---
title: "Valor em Risco (VaR) de opções: guia de reavaliação completa"
description: "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."
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.

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

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

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

## 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.

<a id="specification"></a>

## 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.

<a id="methods"></a>

## 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.

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

## 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.

<a id="validation"></a>

## 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.

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

## 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.

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

## 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.

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

## Tópicos relacionados

- [Expected Shortfall de opções](/options/option-expected-shortfall/)
- [Aproximação Delta-Gamma](/options/delta-gamma-approximation/)
- [Testes de estresse de opções](/options/option-stress-testing/)
- [Risco de modelo de opções](/options/option-model-risk/)
- [Precificação de opções por Monte Carlo](/options/monte-carlo-option-pricing/)

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

## Fontes autorizadas

- [Mensuração de risco: uma introdução ao Valor em Risco](https://ageconsearch.umn.edu/record/14796/) - Universidade de Illinois em Urbana-Champaign (acessado em 2026-08-22)
- [Estrutura de supervisão para o uso de backtesting com a abordagem de modelos internos aos requisitos de capital por risco de mercado](https://www.bis.org/publ/bcbs22.htm) - Comitê de Basileia de Supervisão Bancária (acessado em 2026-08-22)
- [Requisitos mínimos de capital para risco de mercado](https://www.bis.org/bcbs/publ/d457.htm) - Comitê de Basileia de Supervisão Bancária (acessado em 2026-08-22)
- [Uso de derivativos por companhias de investimento registradas e empresas de desenvolvimento de negócios](https://www.sec.gov/files/rules/final/2020/ic-34084.pdf) - Comissão de Valores Mobiliários dos Estados Unidos (acessado em 2026-08-22)
- [Características e riscos de opções padronizadas](https://www.theocc.com/company-information/documents-and-archives/options-disclosure-document) - The Options Clearing Corporation (acessado em 2026-08-22)
- [Sobre a coerência do Expected Shortfall](https://doi.org/10.1016/S0378-4266(02)00283-2) - Journal of Banking & Finance (acessado em 2026-08-22)

Source: https://wiki.fcontext.com/pt-br/options/option-value-at-risk/index.mdx