*Com Jéssica Cristina Rossinati Rodrigues da Costa
Quando falamos em gestão de portfólio, o monitoramento e a análise de risco são temas que merecem destaque. Na prática, antes de incorporar um ativo à carteira, o gestor precisa estar ciente do risco daquele papel. Deve-se avaliar o quanto de perda cada ativo pode gerar, além de saber como minimizar os impactos negativos no portfólio. Em outras palavras, a avaliação de risco é um princípio básico para uma boa gestão de carteira. O que queremos discutir é como garantir que, de fato, a análise seja eficiente.
O principal indicador de risco reconhecido mundialmente é o chamado VaR, ou Value-at-Risk. Criado na década de 1980 pelo J.P Morgan e disseminado pelo Conselho de Basileia e pela Securities and Exchange Commission (SEC) na década de 1990, trata-se de um modelo que, por meio de uma metodologia relativamente simples, estima qual seria a perda máxima esperada de um ativo em um determinado período, com um nível de confiança estatístico.
Desde que o mercado começou a calcular o VaR, há mais de três décadas, o cenário evoluiu significativamente. Seja pela ampliação da capacidade computacional das instituições ou pela crescente variedade de ativos, surgiram inúmeros modelos para o seu cálculo. Como resultado, nos deparamos hoje com modelos simples, amplamente disseminados e conhecidos, e modelos mais complexos, que utilizam grande volume de dados e metodologias sofisticadas. Cabe à instituição escolher a melhor alternativa para o seu portfólio. Mas como fazer esta escolha?
É importante ressaltar que um modelo mais complexo não é, necessariamente, mais eficaz. Eficiência e complexidade não são sinônimos. Mais do que buscar ou desenvolver modelos avançados para análise de risco, as instituições devem se concentrar em testar a eficiência dos modelos que utilizam. A análise de risco não termina na definição do VaR. É fundamental medir a precisão deste modelo, e os chamados backtestings existem justamente para isto.
De modo geral, um modelo complexo utiliza mais dados e exige um gasto computacional maior, podendo ser, frequentemente, mais lento. Neste contexto, uma alternativa seria priorizar um modelo mais simples, porém com uma validação mais robusta. Ou seja, utilizar um modelo básico para cálculo do VaR e um backtesting mais robusto para confirmar os resultados apresentados.
Os backtestings trazem segurança aos gestores, pois avaliam os modelos de risco de mercado utilizando procedimentos estatísticos, nos quais se comparam as estimativas do VaR com os retornos efetivos da carteira. O objetivo é verificar se os modelos utilizados se ajustam à realidade daquele mercado. Uma validação de risco bem estruturada e minuciosa pode garantir que modelos mais simples respondam com a agilidade e a precisão necessárias para a tomada de decisão.
Obviamente, os relatórios cobrados pelos bancos centrais do mundo vão sempre seguir um padrão e, geralmente, os modelos cobrados já são os mais simples. Internamente, as instituições adotam modelos mais complexos por conta de ativos muito voláteis. Ainda assim, a validação com uma ampla gama de estatísticas de teste permite lidar com esses diferentes cenários com maior segurança.
Mais importante do que definir um modelo de cálculo para o VaR, é estar confiante de que este modelo representa, de fato, o risco de perda da carteira. Independente do modelo ser simples ou complexo, é preciso sempre realizar o backtesting. Definitivamente, a avaliação de risco não acaba no VaR. São os testes de validação que conferem credibilidade para o número que o gestor identifica como risco. Não basta acompanhar o VaR. É preciso validá-lo.
*Analista de Pesquisa de Desenvolvimento da LUZ Soluções Financeiras