Uma estratégia com targeting de volatilidade reduz a posição quando a volatilidade medida aumenta e volta a aumentar a exposição à medida que a volatilidade diminui. Parece simples, até que um choque faz disparar a estimativa. Consoante o estimador e a regra de rebalanceamento, a estratégia pode passar semanas a reduzir a posição após o evento, só voltar a comprar depois da recuperação ou oscilar ruidosamente.
Três erros de implementação causam grande parte destes estragos. Cada um pode fazer uma regra de risco sensata parecer inútil ou brilhante num backtest. A correção começa por decidir o que se pretende controlar com o objetivo e, depois, adequar a estimativa e o calendário de negociação a essa finalidade.
Erro 1: Tratar a última estimativa de volatilidade como uma previsão
Um desvio-padrão móvel resume uma janela escolhida. Não sabe se a próxima sessão será calma ou agitada. Uma janela curta reage rapidamente a um choque, mas pode manter-se elevada enquanto o choque permanece na amostra. Uma janela longa move-se lentamente em ambas as direções.
Considere uma estratégia que visa uma volatilidade anualizada de 10% com uma estimativa de 20 dias. Se a estimativa passar de 10% para 25%, uma regra simples de volatilidade inversa reduz a exposição para 40% do nível anterior. Quando o choque sai da janela, a estimativa pode cair bruscamente e a exposição volta a aumentar. A trajetória resultante depende tanto da janela, da série de retornos e do calendário de rebalanceamento como do objetivo anunciado.
Os estragos surgem muitas vezes como uma posição que vende após uma queda e repõe o risco depois da recuperação dos preços. Isso não prova que a regra esteja errada: limitar o risco durante um período turbulento pode ser precisamente o seu objetivo. Mas um backtest que apresenta apenas a volatilidade realizada pode ocultar o custo em rotatividade e participação tardia no mercado.
Teste várias janelas no mesmo período e analise a trajetória da exposição em torno dos choques. Um modelo de previsão pode justificar-se se melhorar as decisões fora da amostra, mas uma estimativa mais sofisticada não merece confiança só por suavizar a linha.
Erro 2: Limitar o tamanho da posição e dar o objetivo por cumprido
O targeting de volatilidade é normalmente implementado como um multiplicador. De forma simplificada, divide-se a volatilidade pretendida pela volatilidade estimada e aplica-se o resultado à posição base da estratégia. Nos mercados alavancados, o multiplicador pode tornar-se elevado quando a estimativa é baixa. Os programadores costumam impor-lhe um limite máximo, o que é prudente num backtest, mas esse limite altera a regra.
Suponha que o objetivo é 12%, a volatilidade estimada é 4% e a posição base é 1.0. O multiplicador bruto é 3.0. Com um limite máximo de 1.5, não é possível atingir a exposição pretendida pela estratégia. Em contrapartida, quando a volatilidade estimada sobe para 30%, o multiplicador bruto desce para 0.4. Um limite mínimo de exposição de 0.5 significa que a estratégia mantém mais exposição do que a fórmula do objetivo indica.
| Regra | O que evita | O que altera |
|---|---|---|
| Limite máximo de exposição | Alavancagem extrema quando a volatilidade estimada é muito baixa | Mantém a estratégia abaixo do objetivo em períodos calmos |
| Limite mínimo de exposição | Reduzir a posição até zero | Mantém mais risco durante períodos voláteis |
| Limite mínimo de volatilidade | Dividir por uma estimativa próxima de zero | Define um limite mínimo para o denominador |
São três controlos diferentes. Especifique-os separadamente na descrição da estratégia e indique a frequência com que cada um é ativado. Se um limite máximo estiver ativo durante metade da amostra, uma volatilidade realizada abaixo do objetivo pode ser simplesmente o resultado esperado.
Erro 3: Reequilibrar continuamente no modelo e de forma discreta na conta
Um backtest pode recalcular a exposição em cada barra, enquanto a negociação em simulação verifica a posição uma vez por dia. Mesmo que ambos usem a mesma fórmula, são estratégias diferentes. Um rebalanceamento frequente reage mais depressa, mas pode transformar o ruído da estimativa em ordens. Nos futuros, a rotatividade implica comissões e potencial exposição ao financiamento; nas ações, implica comissões, spread e impacto no mercado. Pequenos ajustes podem sair caros quando atravessam repetidamente o spread.
Considere uma carteira de 100,000 dólares com uma posição pretendida de 50,000 dólares. Se a volatilidade estimada fizer o objetivo passar para 47,000 dólares e depois para 49,000 dólares na sessão seguinte, uma regra diária negoceia 5,000 dólares em dois dias. Uma regra semanal pode negociar apenas uma vez, consoante a data de observação. Nenhum dos calendários é automaticamente superior. O backtest tem de modelar o calendário que a estratégia em simulação consegue realmente seguir.
Uma alternativa prática é uma banda de rebalanceamento: só negociar quando a exposição atual diferir do objetivo por mais do que um limiar definido. Isso pode reduzir a rotatividade, mas também permite que o risco se afaste do objetivo. Apresente em conjunto a banda, a rotatividade resultante e a volatilidade realizada; não mostre o objetivo como se a banda não tivesse efeito.
O que deve reportar um backtest com targeting de volatilidade?
Mantenha a regra suficientemente clara para que alguém consiga explicar uma alteração de posição a partir dos dados de entrada. No mínimo, guarde a estimativa, o multiplicador bruto, o multiplicador aplicado, o estado do limite máximo ou mínimo, a exposição pretendida, a exposição efetiva e a decisão de rebalanceamento em cada atualização. Depois, compare as variantes com os mesmos dados, custos e pressupostos de execução.
E analise com atenção as semanas mais difíceis. A estratégia reduziu o risco antes das perdas ou depois? Repôs a exposição antes da recuperação ou depois? As respostas não determinarão se a regra de risco vale a pena. Mostrar-lhe-ão que regra testou realmente.
← Todos os artigos
