Valor em Risco (VaR)
ES: Value at Risk (VaR) EN: Value at Risk / VaR
A métrica padrão do setor para quantificar a perda potencial. Um VaR de 95% em um dia de um milhão significa que há 95% de probabilidade de não perder mais que esse valor. Muito usada, e muito criticada depois de 2008 por subestimar o risco de cauda.
O que é o valor em risco
O valor em risco (VaR) é a métrica mais difundida para quantificar a perda potencial de uma carteira durante um horizonte de tempo específico e com uma probabilidade dada.
Sua definição formal é que um VaR de X% indica que existe essa probabilidade de que a perda não ultrapasse o valor calculado. Um VaR de 95% em um dia de um milhão significa que há 95% de probabilidade de não perder mais de um milhão em um pregão ou, dito ao contrário, 5% de probabilidade de perder mais.
Depende de três parâmetros: o nível de confiança, normalmente de 95% ou 99% e às vezes de 99,9% para uso regulatório, em que mais confiança implica um valor maior; o horizonte de tempo, de um dia, dez dias — o padrão regulatório — ou um mês, em que mais prazo implica também mais risco; e o método de cálculo, que pode ser simulação histórica, Monte Carlo ou paramétrico, e que pode dar resultados diferentes.
Sua história começa nos anos noventa, quando se tornou o padrão do setor bancário, e passou a ser o fundamento da regulação de Basileia II em 2004. Basileia III, em 2013, ampliou o marco para além dessa métrica justamente por causa das críticas acumuladas. Hoje está presente em praticamente todos os sistemas profissionais de gestão de risco do mundo.
Um exemplo simples: uma carteira de 10 milhões com volatilidade diária de 1,5%, supondo distribuição normal, tem um VaR de 95% de 10.000.000 × 1,645 × 0,015 = 246.750. Sua grande virtude é essa: o cálculo é simples, intuitivo e comunicável a quem não é especialista.
Os três métodos de cálculo
Existem três métodos principais, com virtudes e defeitos diferentes.
O paramétrico, também chamado de variância-covariância, pressupõe que os retornos seguem uma distribuição normal. Sua fórmula é valor da carteira × escore Z × volatilidade × √horizonte, com um escore Z de 1,645 para 95% e de 2,326 para 99%. Uma carteira de um milhão com 2% de volatilidade diária resulta em 1.000.000 × 1,645 × 0,02 = 32.900. É rápido e intuitivo, mas pressupõe normalidade — o que é falso, porque os mercados têm caudas grossas —, não captura a não linearidade das opções e subestima os eventos extremos.
A simulação histórica usa diretamente os retornos passados: eles são ordenados e o percentil correspondente marca o valor. Com mil pregões históricos, o percentil 5 dá o VaR de 95%. Não exige supor nenhuma distribuição e captura o comportamento real, mas fica limitada ao que já foi observado, precisa de um histórico longo e pondera igualmente todos os períodos.
A simulação de Monte Carlo gera milhares de cenários futuros a partir de um modelo estatístico e extrai o percentil. É flexível, lida com carteiras complexas com opções e derivativos e captura a não linearidade, mas é computacionalmente custosa e depende inteiramente da qualidade do modelo e das correlações estimadas.
Comparando-os sobre a mesma carteira de 10 milhões, o paramétrico poderia dar 246.000, o histórico 310.000 — por incorporar os episódios extremos de 2008 e 2020 — e o de Monte Carlo 295.000. Os bancos costumam calcular os três, e uma discrepância grande entre eles é, por si só, um sinal de risco de modelo.
Limitações
A métrica tem sete limitações sérias que motivaram sua revisão depois de 2008.
A mais grave é que não diz nada sobre a magnitude das perdas que ultrapassam o limite. Um VaR de 95% de um milhão informa sobre 95% dos pregões; sobre os 5% restantes não diz nada, e essa perda pode ser de 1,01 milhão ou de 50.
A segunda é a premissa de distribuição normal do método paramétrico, quando os retornos reais têm caudas grossas e os eventos extremos são muito mais frequentes do que ele prevê. A terceira é a não estacionariedade: a volatilidade muda com o tempo e se agrupa, de modo que uma medição feita em um período tranquilo subestima o período turbulento seguinte.
A quarta são as premissas de correlação: o cálculo no nível da carteira depende delas, e durante as crises elas convergem para um, de modo que o benefício da diversificação se evapora justamente quando é necessário. A quinta é a não linearidade das opções, que o método paramétrico captura mal e que pode levar a subestimar gravemente o risco de cauda.
A sexta é o risco de modelo: métodos diferentes dão valores diferentes, e escolher um ou outro tem consequências sobre o capital regulatório exigido, o que cria incentivos perversos. E a sétima é a falsa sensação de segurança: 5% de probabilidade diária equivalem a cerca de treze pregões por ano em que o limite é rompido, e durante esses pregões a perda pode ser catastrófica.
Nassim Taleb tem sido seu crítico mais insistente com o problema do peru: durante mil dias, a métrica de risco do peru sugere que sua vida é segura, até que chega o Dia de Ação de Graças e ela falha por completo.
O expected shortfall e as métricas modernas
O expected shortfall (ES) — também chamado de valor em risco condicional (CVaR) — é a métrica que sucedeu o VaR depois de 2008 e corrige seu defeito central. Define-se como a perda média dos cenários que ultrapassam o limite.
Um exemplo: se o limite de 95% é um milhão e os pregões que o ultrapassam registram perdas de 1,1, 1,5, 2, 3 e 10 milhões, o expected shortfall é a média desses valores. Captura, portanto, a severidade da cauda, não apenas sua probabilidade. O padrão de Basileia para risco de mercado, em sua versão final de 2019, substitui o VaR de 99% pelo expected shortfall de 97,5% justamente por esse motivo.
Os testes de estresse são o complemento indispensável. Os históricos reproduzem crises concretas sobre a carteira atual. Os hipotéticos constroem cenários sob medida, como uma alta rápida e forte dos juros ou uma ruptura geopolítica. E os reversos partem de um resultado inaceitável — perder 30% do capital — e trabalham de trás para frente para identificar que movimentos o provocariam, o que ajuda a detectar pontos cegos.
Existem, além disso, variantes especializadas. O VaR estressado é calculado usando apenas dados de períodos turbulentos e resulta em valores muito superiores. O VaR ajustado pela liquidez incorpora o custo de desfazer posições em um mercado estressado, algo crítico para carteiras com ativos ilíquidos, em que sair pode levar dias, durante os quais a perda continua crescendo. E, para carteiras de opções, existem métodos baseados nas gregas, que decompõem o risco por delta, gama, vega e theta e funcionam muito melhor que a abordagem paramétrica.
Convém distingui-lo do drawdown máximo: este olha para trás e descreve o pior que já aconteceu, enquanto o VaR olha para a frente e estima probabilidades. São complementares, e a gestão profissional usa ambos.
Aplicação prática
Para o operador pessoa física ou intermediário, a métrica se aplica em cinco frentes.
A primeira é calcular o VaR da própria carteira. Como regra geral, ele deveria ficar abaixo de 1% ou 2% do valor total para um perfil conservador, e entre 2% e 5% para um agressivo. Se ultrapassar isso, é preciso reduzir a exposição.
O cálculo simplificado é acessível: estima-se a volatilidade diária com o desvio-padrão dos últimos vinte dias e aplica-se carteira × 1,645 × volatilidade diária. Uma carteira de 100.000 com 1,5% de volatilidade diária dá 100.000 × 1,645 × 0,015 = 2.468, ou seja, 5% de probabilidade de perder mais que esse valor em um pregão. A maioria das plataformas profissionais faz esse cálculo automaticamente.
A segunda é o orçamento de risco: distribuir o VaR total entre as posições. Com uma carteira de 100.000 e um orçamento de 2%, há 2.000 para distribuir entre todas elas.
A terceira é ter presente o efeito da correlação: o VaR da carteira não é a soma dos VaRs individuais, a menos que tudo esteja perfeitamente correlacionado. As posições descorrelacionadas trazem um benefício de diversificação que diminui durante as crises, então convém calcular também o cenário com correlação igual a um.
A quarta é entender para que ele serve: comparar o risco entre estratégias, fixar limites de posição, comunicar o risco e cumprir requisitos regulatórios. E a quinta, entender para que ele não serve: avaliar o risco de cauda, que exige o expected shortfall; medir o risco de liquidez, que exige a variante ajustada; antecipar eventos extremos, que exige testes de estresse; e avaliar opções com estruturas complexas, que exige análise de cenários.
Métricas de risco: o que cada uma oferece
Cada método tem seus trade-offs; a gestão profissional combina vários.
| Métrica | Ponto forte | Ponto fraco | Melhor uso |
|---|---|---|---|
| VaR paramétrico | Rápido e intuitivo | Pressupõe distribuição normal | Carteiras simples de ações e títulos |
| VaR histórico | Não exige supor distribuição | Limitado ao que já foi observado | Estratégias com reversão à média |
| VaR por Monte Carlo | Flexível, aceita carteiras complexas | Custoso de calcular | Opções e derivativos |
| Expected shortfall | Captura a severidade da cauda | Cálculo mais complexo | O padrão regulatório atual |
| Testes de estresse | Baseados em cenários, muito intuitivos | Só cobrem os cenários testados | Preparação para eventos extremos |
Perguntas Frequentes
Qual é a diferença em relação ao expected shortfall?
Um exemplo: se o limite de 95% é um milhão e o expected shortfall é de 2,5 milhões, isso significa que em 95% dos pregões a perda fica abaixo de um milhão, mas nos 5% restantes a perda média é de 2,5 milhões.
O expected shortfall captura, portanto, a severidade da cauda, que é exatamente o que o VaR ignora por construção. Por esse motivo, o padrão de Basileia passou a adotá-lo como referência a partir de 2019.
Qual método de cálculo é melhor?
O paramétrico funciona bem em carteiras simples de ações e títulos líquidos: é rápido e intuitivo. O histórico é preferível quando se dispõe de um histórico longo e se espera um regime de mercado parecido, porque captura o comportamento real. E o de Monte Carlo é o adequado para carteiras complexas com opções ou derivativos, embora seja custoso de calcular.
Os gestores profissionais calculam os três e os comparam: uma discrepância grande entre eles é um sinal de risco de modelo que convém investigar. Para o investidor pessoa física, o paramétrico ou o histórico bastam.
Por que ele falhou em 2008?
O risco de cauda foi subestimado, porque o método paramétrico pressupunha normalidade e os mercados têm caudas grossas. Falhou a premissa de correlação: durante o tombo, ativos diversos caíram ao mesmo tempo e o benefício da diversificação se evaporou. Surgiu uma crise de liquidez que tornou impossível vender a um valor razoável, algo que o cálculo padrão ignora por completo. Houve risco de modelo sistêmico, porque os bancos usavam modelos parecidos e todos subestimaram o risco da mesma forma. O histórico disponível era insuficiente, já que poucos tinham vivido um episódio daquela magnitude. E a complexidade dos derivativos securitizados introduzia uma não linearidade que o cálculo simples não capturava.
Essas lições foram as que impulsionaram as reformas posteriores e a adoção generalizada do expected shortfall junto com os testes de estresse.
Posso calculá-lo eu mesmo?
Com uma carteira de 50.000 e 1% de volatilidade diária: 50.000 × 1,645 × 0,01 = 822, ou seja, 5% de probabilidade de perder mais que esse valor em um pregão.
Para carteiras com opções, o cálculo se complica muito, e convém se apoiar nas ferramentas da corretora, que costumam incluir estimativas integradas.
A limitação é sempre a mesma: o cálculo simples pressupõe normalidade, que é falsa em mercados de caudas grossas. Convém completá-lo com um teste de estresse simples, perguntando-se o que aconteceria com a carteira atual se um episódio como o de 2008 se repetisse.
Serve para opções?
Há três abordagens melhores. A ajustada pelo delta aproxima a sensibilidade linear e já melhora bastante o resultado. A reprecificação completa volta a avaliar cada opção em cenários estressados e calcula a perda: é a mais precisa e a mais custosa. E a abordagem pelas gregas decompõe o risco em delta, gama, vega e theta, oferecendo a visão mais detalhada.
Para o operador pessoa física, o prático é mais simples: calcular a perda máxima de cada posição e somá-las para obter o pior cenário da carteira. Nas travas de risco definido, esse valor é explícito; nas posições a descoberto, é preciso uma análise de cenários, não uma simples estimativa estatística.