Gestao de Risco de Mercado
Gestao de Risco de Mercado
Gestao de Risco de Mercado
RESUMO
ABSTRACT
Risk and capital management are fundamental instruments for sustainability of the
banking system. In this sense, the process of measurement and management of market risks has
evolved rapidly over the past few years, in particular the types and characteristics of financial
instruments traded in the market, as well as the increased requirements of minimum capital
requirements to cover financial or economic losses resulting from fluctuations in the market values
of positions held by financial institutions. This article aims to measure the diary VaR (Value at Risk)
of a government securities trading portfolio, based on standardized and internal models
approaches, considering the calculation of VaR, by Historical Simulation method, indicator
turnover index observed from the liquidity of the portfolio in Capital Markets. The study fulfills its
purpose of identifying the relevant factors that can be used managerially by the institution to draw
up policies or strategies that reduce or control the capital requirement level of your trading portfolio
exposed to market risks.
.
1. INTRODUÇÃO
O gerenciamento do risco financeiro segundo Jorion (1997) se refere ao desenvolvimento e
implementação de processos para controlar os riscos financeiros e, nesse sentido, o Valor em
Risco (VaR) induziu o conceito de gestão de riscos global da empresa, cuja essência é a
administração do risco global de uma instituição em todas as categorias e linhas de negócio.
Segundo Assaf Neto (2007), o VaR é um método de fácil compreensão e amplamente
utilizado na gestão, mensuração e controle dos diversos riscos de mercado. Através de técnicas
estatísticas, o VaR mensura, em condições normais de mercado e considerando um certo grau de
confiança num horizonte de tempo, a perda esperada máxima de um título ou de uma carteira de
títulos. O VaR também é uma das medidas de risco usadas pelos acordos de Basileia para regular
o sistema bancário.
Em 1988, o Comitê de Basileia de Supervisão Bancária (CBSB) divulgou o primeiro Acordo
de Capital de Basileia, oficialmente denominado International Convergence of Capital
Measurement and Capital Standards, com o objetivo de criar exigências mínimas de capital para
instituições financeiras como forma de fazer face ao risco de crédito. Em 1996, o CBSB publicou
uma emenda ao Acordo de 1988, incorporando ao capital exigido parcela para cobertura dos
riscos de mercado.
O CBSB publicou em 2004 uma revisão do documento International Convergence of
Capital Measurement and Capital Standards, conhecido Basileia II, concedendo às Instituições
Financeiras, desde que autorizada pelas autoridades monetárias participantes do acordo, a
possibilidade de uso de modelos internos para cálculo da exigência de capital para as parcelas de
risco de mercado, que até então adotavam o método padronizado, definido pelos Bancos Centrais
de cada jurisdição. As propostas sugeriram, para efeito de alocação de capital, duas alternativas
básicas de cálculo: a abordagem padronizada e a abordagem baseada em modelos internos de
gestão de risco.
A abordagem padronizada apresenta algumas limitações técnicas na metodologia de
cálculo da exigência de capital, como exemplo, sua natureza estática, o que a torna inadequada
para capturar alterações nos padrões de volatilidade e nas correlações dos fatores de risco. Esta
limitação é preocupante, principalmente em se tratando de mercados sujeitos a oscilações
consideráveis nos preços de seus ativos. A exigência de capital baseada em tal método, ao ser
calibrada para determinado cenário, pode rapidamente se tornar excessiva, caso haja uma
redução nos níveis de volatilidade, ou insuficiente em caso contrário.
Já a abordagem baseada em modelos internos (ou proprietários) teve como ponto de
partida o consenso de que as instituições financeiras seriam capazes de elaborar modelos mais
apurados, por terem maior conhecimento das carteiras que administram. A gestão ativa destes
modelos proporcionaria maior eficiência na alocação de capital, em comparação à predefinição de
percentuais aplicados sobre os ativos das instituições e indistintamente adotados por todo o
sistema financeiro. Com a finalidade de assegurar um grau mínimo de padronização,
transparência e consistência dos resultados obtidos para os diferentes sistemas proprietários,
foram estabelecidas pelo CBSB algumas restrições qualitativas e quantitativas no cômputo do
VaR diário.
A última crise financeira global, período 2007 a 2008, que teve origem no mercado de
hipotecas norte-americano e ficou apelidada de crise do subprime, foi a grande motivadora das
novas diretrizes postas pelo Comitê de Basileia para a regulação do setor financeiro. Após esta
crise, diversas medidas foram tomadas pelo Comitê de Estabilidade Financeira do Banco de
Compensações Internacionais – Bank for International Settlements (BIS) – com o objetivo de
construir um sistema financeiro mais seguro e assegurar sua resiliência em períodos de estresse.
Tais medidas ficaram conhecidas como Basileia III.
Apesar de Basileia III (CBSB, 2010) não introduzir novas diretrizes para o gerenciamento
do risco de mercado, em julho de 2009 já haviam sido publicados pelo Comitê de Basileia os
documentos Enhancements to the Basel II Framework, Revisions to the Basel II Market Risk
Framework e Guidelines for Computing Capital for Incremental Risk in the Trading Book, propondo
medidas adicionais para o fortalecimento e maior solidez do mercado financeiro.
Com a publicação da Circular nº 3.478, em julho de 2009, o Banco Central do Brasil
(Bacen) estabeleceu critérios e cronograma para o processo de autorização do uso de modelos
internos para cálculo da parcela de risco de mercado (PRM) no Brasil. O órgão regulador
brasileiro adotou integralmente as recomendações de Basileia para o cálculo da exigência.
A Circular Bacen nº 3.646, publicada em 04 de março de 2013, substituiu a norma anterior
e definiu os atuais critérios mínimos e procedimentos de cálculo, por meio de modelos internos de
risco de mercado, do valor diário referente à parcela RWAMINT 1 do montante dos ativos
ponderados pelo risco (RWA) e Índice de Basileia, de que trata a Resolução CMN nº 4.193.
Apesar das constantes inovações e melhorias nos modelos de VaR no mundo acadêmico
e financeiro, pode-se verificar o uso dos modelos clássicos de cálculo do VaR, como as metodolo-
gias da RiskMetrics™, a Simulação Histórica e a Simulação de Monte Carlo (SMC).
O objetivo principal do trabalho é avaliar os métodos de exigência de capital para uma
carteira Trading de Títulos Públicos Federais, tanto na abordagem padronizada, quanto aos
modelos internos para cobertura dos riscos de mercado, adotando uma metodologia de cálculo do
índice de volume de negócios para essa carteira, e comparando tais resultados com a alocação
de capital requerida pela Supervisão Bancária Brasileira.
A intenção de utilizar tal metodologia é demonstrar, a partir dos resultados obtidos, que o
parâmetro horizonte temporal de negociação (holding period) da carteira trading adotado no
cálculo da alocação de capital, tanto na abordagem padronizada como também na abordagem
modelos internos, poderia ser ajustado a partir do comportamento histórico de negociação dos
instrumentos financeiros e mercadorias, observando aspectos relativos ao tamanho das
exposições e as condições de liquidez de mercado.
O referencial metodológico para adoção do índice presente no artigo foram as publicações
dos documentos Portfolio turnover and common stock holding periods (DOW, Clifford G, 2007) e o
Form N1-A, OMB Approval number 3235-0307 (SEC, 2004). Os softwares analíticos adotados no
estudo foram: o Riskwatch versão 4.7 – desenvolvido pela empresa IBM Analytics (antiga
Algorithmics), e Microsoft Excel 2010.
Nas próximas seções do artigo, procura-se descrever o referencial teórico de mensuração
do VaR, seguido da metodologia aplicada ao critério de cálculo da exigência de capital adotando o
índice de volume para uma carteira de negociação de títulos públicos federais. Além disso, são
avaliados os resultados obtidos a partir dos estudos empregados e, consequentemente, as
conclusões acerca do tema, em especial, os benefícios na mensuração da alocação de capital
para risco de mercado.
1
RWA MINT corresponde a soma dos valores da parcela relativa as exposições ao risco de mercado sujeitas ao cálculo
de requerimento de capital mediante modelos internos autorizados pelo Banco Central do Brasil (Bacen).
i. Informação gerencial: fornece informação à alta administração a respeito da
exposição a risco assumida pelos operadores. Esta exposição pode ser comparada
ao capital da instituição financeira;
ii. Fixação de limites: mede o risco de mercado das carteiras dos operadores,
permitindo o estabelecimento de limites economicamente válidos de posição por
operador;
iii. Alocação de recursos: compara resultados a riscos de mercado em diferentes
áreas de operação, o que pode permitir a identificação de áreas com maior
potencial de retorno por unidade de risco;
iv. Avaliação de desempenho: de forma semelhante, permite o cálculo do quociente
entre o retorno e risco de operadores, possibilitando a implantação de um sistema
de bonificação;
v. Regulamentação: o BIS propõe regulamentar o risco de mercado por meio da
exigência de capital a partir da métrica do VaR.
Damodaran (2008) destaca que a matemática por trás do VaR foi em grande parte
desenvolvida no contexto de carteiras por Harry Markovitz. Portanto, Markovitz (1952) enfatizou
que risco e retorno devem ser considerados conjuntamente e propôs o desvio padrão como
medida de dispersão de apelo intuitivo. O autor demonstrou, também, que a relação entre o risco
e retorno é esperado num arcabouço de média-variância.
Assim como Damodaran (2008), Dowd (2002) destaca que o VaR é uma progressão
natural de teoria de carteiras (theory portfolio) de Markovitz (1952). No entanto, há diferenças
importantes entre elas:
i. A teoria de carteiras interpreta o risco em termos de desvio padrão do retorno,
enquanto as abordagens VaR interpretam em termos de perda máxima provável;
ii. A teoria de carteiras pressupõe que os ganhos e perdas ou retornos são normais
ou, na melhor das hipóteses, elipticamente distribuídos;
iii. Nas abordagens VaR podem ser aplicados uma ampla gama de mensuração de
risco: a teoria de carteira limita-se a risco de mercado, enquanto os métodos de
VaR podem ser aplicados aos riscos de crédito, liquidez, operacional e outros
riscos, bem como risco de mercado; e
iv. A abordagem matriz de Variância-Covariância a ser detalhada mais a frente tem a
mesma base teórica da teoria de carteiras, mas isso não é usado para as
abordagens de Simulação Histórica e Simulação de Monte Carlo.
O incentivo do VaR surgiu com as diferentes crises que envolveram as Instituições
Financeiras ao longo dos anos e as reações da esfera reguladora a essas crises. As primeiras
medidas regulatórias que lembram o VaR foram iniciadas em 1980, quando a SEC atrelou as
exigências de capital de bancos às perdas que poderiam incorrer, com 95% de intervalo de
confiança em um período de 30 dias, em diferentes classes de valores mobiliários. Os retornos
eram usados para calcular as perdas prováveis. Embora as medidas fossem descritas como
provisão para perdas e não como valor ou capital em risco, fica claro que na época a SEC já
estava exigindo a adoção de um processo de estimação de VaR com 95% de intervalo de
confiança (IC) e holding period (HP) de 30 dias com o intuito de manter capital suficiente para
cobrir as prováveis perdas.
Quase na mesma época, as carteiras negociadas por bancos comerciais e de investimento
estavam se tornando cada vez maiores e mais voláteis, gerando a necessidade por medidas de
controle mais sofisticadas e atualizadas. Em sequência aos inúmeros e desastrosos prejuízos
associados ao uso de derivativos e de alavancagem entre 1993 e 1995, que culminaram com a
falência do Barings, o banco de investimentos da Grã-Bretanha, as empresas estavam prontas
para medidas de risco mais abrangentes.
Em 1995, o J.P. Morgan disponibilizou o acesso aos dados sobre variâncias e covariâncias
entre várias classes de valores mobiliários e de ativos que vinham sendo usados internamente
pelo banco para gestão de riscos, permitindo que desenvolvedores de software concebessem um
programa de mensuração desses riscos. A empresa o chamou de RiskMetrics™ e adotou o termo
Valor em Risco para descrever a medida de risco gerada pelos dados. Tal métrica encontrou
aceitação imediata de bancos comerciais e de investimentos, sob supervisão de agências
reguladoras, que acolheram o apelo intuitivo do VaR.
De forma bastante simplificada, o documento RiskMetrics (1996) mostra que o VaR de
uma carteira composta por somente um ativo pode ser calculado através da seguinte fórmula:
𝑉𝑎𝑅 = 𝑉𝐴 𝑥 𝐼𝐶 𝑥 𝜎 𝑥 √𝑡
Em que:
Tomemos como exemplo o caso de uma carteira composta por um único ativo, cujo valor
de mercado é R$1.000.000,00. Para calcular o VaR com 5% de nível de significância,
considerando uma volatilidade diária do ativo de 2%, basta substituir os valores na equação
acima.
VaR = R$ 1.000.000 x 1,65 x 0,02 x √1 = R$ 33.000,00
Ou seja, há 5% de probabilidade que esta carteira apresente perdas iguais ou superiores a
R$ 33.000,00 no intervalo de um dia.
Ao longo dos anos, o VaR ganhou condição de medida consolidada de exposição ao risco
em Instituições Financeiras, e inclusive começou a ter aceitação em empresas não-financeiras.
Convém registrar que existem várias técnicas para o cálculo do VaR. Tais técnicas podem
ser divididas em dois grandes grupos: VaR Paramétrico e VaR Não Paramétrico (Simulação). O
VaR Paramétrico baseia-se no conhecimento prévio de uma distribuição estatística (Ex.: Curva
Normal) para fazer o cálculo das perdas financeiras com base em hipótese de comportamento da
distribuição de probabilidades dos retornos dos ativos. O VaR Não Paramétrico não faz hipótese
alguma sobre a distribuição de probabilidade dos retornos dos ativos. Nestas técnicas (Ex.:
Simulação Histórica, Simulação de Monte Carlo) são utilizadas a história dos próprios retornos
para obtenção de informações sobre as perdas financeiras. Os próximos itens descrevem as
abordagens de mensuração do VaR.
2 2
𝑉𝑎𝑅𝑁 = √𝑉𝑎𝑅𝑥1 + 𝑉𝑎𝑅𝑥2 + 𝑛𝑥𝑝𝑛 𝑉𝑎𝑅𝑥1 𝑥𝑉𝑎𝑅𝑥2
VaR de carteiras compostas
Sendo:
Dowd (1998) e Sain (2001) afirmam que o objetivo do modelo de Simulação Histórica é
utilizar a distribuição histórica de retornos dos ativos de uma carteira para calcular o seu VaR. Por
isso, para este modelo, não há a necessidade do cálculo de volatilidades e correlações, uma vez
que tais valores estão implícitos nos cenários utilizados.
O VaR por Simulação Histórica assume a hipótese de que o comportamento retrospectivo
dos retornos observados (históricos) dos fatores de risco constitui-se em informação relevante
para a mensuração dos riscos de mercado. Logo, este método utiliza os eventos registrados na
série histórica os quais são denominados cenários retrospectivos.
Dado que cada cenário retrospectivo contido na série histórica corresponde a um possível
“estado do mercado” sob o horizonte temporal de simulação, são dimensionados os efeitos nos
instrumentos financeiros resultantes da replicação dos cenários retrospectivos sobre as condições
atuais de mercado, representado por um conjunto de fatores de risco.
Entende-se por fatores de risco as variáveis que alteram o valor de um instrumento
financeiro, tais como taxas de juros, os preços de ações, os preços de mercadorias (commodities)
e as taxas de câmbio.
A metodologia de VaR por Simulação Histórica é bastante utilizada pelos agentes
financeiros na apuração do risco de mercado de suas operações, fato motivado, entre outros
aspectos, por se constituir em técnica bastante intuitiva e simples, amplamente citada na literatura
de Finanças e de Gestão de Riscos, que utiliza dados históricos disponíveis ao público em geral.
Adiciona-se que o VaR por Simulação Histórica proporciona condições para mitigação do
risco de modelagem, haja vista que a utilização da distribuição empírica de retornos dispensa a
assunção da hipótese de normalidade para a série temporal de retornos, comumente assumida
por outros métodos tais como o VaR Delta-Normal, também conhecido por VaR Paramétrico.
Neste sentido, Alexander (2005) observa que:
“(...) A ideia básica por trás do VaR de Simulação Histórica é muito simples:
utilizam-se apenas os dados históricos reais na construção de uma função
densidade empírica das perdas de uma carteira. Nenhuma hipótese acerca da
forma analítica dessa distribuição é feita nem a respeito dos tipos de movimentos
conjuntos entre os ativos ou fatores de riscos. (...)”
Também no sentido de mitigar o risco de modelagem, destaca-se que o método de VaR
por Simulação Histórica dispensa a estimação de parâmetros de média, desvio-padrão e a
construção de matriz de correlações entre os retornos observados dos instrumentos financeiros
e/ou dos fatores de risco.
Destacam-se ainda que as correlações entre os retornos dos fatores de risco estão
implícitas no histórico dos retornos observados, fato que torna desnecessária a estimação da
matriz de variância-covariância e a respectiva matriz de correlações entre os retornos observados
dos fatores de riscos de mercado. Ainda sobre a sua capacidade para mitigar o risco de
modelagem, destaca-se que o método de VaR por Simulação Histórica dispensa a aplicação de
algoritmos de alocação de fluxos de caixa gerados pelos instrumentos financeiros em vértices
padronizados, técnica adotada por outros métodos de VaR. Esse método permite que sejam
implicitamente consideradas as suas características de assimetria e curtose, que se constituem
em fatos estilizados recorrentemente encontrados em séries temporais financeiras. Sobre tais
fatos, Jorion (1997) registra que:
“(...) Ao basear-se em preços reais, o método incorpora não-linearidades e
distribuições não normais. A avaliação plena é obtida da forma mais simples: a
partir de dados históricos. O método captura o risco de gama e de vega e as
correlações, não dependendo de suposições específicas sobre os modelos de
avaliação ou sobre a estrutura estocástica subjacente ao mercado. Ele incorpora o
efeito de “caudas grossas” e, como não depende de modelos de avaliação, não
está sujeito ao risco de modelo. Por ser potente e intuitivo, compôs a base das
propostas sobre risco de mercado elaboradas pelo Comitê de Basiléia em 1993.
(...)”
Dado que o VaR por Simulação Histórica é capaz de capturar o risco de gama e de vega,
que se constituem em características não-lineares dos instrumentos financeiros, este método
possui capacidade para mensurar adequadamente o risco de instrumentos financeiros derivativos,
tais como as opções. Esta observação é corroborada por Alexander (2005), o qual observa que é
possível avaliar os prêmios de opções e outras posições complexas de várias combinações de
fatores de riscos.
Damodaran (2008) descreve ainda que as simulações são populares e relativamente fáceis
de executar, no entanto, elas apresentam desvantagens. Mais especificamente, as hipóteses
subentendidas no modelo identificam fraquezas, das quais se destacam:
i. O passado não serve como começo: embora todas as abordagens para estimar o
VaR utilizem dados históricos, as simulações históricas dependem muito mais
desses dados do que outras abordagens, pela simples razão de que o VaR é
calculado integralmente a partir de alterações dos preços históricos. Não há muito
espaço para sobrepor hipóteses de distribuições (como é feito na abordagem
variância-covariância) ou incluir informações subjetivas (tal como é possível com as
simulações de Monte Carlo).
ii. Tendências nos dados: argumento semelhante pode ser proposto sobre a maneira
de calcular o VaR usando dados históricos, em que todos os dados têm o mesmo
peso.
iii. Novos ativos ou riscos do mercado: ainda que esta crítica possa ser válida para
qualquer uma das três abordagens de estimativa do VaR, a abordagem da
simulação histórica tem muita dificuldade de lidar com novos riscos e novos ativos
dados que não há dados históricos disponíveis para o cálculo do VaR.
Tal como ocorre com as outras abordagens para o cálculo do VaR, modificações para a
simulação histórica são apresentadas, em sua maior parte para levar em conta algumas críticas
citadas anteriormente, sendo:
a. Conferir maior peso ao passado recente: é possível formular argumento razoável
de que os retornos vistos no passado recente são melhores previsores para o
futuro imediato do que os retornos observados em um passado mais distante.
Boudoukh, Richardson e Whitelaw (1998) apresentaram uma variante para
simulação histórica, em que os dados recentes têm maior peso, usando um fator de
decaimento como seu mecanismo de ponderação do tempo. Considerando tais
fatores, o VaR rapidamente se ajusta para refletir a dimensão da crise.
b. Combinação da simulação histórica com modelos de séries temporais: Cabedo e
Moya (2003) sugerem que as melhores estimativas para o VaR podem ser obtidas
por meio do ajustamento dos dados históricos com um modelo de séries temporais
e do uso de parâmetros desse modelo para previsão do VaR. Neste caso, é
realizado um ajuste de média móvel auto-regressiva (ARIMA) aos preços dos
ativos.
c. Atualização da volatilidade: Hull e White (1998) sugerem uma maneira diferente de
atualizar os dados históricos para flutuações na volatilidade. No caso de ativos cuja
volatilidade recente é maior do que a volatilidade histórica, recomendam que se
ajustem os dados históricos para refletir as alterações. Essa abordagem exige
estimativas para as variâncias específicas para o dia e que se alteram ao longo do
período histórico, que se obtém com o uso de modelos GARCH.
Em que:
Fator F Período
11% de 01.10.2013 a 31.12.2015
9,875% de 01.01.2016 a 31.12.2016
9,25% de 01.01.2017 a 31.12.2017
8,625% de 01.01.2018 a 31.12.2018
8% a partir de 01.01.2019
Fonte Bacen
b. M pre= multiplicador para o dia "t", divulgado diariamente pelo Banco Central do Brasil,
determinado como função decrescente da volatilidade, cujo valor está compreendido entre
1 e 3;
c. VaRPadrão
t = valor em risco, expresso em reais, do conjunto das exposições sujeitas à
variação de taxas de juros prefixadas para o dia "t", obtido de acordo com a seguinte
fórmula:
𝑛 𝑛
Sendo:
i. n = 10 (número de vértices Pi );
ii. VaR i,t = valor em risco, expresso em reais, associado a vértice Pi no dia “t”, obtido
de acordo com a seguinte fórmula:
𝑃𝑖
𝑉𝑎𝑅𝑖,𝑡 = 2,33 𝑥 𝑥 𝜎𝑖,𝑡 𝑥 𝑉𝑀𝑡𝑀𝑖,𝑡 𝑥 √𝐷 ,
252
Em que:
iii. 𝜌𝑖,𝑗 = correlação entre os vértices "i" e "j", utilizada para efeito de determinação do
𝑉𝑎𝑅𝑡𝑃𝑎𝑑𝑟ã𝑜 , obtida de acordo com a seguinte fórmula:
𝑘
𝑚𝑎𝑥(𝑃𝑖 ,𝑃𝑗 )
( )
𝑚𝑖𝑛(𝑃𝑖 ,𝑃𝑗)
𝜌𝑖,𝑗 = 𝜌 + (1 − 𝜌) ,
Em que:
d. 𝑠VaRPadrão
t = valor em risco estressado, expresso em reais, do conjunto das exposições
sujeitas à variação de taxas de juros prefixadas para o dia "t", obtido de acordo com a
seguinte fórmula:
𝑛 𝑛
𝑠𝑉𝑎𝑅𝑡𝑃𝑎𝑑𝑟ã𝑜 𝑠
= √∑ ∑ 𝑠𝑉𝑎𝑅𝑖,𝑡 𝑥 𝑠𝑉𝑎𝑅𝑗,𝑡 𝑥 𝜌𝑖,𝑗 ,
𝑖=1 𝑗=1
Sendo:
i. n = 10 (número de vértices Pi );
ii. 𝑠VaR i,t = valor em risco estressado, expresso em reais, associado a vértice Pi no dia
“t”, obtido de acordo com a seguinte fórmula:
𝑃𝑖 𝑠
𝑠𝑉𝑎𝑅𝑖,𝑡 = 2,33 𝑥 𝑥 𝜎𝑖,𝑡 𝑥 𝑉𝑀𝑡𝑀𝑖,𝑡 𝑥 √𝐷 ,
252
Em que:
𝑠
iii. 𝜌𝑖,𝑗 = correlação entre os vértices "i" e "j", utilizada para efeito de determinação do
𝑠𝑉𝑎𝑅𝑡𝑃𝑎𝑑𝑟ã𝑜 , obtida de acordo com a seguinte fórmula:
𝑘𝑠
𝑚𝑎𝑥(𝑃𝑖 ,𝑃𝑗)
( )
𝑠 𝑠 ) 𝑚𝑖𝑛(𝑃𝑖 ,𝑃𝑗)
𝜌𝑖,𝑗 = 𝜌 𝑠 + (1 − 𝜌 ,
Em que:
𝑝1 11 11 3
𝑀𝑝𝑐𝑜
𝑅𝑊𝐴𝐽𝑈𝑅3 = . [∑ (|∑ 𝐸𝐿𝑖 | + ∑|𝐷𝑉𝑖 | + ∑|𝐷𝐻𝑍𝑗 | + 𝐷𝐻𝐸 ) ] ,
𝐹
𝑝=1 𝑖=1 𝑖=1 𝑗=1
𝑝
Em que:
60 60
1 𝑀 1 𝑀
𝑅𝑊𝐴𝑀𝐼𝑁𝑇𝑡 = max {[ x 𝑚𝑎𝑥 (( x ∑ 𝑉𝑎𝑅𝑡−1 ) , 𝑉𝑎𝑅𝑡−1 ) + x 𝑚𝑎𝑥 (( x ∑ 𝑠𝑉𝑎𝑅𝑡−1 ) , 𝑠𝑉𝑎𝑅𝑡−1 )
𝐹 60 𝐹 60
𝑖=1 𝑖=1
Em que:
Fonte Bacen
f. 𝑆𝑀 = fator de cálculo paralelo para modelos internos de risco de mercado, sendo
igual a:
a. 0,90 (noventa centésimos), ao longo do primeiro ano de uso do modelo
interno de risco de mercado, contado a partir da data em que autorizada sua
utilização;
b. 0,80 (oitenta centésimos), a partir do segundo ano de uso do modelo interno
de risco de mercado, contado a partir da data em que autorizada sua
utilização.
g. 𝑅𝑊𝐴𝑀𝑃𝐴𝐷𝑡 = valor diário referente à soma das parcelas relativas ao cálculo do
capital requerido para risco de mercado mediante abordagens padronizadas, para o
dia útil t, calculadas conforme as Circulares Bacen nºs. 3.634, 3.635, 3.636, 3.637,
3.638, 3.639 e 3.641, todas de 2013;
h. 𝑅𝑊𝐴𝑀𝐼𝑁𝑇(𝑃𝑎𝑟𝑐𝑖𝑎𝑙)𝑡 = valor da parcela do RWA relativa ao risco de mercado calculada
por conglomerado que faz uso parcial de modelos internos de risco de mercado
para o dia t.
4. METODOLOGIA
Em geral, os títulos públicos federais possuem liquidez de mercado, gerando assim bons
índices de giro de volume de negócios e que, portanto, poderiam exigir um consumo menor da
alocação de capital para esses instrumentos.
Para a obtenção do índice é necessário verificar, considerando uma série histórica de até
252 observações, o volume líquido de negócios em mercado secundário, ou seja, o volume de
negócios efetuados sem participação do Banco, por meio da seguinte fórmula:
Sendo:
Após o cálculo dos volumes líquidos, calcula-se as janelas móveis, quantas forem
possíveis, até que a primeira observação de negócio seja a última a ser utilizada, conforme
abaixo:
∑𝑛=9
𝑑=1(𝑉𝑜𝑙𝑢𝑚𝑒𝐿𝑖𝑞−𝑑 + 𝑉𝑜𝑙𝑢𝑚𝑒𝐿𝑖𝑞.𝑑−1 + … + 𝑉𝑜𝑙𝑢𝑚𝑒𝐿𝑖𝑞.𝑑−9 )
𝑉𝑜𝑙𝑢𝑚𝑒𝐷𝑖á𝑟𝑖𝑜 = 𝑛−9
10
Sendo:
𝑂𝑟𝑑𝑒𝑚 = 𝑇. 95%
Sendo:
Ordem Primeira data considerada para a janela móvel, iniciando na data analisada
e finalizando em n-9; e
n Quantidade de dias entre a data analisada e a primeira data que apresente
volume líquido para o instrumento.
Sendo:
Sendo:
Como o turnover de mercado, foi obtido com base em volumes líquidos, desconsiderando-
se negócios efetuados pelo Banco, o holding period pode ser obtido por meio da multiplicação da
participação do Banco no mercado pelo turnover obtido anteriormente. Matematicamente, tem-se:
1.200.000 18
16
1.000.000
14
800.000 12
10
600.000
8
400.000 6
4
200.000
2
0 0
5. CONCLUSÃO
O presente estudo teve como objetivo geral analisar o comportamento do VaR, como
principal medida de risco financeiro, a partir do uso de 3 diferentes abordagens de cálculo de
exigência de capital: i) método padronizado; ii) modelos internos; e iii) modelos internos com base
no índice de volume de negócios.
Foram detalhados os parâmetros de cálculos do VaR entre as abordagens padronizadas e
modelos internos para requerimento mínimo de capital de risco de mercado e, adicionalmente,
desenvolvida uma metodologia quantitativa de mensuração do índice de volume de negócios,
corroborando com a percepção da indústria financeira de que o horizonte de tempo (holding
period) pode ser determinado pela natureza da carteira.
Comparando os resultados apurados pela métrica VaR entre as abordagens, percebem-se
resultados interessantes do VaR com base no índice de giro de volume de negócios para uso
como tomada de decisão nas operações de tesouraria, ou seja, avaliação da relação/retorno
quando de posição nas mesas de operação, bem como na alocação de capital econômico de uma
Instituição Financeira.
Procurou-se desenvolver também um processo de mensuração do VaR por simulação
histórica e o método extrapolação de cálculo do VaR de 1 dia para períodos superiores pela
técnica de Raiz Quadrada do Tempo.
Como implicação prática deste trabalho, espera-se que os resultados obtidos contribuam
para uma maior compreensão do processo de mensuração e gestão de risco de mercado. Tal
metodologia de índice de volume de negócios se encontra em fase de teste piloto em grande
instituição financeira do país, com estimativa de implantação ao longo de 2016, e perspectivas
positivas para a gerenciamento de risco de mercado e ações da Tesouraria visando o crescimento
orgânico do resultado gerencial vis-à-vis alocação ótima de capital.
Destaca-se também que foi publicada, em Janeiro/2016, novo framework de risco de
mercado pelo Comitê de Basileia de Supervisão Bancária (CBSB) introduzindo avanços na gestão
de riscos, sendo alguns dos itens incorporados a uma diferenciação de holding period por tipo de
instrumento financeiro, retirando o parâmetro fixo de 10 dias presente na regulação vigente, e a
alteração da métrica de alocação de capital regulamentar substituindo o VaR como medida de
risco pelo indicador Expected Shortfall (ES) ou Expected Tail Loss (ETL).
Por fim, para trabalhos posteriores sugere-se estudo comparativo de alocação de capital
econômico x regulamentar a partir das métricas de VaR e ES, considerando diferentes hoding
period por instrumentos financeiros, como exemplo Ações, Mercadorias e/ou Títulos Privados de
Debêntures e/ou Notas Promissórias.
6. REFERÊNCIAS BIBLIOGRÁFICAS
- ALEXANDER, C. Modelos de Mercado: Um guia para a análise de informações financeiras.
São Paulo: Editora Saraiva, 2005.
- ASSAF NETO, ALEXANDRE. Finanças corporativas e valor. São Paulo: Atlas, 2007.