Ir para o conteúdo
Financial Context Wiki

Valor em Risco (VaR) de opções: guia de reavaliação completa

Construa, interprete e valide o VaR de uma carteira de opções com cenários conjuntos, reavaliação completa, regras explícitas de quantil, backtesting e controles de estresse.

Atualizado

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

Resposta direta

O Valor em Risco (VaR) de uma carteira de opções é um quantil de perda estimado por modelo para uma carteira, horizonte, nível de confiança, conjunto de dados, processo de cenários e convenção de avaliação definidos. Considere L positivo como perda, com L = -P&L. Então:

VaR_alpha = inf { l : P(L <= l) >= alpha }

Um VaR de um dia de 99% igual a $20,000 informa que, segundo o modelo e seus dados de entrada, a perda não supera $20,000 em 99% dos resultados de um dia. Não informa que uma perda acima desse limite seja impossível, que a pior perda seja $20,000 nem que deva ocorrer exatamente 1 exceção a cada 100 pregões.

As opções exigem cuidado especial porque seu valor é não linear e muda com o tempo, a volatilidade, o preço à vista ou a termo, as taxas, os dividendos, o custo do aluguel de ativos e as características de exercício. Para uma exposição relevante em opções, cenários conjuntos com reavaliação completa costumam ser um controle mais confiável que o atalho Delta-normal. Ainda assim, o VaR é apenas uma saída do modelo; Expected Shortfall e testes de estresse independentes são necessários para descrever a gravidade da cauda e estados ausentes do modelo.

Defina a medida antes de calculá-la

Todo VaR divulgado deve identificar as seguintes escolhas:

Entrada O que precisa ser fixado
Carteira Posições exatas, quantidades, multiplicadores, caixa, ações, hedges e horário de avaliação
Perda Convenção de sinal, moeda-base, P&L teórico ou executável e custos incluídos
Horizonte Tempo corrido ou de negociação, tempo avançado na avaliação das opções e premissa de manutenção ou liquidação
Confiança alpha e convenção de quantil empírico ou interpolação
Dados Janela histórica, frequência de amostragem, limpeza, pesos e tratamento de observações ausentes ou desatualizadas
Modelo Fatores de risco, dinâmica conjunta dos cenários, modelo de avaliação, regra da superfície de volatilidade e tratamento do exercício

Dois valores de VaR não são comparáveis apenas porque ambos indicam 99%. Também devem coincidir o escopo da carteira, horizonte, dados, pesos, construção dos cenários, avaliação, moeda e convenções de liquidez. Parâmetros regulatórios de VaR se aplicam às entidades e finalidades nomeadas pela norma pertinente; não são configurações universais para todo investidor ou decisão de risco.

Construa o VaR de opções em duas camadas

Primeiro, gere mudanças conjuntas coerentes em todos os fatores de risco relevantes. Depois, avance o relógio pelo horizonte e reavalie em cada estado o retrato inalterado das posições. Se a pergunta de risco pressupõe hedge dinâmico ou liquidação, codifique explicitamente a regra, o momento e os custos, sem misturá-los a um VaR estático.

Abordagem Camada de cenários Principal fraqueza específica para opções
Delta-normal Pressupõe uma distribuição paramétrica e traduz movimentos dos fatores por meio do Delta local Deixa de captar efeitos relevantes de Gamma, Vega, skew, saltos, barreiras e sensibilidades variáveis
Simulação histórica Aplica às posições atuais as mudanças conjuntas observadas nos fatores Não inclui um evento ausente da janela escolhida e pode dar peso excessivo a um único regime
Monte Carlo Simula estados ou trajetórias conjuntas dos fatores a partir de uma dinâmica escolhida Depende de premissas sobre distribuição, correlação, superfície de volatilidade, saltos e calibração

Um processo robusto de reavaliação completa segue estas etapas:

  1. Fixe o retrato das posições, horário dos dados de mercado, moeda-base e convenção de marcação.
  2. Mapeie preço à vista ou a termo, volatilidade por strike e vencimento, taxas, dividendos, aluguel, câmbio, correlações e riscos de base.
  3. Gere cenários conjuntos com janelas, pesos e dinâmicas documentados e registre as sementes aleatórias quando pertinente.
  4. Avance o tempo pelo horizonte declarado e reavalie integralmente cada opção, incluindo regras de exercício e trajetória quando relevantes.
  5. Some, sem duplicidade, o P&L de ações, caixa, hedges, financiamento, taxas, spreads e liquidação modelada.
  6. Converta o P&L total da carteira em perda, ordene ou pondere as perdas e aplique a convenção de quantil declarada.
  7. Guarde a atribuição por cenário, o retrato dos dados, a versão do modelo e os controles para que o resultado seja reproduzível.

Não multiplique mecanicamente um VaR de horizonte curto pela raiz quadrada do tempo. Essa escala exige premissas fortes, como mudanças independentes e identicamente distribuídas e uma exposição linear estável. Curvatura das opções, passagem do tempo, dependência da trajetória, saltos, mudanças nos hedges e iliquidez podem invalidá-las.

Exemplo de reavaliação completa

Suponha que uma carteira de opções de $2,000,000 seja fixada e integralmente reavaliada em 10,000 cenários equiponderados de um dia. As perdas são ordenadas da menor para a maior. Pela convenção “a menor perda cuja probabilidade acumulada atinge 99%”, a observação de posição 9,900 é $20,000. Exatamente 100 perdas modeladas são maiores neste exemplo sem empates.

A média dessas 100 perdas maiores é $46,000, e a maior perda modelada é $75,000. Portanto, o relatório deve distinguir:

  • VaR_99% = $20,000: o limite do quantil modelado.
  • ES_99% = $46,000: a perda média no pior 1% modelado, conforme a convenção de cauda declarada.
  • Worst scenario loss = $75,000: a maior perda deste conjunto de cenários, não a perda máxima possível.

Se o P&L comparável do dia seguinte for -$31,000, a perda realizada de $31,000 supera o VaR anterior de $20,000 e constitui uma exceção. Uma única exceção não comprova nem refuta o modelo. Também importam sua causa, magnitude, concentração no tempo, mudanças de posições, fontes de preços e a coerência entre as definições da previsão e do P&L.

Valide o número antes de usá-lo

  • Faça backtesting da cobertura: compare cada VaR anterior com o P&L posterior correspondente e conte exceções definidas de modo consistente.
  • Investigue a dependência: exceções agrupadas podem revelar mudança de regime ou dinâmicas omitidas, mesmo quando o total parece plausível.
  • Concilie o P&L: separe movimentos de mercado, passagem do tempo, mudanças na superfície de volatilidade, novas operações, taxas e resíduos sem explicação.
  • Compare métodos: confronte a reavaliação completa com aproximações Delta-normal ou Delta-Gamma e explique diferenças relevantes.
  • Teste a estabilidade: varie janelas históricas, pesos, quantidade de cenários, sementes aleatórias, convenções de quantil e mapeamentos da superfície de volatilidade.
  • Aplique estresse independente: inclua crises históricas, gaps hipotéticos, choques de volatilidade, rupturas de correlação e retirada de liquidez.
  • Analise a gravidade da cauda: reporte Expected Shortfall e os piores cenários, não apenas o limite do VaR.
  • Escale as mudanças: recalcule e revise após mudanças relevantes em posições, modelos, mercados, liquidez ou qualidade dos dados.

O backtesting é uma ferramenta de diagnóstico, não uma garantia de validade futura. A estrutura de Basileia para risco de mercado usa Expected Shortfall para o capital baseado em modelos internos, mas mantém o backtesting baseado em VaR; a regra norte-americana para fundos 18f-4 estabelece requisitos próprios de VaR e backtesting. Esses exemplos mostram por que a finalidade e o conjunto de regras devem ser declarados, não por que uma única configuração de parâmetros serve para toda carteira.

Riscos e limitações

  • O VaR não mede a gravidade das perdas além do quantil escolhido.
  • Uma opção vendida, uma barreira, uma posição concentrada em Gamma ou uma opção perto do vencimento pode mudar bruscamente entre os estados amostrados.
  • Dados históricos podem omitir um colapso; dados simulados podem impor caudas, correlações ou dinâmicas de volatilidade incorretas.
  • Um preço de modelo baseado no fechamento pode subestimar a perda executável quando os spreads aumentam, a profundidade desaparece ou a negociação é suspensa.
  • Exercício, atribuição, liquidação, margem, financiamento e necessidades de caixa ao encerrar posições só são incluídos se forem modelados.
  • A compensação pode ocultar concentração em um emissor, vencimento, strike, ponto de volatilidade ou fator comum de cenário.
  • Mais cenários reduzem apenas o ruído de amostragem dentro do modelo escolhido; não corrigem fatores de risco ausentes nem premissas ruins.

Equívocos comuns

“O VaR de 99% é a perda máxima.” Ele é um quantil. As perdas além dele podem ser muito maiores, e perdas fora do suporte do modelo podem superar todos os resultados simulados.

“Um VaR de 99% significa 1% de chance de perder dinheiro.” Ele se refere à probabilidade de superar o limite de perda do VaR, não à probabilidade de qualquer perda.

“A reavaliação completa elimina o risco de modelo.” Ela capta a avaliação não linear dentro de cada estado fornecido, mas os estados, o modelo de precificação, os dados e as premissas de execução ainda podem estar errados.

“Um backtest bem-sucedido comprova o modelo.” Ele verifica a cobertura histórica sob definições específicas de P&L e exceção; não pode certificar regimes futuros.

“Um VaR menor torna uma operação melhor.” O VaR mede uma dimensão da perda modelada. Não comprova retorno esperado, adequação, liquidez nem capacidade total de risco.

Tópicos relacionados

Fontes autorizadas

Navegação

Pesquisar na wiki...