Construindo Portfólios de Paridade de Risco
Quando Usar
- Construir um portfólio multiativos onde cada classe de ativo contribui igualmente para o risco total do portfólio
- Projetar estratégias balanceadas alavancadas (por exemplo, alocações estilo Bridgewater All Weather)
- Rebalancear um book de paridade de risco existente para refletir estimativas de covariância atualizadas
- Comparar pesos de paridade de risco contra benchmarks de capitalização de mercado ou ponderação igual
- Construir uma sobreposição segmentada por volatilidade que escala a exposição bruta para um orçamento de risco constante
Entradas a Coletar
- Universo de ativos: Lista de classes de ativos ou instrumentos (ex.: ações, títulos nominais, TIPS, commodities, ouro) com mapeamento em nível de ticker onde aplicável
- Séries de retorno: Séries temporais de retorno total para cada ativo — mínimo 10 anos mensais, ou 3 anos diários; confirmar frequência e moeda [VERIFY]
- Método de estimação de covariância: Covariância amostral, exponencialmente ponderada (meia-vida), shrinkage (Ledoit-Wolf) ou DCC-GARCH — confirmar preferência do cliente
- Taxa livre de risco: Especificar proxy (T-bill de 3 meses, OIS, SOFR) e se deve subtrair dos retornos antes da otimização [VERIFY]
- Volatilidade alvo do portfólio: Alvo de volatilidade anualizada para o portfólio alavancado (faixa comum: 10–15%)
- Restrições de alavancagem: Exposição bruta máxima, premissa de custo de empréstimo, regras de margem/garantia [VERIFY]
- Frequência de rebalanceamento: Diária, semanal, mensal ou baseada em limiar (ex.: deriva > 10% do peso alvo)
- Janela de observação: Comprimento da janela rolante para estimação de covariância (ex.: 60 dias, 252 dias)
Workflow
-
Calcular a matriz de covariância
- Calcular retornos na frequência escolhida; anualizar se necessário (√252 para diário)
- Aplicar o método de estimação selecionado; se shrinkage, relatar a intensidade do shrinkage
- Validar: verificar se a matriz é semidefinida positiva; sinalizar condições quase-singulares
-
Resolver para pesos de paridade de risco
- Definir o objetivo: a contribuição marginal de risco (MRC) de cada ativo iguala 1/N da volatilidade total do portfólio
- MRC_i = w_i × (Σw)_i / σ_p — iterar até MRC_i ≈ MRC_j para todo i, j
- Usar otimização numérica (ex.: mínimos quadrados sequenciais ou método de Newton no Lagrangiano do orçamento de risco)
- Confirmar que os pesos somam 1,0 (sem alavancagem) ou ao alvo de exposição bruta (alavancado)
-
Aplicar dimensionamento de alavancagem
- Calcular a volatilidade do portfólio sem alavancagem σ_unleved a partir dos pesos de paridade de risco
- Multiplicador de alavancagem = Vol Alvo / σ_unleved
- Pesos ajustados = pesos brutos × multiplicador de alavancagem
- Subtrair o custo de empréstimo do retorno esperado: custo = (exposição bruta − 1) × taxa de financiamento [VERIFY premissa da taxa de financiamento]
-
Backtest e teste de estresse
- Executar backtest com janela rolante ou expansiva; relatar retorno anualizado, vol, Sharpe, drawdown máximo e índice Calmar
- Conduzir cenários de estresse: GFC de 2008, taper tantrum de 2013, COVID de 2020, choque de taxas de 2022 — relatar P&L do portfólio em cada um
- Comparar contra benchmarks 60/40, ponderação igual e vol inverso
-
Análise de sensibilidade
- Variar janela de observação (30d, 60d, 120d, 252d) — mostrar estabilidade de peso e impacto no turnover
- Variar método de covariância — comparar pesos entre amostra, shrinkage e EWMA
- Chocar vols individuais de ativos em ±2σ e matriz de correlação em ±0,10 — relatar mudanças nos pesos e nas contribuições de risco
-
Documentar modelo de alocação
- Tabela de pesos final com detalhamento da contribuição de risco (absoluta e percentual)
- Exposição bruta e líquida, taxa de alavancagem, arrasto estimado do custo de empréstimo
- Especificação da regra de rebalanceamento e turnover anual estimado
- Todas as premissas explicitamente sinalizadas; marcar restrições dependentes de jurisdição com [VERIFY]
Saída
Entregar um pacote estruturado de modelo de paridade de risco contendo:
- Cronograma de pesos: Pesos em nível de ativo, contribuições de risco e multiplicador de alavancagem
- Resumo de covariância: Mapa de calor de correlação, vol anualizada por ativo, decomposição de autovalores
- Relatório de backtest: Curva de equity, Sharpe rolante, gráfico de drawdown, tabela de retornos mensais
- Matriz de teste de estresse: Retornos de cenário para o portfólio versus benchmarks
- Exposições de sensibilidade: Impacto no peso e turnover através de variações de parâmetros
- Memorando de metodologia: Método de estimação, algoritmo de otimização, lógica de rebalanceamento e todos os itens [VERIFY]
Verificações de Qualidade
- Confirmar que a contribuição percentual de risco de cada ativo está dentro de ±0,5% do alvo de 1/N após a convergência da otimização
- Verificar se a volatilidade do portfólio corresponde ao alvo declarado (tolerância: ±25 bps anualizados)
- Verificar se os pesos são não negativos (a menos que a venda a descoberto seja explicitamente permitida) e somam corretamente
- Validar que a matriz de covariância não possui autovalores negativos
- Garantir que o backtest não utiliza informações futuras (sem viés de look-ahead em janelas rolantes)
- Revisar o multiplicador de alavancagem contra restrições de margem e regulatórias [VERIFY regras de margem aplicáveis]
- Confirmar que a premissa de custo de empréstimo reflete as taxas de mercado atuais, e não entradas desatualizadas