O Que É o VaR — A Definição Simples

O VaR responde a uma pergunta precisa: «Dada uma carteira específica, qual é a perda máxima que posso esperar num horizonte temporal definido, com um nível de confiança definido?» Por exemplo: «O VaR diário da minha carteira, com 95% de confiança, é de 10.000 euros.» Isto significa que, em 95% dos dias, as perdas não excederão 10.000 euros. Nos restantes 5% — aproximadamente um dia de trading por mês — as perdas podem ser superiores. E nada nos diz quão superiores.

É crucial entender o que o VaR diz e o que não diz. Diz que, na vasta maioria dos dias, a perda máxima está contida dentro de um limite calculável. Não diz o que acontece quando esse limite é ultrapassado. É como um termómetro que mede temperaturas até 40°C: útil em dias normais, inútil quando a febre excede o limite da escala — que é precisamente quando mais se precisa dele.

Os parâmetros do VaR são dois: o horizonte temporal e o nível de confiança. Os bancos tipicamente calculam o VaR diário a 99% de confiança (para fins regulatórios) ou o VaR de 10 dias a 99% (para requisitos de capital sob os acordos de Basileia). Os gestores de fundos usam frequentemente VaR mensal a 95% ou 99%. A escolha dos parâmetros afecta dramaticamente o resultado: o VaR diário a 95% de uma carteira será muito menor que o VaR mensal a 99% da mesma carteira.

Os Três Métodos de Cálculo

Existem três abordagens fundamentais para calcular o VaR, cada uma com vantagens e limitações distintas.

O VaR histórico é o mais intuitivo. Pega nos retornos diários dos últimos N dias (tipicamente 250-500 dias), ordena-os do pior ao melhor, e identifica o percentil correspondente ao nível de confiança. Para um VaR a 95% com 500 dias de dados, seria o 25.º pior dia. É simples, não requer suposições sobre a distribuição dos retornos, e captura automaticamente a volatilidade e as correlações históricas. A desvantagem: assume implicitamente que o futuro se parecerá com o passado recente. Se os últimos 500 dias foram excepcionalmente calmos, o VaR histórico será enganadoramente baixo.

O VaR paramétrico (ou variância-covariância) assume que os retornos seguem uma distribuição normal. Calcula a média e o desvio-padrão dos retornos, e usa as propriedades da curva de Gauss para determinar o VaR. Para um nível de confiança de 95%, o VaR é aproximadamente 1,65 desvios-padrão abaixo da média. Para 99%, é 2,33 desvios-padrão. É rápido de calcular e fácil de comunicar. A desvantagem: os retornos financeiros NÃO seguem uma distribuição normal. Têm caudas pesadas — eventos extremos ocorrem com uma frequência muito superior à prevista pela curva de Gauss. Isto significa que o VaR paramétrico subestima sistematicamente o risco de eventos extremos.

O VaR por simulação Monte Carlo é o mais sofisticado. Gera milhares (ou milhões) de cenários aleatórios para os factores de risco da carteira, calcula o valor da carteira em cada cenário, e extrai o percentil correspondente ao nível de confiança. Permite modelar distribuições não-normais, correlações dinâmicas, e estruturas de risco complexas. A desvantagem: requer poder computacional significativo, é sensível aos pressupostos do modelo de simulação, e a sua complexidade pode criar uma falsa sensação de precisão — o resultado é apenas tão bom quanto o modelo que o gera.

VaR na Prática — Um Exemplo Concreto

Consideremos uma carteira portuguesa simples: 60% no PSI-20 e 40% em obrigações do Estado português a 10 anos. Nos últimos 5 anos, o desvio-padrão diário da carteira (ponderado pelas correlações entre as duas componentes) é de, digamos, 0,8%. O VaR diário a 95%, pelo método paramétrico, seria aproximadamente 0,8% × 1,65 = 1,32% da carteira.

Numa carteira de 100.000 euros, isto significa que o VaR diário a 95% é de 1.320 euros. Em 95% dos dias, o investidor não perderá mais do que 1.320 euros. Em termos anualizados (multiplicando pelo raiz quadrada de 252 dias de trading), o VaR anual a 95% seria aproximadamente 21.000 euros, ou 21% da carteira.

Este número parece tranquilizador — até considerarmos os 5% de dias que ficam fora do intervalo. Se há 252 dias de trading por ano, 5% são aproximadamente 13 dias. Em 13 dias por ano, a perda excederá 1.320 euros. Mas por quanto? O VaR não responde. Pode ser 1.500 euros. Pode ser 5.000 euros. Pode ser 20.000 euros. O VaR diz-nos onde está a fronteira da normalidade — mas é além dessa fronteira que as crises acontecem.

A Lição do LTCM — O VaR que Não Protegeu

A história mais dramática sobre as limitações do VaR é a do Long-Term Capital Management — o LTCM. Este fundo, fundado em 1994 por John Meriwether (ex-vice-presidente da Salomon Brothers) e com dois prémios Nobel de economia no conselho (Myron Scholes e Robert Merton), era considerado o fundo de investimento mais sofisticado do mundo.

O LTCM utilizava modelos de VaR de ponta. Os seus quants calculavam diariamente o risco da carteira e mantinham-no dentro de limites que pareciam prudentes. O problema é que o VaR dizia ao LTCM que a probabilidade de perder mais de X num dia era de apenas 1%. O que o VaR não dizia era que, quando essa probabilidade se materializava, as perdas podiam ser catastróficas — porque o fundo operava com uma alavancagem de 25 para 1.

Em Agosto de 1998, a Rússia entrou em default. Os mercados reagiram com uma violência que nenhum modelo de VaR previa — não porque o modelo estivesse mal programado, mas porque os pressupostos subjacentes eram inadequados. As correlações entre activos, que o modelo assumia estáveis, mudaram dramaticamente. Activos que nunca se tinham movido na mesma direcção começaram a cair simultaneamente. A liquidez, que o modelo assumia permanente, evaporou-se. O LTCM perdeu 4,6 mil milhões de dólares em questão de semanas — e a sua falência ameaçou derrubar todo o sistema financeiro global, obrigando a Reserva Federal a coordenar um resgate de emergência.

A lição do LTCM não é que o VaR é inútil — é que o VaR é perigosamente incompleto. Mede o risco em condições normais, mas as crises acontecem precisamente quando as condições deixam de ser normais. E é nesse momento — quando os modelos falham, as correlações mudam e a liquidez desaparece — que o risco verdadeiro se materializa.

Tail Risk — O Que o VaR Não Vê

O VaR, por definição, ignora o tail risk — o risco das caudas da distribuição, os eventos extremos que ocorrem com probabilidade baixa mas impacto catastrófico. Nassim Taleb, no seu livro «O Cisne Negro», critica o VaR exactamente por esta limitação: «Diz-nos tudo sobre o que acontece na maioria do tempo e nada sobre o que acontece quando importa.»

Para colmatar esta lacuna, foram desenvolvidas medidas complementares. O Expected Shortfall (ES), também chamado Conditional VaR (CVaR), não pergunta «qual é a perda máxima com 95% de confiança?» mas sim «dado que estamos nos piores 5% dos cenários, qual é a perda média?» O ES é sempre superior ao VaR e captura, pelo menos parcialmente, a severidade dos eventos extremos. Os reguladores financeiros (nomeadamente nos acordos de Basileia III) estão gradualmente a migrar do VaR para o ES como medida de referência.

Mas mesmo o ES tem limitações: continua a depender de dados históricos ou de modelos que podem não capturar eventos verdadeiramente sem precedentes. O 11 de Setembro não estava em nenhum modelo. O colapso do Lehman Brothers não estava em nenhum modelo. A pandemia de COVID-19 não estava em nenhum modelo. Os cisnes negros são, por definição, eventos para os quais os modelos estatísticos não estão preparados.

O VaR para o Investidor Individual

Apesar das suas limitações, o VaR é uma ferramenta útil para o investidor individual — desde que seja usado como ponto de partida, não como resposta final. O exercício de calcular (mesmo que de forma simplificada) a perda máxima provável da carteira num mês mau é instrutivo: obriga o investidor a confrontar-se com a realidade numérica do risco, em vez de o manter como conceito abstracto.

Se a carteira tem um VaR mensal a 95% de 15.000 euros, a pergunta que se impõe é: «Consigo dormir sabendo que, num mês de cada vinte, vou perder mais de 15.000 euros?» Se a resposta é não, a carteira é demasiado arriscada — independentemente do retorno esperado. O VaR, neste contexto, funciona como teste de tolerância: não é uma previsão precisa do futuro, mas uma âncora que liga o risco abstracto à dor concreta.

E depois de calcular o VaR, multiplicá-lo por dois ou três para ter uma ideia do que pode acontecer nos dias verdadeiramente maus — os dias que o VaR, por definição, não cobre. Se o VaR diz 15.000, planear para cenários de 30.000 ou 45.000 de perda. É conservador? Sim. É paranóico? Talvez. Mas é melhor do que descobrir, no meio de uma crise, que o modelo subestimou o risco por uma ordem de magnitude — como o LTCM descobriu, como os bancos descobriram em 2008, e como incontáveis investidores continuarão a descobrir enquanto confiarem cegamente num número que, pela sua própria construção, ignora exactamente os cenários que mais importam.