V V I I I I S S E E M M E E A A D D T T R R A A B B A A L L H H O O C C I I E E N N T T F F I I C C O O

F F I I N N A A N N A A S S

ANLISE DAS METODOLOGIAS DE VAR VALUE AT RISK PARA ESTIMAR O
RISCO DE MERCADO DE ATIVOS BRASILEIROS

ADRIANO SAVASTANO DE SANTANNA Mestrando do Programa de Ps-Graduao
em Administrao de Empresas da Faculdade de Economia, Administrao e Contabilidade
da Universidade de So Paulo endereo: Rua Coronel Diogo, 97 Aclimao So Paulo
SP 01545-000 telefone: (11) 9505-6898 e-mail: adriano.santanna@bol.com.br.

LUIZ EGYDIO MALAMUD ROSSI Doutorando do Programa de Ps-Graduao em
Administrao de Empresas da Faculdade de Economia, Administrao e Contabilidade da
Universidade de So Paulo endereo: Rua Loefgreen, 916 apto 172 Vila Clementino
So Paulo SP 04040-030 telefone: (11) 9948-1471 e-mail: fdepavia@uol.com.br.
RESUMO
O terceiro acordo da Basilia, conhecido como Basilia II, assim como o primeiro, tem
como objetivo reduzir o risco das Instituies Financeiras, e conseqentemente o risco
sistmico, a partir da proposio de metodologias a serem empregadas pelos bancos para
acompanhar diversos tipos de risco e estabelecerem de forma padronizada mecanismos de
proteo. O Banco Central do Brasil tambm desenvolveu legislao especfica sobre o
assunto visando reduzir e monitorar o risco das Instituies Brasileiras. Assim, os rgos
reguladores se preocupam, principalmente, com trs tipos de risco a serem monitorados:
Crdito, Operacional e Mercado. O presente trabalho discutiu a eficincia dos modelos de
VaR mais usualmente empregados para estimar o risco de mercado. Analisamos trs
metodologias: o modelo Histrico, no-paramtrico, e os modelos EQMA e EWMA,
paramtricos. Tais modelos foram aplicados a trs ativos brasileiros: o Ibovespa, a taxa Selic
e a taxa de cmbio R$/US$, e tambm a uma carteira terica igualmente ponderada destes trs
ativos. Realizamos back tests para determinar os modelos mais eficientes com relao ao
nmero de excees evidenciadas, e conclumos que o modelo EQMA apresenta menor
nmero de excees, mas demanda maior necessidade de capital alocado pelos bancos.
PALAVRAS-CHAVE
Valor em risco, VaR, risco de mercado, acordo da Basilia.

ANLISE DAS METODOLOGIAS DE VAR VALUE AT RISK PARA ESTIMAR O
RISCO DE MERCADO DE ATIVOS BRASILEIROS

1. INTRODUO
Prev-se que o Basilia II, o terceiro acordo no mbito do Acordo de Basilia, implantado
em junho de 2003 com adoo prevista para 2007, acarretar novas exigncias para os bancos
envolvidos no cenrio internacional. Os bancos tero maior liberdade para definir as medidas
de proteo necessrias, porm aqueles com carteiras de maiores riscos, tero maiores
exigncias sobre o capital prprio.
Devem ser alterados os percentuais sobre o montante de ativos das carteiras que sero
exigidos como Necessidade Mnima de Capital, diferenciando-se ativos para grandes e
pequenas empresas, entre outros fatores. Os riscos operacionais, como fraudes, e jurdicos
tambm sero monitorados, e as Instituies financeiras tero um perodo para alterar
sistemas e processos visando mitigar riscos deste tipo.
Neste sentido, o presente trabalho avalia metodologias alternativas de VaR Value at
Risk, buscando identificar as metodologias mais adequadas para os ativos brasileiros
analisados. A seo seguinte trata dos aspectos regulatrios internacionais e nacionais. A
seo 3 apresenta os modelos de VaR utilizados, enquanto a seo 4 trata da metodologia
utilizada. Nas duas ltimas sees so discutidos os resultados obtidos, e apresentadas
concluses sobre o trabalho, respectivamente.

2. ASPECTOS REGULATRIOS
2.1.O Acordo Basilia II
O Acordo baseia-se em trs pilares, que so: requisitos mnimos de capital, reviso
supervisora e disciplina de mercado.
2.1.1. 1 Pilar Necessidade mnima de capital requerida
O primeiro pilar trata do clculo das necessidades mnimas de capital requerido para risco
de crdito, mercado e operacional. Estas necessidades so calculadas a partir de trs
elementos, a definio de capital regulatrio, ativos ponderados pelo risco e o mnimo fator
utilizado para calcular o capital a partir dos ativos ponderados pelo risco.
Risco de Crdito
Existem duas abordagens para avaliar os riscos de crdito, uma padronizada (Standard),
suportada por avaliaes externas e outra, alternativa, baseada em ratings internos (IRB:
Internal Rating Based Approach), esta ltima sujeita aprovao dos rgos reguladores. A
avaliao dos ativos no modelo padronizado depende das caractersticas dos crditos
fornecidos com relao ao perfil dos tomadores (sediados no exterior, empresas pblicas,
bancos de desenvolvimento, bancos e corporaes subdivididas em grandes e pequenas
empresas), e tambm com relao natureza dos ativos (hipotecas residenciais ou comerciais,
open market, emprstimos vencidos, ativos de alto risco, itens fora do balano, entre outros).
Os fatores considerados como mitigadores do risco so as garantias e os processos de
concesso de crdito.
Com relao abordagem que utiliza os ratings desenvolvidos internamente, consideram-
se as mesmas caractersticas citadas, mas existe forte acompanhamento dos critrios utilizados
na elaborao dos ratings internos. Passam a ser muito importantes a divulgao dos

procedimentos empregados, o uso de garantias, o acompanhamento do crdito e o uso de
provises, conforme ponderaes especficas.
Conforme citado, existem mitigadores do risco de crdito que podem reduzir as
necessidades requeridas de capital, e os bancos devem desenvolver metodologias para avaliar
qual a perda possvel nos ativos. Esta perda potencial depende, dentre outros fatores, das
garantias utilizadas e das oscilaes do Mercado. Buscando proteger os bancos e o sistema, os
rgos reguladores estabelecem montantes de capital adicional que sero empregados para
suportar eventuais perdas. Devemos considerar no somente o risco de crdito
individualmente, mas, tambm, associ-lo ao risco de mercado.
Com relao ao risco de mercado, definimos Trading Book como um conjunto de ativos
financeiros com o intuito de comercializao ou hedge (proteo), e Instrumentos Financeiros
como qualquer contrato que d origem a um ativo financeiro, um passivo financeiro, ou a uma
parcela do capital. Estes podem ser divididos em instrumentos bsicos e avanados, como, por
exemplo, caixa e derivativos. Os Instrumentos geram as posies financeiras dos bancos que
devem ser monitoradas.
As metodologias recomendadas pelo comit para acompanhar as Posies Financeiras so
a marcao ao mercado e o VaR (Value at Risk), que so as metodologias estatsticas
utilizadas para calcular a perda potencial em funo do risco de mercado e sero discutidas
neste trabalho.
A utilizao de modelos de VaR pelos Bancos depende do reconhecimento pelo Comit
(Emenda de 1996) das metodologias empregadas e dos processos internos. Entretanto, os
Bancos que no tenham obtido esta classificao podem solicitar o reconhecimento para o
rgo regulador do seu pas comprovando a qualidade de seus processos internos a partir de
back tests, usando um ano de dados (250 dias teis). Para operaes de open market,
recomendada a realizao de back tests com 20 tipos de ativos (ex. papis pblicos).
Verifica-se, no back test quantas vezes o montante de perda observado superou a perda
potencial definida no processo do banco, e marcam-se estes casos como excees,
classificando os mesmos conforme a tabela 1.
Tabela 1: Enquadramento dos modelos conforme as excees evidenciadas nos back
tests
Zona Nmero de Excees Multiplicador
Verde 0-99 1,0
100-119 2,0
120-139 2,2
140-159 2,4
160-179 2,6
Amarela
180-199 2,8
Vermelha 200 ou mais 3,0

Podemos, tambm, utilizar a tabela 1 para determinar a exposio total do banco,
combinando o risco de crdito (reduzido das garantias recebidas) com o risco de mercado,
calculado a partir do VaR (exposio aos fatores de mercado).
O Acordo de Basilia recomenda o emprego de metodologias de VaR com a utilizao de
intervalo de confiana de 99%, ou seja, 1% de erro. Para calcular a exposio, utilizado o
VaR do dia til anterior.
Alocao de capital e Quantificao do risco
A definio de alocao de capital equivalente perda potencial da Instituio
Financeira em um ativo, definida com 99% de certeza (mono caudal). Ou seja, a perda

potencial calculada considerando-se que em apenas 1% dos casos a variao dos fatores de
risco gerar perdas superiores ao estimado como perda potencial. Os dados utilizados para
representar a distribuio dos retornos devero ser os mais longos possveis. Os bancos
devero utilizar dados trimestrais para calcular o VaR, podendo ser feita equivalncia
estatstica com outros perodos, na impossibilidade de encontr-los.
O Comit no recomenda a utilizao de algum mtodo especfico, seja este paramtrico
(Monte Carlo, Mdias Mveis, Ponderadas, dentre outros) ou no-paramtrico. Entretanto, a
metodologia utilizada pelo banco dever ser capaz de capturar os riscos de mercado e os
riscos especficos dos ativos, ou seja, explicar as variaes nos preos dos ativos, as
magnitudes das variaes e o impacto de eventuais concentraes. Os bancos podem utilizar
metodologias que considerem as correlaes entre os ativos (varincia e covarincia), mas
estas devero ser amplamente documentadas.
Finalmente, com relao ao uso do VaR, os Bancos devero conduzir freqentes testes de
stress, para avaliar a exposio ao risco em cenrios muito adversos (principalmente acima da
perda potencial, ou seja, maior do que 1%).
Risco operacional
O risco operacional definido como o risco de perda decorrente de falhas internas,
relacionadas a processos, pessoas e sistemas. Esta definio inclui riscos legais, mas exclui
riscos estratgicos e relacionados reputao. Utilizam-se trs mtodos, com graus crescentes
de especificaes, para quantificao deste risco: Abordagem de Indicadores Bsicos,
Abordagem Padronizada e Abordagem de Medio Avanada (AMA).
No primeiro aplica-se um fator sobre o volume de ativos. Utilizando o mtodo
padronizado estima-se o risco a partir de cada unidade da Instituio Bancria, levando em
considerao o Beta de cada linha de negcios, um percentual sobre os ativos alocados e a
alocao de capital para cada linha de negcios. No terceiro mtodo, os bancos devero
cumprir uma srie de exigncias adicionais, como, por exemplo, demonstrar o envolvimento
dos diretores no acompanhamento dos processos, e ter uma equipe independente de
profissionais avaliando riscos de mercado e processos.
2.1.2. 2 Pilar Reviso de processos e superviso
Nesta seo o Comit busca garantir que os bancos tenham capital suficiente para fazer
frente aos seus riscos e encoraj-los a desenvolver tcnicas mais avanadas de mensurao
atravs do aperfeioamento do prprio Comit. Os principais tpicos deste Pilar so: a reviso
da superviso exercida pelo Comit e pelos rgos reguladores, orientaes sobre a
administrao dos riscos, e transparncia e confiabilidade nos documentos apresentados pelas
Instituies Financeiras.
2.1.3. 3 Pilar Disciplina de Mercado
Os reguladores esperam neste bloco, em complemento aos 1o e 2o Pilares, garantir um
elevado grau de disciplina no Mercado a partir da qualificao dos bancos conforme a adoo
das recomendaes do Comit pelos mesmos. Os principais fundamentos desta qualificao
so o disclosure das informaes, exposio ao risco, processos de avaliao de riscos e
adequao do capital de cada instituio. Descrevemos a seguir as recomendaes do comit
quanto ao disclosure, com relao ao Risco de Mercado, para bancos que utilizem modelos
internos de avaliao de risco (internal models approach).
Qualitativos (Geral e Carteiras da Instituio) Caractersticas dos modelos utilizados,
descrio dos testes de stress aplicados nas carteiras, descrio dos processos de back testing
e validao da adequao dos modelos.

Quantitativos demonstrao do VaR agregado, dos valores extremos e da mdia dos
valores de VaR no perodo de apurao, bem como a comparao das estimativas de VaR
com as sadas reais de back tests, com anlise das principais discrepncias observadas.
Destacamos que em nosso trabalho estamos abordando o 1 Pilar, mais especificamente a
avaliao do risco de mercado atravs do VaR, motivo pelo qual no detalhamos nem o Risco
de Crdito, nem os 2 e 3 Pilares.
2.2.A legislao brasileira
As resolues do Acordo da Basilia so compulsrias para os Bancos da Comunidade
Europia e dos EUA, mas o Banco Central do Brasil (Bacen) dever acompanhar os demais
pases e adaptar o acordo realidade brasileira. Descrevemos, a seguir as diretrizes do Bacen
quanto ao tema.
2.2.1. Resoluo 2.804
As instituies financeiras devem manter sistemas de controle estruturados para controlar
o risco de liquidez definido como a ocorrncia de desequilbrios entre os prazos de pagamento
dos ativos e passivos, levando-se em considerao as diferentes moedas de seus direitos e
obrigaes. Os controles devero permitir a avaliao diria das operaes com prazo superior
a 90 dias.
As instituies devero manter documentados os critrios utilizados; realizar anlises
econmico-financeiras que permitam avaliar o impacto dos diferentes cenrios sobre o capital
das instituies; estabelecer mecanismos de reverso em caso de perdas (ex. fontes
alternativas de captao); elaborar relatrios que permitam o monitoramento dos riscos de
liquidez assumidos; realizar testes que permitam indicar a existncia de riscos; e realizar
testes que permitam avaliar a consistncia dos sistemas implantados (back tests). As
recomendaes citadas servem para empresas e para o conglomerados financeiros.
Verifica-se nesta resoluo que o Bacen se reserva o direito de intervir nas instituies
para garantir a aplicao destes conceitos, mas no define qual seria o nvel desta interveno.
2.2.2. Resoluo 2.972
Esta resoluo trata do montante a ser alocado como Patrimnio Lquido Exigido (PLE)
para cobertura do risco de operaes denominadas em reais e remuneradas em taxas pr-
fixadas. Define o PLE (Patrimnio Lquido Exigido) para cobertura do risco como:
(1)
( ) 1
]
1

,
_

Padro
i
i
Padro
i
t
t pr juros
VaR VaR
M
mximo PLE
1
60
1
1 , _
;
60
, sendo:
M
t
= multiplicador para o dia t, divulgado diariamente pelo Bacen, determinado como
funo decrescente da volatilidade, e compreendido entre 1 e 3;
Padro
i
VaR
1
= valor em risco em reais do conjunto das operaes de que se trata para o
dia t.

3. REVISO DOS MODELOS DE VAR
O VaR a estimao da maior perda potencial, com uma certa probabilidade, em um
definido perodo de tempo. Os mtodos mais utilizados de estimao do VaR, ou seja, o
potencial de perda, so os modelos Paramtricos, cuja ampla utilizao comeou com a
metodologia Riskmetrics desenvolvida pelo Banco de Investimento JP Morgan, e os No-
Paramtricos, como, por exemplo, a Simulao de Monte Carlo.
Os resultados das diversas metodologias dependem de vrios fatores como o Nvel de
Confiana, o perodo de tempo da seqncia de dados, o horizonte de tempo analisado e os

parmetros da seqncia de dados (como a varincia, no caso dos modelos paramtricos),
acarretando em uma grande amplitude de resultados possveis para a estimao do VaR.
Pode-se definir o VaR para um ativo, para uma carteira ou para o Banco. O VaR para um
nico ativo (ou posio financeira) dado por:
(2) t n V VaR , sendo:
V = valor do ativo
= medida de volatilidade
n = nmero de vezes em que se deseja multiplicar a volatilidade
t = horizonte de tempo

O VaR de uma carteira dado por:
(3)
t
pw w VaR
1
, sendo:
1
w = o vetor VaR dos ativos individuais
p = matriz de correlaes
t
w = matriz transposta de
1
w
3.1.Modelos Paramtricos
Tambm conhecidos como analticos ou varinciacovarincia. Caracterizados pela
utilizao de intervalos de confiana e condicionados pela hiptese de distribuio normal dos
fatores de risco do mercado ou do retorno da carteira. Uma das crticas ao modelo que a
hiptese de normalidade da distribuio dos fatores de risco dificilmente sustentada, o que
ser visto adiante quanto a este trabalho, que apesar disto, apresenta os clculos de VaR
realizados por modelos paramtricos.
3.2.Modelos No-Paramtricos
Os mtodos no-paramtricos, dentre estes o Histrico e o de simulao (Monte Carlo),
no utilizam parmetros para expressar a sensibilidade das posies da carteira, sendo o VaR
obtido pelo corte dos resultados das simulaes (o percentual desejado isolado). Nos
paramtricos, como a distribuio normal, para se determinar o potencial de perda
considera-se um determinado nmero de desvios padres.

4. METODOLOGIA
O VaR permite s Instituies controlar mais eficientemente o risco de mercado,
administrar a relao risco-retorno dos ativos de forma padronizada, e monitorar perdas nas
posies especulativas. Entretanto, existem diversas formas para medir o risco e o VaR das
carteiras, gerando um desafio para os Bancos que definir qual a metodologia mais eficiente
para medir o risco. Outra dificuldade, no abordada neste trabalho, que no existirem muitas
ferramentas para os Bancos administrarem o risco e ao mesmo tempo decidirem sobre a
alocao do capital nos diversos ativos.
4.1.Objetivo do trabalho
O presente trabalho busca comparar trs modelos de anlise de VaR, sendo o primeiro
no-paramtrico, ou modelo Histrico, e dois paramtricos, o de mdias igualmente
ponderadas (EQMA Equally Weighted Moving Average) e o de mdias exponencialmente
ponderadas (EWMA Exponentially Weighted Moving Average), e avaliar a aderncia dos
mesmos a realidade brasileira.
Este trabalho utilizar a metodologia empregada por BROOKS e PERSAND (2.001) para
estudar o efeito de cinco metodologias usualmente empregadas no clculo do VaR necessrio

para calcular o mnimo capital de risco requerido (MCRR), em instituies financeiras que
possuem ativos nos EUA e no Reino Unido. As concluses deste trabalho indicam que, aps
calcular o VaR, e, conseqentemente, o MCRR atravs de cinco modelos (EQMA, EWMA,
Histrico, Garch e Pareto), modelo Histrico foi o que apresentou a melhor performance, ou
seja, seus resultados nos back tests, foram os que se enquadraram no menor nmero de vezes
nas Zonas Amarela e Vermelha, e exigiu menor montante de capital requerido.
Estes autores utilizaram seqncias de dados de trs anos e outras com sries de um ano,
conforme recomendado pelo Comit, e verificaram que a performance dos modelos varia
dependendo de cada srie de dados, no concluindo sobre o assunto. O modelo baseado em
Pareto, assim como o Histrico, apresentou bons resultados nos back tests, mas as maiores
MCRR encontradas implicariam em maior alocao de capital pelas instituies financeiras,
fato que desestimularia o uso desta metodologia. Concluram tambm que na eventualidade
dos rgos reguladores desejarem reduzir significativamente o risco, usando um intervalo de
confiana de 99%, por exemplo, o mais adequado seria utilizar um intervalo menor, de 95%,
por exemplo, combinado com o uso de um multiplicador.
Iniciou-se, no Brasil, aps a implantao de modelos de gesto de risco de mercado nos
bancos brasileiros, discusses sobre quais os melhores modelos a serem desenvolvidos pelos
bancos para avaliar o seu potencial de perda em funo das variaes nos diversos fatores de
risco, e ainda existe muita controvrsia com relao ao tema. ARAJO, MOREIRA e
CLEMENTE (2.001) compararam a aplicao de diversos modelos utilizados na
determinao das MCRR com relao a aes e carteiras de aes, analisando a performance
dos mesmos.
Em nossa pesquisa analisamos a performance das trs metodologias EQMA, EWMA e
Histrico, com relao a quatro ativos diferentes: Ibovespa (ndice de aes da Bolsa de
Valores de So Paulo), Selic (taxa mdia da taxa de juros dos papis pblicos), Dlar-Ptax
(mdia de fechamento do dlar comercial no dia anterior), utilizando sries de um ano (250
observaes) para clculo do risco de mercado e montamos uma carteira composta igualmente
pelos trs ativos. Utilizamos intervalos de confiana de 95% e 99% (este ltimo definido no
Acordo de Basilia) e aplicamos back tests para verificar a adequao dos modelos.
Coletamos os dados utilizados do perodo 03/05/1999 a 30/04/2004, composto de 1.242
observaes. A partir da data inicial isolamos 250 observaes de dados e aplicamos os
modelos de clculo de VaR. Aplicamos janelas-mveis roladas a cada dia, gerando um total
de 990 janelas pelo perodo analisado.
A determinao do retorno da carteira seguiu a seguinte frmula:
(4) VCarteira = VIbovespa x 0,333 + VDlar x 0,333 + VSelic x 0,333, onde:
V
i
= D
t(i)
/ D
t-1(i)

D
t
= valor do ativo na data t
4.2.Teste de normalidade
Foi aplicado o teste de normalidade de Kolmogorov-Smirnov, para cada um dos trs
ativos. A hiptese nula, de que a amostra no apresenta distribuio normal, no pode ser
rejeitada para nenhum dos ativos, conforme tabela 2.

Tabela 2: One-Sample Kolmogorov-Smirnov Test
IBOVESPA DLAR SELIC
N 1242 1242 1242
Normal Parameters
a,b
Mean 14.302,3330 2,47671533 ,0007006813
Std. Deviation 3.400,13818 ,593156815 ,00010403042
Most Extreme Differences Absolute ,077 ,149 ,239
Positive ,077 ,149 ,239
Negative -,055 -,091 -,088
Kolmogorov-Smirnov Z 2,710 5,269 8,423
Asymp. Sig. (2-tailed) ,000 ,000 ,000
a
Test distribution is Normal.
b
Calculated from data.

4.3.Modelos empregados para estimar o VaR
4.3.1. Modelo Histrico
Calculamos as variaes dirias encontradas pela frmula D
t
/ D
t-1
, onde D
t
o valor do
ativo na data t. As variaes encontradas foram ordenadas e o primeiro percentil, no caso de
99% de confiana, e quinto percentil, no caso de 95% de confiana, encontrados. A variao
pelo perodo de 10 dias foi encontrada pela multiplicao do VaR de 1 dia por raiz de 10.
4.3.2. Modelo EQMA
O desvio padro das variaes dirias foi calculado pelo perodo compreendido entre t-1 e
t-250 e estimamos o VaR para 1 dia multiplicando este parmetro por 2,3263, para 99% de
confiana, e 1,6449, para 95% de confiana, conforme a frmula (2). Utilizamos a mesma
frmula para determinar o VaR de 10 dias, multiplicando o VaR dirio por raiz de 10.
4.3.3. Modelo EWMA
Este mtodo permite que os dados mais recentes tenham um peso maior do que os mais
antigos. O fator de decaimento utilizado determina quanto de peso ser dado as observaes
mais recentes e em nosso estudo utilizamos 0,94 como recomendado pelo Riskmetrics. O
modelo expresso como:
(5)
2
1
1
,
) 1 (
j t
L
j
j
E
r
t
h

, sendo:
t
h
E,
= varincia condicional da especificao do EWMA e a projeo da varincia
para o perodo t
L = total de observaes consideradas
r
t-j
= retorno do perodo t-j

Calculamos o logaritmo natural das variaes dirias (D
t
/ D
t-1
) e aplicamos a frmula
acima, utilizando o fator de decaimento 0,94, para encontrarmos a volatilidade diria. O VaR
dirio calculado pela multiplicao por 2,3263 (99% de confiana) e 1,6449 (95% de
confiana), enquanto o VaR de 10 dias calculado pela multiplicao do VaR de 1 dia por
raiz de 10.
4.3.4. Aderncia dos modelos Back Tests
Com os procedimentos acima, obtivemos o VaR para os quatro ativos utilizados, segundo
os trs modelos, com 99% e 95% de confiana, e pelos perodos de 1 e 10 dias, sempre a
partir de 1 ano de dados histricos (250 observaes). Comparamos estes resultados com as

variaes reais do dia seguinte (no caso de VaR dirio) e com as variaes dos prximos 10
dias (no caso de VaR de 10 dias), anotando o nmero de vezes em que este valor foi superior
ao VaR estimado como uma Exceo. Esta metodologia foi realizada para cada dia do perodo
entre 8/05/2000 e 30/04/2004, totalizando 990 janelas-mveis, sendo o nmero de excees
expresso em termos percentuais relativos a este total.

5. ANLISE DOS RESULTADOS
Calculamos mdias, desvios-padro e excees para cada combinao de modelo de VaR,
ativo, nvel de confiana e intervalo de tempo, com a finalidade de compararmos os modelos,
sendo os resultados apresentados nas tabelas 3 e 4. Apresentamos, a seguir, a avaliao dos
modelos.
Tabela 3: Mdias, desvios-padro e excees para o VaR de 1 dia
Nvel de confiana
99% 95%
Ativo VaR Histrico EQMA EWMA Histrico EQMA EWMA
Mdia -4,58% -4,59% -4,38% -3,16% -3,24% -3,12%
Desvio-padro 0,51% 0,41% 0,92% 0,41% 0,29% 0,66% Ibovespa
Excees 1,21% 1,21% 1,62% 5,86% 4,65% 5,45%
Mdia -2,59% -2,32% -2,10% -1,54% -1,64% -1,49%
Desvio-padro 1,12% 0,88% 1,22% 0,49% 0,62% 0,87% Dlar
Excees 1,41% 1,92% 1,41% 5,05% 4,44% 4,65%
Mdia -2,02% -2,02% -1,69% -0,25% -1,43% -1,20%
Desvio-padro 1,69% 0,92% 1,49% 0,14% 0,65% 1,06% Selic
Excees 2,12% 1,41% 2,22% 6,26% 2,12% 2,93%
Mdia -1,71% -1,69% -1,63% -1,07% -1,20% -1,16%
Desvio-padro 0,30% 0,23% 0,42% 0,08% 0,16% 0,30% Carteira
Excees 1,62% 1,41% 1,82% 4,85% 4,24% 5,05%

Tabela 4: Mdias, desvios-padro e excees para o VaR de 10 dias
Nvel de confiana
99% 95%
Ativo VaR Histrico EQMA EWMA Histrico EQMA EWMA
Mdia -14,49% -14,50% -13,18% -10,00% -10,25% -9,52%
Desvio-padro 1,62% 1,30% 2,63% 1,28% 0,92% 1,94% Ibovespa
Excees 1,21% 1,11% 2,22% 4,14% 3,33% 5,25%
Mdia -8,18% -7,34% -6,43% -4,86% -5,19% -4,60%
Desvio-padro 3,53% 2,78% 3,61% 1,55% 1,97% 2,63% Dlar
Excees 0,30% 0,71% 2,12% 4,14% 2,32% 6,67%
Mdia -6,40% -6,40% -5,18% -0,79% -4,52% -3,72%
Desvio-padro 5,35% 2,90% 4,43% 0,44% 2,05% 3,21% Selic
Excees 5,86% 3,33% 7,27% 21,82% 7,37% 11,31%
Mdia -5,41% -5,35% -5,06% -3,39% -3,78% -3,60%
Desvio-padro 0,94% 0,73% 1,28% 0,26% 0,52% 0,92% Carteira
Excees 0,51% 0,30% 0,51% 1,82% 1,31% 2,22%

Verificamos que os VaRs de 1 e 10 dias do Ibovespa so superiores aos dos demais ativos,
em funo da maior variabilidade das aes no perodo (tabela 5). A diferena entre o

Ibovespa e o Dlar, que tambm apresentou VaRs elevados, tende a se acentuar conforme o
VaR calculado para 10 dias. O VaR da carteira tende a ser menor em funo do efeito da
diversificao, e o VaR com o menor nvel de confiana (95%), tambm menor.
Tabela 5: Mdias dos VaRs por ativo
Perodo do VaR
1 dia 10 dias
Nvel de confiana Nvel de confiana
Ativo 99% 95% 99% 95%
Ibovespa -4,52% -3,17% -14,06% -9,92%
Dlar -2,33% -1,56% -7,32% -4,88%
Selic -1,91% -0,96% -5,99% -3,01%
Carteira -1,68% -1,14% -5,27% -3,59%

O modelo EWMA o que apresentou o menor VaR de 1 dia, independendo do intervalo
de confiana. No VaR de 10 dias, o menor valor foi dados pelo VaR histrico, tambm
independentemente do intervalo considerado. Entretanto, em valores absolutos, todos os
modelos apresentam resultados aproximados, exceto o EWMA com 99% de confiana, para
10 dias. O modelo EWMA que apresentou os menores VaRs, implica na menor necessidade
de capital alocado pelos bancos (tabela 6).
Tabela 6: Mdias dos VaRs por modelo
Perodo do VaR
1 dia 10 dias
Nvel de confiana Nvel de confiana
Modelo 99% 95% 99% 95%
Histrico -2,73% -1,50% -8,62% -4,76%
EQMA -2,66% -1,88% -8,40% -5,94%
EWMA -2,45% -1,74% -4,10% -5,36%

Verificamos nos back tests que o modelo EWMA apresentou o maior percentual de
excees seguido pelo modelo histrico (tabela 7). Uma pior aderncia do modelo proposto
pelo banco pode fazer com que o rgo legislador exija um maior mltiplo, ou seja, maior
capital alocado para cobrir perdas. O modelo EQMA foi o que apresentou a melhor
performance com relao aos VaRs de 1 e 10 dias, em relao quantidade de excees
(tabela 7).
Tabela 7: Excees por modelo (total de janelas avaliadas = 990)
Perodo do VaR
1 dia 10 dias
Nvel de confiana Nvel de confiana
Modelo 99% 95% 99% 95%
Histrico 6,36% 22,02% 7,88% 31,92%
EQMA 4,78% 15,45% 5,45% 14,34%
EWMA 7,07% 18,08% 12,12% 25,45%

Calculamos o desvio padro de cada modelo de VaR, para cada ativo (tabelas 3 e 4), e
ento a mdia destes desvios-padro por modelo. Assim, verificamos que, em mdia, o
modelo EQMA foi o que apresentou os VaRs com 99% de confiana mais estveis.
Considerando 95% de confiana, o modelo histrico mais estvel (tabela 8).

Tabela 8: Mdias dos desvios-padro por modelo
Perodo do VaR
1 dia 10 dias
Nvel de confiana Nvel de confiana
Modelo 99% 95% 99% 95%
Histrico 0,90% 0,28% 2,86% 0,88%
EQMA 0,61% 0,43% 1,93% 1,36%
EWMA 1,01% 0,72% 2,99% 2,18%

6. CONCLUSO
Verificamos em nosso estudo que o modelo mais adequado em termos de capital exigido
para cobrir o risco de mercado o EWMA, considerando-se nvel de confiana e 99%, ou o
modelo histrico, dado o nvel de confiana de 95%. Por outro lado, considerando-se o nvel
de confiana de 99%, o modelo que apresenta o menor nmero de excees nos back tests, e
menor desvio mdio, o EQMA. Para o intervalo de confiana de 95% o menor nmero de
excees tambm conseguido pelo EQMA, mas o menor desvio obtido pelo modelo
histrico. Estes resultados nos levam a aceitar o modelo EQMA (No-Paramtrico) como o
modelo mais adequado realidade brasileira, considerando-se os ativos avaliados.
Vale comentar que este resultado no deve ser generalizado para outros ativos que no
foram avaliados neste trabalho. Por outro lado, o modelo de anlise aqui apresentado pode de
maneira bastante simples ser aplicado a qualquer outro ativo do mercado brasileiro ou
internacional, de forma a analisar, em relao a qualquer ativo, qual o modelo de VaR mais
adequado, em termos de risco e comprometimento de capital por parte da Instituio
Financeira.

7. BIBLIOGRAFIA
ARAJO, G. S., MOREIRA, J. M. S.; CLEMENTE, R. S. M. Avaliao de Mtodos de
Clculo de Exigncia de Capital para Risco de Mercado de Carteiras de Aes no Brasil.
Banco Central do Brasil Trabalhos para discusso, Braslia, n. 67, p. 1-65, Fevereiro,
2003.
BASEL COMMITTEE ON BANKING SUPERVISION. Consultative Document, The New
Basel Capital Accord. Basel: [s.n.], April 2003.
DEPEP/RJ. Relatrio sobre Alocao de Capital para Cobertura de Riscos de Mercado. [S.l.,
s.n.], dezembro, 1999.
JORION, P. Value at Risk: A Nova Fonte de Referncia para o Controle de Risco de
Mercado. So Paulo: Bolsa de Mercadorias e Futuros, 1998.
KUPIEC, P. H. Techniques for Verifying the Accuracy of Risk Measurement Models.
Journal of Derivatives, New York, v. 3, n. 2, p. 73-84, Winter 1995.