Risco da carteira: o que os pesos ocultam
Calcule a volatilidade conjunta e identifique fatores comuns que uma lista de ativos não revela.
Uma carteira não é uma coleção de apostas isoladas
Duas posições com volatilidade individual idêntica podem contribuir com quantidades de risco muito diferentes para uma carteira existente. A diferença resulta da interação das suas rendibilidades com as restantes posições. Uma posição que normalmente acompanha a maior exposição pode amplificar as suas flutuações; outra pode compensar parte delas. Contar símbolos não mede esta relação.
O quadro clássico de média-variância descreve a variância da carteira usando pesos, variâncias individuais e covariâncias entre pares. É um modelo útil para organizar a análise, não uma definição completa do perigo. Não capta diretamente o incumprimento, o encerramento do mercado, as restrições de levantamento ou a perda permanente de poder de compra. Comece por decidir que riscos o cálculo pode esclarecer e quais exigem análise separada.
Torne visível o termo cruzado
Para dois ativos com pesos w1 e w2, volatilidades s1 e s2 e correlação r, a variância é w1²s1² + w2²s2² + 2w1w2rs1s2. O termo final explica por que motivo fazer simplesmente a média das volatilidades costuma falhar. Todos os dados de entrada devem usar horizontes temporais, convenções de rendibilidade e tratamentos cambiais consistentes.
Um par de ativos com pesos iguais, cada um com volatilidade anualizada de 20%, tem aproximadamente 14.14% de volatilidade modelada quando a correlação é zero. Com correlação de um, o resultado é de 20%. Com correlação de menos um e magnitudes idênticas, a variância idealizada é zero. Este último cálculo demonstra a aritmética do modelo, não a disponibilidade de uma carteira sem risco no mundo real.
A correlação é uma estimativa, não um contrato
Uma correlação amostral muda com a janela de observação e o ambiente de mercado. Períodos calmos podem ocultar vulnerabilidade comum à inflação, à escassez de financiamento ou à venda forçada. Ativos que parecem não relacionados em dias normais podem reagir em conjunto quando os investidores precisam de dinheiro. A incerteza de estimação deve, por isso, ser visível, e não enterrada numa única matriz.
Compare várias correlações plausíveis e examine episódios específicos de stress. Tenha cuidado com preços desatualizados: um ativo avaliado com pouca frequência pode parecer artificialmente estável e pouco correlacionado simplesmente porque o seu valor registado se ajusta tarde. Alinhe os momentos de observação e compreenda os métodos de avaliação antes de interpretar um número baixo como diversificação. Horários de negociação diferentes criam um problema semelhante, mesmo quando ambos os instrumentos são negociados ativamente.
As relações estimadas devem ser matematicamente compatíveis. Correlações calculadas aos pares com datas diferentes podem gerar uma matriz que não seja semidefinida positiva: alguma combinação de pesos teria variância negativa. Isso indica um problema de dados ou modelação, não uma cobertura excecional. Alinhar observações, verificar propriedades numéricas e documentar regularização fazem parte da análise. Mesmo uma matriz válida pode ser instável quando existem muitos ativos e pouco histórico.
Converta nomes em exposições económicas
Um fundo de ações tecnológicas, uma empresa individual de software e uma posição cambial sensível ao crescimento podem partilhar sensibilidade ao apetite pelo risco, embora tenham designações diferentes. Uma conta nacional que detém ativos estrangeiros também tem exposição cambial, a menos que esteja efetivamente coberta. Decomponha as posições em fatores como beta acionista, taxas de juro, moedas, crédito e preços de matérias-primas.
O nocional dos derivados e a afetação de caixa exigem cuidado especial. Um pequeno depósito de margem pode suportar uma grande exposição económica, enquanto a sensibilidade de uma opção muda com o preço e o tempo. Pesos de carteira baseados apenas no dinheiro pago podem representar estes instrumentos de forma gravemente incorreta. Uma perspetiva de fatores de primeira ordem é útil, mas as exposições não lineares continuam a precisar de reavaliação por cenários, não de uma sensibilidade fixa para sempre.
Use variações marginais para informar a análise
Pergunte o que acontece ao risco total modelado se for acrescentada ou retirada uma pequena parte de uma posição. Esta perspetiva marginal pode revelar que a maior posição não é necessariamente o maior risco incremental. Também evita que uma classificação por volatilidade individual seja confundida com uma decisão de carteira.
Mantenha o cálculo da covariância a par dos limites de concentração, medidas de liquidez e cenários de perda. Uma combinação matematicamente pouco volátil pode ter um único custodiante comum ou depender de alavancagem incapaz de sobreviver a condições adversas. O resultado prático deve ser um mapa de vulnerabilidades e incertezas, não uma casa decimal de risco aparentemente definitivo. Recalcule após alterações relevantes na exposição e investigue porque o resultado muda.
Torne visíveis a exposição e o seu financiamento nos pesos
Os pesos precisam de um denominador. Uma posição comprada de 60000 dólares e uma vendida a descoberto de 40000 numa conta com 100000 de capital próprio têm pesos +0,60 e −0,40. A exposição líquida é 20% e a bruta, 100%. Renormalizar as duas para somarem um altera a sua escala económica. Dinheiro, receitas da venda a descoberto e financiamento devem ser contabilizados segundo o acordo real, não inferidos de uma lista de pesos aparentemente arrumada.
Com volatilidade anual de 20% em cada ativo e correlação 0,8, a variância é 0,60² × 0,20² + (−0,40)² × 0,20² + 2 × 0,60 × (−0,40) × 0,8 × 0,20 × 0,20 = 0,00544. A volatilidade modelada é aproximadamente 7,38% do capital próprio, ignorando custos de financiamento variáveis. Se a correlação cair para zero, sobe para 14,42%. A correlação positiva ajuda esta cobertura comprada-vendida, mas prejudica um par comparável de posições compradas.
A conversão cambial acrescenta uma interação. Se um ativo estrangeiro ganha 5% na moeda local e essa moeda perde 10% face à moeda da conta, o retorno convertido é 1,05 × 0,90 − 1 = −5,5%, antes de custos. Somar 5% e −10% é apenas uma aproximação que omite o produto cruzado. Construa as séries na moeda relevante antes de estimar covariâncias, salvo se uma cobertura cambial for modelada separadamente.
Distinga ainda pesos fixos e política de reequilíbrio. Os preços alteram os pesos enquanto não houver operações que os restaurem. Uma estimativa com os pesos de hoje descreve a exposição local, não automaticamente a carteira do próximo mês nem os custos de ajustes diários. Confronte a política com uma execução viável e inclua consequências de financiamento e liquidez que não aparecem na variância.