0 0 . 6 2 0 . 7 3 2 4 1 . 2 4 0 . 8 9 2 5 1 . 8 6 0 . 9 6 8 6
0 . 0 2 0 . 5 0 8 0 0 . 6 4 0 . 7 3 8 9 1 . 2 6 0 . 8 9 6 2 1 . 8 8 0 . 9 6 9 9
0 . 0 4 0 . 5 1 6 0 0 . 6 6 0 . 7 4 5 4 1 . 2 8 0 . 8 9 9 7 1 . 9 0 0 . 9 7 1 3
0 . 0 6 0 . 5 2 3 9 0 . 6 8 0 . 7 5 1 7 1 . 3 0 0 . 9 0 3 2 1 . 9 2 0 . 9 7 2 6
0 . 0 8 0 . 5 3 1 9 0 . 7 0 0 . 7 5 8 0 1 . 3 2 0 . 9 0 6 6 1 . 9 4 0 . 9 7 3 8
0 . 1 0 0 . 5 3 9 8 0 . 7 2 0 . 7 6 4 2 1 . 3 4 0 . 9 0 9 9 1 . 9 6 0 . 9 7 5 0
0 . 1 2 0 . 5 4 7 8 0 . 7 4 0 . 7 7 0 4 1 . 3 6 0 . 9 1 3 1 1 . 9 8 0 . 9 7 6 1
0 . 1 4 0 . 5 5 5 7 0 . 7 6 0 . 7 7 6 4 1 . 3 8 0 . 9 1 6 2 2 . 0 0 0 . 9 7 7 2
0 . 1 6 0 . 5 6 3 6 0 . 7 8 0 . 7 8 2 3 1 . 4 0 0 . 9 1 9 2 2 . 0 2 0 . 9 7 8 3
0 . 1 8 0 . 5 7 1 4 0 . 8 0 0 . 7 8 8 1 1 . 4 2 0 . 9 2 2 2 2 . 0 4 0 . 9 7 9 3
0 . 2 0 0 . 5 7 9 3 0 . 8 2 0 . 7 9 3 9 1 . 4 4 0 . 9 2 5 1 2 . 0 6 0 . 9 8 0 3
0 . 2 2 0 . 5 8 7 1 0 . 8 4 0 . 7 9 9 5 1 . 4 6 0 . 9 2 7 9 2 . 0 8 0 . 9 8 1 2
0 . 2 4 0 . 5 9 4 8 0 . 8 6 0 . 8 0 5 1 1 . 4 8 0 . 9 3 0 6 2 . 1 0 0 . 9 8 2 1
0 . 2 6 0 . 6 0 2 6 0 . 8 8 0 . 8 1 0 6 1 . 5 0 0 . 9 3 3 2 2 . 1 2 0 . 9 8 3 0
0 . 2 8 0 . 6 1 0 3 0 . 9 0 0 . 8 1 5 9 1 . 5 2 0 . 9 3 5 7 2 . 1 4 0 . 9 8 3 8
0 . 3 0 0 . 6 1 7 9 0 . 9 2 0 . 8 2 1 2 1 . 5 4 0 . 9 3 8 2 2 . 1 6 0 . 9 8 4 6
0 . 3 2 0 . 6 2 5 5 0 . 9 4 0 . 8 2 6 4 1 . 5 6 0 . 9 4 0 6 2 . 1 8 0 . 9 8 5 4
0 . 3 4 0 . 6 3 3 1 0 . 9 6 0 . 8 3 1 5 1 . 5 8 0 . 9 4 2 9 2 . 2 0 0 . 9 8 6 1
0 . 3 6 0 . 6 4 0 6 0 . 9 8 0 . 8 3 6 5 1 . 6 0 0 . 9 4 5 2 2 . 2 2 0 . 9 8 6 8
0 . 3 8 0 . 6 4 8 0 1 . 0 0 0 . 8 4 1 3 1 . 6 2 0 . 9 4 7 4 2 . 2 4 0 . 9 8 7 5
0 . 4 0 0 . 6 5 5 4 1 . 0 2 0 . 8 4 6 1 1 . 6 4 0 . 9 4 9 5 2 . 2 6 0 . 9 8 8 1
0 . 4 2 0 . 6 6 2 8 1 . 0 4 0 . 8 5 0 8 1 . 6 6 0 . 9 5 1 5 2 . 2 8 0 . 9 8 8 7
0 . 4 4 0 . 6 7 0 0 1 . 0 6 0 . 8 5 5 4 1 . 6 8 0 . 9 5 3 5 2 . 3 0 0 . 9 8 9 3
0 . 4 6 0 . 6 7 7 2 1 . 0 8 0 . 8 5 9 9 1 . 7 0 0 . 9 5 5 4 2 . 3 2 0 . 9 8 9 8
0 . 4 8 0 . 6 8 4 4 1 . 1 0 0 . 8 6 4 3 1 . 7 2 0 . 9 5 7 3 2 . 3 4 0 . 9 9 0 4
0 . 5 0 0 . 6 9 1 5 1 . 1 2 0 . 8 6 8 6 1 . 7 4 0 . 9 5 9 1 2 . 3 6 0 . 9 9 0 9
0 . 5 2 0 . 6 9 8 5 1 . 1 4 0 . 8 7 2 9 1 . 7 6 0 . 9 6 0 8 2 . 3 8 0 . 9 9 1 3
0 . 5 4 0 . 7 0 5 4 1 . 1 6 0 . 8 7 7 0 1 . 7 8 0 . 9 6 2 5 2 . 4 0 0 . 9 9 1 8
0 . 5 6 0 . 7 1 2 3 1 . 1 8 0 . 8 8 1 0 1 . 8 0 0 . 9 6 4 1 2 . 4 2 0 . 9 9 2 2
0 . 5 8 0 . 7 1 9 0 1 . 2 0 0 . 8 8 4 9 1 . 8 2 0 . 9 6 5 6 2 . 4 4 0 . 9 9 2 7
0 . 6 0 0 . 7 2 5 7 1 . 2 2 0 . 8 8 8 8 1 . 8 4 0 . 9 6 7 1 2 . 4 6 0 . 9 9 3 1
A distribuio Normal
A distribuio Normal
Algumas propriedades da distribui Algumas propriedades da distribui o normal o normal
Ela simtrica em relao mdia
p(0 z z
0
) = p(-z
0
z 0)
p(z
0
z z
1
) = p(-z
1
z z
0
)
p(- z 0) = p(0 z +) = 0,5
A probabilidade associada a um intervalo equivale rea sob
a curva
p(z
0
z z
1
) = p(0 z z
1
) - p(0 z z
0
)
p(-z
1
z z
0
) = p(-z
1
z 0) - p(-z
0
z 0) =
= p(0 z z
1
) - p(0 z z
0
)
A distribuio Normal
A distribuio Normal

Exemplo
Exemplo
Numa agncia bancria localizada numa grande cidade
brasileira, verificou-se que um cliente pessoa fsica
mantm, em mdia, um volume de R$ 4800,00 aplicados no
banco.
A disperso entre os volumes de recursos, medida pelo
desvio padro, R$ 1600,00. Alm disso, pode-se encarar
os saldos dos correntistas como independentes entre si e
Normalmente distribudos.
O banco pretende abrir uma nova agncia e seus
executivos imaginam que o poder aquisitivo nesta nova
rea semelhante ao dos clientes da agncia descrita
acima.
A distribuio Normal
A distribuio Normal
a) Um cliente VIP se est entre os 5% com maior volume de
recursos. Quanto uma pessoa deveria manter no banco
para ser considerada cliente VIP?
b) O banco pretende cobrar tarifas mais altas dos clientes que
tm um baixo volume de recursos aplicados na instituio.
Os clientes cujos volumes de recursos esto entre os 10%
mais baixos tero de pagar esta tarifa mais alta. Abaixo de
qual volume um cliente ser alvo desta tarifa diferenciada?
A distribuio Normal
A distribuio Normal

Soluo
Soluo
Seja X a varivel que mede o volume de recursos de
um cliente tpico da agncia. Ento X Normal
(4800, (1600)
2
). Da:
tem densidade Normal padro.
a) Para estar entre os 5% mais ricos, precisamos
encontrar z
0
tal que (z
0
) = 95%. Usando a funo
INV.NORMP do Excel, encontramos z
0
= 1.645. Logo,
1600
4800
=
X
Z
7432 ) 1600 ( 645 . 1 4800 645 . 1
1600
4800
= + = =
X
X
A distribuio Normal
A distribuio Normal
Soluo (cont.)
b) Para estar entre os 10% mais pobres precisamos
encontrar z
0
tal que (z
0
) = 10%. A funo
INV.NORMP do Excel fornece z
0
= -1.281. Logo,
Ou seja, clientes com volume de recursos abaixo de
R$2750 estaro sujeitos a uma tarifa mais alta, e
aqueles com volume de aplicaes acima de
R$ 7432 tero tratamento VIP.
40 . 2750 ) 1600 ( 281 . 1 4800 281 . 1
1600
4800
= = =
X
X
A distribuio Normal
A distribuio Normal

Exemplo (para casa)
Exemplo (para casa)
O consumo mdio residencial de energia eltrica
nos meses de vero numa certa cidade uma
varivel Normal com mdia 210 kWh e desvio
padro 18 kWh.
a) Qual a probabilidade de que o consumo no
vero exceda 225 kWh?
b) Calcule a probabilidade de que o consumo no
vero seja inferior a 190 kWh.

Risco e Retorno
Risco e Retorno
Seja t um instante de tempo, por exemplo, um
dado ms, e P
t
o preo de um ativo no final
deste instante de tempo. Seja D
t
algum
pagamento intermedirio (coupom ou
dividendo) recebido entre os instantes t-1 e t.
O retorno aritmtico definido como:
1
1
+
=
t
t t t
t
P
P D P
r

Risco e Retorno
Risco e Retorno
O retorno geomtrico (que ser usado aqui) :
Se as variaes so pequenas, pode-se provar
que os retornos geomtrico e aritmtico so
semelhantes (veja a expanso em srie de
Taylor de ln(1+r)).
Para simplificar, iremos supor que os
dividendos ou coupons so zero na discusso
a seguir.
|
|
.
|
\
|
+
=
1
ln
t
t t
t
P
D P
R

Por que usar Retornos Geomtricos?
Por que usar Retornos Geomtricos?
1. Se usarmos a distribuio Normal para modelarmos os
retornos, camos numa inconsistncia se usamos os
retornos aritmticos. Por exemplo, um retorno
(aritmtico) tendendo a - indica:
Ou seja, o preo teria que ser negativo!!!!
Logo, os retornos aritmticos esto restritos a um
valor mnimo, o que, a princpio, inviabilizaria o uso da
distribuio Normal para represent-los (j que esta
definida para todo nmero real).
0 0 1
1 1 1
1
< < =
t
t
t
t
t
t
t t
P
P
P
P
P
P
P P
Este tipo de inconsistncia no ocorre
quando usamos retornos geomtricos.
Se o retorno (geometrico) tende a -, ento:
2. Os retornos geomtricos so convenientes
quando precisamos calcular o retorno
acumulado em mltiplos perodos. Por
exemplo, o retorno entre os instantes t-2 e t
apenas:
0 0 ln
1 1

|
|
.
|
\
|

|
|
.
|
\
|

t
t
t
t
t
P
P
P
P
P
Ou seja, o retorno (geomtrico) entre os instantes t-2
e t apenas a soma dos retornos (geomtricos)
entre os instantes t-2 e t-1 e t-1 e t.
3. Os retornos geomtricos so teis quando
precisamos trabalhar com diversas moedas
simultameamente a converso entre os retornos
nas diversas moedas trivial, utilizando as
propriedades dos logaritmos.
1 , 2 , 1
2
1
1 2
1
1 2
, 2
ln ln . ln ln

+ =
|
|
.
|
\
|
+
|
|
.
|
\
|
=
|
|
.
|
\
|
=
|
|
.
|
\
|
=
t t t t
t
t
t
t
t
t
t
t
t
t
t t
R R
P
P
P
P
P
P
P
P
P
P
R

Situao
Situao
Sejam x
1
, x
2
, ...., x
T
um conjunto de T dados
histricos (retornos passados), supostos
independentes e identicamente distribudos
(iid) que sero utilizados para estimar
quantidades importantes.
Mdia Amostral usada para estimar o retorno
esperado
=
=
T
i
i
x
T
1
1

Varincia Amostral
Varincia Amostral

Desvio Padro Amostral (Volatilidade)
Desvio Padro Amostral (Volatilidade)
a raiz quadrada positiva da varincia
amostral, e mede o risco de um ativo como a
disperso dos resultados em torno da mdia
amostral.
( )
=
T
i
i
x
T
1
2
2
1
1

Pode-se mostrar que a frmula da varincia
amostral pode ser reescrita como:
Normalmente o segundo termo nesta soma
muito menor que o primeiro, e portanto na
maioria das vezes pode-se ignorar a mdia na
estimativa das medidas dirias de risco (pois
)
=
T
i
i
T
T
x
T
1
2 2 2
1 1
1

O clculo de duas outras estimativas importante,
em especial para verificar o quanto a distribuio dos
retornos se distancia da Normal.

Assimetria
Assimetria
zero no caso da distribuio Normal

Curtose
Curtose
uma medida do achatamentoda distribuio, e
3 para a Normal
( )
=
T
i
i
x
T
1
3
3
1
1
( )
=
T
i
i
x
T
1
4
4
1
1
Retornos Dirios Petrleo WTI
-45.0%
-40.0%
-35.0%
-30.0%
-25.0%
-20.0%
-15.0%
-10.0%
-5.0%
0.0%
5.0%
10.0%
15.0%
20.0%
0
3
/
0
1
/
9
1
0
7
/
0
5
/
9
1
0
6
/
0
9
/
9
1
0
9
/
0
1
/
9
2
1
2
/
0
5
/
9
2
1
1
/
0
9
/
9
2
1
4
/
0
1
/
9
3
1
9
/
0
5
/
9
3
2
0
/
0
9
/
9
3
1
9
/
0
1
/
9
4
2
3
/
0
5
/
9
4
2
2
/
0
9
/
9
4
2
5
/
0
1
/
9
5
3
0
/
0
5
/
9
5
2
8
/
0
9
/
9
5
3
1
/
0
1
/
9
6
0
4
/
0
6
/
9
6
0
3
/
1
0
/
9
6
0
5
/
0
2
/
9
7
0
9
/
0
6
/
9
7
1
0
/
1
0
/
9
7
1
2
/
0
2
/
9
8
1
7
/
0
6
/
9
8
1
6
/
1
0
/
9
8
1
9
/
0
2
/
9
9
2
4
/
0
6
/
9
9
2
6
/
1
0
/
9
9
2
9
/
0
2
/
0
0
0
3
/
0
7
/
0
0
0
1
/
1
1
/
0
0
0
6
/
0
3
/
0
1
0
6
/
0
7
/
0
1
0
6
/
1
1
/
0
1
1
1
/
0
3
/
0
2
1
0
/
0
7
/
0
2
0
8
/
1
1
/
0
2
-40.64% em 18/01/91
+15.38% em 27/04/98
Estatsticas Descritivas da Srie Anterior
Mdia 0.004%
Mediana 0.000%
Moda 0.000%
Desvio Padro 2.400%
Varincia 0.001
Curtose 31.550
Assimetria -1.847
Amplitude 56.02%
Mnimo -40.64%
Mximo 15.38%
Nmero de Obs. 3011
Risky Business? Ser que
este nmero grande ou
pequeno?
Decididamente a distribuio
dos retornos foge da Normal
olhe a curtose! A assimetria
no to gritante assim, mas a
assimetria gigantesca.
Risky business? Com
certeza! Olha s a
amplitude dos retornos!
Histograma dos Retornos de Petrleo WTI
0.2 0.1 0.0 -0.1 -0.2 -0.3 -0.4 -0.5
600
500
400
300
200
100
0
ret_wti
F
r
e
q
u
e
n
c
y
Histograma - Srie de Retornos Dirios de Petrleo WTI (1991 a 2003)
Srie Anterior Restrita ao Perodo 01/2000 a 03/2003
Retornos Dirios Petrleo WTI desde o incio de 2000
-18.0%
-15.0%
-12.0%
-9.0%
-6.0%
-3.0%
0.0%
3.0%
6.0%
9.0%
12.0%
0
4
/
0
1
/
2
0
0
0
0
4
/
0
3
/
2
0
0
0
0
4
/
0
5
/
2
0
0
0
0
4
/
0
7
/
2
0
0
0
0
4
/
0
9
/
2
0
0
0
0
4
/
1
1
/
2
0
0
0
0
4
/
0
1
/
2
0
0
1
0
4
/
0
3
/
2
0
0
1
0
4
/
0
5
/
2
0
0
1
0
4
/
0
7
/
2
0
0
1
0
4
/
0
9
/
2
0
0
1
0
4
/
1
1
/
2
0
0
1
0
4
/
0
1
/
2
0
0
2
0
4
/
0
3
/
2
0
0
2
0
4
/
0
5
/
2
0
0
2
0
4
/
0
7
/
2
0
0
2
0
4
/
0
9
/
2
0
0
2
0
4
/
1
1
/
2
0
0
2
0
4
/
0
1
/
2
0
0
3
Estatsticas Descritivas da Srie Anterior
(2000 a 2003)
Mdia 0.036%
Mediana 0.149%
Moda 0.000%
Desvio Padro 2.652%
Varincia 0.001
Curtose 3.901
Assimetria -0.745
Amplitude 27.14%
Mnimo -17.09%
Mximo 10.05%
Nmero de Obs. 770
Aumentou...
Oops mais
risco!
Retorno mdio
ligeiramente positivo....
MAS

Agregao Temporal
Agregao Temporal
Como ajustar mdias e volatilidades em
diferentes horizontes de tempo?
Os ajustes de
volatilidade
volatilidade para horizontes de
tempo diferentes podem ser feitos com base
na raiz quadrada do tempo, e o ajuste da
mdia
mdia depende linearmente do tempo.
Em geral:
T
T
anual
anual
.
.

=
=

Agregao Temporal
Agregao Temporal
Onde T 1 dividido pelo nmero de perodos por ano
(12 no caso de dados mensais, 252 no caso de dados
dirios com 252 dias de negociao, etc...).
Alternativamente, podemos pensar nas frmulas
anteriores ao contrrio:
Por exemplo, para dados
mensais, a volatilidade anual
a volatilidade mensal vezes
12 e a diria vezes 252
T
T
anual
anual
=
=
Da tabela:
Aes tm maior volatilidade, em seguida as
taxas de cmbio.
Mas, a taxa de cmbio Franco/Marco tem baixa
volatilidade (estavam atrelados desde maro
de 1979).
Aes
Americanas
Ttulos do
Governo dos
EUA
Marco/Dlar Franco/Marco Yen/Dlar
Volatilidade 12.2 4.9 11.1 15.4 8.7
Retorno Mdio -2.6 3.6 -4.4 11.1 8.6
Taxas de Cmbio
Tabela 4.3 - Jorion
Risco e Retorno, 1973 a 1994 (% a.a.)

Efeito do Horizonte de Tempo
Efeito do Horizonte de Tempo
No longo prazo, a mdia dominar a
volatilidade, pois esta ltima varia com a raiz
quadrada de T.
No curto prazo, como no intervalo de um dia,
a volatilidade predominar.
Value at Risk (VaR)
Value at Risk (VaR)
Serve para quantificar os riscos envolvidos
em cada pedao de um portfolio e
compar-los com os retornos esperados.
Value at Risk (VaR) usado para quantificar
mudanas potenciais no valor esperado de
um negcio, ou de um portfolio.
Talvez sua maior vantagem seja resumir em
um nico nmero a exposio total ao risco
de mercado de uma instituio.
Value at Risk (VaR)
Value at Risk (VaR)
VaR um resumo da exposio de risco de
um portfolio num determinado horizonte de
tempo, com um dado nvel de confiana.

Grande vantagem = VaR expresso como um
Grande vantagem = VaR expresso como um
nico nmero, em unidades monetrias, ou
nico nmero, em unidades monetrias, ou
seja, fcil de entender!
seja, fcil de entender!

O VaR sintetiza a pior perda esperada dentro
O VaR sintetiza a pior perda esperada dentro
de um determinado perodo de tempo
de um determinado perodo de tempo
e
e
intervalo de confiana.
intervalo de confiana.
Value at Risk (VaR)
Value at Risk (VaR)
Por exemplo, fcil comunicar para o seu
acionista (ou chefe) que o VaR da sua carteira
de R$10 milhes para os prximos 30 dias
com 99% de probabilidade.
Ou seja, existe uma chance de 1% de que nos
prximos 30 dias, voc possa perder MAIS
que R$ 10 milhes (quanto? Isso o VaR no
diz diretamente, (por isso usamos cenrios de
stress)).
Value at Risk (VaR)
Value at Risk (VaR)
Value-at-Risk
(95%)
Probabilidade 5%
Distribuio dos
Retornos Esperados
Value at Risk (VaR)
Value at Risk (VaR)
Receita para clculo do VaR de um
Portfolio
Marcao a Mercado (MtM) do Portfolio
Identificao dos fatores de risco
Clculo da variabilidade (volatilidade) dos fatores de
risco
Escolha do(s) horizonte(s) de tempo
Escolha do(s) nvel/nveis de confiana (p.ex., 95% e
99%)
Clculo de varincias e covarincias (diversos
mtodos)
Agregao dos VaRs individuais para obter o VaR do
portfolio
Value at Risk (VaR)
Value at Risk (VaR)
Anlise a Posteriori
Voc estourou o seu VaR mais do que o esperado?
Examinar probabilidades de cobertura
Backtesting
Definir cenrios de stress (situaes extremas) e
verificar o comportamento do portfolio nelas
Em especial, verificar como as correlaes entre os
fatores de risco mudam em situaes de stress (isso j
causou enormes perdas ....)
EM RESUMO: Avalie, reavalie, SEJA CRTICO
em relao aos seus nmeros!
Clculo do VaR
Clculo do VaR
Fatores Quantitativos
Escolha do horizonte de tempo e nvel de
confiana at certo ponto arbitrrios
Basilia (verso original) IC 99%, horizonte
de 10 dias. Calcula-se o VaR, multiplicando-o
por um fator de segurana igual a 3 para
fornecer a exigncia mnima de capital para
fins regulatrios.
nvel de confiana, VaR
Clculo do VaR
Clculo do VaR
Nvel de confiana e validao do modelo
A escolha do nvel de confiana importante quando
desejamos verificar o modelo, pois se escolhermos um
valor do nvel de confiana excessivamente alto (que
raramente ser ultrapassado), precisaramos esperar
muito tempo para verificar se o modelo concorda com a
realidade.
Por exemplo, com nvel 95% espera-se que 1 vez a cada
20 dias exista uma perda maior que o VaR. Em
compensao, com nvel 99%, esta perda s dever
ocorrer 1 vez a cada 100 dias. Na verdade, se o nosso
modelo estiver correto, a gente tem que estourar o
nosso limite de vez em quando!
VaR para Distribuies Gerais
Sejam:
W
0
= investimento inicial
R = taxa de retorno
Ento o valor da carteira no final do horizonte
considerado : W = W
0
(1+R)
Suponha que R uma varivel aleatria com mdia
e volatilidade .
Seja c um dado nvel de confiana. Define-se W
* =
W
0
(1+R*) como o menor valor da carteira para o nvel
de confiana c. Por definio, W
*
um valor baixo
da carteira (geralmente perdemos dinheiro, tivemos
retorno negativo), associado a um retorno R
*
.
O VaR definido como a perda em dlares
em relao mdia:
Uma alternativa definir o VaR como a perda
em dlares absoluta (em relao a zero), ou
seja:
A relao entre as duas definies
imediata:
( ) ( ) = =
*
0
*
R W W W E VaR
media
( )
*
0
*
0 0
*
0
. 1 R W R W W W W VaR
zero
= + = =
.
0
W VaR VaR
zero media
+ =
Note que:
Embora o VaR esteja se referindo distribuio
de W (valor do portfolio), seu clculo obtido
diretamente da distribuio dos retornos.
Logo, a modelagem, e as caractersticas da
distribuio dos retornos so os elementos
essenciais para o clculo do VaR.
Em especial, precisamos calcular o retorno R
*
associado ao nvel de confiana c especificado.
Na notao usada aqui, W
*
um ponto tal que, a
probabilidade de exced-lo c. Logo, a probabilidade
de estar abaixo de W
*
(ou seja, a funo de
distribuio acumulada em W
*
) 1-c = p.
Isto : F(W
*
) = 1-c = p
Ou seja, a rigor precisamos resolver:
O que pode no ser trivial!
Na prtica: c valor grande(p.ex, 95%), e p um
valor pequeno (p.ex, 5%).
Note que, na especificao acima no escrevemos
explicitamente o desvio padro de R ou W! O desvio
padro est, na verdade, implcito, dentro da
densidade.
( ) p c dw w f
W
= =

1
*
VaR para Distribuies
Paramtricas
Paramtricas
Se a distribuio dos retornos for paramtrica
(em especial, Normal), o clculo do VaR fica
tremendamente simplificado.
Pode-se escrever:
Logo, o retorno crtico :
onde e so a mdia e o
desvio padro da distribuio dos retornos

=
*
R
( )

= = =
*
*
) ( ) ( 1
R
W
dr r f dw w f c
+ = .
*
R
Paramtricas
Paramtricas
Suponha agora que a mdia e varincia dos
retornos so dados em bases anuais.
Logo, o VaR(mdia) :
E o VaR absoluto :
( ) t W R W VaR
media
= == . .
0
*
0
( ) t t W R W VaR
zero
= = .
0
*
0
Referncias
Referncias
Jorion, P. (1997) Value at Risk: The New
Benchmark for Controlling Market Risk,
McGraw-Hill, New York.
Jorion, P. (2001) Financial Risk Manager
Handbook 2001-2002, John Wiley & Sons,
New York.
Dowd, K. (1998) Beyond Value at Risk, John
Wiley & Sons, New York.

Gerenciamento Risco FGV

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Gerenciamento Risco FGV

Cargado por

Copyright:

Formatos disponibles

info@mbarros.com info@mbarros.

de uma distribuio discreta de probabilidades)

No possvel resolver analiticamente esta

También podría gustarte