---
title: "Expected Shortfall de opções: perdas além do VaR"
description: "Entenda como o Expected Shortfall mede a perda média de uma carteira de opções na pior cauda, por que a reavaliação completa importa e como horizonte, cenários e liquidez moldam a estimativa."
image: "https://wiki.fcontext.com/og.png"
---

> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Expected Shortfall de opções: perdas além do VaR

> Somente para fins educacionais; não constitui recomendação nem aconselhamento de investimento. Investir pode causar perdas.

<a id="answer"></a>

## Resposta direta

O **Expected Shortfall (ES)** no nível de confiança `alpha` é a perda média ponderada pelas probabilidades na pior fração `1 - alpha` dos resultados modelados. O Valor em Risco identifica um quantil de perda; o ES mede a gravidade da cauda além desse quantil.

Em carteiras de opções, payoffs não lineares, mudanças na superfície de volatilidade, saltos e posições short Gamma podem concentrar perdas muito grandes em poucos cenários que um único limite de VaR não descreve. O ES continua sendo uma estimativa de modelo, e não a perda máxima, uma previsão de preço, uma exigência de margem ou uma garantia.

<a id="mechanism"></a>

## Definição e estimativa

Deixe `L` denotar perda, com números positivos representando perdas. Uma definição geral de distribuição é:

`ES_alpha = [1 / (1 - alpha)] x integral from alpha to 1 of VaR_u du`

Para uma distribuição contínua de perdas, a fórmula equivale à média condicional das perdas além do VaR `alpha`. Com uma amostra finita ou massa de probabilidade no VaR, simplesmente tirar a média de todas as observações iguais ou superiores ao VaR pode estar errado: é preciso declarar a convenção de quantil e, quando necessário, aplicar peso fracionário no limite.

Um mecanismo de ES para opções normalmente segue estas etapas:

1. Escolha horizonte, nível de confiança, carimbo de data e hora de avaliação, moeda e convenção de perda.
2. Gerar choques conjuntos à vista, à superfície de volatilidade, às taxas, aos dividendos, aos empréstimos e ao tempo.
3. Reavaliar totalmente cada opção e fazer hedge em cada cenário.
4. Inclua multiplicador, quantidade, dinheiro, ações, taxas e custos modelados de execução ou liquidação.
5. Classifique as perdas da carteira e calcule a média da pior cauda necessária, com pesos de cenário.

A **simulação histórica** reproduz variações conjuntas observadas e preserva as relações da amostra escolhida, mas omite crises e mudanças de regime fora dela. A **simulação de Monte Carlo** pode gerar mais cenários e direcionar a amostragem para as caudas, porém o resultado depende de hipóteses sobre distribuição, correlação, volatilidade, saltos e dinâmica da superfície. As probabilidades devem corresponder à pergunta de risco: a distribuição neutra ao risco usada para precificar opções não é automaticamente uma distribuição de perdas do mundo real. Uma aproximação Delta-normal é rápida, mas pode deixar de capturar efeitos relevantes de Gamma, Vega, skew, barreiras, exercício antecipado e gaps.

O horizonte deve corresponder à decisão. O ES de um dia não mede a perda de uma posição que exige vários dias de estresse para ser liquidada. Uma estimativa ajustada pela liquidez deve explicar como representa spreads, impacto de mercado, execuções parciais e diferentes horizontes de liquidação; a regra da raiz quadrada do tempo é especialmente frágil para opções não lineares e saltos.

<a id="example"></a>

## Mesmo VaR, cauda diferente

Suponha dez cenários de um dia igualmente ponderados e totalmente reavaliados. As perdas são de milhares de dólares e já estão classificadas da melhor para a pior:

- Portfólio A: `-5, -3, 0, 1, 2, 4, 6, 8, 20, 100`
- Portfólio B: `-5, -3, 0, 1, 2, 4, 6, 8, 9, 11`

Utilizando a menor perda cuja probabilidade acumulada chega a 80%, ambas as carteiras têm:

`80% VaR = $8,000`

Os piores 20% contêm dois resultados igualmente ponderados. Portanto:

`ES_80%(A) = ($20,000 + $100,000) / 2 = $60,000`

`ES_80%(B) = ($9,000 + $11,000) / 2 = $10,000`

O VaR por si só faz com que as carteiras pareçam idênticas no limiar. ES revela que o Portfólio A apresenta perda de cauda muito mais severa. A amostra é deliberadamente pequena para maior clareza aritmética; as estimativas de produção precisam de muitas observações ou cenários, regras de ponderação, análises de estabilidade e testes de estresse independentes.

Para uma opção curta, cada cenário deve reavaliar a opção em vez de limitar a perda no prêmio recebido. Uma lacuna pode alterar Delta e IV juntos, ampliar o spread, desencadear necessidades de margem e evitar a liquidação na marca teórica.

<a id="risks"></a>

## Lista de verificação de implementação e validação

- Sinal de perda de estado, moeda base, nível de confiança, horizonte e tempo de avaliação.
- Registre se ES é histórico, paramétrico, histórico filtrado ou Monte Carlo.
- Preservar dependências de ativos cruzados, vencimentos cruzados e volatilidade à vista.
- Aplique choques em toda a superfície de volatilidade, não apenas em um número ATM IV.
- Utilize a reavaliação completa para posições materiais não lineares e dependentes do caminho.
- Inclui ações, dinheiro, dividendos, taxas, empréstimos, multiplicadores e todas as opções.
- Tratar os cenários americanos de exercício e assignment separadamente da avaliação do modelo.
- Adicionar explicitamente pressupostos de compra e venda, impacto no mercado, liquidação atrasada e execução parcial.
- Inclui saltos noturnos e eventos ausentes da história recente.
- Verifique o comprimento da amostra, dados faltantes, cotações obsoletas, ações corporativas e viés de sobrevivência.
- Compare estimativas contínuas em janelas calmas e estressadas.
- Backtest das excedências do VaR, mas também comparar a magnitude da perda de cauda realizada com as previsões ES.
- Utilizar cenários de stress determinísticos em conjunto com o ES; raros estados não modelados podem dominar a perda de opções.
- Reportar a concentração e as contribuições do cenário, em vez de apenas um total da carteira.
- Recalcular após alteração das condições de posição, superfície, correlação, liquidez ou margem.
- Mantenha a versão do modelo, a semente aleatória quando relevante, o instantâneo de dados e as regras de transformação reproduzíveis.
- Definir limites de posição a partir da capacidade de risco; não faça engenharia reversa de suposições otimistas para se adequar a uma negociação desejada.

<a id="misconceptions"></a>

## Erros comuns

- “ES é a pior perda possível.” A média é uma cauda modelada; os resultados além da amostra podem ser piores.
- “99% ES significa apenas 1% de chance de perda.” O nível de confiança define uma cauda, ​​não a probabilidade de qualquer perda.
- “ES prevê a perda de amanhã.” Ele resume uma distribuição modelada condicional.
- “O atalho da média condicional sempre funciona.” Átomos e amostras finitas requerem uma convenção de limites declarada.
- “Duas carteiras com VaR igual têm risco igual.” As suas perdas para além do VaR podem diferir acentuadamente.
- “Mais cenários garantem precisão.” Dinâmicas ou dados deficientes podem criar erros de aparência precisa.
- “O ES histórico não tem pressupostos de modelo.” Janela, ponderação, mapeamento, limpeza e reavaliação são opções de modelagem.
- “Delta é suficiente para a opção ES.” Grandes movimentos alteram o Delta e expõem o risco de Gama, Vega, inclinação e salto.
- “Estratégias de risco definido não precisam de SE.” O caminho da cauda, ​​a liquidez, o assignment e a concentração ainda são importantes, mesmo quando a perda de vencimento é limitada.
- “ES inclui todas as perdas operacionais automaticamente.” A liquidação, legging, exercício e liquidação de margem devem ser modelados explicitamente.
- “Um ES mais baixo prova que uma negociação é melhor.” Mede uma dimensão de risco e não diz nada por si só sobre o retorno esperado ou a adequação.

<a id="related"></a>

## Tópicos relacionados

- [preço da opção Monte Carlo](/pt-br/options/monte-carlo-option-pricing/)
- [Risco gama](/pt-br/options/gamma-risk/)
- [Gregos da Internet](/pt-br/options/net-greeks/)
- [Risco de legging](/pt-br/options/legging-risk/)

<a id="sources"></a>

## Fontes primárias

- [Comitê de Basileia: Requisitos Mínimos de Capital para Risco de Mercado](https://www.bis.org/bcbs/publ/d457.htm)
- [OCC (Options Clearing Corporation, câmara de compensação de opções dos Estados Unidos): Características e Riscos das Opções Padronizadas](https://www.theocc.com/company-information/documents-and-archives/options-disclosure-document)
- [Rockafellar e Uryasev (2000): Otimização do valor em risco condicional](https://doi.org/10.21314/JOR.2000.038)
- [Acerbi e Tasche (2002): Sobre a coerência do déficit esperado](https://doi.org/10.1016/S0378-4266(02)00283-2)

Source: https://wiki.fcontext.com/pt-br/options/option-expected-shortfall/index.mdx