Como enfrentar as turbulĂȘncias do mercado com a PORT

Este artigo foi escrito por Antonios Lazanas, diretor de pesquisa quantitativa de portfĂłlio, Ă­ndices e sustentabilidade, e Changxiu “Sue” Li, gerente de produto do setor de analytics de portfĂłlio de renda fixa da Bloomberg.

A incerteza sobre a polĂ­tica comercial dos EUA vem causando grande  turbulĂȘncia nos mercados financeiros de todo o mundo. Este artigo tem como objetivo revisar a recente performance dos mercados de renda fixa e açÔes e oferecer sugestĂ”es sobre como utilizar as ferramentas de modelagem de portfĂłlio PORT para posicionar portfĂłlios diante de uma potencial recessĂŁo. As ferramentas PORT utilizadas neste estudo incluem MSR (relatĂłrio de estrutura de mercado), MAC HPA (atribuição de desempenho), MAC3 GRM (modelo de risco) e anĂĄlise FBS (cenĂĄrio baseado em fatores).

Antes de nos aprofundarmos nas questĂ”es de desempenho, analytics, previsĂ”es de risco e anĂĄlise de cenĂĄrios, vamos recapitular o que vem acontecendo nas Ășltimas semanas. Em 2 de abril, o governo dos Estados Unidos anunciou sua nova polĂ­tica de tarifas recĂ­procas, que aumentou substancialmente a tributação imposta sobre os bens importados para os EUA. A nova polĂ­tica motivou a imposição de taxas recĂ­procas pelos parceiros comerciais do paĂ­s, desencadeando um movimento de venda generalizada no mercado global de açÔes de 3 a 8 de abril. Em 9 de abril, o governo dos EUA anunciou uma suspensĂŁo de tarifas por 90 dias para a maioria de seus parceiros comerciais. Tal anĂșncio desencadeou uma expressiva valorização no mercado acionĂĄrio norte-americano, e os tĂ­tulos registraram o maior ganho percentual diĂĄrio desde 2009. Os tĂ­tulos do Tesouro dos EUA haviam se recuperado inicialmente em 3 e 4 de abril, apĂłs o colapso inicial do mercado de açÔes, mas, diante da expectativa de possĂ­veis alienaçÔes de tĂ­tulos da dĂ­vida pĂșblica norte-americana de longo prazo por bancos centrais estrangeiros, esses tĂ­tulos despencaram, com os rendimentos de longo prazo subindo mais de 50 pontos-base de 7 a 11 de abril. Ambos os mercados de açÔes e renda fixa se estabilizaram e reverteram essa tendĂȘncia posteriormente.

Agende uma demo.

Desempenho dos principais Ă­ndices

A Figura 1 mostra o desempenho diårio dos principais índices globais de açÔes. A venda generalizada no mercado de açÔes começou em 3 de abril com o índice B500 (que espelha de perto o desempenho do índice SPX), seguida por uma reversão do mercado em 9 de abril. Para colocar isso em contexto, o retorno diårio de -4,83% do B500 em 3 de abril representa um evento de 5,3 desvios-padrão, com base na previsão de risco ex-ante do modelo MAC3 diårio.

Do lado da renda fixa, os Ă­ndices de alto rendimento e de mercados emergentes espelharam os mercados de açÔes, enquanto Ă­ndices de maior qualidade eram impulsionados principalmente por taxas de juros. Mais especificamente, o Ă­ndice de high yield dos EUA recuou 0,94% em 3 de abril — um valor inferior ao observado nos mercados acionĂĄrios, mas que ainda representa um evento de 5 desvios-padrĂŁo, segundo a previsĂŁo de risco do modelo MAC3 diĂĄrio. Os Ă­ndices US Treasury, US MBS e US Investment Grade Credit apresentaram ganhos em 3 e 4 de abril, mas registraram grandes perdas nos dias subsequentes, quando as taxas de juros aumentaram fortemente. A variação de 51 pb na taxa de 10 anos entre 7 e 11 de abril representa um movimento de 3,5 desvios-padrĂŁo, de acordo com a previsĂŁo de risco ex-ante do modelo MAC3 semanal.

Utilizando o perfil de duração por taxa-chave de cada Ă­ndice de renda fixa, podemos isolar o impacto dos movimentos nas taxas de juros (“retorno da curva”) e estimar o excesso do retorno das taxas de juros (“retorno em excesso”) como a diferença entre o retorno total e o retorno da curva. Ambos os Ă­ndices US High Yield e Emerging Markets USD evidenciaram retornos em excesso negativos relativamente grandes, em conjunto com o colapso do mercado de açÔes em 3 e 4 de abril, ultrapassando o retorno da curva positiva (Figura 3).

Entre 2 e 8 de abril, o spread dos títulos do Tesouro no índice de high yield dos EUA aumentou em 120 bps, configurando um evento de 6,4 desvios-padrão, conforme a projeção de risco ex-ante do modelo MAC3 semanal. De forma correspondente, o spread do índice Emerging Markets USD se ampliou em 40 pontos-base (equivalente a 6 desvios-padrão), enquanto o do índice US Investment Grade Credit aumentou em 20 pontos-base (4 desvios-padrão), conforme ilustrado na Figura 4. O spread do índice US MBS não foi significativamente  afetado.

Correlação dos principais fatores MAC3 GRM

No passado, durante eventos de aversĂŁo ao risco, as correlaçÔes entre ativos de risco aumentaram significativamente, enquanto as correlaçÔes entre ativos de risco e ativos de refĂșgio se tornaram fortemente negativas. TambĂ©m se observa esse padrĂŁo em correlaçÔes de fatores de risco. Por exemplo, as correlaçÔes entre o fator mercado de açÔes e fatores de spread de crĂ©dito subiram fortemente, enquanto as correlaçÔes desses fatores em relação aos fatores de taxa de juros se tornaram significativamente mais negativas.

Na Figura 5, apresentamos a evolução da correlação entre o fator US Equity Market e o fator US High Yield Core Spread, conforme estimado pelo modelo de risco MAC3 para trĂȘs horizontes diferentes: diĂĄrio, semanal e mensal. É interessante observar que a correlação prevista pelo modelo diĂĄrio começou a partir de um nĂ­vel muito mais baixo em relação aos outros dois modelos, cerca de 0,5 para diĂĄrio versus 0,75 para mensal, mas subiu para 0,6 no final de março. Na primeira semana de abril, todos os trĂȘs modelos responderam em sincronia, elevando suas estimativas de correlação para cerca de 0,8, um nĂ­vel consistente com episĂłdios anteriores de aversĂŁo ao risco. É digno de nota que todos os trĂȘs modelos responderam simultaneamente, embora com diferentes amplitudes (ao contrĂĄrio de modelos de risco tradicionais, que utilizam janelas retrospectivas simples), como resultado dos algoritmos avançados do modelo MAC3.

Na Figura 6, observa-se a correlação entre o fator US High Yield Core Spread e o fator US Yield Curve Core para os mesmos trĂȘs horizontes de modelo. Chama a atenção que, apĂłs o movimento inicial de flight-to-quality (busca por ativos de mais segurança), que levou a correlaçÔes mais negativas, os trĂȘs modelos apresentaram rĂĄpida reversĂŁo, com as estimativas de correlação ficando menos negativas que nos nĂ­veis prĂ©-crise, sugerindo apreensĂŁo quanto aos tĂ­tulos dos EUA.

PrevisĂŁo de risco dos principais Ă­ndices

O modelo MAC3 oferece estimativas de risco em seis horizontes: diårio, semanal, mensal, trimestral, anual e longo prazo. A Figura 7 ilustra as mudanças nas estimativas de risco para os principais índices em diferentes horizontes. O modelo diårio projeta um risco mais alto em todos os índices, com a estimativa para índices de açÔes mais do que dobrando entre 2 e 10 de abril. Em contraste, os aumentos de risco previstos pelo modelo anual são mais atenuados.

CenĂĄrio de fatores – visĂŁo macroeconĂŽmica

Em perĂ­odos de incerteza de mercado, a anĂĄlise de cenĂĄrios macroeconĂŽmicos Ă© uma ferramenta Ăștil de gestĂŁo de risco para avaliar o desempenho dos portfĂłlios em contextos alternativos ao cenĂĄrio econĂŽmico atual, que alimenta modelos de risco. Os cenĂĄrios macroeconĂŽmicos sĂŁo convertidos em cenĂĄrios de fatores de base do MAC3, que sĂŁo entĂŁo utilizados para estimar a performance do portfĂłlio pela ferramenta de cenĂĄrios de fatores, funcionalidade que serĂĄ incorporada ao modelo de risco MAC3. A conversĂŁo utiliza o Bloomberg Macro Economic Model (SHOK), um modelo de equilĂ­brio geral semi-estrutural. O SHOK identifica nove impulsionadores macroeconĂŽmicos que explicam as mudanças no PIB e na inflação e determinam a evolução dos fatores de mercado PORT.

A seguir, aplicamos essa metodologia para criar um cenĂĄrio que representa o impacto da incerteza financeira sobre os retornos de portfĂłlio. O modelo SHOK identifica a incerteza como um fator macroeconĂŽmico fundamental. Calibramos o SHOK para o fator de incerteza causar uma queda de 1% nas expectativas de crescimento do PIB em um ano.

Sob esse cenĂĄrio, que corresponde a um aumento no VIX de cerca de 40%, o modelo SHOK prevĂȘ um aumento de 9,8% no preço do petrĂłleo, uma queda de 9,0% nas açÔes dos EUA, uma queda de 12,2% de açÔes em euros, um aumento de 17,2% nos spreads de alto rendimento e uma queda de 46 pb nas taxas de juros dos EUA. Utilizando esses valores como entrada, construĂ­mos um cenĂĄrio baseado em fatores no modelo MAC3 (Figura 8) e o aplicamos para estimar o retorno dos principais Ă­ndices em 2 de abril de 2025.

A Figura 9 ilustra os retornos de cenårio de dez principais índices, compararando-os com os retornos cumulativos realizados ao longo de dois dias, 3 e 4 de abril. Os retornos de cenårio estão alinhados com os retornos reais dos principais índices, indicando que o declínio de 1% no PIB foi consistente com a reação inicial do mercado.

Processo de QA MAC3 durante turbulĂȘncias do mercado

Nas Ășltimas semanas, nosso sistema de validação de modelo MAC3 (MVAL) respondeu prontamente aos movimentos significativos do mercado, identificando vĂĄrias exceçÔes a serem investigadas. Quando os spreads de HY saltaram mais de 50 pb em 3 de abril, a volatilidade de vĂĄrios fatores de spread de HY em dĂłlares americanos aumentou acentuadamente em vĂĄrios setores. À medida que a turbulĂȘncia se espalhou para outros mercados globais, a MVAL reportou movimentos significativos nos fatores (mais de 5 desvios-padrĂŁo) em mais modelos, incluindo crĂ©ditos em AUD, JPY e EUR. Posteriormente, Ă  medida que as taxas de longo prazo dos EUA aumentaram e o spread entre os tĂ­tulos de 10 e 2 anos atingiu seu nĂ­vel mais alto desde março de 2022, o MVAL indicou rompimentos de limite nos fatores de nĂ­vel e inclinação da curva de juros para vĂĄrias das principais moedas. ApĂłs cada quebra de limite do MVAL, as entradas e saĂ­das do modelo sĂŁo revisadas e validadas em relação aos movimentos reais do mercado. Enquanto isso, grandes fatores de discrepĂąncia sĂŁo tratados usando a metodologia de winsorização MAC3, aprimorando a consistĂȘncia do modelo contra tais perturbaçÔes e assegurando a alta qualidade das estimativas de risco exigidas pelos participantes do mercado durante perĂ­odos de turbulĂȘncia.

Agende uma demo.