Técnicas de estresse teste de mercado usando maximum drawdown

Abstract

O principal objetivo dos investidores é obter o maior retorno e lucro possíveis, correndo o menor risco. Por outro lado, os gestores de risco têm como responsabilidade o monitoramento dos riscos a fim de impedir que se corram riscos acima dos limites determinados pelas companhias. Este trabalho busca apresentar uma série de métricas de risco, baseadas em Maximum Drawdown, utilizando simulação histórica ao invés das tradicionais métricas baseadas em retorno. O Maximum Drawdown fornece a informação da maior queda de valor de ativo que um investidor pode sofrer em determinado intervalo de tempo. Essas métricas podem ser utilizadas como teste de estresse em complemento a outras métricas mais tradicionais. Os cálculos das métricas de risco são feitos tanto para ativos individuais, como para portfólios diversificados. As métricas utilizaram simulação histórica com diferentes intervalos de tempo, intervalo de Holding Period e intervalos de confiança. A seguir, foi feito o backtest destas métricas a fim de verificar a aderência das mesmas, mostrando que a métrica de Maximum Drawdown at Risk utilizando GEV foi a métrica que apresentou maiores taxas de aprovação nos diferentes cenários. A principal contribuição desse trabalho está na apresentação de diferentes métricas de risco baseadas em Maximum Drawdown, análise da melhor métrica para cada situação e aplicações das métricas na gestão de risco e em cenários de estresse.

The main objective of investors is to obtain the highest possible return profit, by running the lowest risk. On the other hand, risk managers are responsible for monitoring the risks in order to prevent risks to be above the limits determined by the companies. This paper attempts to present a series of risk metrics based on Maximum Drawdown historical distributions instead of traditional return-based metrics. Maximum Drawdown provides the information of the largest drop in the asset value that an investor can have in a given time interval,since these metrics can be used as stress test metrics in addition to other more traditional metrics. The calculations of the risk metrics are done for both individual assets and for diversified portfolios. The metrics use historical simulation with different time intervals, Holding Period and confidence intervals. The backtest of these metrics is done to verify their adherence, so it shows that the Maximum Drawdown at Risk using GEV metric is the metric that presents the highest approval rates in the different scenarios. The main contribution of this paper is the presentation of different risk metrics based on Maximum Drawdown, analyse of the best metric for each situation and applications of the metrics to risk management and to stress scenarios.