Stress Testing Utilizando A Metodologia Var-X: Uma

Aplicação À Taxa De Câmbio De Paises Emergentes

Marcos Roberto Gois De Oliveira Charles Ulises De Montreuil

Carmona
UFPE DCA/PROPAD/UFPE
mrgois@hotmail.com carmona@ufpe.br
 Área: Derivativos e Risco

Stress Testing utilizando a metodologia VaR-x: Uma Aplicação à Taxa de Câmbio

de Paises Emergentes

Resumo

Este trabalho tem por objetivo examinar se a suposição de normalidade é adequada para o
teste de stress dentro da metodologia VaR. Para tal fora formulado a metodologia stress VaR-x
para acomodar caudas grossas normais a séries financeiras. Além do stress VaR-x foram
utilizados para comparação o VaR normal e stress VaR usual. As séries utilizadas foram dados de
taxa de câmbio de sete países emergentes que tiveram sob eventos de stress no período de janeiro
1999 a dezembro de 2003. Os resultados obtidos a 95% de significância mostraram que o modelo
stress VaR-x é apenas marginalmente superior ao stress VaR. Já os resultados a 99% de
significância não demonstraram superioridade de nenhum dos dois modelos de stress.
Concluindo que a suposição de normalidade deve ser apropriada para o teste de stress.

PALAVRAS-CHAVE: Teste de Stress, Taxa de Câmbio; Value at Risk.

JEL: F37, G15.

Abstract

This work has for objective to examine the normality supposition is adapted for the stress
test of the methodology VaR. For such the methodology stress VaR-x had been formulated to
accommodate normal thick tails to financial series. Besides the stress VaR-x were used for
comparison normal VaR and usual stress VaR. The used series were given of rate of exchange of
seven emergent countries that had under stress events in the period of January 1999 to December
of 2003. The results obtained to 95% of significance showed that the model stress VaR-x is just
apparently superior to the stress VaR. Already the results to 99% of significance didn't
demonstrate superiority of none of the two stress models. Concluding that the normality
supposition should be appropriate for the stress test.

KEY-WORDS: Stress Testing; Exchange Rate; Value at Risk.

JEL: F37, G15.
 1. Introdução

O cálculo do Value-at- Risk (VaR) é determinado com base em uma distribuição de

probabilidade dos retornos esperados de uma carteira. Entretanto, as suposições feitas com
relação à distribuição de probabilidade podem não ser validas em determinadas situações, como
em choques econômicos. O procedimento de VaR utilizado para capturar o risco em tais situações
é chamado de stress VaR; este modelo é o objeto de estudo da seção 2.
O maior atrativo na utilização do teste stress VaR para mensurar o risco é que este permite
incorporar cenários subjetivos à estrutura de VaR normal. A principal critica ao teste stress VaR
são as suposições de normalidade que este assume, visto que este é derivado do VaR normal.
Uma forma de contornar alguns problemas do pressuposto de normalidade, em particular
as caudas grossas das distribuições de retorno das séries financeiras, é utilizar a distribuição t de
student; esta metodologia é o objeto da subseção 3. Na realidade, integra-se a distribuição t de
student no modelo stress VaR para formar o modelo stress VaR-x.

2. Referencial teórico

O VaR pode ser definido1 de forma formal e matemática para um dado horizonte de tempo,
um nível de significância α, considerando X como o retorno de uma série financeira e f(x) uma
função de distribuição de probabilidade f(x) = Prob (X ≤ x) como:

VaRα ( X ) = − inf {x f ( x) > X } (1)

O sinal negativo é relativo ao fato do VaR ser definido como a diferença entre o ponto
zero (para o VaR absoluto) e o valor da abscissa para o quantil especificado.
As suposições sobre a distribuição determinam o que o modelo de VaR assume sobre a
distribuição dos retornos da carteira, os lucros e perdas (L&P), especifica, ainda, o que o modelo
assume sobre a distribuição dos fatores de risco sobre os quais o valor da carteira está
relacionado. Entre os modelos mais simples estão o VaR normal, ou o método da variância –
covariância.

2.1 O método da variância – covariância

Este método é baseado na hipótese que os retornos são normalmente distribuídos. Dados
históricos são normalmente usados para mensurar os parâmetros: média, desvio padrão,
correlações. A distribuição é construída com estes parâmetros. Para a função normal padronizada,
tem seus valores tabulados em livros e pode-se derivar o VaR. O VaR é assim:

VaR = VCo Zα σ (2)

onde α é o desvio normalizado para a significância selecionada, σ é o desvio padrão e VCo

é o valor inicial da carteira, por exemplo, para α de 95% de significância, têm-se Zα de 1,652.

1
Esta definição pode ser encontrada em Artzner et al (1999) e Kato (2004).
 A mensuração do VaR para um único ativo, conforme a expressão (2) acima apresentada,
é relativamente simples. Um pouco de dificuldade matemática e computacional surgem quando
se calcula o VaR para grandes carteiras (supor N ativos), neste caso o retorno é dado por:

N
R p ,t +1 = ∑ wi ,t Ri ,t +1 ou
i =1
R p ,t +1 = wt Rt +1 (3)

Onde os pesos wi, t (wt na forma de vetor) são indexados ao tempo, a fim de caracterizar a
natureza dinâmica das carteiras. Como o retorno das carteiras é uma combinação linear de
variáveis normais, ele também será normalmente distribuído. Utilizando notação matricial, a
variância da carteira será dada por:

σ p ,t +1 = wt' Σt +1wt (4)

Assim o VaR pode ser obtido por:

VaR = VC o Z α w't Σ t +1 wt (5)

Desta forma é possível acomodar uma grande quantidade de ativos, basta estimar a matriz
de covariância Σt+1.

2.2 O método stress VaR

Supondo uma variação no valor da carteira dada pela equação (3) e o VaR normal
calculado pela expressão (5). Utilizando um nível de significância de 95%, a estimativa de perda
da carteira é dada por:

VaR (95) = −1.65VC o w't Σ t +1 wt (6)

Pode-se incorporar o stress ao modelo (6), segundo Kupiec (1998), o teste de stress é o
procedimento utilizado para quantificar perdas potenciais sob circunstâncias especiais.Uma
forma simples de avaliar uma carteira sob uma situação de stress é aumentar o nível de confiança
do VaR, para por exemplo 99%. Esta forma de calcular o VaR é caracterizada pelo fato de
submeter todos os fatores de risco a um patamar de stress; na prática, procura-se utilizar o stress
VaR aplicado a apenas um, ou alguns choques, como choques nas taxas de juros, choques
cambiais, etc.. Logo, o modelo mais útil será aquele que permita ao administrador de risco
especificar um ou mais eventos e gerar um conjunto de estatística que capture as correlações nos
movimentos dos fatores de risco.
Para permitir ao administrador de risco a flexibilidade na seleção e escolha de choques,
Kupiec (1998) decompõe o vetor retorno de preços (3) em dois grupos: o primeiro é formado
pelos fatores que representam e/ou que são afetados pelo choque, ou seja, o cenário de stress R2t
(um vetor (k x 1)), os fatores de risco que não pertencem ao cenário de stress R1t (um vetor (N –

2
Estes valores podem ser encontrados nas tabelas da distribuição normal padrão.
k x 1)). Se a matrix de covariância é dividida seguindo este raciocínio, então a distribuição de
fatores de risco condicional pode ser escrita como:

 R1t    µ1t   Σ11t Σ12t  

 R  ~   µ , Σ  (7)
 2t    2t   21t Σ 22t  

Onde os retornos médios µ1t e µ1t são ambos zero sob as suposições padrões do VaR. Os
pesos de cada ativos na carteira w, também podem ser particionado. Assim a expressão pode ser
reescrita como:

R  (8)
Rt = [w1t w2t ]. 1t 
 R2 t 

Pode-se expressar o conjunto dos fatores chaves para o cenário de stress como R2:

R2t = R2 = [r1, r2 ,..., rk ] (9)

A magnitude dos valores de R2 será um conjunto de acordo com os julgamentos do

administrador de risco baseado na análise dos fatores econômicos e informações que estão
apresentados no histórico dos fatores de risco que se dispõe.
O método mais comum do stress VaR é fazer com R1t = 0, e estimar as potenciais perdas
como W2tR2.
Uma forma para construir o cenário de stress é assumir que a matrix de covariância, Σt, é
inalterada no cálculo do VaR. A suposição que o retorno dos fatores de risco possuem uma
função de distribuição normal multivariada permite que se calcule a distribuição de probabilidade
dos fatores de risco fora do cenário de stress (R1t), condicional aos fatores em R2 tomando os
valores exogenamente. Sob esta ótica os fatores fora do cenário de stress são distribuídos como
(Kupiec, 1998):

R1t R 2
~ N[µc , Σ c ] (10)

Onde

−1
µc = Σ12Σ 22 Σ 21 (11)

−1
Σ c = Σ11 − Σ12 Σ 22(Σ 21 ) (12)

Sob esta suposição, o valor esperado do retorno da carteira é dado por:

µ  (13)
E ( Rt ) = [w1t w2t ]. c 
 R2 
 com um desvio padrão de wt' Σ c wt .
Logo, o VaR para um nível de significância de α, é obtido de:

stressVaR = w2t R2 + w1t µ c − Z α w't Σ c wt (14)

2.3 O modelo stress VaR-x

Como já apresentado, a distribuição t de student promove uma alternativa viável à

distribuição normal para minimizar os efeitos das caudas grossas. A redução da espessura da
cauda da distribuição t de student é medida pelo índice λ, que reflete a velocidade com na qual a
espessura da cauda da distribuição se aproxima de zero. Quanto menor o índice, maior é a cauda.
Especificamente tratando-se da distribuição t de student, o índice λ é igual ao número de graus de
liberdade.
Huisman et al. (1998) demonstrou que os estimadores do VaR-x (stress VaR-x) obtidos da
distribuição t de student capturam os risco de forma mais eficiente quando estes estão associados
a retornos negativos. Seguindo a metodologia de Hill (1975), estima-se o λ via o seguinte
algoritmo:

1 k (15)
γ (k ) = ∑ (ln xn −l +1 − ln xn − k )
k j =1

Onde γ é chamado de estimador de Hill e corresponde ao inverso de λ. k é o número de

observações da cauda grossa, e xi é o enésimo incremento do retorno de ordem absoluta, ou seja,
xi ≥ xi −1 .
Huisman (1998) modificou a metodologia de Hill, permitindo estimar via regressão γ em
λ para amostras pequenas:

γ ( K ) = β 0 + β1 K + ε ( K ) ( K = 1,..., k ) (16)

Onde k é a metade do tamanho da amostra. O inverso do intercepto β0 é um estimador não

viesado de λ.
O procedimento para a obtenção do stress VaR-x é o seguinte:

1. determinar o tamanho da amostra para n retornos negativos;

2. rankear os retornos absolutos em ordem crescente;
3. estimar o λ dos fatores de preço não estressados de acordo com as equações (15) e (16);
4. com o índice λ igual ao número de graus de liberdade , obter o valor critico S* da
distribuição t de student (de acordo com o nível de significância);
5. como a distribuição t de student tem média zero e desvio padrão igual a (λ - 2)/ λ,
converter a matrix de covariância da equação (11) via a seguinte expressão:

α λ −2
Σc = Σ (17)
λ c
 6. a etapa final é calcular o stress VaR como em (13), usando a seguinte expressão:

α
stressVaR − x = w2t R2 + w1t µ c − S * w't Σ c wt (18)

3 A Análise dos Dados e Aspectos da Implementação dos Modelos

3.1. Os Dados

O teste de stress foi aplicado a uma carteira com taxas de câmbio de sete paises
emergentes, sendo quatro paises da América Latina, dois da Ásia e um da África, nesta carteira
cada ativo constitui um fator de risco. Todos os paises escolhidos possuem o sistema de câmbio
flutuante. Os paises utilizados foram: Brasil, México, Chile, Venezuela, Cingapura, Índia e
África do Sul. Os valores diários das moedas em dólar americano foram obtidos junto ao Banco
Central do Brasil, e as matrizes de correlação e covariância calculadas diretamente a partir destes
dados. Os dados correspondem ao período de 04/01/1999 a 31/12/2003 o que equivale a 1256
dados.
A tabela 1 fornece as estatísticas básicas para as moedas de cada um dos países. Observe
um período de relativa baixa volatilidade3, o que indica período de relativa tranqüilidade, é
verdade que no período citado ocorreu períodos de incerteza como a crise cambial de 1999 no
Brasil, entretanto, como pode ser observado na tabela, tal efeito não teve uma grande repercussão
nos outros países analisados e tão pouco nos 5 anos de análise.
Em todas as moedas foram observadas altas curtoses e assimetria, sugerindo que as duas
caudas são grossas e diferentes entre si consideravelmente. Neste trabalho, o interesse reside
apenas na cauda esquerda, assim sendo, o índice λ também foi incluído na tabela 1. Tal índice
mostra que a cauda esquerda é mais grossa que a da distribuição normal.
A figura 1 mostra o retorno de cada um dos ativos para o período em análise. Observa-se
que (como mostrado na tabela 1) a taxa de câmbio da Índia, do México, de Cingapura e do Chile
mostram baixa volatilidade, enquanto que Brasil e África do Sul alta volatilidade. Um caso
especial é a Venezuela que apresentou fortíssima volatilidade no ano de 2002 e estabilidade no
restante do período.
A análise é feita utilizando uma carteira cuja importância de cada ativo é idêntica e
mantida ao longo do período de análise, não sendo realizados ajustes, apenas representado as
perdas e ganhos em cada período. A figura 2 mostra o retorno diário desta carteira. Observa-se
um período de grande volatilidade do começo do ano de 2002 até meados de 2003.

3
O que nem sempre é verdade, basta verificar a volatilidade observada por Tan e Chan (2003) para alguns países
asiáticos no período de abri de 1992 a janeiro de 1999.
Figura 1: Retorno para cada ativo
Fonte: Elaboração própria a partir de dados do Banco Central.

Tabela 1: Estatísticas básicas para a carteira.

Índia África do Sul Venezuela México Cingapura Chile Brasil
Media diária 0,00546 0,01507 0,09170 0,01516 0,00184 0,02087 0,07799
Mínimo -1,03080 -10,44370 -16,87072 -2,73390 -1,33012 -3,14259 -8,93464
Maximo 1,23418 8,03020 21,87303 3,74240 1,46043 3,24456 10,07270
Volatilidade
diária 0,00025 0,01099 0,01835 0,00301 0,00076 0,00272 0,01451
Volatilidade
anual 0,00397 0,17440 0,29137 0,04771 0,01205 0,04320 0,23035
Desvio padrão
anual 0,25110 1,66386 2,15068 0,87031 0,43741 0,82818 1,91227
Assimetria 0,96610 -0,00059 2,56971 0,78934 0,07855 0,01461 0,51622
Curtose 18,18939 16,60910 95,64160 7,65448 4,83358 6,49393 16,30060
Índice λ 2,7348 2,1526 2,8037 2,8885 1,8228 3,2996 3,0969
Fonte: Elaboração própria a partir de dados do Banco Central.
 Figura 2: Retorno diário da carteira.
Fonte: Elaboração própria a partir de dados do Banco Central.

3.2 Eventos de stress e o teste de cenários de stress

A análise requer uma amostra de eventos sob stress. Kupiec (1998) identificou um cenário
sob stress como a perda diária que ultrapassasse 3,5 vezes o desvio padrão diário, ou seja, aquele
retorno de pelo menos um dos ativos da carteira que for inferior a media do retorno do ativo
menos 3,5 o desvio padrão do ativo é considerado um evento sob stress. A escolha de 3,5, assim
como em Kupiec (1998), é totalmente arbitraria. Para testar sob a hipótese de 99% de confiança
para o VaR, utilizamos 2,33 no lugar de 3,5 (este para 95%). Neste trabalho adotou-se as duas
situações, ou seja, duas linhas como critério para identificar os eventos sob stress. A tabela 2
mostra o teste com 95% de confiança e a tabela 3 o teste com 99% de confiança.
Adotando estes critérios obteve-se 32 eventos sob stress quando o nível de confiança foi
de 95%, em todos os eventos sob stress, apenas um fator de risco contribui para o stress, os país
que mais teve ambientes de stress foi a Venezuela (8 eventos) seguida pela Índia (7 eventos). O
período onde ocorreu um maior números de eventos sob stress foi o que compreendo 2002 e
meados de 2003 (aproximadamente 50% dos eventos), como já era indicado pela alta volatilidade
do período, em particular para a Venezuela.
Comparando-se a figura 2 com a tabela 2, observa-se que os eventos de stress da Índia
não coincidem com períodos de alta volatilidade para a carteira, o que indica que tais eventos não
provocaram contaminação para os outros ativos, o não foi verdade para o período 2002 – 2003,
onde Venezuela e Brasil tiveram forte impactos sobre a carteira.
 Apesar do ser relativamente simples testar o modelo quando ocorre apenas um fator de
risco, Tay e Chan (2003) afirmam que situações com múltiplos eventos de stress são mais
robustos, este fato motivou o teste com 99% de confiança por ser mais rigoroso.
A tabela 3 mostra 115 eventos sob stress, destes cinco apresentam stress em dois fatores
de risco, neste caso os países com eventos sob stress foram Chile (23 eventos) e a Índia (21
eventos). Já a Venezuela teve apenas 12 eventos sob stress 99%, reforçando o fato que os eventos
sob stress desta moeda (tanto a 95 quanto a 99%) forma concentrados em um espaço de tempo
reduzido.
Também há uma concentração de eventos sob stress, neste caso um pouco mais
abrangente, inclui meados de 2001 ate o fim de 2003 (mais de 70% dos casos). Neste período não
há uma predominância de qualquer moeda sobre as demais. Mostrando que houve uma crise
cambial que se propagou entre os paises emergentes em estudo.

4 Resultados e Análise

Os resultados detalhados estão apresentados nas tabelas 2 e 3. Para cada evento de stress
as tabelas apresentam a(s) moeda(s) (país) sob stress, a data do evento de stress, o retorno da
carteira, o VaR normal, o stress VaR e o stress VaR-x, para 95% na tabela 2 e 99% na tabela 3.
A tabela 1 mostra que o índice λ varia de 1,8228 a 3,2996 com média de 2,8839. Para
uma distribuição normal este índice tende a infinito, logo conclui-se que a carteira tem caudas
grossas. Tal fato indica que o modelo stress VaR-x deve apresentar uma performance superior ao
stress VaR.
Com 95% de confiança o VaR normal foi de aproximadamente –0,0059 e houve 37
perdas que superaram o VaR, indicando uma taxa de falha de 2,95%, demonstrando que o VaR
normal está superdimensionado, de acordo com Kupiec (1995) e Jorion (1997) este valor está
fora da região de aceitação a 5% de significância, mas na região de aceitação para um um teste
com 10% de significância.
Para 99% de confiança o VaR normal foi de -0,0083 aproximadamente, havendo 14
observações que ultrapassaram o VaR. O que indica uma proporção de falhas de 1,11%, estando
bastante próximo de 1%. Já pelo teste de Kupiec (1995) tal número de falhas está na região de
aceitação para 5% de significância.
Tabela 2: Resultados para o stress VaR, VaR normal e stress VaR-x para 95% de confiança.
Evento sob
stress Data do evento Retorno da carteira VaR normal Stress VaR Stress VaR-x
México 15/1/1999 0,007990918 -0,00584794 -0,0098585 -0,007609244
Brasil 2/2/1999 -0,01242731 -0,00584794 -0,01971645 -0,017801931
Índia 1/3/1999 -0,001200429 -0,00584794 -0,00735665 -0,004966237
Brasil 5/3/1999 -0,008174964 -0,00584794 -0,0138896 -0,01197508
Índia 31/5/1999 -0,0029085 -0,00584794 -0,0076569 -0,005266493
Índia 12/5/2000 -0,00091354 -0,00584794 -0,00730102 -0,004910614
México 3/7/2000 -0,00340733 -0,00584794 -0,01170999 -0,009460734
Índia 25/8/2000 -0,001631579 -0,00584794 -0,00816581 -0,005775397
Índia 21/9/2000 -0,002263816 -0,00584794 -0,0076301 -0,005239686
Índia 15/5/2001 0,000455651 -0,00584794 -0,00782875 -0,005438341
Cingapura 2/8/2001 -0,003722089 -0,00584794 -0,00890967 -0,006548018
Chile 18/9/2001 -0,002648884 -0,00584794 -0,01409308 -0,011900314
Chile 13/11/2001 -0,004253463 -0,00584794 -0,01060988 -0,008417115
África do Sul 21/12/2001 -0,014182151 -0,00584794 -0,02318137 -0,021118333
África do Sul 7/1/2002 -0,003063449 -0,00584794 -0,01181982 -0,009756777
Venezuela 14/2/2002 -0,014747023 -0,00584794 -0,02106394 -0,019063603
Venezuela 26/2/2002 -0,011044561 -0,00584794 -0,01559073 -0,013590393
Venezuela 28/2/2002 -0,010043267 -0,00584794 -0,01233802 -0,010337678
Venezuela 17/4/2002 -0,009961787 -0,00584794 -0,0133499 -0,011349554
Venezuela 1/7/2002 -0,0154094 -0,00584794 -0,01855915 -0,016558809
Venezuela 10/7/2002 -0,006778408 -0,00584794 -0,01186588 -0,009865535
Brasil 2/8/2002 -0,014758938 -0,00584794 -0,02059356 -0,01867904
Brasil 7/8/2002 -0,009220815 -0,00584794 -0,01284529 -0,010930777
Brasil 8/8/2002 -0,00899441 -0,00584794 -0,01465541 -0,012740889
Chile 11/10/2002 -0,003210563 -0,00584794 -0,01065281 -0,008460048
Venezuela 9/1/2003 -0,006883816 -0,00584794 -0,01230832 -0,010307978
Venezuela 13/2/2003 -0,024022234 -0,00584794 -0,02939586 -0,027395514
África do Sul 5/5/2003 -0,003482415 -0,00584794 -0,01151227 -0,009449234
África do Sul 16/5/2003 -0,004817847 -0,00584794 -0,01149719 -0,009434153
Cingapura 22/9/2003 -0,008085759 -0,00584794 -0,0081617 -0,005800046
Índia 16/10/2003 0,000930425 -0,00584794 -0,00745997 -0,005069561
África do Sul 29/12/2003 -0,005154231 -0,00584794 -0,01148409 -0,009421049
Fonte: Elaboração própria.
Tabela 3: Resultados para o stress VaR, VaR normal e stress VaR-x para 99% de confiança.
Eventos Data Retorno
sob stress do evento da carteira VaR normal Stress VaR Stress VaR-x
África do Sul, México 15/1/1999 0,007990918 -0,00827086 -0,015203318 -0,018709098
Brasil 2/2/1999 -0,01242731 -0,00827086 -0,021647006 -0,025119128
Índia 1/3/1999 -0,001200429 -0,00827086 -0,009767089 -0,014102282
Brasil 4/3/1999 -0,006046944 -0,00827086 -0,011739229 -0,015211351
Brasil 5/3/1999 -0,008174964 -0,00827086 -0,015820155 -0,019292277
Brasil 9/3/1999 -0,004765155 -0,00827086 -0,012490153 -0,015962275
Cingapura 15/3/1999 -0,002954083 -0,00827086 -0,010189168 -0,014472205
Cingapura 14/4/1999 -0,003535091 -0,00827086 -0,010071183 -0,01435422
Índia 28/5/1999 -0,000755324 -0,00827086 -0,009274348 -0,013609541
Índia 31/5/1999 -0,0029085 -0,00827086 -0,010067345 -0,014402538
México 4/6/1999 -0,004858462 -0,00827086 -0,011078911 -0,015158104
Cingapura 8/6/1999 0,001483332 -0,00827086 -0,009785184 -0,01406822
Índia 16/6/1999 -0,003850994 -0,00827086 -0,009276755 -0,013611948
Chile 22/6/1999 -0,004055346 -0,00827086 -0,012571961 -0,016548708
Índia 5/7/1999 -0,001496151 -0,00827086 -0,009222149 -0,013557342
Cingapura 26/7/1999 -0,000542641 -0,00827086 -0,009837291 -0,014120327
Brasil 23/8/1999 -0,005207567 -0,00827086 -0,013825438 -0,01729756
Cingapura 9/9/1999 -0,002475204 -0,00827086 -0,010328299 -0,014611336
Cingapura 5/10/1999 -4,05473E-05 -0,00827086 -0,009916274 -0,014199311
Índia 11/10/1999 0,001266752 -0,00827086 -0,009141232 -0,013476425
México 3/11/1999 -0,001054857 -0,00827086 -0,010849939 -0,014929131
Cingapura 8/3/2000 -3,13332E-05 -0,00827086 -0,009727545 -0,014010582
Índia 12/5/2000 -0,00091354 -0,00827086 -0,009711466 -0,014046659
México 3/7/2000 -0,00340733 -0,00827086 -0,013978087 -0,018057279
Índia 21/7/2000 -0,000641918 -0,00827086 -0,009338715 -0,013673908
Índia 21/8/2000 -0,00056806 -0,00827086 -0,009168312 -0,013503505
Índia 25/8/2000 -0,001631579 -0,00827086 -0,010576249 -0,014911442
Índia 21/9/2000 -0,002263816 -0,00827086 -0,010040538 -0,014375731
Cingapura 3/11/2000 0,001392734 -0,00827086 -0,010036688 -0,014319724
India 5/12/2000 -0,002369277 -0,00827086 -0,009101198 -0,013436391
México 2/1/2001 -0,00225724 -0,00827086 -0,010628448 -0,014707641
México 17/1/2001 -0,002203652 -0,00827086 -0,011085469 -0,015164662
África do Sul 8/3/2001 -0,003240189 -0,00827086 -0,011618318 -0,0153598
Índia 2/4/2001 0,002084526 -0,00827086 -0,009198594 -0,013533787
Índia 17/4/2001 0,001713107 -0,00827086 -0,009097201 -0,013432394
Índia 15/5/2001 0,000455651 -0,00827086 -0,010239193 -0,014574386
México 16/5/2001 -0,003379653 -0,00827086 -0,012031258 -0,01611045
Brasil 21/6/2001 -0,004996266 -0,00827086 -0,011591262 -0,015063384
Brasil 22/6/2001 -0,004557301 -0,00827086 -0,012210057 -0,015682179
México 16/7/2001 -0,000298004 -0,00827086 -0,011382845 -0,015462037
Chile 17/7/2001 -0,005298269 -0,00827086 -0,011089169 -0,015065916
Cingapura 26/7/2001 -0,002917759 -0,00827086 -0,009985713 -0,01426875
Cingapura 2/8/2001 -0,003722089 -0,00827086 -0,011291112 -0,015574148
Cingapura 9/8/2001 -0,003463451 -0,00827086 -0,00992022 -0,014203256
Cingapura 15/8/2001 -0,002175869 -0,00827086 -0,00972606 -0,014009097
Chile 17/8/2001 0,001874619 -0,00827086 -0,011264495 -0,015241242
Continuação da tabela 3:
Eventos Data Retorno
sob stress do evento da carteira VaR normal Stress VaR Stress VaR_x
Chile 18/9/2001 -0,002648884 -0,00827086 -0,016304218 -0,020280965
México 8/10/2001 0,002285334 -0,00827086 -0,010781062 -0,014860254
Chile 11/10/2001 -0,003096515 -0,00827086 -0,010915258 -0,014892005
Chile 16/10/2001 0,001461737 -0,00827086 -0,011021652 -0,014998399
Chile 13/11/2001 -0,004253463 -0,00827086 -0,012821018 -0,016797765
Chile 4/12/2001 -0,001904559 -0,00827086 -0,011850352 -0,015827099
Chile 10/12/2001 -0,006565969 -0,00827086 -0,011064459 -0,015041206
África do Sul 21/12/2001 -0,014182151 -0,00827086 -0,025261701 -0,029003183
África do Sul 7/1/2002 -0,003063449 -0,00827086 -0,013900145 -0,017641627
África do Sul 23/1/2002 -0,002341623 -0,00827086 -0,012103909 -0,015845391
Chile 13/2/2002 0,025282994 -0,00827086 -0,012222298 -0,016199045
Venezuela 14/2/2002 -0,014747023 -0,00827086 -0,023081048 -0,026708821
Venezuela 26/2/2002 -0,011044561 -0,00827086 -0,017607838 -0,021235611
Venezuela 28/2/2002 -0,010043267 -0,00827086 -0,014355123 -0,017982896
África do Sul,
Venezuela 4/3/2002 -0,012288833 -0,00827086 -0,016042852 -0,01896641
Venezuela 20/3/2002 -0,006689194 -0,00827086 -0,013270998 -0,016898771
Chile 27/3/2002 0,000731277 -0,00827086 -0,011804254 -0,015781001
Chile 5/4/2002 -0,003579354 -0,00827086 -0,012408793 -0,01638554
Venezuela 11/4/2002 -0,003728795 -0,00827086 -0,012631997 -0,01625977
Venezuela 17/4/2002 -0,009961787 -0,00827086 -0,015366999 -0,018994772
África do Sul 26/4/2002 -0,005986057 -0,00827086 -0,012024828 -0,01576631
África do Sul 18/6/2002 -0,001982865 -0,00827086 -0,012620837 -0,016362319
Chile 28/6/2002 -0,000714137 -0,00827086 -0,011272273 -0,01524902
África do Sul,
Venezuela 1/7/2002 -0,0154094 -0,00827086 -0,023642871 -0,026566429
Venezuela 3/7/2002 -0,009105631 -0,00827086 -0,013466543 -0,017094316
Cingapura 8/7/2002 0,008167922 -0,00827086 -0,009671589 -0,013954626
Venezuela 10/7/2002 -0,006778408 -0,00827086 -0,01388298 -0,017510753
Brasil 1/8/2002 -0,005913288 -0,00827086 -0,01184384 -0,015315962
Brasil 2/8/2002 -0,014758938 -0,00827086 -0,022524115 -0,025996237
Brasil 7/8/2002 -0,009220815 -0,00827086 -0,014775853 -0,018247975
Brasil 8/8/2002 -0,00899441 -0,00827086 -0,016585964 -0,020058086
África do Sul 27/8/2002 0,000271443 -0,00827086 -0,011328823 -0,015070305
Brasil 30/8/2002 -0,005837163 -0,00827086 -0,012390361 -0,015862483
Brasil 1/10/2002 -0,0070383 -0,00827086 -0,013375919 -0,016848041
Brasil 2/10/2002 -0,005388161 -0,00827086 -0,013877563 -0,017349686
Chile 11/10/2002 -0,003210563 -0,00827086 -0,012863952 -0,016840699
Cingapura 16/10/2002 -0,003982334 -0,00827086 -0,009829742 -0,014112779
Cingapura 13/12/2002 -0,005527749 -0,00827086 -0,010086163 -0,0143692
Brasil 16/12/2002 -0,004109061 -0,00827086 -0,011480609 -0,014952731
África do Sul 18/12/2002 -0,008706547 -0,00827086 -0,011456787 -0,015198269
Brasil 6/1/2003 -0,003837385 -0,00827086 -0,011904661 -0,015376783
Venezuela 9/1/2003 -0,006883816 -0,00827086 -0,014325423 -0,017953196
África do Sul 23/1/2003 -0,005756363 -0,00827086 -0,011613846 -0,015355328
Índia 28/1/2003 -0,000449413 -0,00827086 -0,009079104 -0,013414297
Índia 30/1/2003 -0,002355507 -0,00827086 -0,009409718 -0,013744911
Continuação da tabela 3:
Eventos Data Retorno
sob stress do evento da carteira VaR normal Stress VaR Stress VaR_x
Venezuela 13/2/2003 -0,024022234 -0,00827086 -0,031412959 -0,035040731
Índia 27/2/2003 -0,003662698 -0,00827086 -0,009272996 -0,013608189
México 11/3/2003 -0,00346201 -0,00827086 -0,010977842 -0,015057035
Chile 13/3/2003 -0,001325106 -0,00827086 -0,012414736 -0,016391483
México 17/3/2003 0,001892991 -0,00827086 -0,010732019 -0,014811212
Chile 21/3/2003 -0,002980243 -0,00827086 -0,012051089 -0,016027836
África do Sul,
Cingapura 5/5/2003 -0,003482415 -0,00827086 -0,014628957 -0,018336248
Cingapura 6/5/2003 0,003556925 -0,00827086 -0,010334094 -0,01461713
África do Sul 16/5/2003 -0,004817847 -0,00827086 -0,013577521 -0,017319003
Índia 3/6/2003 -0,000335983 -0,00827086 -0,009192433 -0,013527626
África do Sul 5/6/2003 -0,006645937 -0,00827086 -0,012843761 -0,016585242
Chile 10/9/2003 -0,005742376 -0,00827086 -0,010889575 -0,014866322
Chile, Cingapura 22/9/2003 -0,008085759 -0,00827086 -0,013774942 -0,017674329
África do Sul 30/9/2003 -0,004548213 -0,00827086 -0,01151111 -0,015252592
Índia 3/10/2003 0,001814622 -0,00827086 -0,009325822 -0,013661015
Chile 7/10/2003 -0,003987686 -0,00827086 -0,011756447 -0,015733194
Índia 16/10/2003 0,000930425 -0,00827086 -0,009870413 -0,014205606
Chile 7/11/2003 -0,003597922 -0,00827086 -0,012184471 -0,016161218
África do Sul 13/11/2003 -0,002736254 -0,00827086 -0,011402419 -0,015143901
Chile 14/11/2003 -0,001894926 -0,00827086 -0,011237727 -0,015214474
África do Sul 18/11/2003 -0,002032589 -0,00827086 -0,01177654 -0,015518022
Chile 24/11/2003 0,000388814 -0,00827086 -0,010911801 -0,014888548
Chile 3/12/2003 -0,006359482 -0,00827086 -0,012228657 -0,016205404
África do Sul 29/12/2003 -0,005154231 -0,00827086 -0,013564417 -0,017305899
Fonte: Elaboração própria.

A tabela 4 a seguir apresenta um resumo das falhas para os modelos nas situações de
stress. Para 95% de confiança, de acordo com proporção de falhas e para 32 eventos de stress o
VaR normal só foi capaz de capturar 17 falhas, ou seja 53,1% dos eventos não foram capturados
pelo modelo. Já o stress VaR capturou todas as falhas e o stress VaR-x 31 falhas, representando
3,1% de falhas (apenas 1 falha foi superior ao stress VaR-x). A figura 2 faz a comparação gráfica
entre os modelos e a perda (ganho) real.
Já para 99% de confiança, ainda de acordo com a tabela 4, para 115 eventos de stress o
VaR normal capturou 14 falhas, ou seja 12,2% dos eventos foram capturados pelo modelo, o que
representa uma piora em relação ao nível de confiança de 95%. Já o stress VaR e o stress VaR-x
capturaram todas as falhas. A figura 4 faz a comparação gráfica entre os modelos e a perda
(ganho) real.
Como evidenciado na tabela 4 todos os modelos de stress apresentados foram capazes de
cobrir todas as perdas sob stress com o stress VaR (95%) e (99%) e stress VaR-x (99%) e 96,9%
das perdas com o stress VaR-x (95%).
Tabela 4: Resumo da análise de falhas.
Stress VaR Stress VaR-x VaR normal Stress VaR Stress VaR-x VaR normal
(95%) (95%) (95%) (99%) (99%) (99%)
Eventos sob stress 32 32 32 115 115 115
Número de falhas 0 1 15 0 0 14
Freqüência de falhas 0% 3,1% 46,9% 0% 0% 12,2%
Fonte: Elaboração própria.

Figura 2: comparação entre as perdas e os modelos de VaR para 95% de confiança.

Fonte: Elaboração própria.

Os resultados obtidos não permitem concluir que o modelo stress VaR-x é superior ou
inferior ao stress VaR (apesar de se apresentar pior para 95% de confiança). Um fator limitante é
a subjetividade do modelo, uma vez que a definição dos cenários de stress são feitos de acordo
com escolhas subjetivas do administrador de risco. Entretanto tais modelos podem ser
importantes para administradores de risco gerenciarem suas posições.
Kupiec (1998) comparando carteiras diversificadas (ações, bonds e moedas estrangeiras)
asiáticas encontrou apenas seis violações do stress VaR (95%) em 102 eventos sob stress, já Tan
e Chan (2003) encontraram evidências de que o teste de stress VaR (padrão e o VaR-x)
conseguiram reduções entre 6 e 20% no número de falhas para carteiras com moedas asiáticas.
A comparação dos resultados do presente trabalhos mostram uma repetição do padrão de
comportamento identificado em Kupiec (1998), mas não ocorre o mesmo com a carteira de
moedas de Tan e Chan (2003). O que indica que o mercado de moedas dos paises emergentes
estão mais sujeitos a eventos de stress e que tal análise pode ajudar na identificação das possíveis
perdas sob cenários subjetivos, mais plausíveis, como crashes do mercado acionário, aumento na
taxa de juros dos EUA, guerras, etc.
Figura 3: comparação entre as perdas e os modelos de VaR para 99% de confiança.
Fonte: Elaboração própria.

5 Conclusão

Há uma preocupação natural dos analistas financeiros com a acurácia dos modelos de VaR
normal quando estes utilizam carteiras com distribuições que apresentam caudas grossas. O
problema surge do fato que nestas carteiras as perdas extremas irão ocorrer com uma freqüência
maior do que o VaR normal é capaz de predizer. Isto é particularmente preocupante quando se
utiliza o teste stress VaR que avalia as perdas potenciais em situações de stress mas se baseiam na
distribuição normal dos retornos. Neste trabalho utilizou-se uma extensão do stress VaR, o stress
VaR-x que acomoda as caudas grossas.
Foi testado a eficiência dos modelos stress VaR e stress VaR-x em comparação entre si. A
conclusão obtida é que o modelo stress VaR-x não é superior ao stress VaR mostrando que o
stress VaR continua sendo uma boa ferramenta na análise de cenários de stress. Mesmo sabendo
que a covariância condicional pode não ser estável em muito ambientes sob stress, os resultados
sugerem que os modelos baseados na covariância dos fatores de risco detêm informações
razoáveis para construir ambientes de mercado sob stress.
Referencias bibliográficas

ARTZNER, P., F. DELBAEN, J. M. ELBER, e D. HEART. “Coherent Measures of Risk”

Mathematical Finance 9, p. 203-229, 1999.

BEDER, T. S. “VaR: Seductive but Dangerous”, Financial Analysts Journal, p. 12-24, set./out.,
1995.

BEZERRA, F. L. O. “Avaliação da Estimativa de Risco do Mercado pela Metodologia Value at

Risk (VaR) com Simulação de Monte Carlo”. Dissertação de Mestrado em Administração, UFPE,
2001.

JORION, P. “Value at Risk: a Nova Fonte de Referência para o Controle do Risco de Mercado”.
São Paulo: BM&F, 1997.

HILL, B., “A simple approach to inference about the tail of a distribution”. Annals of
Mathematical Statistics, 1163-1174, 1975.

HUISMANN, R., KOEDIJK, K. G., POWNALL, R. A. J., “VaR-x: fats tails in financial risk
management”. Journal of risk 1, 47-61, 1998.

KATO, F. H.; “The Super and Subestimation of Risk and Other Problems with Risk Measures”
Em http://www.gloriamundi.org/resultsauthor.asp?Author1name=Kato,%20
Fernando%20H., 2004.

KHINDANOVA, I. e ROCHEV, S. “Value at Risk: Recent Advances.” Handbook on Analytic-

Computational Methods in Applied Mathematics, CRC Press LLC, 2000.

KUPIEC, P. “Techniques for Verifying the Accuracy of Measurements Models”. Journal of

Derivatives, v. 2, p. 73-84, dez. 1995.

KUPIEC, P. “Stress testing in a Value at Risk framework”. Journal of Derivatives, v. 6, p. 7-24,

1998.

OLIVEIRA, M. R. G. “Gerenciamento do Risco de Mercado Baseado no Value at Risk Estático e

Dinâmico para Carteiras de Ações e Opções Negociadas na Bovespa”, Tese de Doutorado em
Economia, UFPE, 2005.

Site Banco Central do Brasil: http://www.bacen.com.br/

TAN, K, CHAN, I. “Stress testing using VaR approach – a case for Asian Currencies”. Journal of
International Financial Markets, Institutions & Money, v. 13, p. 39-55, 2003.