O Value at Risk, também conhecido como VaR ou V@R, é uma medida de risco que foi desenvolvida no final dos anos 80 e ao longo dos anos emergiu como uma das principais medidas de risco no mercado financeiro global. A definição formal do VaR é a seguinte: O VaR é a perda mínima que seria esperada uma certa porcentagem do tempo (ex: 5%, 10%) em um certo período (ex: ao dia, ao mês) de acordo com as condições de mercado assumidas. O VaR pode ser expresso em medidas monetárias ou em porcentagem do portfólio.
Para deixar mais claro, vale a pena um exemplo. Imagine um portfólio de R$500 milhões e considere a seguinte frase: “O VaR de 5% desse portfólio é R$35 milhões no período de um dia.” Vale destacar alguns pontos: (i) O VaR poderia ter sido expresso também em porcentagem, nesse caso -7% (35/500 = 7%), (ii) O VaR é uma perda mínima, ou seja, 5% das vezes a perda do portfólio será superior a R$35 milhões em um dia, a perda efetiva pode ser muito maior e (iii) Nesse caso a referência de tempo do VaR é ao dia, ou seja, uma perda de R$35 milhões ou mais deve ser esperada em 5% dos dias, equivalente a 1 a cada 20 dias úteis (aproximadamente uma vez por mês).
Na prática, existem 3 métodos utilizados para calcular o VaR: (1) o VaR paramétrico, (2) o VaR histórico e (3) simulação de Monte Carlo. No post da próxima semana ensinaremos como se calcula o VaR paramétrico e o VaR histórico para um portfólio de ações.
O VaR paramétrico também é conhecido como método analítico ou da variância-covariância. Nesse método é comum que se assuma que a distribuição dos retornos das ações seguem uma distribuição normal, no entanto outras distribuições podem também ser utilizadas.
O VaR histórico, por outro lado, não faz suposições quanto a distribuição dos retornos. Ele simplesmente utiliza os dados históricos das ações para chegar no valor da perda esperada. Vale ressaltar que tipicamente o VaR histórico indica uma perda maior do que o VaR paramétrico, e isso se deve ao fato estilizado de que a distribuição dos retornos tem caudas pesadas, ou seja, os retornos “extremos” (que fogem muito da média) são mais frequentes do que o previsto pela distribuição normal.
Já a simulação de Monte Carlo é um método de estimar o VaR no qual você pode desenvolver suas próprias suposições sobre as características estatísticas da distribuição dos retornos. A partir dessas suposições, simula-se centenas (ou até milhares ou milhões) de resultados e a partir deles calcula-se o VaR. Vale dizer que se as suposições feitas coincidirem com as da distribuição normal e o número de resultados simulados for grande o suficiente, então o VaR de Monte Carlo e o VaR paramétrico deveriam chegar a números muito próximos.
Na página de cada um dos fundos (Versa, Fit, Charger e Tracker) você pode ver o VaR histórico e paramétrico diários para os fundos na seção “Parâmetros de Risco”. Não deixe de ver o artigo da semana que vem que ensinará como calcular o VaR na prática!
