Machine Translated by Google

Machine Translated by Google

Volatilidade
Negociação

EUAN SINCLAIR

John Wiley & Filhos, Inc.

Machine Translated by Google
Machine Translated by Google

Volatilidade
Negociação
Machine Translated by Google

Fundada em 1807, a John Wiley & Sons é a editora independente mais antiga dos Estados
Unidos. Com escritórios na América do Norte, Europa,
Na Austrália e na Ásia, a Wiley está globalmente comprometida em desenvolver e comercializar
produtos e serviços impressos e eletrônicos para o conhecimento e compreensão profissional
e pessoal de nossos clientes.
A série Wiley Trading apresenta livros de traders que sobreviveram
temperamento em constante mudança do mercado e prosperaram - alguns por
reinventando sistemas, outros voltando ao básico. Seja um novato
comerciante, profissional ou algo intermediário, esses livros fornecerão
os conselhos e estratégias necessários para prosperar hoje e no futuro.
Para obter uma lista dos títulos disponíveis, visite nosso site em www.WileyFinance.com.
Machine Translated by Google

Volatilidade
Negociação

EUAN SINCLAIR

John Wiley & Filhos, Inc.

Machine Translated by Google

Copyright C 2008 por Euan Sinclair. Todos os direitos reservados.

Publicado por John Wiley & Sons, Inc., Hoboken, Nova Jersey.
Publicado simultaneamente no Canadá.

Nenhuma parte desta publicação pode ser reproduzida, armazenada em um sistema de recuperação ou transmitida de
qualquer forma ou por qualquer meio, eletrônico, mecânico, fotocópia, gravação, digitalização ou outro, exceto conforme
permitido pela Seção 107 ou 108 do Lei de Direitos Autorais dos Estados Unidos de 1976, sem a permissão prévia por
escrito do Editor ou autorização por meio do pagamento da taxa apropriada por cópia ao Copyright Clearance Center, Inc.,
222 Rosewood Drive, Danvers, MA 01923, (978) 750- 8400, fax (978) 750-4470 ou na web em www.copyright.com.

As solicitações de permissão ao Editor devem ser endereçadas ao Departamento de Permissões, John Wiley & Sons,
Inc., 111 River Street, Hoboken, NJ 07030, (201) 748-6011, fax (201) 748-6008, ou online em http ://www.wiley.com/go/
permissions.

Limite de responsabilidade/isenção de garantia: Embora o editor e o autor tenham envidado seus melhores esforços na
preparação deste livro, eles não fazem representações ou garantias com relação à exatidão ou integridade do conteúdo
deste livro e especificamente renunciam a quaisquer garantias implícitas de comercialização. ou aptidão para um propósito
específico. Nenhuma garantia pode ser criada ou estendida por representantes de vendas ou materiais de vendas escritos.
Os conselhos e estratégias aqui contidos podem não ser adequados à sua situação. Você deve consultar um profissional
quando apropriado. Nem o editor nem o autor serão responsáveis por qualquer perda de lucro ou quaisquer outros danos
comerciais, incluindo, entre outros, danos especiais, incidentais, consequenciais ou outros.

As designações utilizadas pelas empresas para distinguir os seus produtos são frequentemente reivindicadas como marcas comerciais.
Em todos os casos em que a John Wiley & Sons, Inc. tem conhecimento de uma reclamação, os nomes dos produtos
aparecem em letras maiúsculas ou em letras maiúsculas. Os leitores, entretanto, deverão entrar em contato com as
empresas apropriadas para obter informações mais completas sobre marcas e registros.

Para obter informações gerais sobre nossos outros produtos e serviços ou para suporte técnico, entre em contato com
nosso Departamento de Atendimento ao Cliente nos Estados Unidos pelo telefone (800) 762-2974, fora dos Estados
Unidos pelo telefone (317) 572-3993 ou fax (317) 572- 4002.

A Wiley também publica seus livros em diversos formatos eletrônicos. Parte do conteúdo impresso pode não estar
disponível em livros eletrônicos. Para obter mais informações sobre os produtos Wiley, visite nosso site em www.wiley.com.

Dados de catalogação na publicação da Biblioteca do Congresso:

Sinclair, Euan, 1969–

Negociação de volatilidade + CD-ROM / Euan Sinclair.
pág. cm. – (série de negociação Wiley)
Inclui referências bibliográficas e índice.
ISBN 978-0-470-18199-7 (pano/cd-rom)
1. Opções (Finanças) 2. Cobertura (Finanças) 3. Futuros. 4. Futuros financeiros.
I. Título. II. Título: Negociação de volatilidade.
HG6024.A3S5623 2008

332,64 5–dc22
2007052403

Impresso nos Estados Unidos da América.

10 9 8 7 6 5 4 3 2 1
Machine Translated by Google

Para Ann—
Às vezes, um trader ganha muito mais do que merece.
Machine Translated by Google
Machine Translated by Google

Conteúdo

Introdução 1

O Processo de Negociação 3

CAPÍTULO 1 Preço de opções 7

O modelo Black-Scholes-Merton 7
Resumo 14

CAPÍTULO 2 Medição e previsão de volatilidade 15

Definindo e Medindo a Volatilidade 15

Definição de Volatilidade 16
Estimadores de volatilidade alternativos 22
Estimador de perto para fechar 26
Estimador de Parkinson 26
Estimador de classe Garman 27

Estimador Rogers-Satchell 27

Estimador Yang-Zhang 27

Usando dados de frequência mais alta 27

Previsão de volatilidade 31
Estimativa de Máxima Verossimilhança 36

Previsão da distribuição de volatilidade 39

Resumo 43

CAPÍTULO 3 Dinâmica de Volatilidade Implícita 45

Dinâmica do nível de volatilidade 48

Definição Informal 50
Definição mais formal 50
Uma definição dos comerciantes 50

vii
Machine Translated by Google

viii CONTEÚDO

Dinâmica do Sorriso 54
Resumo 62

CAPÍTULO 4 Cobertura 63

Métodos de hedge ad hoc 65

Cobertura em intervalos regulares 65

Cobertura para uma Banda Delta 65

Cobertura com base em alterações de preços subjacentes 65

Métodos baseados em utilitários 66

A solução assintótica de Whalley e Wilmott 71

O Método Duplo Assintótico de Zakamouline 74

Estimativa de custos de transação 78

Agregação de Opções sobre Diferentes Subjacentes 83
Resumo 85

CAPÍTULO 5 Posições de opções cobertas 87

Cobertura Discreta e Dependência de Caminho 87

Dependência de Volatilidade 93
Resumo 99

CAPÍTULO 6 Gestão de dinheiro 101

Esquemas Ad Hoc 101

O critério de Kelly 103
Alternativas ao critério de Kelly 113
Dimensionamento comercial em um ambiente em constante mudança 118
Uma aproximação simples 124

Resumo 126

CAPÍTULO 7 Avaliação Comercial 127

Procedimentos Gerais de Planejamento 128

Medidas de desempenho ajustadas ao risco 134
A proporção de Sharpe 135

Alternativas ao índice de Sharpe 137

Estabelecendo metas 140

Machine Translated by Google

Conteúdo ix

Persistência de Desempenho 142

Persistência Relativa 143
Persistência Absoluta 144
Resumo 147

CAPÍTULO 8 Psicologia 149

Viés de autoatribuição 151

Excesso de confiança 152

A heurística da disponibilidade 155

Pensamento de curto prazo 156

Aversão à Perda 157

Conservadorismo e Representatividade 158

Viés de confirmação 160

Viés retrospectivo 161

Ancoragem e Ajuste 162

Resumo 162

CAPÍTULO 9 Ciclo de vida de uma negociação 165

Análise pré-negociação 165

25 de junho de 2007 165
26 de junho de 2007 169
27 de junho de 2007 169
28 de junho de 2007 170
29 de junho de 2007 170
2 de julho de 2007 170
3 de julho de 2007 170
Análise Pós-Negociação 171

Resumo 173

CAPÍTULO 10 Conclusão 175

Capacidade de Execução 176

Concentração 177
Seleção de Produtos 177

Apêndice A: Variância Implícita Livre de Modelo

e Volatilidade 179

O Índice VIX 180

Machine Translated by Google

x CONTEÚDO

Apêndice B: Instruções da planilha 183

GARCH 183
Cones de volatilidade e cones de inclinação e curtose 184
Simulação diária de cobertura de opções 184
Avaliação Comercial 185
Metas de negociação 185
Curva de inclinação Corrado-Su 185
Simulador de Reversão à Média 186

Recursos 187

Livros Essenciais 187

Livros instigantes 189
Sites úteis 190

Referências 193

Sobre o CD ROM 201

Índice 203
Machine Translated by Google

Introdução

seu livro é sobre volatilidade comercial. Mais especificamente, trata-se de usar

T opções para fazer negociações que dependem principalmente da gama de

o instrumento subjacente e não a sua direção.
Antes de discutir aspectos técnicos, quero dar uma breve descrição da minha filosofia de
negociação. Na negociação, como na maioria das coisas, é necessário ter princípios orientadores
gerais para ter sucesso. Nem todos precisam concordar com a filosofia específica, mas a sua
existência é essencial. Por exemplo, é possível ser um investidor de sucesso no mercado de ações
concentrando-se em investimentos de estilo de valor, comprando ações com baixos índices de
preço/lucro ou preço/valor contábil. Também é possível ser um investidor em crescimento bem-
sucedido, comprando ações de empresas que apresentam lucros em rápida expansão. Não é
possível ter sucesso de forma consistente adquirindo ações aleatoriamente e esperando que as
coisas dêem certo.

Eu sou um comerciante. Não sou matemático, engenheiro financeiro ou filósofo. Meu sucesso
é medido em lucros. As ferramentas que uso e desenvolvo só precisam ser úteis. Eles não precisam
ser consistentes, comprováveis, profundos ou mesmo verdadeiros. Minha abordagem de negociação
é matemática, mas não estou mais interessado em matemática do que um mecânico está
interessado em suas ferramentas. No entanto, é necessário um certo nível de conhecimento,
familiaridade e até mesmo respeito para tirar o máximo proveito dessas ferramentas.

Não haverá nenhuma tentativa aqui de fornecer uma lista de regras de negociação.
Lamentamos, mas os mercados evoluem constantemente e as regras tornam-se rapidamente
obsoletas. O que não se tornará obsoleto são os princípios gerais. Isso é o que tentarei fornecer.
Esta abordagem não é tão fácil de digerir como uma lista de regras mágicas, mas também não
afirmo que os mercados sejam fáceis de vencer. As especificidades de qualquer comércio serão
sempre diferentes, mas as orientações gerais podem sempre apontar-nos na direção certa. É
desejável alguma latitude na estratégia e a adaptabilidade é essencial, mas há também uma série
de coisas que têm de estar firmemente implementadas para se ter sucesso. Picasso e Braque
podem ter quebrado muitas regras, mas certamente poderiam pintar muito bem tecnicamente antes
de fazê-lo. Antes de começar a ajustar, certifique-se de ter uma boa noção do

1
Machine Translated by Google

2 NEGOCIAÇÃO DE VOLATILIDADE

aspectos fundamentais nos quais todas as negociações precisam se basear: margem, variância
e tamanho apropriado.
Certos traders da velha escola usaram argumentos como “Negociar é uma questão de humanos.
Seus modelos não conseguem capturar o elemento humano.” Isso geralmente parece ser dito de maneira
defensiva. Talvez os seus modelos não consigam captar o elemento humano, mas os nossos irão captar
pelo menos parte dele. A maior parte da relutância desses traders em adotar técnicas quantitativas pode
ser atribuída à atitude defensiva e à aversão à mudança. Provavelmente não se deve a qualquer aversão
profunda à quantificação. Afinal, da mesma forma que as pessoas tradicionais do beisebol odeiam as
novas análises estatísticas, mas estão bem com a média de rebatidas e as médias de corridas ganhas,
muitos traders de opções tradicionais denigrem a análise quantitativa, ao mesmo tempo em que ficam
perfeitamente satisfeitos com o paradigma Black-Scholes-Merton e o paradigma Black-Scholes-Merton.
conceito de volatilidade implícita. Provavelmente não estão dispostos a admitir que precisam de continuar
a aprender e estão preocupados com o facto de as suas competências estarem a tornar-se obsoletas.
Eles deveriam estar. Todos nós deveríamos estar. Este é um processo em constante evolução.

No entanto, quando traders bem-sucedidos dizem algo assim, precisamos considerar que
eles podem estar parcialmente corretos. De fato, alguns traders têm uma intuição apurada,
geralmente chamada de sensação quando aplicada ao senso de mercado.
A intuição existe e pode até ser desenvolvida, mas geralmente não rapidamente. Além disso, só
porque alguns traders sentem isso não significa que todos, ou mesmo muitos, o fazem.
A abordagem que desenvolvemos com base na matemática e na medição pode ser aprendida
sistematicamente. Dado que pode ser aprendido, que desculpa há para não aprender? Além
disso, embora um trader baseado na lógica possa nunca ser capaz de desenvolver uma intuição
eficaz, um trader intuitivo pode sempre beneficiar do raciocínio baseado na lógica.

Embora os mercados sejam concebidos e povoados por comerciantes humanos, com as

suas típicas emoções e fraquezas humanas, não há justificação para utilizar isto como razão
para evitar a quantificação e a medição. O beisebol também é um jogo jogado por humanos, e a
média de rebatidas é uma forma útil de medir a qualidade de um rebatedor. Da mesma forma,
antes de fazer uma negociação, precisamos de ser capazes de quantificar de alguma forma o
nível de risco em que incorreremos e a quantidade de vantagem que esperamos obter. É
exatamente para isso que serve a matemática. Estimar o retorno e o risco (independentemente
de como os definimos) é uma tarefa puramente matemática. Se algo não pode ser medido, não
pode ser gerenciado. Além disso, se o elemento humano for importante para o nosso sucesso,
terá de ter efeitos mensuráveis. Os mercados podem, de facto, ser movidos por espíritos
animais, mas permanecerei completamente agnóstico até que eles se transformem em
poltergeists e comecem realmente a alterar os preços.

O pragmatismo deve ser sempre a nossa filosofia orientadora. Quando tive que escolher
entre incluir algo porque achei útil ou omiti-lo porque não pude prová-lo, tive a tendência de errar
pelo lado da
Machine Translated by Google

Introdução 3

inclusão. A negociação bem-sucedida baseia-se na tomada de decisões corretas sob condições

de incerteza e informações incompletas. Sempre haverá coisas que suspeitamos serem
verdadeiras, mas não podemos provar. Esperar por provas pode muito bem significar esperar
até que os métodos deixem de ser úteis.
É quase certo que existem outras maneiras de negociar opções com sucesso.
O que ofereço é um caminho, não o caminho. É uma abordagem baseada em dados e orientada
estatisticamente que precisa ser aplicada a uma ampla gama de produtos.
É como caçar com uma espingarda em vez de um rifle (na verdade, pode muito bem ser mais
como um bombardeio massivo a 9.000 metros de altura). Mas mesmo os traders que se
concentram num ou dois mercados deverão ser capazes de encontrar algumas coisas úteis e
diretamente aplicáveis. Os traders que não negociam opções também devem considerar úteis
alguns aspectos do livro.

O PROCESSO DE NEGOCIAÇÃO

A negociação pode ser dividida em três áreas principais: encontrar negociações lucrativas,
gerenciar riscos e saldo e psicologia. Há muito pouco a ganhar discutindo sobre os seus
respectivos níveis de importância. Embora a maioria dos traders seja mais proficiente num dos
três aspectos do que nos outros, todos devem estar presentes para que uma operação comercial
seja um sucesso.
Ao negociar opções, encontrar uma vantagem envolve prever a volatilidade e compreender
como a volatilidade determina o preço de mercado das opções.
Isto significa que precisamos de um modelo para traduzir entre o espaço de preços e o espaço
de volatilidade. Nos últimos 40 anos, traders e engenheiros financeiros propuseram uma série
de modelos de precificação de opções de complexidade variada.
Optamos por utilizar a metodologia Black-Scholes-Merton (BSM). Os traders aprenderam a
pensar em termos de BSM. Como um trader me disse uma vez: “Quero um modelo que muitos
caras tenham explodido usando”. Ele quis dizer que um bom modelo é aquele cujas fraquezas
são bem conhecidas e foram descobertas pelo infortúnio de outra pessoa, e não aquele cujas
fraquezas ainda não foram descobertas. (Ironicamente, o mesmo trader mais tarde explodiu
usando o paradigma BSM. E assim por diante.)

Existe um equívoco de que modelos mais complexos são melhores. Mas não importa quão
complexo seja o modelo. Se um trader vender uma opção por 5,0 e comprá-la de volta por 3,0,
ele fará dois ticks, independentemente do modelo que estiver usando. Um modelo é apenas
uma forma de formular nossos pensamentos e traduzir nossas previsões de volatilidade e os
preços das opções. Se alguém se sentir confortável com um modelo de volatilidade estocástica,
será mais que bem-vindo para usá-lo. No entanto, descobri que a estrutura do BSM é robusta o
suficiente para ter uma série de modificações adicionadas a ela para torná-la mais representativa
da realidade, ao mesmo tempo que permanece simples e intuitiva.
Machine Translated by Google

4 NEGOCIAÇÃO DE VOLATILIDADE

Embora a maioria das opções de ações e commodities sejam do estilo americano e

portanto, não sendo tecnicamente precificado usando esta equação,1 o conhecimento da derivação
da equação de precificação é necessário para se ter uma noção das opções. Em nosso
derivação enfatizaremos os elementos dos quais esperamos lucrar. O
mercado pensa em termos Black-Scholes, e para negociar contra ele precisamos
entender o que isso realmente significa. Negociar é como um debate: para discordarmos
sensatamente de alguém, precisamos pelo menos entender o que essa pessoa é.
ditado.
Nossa derivação desse modelo no Capítulo 1 é muito informal. Diretamente
parte do ponto de partida de manter um portfólio direcionalmente neutro e mostra como o ajuste
disso leva dinamicamente à equação BSM.
Também deixa clara a dependência direta da equação no intervalo de
o subjacente e como isso é representado pela volatilidade dos retornos. Também enfatizamos
todas as aproximações e suposições necessárias para chegar
na equação BSM. O restante deste livro mostra em detalhes como lidar com
e negociar lucrativamente essas inadequações.
A maior fonte de vantagem na negociação de opções está na negociação de nossa estimativa
da volatilidade futura contra os mercados. Antes que possamos prever a volatilidade
precisamos ser capazes de medi-lo. No Capítulo 2, examinamos métodos de
medição de volatilidade histórica, incluindo volatilidade quase fechada, volatilidade Parkin-son,
volatilidade Rogers-Satchell, volatilidade Garman-Klass e volatilidade Yang-Zhang. Discutimos a
eficiência e o viés de cada estimador e
também como cada um é perturbado por diferentes aspectos dos mercados reais, como a gordura
caudas na distribuição de retorno, tendências e ruído microestrutural. Discutimos diferentes
frequências de medição.
Em seguida, tentamos prever a volatilidade que estará presente ao longo do
vida útil do comércio. Analisamos previsões de janelas móveis simples, médias móveis ponderadas
exponencialmente e vários membros do GARCH.
família. Mas para negociar precisamos de mais do que uma estimativa pontual do futuro
volatilidade. Precisamos de alguma estimativa da possível faixa de volatilidades para que
podemos fazer julgamentos sensatos sobre as características de risco/recompensa de
negociações prospectivas. Para descobrir isso, examinamos a construção e a amostragem
propriedades dos cones de volatilidade.
Embora o nosso foco seja procurar situações em que a volatilidade implícita seja
em desacordo com a nossa previsão de volatilidade realizada, a dinâmica do
superfície de volatilidade também são interessantes e importantes. Uma compreensão pode
ajudar nossa execução e tempo de negociação. No Capítulo 3, examinamos formas normais
da volatilidade surge ao longo do tempo e por greve. Examinamos implícito

1Existem diversas equações BSM. A equação diferencial certamente se aplica a

Opções americanas. As soluções de forma fechada para esta equação, que também são chamadas
Equações BSM, não.
Machine Translated by Google

Introdução 5

assimetria e suas fontes, incluindo crédito, assimetria real dos retornos, compras de opções de
venda como hedges estáticos, compras de opções de compra como cobertura de aquisições e
distorção de índices devido à correlação implícita. Estendemos o paradigma Black-Scholes para
incluir assimetria e curtose e fornecemos diversas regras práticas para comparar volatilidades ao
longo do tempo e do produto subjacente.
Para lucrar com a nossa previsão de volatilidade, precisamos de cobrir, para que o nosso
risco seja realmente volatilidade realizada. A cobertura elimina os riscos que não queremos correr.
Desejamos aceitar riscos que acreditamos estarem mal avaliados e eliminar ou pelo menos mitigar
a nossa exposição a outras fontes de risco. Com as opções simples negociadas em bolsa que
geralmente consideramos, estes riscos indesejados são a deriva do subjacente e o movimento nas
taxas de juro. A cobertura é cara, mas reduz o risco. Então, quando exatamente devemos fazer
hedge? No Capítulo 4 examinamos como resolver de forma otimizada esta questão de risco/
recompensa. Também analisamos como agregar as nossas posições para reduzir ainda mais a
necessidade de cobertura.

Uma vez coberta a nossa posição, o que podemos esperar que aconteça? O Capítulo 5
examina a distribuição de lucros e perdas de uma posição discretamente coberta e mostra como
esta muda dependendo da volatilidade que escolhemos utilizar para a estimativa do delta e do
caminho específico seguido pelo subjacente.
Isto completa a primeira etapa do processo comercial: encontrar uma negociação com uma
expectativa positiva. Agora precisamos analisar como as escolhas de gestão de portfólio podem
afetar nosso sucesso.
O Capítulo 6 demonstra como diferentes escolhas para o dimensionamento do comércio
podem afectar dramaticamente os retornos. Apresentamos as apostas Kelly e as comparamos com
outros esquemas, como negociação de tamanho fixo e tamanho proporcional. Observamos também
como as decisões de dimensionamento afetam o risco, analisando o risco de ruína e de
esgotamento. Isto é feito inicialmente para o caso mais simples possível, uma negociação que tem
um resultado binário. Isto está muito longe de ser um modelo parcialmente realista da realidade,
mas é necessário começar com exemplos tão simples, uma vez que mesmo os traders com muitos
anos de experiência parecem ter muito pouca ou nenhuma ideia das implicações do dimensionamento
do comércio. Eles obviamente estão cientes de que é melhor jogar muitas vezes um jogo com
vantagem positiva para tirar vantagem da lei dos grandes números, mas raramente levam seu
entendimento além desse nível. Os traders de futuros parecem saber mais sobre isso do que os
traders de opções. Os jogadores sabem ainda mais. A maior parte da pesquisa nesta área foi feita
por jogadores, especialmente jogadores de blackjack. (Geralmente, parece que quanto mais
complexo o produto financeiro, menos complexo é o processo de negociação em si, que vai desde
a estratégia muito complexa do blackjack e decisões de dimensionamento até à negociação de
derivados estruturados, onde a maior parte da vantagem reside nos preços e nas vendas. )

A negociação de volatilidade não tem resultado binário. Precisamos estender Kelly para lidar
com situações que tenham um continuum de resultados. (Na verdade, só precisamos estender a
versão geralmente usada do critério de Kelly. O critério de Kelly
Machine Translated by Google

6 NEGOCIAÇÃO DE VOLATILIDADE

O critério em si é muito mais geral do que a versão frequentemente apresentada).

Além disso, a volatilidade é um processo de reversão à média. Devemos ampliar novamente a nossa
metodologia de dimensionamento para levar em conta isso e mostrar por meio de simulações como isso
leva a regras de escala familiares (para os formadores de mercado) e simples.
Apresentamos também algumas alternativas ao paradigma Kelly que podem ser
mais aplicável a situações de negociação onde o longo prazo é de menos interesse
do que o curto prazo. Os comerciantes devem estar cientes desses métodos. Pessoas que
alocar capital aos traders deveriam estar ainda mais conscientes deles. Geralmente
comerciantes e empresas comerciais terão conjuntos de prioridades um tanto diferentes
aqui.
Para distinguir os nossos resultados do acaso, precisamos de manter um registo cuidadoso dos
resultados das nossas negociações. Em particular, precisamos estar cientes
muito mais do que lucros e perdas totais. Isto é particularmente importante na avaliação da eficácia de
um novo comércio. O Capítulo 7 examina uma série de medidas, incluindo índices de ganhos/perdas;
rebaixamentos; Sharpe, Calmar e Sortino
proporções; e a medida ômega. Infelizmente, este tipo de manutenção de registros
e a análise pós-negociação muitas vezes é deixada de lado. Acredito que isso seja o mais
aspecto importante da negociação e também o mais frequentemente esquecido. Como pode
você melhora se não sabe realmente quais são seus resultados?
A psicologia é frequentemente mencionada em livros comerciais. Mas uma negociação bem
sucedida não se deve enfaticamente a “estar confiante”, “ler o mercado” ou
“não ter medo” (embora recentemente me tenham dito que era por isso que um determinado trader era
bom). Este livro não entra nesse estilo de autoajuda
psicologia. A maioria dos tópicos psicológicos tratados em livros para amadores ou semiprofissionais
pode ser abordada por meio de uma boa gestão do dinheiro.
regras e um meio sensato de encontrar e medir vantagens. No entanto, o conhecimento de finanças
comportamentais pode ser útil até mesmo para traders experientes. Em
No Capítulo 8, examinamos alguns dos preconceitos cognitivos e emocionais que os traders de opções
experimentarão com mais frequência, tanto do ponto de vista defensivo quanto ofensivo: coisas a
serem observadas para evitar prejudicar nossa própria negociação,
e coisas a procurar no mercado que possam ser exploradas com lucro. Maioria
fontes de vantagem existem por causa de algum aspecto comportamental da psicologia.
Por fim, examinamos detalhadamente uma negociação, passando por toda a sua vida
ciclo desde a concepção até a expiração.
Machine Translated by Google

CAPÍTULO 1

Preço da opção

Esta é uma estrutura que podemos usar para comparar opções de diferentes maturidades.
Para negociar
laços, opçõese de
subjacentes forma
greves. lucrativa,
Não precisamos
insistimos de qualquer
que seja, em um modelo paraverdadeiro
sentido, avaliá-las.
ou mesmo um reflexo particularmente preciso do mundo real. Como as opções são apostas
altamente alavancadas, não lineares e dependentes do tempo no subjacente, os seus
preços mudam muito rapidamente. O principal objetivo de um modelo de precificação é
traduzir esses preços em um sistema que se mova mais lentamente.
Um modelo que capte perfeitamente todos os aspectos de um mercado financeiro é
provavelmente inalcançável. Além disso, mesmo que existisse, seria demasiado complexo
para calibrar e utilizar. Portanto, precisamos simplificar um pouco o mundo para modelá-
lo. Ainda assim, com qualquer modelo devemos estar conscientes dos pressupostos
simplificadores que estão a ser utilizados e da gama de aplicabilidade. A escolha
específica do modelo não é tão importante quanto desenvolver esse nível de compreensão.

O MODELO BLACK-SCHOLES-MERTON

Apresentamos aqui uma análise da equação Black-Scholes-Merton (BSM).

O formalismo do BSM torna-se a estrutura conceitual para um trader de opções:
da mesma forma que ouvimos nossos próprios pensamentos em inglês, um
trader de derivativos experiente pensa na linguagem do BSM.
A derivação padrão da equação BSM pode ser encontrada em vários
lugares (por exemplo, Hull 2005). Embora boas derivações nos conduzam
cuidadosamente através das suposições matemáticas e financeiras, elas não

7
Machine Translated by Google

8 NEGOCIAÇÃO DE VOLATILIDADE

geralmente deixam claro o que fazer como trader. Devemos sempre lembrar que nosso
objetivo é identificar e lucrar com opções mal precificadas. Como é que
o formalismo do BSM nos ajuda a fazer isso?
Aqui abordamos o problema de trás para frente. Partimos do pressuposto de que um
trader detém uma carteira com hedge delta que consiste em uma opção de compra
e unidades de ações vendidas.1 Em seguida, aplicamos nosso conhecimento da dinâmica de
opções para derivar a equação BSM.
Mesmo antes de fazermos quaisquer suposições sobre a distribuição dos retornos
subjacentes, podemos afirmar uma série de propriedades que uma opção deve
possuir. Estes devem ser financeiramente óbvios.

Uma opção de compra (opção de venda) torna-se mais valiosa à medida que o subjacente sobe (desce), pois
tem mais chance de se tornar intrinsecamente valioso.
Uma opção perde valor com o passar do tempo, pois tem menos tempo para se tornar
intrinsecamente valioso.
Uma opção perde valor à medida que as taxas aumentam. Já que temos que pedir emprestado
dinheiro para pagar as opções, à medida que as taxas aumentam, os nossos custos de financiamento
aumentam, ignorando por enquanto quaisquer efeitos das taxas sobre o subjacente.
O valor de uma call (put) nunca pode ser superior ao valor do subjacente (strike).

Como dissemos, mesmo antes da invenção do formalismo BSM, os traders de opções

estavam cientes de que o risco direcional poderia ser mitigado combinando as suas opções
com uma posição no subjacente. Então, vamos supor que mantemos
a posição de opção com hedge delta,

C ÿ St (1.1)

onde
C é o valor da opção
St é o preço subjacente no momento t
é o número de ações que temos short

1Que esta é uma carteira padrão com hedge delta deve ser de conhecimento comum para
comerciantes de opções ou mesmo qualquer pessoa que já tenha visto qualquer tipo de derivação de
BSM. Na verdade, os traders já conheciam o hedge delta muito antes do BSM. Para um interessante
história consulte Haug 2007a. Mas mesmo que esta seja a primeira derivação do BSM, o leitor
viu, isso não deve ser visto como um fato notável. Uma opção de compra (venda) ganha (declina) em
valor à medida que o subjacente aumenta. Então, em princípio, podemos compensar esta direcionalidade
risco com uma posição no subjacente. Isso deveria ser óbvio. Os detalhes de exatamente
quanto do subjacente deve ser mantido certamente não deve ser óbvio.
Machine Translated by Google

Preço da opção 9

Na próxima etapa, as mudanças subjacentes para St+1. A alteração no valor da carteira é

dada pela alteração nas posições de opções e ações, juntamente com quaisquer encargos de
financiamento que incorremos ao pedir dinheiro emprestado para pagar a posição.

C(St+1) ÿ C(St) ÿ (St+1 ÿ St) + r (C ÿ St) (1.2)

O último termo é escrito como positivo porque sabemos que o valor da carteira de ações
compradas/curtas será negativo (ou no máximo zero quando for 1) e, portanto, nos fará emprestar
dinheiro e, assim, receber receitas de juros. Observe também que assumimos que o intervalo
de tempo é pequeno o suficiente para que possamos considerar que delta permanece inalterado.

A mudança no valor da opção devido à mudança no preço subjacente pode ser aproximada
por uma expansão de Taylor de segunda ordem. Além disso, sabemos que quando outras coisas
são mantidas constantes, a opção diminuirá devido ao passar do tempo em um valor indicado por
ÿ.
Então nós conseguimos

1 2 ÿ2C
(St+1 ÿ St) + (St+1 ÿ St) 2 + ÿ ÿ (St+1 ÿ St) + r (C ÿ St) (1.3)
ÿS 2

Ou

1 2
(St+1 ÿ St) 2 + ÿ + r (C ÿ St) (1.4)

onde é a segunda derivada do preço da opção em relação ao subjacente.

A expressão (1.4) fornece a variação no valor da carteira, ou o lucro que o trader obtém
quando o preço das ações varia em uma pequena quantidade. Possui três componentes separados:

1. O primeiro termo dá o efeito gama. Como o gama é positivo, o detentor da opção ganha
dinheiro. O retorno é proporcional a metade do quadrado da variação do preço subjacente.

2. O segundo termo dá o efeito teta. O titular da opção perde dinheiro com o passar do tempo.

3. O terceiro termo dá o efeito do financiamento. Manter uma carteira de opções compradas com
hedge equivale a emprestar dinheiro.

Além disso, vemos no Capítulo 2 que, em média,

2
(St+1 ÿ St) ÿ= ÿ2S 2
Machine Translated by Google

10 NEGOCIAÇÃO DE VOLATILIDADE

onde ÿ é o desvio padrão dos retornos do subjacente, geralmente

conhecido como volatilidade.
Portanto, podemos reescrever a expressão (1.4) como

1
ÿ2S 2 + ÿ + r (C ÿ St) (1.5)
2

Se aceitarmos que esta posição não deve gerar lucros anormais

porque não tem risco e é financiado com dinheiro emprestado, a expressão
pode ser igual a zero. Portanto, a equação para o valor justo do
a opção é

1
ÿ2S 2 + ÿ + r(C ÿ St) = 0 (1.6)
2

Antes de continuar, precisamos explicitar algumas das suposições que

esta derivação informal foi ocultada.

Para escrever a expressão (1.1) precisávamos assumir a existência de um ativo

subjacente negociável. Na verdade, supomos que pode ser
vendido e o subjacente pode ser negociado em qualquer tamanho necessário sem
incorrendo em custos de transação.
A expressão (1.2) assumiu que o produto da venda a descoberto
pode ser reinvestido à mesma taxa de juros pela qual tomamos emprestado
para financiar a compra da chamada. Também consideramos esta taxa como sendo
constante.
A expressão (1.3) assumiu que as mudanças subjacentes são contínuas e suaves.
Além disso, consideramos derivadas de segunda ordem
em relação ao preço, mas apenas de primeira ordem em relação ao tempo.

Mas algo sobre o qual não fizemos nenhuma suposição é

se o subjacente tem algum desvio. Isto é notável. Podemos ingenuamente
assumir que um instrumento cujo valor aumenta à medida que o ativo subjacente
aumentos dependeriam de sua deriva. No entanto, o efeito da deriva pode ser
negada pela combinação da opção com a ação na proporção correta.
Como o desvio pode ser evitado, o titular da opção não é compensado por isso. Quando
consideramos o hedge mais adiante no Capítulo 4, descobrimos que em
No mundo real, onde as suposições sobre a continuidade falham, a dependência direcional
ressurgirá.
No entanto, observe que embora a mudança de preço não apareça na equação
(1.6), o quadrado da variação do preço passa pelo termo de volatilidade. Então
a magnitude das mudanças de preço é fundamental para saber se o comerciante faz
um lucro com uma posição coberta por delta. Isto é verdade quer os retornos sejam ou não
Machine Translated by Google

Preço da opção 11

normalmente distribuído. Desde que a variância dos retornos seja finita, este resultado é
válido. Na verdade, se tivéssemos incluído termos de preços de ordem superior na expansão
de Taylor, veríamos que a variação do preço da opção também dependia de diferenças de
preços de ordem superior.
Com condições finais adequadas, a equação (1.6) é válida para uma variedade de
instrumentos: opções europeias e americanas, opções de compra e venda e muitos
instrumentos exóticos. Pode ser resolvido com qualquer um dos métodos usuais para
resolver equações diferenciais parciais.
Neste exercício, derivamos uma forma da equação BSM trabalhando de trás para
frente a partir do conhecimento do nosso trader sobre como as opções reagem às mudanças
no subjacente e no tempo. Ao fazê-lo, deu-nos o que precisamos de saber para negociar
opções do ponto de vista da volatilidade.
Mostrámos como o preço justo de uma opção está relacionado com o desvio padrão dos
retornos subjacentes. Como a qualquer momento existe um mercado de opções e um mercado
subjacente, existem duas maneiras de proceder:

1. Utilizando o preço cotado da opção, calcule o desvio padrão implícito ou volatilidade.

2. Utilizando uma estimativa da volatilidade ao longo da vida da opção, calcule

um preço de opção teórico.

Se a nossa estimativa de volatilidade diferir significativamente daquela implícita no

mercado de opções, então poderemos negociar a opção em conformidade. Se previrmos
que a volatilidade será superior à implícita na opção, compraríamos a opção e cobriríamos
o mercado subjacente. O nosso lucro esperado dependeria da diferença entre a volatilidade
implícita e a volatilidade realizada. A equação (1.6) diz que instantaneamente esse lucro
seria proporcional a

1
S2 ÿ2 - ÿ2 implícito (1.7)
2

Uma forma complementar de pensar no lucro esperado de uma opção coberta é

considerar vega. Vega é definido como a mudança no valor de uma opção se a volatilidade
implícita mudar em um ponto (por exemplo, de 19 para 18 por cento).
Isto significa que se comprarmos uma opção a ÿimplícito e a volatilidade aumentar
imediatamente para ÿ, obteremos um lucro de

vega ÿ ÿ ÿ implícito (1.8)

Se tivermos que manter a opção até o vencimento e as médias de volatilidade

realizada ÿ também faremos esse valor, mas apenas em média. O lucro vega
Machine Translated by Google

12 NEGOCIAÇÃO DE VOLATILIDADE

é realizado como a soma dos hedges à medida que reequilibramos nosso delta. Isso pode ser
formalizado observando a relação entre vega e gama,

vega = ÿTS2 (1.9)

Portanto, a expressão (1.7) também pode ser escrita como

Vega
ÿ2 ÿ ÿ2 implícito (1.10)
em T

O problema que isso apresenta é que o gama é altamente dependente de

o valor monetário da opção, que obviamente muda conforme o valor subjacente
se move. Portanto, o lucro é altamente volátil e dependente do caminho. Examinaremos isso mais
detalhadamente no Capítulo 5.
É perfeitamente aceitável fazer suposições simplificadoras ao desenvolver um modelo. É
totalmente inaceitável fazer suposições tão
flagrantemente incorreto ao dizer que o modelo é inútil, mesmo como um guia básico. Então
antes de prosseguirmos, veremos como nossas suposições realmente limitantes
são.

Assumimos que o subjacente era um ativo negociável. Enquanto o BSM

o formalismo foi estendido aos casos em que isso não é verdade, nomeadamente
na precificação de opções reais, estamos principalmente preocupados com opções
sobre ações e futuros, portanto esta suposição não é restritiva. No entanto,
em muitos subjacentes opcionais, a liquidez é um problema, portanto negociável não é
sempre uma qualidade claramente definida.
Assumimos que o subjacente não paga dividendos ou qualquer outro rendimento. Isso muda um
pouco as equações, mas os mesmos princípios ainda
aplicar.
Também presumimos que esse ativo poderia ser vendido a descoberto. Este não é um problema
quando o subjacente é um futuro, mas quando é uma ação, a venda a descoberto é
muitas vezes mais difícil. Por exemplo, nos Estados Unidos, as ações só podem
estar em curto em um aumento. Além disso, mesmo quando é possível operar a descoberto, o
o vendedor a descoberto raramente recebe o produto integral da venda para investimento,
já que taxas devem ser pagas para emprestar as ações. Isso pode ser contabilizado
sinteticamente, assumindo um rendimento de dividendos extra sobre o subjacente,
igual ao custo de penalidade associado à venda a descoberto do estoque.
As taxas de juros têm um spread de compra/venda. Não podemos investir os rendimentos de
uma venda à mesma taxa que tomamos emprestado. Além disso, as taxas não são constantes.
No entanto, o BSM é frequentemente utilizado para precificar opções sobre títulos e
taxas do mercado monetário que não teriam volatilidade se esta suposição
era válido. Podemos escapar impunes porque o risco devido aos juros
encargos (rho) é insubstancial em comparação com outros riscos, pelo menos para
opções de curto prazo.
Machine Translated by Google

Preço da opção 13

Assumimos que a volatilidade é uma constante, nem uma função de

tempo nem do preço subjacente. Isso não só é falso, mas seremos
tentando ativamente negociar essas mudanças. Existem modelos que levam
explicitamente em conta as mudanças na volatilidade. No entanto, optamos por
reconhecer esta limitação e aprender a usar o modelo BSM de qualquer maneira. Isso é
consistente com a nossa filosofia do modelo como uma estrutura para organizar nossos
pensamentos, e não como uma representação precisa da realidade.
Assumimos que a volatilidade é o único parâmetro necessário para especificar o
distribuição dos retornos subjacentes. A média pode ser evitada
e ignoramos momentos de ordem superior. Isto é o mesmo que assumir uma distribuição
normal de retornos ou uma distribuição lognormal de preços.
O fato de isso estar incorreto leva ao conhecido fenômeno da
o sorriso da volatilidade, onde a volatilidade implícita é uma função do strike. Em
essência, a volatilidade implícita é o número errado que colocamos no lugar errado
fórmula para obter o preço correto da opção. Isto pode ser corrigido de diversas
maneiras. No Capítulo 3 apresentamos métodos para quantificar o impacto implícito
assimetria e curtose.
Assumimos que as mudanças do subjacente são contínuas, então
podemos ajustar continuamente nossa cobertura. Isto não é verdade. Às vezes, o
subjacente dá grandes saltos. Por exemplo, não é incomum que as ações
de uma empresa de biotecnologia saltar de 70 a 80 por cento num dia. Foram feitas
modificações no formalismo do BSM para precificar opções nestes
circunstâncias (Merton 1976), mas este não é realmente o ponto. Esses
os saltos não podem ser evitados e a estratégia de replicação falha completamente. Nós
temos que aprender a cobrir esse risco com outras opções. Este é o conceito
de cobertura semestática que os comerciantes precisam usar na prática.

O modelo BSM é notavelmente robusto. A maioria das suposições que

precisamos derivar a equação pode ser afrouxada sem destruir o
utilidade do modelo. Mas observe que usaremos o paradigma BSM apenas como
método de precificação, não um método de controle de risco. É útil traduzir o
preços de opções de evolução rápida num parâmetro de evolução lenta, a volatilidade
implícita, que pode ser comparada com a volatilidade realizada estimada. Mas risco
o controle deve ser tratado separadamente. Os traders nunca devem pensar no risco extremo
em termos dos momentos da distribuição gaussiana. Perguntando,
“O que acontecerá se a IBM mover cinco desvios padrão?” é útil apenas em
situações normais (onde normal é definido como aqueles momentos em que se move
são bem descritos pela distribuição gaussiana). Devemos também estar sempre
ciente do que acontecerá se a IBM cair 50 por cento, apesar do fato de que isso
nunca aconteceu. Merton argumentou que esses saltos extremos poderiam ser diversificados.
A má notícia é que os traders precisam torcer para que ele esteja correto.
O risco de cauda muitas vezes pode ser limitado pela negociação de opções muito fora do dinheiro, e
manter as posições individuais em uma pequena proporção da carteira total pode
Machine Translated by Google

14 NEGOCIAÇÃO DE VOLATILIDADE

também ajuda. Mas geralmente somos pagos para assumir riscos. Apenas tente estar ciente de
os riscos em que você tem vantagem e os que não tem. E nunca estime o
magnitude dos riscos dentro do mesmo modelo com o qual você os precificou.

RESUMO

Precisamos sempre lembrar que um modelo de precificação não pretende ser um

reflexo preciso da realidade. É uma estrutura para pensar e um pano de fundo intelectual
consistente que nos ajuda a construir a intuição. Nós eventualmente
aprenda a expressar nossos pensamentos comerciais em termos do modelo. As coisas mais
importantes a lembrar sobre o modelo BSM são:

A deriva do subjacente pode ser evitada.

A magnitude dos movimentos de preços subjacentes não pode.
O modelo BSM é um modelo para encontrar negociações, não um modelo para controlar o
risco.
As suposições utilizadas na derivação do modelo precisam ser sempre lembradas.
Machine Translated by Google

CAPÍTULO 2

Volatilidade
Medição e Previsão

Vimos que, para encontrar uma vantagem na negociação de opções,

precisamos de uma estimativa da volatilidade futura realizada para negociar
Nós contra aquela implícita nas opções. Mas antes de podermos prever a
volatilidade futura, precisamos de ser capazes de medir o que aconteceu no
passado. Neste capítulo, examinamos métodos de medição de volatilidade histórica,
incluindo volatilidade quase fechada, volatilidade de Parkinson, volatilidade de
Rogers-Satchell, volatilidade de Garman-Klass e volatilidade de Yang-Zhang.
Discutimos a eficiência (a rapidez com que nosso valor estimado converge para o
valor real) e o viés (se nosso método estima sistematicamente acima ou abaixo do
valor real) de cada estimador e também como cada um é perturbado por diferentes
aspectos dos mercados reais, como caudas gordas na distribuição de retorno, tendências e ruído m
Discutimos diferentes frequências de medição. Depois de compreendermos o que
se entende por volatilidade histórica, poderemos examinar as suas propriedades.
Demonstramos reversão à média, agrupamento de volatilidade e efeitos de sazonalidade.

DEFINIÇÃO E MEDIÇÃO DA VOLATILIDADE

Para negociar, precisamos de mais do que uma estimativa pontual da volatilidade

futura; precisamos de alguma estimativa da possível faixa de volatilidades. Para
descobrir isso, examinamos as propriedades de construção e amostragem dos cones
de volatilidade. Medir a volatilidade e ter uma previsão da sua distribuição são
essenciais para negociar opções com sucesso. Infelizmente, não é suficiente. Comprar
volatilidade porque é barato ou vender porque é rico raramente é uma boa ideia. Muitas vezes as cois

15
Machine Translated by Google

16 NEGOCIAÇÃO DE VOLATILIDADE

será barato por um motivo. Qualquer previsão que façamos tem de ser complementada
pela nossa análise fundamental (por exemplo, que catalisador parecerá causar o
aumento da volatilidade? ou o que esperamos que não aconteça se estivermos vendidos?).
Os mercados são muito complexos e inter-relacionados, e todas as medições e
previsões devem ser colocadas no contexto do ambiente comercial atual.
Medir a volatilidade não é como medir o preço. A volatilidade instantânea não é
observável. Precisa de tempo para se manifestar. Medir isso é uma espécie de forma
de arte e precisamos escolher entre vários estimadores estatísticos. Na verdade, Poon
(2005) lista mais de 100 referências sobre previsão de volatilidade, o que dá uma ideia
da dificuldade do problema. Não tentamos encontrar aqui uma resposta definitiva. Em
vez disso, analisamos vários estimadores diferentes, conhecemos os seus pontos
fortes e deficiências e determinamos onde cada um deve ser melhor aplicado.

DEFINIÇÃO DE VOLATILIDADE

A definição padrão de volatilidade é a raiz quadrada da variância. E a variância é definida como

N
1
s2 = 2
(xi ÿ x¯) (2.1a)
N
eu=1

onde
(para nossos propósitos) xi são os retornos logarítmicos x¯ é o
retorno médio na amostra
N é o tamanho da amostra

Para expressar a variação em termos anualizados, precisaríamos multiplicar a

variação bruta pelo fator de anualização dado por N, o número de períodos de
negociação em um ano – por exemplo, 252 se usarmos dados diários, pois este é o
número de dias de negociação em um ano (pelo menos nos Estados Unidos).
Se a série histórica de preços incluir o pagamento de dividendos (ou desdobramento
de ações), devemos ajustar a série de preços. O efeito de uma ação ex-dividendo faz
parecer que houve volatilidade, embora não houvesse nenhuma. Se este ajustamento
não for feito, a nossa estimativa de volatilidade poderá estar errada em vários pontos
percentuais. Por exemplo, se tivermos uma queda de 3% no preço devido à ação ex-
dividendo, parece um movimento de 48% numa base anualizada (ou seja, 0,03ÿ 252).
Obviamente isto é muito significativo.

Existem várias maneiras diferentes de fazer esse ajuste. A primeira é simplesmente

subtrair o dividendo do preço antes do ex-dividendo
Machine Translated by Google

Medição e previsão de volatilidade 17

data. Isso deixa os valores absolutos das mudanças diárias antes do

data ex-dividendo inalterada, mas se tivermos dividendos suficientes na série
este processo pode levar a preços de ações aparentemente negativos.
Um método melhor é multiplicar por um fator de ajuste que deixe o
as alterações percentuais não são afetadas. Este fator é

dividendo
1- (2.1a)
preço

Os preços antes da data ex-dividendo são multiplicados por este fator. Esse
é o ajuste para trás. Alternativamente, é possível ajustar para frente
preços, o que significaria que o preço atual não será o mesmo que o
preço ajustado.
Em finanças é muito difícil distinguir os retornos médios (deriva) dos
variância (este é um problema central em muitos argumentos sobre métodos e
resultados de negociação), e as estimativas do retorno médio são notoriamente ruidosas,
especialmente para pequenas amostras. Portanto, geralmente definimos o retorno
médio na equação (2.1a) como zero. Isso aumenta a precisão da medição, removendo um
fonte de ruído.

1 N
s2 = 2
(xi) (2.1b)
N
eu=1

As equações (2.1a) e (2.1b) não fazem suposições sobre a distribuição, exceto

que a soma converge. Todas as amostras finitas têm variância.
Contudo, para utilizar a volatilidade na precificação de opções, precisamos fazer
suposições sobre o processo que gera os retornos. Como mencionado no Capítulo
1, o modelo BSM assumiu que os retornos eram normalmente distribuídos. Em
neste caso, a variância caracteriza completamente a forma da distribuição.
Sabemos que isso não é verdade, mas ainda esperamos que a variância (e, portanto, a
volatilidade) seja um parâmetro muito importante, na verdade o parâmetro dominante, para
descrevendo a largura da distribuição de retorno.
Para estimar a variância populacional a partir desta variância amostral, precisamos
para fazer a conversão (Kenny e Keeping 1951):

N
ÿ2 = s2 (2.2)
Nÿ1

Infelizmente, algumas autoridades optam por evitar este passo,

definindo a variância da amostra a ser

N
1
s2 = 2
(xi ÿ x¯) (2.3)
Nÿ1
eu=1
Machine Translated by Google

18 NEGOCIAÇÃO DE VOLATILIDADE

então esse já é um estimador imparcial para a variância populacional. É muito importante saber exatamente com qual

definição você está lidando, e isso parece ser uma fonte recorrente de confusão. Sempre verifique o fator (N ÿ 1) no
denominador. A função VAR do Microsoft Excel usa esta segunda convenção.

As equações (2.2) e (2.3) fornecem estimativas imparciais de variância, mas

simplesmente tirar a raiz quadrada fornecerá uma estimativa de volatilidade com
tendência baixa. Isto se deve à desigualdade de Jensen, que afirma que a média
de uma raiz quadrada é sempre menor que a raiz quadrada da média. Especificamente

E (s) = E s2 < E(s2) = ÿ ÿ2 = ÿ

É preciso corrigir isso.

Se assumirmos que o verdadeiro processo é uma distribuição normal de

retornos, podemos usar o fato de que a distribuição do desvio padrão da amostra
em função do comprimento da amostra é dada por

N-1
N 2

2x2
fN(s) = 2 expÿNs2 sNÿ2 (2.4)
Nÿ1 2x2
2

onde
é é o desvio padrão da amostra ÿ é o
desvio padrão da população (x) é a função
gama definida por (n) = (n ÿ 1)!

Isso está representado na Figura 2.1.

2
1,8
1.6 N=10
1.4
1.2
f(s) 1
0,8
N=5
0,6
0,4
0,2
0
0 0,5 1 1,5 2 2.5
é

FIGURA 2.1 A Distribuição do Desvio Padrão da Amostra

Machine Translated by Google

Medição e previsão de volatilidade 19

TABELA 2.1 Fator de correção em função do tamanho da amostra

Tamanho da amostra b(N)

5 0,840749
10 0,922746
20 0,961945
50 0,984912
100 0,992478
200 0,996245

Vemos que aumentar o tamanho da amostra, N, desloca o pico da distribuição

para a direita – em direção ao desvio padrão da população. Então um maior
amostra é menos tendenciosa. A extensão desse viés pode ser quantificada com exatidão por
o relacionamento

s¯ = b(N)ÿ (2.5)

onde

N
2 2
b(N) = (2.6)
N Nÿ1
2

s/ b é um estimador imparcial do desvio padrão da população

A Tabela 2.1 fornece o tamanho de b para vários tamanhos de amostra.
Isso corrige o preconceito. Isto significa que não irá sobrestimar ou subestimar
sistematicamente a verdadeira volatilidade. No entanto, este estimador converge
lentamente à verdadeira volatilidade, o que é tecnicamente referido como sendo
ineficiente.
A variância do estimador é dada por

2
N
1 ÿ 2 ÿ
var(es) =
ÿ
Nÿ1ÿ2 ÿ
p2 (2.7)
N ÿ

2
Nÿ1 ÿ

ÿ 2 ÿ

A Figura 2.2 mostra a dependência da variância (da variância da amostra)

de vários tamanhos de amostra.
Machine Translated by Google

20 NEGOCIAÇÃO DE VOLATILIDADE

0,1

0,09

0,08

0,07

0,06

Variância

0,05

0,04

0,03

0,02

0,01

0
0 20 40 60 80 100 120
N

FIGURA 2.2 A Convergência da Variância (da Variância da Amostra) para o

Variância populacional real em função do tamanho da amostra N

A aritmética mental envolvendo a função gama pode ser complicada. UM

uma aproximação mais simples a esta equação seria mais útil. Primeiro nós
Observe que

1
k+
2 1 1
=ÿk1ÿ+ +··· (2.8)
(k) 8k 128k2

Então, para a ordem principal em N, eventualmente obtemos

3
b (N) 2ÿ1ÿ (2.9)
2N

Portanto, as equações (2.6) e (2.7) nos dão

p2
var(es) ÿ (2.10)
2N

Isto dá uma expressão mais simples para os níveis do intervalo de confiança

da volatilidade medida. A Tabela 2.2 mostra como o intervalo de confiança
varia conforme alteramos N, o tamanho da amostra. Podemos ver que este é geralmente um
excelente aproximação do resultado exato, conforme equação (2.7).
Portanto, usar mais dados nos aproximaria do resultado verdadeiro neste caso.
Embora isto não seja um problema se estivermos a medir a volatilidade de um
processo imutável, é problemático para os mercados financeiros. Se usarmos poucos dados
teremos uma medição de volatilidade ruidosa que, devido a erros de amostragem,
pode não estar próxima da verdadeira volatilidade; mas se usarmos muitos dados
usaremos informações que não são mais relevantes para o estado atual
Machine Translated by Google

Medição e previsão de volatilidade 21

TABELA 2.2 Intervalo de confiança em função do tamanho da amostra N

Tamanho da Amostra Volatilidade Verdadeira Desvio Padrão Aprox. Desvio Padrão

5 0,3 0,091557 0,094868

10 0,3 0,066096 0,067082
20 0,3 0,047113 0,047434
30 0,3 0,03856 0,03873
50 0,3 0,029923 0,03
100 0,3 0,021186 0,021213

do mercado. Escolher o compromisso certo é uma espécie de arte, e

a solução mais adequada dependerá das condições atuais do mercado. No entanto, é óbvio que
o método comumente usado para medir
a volatilidade dos últimos 30 preços de fechamento gera um erro de amostragem inaceitavelmente
grande. O intervalo de confiança de 95 por cento de dois desvios padrão
significa que podemos perder até 25% do valor real!
Erro de amostragem não é o mesmo que erro de medição. Em um experimento de física,
poderíamos apenas ser capazes de medir uma certa quantidade até um limite limitado.
grau de precisão, devido às limitações do dispositivo de medição ou do
configuração experimental. Mas se ignorarmos o spread bid/ask, o preço de uma ação
é um número exato. Portanto, a volatilidade histórica é um número exato. Há
nenhuma incerteza devido à medição. Mas há incerteza sobre se
o número da medida é verdadeiramente representativo da realidade subjacente. O
a situação tem uma analogia com o beisebol. Quando um jogador acerta cinco em cinco, ele fez
atingiu 1.000. Isso está fora de questão. Mas ninguém diria que ele é realmente um 1.000
rebatedor. Tivemos a sorte de ver a parte de sua carreira quando
ele bateu bem. Haverá outros dias em que ele não será atingido. Da mesma forma precisamos
lembrar que, assim como a capacidade de acertar, a volatilidade é uma quantidade não observável
que só podemos estimar. Nossas medições são reflexos distorcidos de
a verdadeira volatilidade da mesma forma que um punhado de aparições de placas pode
fornecem apenas uma imagem parcial da verdadeira habilidade de um jogador de beisebol.
Antes de abordar isso, observemos que outra razão pela qual o fechamento
estimador é útil porque pode ser reescrito de uma forma que nos permite
relacionar facilmente os movimentos médios típicos das ações com a volatilidade, o que é muito útil
para comerciantes.

A definição do desvio padrão envolve a raiz quadrada de um

média de quadrados, e normalmente não temos uma boa intuição sobre como
estes se comportam. Então, em vez disso, veremos um estimador baseado no típico
movimentação de ações. Isso é

N
1
ÿ = 19.896 |Rt| (2.11)
N
t=1
Machine Translated by Google

22 NEGOCIAÇÃO DE VOLATILIDADE

Isto é porque

2
E [|Rt|] = p (2.12)
p

Isso significa que

ÿS
movimento médio = 0,04986ÿ S ÿ (2.13)
20

Isto permite uma tradução simples entre retornos diários e volatilidade anualizada. Multiplicar
o retorno diário por 20 fornece uma estimativa útil e rápida da volatilidade anualizada.

Existem duas maneiras básicas de abordar o problema do grande erro de amostragem.

Podemos usar o estimador close-to-close com dados de maior frequência ou podemos usar outro
estimador que não jogue fora todos os pontos de dados, exceto os preços de fechamento. Cada
um tem limitações. Primeiro, tentaremos desenvolver melhores estimadores, uma abordagem que
também seja aplicável de forma mais geral. Se pudermos encontrar um estimador melhor,
poderemos sempre aplicá-lo a dados de frequência mais alta.

ESTIMADORES ALTERNATIVOS DE VOLATILIDADE

O primeiro estimador desse tipo foi desenvolvido por Parkinson (Parkinson 1980). Seu estimador é

N 2
1
ÿ= oi , ln (2.14)
4N em 2 que
eu=1

onde
oi é o preço alto no período de negociação li é o preço
baixo

Tal como antes, este valor teria de ser anualizado multiplicando-o pela raiz quadrada do
número de períodos de negociação num ano. Faz sentido que o intervalo possa fornecer uma
estimativa da volatilidade. Geralmente é isso que os traders consideram a volatilidade. Parece
também provável que esta estimativa necessitaria de menos períodos de tempo para convergir para
a verdadeira volatilidade, uma vez que utiliza dois preços de cada período, em vez de apenas um,
como acontece com o estimador próximo-a-fechamento.
Isto é verdade. O estimador de Parkinson é cerca de cinco vezes mais eficiente na estimativa da
volatilidade do que o estimador próximo a próximo quando é testado em um movimento browniano
geométrico gerado artificialmente (GBM). (A eficiência é
Machine Translated by Google

Medição e previsão de volatilidade 23

Erro de amostragem em
TABELA 2.3
Variância de Parkinson

Variância de Parkinson do tamanho da amostra/

Variância Verdadeira

5 0,55
10 0,65
20 0,74
50 0,82
100 0,86
200 0,92

definido como a razão entre a variância do estimador próximo a próximo e o estimador baseado
em intervalo).
Se os preços forem contínuos, a estimativa de variância de Parkinson é imparcial
(mas lembre-se que há um viés introduzido pela desigualdade de Jensen quando
convertemos qualquer estimativa de variância em uma estimativa de volatilidade). No
entanto, os preços são amostrados apenas de forma discreta. Isto é verdade porque os
mercados apenas negociam em unidades discretas e, mais importante, porque os
mercados só estão abertos durante parte do dia. Isso significa que o preço verdadeiro não
observável pode não atingir um máximo ou um mínimo quando podemos realmente medi-
lo. Portanto, subestimaremos sistematicamente a volatilidade usando um estimador baseado no intervalo
Garman e Klass (Garman e Klass 1980) mostraram por simulação a subestimação devido à
amostragem discreta em função do tamanho da amostra, conforme mostrado na Tabela 2.3.

O facto de isto distorcer as estimativas de volatilidade para baixo é uma

surpresa para alguns. Existe um mal-entendido generalizado de que o estimador
de Parkinson tem uma tendência alta, já que é impossível negociar nos extremos.
Isto é verdade, mas irrelevante. Parkinson não afirma ser capaz de negociar nos extremos da faixa, apenas
que a faixa está relacionada à volatilidade. É um estimador de volatilidade, não de negociabilidade.

Esse preconceito é claramente um problema significativo. Na prática, a estimativa da variância

pode ser imparcial dividindo-a por estes factores de correcção, como fizemos no caso do estimador
próximo-a-fechar. Mas isso não resolve o fato de que existem saltos de abertura nas séries de
preços.
O outro estimador de volatilidade bem conhecido foi desenvolvido por Garman e Klass. Isso
é

N 2 N 2
1 1 Olá 1 Lá
ÿ= -
(2 ln 2 ÿ 1) ln ciÿ1 (2.15)
N 2 eu=1 N
eu=1
Machine Translated by Google

24 NEGOCIAÇÃO DE VOLATILIDADE

TABELA 2.4 Erro de amostragem na variação Garman-Klass

Tamanho da amostra Variação Garman-Klass/

Variância Verdadeira

5 0,38
10 0,51
20 0,64
50 0,73
100 0,80
200 0,85

Este estimador é até oito vezes mais eficiente que o estimador close-to-close (a melhoria
exata da eficiência depende do tamanho da amostra)
mas também é tendencioso devido à amostragem discreta que leva a uma estimativa baixa de
o intervalo. Seu viés é na verdade pior que o estimador de Parkinson, como mostrado
na Tabela 2.4 (também de Garman e Klass 1980).
Se soubermos qual é o preconceito, ele pode ser corrigido. Mais problemático ainda, os
estudos que mostram uma maior eficiência destes estimadores baseiam-se em
suposições que não se aplicam aos mercados reais. Em particular, eles assumem que o
subjacente segue um GBM sem deriva e é negociado continuamente.
Rogers, Satchell e Yoon (Rogers e Satchell 1991; Rogers, Satchell,
e Yoon 1994) relaxam esta restrição e introduzem um estimador que supera os outros quando
um termo de desvio é introduzido:

N
1 oi oi que que
ÿ= Em Em + ln Em (2.16)
N Lá oi Lá oi
eu=1

Mais recentemente, Yang e Zhang (2000) derivaram um estimador que também permite
saltos de abertura. É basicamente uma média ponderada do Rogers,
Estimador de Satchell e Yoon, a volatilidade de fechamento para abertura e a volatilidade
de abertura para fechamento. Em algumas simulações pode ter eficiência 14 vezes maior
do que a volatilidade próximo-a-fechamento. Mas isso depende muito da proporção de volatilidade
causada pelos saltos de abertura. Se esses saltos dominarem, o
estimador não tem melhor desempenho do que o estimador próximo a próximo. Isso é

ÿ = ÿ2 + kÿ2 c + (1 ÿ k) ÿ2 (2.17a)
o rs

onde
N 2
1 oi
p2o = Em (2.17b)
Nÿ1 ci-1
eu=1
Machine Translated by Google

Medição e previsão de volatilidade 25

N 2
1 Lá
p2c = Em (2.17c)
Nÿ1 oiÿ1
eu=1

N
1 oi oi que que
p2rs = Em Em + ln Em (2.17d)
Nÿ1 Lá oi Lá oi
eu=1

0,34
k= (2.17e)
N+1
1+
Nÿ1

Brandt e Kinlay (2005) mostram que ambos os estimadores são tendenciosos para
baixo. Isto não deveria ser uma surpresa, uma vez que ambos dependem de preços
extremos e a continuidade ainda era assumida.
Neste ponto temos cinco estimadores, cada um construído para abordar um
deficiência do último. Portanto, cada iteração deve ser melhor. É a nossa escolha
de qual estimador usar é óbvio? Na verdade. Quando Brandt e Kinlay
realizaram testes em dados simulados mais realistas (amostrados discretamente, com
deriva e saltos), as diferenças entre os estimadores tornaram-se menos distintas. Nestas
circunstâncias, os estimadores Garman-Klass e Yang-Zhang são ligeiramente tendenciosos
e todos os estimadores não clássicos
têm eficiências semelhantes. Além disso, a correlação entre os estimadores
é muito maior quando testado em dados reais de mercado do que em dados simulados
(as correlações são mostradas na Tabela 2.5 e na Tabela 2.6).
A conclusão geral que precisamos tirar é que não há realmente nenhuma indicação de
que qualquer estimador seja o melhor. Todas as medidas contêm informações.
Dado que agora não podemos decidir com base em bases puramente matemáticas,

TABELA 2.5 Correlações entre os estimadores de volatilidade para dados simulados

Perto de Garman- Rogers- Qual-

Fechar Parkinson Aula Satchell Zhang

Perto de fechar 1,00 0,7 0,689 0,394 0,693

Parkinson 1,00 0,768 0,745 0,777
Classe Garman 1,00 0,804 0,995
Rogers Satchell 1,00 0,813
Yang Zhang 1,00

Fonte: MW Brandt e J. Kinlay, “Estimating Historical Volatility”, Investimento

Análise, 2005.
Os dados foram amostrados em intervalos de cinco minutos durante um período de 25 dias. A volatilidade
foi estocástico com uma média de 14 por cento e um desvio de 8 por cento.
Machine Translated by Google

26 NEGOCIAÇÃO DE VOLATILIDADE

TABELA 2.6 Correlações entre os estimadores de volatilidade para o mercado S&P 500
Dados

Perto de Garman- Rogers- Qual-

Fechar Parkinson Aula Satchell Zhang

Perto de fechar 1,00 0,975 0,944 0,911 0,942

Parkinson 1,00 0,991 0,976 0,99
Classe Garman 1,00 0,994 0,999
Rogers Satchell 1,00 0,996
Yang Zhang 1,00

Fonte: MW Brandt e J. Kinlay, “Estimating Historical Volatility”, Investimento

Análise, 2005.
Os dados foram amostrados em intervalos de cinco minutos de 4 de janeiro de 1988 a dezembro
31, 2003.

devemos considerar o que os vários estimadores estão realmente nos dizendo e

fazer nossa escolha com base neste critério. Por exemplo, se o Parkinson
volatilidade é de 40 por cento e a volatilidade perto do fechamento é de 20 por cento, nós
podemos razoavelmente concluir que grande parte da verdadeira volatilidade é impulsionada por
grandes intervalos intradiários e que os preços de fechamento subrepresentam o verdadeiro
volatilidade do processo. Este é um conhecimento útil para decidir a melhor forma
para se proteger. (Na verdade, teria sido um conhecimento útil. Quão útil é
daqui para frente é outra questão, mas parece razoável que
algumas classes de ações, como American Depositary Receipts, ou ADRs,
têm índices Parkinson/close um tanto previsíveis, já que muitas informações novas são
reveladas quando as ações não estão sendo negociadas.)

Estimador de perto para fechar

Bons pontos

Possui propriedades de amostragem bem compreendidas.

É fácil corrigir preconceitos.
É fácil converter para um formato que envolva movimentos diários típicos.

Pontos ruins

É um uso de dados muito ineficiente e converge muito lentamente.

Estimador de Parkinson

Bons pontos

Usar a faixa diária parece sensato e fornece informações completamente separadas do

uso de amostragem baseada no tempo, como preços de fechamento.
Machine Translated by Google

Medição e previsão de volatilidade 27

Pontos ruins

Na verdade, é apropriado apenas para medir a volatilidade de um processo GBM. Em

particular, não consegue lidar com tendências e saltos.
Subestima sistematicamente a volatilidade.

Estimador de classe Garman

Bons pontos

É até oito vezes mais eficiente que o estimador próximo a próximo.

Ele faz o melhor uso das informações de preços comumente disponíveis.

Pontos ruins
É ainda mais tendencioso do que o estimador de Parkinson.

Estimador Rogers-Satchell
Bons pontos

Permite a presença de tendências.

Pontos ruins

Ainda não consegue lidar com saltos.

Estimador Yang-Zhang
Bons pontos

Ele foi projetado especificamente para ter um erro de estimativa mínimo.

Ele pode lidar com deriva e saltos.
É o mais eficiente no uso dos dados disponíveis.

Pontos ruins

O desempenho degrada-se para o do estimador próximo-a-fechar quando

processo é dominado por saltos.

USANDO DADOS DE MAIOR FREQUÊNCIA

Tendo ido o mais longe que pudemos na escolha do estimador, agora olhamos
em melhorar as nossas estimativas utilizando mais dados na nossa amostra: dados de maior
frequência. Os benefícios de fazer isso são bastante óbvios. No entanto, nós
Machine Translated by Google

28 NEGOCIAÇÃO DE VOLATILIDADE

2,5

1,5
Preço

0,5

Tempo

FIGURA 2.3 Dois caminhos de preços com a mesma abertura, máxima, mínima e fechamento

escolher nosso período de amostragem, acontecem coisas que não são capturadas pelos extremos
ou pelos preços de fechamento. Isto é ilustrado na Figura 2.3.
É evidente que um caminho é mais volátil que o outro, mas qualquer estimador que utilize
abertura, máximo, mínimo e fechamento dará o mesmo resultado. O uso de dados de frequência
mais alta evita um pouco esse problema.
Um grande problema com o uso de dados de alta frequência é sua disponibilidade.
Os dados diários são gratuitos e, para ações com liquidez suficiente para terem opções listadas,
são bastante confiáveis. Dados de frequência mais alta são caros e geralmente devem ser obtidos
através de fornecedores de dados especializados. Parece provável que isso se torne um problema
menor no futuro.
À medida que amostramos em frequências mais altas, geralmente melhoramos a qualidade de nossa medição
porque aumentamos o número de pontos de dados em nossa amostra sem aumentar o tempo de calendário durante o

qual estamos medindo. No entanto, à medida que vamos para frequências muito altas (exatamente o que isso significa
é específico do produto, mas geralmente nos referimos a intervalos de tempo de um minuto ou menos), perdemos a
capacidade de saber qual é realmente o preço real. Considere, por exemplo, uma ação que tenha uma volatilidade real
de 30%. Utilizando preços de 15 minutos, um spread de compra/venda de 0,1% pode alterar a nossa medição em
cerca de 2% devido ao facto de tomarmos como entrada uma estimativa ruidosa do verdadeiro preço subjacente. O
preço real pode estar até 0,1% distante da nossa observação real. Este problema se torna mais agudo à medida que
aumentamos a frequência de amostragem. Encontrar frequências de amostragem ideais na presença de ruído
microestrutural foi abordado por Ait-Sahalia et al. (2005), mas as técnicas econométricas necessárias e o armazenamento
de dados exigido provavelmente colocarão tais métodos fora do alcance da maioria dos negociadores de opções num

futuro próximo.
Machine Translated by Google

Medição e previsão de volatilidade 29

Para evitar estes problemas, precisamos de escolher um período de amostragem que

seja grande em comparação com o tempo típico de negociação. Isso varia de produto para
produto, mas 15 a 30 minutos deve ser um bom ponto de partida.
Ao analisar os retornos diários, a sazonalidade não é realmente um grande problema.
Existem algumas evidências de que as volatilidades das ações são mais baixas às sextas-feiras e
mais altas às segundas-feiras, mas as diferenças são muito pequenas. No entanto, existem dois
efeitos sazonais muito importantes nos dados de alta frequência dos quais precisamos estar atentos.

A primeira é que o retorno noturno precisa ser contabilizado. Nos Estados Unidos, as
ações são negociadas nas bolsas durante seis horas e meia. Portanto, o retorno durante a
noite poderia claramente ser de magnitude muito diferente. Também tem um caráter muito
diferente. As notícias mais relevantes ocorrem durante o dia de negociação, e uma quantidade
significativa de volatilidade é impulsionada pelo volume de negociação, o que ocorre
praticamente durante os períodos de negociação pública.
Primeiro, simplesmente ignoramos o retorno noturno e consideramos o primeiro retorno
do dia como

Eles jantam
x0 = ln (2.18)
Fechar-1

em vez de

Fechar
x0 = ln (2.19)
Fechar-1

Todos os outros retornos são calculados da maneira normal. Agora apenas estimamos
a volatilidade como antes e anualizamos o resultado com o fator apropriado (por exemplo, há
13 períodos de meia hora em um dia de negociação, então multiplicaríamos o resultado pela
raiz quadrada de 13 vezes 252 dias de negociação nos EUA). por ano).

Em seguida, precisamos determinar a quantidade de variação total que ocorre durante o dia
de negociação. Isto pode ser estimado calculando a volatilidade normal próximo ao fechamento a
partir de dados diários e comparando-a com a volatilidade calculada usando os retornos da abertura
diária ao fechamento diário. Para a maioria das ações americanas, cerca de 85% da volatilidade
total se deve à atividade que ocorre durante o dia de negociação (os índices são mais altos, em
torno de 90%, e os ADRs, mais baixos, em torno de 60 a 70%). Se dividirmos a estimativa bruta da
volatilidade por este fator, obteremos o estimador de volatilidade de alta frequência ajustado ao
salto de abertura. A grande vantagem de usar mais dados desta forma é que um determinado
período de tempo contém mais pontos de dados e, portanto, leva a um erro de amostragem menor.
Embora usar os últimos 250 dias de negociação para estimar a volatilidade atual pareça um tanto
inapropriado, 250 dias de negociação de meia hora
Machine Translated by Google

30 NEGOCIAÇÃO DE VOLATILIDADE

0,3

0,25

0,2

0,15
Volatilidade

0,1

0,05

0
8 9 10 11 13 12 14 15 16
Horário Padrão Central

FIGURA 2.4 Volatilidade intradiária da MSFT

os períodos de negociação abrangem apenas 20 dias de negociação. Supondo que o verdadeiro processo
está estacionário durante esse período é muito menos optimista.
O outro aspecto da sazonalidade a ter em mente é que a verdadeira volatilidade varia
enormemente ao longo do dia de negociação, e a variação é bastante previsível. As
Figuras 2.4 a 2.6 mostram a volatilidade intradiária calculada como
a média da volatilidade de Parkinson dos retornos de 30 minutos para o tempo
período de 23 de abril a 4 de junho de 2007. Mostramos o padrão para a Microsoft
(MSFT), Citigroup (C) e Genentech (DNA). Cada um mostra um padrão semelhante em
que a volatilidade atinge o pico na abertura, diminui durante o dia e
tem um pequeno ressurgimento próximo ao fechamento. Este padrão também foi
documentado em moedas, títulos e índices de ações (Lequex 1999).

0,3

0,25

0,2

C
Volatilidade

0,15

0,1

0,05

0
8 9 10 11 12 13 14 15 16
Horário Padrão Central

FIGURA 2.5 C Volatilidade intradiária

Machine Translated by Google

Medição e previsão de volatilidade 31

0,25

0,2

0,15
Volatilidade

0,1

0,05

0
8 9 10 11 12 13 14 15 16
Horário Padrão Central

FIGURA 2.6 Volatilidade intradiária do DNA

Isto é interessante, mas quando negociamos opções estamos realmente interessados

na volatilidade média durante um longo período (conhecida como volatilidade integrada
na literatura econométrica). Em escalas de tempo superiores a alguns dias, o
a sazonalidade intradiária rápida atingirá a média, e por períodos de tempo mais curtos do que
isso, os efeitos da dependência do caminho irão superar enormemente as imprecisões
na previsão de volatilidade.
Os comerciantes que insistem em amostrar em frequências muito altas terão que
lidar seriamente com as questões da microestrutura. Este tema vai muito além
o escopo deste livro. Os interessados poderiam começar com Gencay et al.
(2001) ou Lequex (1999).

PREVISÃO DE VOLATILIDADE

Agora que vimos como medir o que é a volatilidade atualmente,

necessidade de prever qual será ao longo da vida da opção. Isto será obviamente mais difícil.
Antes de começarmos a aplicar qualquer matemática, vamos
veja algumas das características do que estamos tentando prever. Como
a volatilidade se comporta? A Figura 2.7 mostra a volatilidade do S&P 500 estimada usando
uma janela móvel de 50 dias, desde o início de 1990 até o final de
Julho de 2007.
Temos que ter um pouco de cuidado aqui, pois as declarações que fazemos são sobre
a volatilidade real e não se trata de artefatos do processo de medição.
Mas há algumas coisas que parecem bastante evidentes.
Machine Translated by Google

32 NEGOCIAÇÃO DE VOLATILIDADE

0,5

0,45

0,4

0,35

0,3

0,25
Volatilidade

0,2

0,15

0,1

0,05

0
14/03/95

14/03/05
14/03/99
14/03/98
14/03/96

14/03/01

14/03/02

14/03/06
14/03/97

14/03/00

14/03/03

14/03/07
14/03/04
14/03/91

14/03/92
14/03/90

14/03/93

14/03/94

FIGURA 2.7 Volatilidade do S&P 500 (juntamente com seu valor médio)

A volatilidade da volatilidade está positivamente relacionada ao nível.

Existem mais movimentos grandes para cima do que para baixo.
Parece ser, pelo menos localmente, uma reversão à média, sendo puxada para a sua
média de longo prazo (isto é discutido com mais profundidade no Capítulo 3).

Estas características gerais devem ser tidas em conta quando tentamos fazer previsões
de volatilidade.
O método de previsão mais simples é apenas assumir que os próximos N dias serão
como os N anteriores. Portanto, se medimos a volatilidade (usando qualquer estimador) nos
últimos 30 dias como 20 por cento, usaremos isso como nosso previsão para os próximos 30.
Isso às vezes é conhecido como método da janela móvel. O problema óbvio com esta previsão
é que uma grande mudança no preço das ações, digamos um salto devido a bons lucros,
permanecerá na estimativa de volatilidade durante N dias e depois cairá abruptamente. Este
efeito é mostrado na Figura 2.8.

É evidente que a previsão de volatilidade após o salto não deverá ser de 100 por cento.
O salto, um grande evento, já aconteceu e é muito atípico.
Obviamente, isso está distorcendo a previsão. (Observe que isso não distorce a estimativa da
volatilidade atual. A volatilidade nos últimos 30 dias foi de fato de 100 por cento). Uma maneira
padrão de resolver isso é usar o modelo de média móvel ponderada exponencialmente. Isso
assume a forma

ÿ2 = ÿÿ2 + (1 ÿÿ) r2 (2.20)

t t-1

onde ÿ é um parâmetro entre zero e um.

Machine Translated by Google

Medição e previsão de volatilidade 33

1.2

0,8

0,6

Volatilidade

0,4

0,2

02/01/07
04/07/06

01/08/06

07/11/06

05/12/06

16/01/07

30/01/07
18/07/06

15/08/06

29/08/06

12/09/06

26/09/06

13/03/07

27/03/07
20/06/06

13/02/07

27/02/07

10/04/07

24/04/07
21/11/06
10/10/06

24/10/06

19/12/06
Data

FIGURA 2.8 A volatilidade próxima a próxima da janela móvel de 30 dias para True
Religion Apparel Inc. (TRLG) entre 20 de junho de 2006 e 7 de maio de 2007

Isto modela a variância como uma média ponderada entre os retornos quadrados mais
recentes e a variância anterior. (Usamos a forma de variância aqui porque ela é normalmente
declarada desta forma, assim como os modelos de séries temporais posteriores que analisamos.)
Um valor mais baixo de ÿ significa que menos ênfase é colocada no passado mais distante e mais
no passado mais distante. a observação mais recente.
Geralmente são usados valores entre 0,9 e 0,99.
Este método tem as virtudes de ser simples de usar e entender. Tem a desvantagem de ser
uma solução estúpida. Se o evento fosse verdadeiramente atípico, seria melhor excluí-lo do nosso
conjunto de dados quando prevermos qual será a volatilidade no futuro. Uma ponderação
exponencial pode suavizar os saltos na nossa previsão de volatilidade, mas fá-lo apenas para tornar
as coisas bonitas: uma solução melhor é o trader decidir se o evento foi realmente um valor atípico
e, se for, excluí-lo, ou tratá-lo como um caso um tanto especial que poderia ocorrer novamente e
ponderar sua contribuição de acordo. Postular que seu efeito decai exponencialmente apenas evita
o problema.

Por exemplo, um salto devido aos lucros é claramente um acontecimento anormal. Seria uma
boa prática comercial excluir isso das previsões futuras (a menos que incluam datas de lucros
futuros). Por que faria sentido usar um decaimento exponencial? O anúncio dos lucros foi um evento
único. Também não haverá um anúncio de lucros menores no dia seguinte, e um anúncio ainda
menor no dia seguinte.

Um outro problema com este método é que ele não leva em conta o contexto da medição mais
recente. Tanto o exame casual (veja a Figura 2.7) como a análise estatística cuidadosa mostram
que a volatilidade é
Machine Translated by Google

34 NEGOCIAÇÃO DE VOLATILIDADE

um processo de reversão à média; a alta volatilidade provavelmente será seguida por períodos
de menor volatilidade e vice-versa. A previsão da média móvel ponderada
exponencialmente (EWMA) ignora isto. A variação da previsão de amanhã é a
igual à variação da previsão para o dia seguinte e para todos os dias seguintes.
A famosa heterocedasticidade condicional auto-regressiva generalizada
A família de modelos (GARCH) aborda isso adicionando uma média de longo prazo
variância para a qual esperamos que a variância reverta, de modo que se a variância estiver atualmente
alto, podemos esperar que permaneça alto no curto prazo (como no modelo EWMA)
mas eventualmente voltar à normalidade. O modelo GARCH(1,1) é

p2t = ÿV + ÿr2 t-1 +bs2 t-1 (2.21)

onde V é a variância de longo prazo.

Claramente devemos ter

c+a+b=1 (2.22)

E quando ÿ = 0, ÿ = 1 ÿ ÿ e ÿ = ÿ, recuperamos o modelo EWMA

como um caso especial. Geralmente este modelo é escrito na forma

p2t = ÿ + ÿr2 t-1 +bs2 t-1 (2.23)

Esta é uma forma mais conveniente de usar ao estimar os parâmetros

mas é usado às custas de uma boa interpretação do significado do
primeiro mandato. Agora, a variância de longo prazo é dada por
oh
V= (2.24)
1 ÿ uma ÿ b

Em vez de depender apenas dos primeiros retornos e variâncias defasados, é

possível generalizar ainda mais o modelo para incluir os resultados passados.
retornos e as q variações anteriores. Isso resulta no modelo GARCH(p,q).

p2t = ÿ + ÿ1r2 t-1 +···+ 2 de abrilt-p + b1s2 t-1 +··· bqs2 t-q (2.25)

Para usar o GARCH para prever a volatilidade, abordamos o assunto iterativamente.

ativamente. Claramente, por algum tempo no futuro,

p2
t+t
= ÿ + ÿr2 t+ÿÿ1 +bs2 t+ÿÿ1 (2.26)

ou

p2
t+1 = (1 ÿ ÿ ÿ ÿ) V + ÿr2 t +bs2 t

então

p2 ÿ V = uma r2 ÿV + ÿÿ2 -V (2.27)

t+t t+ÿÿ1 t+ÿÿ1
Machine Translated by Google

Medição e previsão de volatilidade 35

E se usarmos o fato de que

E r2 = ÿ2
t t

nós conseguimos

E p2 ÿ V = (ÿ + ÿ) E ÿ2 +ÿÿ1
ÿ Vt
t+t

e iterando obtemos

E p2 ÿ V = (a + b) E ÿ2 +ÿÿ1
ÿ Vt
t+t
(2.28)
E p2 = V + (a + b) tp2 t -V
t+t

A Equação (2.28) pode ser usada para gerar uma estrutura a termo para a previsão de
volatilidade. A Figura 2.9 mostra essa estrutura a termo para volatilidade após ajustar um modelo
GARCH(1,1) à série de retornos diários da Microsoft (MSFT) usando dados de 21 de maio de
2003 a 21 de maio de 2007. Os parâmetros estimados para o processo foram ÿ = 0,00000505, ÿ
= 0,053 e ÿ = 0,884.
Os modelos GARCH só podem produzir estruturas a termo que tendem exponencialmente
para a média de longo prazo. Não conseguem ter em conta as estruturas de prazo de volatilidade
elevada que são frequentemente observadas no mercado, onde, por exemplo, a volatilidade de
dois meses está acima dos níveis de um mês e de três meses. Isto indica que o mercado de
opções não acredita no GARCH.

0,17

0,16

0,15

0,14
Volatilidade

0,13

0,12

0,11

0,1
0 20 40 60 80 100 120

Tempo (dias)

FIGURA 2.9 A estrutura a termo da volatilidade prevista por um modelo GARCH(1,1) para
MSFT em 21 de maio de 2007
Machine Translated by Google

36 NEGOCIAÇÃO DE VOLATILIDADE

Estimativa de Máxima Verossimilhança

Geralmente, quando os traders ou gestores de risco utilizam o EWMA, escolhem arbitrariamente o

parâmetro de suavização, ÿ. Também poderíamos fazer isso para GARCH e definir valores
arbitrariamente para os parâmetros. No entanto, aqueles que acreditam que o processo de variância
é descrito por um modelo GARCH geralmente não o fazem, baseando-se, em vez disso, na estimativa
de máxima verossimilhança para encontrar os parâmetros para cada subjacente. (Esta é uma das
objeções frequentemente feitas ao GARCH: que ele está sujeito ao ajuste retrospectivo dos
parâmetros na curva. Mais corretamente, este é um possível problema com a implementação
comum do modelo e não com o próprio modelo.)

A estimativa de máxima verossimilhança (MLE) é um método para estimar os parâmetros de

uma distribuição de probabilidade. A probabilidade difere da probabilidade. A probabilidade se refere
à chance de um evento futuro ocorrer, enquanto a probabilidade se refere a eventos passados. No
MLE os parâmetros são escolhidos para maximizar a probabilidade do resultado final observado
realmente acontecer.

Um exemplo comumente citado é estimar o número de táxis em uma cidade.

Tudo o que sabemos é que todos os táxis recebem um número único e que os números são emitidos
consecutivamente, sem que nenhum número seja ignorado. Se o primeiro táxi que vemos tiver o
número 2028, qual é a nossa estimativa de MLE? É evidente que não pode haver menos de 2.028
táxis. Lembre-se de que o MLE procura encontrar o parâmetro que torna a observação mais provável.
Neste caso, se houvesse exactamente 2.028 táxis na cidade, as nossas hipóteses de localizar esse
carro em particular seriam de 1/2.028.
Se houvesse mais carros do que este, teríamos menos chance de ver exatamente aquele. Portanto,
a estimativa do MLE é 2.028. Observe que, embora esta seja a nossa melhor estimativa, pode estar
muito longe do número real.
Poderia muito bem haver 10.000 táxis. Mas o MLE faz o melhor uso das informações que temos à
nossa disposição.
O próximo exemplo é menos trivial, embora ainda um tanto artificial.
Vamos supor que lançamos uma moeda 10 vezes. Não sabemos se é uma moeda justa – na
verdade, poderia ser uma de três moedas. Uma moeda dá cara um terço das vezes, outra dá cara
metade das vezes e a terceira dá cara dois terços das vezes. Se obtivermos seis caras na nossa
experiência, que moeda é mais provável que estivéssemos a utilizar?

Seja p a probabilidade (desconhecida) de lançar cara. Portanto, a probabilidade de obter

cauda é 1 ÿ p. O resultado do lançamento de uma moeda é descrito pela distribuição binomial. A
probabilidade de obter h caras em N lançamentos é

não!
n-h
Pr(h) = (n ph(1 ÿ p) (2.29)
ÿ h)!h!
Machine Translated by Google

Medição e previsão de volatilidade 37

Então

6 4
10! 1 2
Pr(h = 6|p = 1/3) = (4)!5! ÿ 0,057 (2.30)
3 3

6 4
10! 1 1
Pr(h = 6|p = 1/2) = (4)!5! ÿ 0,205 (2.31)
2 2

6 4
10! 2 1
Pr(h = 6|p = 2/3) = (4)!5! ÿ 0,228 (2.32)
3 3

Portanto, neste caso, é mais provável que tenhamos jogado a moeda que
dá cara dois terços das vezes.
Este é um exemplo de aplicação de MLE a uma distribuição discreta. O caso
de uma distribuição contínua envolve raciocínio semelhante.
A função de verossimilhança para um modelo GARCH(1, 1) é dada por

t
1
ÿ expÿ r2i ÿ
(2.33)
2x2 2x2
eu=1 ÿ eu
eu
ÿ

embora seja normal usar a versão equivalente de probabilidade de log:

t
r2
ÿ ln ÿ2 - eu

eu
(2.34)
p2
eu=1 eu

É fornecida uma planilha onde estimamos os parâmetros de um

Modelo GARCH(1,1) maximizando a função de verossimilhança (log).
Depois de usar a planilha para ajustar um modelo GARCH(1,1) a alguns preços
série, o leitor provavelmente descobrirá um problema: a função log-verossimilhança é
muito plana. O algoritmo do solucionador provavelmente terá dificuldades em ajustar um
modelo, pois haverá mudanças muito pequenas na probabilidade de uma ampla gama
de parâmetros. Isso pode ser resolvido de alguma forma usando a segmentação por
variância, onde o termo ômega é definido como igual à variância incondicional do
amostra multiplicada por (1 – ÿ – ÿ), e variamos apenas os termos alfa e beta.
Ainda assim, pode ser necessário utilizar técnicas numéricas mais sofisticadas se
quisermos utilizar extensivamente os modelos GARCH. Estes também poderiam
fornecer estatísticas que dão a qualidade do ajuste do modelo. Há um número
de razões pelas quais o modelo pode não se ajustar bem aos dados. Estes incluem:

Dados insuficientes. Geralmente são necessários pelo menos 1.000 pontos de dados.
Valores iniciais ruins para os parâmetros.
Machine Translated by Google

38 NEGOCIAÇÃO DE VOLATILIDADE

Sazonalidade persistente contida nos dados. Este é um problema particular com dados
intradiários.
Modelo errado. Os dados simplesmente não são consistentes com o modelo escolhido!

Os econometristas desenvolveram um grande número de modelos para abordar

esta última questão. Listo alguns dos modelos mais comuns aqui, mas esta lista
está longe de ser exaustivo. Na verdade, desde o trabalho original de Engle (1982),
um enorme número de versões foi desenvolvido.1 Um artigo documenta um teste comparativo
de 330 modelos (Hansen e Lunde 2005).

O GARCH Exponencial (EGARCH) modela o logaritmo da variância. Esse

significa que pode incorporar assimetria, uma vez que choques negativos podem ter um
efeito diferente dos choques positivos (Nelson 1991).
GJR-GARCH é outro modelo assimétrico onde um termo extra é
presente no caso de choques descendentes (Glosten et al. 1993).
O GARCH integrado (IGARCH) restringe ainda mais os parâmetros para que
que alfa e beta somam um.
Limite GARCH (TGARCH) tem um termo extra que se aplica quando
os choques são negativos, novamente permitindo assimetria.
Em vez disso, o Valor Absoluto GARCH (AGARCH) modela diretamente a volatilidade
de variância (Taylor 1986; Schwert 1989).
O componente GARCH (CGARCH) modela a variância como a soma de vários processos
ou componentes. Um poderia ser usado para captar a resposta de curto prazo ao choque
e outro para captar a resposta de longo prazo.
Isso permite que o modelo capture efeitos de memória longa (Engle e Lee
1999; Ding e Granger 1996).

Certamente parece que o GARCH captura alguns elementos do

evolução temporal da variância. Além disso, pode ser motivado por um argumento bastante
simples baseado em microestrutura (Sato e Takayasu 2002). No entanto,
o fato de existirem tantos modelos na família, sem que ninguém seja definitivamente superior,
certamente pode ser visto como negativo. Além disso, se estimarmos
os parâmetros do modelo usando MLE e, em seguida, reestime o modelo em um
data posterior, encontramos pouca persistência nos valores dos parâmetros. Esse
também parece indicar que o modelo não era particularmente bom
descrição da realidade. Observe também que este modelo pretende ser preditivo,
não apenas descritivo. Ao contrário do BSM, que é apenas uma estrutura conceitual, um
previsão de volatilidade realmente precisa ter uma boa correspondência com o
futuro.

A 1Engle realmente desenvolveu o ARCH. O modelo GARCH foi proposto pela primeira vez por
Boller-slev (1986). ARCO é GARCH(0,1).
Machine Translated by Google

Medição e previsão de volatilidade 39

PREVISÃO DA VOLATILIDADE
DISTRIBUIÇÃO

Além da família GARCH, existem muitos outros métodos para prever séries temporais. Estes
incluem redes neurais, algoritmos genéticos e métodos econométricos clássicos, como a família de
modelos ARMA. Não abordamos isso aqui por vários motivos: não vi nenhuma evidência conclusiva
de que eles sejam bons em prever; algoritmos genéticos e redes neurais são métodos muito
especializados e fáceis de usar indevidamente; e embora a análise de séries temporais seja
provavelmente uma boa coisa a saber (consulte Taylor 1986), é duvidoso que valha a pena gastar
muito tempo tentando refinar uma previsão pontual.

Mesmo que concordemos com o comité do Prémio Nobel que os “modelos GARCH se
tornaram ferramentas indispensáveis não só para os investigadores, mas também para os analistas
dos mercados financeiros, que os utilizam na precificação de activos e na avaliação do risco de
carteira”,2 na verdade não é o avanço que um negociante de opções precisa. Uma previsão pontual
de volatilidade simplesmente não é tão útil. Precisamos de uma previsão da distribuição da
volatilidade. Vender a volatilidade implícita de um mês a 15% pode parecer uma boa ideia se
tivermos uma previsão de 12%. Parecerá menos uma boa ideia se soubermos que a volatilidade
realizada num mês tem oscilado entre 11 e 35 por cento. Não é apenas a previsão que é necessária.
É colocar a previsão no contexto de uma faixa de volatilidade. Uma maneira simples de fazer isso
é através do uso da volatilidade

cones.
Conforme afirmado no artigo seminal sobre o assunto (Burghart e Lane 1990), “O objetivo de
um cone de volatilidade é ilustrar as faixas de experiência de volatilidade para diferentes horizontes
de negociação”. Vejamos o exemplo da volatilidade da MSFT para os quatro anos encerrados em
30 de abril de 2007. Calculamos a volatilidade (aqui usamos o estimador de fechamento a
fechamento, mas não há razão para que outro estimador não possa ser usado) em períodos não
sobrepostos de 20 períodos de negociação. dias de negociação, 40 dias de negociação, 60 dias de
negociação, 120 dias de negociação e 240 dias de negociação. Estes correspondem
aproximadamente a um mês civil, dois meses, três meses, seis meses e um ano. Os resultados
são exibidos na Figura 2.10.

Quando exibido graficamente, podemos ver porque esse método foi chamado de cone de
volatilidade. O cone mostra a tendência das volatilidades de curto prazo flutuarem mais amplamente
do que as volatilidades de prazo mais longo. Por um lado, isto é óbvio, uma vez que os grandes
movimentos serão ponderados a longo prazo. Por outro lado, também sabemos que as medições
de volatilidade são propensas a

2Do comunicado de imprensa que acompanha o anúncio do prémio de economia de

2003, http://nobelprize.org/nobel Prizes/economics/laureates/2003/press.html
Machine Translated by Google

40 NEGOCIAÇÃO DE VOLATILIDADE

0,5
0,45
0,4
0,35
0,3
Volatilidade

0,25
0,2
0,15
0,1
0,05
0
20 40 60 120 240
Tempo (dias)

FIGURA 2.10 O cone de volatilidade para MSFT, gerado a partir dos quatro anos de preços de
fechamento que terminam em 30 de abril de 2007

erro de amostragem, e isso afeta de forma mais dramática períodos de medição mais curtos
(consulte a Tabela 2.2, onde vimos como o erro de amostragem depende do tamanho da amostra).
Além disso, para obter o máximo de informação de uma determinada série de preços, seria
geralmente necessário utilizar dados sobrepostos. Isto induzirá claramente um grau artificial de
correlação nas estimativas de volatilidade e distorcerá um pouco os nossos resultados.

Precisamos levar tudo isso em consideração. Especificamente, precisamos de saber

quanto de enviesamento é introduzido nas nossas estimativas de volatilidade através da
utilização de dados sobrepostos. Este problema foi estudado extensivamente por Hodges
e Tompkins (2002). Eles descobriram que a variância medida a partir de séries de retornos
sobrepostos precisa ser multiplicada pelo fator de ajuste

1
m= (2.35)
1 h2 ÿ 1h
ÿ + 3n2
n

onde
h é a duração de cada subsérie (por exemplo, 20 dias) n = (T ÿ h) + 1 é o
número de subséries distintas disponíveis para um número total de observações T

Assim, para o exemplo dado na Tabela 2.7, onde precisamos de ajustar a variância medida
ao longo de subperíodos de 60 dias a partir de 1.006 pontos de dados, o factor de ajustamento
seria 1,06, ou aproximadamente 1,03 quando aplicado à volatilidade. Usar esse fator de ajuste
significa que podemos usar janelas rolantes para estimar a volatilidade, o que torna os cones de
volatilidade uma ferramenta de negociação muito útil.
Machine Translated by Google

Medição e previsão de volatilidade 41

Os números do cone de volatilidade para MSFT, gerados a partir dos quatro

TABELA 2.7
Anos de preços até 30 de abril de 2007

20 dias 40 dias 60 dias 120 dias

volatilidade volatilidade volatilidade volatilidade

Máximo 0,465 0,352 0,287 0,258

75% 0,213 0,213 0,225 0,2
Mediana 0,159 0,172 0,169 0,181
25% 0,123 0,149 0,147 0,161
Mínimo 0,062 0,096 0,091 0,136

Na verdade, dado que, para as ações e muitos futuros, o impacto das notícias é muito
mais importante do que qualquer outro fator na projeção e previsão realizada
volatilidade, geralmente podemos ser mais bem atendidos comparando a volatilidade implícita
à distribuição histórica da volatilidade dada pelo cone de volatilidade. Vendendo
volatilidade implícita de um mês em 35 por cento porque está no percentil 90 para a volatilidade de
um mês nos últimos dois anos pode formar a base
de um plano de negociação sensato. Vendendo 35 por cento porque a GARCH está prevendo
a volatilidade percebida em 20% é menos sensata. A previsão pontual
não é tão importante quanto a possível distribuição dos resultados.
Obviamente, também é possível construir cones de volatilidade a partir do
outros estimadores de volatilidade.
O cone de volatilidade é muito útil para colocar informações atuais de mercado (volatilidade
realizada, volatilidade implícita e o spread entre elas).
no contexto histórico. Mas não o coloca no contexto da actual
mercado geral. Isso também é algo para monitorar. Se tivéssemos a opção de vender a volatilidade
implícita do Citigroup a 39% quando a realização for de 26%,
ou vender a volatilidade implícita do S&P 500 a 24 por cento quando a sua realização foi
18 por cento, devemos pensar com cuidado. Não estamos obtendo muito mais vantagem
como uma porcentagem para a venda de uma única ação do que para o índice. Considere usar o
spread implícito/realizado do índice como referência para o
quantidade de vantagem que você procura em todas as suas negociações. As coisas mudam, e isso
contexto é sempre muito importante.
Os cones de volatilidade muitas vezes não são muito úteis para os formadores de mercado ou outros
comerciantes muito ativos. Na verdade, eles podem ser muito irritantes. Isto é porque
sempre que o cone de volatilidade lhe disser que a volatilidade implícita é historicamente
alto, você já estará com falta. Geralmente você estará vendendo tudo
o caminho para cima, e agora estará em uma posição perdedora. Mas pelo menos você
saberão agora que a volatilidade implícita está no nível mais alto de todos os tempos, e agora talvez não
será o melhor momento para cobrir. Os criadores de mercado perderão dinheiro nestes tipos de
situações de qualquer maneira. A ignorância não pode ajudar.
Ao fazer previsões, geralmente descobriremos que a volatilidade implícita é igual ou
significativamente superior à volatilidade prevista. O BSM
Machine Translated by Google

42 NEGOCIAÇÃO DE VOLATILIDADE

a volatilidade implícita é, em geral, uma estimativa com tendência ascendente. Por exemplo, é
não é incomum que nossas previsões fiquem 30% abaixo do atual implícito
volatilidades, mas praticamente nunca vemos o inverso. Há um número
de razões óbvias para isso:

Ao vender volatilidade implícita, estamos vendendo seguros. Assim existe uma

prêmio de risco associado a ele.
Poderiam acontecer coisas perfeitamente razoáveis que nunca aconteceram
antes. Estes não serão tidos em conta se basearmos a nossa previsão apenas em dados
passados.
A microestrutura do mercado incentiva a volatilidade implícita a ter um viés elevado.
Os formadores de mercado ganham a maior parte do seu dinheiro coletando o bid/ask
espalhar nas opções. Eles também irão distorcer um pouco suas citações de boa vontade
alto para proteger seus negócios. Em essência, eles estão comprando seguros
(ligeira exposição longa à volatilidade, particularmente no lado negativo), uma vez que qualquer
um empresário prudente fará.

A conclusão incorreta a tirar desta discussão é que podemos

sempre lucrar vendendo volatilidade implícita. Lembre-se de que as companhias de seguros
lucram em grande parte com os lucros obtidos pelo reinvestimento dos seguros.
prêmio. Esta oportunidade não está disponível para negociantes de opções que usam empréstimos
fundos. O prémio de seguro da opção por si só não é uma razão suficientemente boa para
vender opções. Mas precisamos de reconhecer a sua existência e desviar as nossas previsões
em conformidade, para que possamos dizer se uma opção é realmente demasiado cara. Então
ajustamos cada previsão subtraindo o spread implícito/previsto usual.
Por exemplo, o spread realizado/implícito para o S&P 500 pode ser
vagamente representado pelo spread entre o fechamento de fechamento de 30 dias
volatilidade e o Chicago Board Options Exchange Volatility Index (VIX).
(A construção e interpretação do VIX são abordadas no Apêndice A.)
Isso é mostrado na Figura 2.11. Observe que o VIX está quase sempre acima do
Volatilidade contínua de 30 dias. Você precisa saber o valor médio desse prêmio. Lembre-se de
que você deve procurar coisas que estão fora do comum.

30
25
20
Vol.
15
Volatilidade

VIX
10
5
0
38800 39.000 39200 39400

Data

FIGURA 2.11 Volatilidade de 30 dias do VIX e do S&P 500

Machine Translated by Google

Medição e previsão de volatilidade 43

12
10
8
6
Prêmio

4
2
0
–2
–4
–6
24/03/06 10/10/06 28/04/07 14/11/07
Data

FIGURA 2.12 O prêmio de volatilidade implícita para o S&P 500

ordinário. O spread real é mostrado na Figura 2.12. Aqui o valor médio é 3,09. Este é o
valor crucial a ser lembrado. (Observe também que o período em abril de 2007 em que o
spread ficou negativo corresponde a um aumento na volatilidade de fechamento próximo
a 30 dias. Isso foi causado em grande parte pelo problema de as volatilidades históricas
serem retrospectivas, conforme discutido anteriormente e mostrado na Figura 2.8.)

Para os traders de posição, os cones de volatilidade ajustados ao contexto podem

ser muito úteis, pois conseguem monitorar a volatilidade sem ter que criar mercados
continuamente. Eles podem esperar para estabelecer uma posição à medida que esta
atinge os máximos (e os formadores de mercado geralmente estarão ansiosos para
aliviar as suas posições neste momento). Os traders de posição têm de aproveitar o facto
de poderem ser seletivos. Negociar pode parecer uma atividade competitiva, mas não
deve ser uma questão de postura. Não há necessidade de ter sempre uma posição. Os
leões são caçadores inteligentes e poderosos, mas não desperdiçam energia lutando contra rinocerontes
Eles esperam até que o antílope ferido se separe do rebanho.

RESUMO

Medir e prever a volatilidade é essencial ao negociar opções.

A previsão, em particular, é uma espécie de arte, e a seleção de um estimador (ou, mais
provavelmente, de uma combinação de estimadores), de uma frequência de amostragem e de uma
metodologia de previsão terá de se basear na experiência. Alguns métodos funcionam melhor em
diferentes condições de mercado do que outros. No entanto, há uma série de coisas que devem
sempre ser consideradas:

Estime a volatilidade usando uma variedade de métodos, tendo em mente os pontos

fortes e fracos de cada um.
Tente escolher um comprimento de amostra que alcance um equilíbrio entre a
inclusão de dados de períodos que não são mais relevantes e o uso de poucos
dados para que o erro de amostragem domine.
Machine Translated by Google

44 NEGOCIAÇÃO DE VOLATILIDADE

Coloque a previsão no contexto usando um cone de volatilidade.

Considere ainda o estado de todo o mercado para determinar se a volatilidade
implícita específica sob exame está em um nível extremo ou
se este é apenas um nível apropriado, dado o estado da ampla
mercado.
Seja seletivo com suas negociações. Espere por uma vantagem que seja clara,
mensurável e compreensível.
Machine Translated by Google

CAPÍTULO 3

Volatilidade Implícita
Dinâmica

volatilidade alizada. Num contexto de jogo desportivo, isto seria semelhante a nós
No prever
capítulo
qualanterior,
time teriaexaminamos maneiras
maior probabilidade de medir
de vencer o jogo.e Neste
prever resultados
capítulo, analisamos as
formas como a volatilidade implícita pode evoluir. Isto seria o equivalente a prever como a linha
das casas de apostas se poderia mover antes do jogo. Lembre-se de que não estamos negociando
diretamente volatilidade realizada ou implícita. Estamos negociando o spread entre os dois, então
a vantagem pode ser encontrada em ambos os lados.

É difícil falar sobre as características da volatilidade implícita porque há uma série de

volatilidades implícitas; geralmente cada par distinto de venda/compra tem sua própria
volatilidade. Isto forma a conhecida superfície de volatilidade. A Figura 3.1 mostra uma superfície
de volatilidade bastante típica para um conjunto de opções de índice, o fundo negociado em
bolsa NASDAQ-100 Trust Series 1 (QQQQ). Possui uma estrutura significativa tanto em termos
de greves quanto de maturidade. Mostramos separadamente a greve e a estrutura de prazos
nas Figuras 3.2 e 3.3.
Antes de analisarmos as formas que a superfície assume, vamos parar um
momento para lembrar o que é importante para nós como traders. Estamos
principalmente interessados em coisas que se movem. As formas são menos
importantes para nós. Mudanças nas formas podem ser importantes. Se estivéssemos
negociando produtos estruturados, esse poderia não ser o caso. Aqui, o sorriso de
volatilidade seria uma entrada para outro modelo, e levar em conta a forma poderia
ser necessário para evitar a arbitragem.
Uma forma de determinar a importância relativa dos diferentes tipos de
movimento é a análise de componentes principais (PCA). Esta é uma técnica
matemática usada para reduzir a dimensionalidade dos conjuntos de dados. Por um

45
Machine Translated by Google

46 NEGOCIAÇÃO DE VOLATILIDADE

0,45
0,4
0,35
0,3
0,25
Volatilidade Implícita
0,2
0,15
0,1
0,05
0
142
16 Tempo (dias)
40 41 42 43 44 45 46 47Batida
48 49 50 51 52 53 54 55

FIGURA 3.1 A superfície de volatilidade implícita para QQQQ em 1º de agosto de 2007

introdução consulte Alexander (2001a). Derman e Kamal (1997) aplicaram PCA

às opções S&P 500 e Nikkei. Eles examinaram a mudança diária na superfície de
volatilidade, onde ela foi parametrizada por delta e tempo até o vencimento.
Skiadopoulos, Hodges e Clelow (2000) aplicaram a ACP às alterações das
volatilidades implícitas do S&P 500 para determinados intervalos de maturidade,
utilizando métricas de exercício e de liquidez. Alexander (2001b) aplicou o PCA
às mudanças diárias nos desvios das volatilidades de exercício em relação às
volatilidades at-the-money (ATM). O trabalho de Alexander é mais diretamente útil
para nós. Ela mostrou que uma mudança paralela do sorriso de volatilidade
implícita representava entre 65 e 80 por cento da variação total da volatilidade. Uma inclinação

0,5

0,45

0,4

0,35

0,3
Volatilidade

0,25

0,2

0,15

0,1

0,05

0 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55

Batida

FIGURA 3.2 A volatilidade implícita das opções de agosto em função do ataque para QQQQ em
1º de agosto de 2007
Machine Translated by Google

Dinâmica de Volatilidade Implícita 47

0,228

0,227

0,226

0,225

0,224
Volatilidade

0,223

0,222

0,221

0,22

0,219

0,218

0,217
0 20 40 60 80 100 120 140 160

Tempo (dias)

FIGURA 3.3 A estrutura a termo da volatilidade implícita para as opções At-the-Money

para QQQQ em 1º de agosto de 2007

explicou mais 5 a 15 por cento da variação, e o componente de curvatura explicou cerca

de outros 5 por cento das mudanças. Portanto, a coisa mais importante a entender é a
dinâmica do nível geral de volatilidade,
seguido pela inclinação da curva. Nunca se esqueça deste ponto. A dinâmica do sorriso
pode ser sedutora, e muitas pessoas muito inteligentes gastaram
muito tempo e dinheiro examinando sua dinâmica, mas o nível de volatilidade
é muitas vezes mais mutável e, portanto, mais significativo economicamente.
O facto de o nível global de volatilidade implícita ser o risco dominante
fator também responde parcialmente à objeção de que o fator "at-the-money" implícito
a volatilidade não é a coisa correta para comparar com a nossa previsão de volatilidade
realizada. Tecnicamente isso está correto. Devemos comparar nossa previsão de volatilidade
ao swap de volatilidade implícita, uma estrutura que consiste na média ponderada de um
continuum de preços de opções. Mas na prática isso não é realmente um
uma maneira muito boa de negociar o spread implícito/realizado, por vários
razões:

O número de strikes disponíveis é geralmente muito limitado, portanto o swap

construído não estará particularmente próximo do seu ideal.
O spread bid/ask nas opções que precisam ser cruzadas torna a construção do swap
muito cara.
O movimento de volatilidade no dinheiro domina o movimento da superfície de
volatilidade implícita.
A inspeção visual da estrutura de payoff de uma posição straddle deve
mostram muito claramente que esta posição depende do movimento absoluto do
subjacente (ver Figura 3.4). Lembre-se que no Capítulo 1
Machine Translated by Google

48 NEGOCIAÇÃO DE VOLATILIDADE

Straddle curto
2,5

1,5

0,5

Lucro 0
80 85 90 95 100 105 110 115 120
ÿ0,5

ÿ1

ÿ1,5

ÿ2

ÿ2,5

Dinheiro

FIGURA 3.4 O retorno de uma posição short straddle

Nota: Isto será lucrativo se o subjacente não se mover muito ou não for volátil.
Esta é a definição funcional de volatilidade dos traders de opções.

afirmamos que estávamos pensando apenas na volatilidade como uma proxy bruta para
esse movimento. Todas as amostras finitas têm volatilidade. É apenas uma simples medida
de um fenómeno reconhecidamente muito mais complexo.

DINÂMICA DO NÍVEL DE VOLATILIDADE

Primeiro, analisamos a dinâmica do nível global de volatilidade implícita. Nós

poderíamos examinar a volatilidade real das opções ATM, mas isso é muito
complicado. Primeiro, observe que geralmente não existe uma opção real no dinheiro.
Haverá uma greve um pouco abaixo do ponto ATM real e outra
acima dele. Cada strike terá uma opção de venda e uma opção de compra. Finalmente cada opção terá
um preço de compra e um preço de oferta. Então, para obter a volatilidade do ATM, precisaremos
construir uma média ponderada apropriada destas oito volatilidades implícitas. Em seguida,
teríamos que fazer a média desse número com aquele obtido de
outro vencimento para obter uma volatilidade implícita de vencimento constante. Os detalhes
e as escolhas envolvidas neste processo podem alterar significativamente o número final.
Alternativamente, poderíamos usar uma volatilidade implícita sem modelo, como a
Índice VIX publicado pela CBOE (baseado no índice S&P 500, mas
índices baseados em metodologias semelhantes estão disponíveis em lojas comerciais
fornecedores como ivolatility.com). Isto costumava ser construído a partir da média das
volatilidades implícitas das opções, mas agora é baseado no conceito de volatilidade livre de
modelo. Detalhes do cálculo do VIX podem ser encontrados no Apêndice A.
A Figura 3.5 mostra o VIX desde o seu início no início de 1990 até o
final de julho de 2007.
Machine Translated by Google

Dinâmica de Volatilidade Implícita 49

50
45
40
35
30
VIX

25
20
15
10
5
0
02/01/1990

02/01/1991

02/01/1992

02/01/1993

02/01/1994

02/01/1995

02/01/1996

02/01/1997

02/01/1998

02/01/1999

02/01/2000

02/01/2001

02/01/2002

02/01/2003

02/01/2004

02/01/2005

02/01/2006

02/01/2007
FIGURA 3.5 Índice de Volatilidade Implícita VIX

Vários recursos brutos podem ser vistos imediatamente:

O nível do VIX tem dois regimes: um regime alto e volátil onde oscila entre 20 e 40, e um regime
onde é mais silencioso e permanece entre 10 e 20.

A volatilidade do índice está positivamente relacionada ao nível.

Existem mais movimentos grandes para cima do que para baixo.
Parece ser, pelo menos localmente, uma reversão à média.

Esta última afirmação necessita de maior elaboração, pois é algo que é

frequentemente dito, mas igualmente frequentemente deixado indefinido. (Veja caixa anexa.)

Reversão à Média

Os traders e analistas dizem frequentemente que a volatilidade é um processo de reversão à

média (esta foi a razão pela qual preferimos o modelo GARCH ao EWMA para prever a volatilidade
realizada), mas muitas vezes há uma falta de precisão no que significam. Aqui examinamos várias
definições diferentes de reversão à média para que possamos ter algumas coisas inequívocas a
observar ao discutir a dinâmica da volatilidade implícita. (Aliás, a mesma ambiguidade existe
quando se discutem tendências nos mercados financeiros. Muitas vezes parece óbvio, em
retrospectiva, que ocorreu uma tendência, mas os traders têm dificuldade em definir
antecipadamente exatamente o que é).

(continuação)
Machine Translated by Google

50 NEGOCIAÇÃO DE VOLATILIDADE

Definição Informal

Uma série temporal é reversível à média se cair após atingir um máximo e aumentar após atingir
um mínimo.
Esta definição é intuitivamente atraente. Tudo o que precisa ser feito é olhar para a série,
encontrar os valores extremos e então ver se a série posteriormente se afastou deles. De acordo
com este pensamento, o mercado accionista estava claramente subvalorizado no início da década
de 1980 e drasticamente sobrevalorizado em meados de 1987. Infelizmente, esta definição também
é auto-realizável. É um truísmo dizer que uma série será menor após o seu máximo. Isso se aplica
a qualquer série. Precisaremos inventar algo mais falsificável.

Definição mais formal

Uma série temporal é reversível à média se seus retornos tiverem autocorrelação negativa.
Segundo esta definição, um retorno abaixo da média num período é compensado por um
retorno superior à média em períodos subsequentes. O VIX tem reversão à média sob esta
definição. Possui autocorrelação diária de -0,04, semanal de -0,21 e mensal de -0,12.

Este modelo pode ser simplesmente expresso como

Rt = ÿ (Rtÿ1 ÿ µ) + µ + ÿ Zt (3.1)

onde
R são os retornos no tempo t ÿ é a
autocorrelação µ é o retorno
médio ÿ é a volatilidade dos
retornos
Z é um empate de uma distribuição normal padrão

Uma realização deste processo é dada na Figura 3.6.

Agora compare isso com a Figura 3.7.
Isso não é prova de nada. Mas é certamente sugestivo que esta forma de reversão à média
seja aplicável ao VIX, pelo menos por curtos períodos.

Uma definição dos comerciantes

Uma série temporal tem reversão à média se puder ser negociada com lucro por métodos que
pressupõem que os movimentos tendem a reverter em vez de continuar.
Esta definição permite muitos processos diferentes. É muito mais amplo do que assumir
autocorrelação negativa. Vários indicadores técnicos clássicos podem constituir a base de tal
sistema. (Observe que não estamos afirmando nada sobre a eficácia geral da análise técnica; ela
está apenas sendo usada como um teste neste caso específico.)
Machine Translated by Google

Dinâmica de Volatilidade Implícita 51

10

2
Rota

0
11
13
15
17
19

31

51
21

41
35

39
33

37
25

29
23

49
27

45
43

47
ÿ2

ÿ4

ÿ6

ÿ8

ÿ10
Tempo

FIGURA 3.6 Um processo aleatório de reversão à média conforme descrito

pela Equação
3.1 (os parâmetros eram µ = 0, ÿ = ÿ0,2 e ÿ = 2,8)

O VIX também passa neste teste. Uma estratégia simples de banda de Bollinger, onde
vendemos dois desvios padrão acima de uma média móvel exponencialmente ponderada
(EWMA) ou compramos dois desvios padrão abaixo de um EWMA e saímos no fechamento
do dia seguinte, teria sido um vencedor sólido. Produziu 62,2 por cento de negociações
vencedoras, com vencedores médios de 1,05 pontos e perdedores médios de 0,93 pontos
desde janeiro de 1990. Isso poderia ser melhorado ajustando os parâmetros e definindo o
nível de compra de forma diferente.

10

2
Rota

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51
ÿ2

ÿ4

ÿ6

ÿ8
Tempo

FIGURA 3.7 Retornos Semanais do VIX em 1990

(continuação)
Machine Translated by Google

52 NEGOCIAÇÃO DE VOLATILIDADE

ao nível de venda para levar em conta a assimetria do movimento, mas isso

não é o ponto aqui. Não pretendemos criar um sistema comercial viável. Nós apenas
afirmam que o VIX faz o que um trader espera de uma série temporal com reversão à média
pendência. (Este sistema é inútil na prática, pois o índice VIX não é negociado e
os futuros são amplos o suficiente para que isso não seja lucrativo. Infelizmente, as coisas
que são fáceis de precificar geralmente são difíceis de negociar.)
Contudo, a ideia central por trás deste sistema muito simples é importante.
Grandes movimentos de volatilidade implícita serão frequentemente revertidos. Isto deve ser mantido em
mente quando entramos em posições de opção.

Modelos de séries temporais mais formais fornecem resultados mistos. Alguns pesquisadores
reivindicaram sucesso em suas previsões de volatilidade implícita (Ahoniemi
2006; Brooks e Oozeer 2006), mas os modelos parecem ter uso prático limitado como ferramentas
de negociação.
No entanto, existem regularidades muito claras na evolução das volatilidades implícitas no
dinheiro que podem formar a base das negociações. Um exemplo é a evolução das volatilidades
implícitas antes dos lucros de uma empresa.
anúncio. A volatilidade do primeiro mês quase sempre aumentará significativamente nas semanas
anteriores à divulgação dos lucros. Um exemplo é mostrado em
Figura 3.8, onde vemos a evolução da volatilidade do primeiro mês da Apple (AAPL) para o mês
anterior ao anúncio dos lucros do segundo trimestre após o fechamento de 25 de abril de 2007.
Este padrão de aumento da volatilidade implícita antes do anúncio e, em seguida, caindo assim
que a notícia for divulgada, é
onipresente.

0,36

0,34

0,32

0,3
Volatilidade

0,28

0,26

0,24

0,22

0,2
19/03/07 24/03/07 29/03/07 03/04/07 08/04/07 13/04/07 18/04/07 23/04/07 28/04/07 03/05/07
Data

FIGURA 3.8 A volatilidade do primeiro mês da AAPL em torno do segundo trimestre de 2007
Divulgação de resultados
Machine Translated by Google

Dinâmica de Volatilidade Implícita 53

Certamente parece que há uma oportunidade comercial aqui. Na verdade, existem dois. A primeira ideia é
comprar volatilidade implícita algumas semanas antes dos lucros, em antecipação ao aumento da volatilidade implícita.

Às vezes isso pode funcionar. Lembre-se, porém, de que, embora a volatilidade implícita aumente, os preços reais das
opções provavelmente não aumentarão: você precisará dos lucros vega e dos lucros do scalping da gama longa para
compensar a decadência das opções devido à passagem do tempo. . Certamente vale a pena procurar isto, embora os
custos de transação limitem a aplicabilidade da ideia às ações mais ativas.

A ideia também se aplica a outros produtos. Por exemplo, os produtos de taxas

de juro apresentam um padrão semelhante antes de grandes divulgações
económicas, e as volatilidades implícitas nas matérias-primas geralmente aumentam
antes dos relatórios de inventários ou de colheitas. Na verdade, um estudo da Carr
Futures (Panos 1997) mostrou que, de Janeiro de 1994 a Dezembro de 1996,
comprar straddles delta-neutros no fecho da segunda-feira da semana de um
relatório de desemprego (divulgado na sexta-feira antes da abertura do mercado) e
vender a o fechamento na quinta-feira teria gerado um lucro de cerca de 9 ticks de
opção (um retorno de 6,53%).
A outra oportunidade comercial possível é inspirada na observação de que a
volatilidade implícita cai drasticamente após o anúncio. Novamente, este é um
fenômeno generalizado. Para lucrar com isto, precisaríamos de vender opções antes
do anúncio e esperar que o movimento no subjacente não fosse tão grande que as
nossas perdas gama não superassem os nossos lucros devido à queda da
volatilidade implícita. Para avaliar isto, precisamos de ser capazes de calcular o
salto no preço subjacente que está implícito nos preços das opções.
Para encontrar o salto implícito, comparamos as volatilidades implícitas ATM das
opções do primeiro mês e do segundo mês. A suposição é que pouco antes do
evento, a maior parte da diferença será devida à incerteza causada pelo anúncio.
Também pode haver outras razões para a diferença, mas esperamos que o evento
seja dominante.
Em primeiro lugar, note que se a volatilidade implícita do primeiro mês for
inferior à do segundo mês, não se prevê que o evento provoque qualquer
movimento. Se o primeiro mês for superior ao segundo mês, precisamos primeiro
calcular a volatilidade futura, ÿ12, estando a volatilidade implícita desde o primeiro
vencimento em T1 até o segundo vencimento em T2. Isso é

p22 T2 ÿ ÿ2 1 T1
ÿ12 = (3.2)
T2 - T1

onde
ÿ1 é a volatilidade implícita do primeiro mês ÿ2 é a
volatilidade implícita do segundo mês
Machine Translated by Google

54 NEGOCIAÇÃO DE VOLATILIDADE

A volatilidade atribuída ao evento, ÿ E, é a diferença da frente

volatilidade mensal e a volatilidade futura.

T1T2
ÿE = T1 ÿ2 ÿ ÿ2 1 = ÿ2 ÿ ÿ2 (3.3)
12 1 2
T2 - T1

Agora, usando a equação (2.12), descobrimos que o retorno absoluto esperado (o salto) é

2
E (|R|) = em E (3.4)
p

Usando a equação (3.4), podemos encontrar o salto esperado das duas primeiras volatilidades
implícitas e compará-lo com a nossa estimativa do movimento real no subjacente. Esta é
provavelmente uma negociação mais difícil: você precisa de uma estimativa do movimento que seja
mais precisa do que a do mercado. Além disso, mesmo que você esteja correto, haverá uma
volatilidade significativa nos resultados da negociação. Isto não é o mesmo que prever a volatilidade
realizada ao longo da vida de uma opção.
Prever a volatilidade é prever uma média. Esta negociação depende da previsão do movimento em
um único dia, e ainda por cima em um dia anormal.

DINÂMICA DO SORRISO

A seguir podemos examinar a natureza do sorriso. Dissemos anteriormente que o sorriso não é tão significativo quanto

o nível de volatilidade. Isso é verdade, mas não é totalmente insignificante. Existem vários estudos académicos que
mostram que os efeitos do sorriso são lucrativamente negociáveis se os custos de transação forem suficientemente
pequenos (por exemplo, Gonçalves e Guidolin 2005; Jha e Kalimipalli 2006). Além disso, todos os traders precisam ser
capazes de monitorar e compreender o sorriso para encontrar os melhores preços para negociar. Isso se torna mais
relevante para produtos com muitos strikes, de modo que negociações que isolem assimetria (proporções de spreads)

e curtose (borboletas e condores) possam ser construídas. É também de maior relevância para os formadores de

mercado que podem entrar em posições com múltiplas pernas sem cruzar todo o spread de compra/venda no mercado
de opções.

Os sorrisos existem por vários motivos (esta lista não é exaustiva):

Em muitos produtos, o usuário final típico é comprado e naturalmente comprará proteção

contra perdas.
Nos produtos de ações, os comprados também podem ter propensão a vender opções de
compra contra suas posições longas em ações.
Os strikes ascendentes são frequentemente negociados com um prémio em relação ao strike
at-the-money nas ações, devido à possibilidade implícita de uma aquisição. (Obviamente isso irá
Machine Translated by Google

Dinâmica de Volatilidade Implícita 55

criar uma curva diferente do efeito anterior, e qual efeito for mais forte será altamente
específico do produto e do período.)
Se os clientes forem opções de venda longas e opções de compra curtas, os formadores de
mercado serão opções de venda curtas e opções de compra longas. Normalmente, os
clientes não fazem hedge (as opções são seu hedge) e os formadores de mercado o fazem.
Pelo menos parte desta cobertura é dinâmica e, se o mercado cair em direção às suas
posições vendidas, o impacto da sua cobertura no mercado aumentará a volatilidade. O
oposto ocorre se o mercado subir em direção às suas posições compradas. Neste sentido, o
sorriso é uma profecia auto-realizável da dependência da volatilidade no nível do subjacente.

Nos índices de ações, a inclinação será mais pronunciada do que nas ações individuais que
compõem o índice. A volatilidade de um índice, ÿ, está relacionada à volatilidade dos
componentes, ÿi, por

N N-1
ÿ2 = w2 ÿ2 + 2 (3.5)
eu eu wiwjÿijÿiÿj
eu=1 eu=1 j>1

onde
wi são os pesos dos componentes ÿij
são as correlações entre os componentes

Portanto, podemos ver que há duas maneiras pelas quais a volatilidade do índice pode
aumentar: ou as volatilidades dos componentes podem aumentar ou as correlações podem
aumentar. A equação (3.5) é igualmente aplicável à volatilidade e correlação realizadas e à
volatilidade e correlação implícitas. Assim, a volatilidade implícita de um índice também
contém um efeito de correlação implícito. Mesmo que todos os componentes tenham uma
superfície de volatilidade implícita plana, o índice pode exibir um sorriso se se espera que a
correlação aumente à medida que o subjacente se move. E é uma crença generalizada que
a correlação entre as ações aumenta em caso de quebras ou movimentos descendentes
acentuados.
Os retornos subjacentes reais não são normalmente distribuídos; eles exibem assimetria e
curtose.

Todas estas razões, exceto a última, estão relacionadas com a pressão de compra (ou
venda) no mercado de volatilidade implícita. Isto é muito difícil de prever, mas o efeito líquido
tende a atingir o equilíbrio na maioria dos mercados. Ou seja, a curva de volatilidade implícita
assumirá uma determinada forma num determinado produto e depois manterá basicamente essa
forma (Hafner e Wallmeier 2000: Cont e da Fonseca 2002).

Precisamos de uma forma de quantificar a forma do sorriso para que possamos monitorá-lo
em busca de desvios desse equilíbrio. Neste ponto não estamos dizendo qual deveria ser a
inclinação. Estamos apenas dizendo o que normalmente é.
Machine Translated by Google

56 NEGOCIAÇÃO DE VOLATILIDADE

Antes de entrarmos em mais detalhes técnicos, gostaria de mencionar um ponto muito

maneira simples de parametrizar sorrisos de volatilidade. Isso nos permite comparar sorrisos
e é útil como uma maneira rápida de fazer isso em diferentes expirações. Poderia
também podem ser usados para comparar produtos da mesma classe, como índices de ações
ou títulos públicos. Parametrizamos o sorriso pelo delta do
opção e, em seguida, divida todas as volatilidades em um determinado mês pela volatilidade
no dinheiro desse mês. Isto dá uma curva que é notavelmente
constante ao longo do tempo. Não tenho conhecimento de nenhuma razão pela qual isso deveria ser
então - poderia muito bem ser apenas um artefato de como os formadores de mercado sempre
propagaram seus sorrisos de volatilidade ao longo do tempo.
A Tabela 3.1 mostra a surpreendente eficácia deste método usando o
exemplo das opções QQQQ. Na verdade, dada a quantidade de interpolação
necessário e a largura do spread de compra/venda em termos de volatilidade, pode-se
argumentar que nestes termos todos os meses tiveram o mesmo
sorriso. Não é um mau começo. No entanto, isto não nos dá forma de comparar as volatilidades
implícitas com quaisquer propriedades da distribuição realizada.
Configuraremos esse problema de maneira semelhante à nossa abordagem inicial para
precificação de opções. Originalmente pensávamos que as opções dependiam apenas do
quadrado dos movimentos do subjacente, o que nos leva a preços
com base na volatilidade. Não pensámos em termos de movimentos absolutos
o preço das ações. Usamos volatilidade porque nos permitiria comparar
dois subjacentes com preços muito diferentes. Agora sabemos que a volatilidade
não é suficiente; nosso processo foi especificado incorretamente. Precisamos estender o BSM
metodologia para incorporar assimetria e curtose.

As volatilidades implícitas brutas e escalonadas das opções QQQQ como um

TABELA 3.1 Função do Delta Fora do Dinheiro desde a Manhã de
13 de setembro de 2007

Outubro. Novembro. Dez. Março. Outubro. Novembro. Dez. Março.

cru cru cru cru Escala Escala Escala Escala
Delta vol. vol. vol. vol. vol. vol. vol. vol.

10 35,8 35,5 33 32 1,47 1,47 1,46 1,44

20 31,2 30,4 29,2 28 1,28 1,26 1,29 1,26
30 28,8 27,8 26,5 25,7 1.18 1,15 1.17 1.16
40 26.3 26 24 23,5 1.08 1.07 1.06 1.06
50 24,4 24.2 22.6 22.2 1 1 1 1
40 23,5 23.4 22.2 21.8 0,96 0,97 0,98 0,98
30 22 21.8 20,7 20.3 0,9 0,9 0,92 0,91
20 20,8 20.2 19.2 18,9 0,85 0,83 0,85 0,85
10 18,7 18,6 17,8 17.6 0,77 0,77 0,79 0,79
Machine Translated by Google

Dinâmica de Volatilidade Implícita 57

A assimetria é definida pelo terceiro momento em relação à média, normalizado

pelo desvio padrão.

N
1 3
(xi ÿ x¯)
N
eu=1
ÿ3 = (3.6)
pág.3

Esta equação é muito semelhante em forma à equação (2.1). Se a distribuição for simétrica,
a assimetria será zero (então, em particular, uma distribuição normal
distribuição terá assimetria zero). Se a cauda esquerda da distribuição for
mais pronunciada que a cauda direita, a distribuição apresenta assimetria negativa. Se o oposto
for verdadeiro, há assimetria positiva. A variação do
assimetria medida a partir de uma amostra com tamanho N é dada por

6
Var (µ3) ÿ (3.7)
N

A curtose é definida pelo quarto momento normalizado em relação à média:

N
1 4
(xi ÿ x¯)
N
eu=1
ÿ4 = (3.8)
pág.4

É uma medida do grau de cauda gorda da distribuição. A distribuição normal tem curtose de 3.
Distribuições com curtose maior
de 3 são chamados leptocúrticos. Isso inclui praticamente todas as distribuições que
encontro em finanças. Distribuições com curtose menor que 3 são chamadas
platicúrtico. Como nesta definição a distribuição normal é 3,
às vezes referem-se a curtose excessiva: curtose menos 3. Confusamente, alguns
os autores usam isso como uma definição de curtose. A função Microsoft Excel
Na verdade, KURT calcula o excesso de curtose.
A variância da curtose medida a partir de uma amostra com tamanho N é
dado por

24
Onde (µ4) ÿ (3.9)
N

A primeira tentativa de incluir esses momentos na precificação de opções foi por

Jarrow e Rudd (1982), que trabalharam com distribuição de preços . Eles
perturbar a distribuição lognormal de preços e expressar a nova distribuição de preços como
uma expansão, usando distribuições lognormais como funções básicas.
Isto funcionará, mas infelizmente os momentos mais altos da distribuição de preços não são
constantes em diferentes vencimentos, então teríamos variações no tempo.
Machine Translated by Google

58 NEGOCIAÇÃO DE VOLATILIDADE

parâmetros para acompanhar. Este é um artefato matemático e ocorreria mesmo

que a verdadeira distribuição não mudasse em nada.
Uma solução melhor foi proposta por Corrado e Su (1996). Eles realizam uma
expansão (tecnicamente uma expansão de Gram-Charlier) da distribuição de
retorno . Isso significa que os parâmetros são invariantes no tempo (a menos que a
distribuição realmente tenha mudado de forma). O preço da chamada europeia é dado por

C = CBSM + µ3Q3 + (µ4 ÿ 3) Q4 (3.10)

onde µ3
é a assimetria dos retornos µ4 é a curtose

CBSM é o valor normal da chamada BSM

1
Q3 = Sÿ ÿ T 2ÿ ÿ T ÿ d1 n(d1) + ÿ2T N (d1) (3.11)
6

1
Q4 = Sÿ ÿ T d2 ÿ 11 ÿ 3ÿ ÿ Td2 n(d1) + ÿ3 ÿ T3N (d1) (3.12)
24

onde, como sempre,

S p2
Em +r+ T
X 2
d1 = (3.13)
ÿÿT

d2 = d1 ÿ ÿ ÿ T (3.14)

x
1
N (x) = expÿz2 dz (3.15)
ÿ 2ÿ 2
ÿÿ

é a função de distribuição normal cumulativa e

1
n(x) = ÿ expÿx2 (3.16)
2ÿ 2

A relação de paridade de venda/compra pode ser usada para encontrar o valor da opção de venda
por

P = C ÿ S + X exp (ÿrT) (3.17)

Machine Translated by Google

Dinâmica de Volatilidade Implícita 59

Inicialmente consideramos esses parâmetros puramente implícitos - isto é,

eles só são significativos no contexto do mercado de opções e não têm
relação direta com a distribuição de retorno subjacente. Usamos o citado
preços das opções para reverter os parâmetros das opções, mas agora não obteremos
uma volatilidade implícita para cada exercício. Teremos, de todas as opções de
um determinado vencimento, uma volatilidade implícita, assimetria e curtose, reduzindo nossa
parâmetros de um por golpe para apenas três.
Para encontrar a assimetria e a curtose implícitas trabalhamos diretamente a partir da
equação (3.10), buscando os parâmetros que minimizaram a diferença quadrática dos preços
de mercado cotados e os da nova fórmula.
A Figura 3.9 mostra a curva de volatilidade implícita para o vencimento em outubro de 2007
para GameStop Corp. (GME) em 5 de setembro de 2007.
Quando minimizamos a soma dos quadrados das diferenças entre
os preços cotados e os preços Corrado-Su da equação (3.3) alterando ÿ, µ3 e µ4, obtivemos
os seguintes resultados: ÿ = 0,508, µ3 =
ÿ0,701 e µ4 = 4,42.

Pontos fortes
Agora podemos pensar na assimetria implícita e na curtose implícita de maneiras
análogo à volatilidade implícita. Para que possamos manter registros de seus
faixas e valores normais para os produtos que comercializamos. Podemos construir
estruturas a termo de assimetria e curtose.
Podemos comparar diretamente os resultados com medições do realizado
momentos (novamente, assim como fizemos para a volatilidade). Podemos construir inclinação
e cones de curtose.

0,7

0,6

0,5

Volatilidade

0,4

0,3

0,2

0,1

0
30 35 40 45 50 55 60 65 70
Batida

FIGURA 3.9 A volatilidade implícita no mercado médio das opções de outubro em função
do strike para GME em 5 de setembro de 2007 (o strike ATM é 49,67)
Machine Translated by Google

60 NEGOCIAÇÃO DE VOLATILIDADE

0,6

0,5

0,4

Volatilidade

0,3

0,2

0,1

0
0,8 0,85 0,9 0,95 1 1.05 1.1 1,15 1.2

Greve (como porcentagem do caixa eletrônico)

FIGURA 3.10 A volatilidade implícita equivalente em função do dinheiro quando

ÿ = 0,50, µ3 = ÿ0,70 e µ4 = 0

Fraquezas

A volatilidade na fórmula Corrado-Su não é a volatilidade implícita no dinheiro. Isso pode

inicialmente ser confuso.
Os outros momentos implícitos não afetam realmente o sorriso implícito no
maneira que intuitivamente gostaríamos que eles fizessem. Por exemplo, um trader gosta
pensar na assimetria como a inclinação linear da curva de volatilidade implícita.
Mas se mantivermos a volatilidade constante e definirmos a curtose igual a zero, o
O modelo Corrado-Su fornece uma curva de volatilidades implícitas equivalentes do BSM
em função da greve, conforme mostrado na Figura 3.10.
Da mesma forma, os traders pensam na “curtose” como a causa da convexidade da curva
de volatilidade implícita. Mas se mantivermos a volatilidade constante e definirmos a
assimetria igual a zero, o modelo Corrado-Su fornece a curva de valor equivalente
O BSM implicou volatilidades em função da greve (ver Figura 3.11). Observação
que não é simétrico em torno da volatilidade do ATM. E o mínimo
da volatilidade implícita ocorre abaixo do strike at-the-money.
Assim, os momentos superiores estão um tanto interligados em seus efeitos.
Não podemos atribuir diretamente uma mudança na forma da curva a nenhum dos dois
assimetria ou curtose.

É possível obter preços de opções negativos, e não apenas para situações implausíveis.
Por exemplo, se o preço subjacente for 50, há 50 dias
Machine Translated by Google

Dinâmica de Volatilidade Implícita 61

0,6

0,5

0,4

Volatilidade

0,3

0,2

0,1

0
0,8 0,85 0,9 0,95 1 1.05 1.1 1,15 1.2

Greve (como porcentagem do caixa eletrônico)

FIGURA 3.11 A volatilidade implícita equivalente em função do dinheiro quando

ÿ = 0,50, µ3 = 0 e µ4 = 10

restantes até o vencimento, as taxas de juros são de 5%, a volatilidade é de 50%,

a assimetria for ÿ0,7 e a curtose for 0, obteríamos um preço de ÿ0,21 para
a chamada de greve de 65. Rubinstein (1998) fornece assimetria/curtose aproximada
valores onde isso não acontecerá. Jondeau e Rockinger (1999, 2001) usam
os métodos de Barton e Dennis (1952) para derivar o limite no
espaço de assimetria/curtose onde a expansão de Gram-Charlier é positiva.
Isso é mostrado na Figura 3.12. Vemos que apenas desvios relativamente leves
da normalidade são permitidos.

1,5

0,5

0
0,50 1,51 2,52 3 3.5 4 4.5

ÿ0,5

ÿ1

ÿ1,5
Excesso de curtose

FIGURA 3.12 A região de assimetria/curtose dentro da qual a expansão de Gram-Charlier

é uma densidade de probabilidade
Machine Translated by Google

62 NEGOCIAÇÃO DE VOLATILIDADE

O modelo de Corrado e Su só é diretamente aplicável aos países europeus

opções, mas é bastante simples implementar a ideia em uma configuração de árvore onde
poderíamos aplicar condições de contorno americanas (ou mais gerais). Esta ideia foi
proposta pela primeira vez por Rubinstein (1998), que trabalhou com
a expansão Edgeworth. Haug (2007b) fornece código para Edgeworth
e árvores Gram-Charlier.

RESUMO

A negociação de opções requer conhecimento de dois tipos de volatilidade: realizada

volatilidade, que é uma medida da variabilidade do subjacente; e implícito
volatilidade, que dá o preço de mercado das opções. Estamos interessados em
o spread entre estas duas volatilidades. A dinâmica de volatilidade implícita é
também é difícil de quantificar e prever. As volatilidades implícitas movem-se mais lentamente
do que as volatilidades realizadas, mas as volatilidades implícitas têm prazo e efeito
estrutura que também precisa ser contabilizada. Mesmo assim, podemos afirmar
alguns princípios gerais dos quais o comerciante deve estar ciente:

A volatilidade implícita mais importante para um trader é a volatilidade at-the-money

nível. A maior parte do movimento de volatilidade implícita é uma mudança no nível de
volatilidade. A inclinação e a curvatura da curva implícita têm variabilidade decrescente
(e, portanto, importância).
A volatilidade implícita é reversível à média.
A forma da curva de volatilidade implícita tende a ser relativamente estável
em um determinado produto, embora o motivo real do sorriso possa variar
dramaticamente entre produtos.
O modelo Corrado-Su nos permite colocar assimetria implícita e implícita
a curtose em pé de igualdade com a volatilidade implícita.
Machine Translated by Google

CAPÍTULO 4

Cobertura

estrutura. O conceito de hedge foi utilizado na derivação de

Vimos no CapítuloBSM
a equação 1 que
e éanecessário
ideia de hedge é central
fazer hedge parapara o BSM
remover a exposição
ao retorno do subjacente. Para isolar a nossa exposição à volatilidade, precisamos
de nos proteger. Os traders de opções profissionais estão bem cientes disso.
Contudo, o próprio processo de cobertura causa confusão e está sujeito a vários
equívocos.
Há um velho ditado que diz que qualquer negociação de opções pode ser lucrativa se
for protegida corretamente. Se o hedge for pensado como parte do processo de negociação
de opções, e não como uma estratégia de negociação completamente independente, isso
é simplesmente falso. Embora seja possível que alguns traders tenham uma capacidade
especial para negociar o subjacente, este nem sequer é o objetivo da cobertura. A cobertura
consiste em mitigar o risco para que possamos lucrar com a nossa previsão de volatilidade.
Em média, uma negociação não gerará lucro a menos que vendamos uma volatilidade
implícita superior à volatilidade realizada ou a compremos a um preço inferior. Devido à
dispersão dos resultados comerciais em torno deste resultado, um número suficiente de
negociações baseadas numa previsão de volatilidade incorreta serão vencedoras para
manter alguns traders convencidos de que isto não é verdade. Tudo bem. Eles estão
errados – e num jogo de soma zero, ter alguns participantes enganados sobre um aspecto
fundamental da negociação só pode ajudar o resto de nós.
Mesmo que um trader possa negociar com lucro tanto a volatilidade como a
direção do subjacente, ele não deve esquecer o facto de que estas são duas
estratégias distintas. Além disso, mesmo os melhores traders direcionais nem
sempre terão uma visão do subjacente, enquanto um trader de opções sempre
precisa de um plano de hedge. Neste capítulo elaboramos esse plano.

63
Machine Translated by Google

64 NEGOCIAÇÃO DE VOLATILIDADE

Se pudéssemos negociar o subjacente em qualquer tamanho que quiséssemos e sem

incorrer em quaisquer custos, devemos fazê-lo e ajustar continuamente o nosso estoque
posição para permanecer delta-neutro. Como vimos no Capítulo 1, isso tornaria
nosso lucro em função da diferença entre a volatilidade implícita e o
volatilidade percebida. No entanto, no mundo real só podemos negociar em quantidades discretas
tamanho, e cada negociação nos custa dinheiro em comissões e spreads de compra/venda.
Isso torna impraticável o ajuste contínuo do delta.
Existem provas que dependem de propriedades matemáticas do GBM para mostrar
que a replicação contínua exigida pelo modelo BSM incorre em infinitos
custos de transação em qualquer período de tempo, não importa quão pequeno seja. Mas lá
é outro problema: quando o subjacente tem um spread de compra/venda discreto
de qualquer maneira, nunca poderemos ter uma posição delta plana. Nossa gama irá
fazer com que tenhamos deltas diferentes quando avaliados em relação ao lance ou à oferta.
Então, neste caso, nosso delta mudará mesmo quando o subjacente não estiver indo
em qualquer lugar. A cobertura desta rejeição de compra/venda incorreria em custos ao remover
sem risco.
É difícil exagerar a importância de uma cobertura barata e eficiente. Os riscos de replicação
devido a cobertura imperfeita podem facilmente exceder o
lucros antecipados decorrentes da avaliação incorreta da volatilidade implícita percebida. Os custos
de transacção resultantes da cobertura podem ser elevados. Eles também são fáceis de ignorar, pois
acumulam-se progressivamente ao longo da vida da negociação e não são facilmente
percebido pelos traders, que tendem a se concentrar nos resultados de curto prazo.
Para ver a extensão do problema, considere o exemplo a seguir. Nós somos
vender mil vega em opções at-the-money sobre uma ação inicialmente cotada
por $ 100 que têm um ano até o vencimento. A volatilidade real é de 40 por cento
e vendemos a posição a uma volatilidade implícita de 50 por cento. Antes de qualquer
custos, esperamos obter um lucro de $ 10.000 se o mantivermos até o vencimento. No entanto, o
spread de compra/venda no subjacente é de US$ 0,1. A Tabela 4.1 mostra o lucro total esperado
para esta posição se fizermos hedge para uma posição delta-neutra
em várias frequências. (Esses números foram resultados de um estudo de Monte Carlo
simulação desta situação, onde olhamos o resultado médio de 10.000
realizações desta situação.)

O lucro médio obtido durante o reequilíbrio

TABELA 4.1 Hedges em intervalos diferentes (em um mundo BSM perfeito
Ganharíamos $ 10.000)

Frequência de hedge Lucro médio realizado

Cobertura semanal US$ 9.791

Cobertura diária US$ 9.220

Duas vezes ao dia US$ 8.830

Cinco vezes ao dia US$ 7.952

Machine Translated by Google

Cobertura 65

MÉTODOS DE COBERTURA AD HOC

Os traders utilizam vários métodos diferentes para decidir quando reequilibrar a sua cobertura. Muito
depois de o preço das opções ter sido considerado uma ciência, a cobertura ainda era considerada
uma arte e, como resultado, as primeiras teorias de cobertura eram um tanto ad hoc.

Cobertura em intervalos regulares

Uma das estratégias de hedge mais simples é fazer hedge em intervalos de tempo fixos.
No final de cada período de tempo, executamos uma negociação subjacente que define o nosso
delta para zero (ou o mais próximo possível depois de permitir unidades de negociação discretas).
Esta prática é por vezes utilizada por grandes mesas de facilitação que podem ter posições de
opções em várias centenas de subjacentes.
No final de cada dia, o delta de cada subjacente é achatado. Isto é simples de entender e
implementar, mas é totalmente arbitrário na escolha do intervalo de tempo. Obviamente, fazer hedge
com mais frequência diminui o risco. É igualmente óbvio que cobrir com menos frequência diminui
os custos. Também deve ficar claro que uma opção de uma semana deve ser coberta de forma
diferente de uma opção de um ano. Um dia na vida de uma opção de uma semana é muito mais
significativo do que um dia na vida de uma opção de um ano.

Cobertura para uma Banda Delta

Esta é uma estratégia comumente utilizada por formadores de mercado ou comerciantes que
comercializam apenas alguns produtos. Aqui escolhemos um delta fixo que somos capazes de
tolerar. Quando nosso delta excede isso, nós fazemos hedge.
Precisamos de alguma forma escolher o tamanho da banda. Geralmente isto é feito
considerando o risco do dólar ao qual estamos expostos devido a um movimento de gap não coberto
no subjacente, como um salto no preço de abertura. Isto também pode depender do sinal do gama
na carteira. Podemos decidir ser mais flexíveis na nossa cobertura se estivermos comprados,
porque um movimento adverso será parcialmente assegurado pela gama. Ter que fazer esta escolha
não é necessariamente um problema – veremos que tais escolhas são inevitáveis. O problema é
que a escolha deve depender da posição da opção e não ser fixa. Este método depende de ajustes
ad hoc para conseguir isso.

Cobertura com base em alterações de preços subjacentes

Ao usar esta estratégia, o trader reequilibra o delta depois que o subjacente se moveu em um
determinado valor. Isto baseia-se na ideia sensata de que o risco na carteira se deve a movimentos
subjacentes, pelo que estes devem formar
Machine Translated by Google

66 NEGOCIAÇÃO DE VOLATILIDADE

a base para decisões de reequilíbrio. No entanto, ainda nos resta procurar um método que nos diga
como escolher a variação de preço apropriada. Os traders também precisam decidir se calibram o
método com base em variações percentuais, variações do dólar, níveis técnicos de importância ou
desvios padrão implícitos ou históricos.

MÉTODOS BASEADOS EM UTILIDADE

Sabemos que a cobertura é um compromisso entre reduzir o risco e incorrer em custos. Quando os
economistas lidam com tais compromissos, recorrem frequentemente ao conceito de utilidade. Isto
nos dá a estrutura necessária para decidir entre diferentes alternativas.

Teoria da Utilidade

Imagine que você possa escolher entre receber uma certa quantia de dinheiro ou fazer uma
aposta com 50% de chance de ganhar US$ 100 e 50% de chance de não ganhar nada. É
evidente que a aposta tem um valor esperado de $50. Se você preferir receber um determinado
pagamento inferior a US$ 50, você é avesso ao risco. Se você aceitasse $ 50, seria neutro ao
risco. Se você aceitar apenas mais de US$ 50, você está em busca de risco.

O valor certo que você aceitaria é chamado de equivalente de certeza. Se traçarmos um

gráfico de certeza equivalente em função do tamanho da aposta, podemos visualizar nossa
função de utilidade. Para um trader avesso ao risco, a curva de utilidade terá curvatura
descendente. Isso significa que a utilidade de uma determinada quantia de dinheiro é maior do
que a própria quantidade de dinheiro. Isso pode ser visto na Figura 4.1. Por outro lado, a
função utilidade para uma empresa que busca o risco

Utilitário

Dinheiro

FIGURA 4.1 A função de utilidade para um trader avesso ao risco

Machine Translated by Google

Cobertura 67

o trader se curva para cima. A utilidade de uma determinada quantia de dinheiro é menor que a
própria quantidade de dinheiro. Essa curva de utilidade é mostrada na Figura 4.2.
Os dois aspectos mais importantes das funções de utilidade (sensatas) para um trader são
que elas se inclinam para cima porque preferimos mais dinheiro a menos, e se curvam para baixo
porque nos tornamos mais avessos ao risco quando estão envolvidas quantias maiores.

Podemos quantificar nossa aversão ao risco usando o valor absoluto de Arrow-Pratt

aversão ao risco, que é definida por

você(W)
r= (4.1)
você (W)

Uma função de utilidade comumente usada é a função de utilidade exponencial. Isto

tem a forma funcional

você(W) = ÿ exp(ÿÿ W) (4.2)

É o único que tem aversão ao risco absoluta e constante, pois r = ÿ é inde-

pendente da riqueza, W .
Vejamos um exemplo para ver como encontraríamos nossa tolerância ao risco.
Fazemos isso fazendo perguntas sobre os equivalentes de certeza dos resultados de risco que são
normalmente distribuídos.
Suponha que a distribuição da riqueza futura tenha uma média µ e um desvio padrão ÿ. Por
exemplo, µ = US$ 10.000 e ÿ = US$ 2.000.

Utilitário

Dinheiro

FIGURA 4.2 A função de utilidade para um trader que busca risco

(continuação)
Machine Translated by Google

68 NEGOCIAÇÃO DE VOLATILIDADE

Então

E [U] = E [ÿ exp (ÿÿ W)] (4.3)

1
2
ÿ ÿ exp ÿÿ µ ÿ 2ÿ p (4.4)

Portanto, o equivalente de certeza, W0, é dado por

1
2
W0 = µ ÿ (4.5)
2c p

Isto pode ser invertido para dar uma expressão para a aversão ao risco, ÿ.

2(ÿ ÿ W0)
c= (4.6)
2p .

Agora suponhamos que o comerciante seja indiferente entre esta distribuição de

riqueza e um resultado certo de US$ 8.000; isto é, W0 = $ 8.000. Aqui

2(10.000 - 8.000)
c= = 0,001
2.000 · 2.000

Podemos passar por este processo para vários níveis de riqueza e diversas distribuições.
Tende a ser encontrada uma grande variabilidade.
Os traders reais tendem a exibir pouca consistência nos seus apetites pelo risco, quer
ao longo do tempo ou em função do montante do dinheiro em jogo. Muitos estudos sobre finanças
comportamentais abordam diretamente esse ponto (Kahneman e Tversky
1979; Barberis et al. 2001).
Por esta e outras razões, o uso de funções de utilidade em economia
tem sido alvo de críticas (Mirowski 1989; McCauley 2004). Isso não precisa
nos preocupa excessivamente. Tal como acontece com o uso do modelo BSM, a utilidade é
apenas uma estrutura para pensarmos. Embora um trader possa nunca saber especificamente o seu
função de utilidade e embora sua aversão ao risco possa mudar, não é irracional afirmar que ele
prefere mais a menos e é avesso ao risco. Isso é tudo que nós
realmente preciso.

Hodges e Neuberger (1989) reconheceram que, como o BSM realmente precifica o

estratégia de replicação em vez da opção direta, eles poderiam fazer o mesmo
coisa, mas incorporando custos de transação. Na verdade, incluindo a transação
custos foi feito pela primeira vez por Leland (1985), mas, embora seus resultados tenham levado à precificação do
opção com volatilidade modificada para permitir os custos de hedge, ainda
precisa ajustar continuamente a cobertura. Então isso não aborda a questão prática
problema de quando é melhor fazer o hedge.
A ideia mais importante no artigo de Hodges e Neuberger é que há
chega um ponto em que o negociador de opções é indiferente (no sentido de utilidade)
Machine Translated by Google

Cobertura 69

para manter o risco associado à opção mal coberta e o custo

associado à cobertura. Se pudermos especificar o nosso nível de aversão ao risco,
esta estratégia é ideal. Eles formularam o problema em termos de maximização da função de
utilidade exponencial, mas isso foi posteriormente provado (Davis
e outros. 1993; Andersen e Damgaard 1999) que os resultados são basicamente independentes
da forma precisa da função de utilidade. Como mencionado no
caixa que acompanha a utilidade, estaríamos justificados em suspeitar de
qualquer resultado que não tivesse essa propriedade.
A matemática necessária para formular o problema está além do
escopo deste livro. Infelizmente, a equação de avaliação resultante não tem análise
solução e precisa ser resolvido numericamente. Mesmo isso não é fácil. O
os cálculos necessários são proibitivamente demorados. Não há nenhuma maneira prática de
usar a metodologia Hodges-Neuberger (HN) como uma medida em tempo real.
guia de hedge.
Mas por ser a solução ótima, suas propriedades são importantes para
entender. As Figuras 4.3 e 4.4 mostram a largura de banda de hedge para uma chamada longa
posição e uma posição de chamada curta. Quando o delta da nossa posição se move para
fora da banda, fazemos hedge para trazer nosso delta de volta ao limite da banda.
(Isto só é verdade se assumirmos que a contraparte numa negociação de opções
não tem capacidade de prever a direção do subjacente. Há algumas evidências de que os
clientes das opções são parcialmente informados. Neste caso devemos
proteja imediatamente o delta de qualquer nova negociação de opções para o delta do BSM.
No entanto, a re-cobertura delta subsequente seguiria o esquema HN e
só nos protegeríamos se saíssemos das bandas. Provavelmente não seria
sábio cobrir a negociação original para alcançar o mesmo risco direcional
como contraparte, a menos que você tenha uma ideia muito clara da magnitude e
duração da capacidade de negociação direcional do cliente. Isto exigiria

1
0,9
0,8
0,7
0,6
0,5
Bandas

0,4
0,3
0,2
0,1
0
0 0,20,1 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Ligue para a Delta

FIGURA 4.3 Faixas de hedge ideais para a opção de compra longa como funções do
Delta BSM (linha tracejada)
Machine Translated by Google

70 NEGOCIAÇÃO DE VOLATILIDADE

1
0,9
0,8
0,7
0,6
0,5
Bandas

0,4
0,3
0,2
0,1

0 0 0,20,1 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Ligue para a Delta

FIGURA 4.4 Faixas de hedge ótimas para a opção de compra curta como funções do delta do
BSM (linha tracejada)

análise extensiva.) Os parâmetros escolhidos não são particularmente realistas, mas foram escolhidos para
exagerar as propriedades da solução. Escolhemos o caso de uma opção de um ano com volatilidade de
0,3, custos de transação de 2%, taxas de juros e carry zero e uma aversão ao risco de um.

Vários pontos são imediatamente óbvios. Em primeiro lugar, as posições curtas e longas
precisam de ser cobertas de forma diferente. A banda para a posição curta é mais estreita. Portanto,
protegemos as nossas posições curtas de forma mais defensiva. Temos a redução do tempo do
nosso lado, por isso arriscamos menos com o delta, ao passo que, quando estamos protegendo
posições longas, precisamos deixar nossos deltas funcionarem. Curiosamente, isto está de acordo
com o folclore dos comerciantes.
Outra maneira de ver por que isso acontece é observar que o hedger de uma posição
longa vê um nível de volatilidade diferente daquele observado pelo hedger de uma posição
curta. À medida que o subjacente atinge um novo máximo, um hedger gama vendido estará
inclinado a comprar. Ao fazer isso, ele aumentará ainda mais o valor pagando a oferta. Em
contraste, um vendedor vende pela oferta, ligeiramente inferior à máxima. O efeito cumulativo
do cruzamento de compra/venda desta forma significa que as posições longas e curtas têm
diferentes níveis de volatilidade para enfrentar.
Este foi o resultado central de Leland. Ele mostrou que a volatilidade ajustada para uma posição
longa em opções era

ÿ 8
ÿˆ = ÿ 1 ÿ (4.7)
p ÿt

onde

ÿ é o custo de transação proporcional t é o tempo entre

o reequilíbrio
Machine Translated by Google

Cobertura 71

Para uma posição curta de opções, a volatilidade ajustada é

ÿ 8
ÿˆ = ÿ 1 + (4.8)
p ÿt

Embora não utilizemos explicitamente os resultados de Leland para determinar a nossa

estratégia de cobertura, estes são resultados muito importantes. Antes de fazer qualquer negociação
de opções, precisamos estar cientes aproximadamente de quanta margem será corroída pela
cobertura delta cumulativa. Este efeito pode ser considerável, especialmente para ações ilíquidas e
de baixa volatilidade. Por exemplo, se a volatilidade justa for de 10 por cento e o spread de compra/
venda for de 1 por cento, uma opção que seja coberta diariamente teria de ser vendida a uma
volatilidade implícita superior a 15,9 por cento para ter em conta esta situação.

Além disso, a banda delta ideal não abrange o delta do BSM. Uma carteira perfeitamente
coberta no mundo BSM pode precisar de ser ajustada quando os custos de transação estiverem
presentes. Isto também é consistente com a observação de Leland porque se uma opção de
compra fora do dinheiro apresentar uma volatilidade mais alta, devido à dependência do delta da
opção da volatilidade, ela age como se tivesse um delta mais alto. Da mesma forma, uma opção
dentro do dinheiro age como se tivesse um delta mais baixo. Isto faz com que a banda de cobertura
fique centrada em torno de um delta modificado em forma de S, em vez do delta BSM.

A análise anterior foi feita para as opções europeias, mas a ideia geral pode ser alargada para
abranger as opções americanas. Isto é semelhante ao modelo BSM, onde a equação diferencial parcial é
geral, mas os métodos utilizados para resolvê-la dependem das condições de contorno exatas. Esta
advertência também se aplica aos outros modelos que analisamos. Normalmente podemos esperar que os
resultados das opções americanas sejam semelhantes aos obtidos para as opções europeias (na maioria
dos casos, os americanos podem ser considerados europeus).

Não é evidente nas Figuras 4.3 e 4.4, mas a característica essencial do modelo é que a largura da
faixa de cobertura depende da aversão ao risco. Um grande parâmetro de aversão ao risco significa que o
trader deseja aceitar pouco risco. Portanto, ele quer faixas de hedge apertadas e fará hedge com frequência.

Por outro lado, um trader com um pequeno parâmetro de aversão ao risco estará preparado
para fazer hedge com menos frequência, aceitando o risco para reduzir os custos de hedge.
Nenhuma dessas escolhas é mais correta que a outra. Tal como acontece com todos os
métodos de cobertura, precisamos de decidir até que ponto somos avessos ao risco. Mas
dada esta escolha, o formalismo HN dá-nos o equilíbrio ideal entre risco e recompensa.

A solução assintótica de Whalley e Wilmott

Se assumirmos que os custos de transação são pequenos (em relação ao valor da opção no mundo BSM),
é possível derivar algumas soluções aproximadas para o problema completo. Isso foi feito pela primeira
vez por Whalley e Wilmott
Machine Translated by Google

72 NEGOCIAÇÃO DE VOLATILIDADE

(1997). Eles mostram que os limites das regiões sem transações são
dado por

1
3
ÿV 3 exp (ÿr (T ÿ t)) ÿS2
= ± (4.9)
ÿS 2 c

onde ÿ é o custo de transação proporcional - ou seja, os custos de transação são

da forma

tc = ÿ |N| S (4.10)

onde N é o número total de ações negociadas

Embora os autores tenham considerado o caso de cobertura de uma posição curta em
uma opção de compra europeia, o método é muito mais geral: pode ser aplicado a
a cobertura de carteiras gerais. A solução tem uma série de coisas agradáveis
aspectos sensatos. Um exemplo das bandas de cobertura resultantes é mostrado em
Figura 4.5. Isto ocorreu no caso de uma opção de um ano com volatilidade de
0,3, custos de transação de 2%, taxas de juros e de transporte zero e um risco
aversão de um.

À medida que os custos de transação diminuem, a largura de banda de cobertura diminui. Na

verdade, à medida que os custos chegam a zero, o delta do BSM é recuperado.
À medida que a aversão ao risco aumenta, a largura de banda de cobertura diminui, como no
teoria HN completa.
A estratégia pode ser reduzida a uma fórmula analítica, que torna
implementá-lo no Excel é viável.

1
0,9
0,8
0,7
0,6
Bandas

0,5
0,4
0,3
0,2
0,1
0
0 0,20,1 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Ligue para a Delta

FIGURA 4.5 As bandas de hedge aproximadas de Whalley e Wilmott

Método Assintótico como Funções do Delta BSM
Machine Translated by Google

Cobertura 73

O método também pode lidar com custos de transação com diferentes estruturas. Em
particular, pode lidar com custos de transação proporcionais ao número de ações, em vez de
serem proporcionais ao valor das ações, como na equação (4.10). Taxas de passagens e
corretagem são exemplos de tais custos. E é uma questão de debate se o spread de compra/
venda (o custo dominante) deve ser modelado desta forma. Abordaremos isso mais adiante
neste capítulo. O modelo também pode acomodar a situação geralmente irrealista em que os
custos são um único encargo fixo. Este poderá ser o caso se existir um custo comercial muito
elevado, definido independentemente da dimensão do comércio. Isso possivelmente impactaria
um cliente de varejo, mas não seria relevante nem mesmo para um semiprofissional.

O método Whalley e Wilmott (WW) também tem alguns aspectos infelizes:

A assimetria das posições gama longas e curtas que surgiram da solução HN completa é
perdida. Apenas a magnitude do gama é relevante para a solução assintótica.

A banda de hedge agora está centrada no delta do BSM, perdendo outra característica da
solução HN completa.

Um problema pode surgir na prática. Se um trader perceber que um subjacente fica instável
ou começa a oscilar, nem sempre é óbvio se ele deve ajustar o spread de compra/venda ou
aumentar a volatilidade. Para o trader, estes têm o mesmo impacto primário: ambos tornam a
cobertura mais difícil. Contudo, o efeito nestes modelos (HN e WW) é muito diferente. Para uma
opção at-the-money, aumentar a volatilidade diminuirá o gama, o que leva a uma faixa de cobertura
mais estreita. Mas aumentar o spread bid/ask (o custo de transação proporcional) leva a uma faixa
de cobertura mais ampla. Como lidamos com esta importante questão prática? A discrepância é
causada pelo facto de estes modelos incorporarem explicitamente a aversão ao risco. A volatilidade
é uma quantidade negociada. Ele contém risco e recompensa. Quando a volatilidade é elevada,
estes modelos dizem-nos para temer o pior e fazer cobertura frequentemente. Mas o spread de
compra/venda é puramente um custo. Não tem aspectos gratificantes. Se o spread de compra/
venda for amplo, os modelos nos dizem para adiar o hedge para evitar múltiplas perdas.1 O trader
precisa considerar isso e pensar cuidadosamente sobre qual aspecto do mercado está realmente
mudando. A volatilidade não é a mesma coisa que os custos de transação (mesmo um mercado
perfeito e sem atrito tem volatilidade), mas eles podem parecer iguais à primeira vista.

1Esta explicação útil é de Johnny em www.nuclearphynance.com.

Machine Translated by Google

74 NEGOCIAÇÃO DE VOLATILIDADE

Embora não seja realmente viável em muitas situações de mercado, é possível

estimar estatisticamente separadamente os custos de transação e a volatilidade. Os custos de
transação podem ser estimados acompanhando a diferença entre nossos
preço de execução e a negociação anterior. É completamente uma questão de microestrutura
(embora o que constitui microestrutura possa variar entre os traders;
A Fidelity terá uma visão muito diferente dos custos de transação do que uma empresa de mercado
fabricante no poço de petróleo bruto na NYMEX). A volatilidade pode ser estimada usando um
período de tempo que inclui um grande número de negociações de um
tamanho relevante para o comerciante específico.
Tal como acontece com o modelo BSM, estes esquemas de cobertura não devem ser
considerados verdadeiros modelos da realidade. Eles apenas fornecem uma estrutura consistente
e sistemática para lidar com o mundo. Esta questão específica enfatiza
este fato.

O Método Duplo Assintótico de Zakamouline

Os dois modelos de custos de transação relativamente simples são os de Leland e
Whalley e Wilmott. Ambos podem ser vistos como casos especiais do
Modelo de Hodges e Neuberger: Leland descreve como replicar uma opção na presença de
custos de transação quando somos neutros ao risco; Whalley
e Wilmott incorporam aversão ao risco, mas insistem em que os custos sejam pequenos.
Embora estes modelos sejam simples de aplicar e usar, e quase certamente constituam
uma melhoria em relação aos métodos mais ad hoc, eles perdem algumas das suas características.
aspectos atraentes do modelo HN completo. Mais crucialmente, cuidadosa análise numérica
simulações mostram que as aproximações podem ter desempenho significativamente inferior
estratégia completa – em outras palavras, para um determinado nível de custos de transação, um
carteira coberta com o modelo WW sofrerá mais variação do que
um deles coberto pelo modelo HN. (Isso não é realmente uma crítica. É
deve ser óbvio que uma aproximação não terá um desempenho tão bom quanto o completo
modelo.)
Zakamouline (2006a, b e c) examinou os fatos estilizados da natureza
das estratégias de hedge baseadas na utilidade (essencialmente os pontos no
seção anterior) e propôs uma forma funcional para uma estratégia de hedge
que preservou as características mais importantes; isso também foi proposto de forma
independente por Risher (2004). As bandas de cobertura assumem a forma

ÿV (ÿm)
= ± (H1 + H0) ÿS (4.11)

Imediatamente podemos ver que em vez de estarmos centrados no BSM

delta, é baseado no delta do BSM avaliado na volatilidade modificada, ÿ m.

p2eu = ÿ2 (1 ÿ K) (4.12)
Machine Translated by Google

Cobertura 75

H1 será um termo dependente de gama, com efeito semelhante ao da WW

modelo. A solução numérica exata do modelo HN mostra que mesmo para
opções muito fora do dinheiro (praticamente sem gama), a largura
da banda de cobertura não chega a zero. Este recurso não é capturado por
o modelo da Guerra Mundial. Isso significa que precisamos introduzir o termo H0 . Za-kamouline
postulou a forma funcional da solução e depois usou
análise numérica para ajustar os parâmetros. Os resultados foram

eu
H0 = (4.13)
ÿ Sÿ2T exp
0,25 0,5
(ÿrT) ||
H1 = 1,12ÿ0,31T0,05 (4.14)
p c
0,25
ÿ0,78 exp (ÿrT) 0,15
K = ÿ5,76 ÿS2 || (4.15)
T0,02 p

Um exemplo das bandas de cobertura resultantes é mostrado nas Figuras 4.6 e

4.7. Estes foram para o caso de uma opção de um ano com volatilidade de 0,3, custos de
transação de 2%, taxas de juros e de transporte zero e uma aversão ao risco
de um.
Como pode ser visto nas Figuras 4.6 e 4.7, o método de Zakamouline dá
resultados que parecem muito mais próximos do resultado HN do que aqueles de WW. Em
em particular, o meio da região sem transação não coincide
com o delta do BSM. Isso acontece com o uso de uma cobertura modificada
volatilidade.

1.2

0,8

0,6
Bandas

0,4

0,2

0
0 0,2 0,4 0,6 0,8 1 1.2
ÿ0,2
Ligue para a Delta

FIGURA 4.6 Faixas aproximadas de cobertura de chamadas longas do Zakamouline

Método Assintótico como Funções do Delta BSM
Machine Translated by Google

76 NEGOCIAÇÃO DE VOLATILIDADE

1
0,9
0,8
0,7
0,6
Bandas

0,5
0,4
0,3
0,2
0,1
0
0 0,20,1 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Ligue para a Delta

FIGURA 4.7 Faixas aproximadas de cobertura de chamadas curtas do Zakamouline

Método Assintótico como Funções do Delta BSM

Antes de podermos comparar as diversas estratégias, precisamos de algum tipo de

referência comum. As estratégias não fazem todas a mesma coisa. Alguns são
com base em incrementos de tempo e alguns são baseados em movimentos de preços. Por
exemplo, considere o método de rebalanceamento de intervalo de tempo regular. Primeiro escolhemos
um período de tempo; então realizamos uma simulação e calculamos o risco e o retorno da
estratégia. Depois variamos o intervalo de tempo e repetimos o processo.
Eventualmente obteremos uma fronteira eficiente para a estratégia. Nós fazemos isso
para cada estratégia e comparar as fronteiras. Isto permite-nos encontrar a melhor estratégia (em
termos de retorno) para um determinado nível de risco. Para devolução escolhemos o
erro de replicação: o efeito total de todos os custos de transação. Para risco
escolhemos a variação do erro de replicação. Isso significa que avaliamos
risco na estrutura familiar de média-variância, mas outras medidas de risco são
certamente válido (consulte o Capítulo 7 para uma discussão dos pontos fortes e
inconvenientes de algumas destas medidas).
Simulações deste tipo foram realizadas por Zakamouline (2005, 2006b)
e Martellini e Priaulet (2002). Zakamouline simulou a cobertura
de uma posição curta em uma opção de compra de um ano. Os intervalos de cobertura variaram
de 1,25 dias (negociação) a 50 dias. Os parâmetros do
outros modelos foram escolhidos para que os resultados finais ficassem todos em uma parte
semelhante da superfície de média-variância. (Isto é semelhante a como um comerciante
usaria os modelos. Ele calibraria um novo modelo de hedge dizendo:
“Atualmente, minha estratégia de hedge me deixa com uma quantidade X de risco. Se eu tiver
o novo modelo me deixa com a mesma quantidade de risco, quanto dinheiro
eu salvo?”)
Simulações numéricas mostram que a aproximação de Zakamouline claramente
domina os outros. Com isto queremos dizer que, para um determinado nível de risco, o
Machine Translated by Google

Cobertura 77

estratégia custa menos para implementar. Idealmente, gostaríamos que uma estratégia
dominam para todos os níveis de risco. Isso não acontece completamente. O parente
a qualidade das diferentes estratégias depende do nível de aversão ao risco
e o nível dos custos de transação.
Uma consideração adicional ao escolher uma estratégia de hedge é que não
todos são igualmente fáceis de implementar. O esquema Hodges-Neuberger está em um
extremo porque é a solução ideal, mas praticamente impossível de usar.
O esquema de Zakamouline aproxima-se melhor deste ideal do que
o método Wilmott-Whalley, mas também é mais difícil de usar na prática
já que alguns softwares de negociação não facilitam facilmente sua implementação (em
particular, a mudança no delta em relação à volatilidade não é calculada por
todos os sistemas).
Outra complicação é que uma posição de opção terá muitas vezes uma
perfil gama que muda de sinal em função do subjacente. Por exemplo, considere a posição
longa borboleta que consiste em uma posição longa de 90 por cento.
chamada, duas chamadas curtas de 100% e uma chamada comprada de 110%. Isto tem o
recompensa mostrada na Figura 4.8.
Imagine que conseguimos de alguma forma entrar nessa posição a custo zero.
Encontramo-nos agora na fantástica situação de termos uma posição que só pode
ganhar dinheiro – mas apenas se não o protegermos continuamente! Se o subjacente
flutua entre as greves de 90% e 110% que sempre teremos
ser gama curta, e se protegermos os deltas que acumulamos, comprar
na alta e vendendo na baixa, podemos facilmente perder dinheiro. Este exemplo deve dizer
nós duas coisas muito importantes. Primeiro, a estratégia de cobertura dinâmica precisa
leve em consideração o perfil gama global. Em segundo lugar, se pudermos trabalhar de forma barata
em um hedge estático com outras opções, isso é muito preferível ao dinâmico
cobertura com o subjacente.

2,5

Lucro/
1,5

0,5

0
80 85 90 95 100 105 110 115 120
Dinheiro

FIGURA 4.8 A recompensa de um spread borboleta em função do dinheiro

Machine Translated by Google

78 NEGOCIAÇÃO DE VOLATILIDADE

Há um ponto mais importante que precisa ser abordado aqui. Como nós
enfatizar ao longo deste livro, é vital descobrir exatamente o que
está tentando alcançar em qualquer ponto do processo de negociação. Especificamente, o que
qual é o objetivo do hedge? Superficialmente, é para remover a exposição à direção do
mercado subjacente. Mais geralmente, é para remover a exposição a
riscos que não queremos aceitar, mantendo a exposição àqueles que aceitamos. Se
somos opções de criação de mercado, nossa vantagem vem da coleta do bid/ask
espalhar. Para manter o máximo possível, devemos proteger o máximo possível
nossa exposição à volatilidade, negociando outras opções (de preferência por
coletando o spread sobre eles também). Isto é abordado como um problema prático em Baird
(1992) e Taleb (1997) e num cenário mais formal por Carr.
e outros. (1998) e Hua e Wilmott (1999). No entanto, se definirmos explicitamente
tomar uma posição sobre o spread entre volatilidades realizadas e implícitas,
então isso geralmente não será possível. A cobertura dinâmica ainda pode deixar um
muitos riscos, mas às vezes queremos realmente correr esse risco.
Este não é um problema a ser abordado de maneira muito dogmática. Precisa
ser compreendido e mitigado até certo ponto e aceito até certo ponto.
As maneiras básicas de lidar com o problema podem ser resumidas da seguinte forma.

Imunize sua aposta de volatilidade do efeito dos saltos comprando opções

nos bastidores se você estiver com poucas opções de dinheiro. (Se você demorar muito
opções, você deseja exposição a saltos.)
Tente diversificar o risco de salto entre produtos.
Dimensione cada posição para limitar as perdas totais.
Não baseie sua avaliação da pior coisa que poderia acontecer
a pior coisa que aconteceu no passado. Se você está vendendo volatilidade, parte do
seu prêmio existe porque você está vendendo prêmio de seguro para eventos que nunca
aconteceram antes.

ESTIMATIVA DE CUSTOS DE TRANSAÇÃO

Os componentes fixos dos custos de negociação para qualquer negociação subjacente são
triviais de descobrir. Eles consistem em qualquer corretagem, bolsa e compensação
tarifas. Mais difíceis são os custos de transação proporcionais, que são fortemente dominados
pelo spread bid/ask. Se estivermos negociando pequeno o suficiente, isso
será igual à metade do spread de compra/venda cotado. É provável que este seja o caso
para comerciantes individuais que negociam produtos ou índices de taxas de juros. No entanto,
sempre chegaremos a um tamanho em que o impacto da negociação no mercado alterará
significativamente o preço que recebemos daquele que vimos cotado quando
começamos a fazer hedge.
Geralmente, a profundidade do mercado se parece com a mostrada na Tabela 4.2
e Figura 4.9, onde existe algo como uma distribuição em forma de V para
Machine Translated by Google

Cobertura 79

Profundidade de mercado para Merrill Lynch (MER) às 9:13 CST em

TABELA 4.2
24 de agosto de 2007

Tamanho do lance Preço de lance Preço da oferta Tamanho da oferta

200 75,42 75,44 200

3.000 75,4 75,45 500
200 75,38 75,54 500
900 75,31 75,81 10.000
100 75,27 75,82 900
500 75,12 75,99 1.300
100 75,00 76,10 1.000
1.100 74,5 76,42 900
100 73,66 77,47 100

o tamanho cumulativo de lances e ofertas em função da distância do

preço atual.
Mas é improvável que o que realmente vemos a qualquer momento na carteira de pedidos
será a quantidade total real de ações que poderíamos negociar. Por exemplo, vemos
que se fôssemos ao mercado comprar 1.000 ações da Merrill Lynch, estaríamos
ser preenchido a uma média de 75,475 (200 a 75,44, 500 a 75,45 e 300 a 75,54)
mas, na realidade, muitas vezes seríamos melhor preenchidos, por duas razões. Primeiro, nós
estão vendo apenas pedidos com limite restante no livro. Se dividíssemos o nosso
encomendar em blocos menores e executá-los separadamente, nossa compra seria
provavelmente induzirá novas ordens de venda a entrar no mercado (em teoria, isto é

18.000
16.000
14.000
12.000
Volume
10.000
8.000
6.000
4.000
2.000
0
73 73,5 74 74,5 75 75,5 76 76,5 77 77,5 78
Preço

FIGURA 4.9 O número cumulativo de ações disponíveis em função do preço

Machine Translated by Google

80 NEGOCIAÇÃO DE VOLATILIDADE

o que um especialista deve fazer). Mas de crescente relevância é a questão

2
de liquidez obscura. Existem vários algoritmos, anteriormente o preserve
de fundos de hedge de negociação algorítmica bastante sofisticados, mas agora disponíveis para
a maioria dos traders institucionais, que não mostram toda a negociação ao mercado
de uma vez. Um exemplo simples é a ordem do iceberg. Digamos que queríamos comprar 1.000
Merril Lynch. Um iceberg pode comprar os 700 oferecidos até 75,44 e então
lance 75,44 em 100. Se preenchermos esse lance, o sistema licita automaticamente
75,44 por mais 100 até que nosso pedido total seja atendido. Esse tipo de pedido é
chamado iceberg porque em qualquer ponto vemos apenas a ponta da ordem, a maioria
dele permanecendo oculto.
Portanto, precisamos estimar os custos de transação do impacto no mercado em função
do tamanho do pedido. Apenas olhar para o mercado atual não é suficiente.
Semelhante ao Princípio da Incerteza de Heisenberg na física quântica, nosso
a interação com o mercado muda o mercado. Precisamos de um sistema bastante robusto
forma de medir o efeito dessa interação. Este problema é aquele que
ainda é uma área ativa de pesquisa em microestrutura de mercado, mas iremos
apresentam um modelo simples, mas poderoso, que captura muitos aspectos da situação, é fácil
de usar e é um bom ponto de partida para qualquer pesquisa futura.
Esta forma de análise de impacto de mercado foi proposta pela primeira vez na Merrill Lynch
(Reunião 2001).
Como é bastante óbvio para qualquer pessoa com alguma experiência em mercados,
as negociações não ocorrem em intervalos constantes. Para simplificar a matemática, vamos
suponha que podemos fazer uma mudança na escala de tempo para que eles ocorram em iguais
intervalos (esta transformação nunca será cognoscível na realidade, mas conceitualmente
podemos fazer uma mudança para este novo tempo – tempo de negociação). Agora o
o número de negociações em qualquer intervalo, Nt, é distribuído por Poisson com um parâmetro
constante ÿ. Portanto, nesta escala de tempo, o número esperado de negociações, ÿ,
por tempo de negociação é constante. Se a ação estiver ocupada, o tempo de negociação flui rapidamente.
Se a ação estiver quieta, o tempo de negociação será lento. (A distribuição de Poisson é
ilustrado na Figura 4.10. Observe que a distribuição é definida apenas para valores inteiros de k
e as linhas conectivas foram adicionadas apenas para ajudar a visualizar
a forma.)
O impacto de mercado, F(n), é definido como o valor do logaritmo do preço médio de
as alterações subjacentes devido a uma negociação de n ações. Ou

Nt
Em S = sinal(se)F (|se|) (4.16)
eu=1

2 Originalmente referia-se ao cruzamento interno de negociações por grandes instituições financeiras, mas
desde então teve seu significado ampliado para cobrir qualquer negociação que não possa ser realizada.
visto diretamente.
Machine Translated by Google

Cobertura 81

0,2

0,18

0,16
lambda = 5
0,14

0,12 lambda = 10
Massa

0,1

0,08

0,06

0,04

0,02

0
0 5 10 15 20 25
k

FIGURA 4.10 Dois exemplos de distribuição de Poisson

Para uma distribuição de Poisson com parâmetro ÿ, temos

E [Nt] = Var [Nt] = ÿt (4.17)

Então

2
Var [ ln S ] = E [ Nt ] Var [ F ( é ) ] + Var [ Nt ] E [ F ( é )]
(4.18)
2
= ÿtE [F(n)t]

Vários investigadores concluíram que o impacto no mercado é proporcional à

raiz quadrada da dimensão do comércio (Hasbrouck 1991; Madhavan e Smidt 1991;
BARRA 1997).

F (n) = ÿÿn (4.19)

onde ÿ é alguma constante, o parâmetro de impacto no mercado.

Substituindo isso na equação (4.18) obtemos

V ar [ln S] = ÿ2 ÿtE [se] = ÿ2 ÿt (4.20)

onde µ é definido como o número de ações negociadas por unidade de tempo de

negociação. A mudança de horário para o horário de negociação foi projetada para
tornar essa quantidade constante. Portanto, esta equação também diz que a variância dos
retornos por unidade de tempo de negociação também é constante. Agora imaginamos que
desfazemos a nossa mudança de tempo original. Isto significa que tanto a volatilidade (ÿt)
como µt, o número de ações negociadas por unidade de tempo real, serão variáveis aleatórias. Eliminando
Machine Translated by Google

82 NEGOCIAÇÃO DE VOLATILIDADE

o fator comum de t (consulte a equação 4.18) obtemos

p2t = a2 µt (4.21)

Isso fornece uma relação direta entre volume e volatilidade. Isto foi confirmado em
numerosos estudos (Clark 1973; Tauchen e
Pitts 1983; Karpoff 1987), e poucos traders contestarão a relação (embora discutam se o
volume causa volatilidade ou vice-versa).
Este modelo também deixa sem solução a disputa sobre se o tempo de negociação é
medido em número de negócios ou em volume de ações. Aqui, as escolhas são
equivalente.
A equação (4.22) nos dá uma maneira simples de estimar o impacto no mercado.

ÿt
uma = (4.22)
ÿµt

Sabemos como estimar a volatilidade. Tudo o que precisamos medir agora é

o volume de ações negociadas por unidade de tempo.

Pontos fortes
O modelo é muito simples de entender e estimar.
O modelo se ajusta à nossa intuição básica: quanto mais atividade houver numa ação,
menor será o nosso impacto no mercado.
Não precisamos lidar com dados no nível de transações individuais.
Este modelo pode ser usado como estrutura da mesma forma que usamos
BSM e os modelos de hedge no Capítulo 1. Podemos ajustá-lo a cada mercado individual
multiplicando por um pré-fator. Por exemplo, poderíamos
descobrimos que as ações DAX são mais escorregadias do que as ações FTSE. (Merril
Lynch calculou uma lista desses pré-fatores. Eu não incluo isso aqui
porque provavelmente estão obsoletos e foram estimados perguntando
Comerciantes da Merrill Lynch. Penso, mas não posso provar, que reflectem a
atitudes dos comerciantes individuais, tanto quanto qualquer aspecto fundamental da
cada mercado. Este é provavelmente um lugar onde a habilidade de um trader bom e
atento pode fazer uma diferença significativa no desempenho geral.)

Fraquezas

O modelo não permite que as vendas produzam um impacto de mercado diferente das
compras.
O modelo não leva em conta o estoque do formador de mercado,
o que na prática tem um grande efeito no impacto de mercado de qualquer ordem específica.
Machine Translated by Google

Cobertura 83

AGREGAÇÃO DE OPÇÕES EM DIFERENTES

SUBJACENTES

Como vimos no início deste capítulo, a melhor forma de reduzir o nosso custo de cobertura
é fazê-lo com menos frequência. Se negociarmos opções sobre vários subjacentes
diferentes, existe a possibilidade de que muitos dos nossos riscos delta sejam compensados.
Se estivermos preparados para aceitar o risco de correlação, podemos utilizá-lo para evitar a
cobertura, agregando os nossos deltas e a cobertura de riscos de mercado e possivelmente
sectoriais em produtos de índice. Geralmente há uma compensação aqui. Uma posição num índice
não será uma cobertura tão boa contra as nossas posições individuais de opções de acções como
seriam as próprias acções, mas pouparemos nos custos de transacção porque precisaremos
apenas de cobrir o risco residual e não todos os riscos individuais.

O processo de agregação é bastante simples em princípio. Considere o exemplo

onde temos uma ação A com preço SA = 100 e um índice I com preço SI = 1.000.
Suponha também que o índice tenha um fundo negociado em bolsa (ETF) associado a
ele, de modo que todas as unidades de negociação sejam comparáveis. A ação A tem
um beta em relação ao índice, ÿ = 1,5. Isso significa que se o índice subir 1%, A subirá
1,5%. Se estivermos comprados em 1.000 deltas de A (sejam ações ou por meio de deltas
de opções) e o índice se mover 1%, nossa relação lucro/perda (P/L) será dada por

P/L = $ 0,01 × ÿ × SA × 1.000 = $ 15 × SA = $ 1.500

E para cada unidade do índice ETF que mantemos vendido, nossa perda será

P/L = ÿ$0,01 × 1000 = $10

Portanto, para estarmos protegidos, precisamos manter uma posição curta de 150 ETFs. De forma
equivalente, nosso delta em termos de ETF é dado por

SA
EU
=ÿ UM (4.23)
E

Para normalizar gama em termos de ETF, anote a mudança no valor da opção como uma
expansão de Taylor:

A 2 dS
dCA = AdSA + +··· (4.24)
2 UM

Mas

SAdSA = ÿdSI
E
Machine Translated by Google

84 NEGOCIAÇÃO DE VOLATILIDADE

Então

2
sobre UM sobre 2
dCA = Aÿ dSI + b2
dS +··· (4.25)
E 2 E
EU

Portanto, o termo gama deve ser

S 2
UM
EU = ÿ2 2 UM (4.26)
S
EU

Vega pode ser normalizado da mesma forma que delta, mas para fazer isso
preciso saber o beta da volatilidade. Isso poderia ser determinado empiricamente por
regredindo mudanças na volatilidade implícita da ação em mudanças no índice
volatilidade, mas é provável que isso dê um resultado muito barulhento e provavelmente sem sentido
resultado. Uma alternativa seria assumir que as mudanças na volatilidade implícita e na
volatilidade realizada estão perfeitamente correlacionadas (o que não é uma grande suposição).
mas também não é o pior para começar) e então use o resultado que o
volatilidade beta é igual a beta. Para ver isso, comece pela definição de
variância dada pela equação (2.1b).

2
1 Sentado )
p2UM = Em
N SA (t ÿ 1)
1
ÿ dS UM2
N (4.27)
1
= 2
ÿ2dS
N EU

ÿÿ2ÿ2 EU

(É claro que se definissemos ÿ como a inclinação da regressão dos retornos logarítmicos

da ação aos retornos logarítmicos do índice, esta relação seria exatamente verdadeira, em
vez de apenas uma aproximação muito boa.)
Isso mostra como poderíamos normalizar nossas posições de opções. É mais um
decidir se devemos normalizá -los. Realmente se resume a
pesar os benefícios da redução dos custos de cobertura em relação aos erros introduzidos
pela estimativa incorrecta e pela natureza geralmente instável dos factores beta. Geralmente,
estimar e prever o beta é ainda mais difícil do que
previsão de volatilidade (já que temos que estimar efetivamente duas volatilidades
e uma correlação). Ao negociar opções de forma especulativa, pensamos que
têm uma vantagem na previsão de volatilidade sobre o mercado. Provavelmente não é sábio
confundir esta aposta com uma mais difícil ao tentar salvar o hedge
custos, mas esta compensação é altamente dependente da situação particular. Isso é
provavelmente imprudente não agregar os gregos a partir de letras, notas e títulos,
mas se devemos agregar os riscos da Microsoft (MSFT) e do Google
Machine Translated by Google

Cobertura 85

(GOOG) em um livro da NASDAQ é uma decisão mais questionável. Comerciantes que

estão falando sério sobre seguir esse caminho podem querer considerar o uso de um
dos modelos de fatores desenvolvidos comercialmente, como BARRA ou APT, para
quantificar seus riscos.
O método mais conservador seria propor cobertura
bandas para cada subjacente e, em seguida, também para acompanhar o risco de toda a posição
em termos de um índice ou possivelmente de vários índices. Isso pode ajudar
proteger-nos contra a situação em que todo o mercado se move contra nós
mas nenhuma das nossas posições individuais chegou a um ponto em que deveria ser
protegido.

RESUMO

Para negociar a volatilidade, precisamos de monitorizar continuamente e ajustar periodicamente a

nossa posição subjacente. Exatamente como escolhemos fazer isso terá
um enorme efeito em nossa lucratividade geral. A maior parte da negociação que um trader de
opções faz é, na verdade, hedge, por isso é importante entender o
processo.

Lembre-se de que o hedge foi projetado para remover riscos. Se você está tentando
negocie o subjacente direcionalmente em que você não está protegendo.
O hedge bem-sucedido elimina o maior risco pelo menor custo.
O formalismo de Hodges-Neuberger resolve este problema em teoria, mas é
muito complicado para usar na prática.
A aproximação de Zakamouline é uma solução de trabalho muito boa
que retém a maioria das características desejáveis do método HN.
A aproximação de Whalley-Wilmott é uma boa aproximação grosseira
que pode ser implementado dentro de muitos preços disponíveis comercialmente
soluções de software.
Uma maior redução de custos pode ser alcançada através da agregação de posições de opções
através de muitos subjacentes diferentes e gerenciando o risco residual.
Não se pode confiar na cobertura dinâmica. Deve ser combinado com
hedge estático usando outras opções. Só isso pode compensar os riscos associados aos
saltos.
Machine Translated by Google
Machine Translated by Google

CAPÍTULO 5

Opção Coberta
Posições

No Capítulo 1 declaramos o resultado

P/L central deÿque
= vega(ÿimplícito ÿrealizado) (5.1)

Na verdade, isso só é verdade em média. Existem grandes flutuações em torno desse valor.
Neste capítulo, examinamos as causas e a magnitude dessas flutuações para sabermos exatamente
o que podemos esperar como resultados de nossas negociações.

COBERTURA E CAMINHO DISCRETOS

DEPENDÊNCIA

Imagine que compramos opções de compra de um ano com um vega total de US$ 1.000,
com uma volatilidade implícita de 30%, onde a volatilidade realizada ao longo de sua vida
é na verdade de 30%. Fazemos hedge do delta todos os dias no fechamento. Os valores
de lucro/perda (P/L) para 10 realizações deste processo são apresentados a seguir:
$(516)
$154
$(108)
$(537)
$331
$(1.741)
$(230)

87
Machine Translated by Google

88 NEGOCIAÇÃO DE VOLATILIDADE

50.000

0
0 50 100 150 200

–50.000
Valor

–100.000

–150.000

–200.000
Preço das ações terminais

FIGURA 5.1 Cem Realizações da Estratégia de Hedge para o Anual

Opção

US$ 138

US$ 423

US$ 1.984

O P/L médio é uma perda de US$ 10,2. Isto está razoavelmente próximo do valor esperado
de zero, mas há uma grande dispersão de valores. Sem dúvida em
Em um universo, há um trader que está justificando sua perda de US$ 1.741 para seu gerente e
outro que está inventando uma história sobre como sua habilidade comercial
ganhou $ 1.984. O que realmente está acontecendo aqui? Como será a distribuição real dos
resultados? O insight central no argumento do BSM é que
uma opção pode ser replicada negociando o subjacente. A Figura 5.1 mostra o
resultados de 100 simulações, onde realmente tentamos replicar esta opção.
Como estamos em uma call longa, o portfólio replicante deve se parecer com uma call curta
posição.
Então as coisas são aproximadamente o que esperamos. Isso realmente parece
o retorno de uma posição de compra curta atingiu 100, com o valor inicial
correspondendo a um vega de $ 1.000. Mas a replicação não é perfeita. Há
dispersão significativa em torno do valor verdadeiro. A dispersão depende
no preço subjacente final, com a maior variabilidade ocorrendo quando
expira perto da greve.
A primeira coisa a observar é que não estamos fazendo hedge continuamente. O hedge
discreto torna nossa estratégia não direcional muito dependente do caminho (isso
não tem nada a ver com a fraca dependência da trajectória das opções americanas, uma vez que
oposição às opções europeias). Dois caminhos de amostra com exatamente o mesmo
a volatilidade realizada pode levar a diferentes P/Ls. Considere um exemplo extremo onde todo
o movimento do subjacente é devido a um salto. Em
no primeiro caminho o salto acontece no primeiro dia, conforme mostra a Figura 5.2. Em
no segundo caminho, o salto acontece logo antes da expiração (Figura 5.3).
Machine Translated by Google

Posições de opções cobertas 89

Preço

Tempo

FIGURA 5.2 Caminho 1: O salto no primeiro dia

Em cada caso, o P/L da posição é a alteração no preço da chamada menos a alteração no

valor da posição de cobertura.

P/L = C(T) ÿ C(0) ÿ (t) × [S(t) ÿ S(t ÿ 1)] (5.2)

Mas neste caso especial só precisamos avaliar o delta imediatamente antes do salto. Para o caso
de uma chamada at-the-money

Caso 1: > 0,5

Caso 2: = 0,5

A diferença no P/ L nesses dois casos é

(P/L) = (1 - 2) × [S(T) - S(0)] (5.3)

Portanto, se estivermos vendidos nesta opção de compra, nos sairemos melhor no primeiro
caso, porque estamos comprando mais ações como hedge. Este é reconhecidamente um exemplo
extremo, mas o princípio geral é válido. O momento de uma mudança é muito importante para a
lucratividade de uma opção.
Preço

Tempo

FIGURA 5.3 Caminho 2: O salto logo antes da expiração

Machine Translated by Google

90 NEGOCIAÇÃO DE VOLATILIDADE

Freqüência

18

16

14

12

10

Porcentagem
4

0
0

Mais
8.000
6.000
2.000

4.000

10.000

12.000

14.000

16.000

18.000
–

–
–

P/L

FIGURA 5.4 A distribuição de lucro/lucro para US$ 1.000 Vega de opções inicialmente no dinheiro
quando cobertas uma vez por semana

Vamos agora examinar com mais detalhes o tamanho e a natureza desse efeito quando
tivermos caminhos de amostra mais realistas. Considere uma ação inicialmente negociada a US$ 100.
Suponha que as taxas, os dividendos e o desvio sejam zero. Mais uma vez, compramos
opções de compra de um ano com um vega total de US$ 1.000, com uma volatilidade
implícita de 30%, e simulamos 100 caminhos onde a volatilidade realizada ao longo de sua
vida é na verdade de 30%. Especificamente, usamos o movimento browniano geométrico
(GBM), então o caminho do estoque é dado por

ÿÿ2 t + ÿ ÿtÿ
S(t + t) = S(t) exp (5.4)
2

onde ÿ é extraído de uma distribuição normal padrão com média zero e desvio padrão de 1.

Na Figura 5.4 fazemos hedge semanalmente e na Figura 5.5 fazemos hedge diariamente. O
os resultados estão resumidos na Tabela 5.1.

TABELA 5.1 Estatísticas resumidas para o experimento de frequência de hedge

Frequência de hedge P/L ÿP /L Curtose Inclinar

Diário ÿ107,19 2.615,2 4.05 0,25

Semanalmente ÿ140,36 5.714,6 3,66 0,16
Machine Translated by Google

Posições de opções cobertas 91

Freqüência

35

30

25

20

15

10
Porcentagem

0 0

Mais
8.000
6.000
2.000

4.000

10.000

12.000

14.000

16.000

18.000
–

–
–

P/L

FIGURA 5.5 A distribuição de lucro/lucro para US$ 1.000 Vega de opções inicialmente no dinheiro quando
cobertas uma vez por dia

Desta experiência rudimentar podemos tirar algumas conclusões provisórias:

O P/L médio é aproximadamente zero.

A distribuição tem aparência aproximadamente normal.
A dispersão é inversamente proporcional à frequência de cobertura; mais especificamente,
é aproximado por N–1/2 quando N é o número de coberturas (ver Figura 5.6).

Dissemos anteriormente que “a volatilidade realizada ao longo da sua vida é, na verdade,

de 30 por cento”. Isso não era exatamente verdade. O processo que gerou o

12.000

10.000

8.000

6.000

4.000

L
Desvio
2.000

0
0 50 100 150 200 250 300
Número de sebes

FIGURA 5.6 A Distribuição do Erro de Hedge em Função do Número de Rebalanceamentos

Machine Translated by Google

92 NEGOCIAÇÃO DE VOLATILIDADE

o preço subjacente teve uma volatilidade de 30 por cento. Mas estávamos apenas observando o
processo em intervalos discretos. Isso introduz erro de amostragem.
No Capítulo 2, equação (2.10), podemos ver que o erro amostral é dado por

p
ÿmedido ÿ ÿ ± ÿ 2N (5.5)

Portanto, a volatilidade do P/L em função do valor inicial da opção será aproximada por

p
ÿP / ÿvega (5.6)
L ÿ 2N

Este argumento não é rigoroso e também não é correto. A relação real é dada por

ÿ p
ÿ
ÿP/L é igual a (5.7)
ÿN 4

(Kamal e Derman 1999).

Este resultado pode ser usado para derivar uma regra prática útil para o padrão
desvio de uma posição straddle. Uma aproximação para o valor de uma opção at-the-money (put
ou call) é dada por

1
Cÿ Sÿ ÿ T (5.8)
ÿ 2ÿ

(Brenner e Subrahmanyam, 1994). Portanto, o vega de um straddle (uma opção de venda e uma opção
de compra) é aproximadamente

2
vega ÿ ÿ SÿT (5.9)
2ÿ

Se pensarmos no straddle como uma única aposta de volatilidade e cobrirmos apenas uma
vez, a equação 5.7 nos dá

1
ÿP/L ÿ S ÿ Tÿ (5.10)
ÿ2

Observe também que neste caso apenas a volatilidade real realizada é relevante. Importa apenas
onde estamos no vencimento, e não o que o mercado de opções está implicando depois de termos
feito a nossa negociação.
O ponto importante é que um trader pode estar correto sobre a sua avaliação da volatilidade
realizada e ainda assim não ganhar dinheiro. Este é apenas o risco que corremos por não fazer
hedge com uma frequência infinita e incorrer em uma quantidade infinita de custos de negociação.
Esta variabilidade é lamentável, mas sempre podemos reduzi-la
Machine Translated by Google

Posições de opções cobertas 93

fazendo hedge com mais frequência. Observe que isso ocorre quando o subjacente segue
um processo difusivo. Se houver saltos, não poderemos aliviar o problema fazendo hedge
com mais frequência. No mundo real, existem simplesmente alguns riscos que não
podemos evitar. Um trader de ações está negociando à deriva, mas também está exposto
ao risco de volatilidade e à dependência da trajetória. Ser comprado em uma ação que se
move suavemente de 100 para 110 em incrementos de um dólar é muito diferente de ser
comprado em uma ação que se move de 100 para 110, mas caiu para 50 antes de
disparar. Em cada caso, o preço final não conta toda a história dos riscos envolvidos na
negociação. Procuramos negociar volatilidade, mas também temos risco de amostragem
de volatilidade (intimamente relacionado com a volatilidade da volatilidade) e dependência de trajetória.

DEPENDÊNCIA DE VOLATILIDADE

Esta análise assumiu que estávamos a cobrir as nossas opções na verdadeira volatilidade.
Na prática isto é desconhecido e precisamos escolher uma volatilidade de cobertura.
Existem dois candidatos óbvios, ÿprevisão e ÿimplícita. O que é melhor e que consequências
estão associadas à escolha de uma volatilidade que quase certamente não será igual à
volatilidade realizada?
Um conjunto simples de exemplos mostra que os resultados desta escolha são
novamente muito dependentes do caminho. Considere as duas trajetórias de preços
subjacentes mostradas na Figura 5.7. Estes têm exactamente a mesma volatilidade
anualizada (23,44 por cento), mas num caso o preço sobe e no outro não.
Suponhamos que compramos US$ 1.000 vega nas opções de compra de um mês
com um preço de exercício de 100, a uma volatilidade implícita de 18,44%, e fazemos
hedge no final de cada dia. Suponha também que somos capazes de prever perfeitamente o

112
110
108
106
104
102
Preço

100
98
96
94
92
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Tempo

FIGURA 5.7 Duas trajetórias de preços com volatilidade idêntica

Machine Translated by Google

94 NEGOCIAÇÃO DE VOLATILIDADE

Resultados para cobertura do mesmo portfólio de opções sob diferentes

TABELA 5.2
Volatilidades e caminhos diferentes

Caminho Hedge em Implícito Hedge em Realizado

À deriva $ 9.821 US$ 10.516

Não-derivante $ 6.765 US$ 3.078

volatilidade. (Observe que aqui não haverá erros induzidos por amostragem no
P/L porque o caminho do preço foi construído exatamente em vez de gerado por um processo
aleatório especificado.) A Tabela 5.2 mostra as possibilidades de P/L
quando fazemos hedge ao longo de cada caminho com a volatilidade implícita ou com o
volatilidade prevista.
Então, obviamente, a escolha é muito importante, e igualmente obviamente o
a situação depende muito do caminho. Quando o subjacente está à deriva e nós
são gama longa, nossos hedges serão perdedores. Estaremos vendendo em um
mercado em ascensão. Portanto, queremos fazer hedge com menos frequência. Se usarmos uma volatilidade maior,
vemos uma gama mais baixa, então protegemos menos. Por outro lado, num mercado instável e
sem tendências, as nossas coberturas tenderão a ser vencedoras, por isso queremos cobrir mais
muitas vezes. Se usarmos uma volatilidade menor podemos ganhar mais gama. A situação
é obviamente o oposto se formos opções curtas. Os comerciantes referem-se a esta cobertura
truque como “deixar seus deltas correrem” se eles estiverem comprados em um mercado de tendência, ou
“cobertura defensiva” se estiverem com gama curta em um mercado de tendência. Isso é
resumidos na Tabela 5.3.
A seguir, examinaremos de forma mais geral o problema da escolha de uma cobertura
volatilidade. Assumimos que vendemos uma opção com volatilidade implícita, ÿi, e
então proteja-se na volatilidade realizada, ÿr. Vamos examinar como o P/L deste
a posição evolui ao longo do tempo à medida que a protegemos. Este é realmente o mesmo
argumento que usamos no Capítulo 1, mas agora precisamos ter muito cuidado se
estamos avaliando quantidades nas volatilidades implícitas ou realizadas. De novo
nossa derivação será informal. Leitores interessados em detalhes matemáticos
deveria consultar Carr (1999), Henrard (2003) ou Ahmad e Wilmott (2005).

A direção em que se deve direcionar a volatilidade para opções diferentes

TABELA 5.3
Posições em Função da Direção do Mercado

Posição Mercado Viés de volatilidade de cobertura

Gama curta Tendências Baixo

Gama curta Limite de intervalo Alto

Gama longa Tendências Alto
Gama longa Limite de intervalo Baixo
Machine Translated by Google

Posições de opções cobertas 95

A expressão 1.2 dá o valor da carteira coberta após o primeiro

passo de tempo. Observe que precisamos avaliar a opção em ÿi porque estamos
interessado no valor do portfólio, pois ele está marcado a mercado, mas precisa
ser avaliada pela volatilidade realizada porque foi assim que escolhemos
para se proteger. Esse é o P/L que atinge nossas contas no final de cada dia.

C(St+1, ÿi) ÿ C(St, ÿi) ÿ (ÿr )(St+1 ÿ St) + r(C(ÿi) ÿ (ÿr )St) (5.11)

No entanto, também sabemos que podemos avaliar a carteira na volatilidade

realizada, ÿr, e aqui a opção será avaliada “corretamente” (por definição) para que

C(St+1, ÿr ) ÿ C(St, ÿr ) ÿ (ÿr )(St+1 ÿ St) + r[C(ÿr ) ÿ (ÿr )S] = 0

(5.12)

Então, em um intervalo de tempo, nosso lucro marcado a mercado é

dC(ÿi) ÿ dC(ÿr ) + r[C(ÿr ) ÿ (ÿr )S]dt ÿ r[C(ÿi) ÿ (ÿr )S]dt (5.13)

Agora, usando a expressão BSM (1.5), também poderíamos escrever esta expressão de um passo
lucro como

1
p2eu -p2 S2 (ÿi)dt + [(ÿi) ÿ (ÿr )][(µ ÿ r)Sdt + ÿ SdX] (5.14)
R
2

A expressão (5.13) nos diz que ganharemos dinheiro se ÿI > ÿr (deixando

deixando de lado as questões associadas ao reequilíbrio discreto).
A Equação (5.14) nos diz que esse lucro não chega sem problemas. A equação
(5.14) contém uma variável aleatória.
A forma como o lucro é realizado depende do termo de desvio, µ.

A Figura 5.8 mostra cinco caminhos possíveis para a evolução do P/L em função
de tempo para uma opção coberta pela volatilidade realizada. Isto foi para o caso
de uma posição curta que consiste em 1.000 vega em opções de compra at-the-money de um ano,
vendidos a uma volatilidade de 40 por cento e protegidos pela volatilidade realizada de
30 por cento até o vencimento. Deriva, taxas e rendimentos de dividendos foram zero.
Os comerciantes devem estar familiarizados com esta situação. Essas oscilações de P/L
são essencialmente devidas a outras pessoas (o mercado) marcando opções em relação às nossas.
posição. Isso não deve ser considerado uma teoria da conspiração. Nós negociamos
as opções porque estavam mal avaliadas. Eles ainda são. Acabamos carregando a
quantidade errada de ações contra a nossa posição. Estamos cercados
nossa mente, mas não de acordo com o mercado. Qualquer pessoa que já tenha tentado
explicar esta situação aos seus gestores saberão que pode ser difícil
conversa.
Machine Translated by Google

96 NEGOCIAÇÃO DE VOLATILIDADE

12.000,00

10.000,00

8.000,00

6.000,00
L
P/

4.000,00

2.000,00

0,00
0 50 100 150 200 250 300

–2.000,00
Tempo (dias)

FIGURA 5.8 Lucro em função do tempo para uma posição curta, protegida pela volatilidade
realizada

A seguir, veremos o que acontece quando protegemos a volatilidade implícita.

Passamos pela mesma análise de antes, mas agora todas as informações relevantes
variáveis são avaliadas pela volatilidade implícita. O lucro de marcação a mercado em
etapa única é dado por

1
dC(ÿi) ÿ (ÿi)dS ÿ r(C(ÿi) ÿ (ÿi)S)dt = 2 p2eu -p2 R S 2 (ÿi)dt

(5.15)

A Equação 5.15 não contém termos estocásticos. O lucro chega de forma

determinística.
Não há problemas com as opções supostamente marcadas contra
nós. Seja lá o que eles estejam marcados, nós nos protegemos de acordo.
Este é um método de hedge viável, mesmo que não saibamos como prever
volatilidade muito bem! Se vendermos opções porque a nossa única opinião é que
a volatilidade implícita for demasiado elevada, ainda podemos ganhar dinheiro.

Se pegarmos o valor presente do lucro de uma etapa e depois somarmos

em todos os intervalos de tempo, chegamos ao P/L total da posição:

1 2
p2eu -p2 R exp(ÿrt)S (ÿi)dt (5.16)
2

Podemos agora ver o efeito de dependência da trajetória que observamos no

exemplo anterior. Mesmo que a nossa opção seja inicialmente baseada no dinheiro, a tendência
no subjacente irá retirá-lo de lá até que a gama da opção seja
pequeno e, portanto, o lucro potencial na equação (5.16) é pequeno. Isso faz
Machine Translated by Google

Posições de opções cobertas 97

sentido: estamos fazendo uma aposta na volatilidade. Só seremos pagos se assumirmos algum
risco de volatilidade e se uma opção estiver suficientemente longe do ponto no dinheiro, de
modo que não tenhamos mais exposição à volatilidade. É por isso que os comerciantes querem
acabar perto da greve no vencimento. O gama é maior nesse ponto do tempo e do espaço. Se
você estiver correto em sua avaliação de volatilidade, você ganhará mais dinheiro lá. Este
também é um argumento para negociar strangles ou strips em vez de straddles. Queremos ter
uma posição de volatilidade numa gama suficientemente ampla do subjacente.

A dependência da trajectória é também uma razão pela qual diferentes greves deveriam de
facto ser negociadas com diferentes volatilidades implícitas. O caminho que o subjacente toma
tem efeitos diferentes nas opções de diferentes ataques porque o seu perfil gama será muito
diferente. A expressão (5.16) diz-nos que a volatilidade implícita justa (a volatilidade que torna o
P/L zero) depende do gama. Este conceito é explorado por Dupire (2006) no seu trabalho sobre
“distorções de volatilidade de equilíbrio”.

Observe que isso se aplica a posições gama longas e curtas. Isso pode ser uma surpresa.
A maioria dos traders sabe que é bom que uma posição curta se estabeleça suavemente perto
de um preço de exercício no vencimento. No entanto, também é bom que uma posição longa
termine no strike. A diferença é que praticamente cobrir a posição longa torna-se quase
impossível em escalas de tempo muito curtas e o único momento em que podemos fazer hedge
facilmente é quando a volatilidade realizada é baixa (ou seja, liquidamos suavemente perto do
nosso exercício longo), o que significa que a nossa previsão de volatilidade está incorreto.
Precisamos também de notar que expirar numa greve aumenta grandemente os efeitos de
feedback da cobertura dinâmica dos formadores de mercado. Se forem gama longa, todos
estarão comprando o subjacente abaixo do preço de exercício e vendendo-o acima do preço de
exercício, comprimindo assim a volatilidade realizada. Isso será ruim para os detentores de
opções, mas é a baixa volatilidade que é ruim, não estar perto do strike. Estar perto da greve
pode ser a causa da baixa volatilidade.

A Figura 5.9 mostra cinco caminhos possíveis para a evolução do P/L em função do tempo
para uma opção coberta pela volatilidade implícita. Isto ocorreu no caso de uma posição curta
que consistia em 1.000 vega de opções de compra no dinheiro com prazo de um ano, vendidas
a uma volatilidade de 40% e cobertas pela volatilidade implícita até o vencimento.
Deriva, taxas e rendimentos de dividendos foram zero.
A Figura 5.9 mostra que a cobertura da volatilidade implícita proporciona um P/L mais
suave, mas o resultado final é muito mais variável do que quando cobrimos a volatilidade
realizada. A maioria dos traders considera esta situação muito mais fácil de lidar.
Ahmad e Wilmott (2005) encontraram expressões para o lucro esperado (como integral) e
o desvio padrão (como integral dupla) de uma opção protegida pela volatilidade implícita. O
leitor interessado pode consultá-los, mas é provavelmente mais útil ter uma ideia desta situação
executando simulações (estas também podem ser estendidas para cobrir diferentes processos
estocásticos, um sorriso de volatilidade implícita e uma posição que consiste em mais
Machine Translated by Google

98 NEGOCIAÇÃO DE VOLATILIDADE

25.000

20.000

15.000
L
P/

10.000

5.000

0
0 50 100 150 200 250 300

–5.000
Tempo (dias)

FIGURA 5.9 Lucro em Função do Tempo para uma Posição Curta com Cobertura Implícita
Volatilidade

mais de um tipo de opção). As Figuras 5.10 e 5.11 mostram os resultados de vários

tais simulações. Podemos ver claramente alguns recursos:

As posições de opções fora do dinheiro têm muito mais variância do que as opções
dentro do dinheiro.
Teremos menos variância se errarmos para cima ao escolher uma volatilidade de
hedge.

18.000

16.000

14.000

12.000

10.000

Desvio
8.000

6.000

4.000

2.000

0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Volatilidade de cobertura

FIGURA 5.10 Desvio padrão para uma posição curta no dinheiro coberta em
Várias volatilidades
Machine Translated by Google

Posições de opções cobertas 99

70.000

60.000

50.000

40.000
Desvio

30.000

20.000

10.000

0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Volatilidade de cobertura

FIGURA 5.11 Desvio padrão para uma posição de chamada curta 20 Delta coberta em
Várias volatilidades

É claro que podemos nos proteger de qualquer volatilidade que quisermos. Não estamos restritos
à volatilidade implícita ou à volatilidade prevista. O caso geral foi examinado por Carr
(1999) e Henrard (2003), mas novamente, executar simulações é
provavelmente a maneira mais fácil de obter uma boa imagem da situação.

RESUMO

Uma das coisas frustrantes sobre o uso de opções para negociar o spread entre a
volatilidade implícita e a volatilidade realizada é que podemos estar corretos em
essa previsão e ainda perder dinheiro. Os comerciantes precisam estar cientes do porquê e
como isso pode acontecer. Algumas das razões para esta desconexão entre os nossos
previsão e nossos resultados podem ser abordados, mas também precisamos entender
para aprender. Precisamos aprender com os erros reais, e não tentar desenhar
lições do que é essencialmente apenas azar.

As posições de opções cobertas são muito dependentes do caminho.

Prever corretamente a volatilidade realizada não é garantia de ser
rentável.
Alguma variação no P/L pode ser eliminada fazendo hedge com mais frequência.
A cobertura da volatilidade realizada torna o nosso P/L final mais certo, mas muito
barulhento.

A cobertura da volatilidade implícita suaviza o P/L, mas torna o resultado final

quantidade mais incerta.
Machine Translated by Google
Machine Translated by Google

CAPÍTULO 6

Dinheiro
Gerenciamento

“Todo mundo tem um plano até ser atingido”

—Mike Tyson

Embora não seja verdade que um bom sistema de gestão de dinheiro possa transformar
Mike Tyson disse uma
qualquer vez:de
método “Todo mundo tem
negociação um método
em um plano até ser atingido”.
lucrativo, é certamente possível
arruinar até mesmo as negociações de melhor valor com uma má gestão do dinheiro. A
estimativa e a captura de limites são difíceis e ambas envolvem julgamento subjetivo.
Portanto, é provavelmente compreensível que os traders se concentrem tanto nestes aspectos.
Mas a gestão do dinheiro e o dimensionamento do comércio são igualmente essenciais para o
sucesso. Neste capítulo, analisamos os vários métodos que podemos utilizar para dimensionar as
negociações e as características de risco/recompensa que cada escolha implica.

ESQUEMAS AD HOC

Considere as curvas de patrimônio apresentadas nas Figuras 6.1 e 6.2. Parece óbvio que o trader
da primeira figura é, em certo sentido, melhor. Ele ganhou muito mais dinheiro no mesmo período de
tempo, embora apresentasse maior variação.

Na verdade, neste caso, as negociações que os traders fizeram foram idênticas.

Toda a diferença na curva patrimonial se deveu à estratégia de dimensionamento.
Ambos os comerciantes estavam jogando um jogo em que jogavam uma moeda e
recebiam um dólar se estivessem corretos e pagassem um dólar se estivessem errados. Cada

101
Machine Translated by Google

102 NEGOCIAÇÃO DE VOLATILIDADE

8.000

7.000

6.000

5.000
L
P/

4.000

3.000

2.000

1.000

0
1 101 201 301 401 501 601 701 801 901 1.001
Número de negociações

FIGURA 6.1 Curva de patrimônio para um trader que aposta 5% de seu saldo em cada
Troca

ganhou 550 apostas em 1.000. Mas o primeiro trader terminou com US$ 5.207 e o
o segundo acumulou apenas $ 620. O dimensionamento do comércio é claramente uma questão importante.
O método mais simples é dimensionar de acordo com a sensação. O tamanho da
negociação é ajustado numa base ad hoc, dependendo de quão bom o trader considera o
aposta individual é. Esta é uma ideia terrível. Isso não é realmente muito diferente de
escolhendo negociações com base na sensação. Toda a nossa metodologia é baseada na ideia
que possamos abordar sistematicamente o processo de negociação e dimensionar nossos
negociar de acordo com palpites vai completamente contra isso. Isso nos deixará cair
vítima de nossos humores e preconceitos psicológicos: precisamente o que estamos tentando
para evitar.

700

600

500

400
L
P/

300

200

100

0
1 101 201 301 401 501 601 701 801 901 1.001
Número de negociações

FIGURA 6.2 Curva de patrimônio para um trader que aposta US$ 5 em cada negociação
Machine Translated by Google

103
Gestão de dinheiro

O próximo passo é negociar sempre a mesma quantia. Por exemplo, nós

pode optar por sempre negociar 100 opções ou 1.000 vega. Isso é conhecido como
um sistema de tamanho de comércio fixo . Qualquer sistema que consiga encontrar valor será lucrativo
(a longo prazo) com esse esquema de dimensionamento. Em backtesting isso é frequentemente
o esquema de dimensionamento utilizado, pois mostra mais claramente a rentabilidade do
método subjacente.
Ou poderíamos optar por negociar uma percentagem constante da nossa banca a
cada oportunidade. Isso é conhecido como sistema de dimensionamento de fração fixa .
Nosso exemplo de sorteio foi para apenas um grupo de 1.000 apostas. Figuras 6.3a
até c mostram os resultados de outras três tentativas. Podemos ver duas coisas.
Primeiro, embora em todos os casos tenhamos a mesma vantagem matemática (uma
55 por cento de chance de ganhar uma aposta igual) os resultados variam muito.
Em segundo lugar, a escolha do tamanho da aposta faz uma enorme diferença. As apostas
proporcionais às vezes resultam em uma riqueza final muito maior e nunca podem chegar a
zero (pelo menos no caso idealizado que consideramos aqui, onde temos unidades monetárias
infinitamente divisíveis), mas parece ser muito mais volátil em sua
resultados do que apostas fixas.
Esta experiência numérica mostrou claramente que a escolha de um plano de piquetagem é
importante. Além dos dois esquemas que acabamos de mencionar, há
Há uma série de outras que poderíamos imaginar, como apostar de forma que todas as apostas bem-
sucedidas ganhariam o mesmo valor, aumentar as apostas (seja por tamanho absoluto ou relativo)
após uma vitória, ou adotar uma estratégia semelhante onde
aumentamos o tamanho da aposta após uma perda. Com todos esses esquemas, haverá parâmetros
que precisaremos escolher, como qual porcentagem do nosso saldo deve ser
comece a apostar com. Como podemos decidir entre todas as alternativas? Uma possível solução
para este problema foi encontrada por John Kelly (Kelly 1956).

O CRITÉRIO KELLY

Considere uma situação geral tal que quando vencemos ganhamos w por cento, e
quando perdemos, perdemos 1 por cento. Nosso saldo é inicialmente W0. Cada aposta é um
definir fração, f, do saldo.
Então, depois de uma vitória, nosso saldo é

W0 (1 + f w) (6.1)

Ou podemos dizer que o fator de ganho é (1 + fw). Da mesma forma, uma perda deixaria
nós com

W0 (1 ÿ f w) (6.2)

Portanto, o fator de ganho aqui é (1 ÿ f l). Mais simplesmente, cada vez que ganhamos multiplicamos
por (1 + fw) e quando perdemos multiplicamos por (1 ÿ f l). Então, para n vitórias
Machine Translated by Google

104 NEGOCIAÇÃO DE VOLATILIDADE

8.000

7.000

6.000

5.000
% de apostas
L
P/ 4000
$ apostas
3.000

2000

1000

0
1 101 201 301 401 501 601 701 801 901 1001

Número de negociações

(um)

300

250

200
% de apostas
L
P/ 150
$ apostas

100

50

0
1 101 201 301 401 501 601 701 801 901 1001

Número de negociações

(b)

16.000

14.000

12.000

10.000
% de apostas
L
P/
8.000
$ apostas
6.000

4000

2000

0
1 101 201 301 401 501 601 701 801 901 1001

Número de negociações

(c)

FIGURA 6.3 Mais três curvas de patrimônio comparativo para o mesmo processo
Machine Translated by Google

Gestão de dinheiro 105

e m perdas o fator de ganho é

n eu
G( f) = (1 + fw ) (1 - pol.) (6.3)

Ou por negociação obtemos

1
G( f) n+m ÿ g ( f) = (1 + f w)p (1 ÿ fl) q (6.4)

onde
p = n/(n + m) é a probabilidade de vitória
q = m/(n + m) é a probabilidade de perda

Seria um erro escolher f para maximizar G. Em qualquer número finito de apostas,

nosso retorno esperado seria maximizado apostando todo o nosso valor.
banca de cada vez. Infelizmente, isto também nos dá 100% de probabilidade de ir à
falência, pois eventualmente estaremos fadados a perder. Esta estratégia não leva
conta do risco.
Na verdade, queremos maximizar nosso retorno ou utilidade ajustado ao risco . Esse
envolve escolher novamente uma função de utilidade específica. Geralmente a função de utilidade
de log é escolhida (poderíamos escolher qualquer uma dentre uma série de funções de utilidade).
funções, mas pode-se demonstrar que a função log funciona melhor no longo prazo
do que qualquer outro). Neste caso não estaremos maximizando a riqueza esperada , mas
estaremos maximizando a riqueza típica . Esta distinção é importante. O
valor médio seria fortemente distorcido pelo caso improvável em que o
trader ganha todas as negociações. Isso não será um grande consolo para os comerciantes
que faliram. Ao maximizar o logaritmo da riqueza esperada
eliminamos a possibilidade de falência.
Então pegamos o logaritmo da função de ganho e encontramos o f ótimo por diferenças
iniciando em relação a x e então igualando-o a zero. Isso dá

(pw ÿ ql)
f= (6.5)
wl

(Portanto, em nosso exemplo simples inicial, a fração de Kelly teria sido 0,1.)
Nosso saldo esperado após N apostas seria dado por

W = W0(1 + p ln (1 + f w) + q ln (1 ÿ fl))N (6.6)

A Figura 6.4 mostra o saldo esperado para 10 apostas em função da aposta

tamanho onde as vitórias pagam o dobro das perdas e ganhamos 45 por cento de
apostas. A relação de Kelly neste caso é 0,175, que corresponde ao pico
da curva. Apostar mais de duas vezes Kelly torna a taxa de crescimento negativa
e nosso saldo fica mais esgotado à medida que apostamos mais.
Machine Translated by Google

106 NEGOCIAÇÃO DE VOLATILIDADE

1.6

1.4

1.2

0,8
Banca

0,6

0,4

0,2

0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
–0,2

Tamanho da aposta

FIGURA 6.4 Bankroll esperado para 10 apostas em função do tamanho da aposta

A planilha Excel “Trade Sizing.xls” mostra o crescimento do portfólio para

várias apostas de proporção fixa, bem como o tamanho ideal da aposta derivado de
o critério de Kelly. Brincando com algumas sessões de apostas acertando
a tecla F9 para recalcular a planilha e olhando o gráfico que mostra o total
a riqueza deveria deixar vários pontos bastante claros.

A fração Kelly geralmente termina com mais riqueza do que qualquer outra
esquema proporcional escolhido.
As oscilações no nosso patrimônio tornam-se desconfortavelmente grandes quando apostamos no
Fração Kelly.
Apostar mais do que Kelly é pior do que apostar menos.

Este último ponto merece ser enfatizado. Apostar mais do que Kelly resulta em
maior volatilidade e menores retornos. Isso pode ser visto na Figura 6.5, onde
mostramos uma realização de uma curva P/L para o jogo de lançamento de moeda quando
usando metade Kelly, Kelly completa e duas vezes Kelly.
Neste ponto, vamos apenas assumir que a estratégia de Kelly é suficientemente
intrigante para fazer valer a pena considerar uma situação mais realista,
aquele que está mais próximo daqueles que podemos encontrar ao negociar finanças
instrumentos.
Precisamos generalizar a situação para lidar com um resultado contínuo.
Imagine negociar uma situação em que o resultado de uma aposta ou negociação é conhecido
ter uma certa distribuição. Esta seria a situação típica enfrentada
um comerciante: A distribuição pode ser estimada a partir de resultados comerciais históricos ou
de considerações mais teóricas. Ainda insistimos neste ponto
Machine Translated by Google

Gestão de dinheiro 107

16.000

14.000

12.000

10.000
Kelly
8.000 metade Kelly
L
P/

6.000 "duas vezes Kelly"

4000

2000

0
8017016015014013012011011 901 1001
Número de negociações

FIGURA 6.5 Volatilidade relativa de um caminho P/L gerado pela negociação em vários
múltiplos do índice Kelly

que as negociações sejam independentes e distribuídas de forma idêntica. Novamente

apostamos uma fração, f, da nossa riqueza no início de cada período para que

Wn = Wnÿ1 + f Wnÿ1g (Xn) (6.7)

onde Xn é a variável aleatória que fornece o resultado da enésima negociação e tem o

retorno g(Xn).
Após uma sequência de n negociações, nosso saldo será

Wn = W0 [1 + fg (Xi)] (6.8)
eu=1

Agora tomamos logaritmos como antes:

ln (Wn) = W0 Em [1 + fg (Xi)] (6.9)

eu=1

Então

E [ln (Wn)] = nW0E [ln [(1 + fg (Xn))]] (6.10)

= nW0 ln [()] 1 + fg (x) (x) dx (6.11)

onde (x) é a função de distribuição que descreve os resultados das negociações.

Machine Translated by Google

108 NEGOCIAÇÃO DE VOLATILIDADE

Se maximizarmos a fração de banca, f, descobriremos que o valor ideal é aquele que satisfaz

g(x)(x) dx g (x)
=E1 =0 (6.12)
+ fg(x) 1 + fg(x)

Esta equação é bastante geral – aplica-se a todas as distribuições. Às vezes é afirmado

incorretamente que o critério Kelly só se aplica a negociações com resultados binários. Isto não
é verdade. Contudo, no caso de eventos binários, certas simplificações podem ser feitas. Estas
aproximações têm, de facto, aplicabilidade limitada. Em geral, esta equação é muito complicada
para ser usada diretamente, mas se considerarmos o caso em que a nossa vantagem por
negociação é pequena, podemos tornar as coisas mais simples (e, infelizmente, este caso
geralmente é bastante representativo da realidade). Nesta situação sabemos que f será pequeno
e podemos expandir a equação (6.12) em uma série de potências e então truncá-la após a
ordem inicial para obter

0 ÿ g(x)(x)[1 ÿ fg(x) +···] dx

= g(x)(x) dx ÿ f g2 (x)(x) dx +··· (6.13)

Mas o primeiro termo é apenas o retorno esperado para uma aposta unitária e o segundo
termo é a variância do retorno, g(x). Então no limite da aresta pequena obtemos

R
f = ÿ2 (6.14)

Certamente é bastante simples de usar. Para estimar o tamanho da nossa

negociação, precisamos apenas do retorno esperado da negociação e da sua variação,
não importa quão complicada seja a negociação real. Na verdade, o retorno aqui deveria
geralmente ser interpretado como o retorno sobre a taxa livre de risco. Muitas derivações
deixam de mencionar isso. (Aqueles destinados aos jogadores provavelmente o
negligenciam, pois é difícil ganhar juros enquanto está sentado numa mesa de blackjack,
e as casas de apostas também tendem a não pagar juros.)
A taxa de crescimento esperada para alguém negociando a uma fração, f, do
A proporção de Kelly é dada por

2
f r2
GR = f ÿ 2 (6.15)
p2

que é maximizado para f = 1: negociando no índice de Kelly completo quando a taxa de crescimento
é

r2
GRmáx = (6.16)
2ÿ2
Machine Translated by Google

Gestão de dinheiro 109

E vemos que a taxa de crescimento é zero para f = 0, o caso em que

não negociamos nada; e para f = 2, quando overbetamos drasticamente. Como o
a taxa de crescimento é simétrica em torno de f = 1, podemos ver que é melhor apostar mais
conservadoramente e, portanto, subestimar nossa vantagem (ou, equivalentemente,
superestimar nossa variância), pois obteremos o mesmo crescimento para f =
1 – x e f = 1 + x.
Se estivermos negociando de acordo com o critério de Kelly, a probabilidade de que
alcançamos um saldo B × W > W0 antes de mergulharmos para A × W < W0 é dado por

2
1 ÿ A1 ÿ f
P(UMA, B) = 2 2
(6.17)
B1ÿ f - A1- f

É interessante que a vantagem e a variância da negociação não apareçam

aqui. Ter uma negociação melhor apenas acelera o processo. Se A = 0,5 e
B = 2 obtemos P(A,B) = 2/3. Por outro lado, isso significa que ao apostar em
full Kelly você tem um terço de chance de ter seu saldo reduzido pela metade antes
dobra! Como vimos em nossas simulações anteriores, o dimensionamento de Kelly é extremamente
volátil. Para lidar com essas quedas extremas é razoavelmente comum
para os devotos de Kelly negociarem por uma fração da proporção de Kelly. A Tabela 6.1 mostra
como a probabilidade de reduzir pela metade antes de duplicar pode ser alterada usando um
Razão de Kelly fracionária.
Reduzir os drawdowns negociando a uma fração do índice de Kelly não é uma solução.
almoço grátis. Ao negociar em valores menores, aumentamos drasticamente o tempo necessário para
alcançar nosso objetivo positivo. O tempo de saída esperado é dado por

1 PA(A,B)
E [T] = log (6.18)
GR PA(A,B)ÿ1

Este é o tempo médio antes de atingirmos nosso objetivo (B.W0) ou ficarmos parados
(em A.W0).
Agora temos algum tipo de intuição sobre nosso lucro potencial e
distribuição de perdas ao usar Kelly. Temos a taxa de crescimento esperada, uma

Probabilidade de duplicar antes de reduzir pela metade como uma função

TABELA 6.1
da fração Kelly que estamos negociando

Fração de Kelly Probabilidade (A,B)

1,0 0,667
0,8 0,739
0,6 0,834
0,4 0,941
0,2 0,998
Machine Translated by Google

110 NEGOCIAÇÃO DE VOLATILIDADE

medida de dispersão (a probabilidade de rebaixamento) e o tempo esperado

para atingir nossos objetivos. Mas é realmente possível calcular toda a
distribuição de probabilidade do nosso saldo futuro. Um belo artigo de Chapman
(2007) mostra como o saldo se espalha ao longo do tempo. Por conveniência,
consideramos que o saldo inicial é 1. Ele mostra que a distribuição de probabilidade evolui
como

2
1 1 registro x +
3 - t
ÿ 2 1f ÿ
P(x, f,t) = exp1 ÿ f t ÿ exp ÿ (6.19)
ÿ 2 pontos 2t
ÿÿ ÿ

Vale a pena examinar cuidadosamente a Figura 6.6. Mostra a evolução ao

longo do tempo do PDF do saldo ao negociar na fração Kelly. Vemos que com
o tempo o saldo relaxa e se afasta do seu valor inicial.
Também podemos ver que, ao apostar no rácio de Kelly completo, a nossa distribuição de resultados
é altamente distorcida (isto já deveria ter sido evidente nas discussões anteriores sobre drawdowns,
mas mais algumas evidências visuais podem enfatizar este ponto). O pico da função de distribuição
de probabilidade (PDF) é menor que 1. Sabemos que no longo prazo a estratégia Kelly domina
amplamente outras estratégias, mas também sabemos que o resultado de qualquer série de
negociações é volátil e pode ser pobres no curto prazo (antes que a taxa de crescimento tenha tido
a oportunidade de superar a volatilidade) – e o longo prazo pode levar algum tempo para chegar.

0,6

0,5

0,4
t = 0,5
t=1
Distribuição

0,3
t=2
t=3
0,2

0,1

0
0 1 2 3 4 5 6
Banca

FIGURA 6.6 A evolução ao longo do tempo do PDF do Bankroll ao negociar na fração Kelly
Machine Translated by Google

Gestão de dinheiro 111

0,4

0,35

0,3

0,25 t = 0,5
Distribuição t=1
0,2
t=2
0,15 t=3

0,1

0,05

0
0 1 2 3 4 5 6
Banca

FIGURA 6.7 A evolução ao longo do tempo do PDF do Bankroll ao negociar

na metade da fração Kelly

A Figura 6.7 mostra como negociar com uma fração de Kelly reduzida (neste caso
meio Kelly) muda substancialmente o pico do PDF para a direita enquanto ainda
mantendo a assimetria que torna possíveis grandes vitórias.
Por outro lado, a Figura 6.8 mostra que negociar acima de Kelly (duas vezes
Kelly, neste caso) significa que o PDF é puxado para zero à medida que o tempo
passa.

1
0,9
0,8
0,7
0,6 t = 0,5
t=1
Distribuição

0,5
t=2
0,4 t=3
0,3
0,2
0,1
0
0 1 2 3 4 5 6
Banca

FIGURA 6.8 A evolução ao longo do tempo do PDF do Bankroll ao negociar

em duas vezes a fração Kelly
Machine Translated by Google

112 NEGOCIAÇÃO DE VOLATILIDADE

Dimensionar apostas/negociações de acordo com o critério de Kelly é uma questão controversa

tópico (veja Poundstone 2005 para um relato muito legível). A maior parte da discussão gira
em torno da ideia de que maximizar o logaritmo do esperado
riqueza não é realmente o que um investidor sensato desejaria – em outras palavras,
a função de utilidade foi especificada incorretamente. O grupo anti-Kelly inclui
Vencedores do Prêmio Nobel (Samuelson 1979), profissionais de finanças (Brown
2002) e jogadores esportivos (Miller, www.professionalgambler.com). No entanto, o outro lado
do argumento também ostenta alguns nomes impressionantes,
incluindo Ed Thorpe (Thorpe 1984, 1997) Claude Shannon (inventor da teoria da informação),
David Shaw (fundador da DE Shaw) e William Miller
(gerente do Legg Mason Value Trust, o único fundo mútuo regulamentado pela SEC
fundo para superar o S&P 500 por 10 anos consecutivos). Como o método
depende de uma função de utilidade, não é de surpreender que as pessoas discordem. Mas
em vez de entrar em discussões sobre qual é o risco das outras pessoas
preferências deveriam ser, vamos simplesmente analisar seus pontos positivos e negativos.

Bons pontos

Maximizar o valor esperado do logaritmo da riqueza maximiza assintoticamente a taxa

de crescimento, de modo que a estratégia de Kelly eventualmente
supera todos os outros.
A estratégia Kelly tem risco zero de ruína.
Em média estaremos sempre à frente de qualquer outra estratégia.
A estratégia é míope, no sentido de que só precisamos de considerar
nossas oportunidades e saldo atuais, e não situações subsequentes. Esse
não é o caso de metodologias do tipo progressão onde o comércio atual
os tamanhos são uma função dos tamanhos comerciais anteriores. A miopia é muito útil quando
decidir se uma estratégia é praticamente utilizável.
Negociar uma fração do valor Kelly nos permite ajustar facilmente nosso
nível de risco desejado em detrimento de retornos esperados mais baixos.

Pontos ruins

Ao apostar uma fração da riqueza, uma perda seguida de uma vitória ainda deixa
nós atrás.
O valor apostado torna-se extremamente grande em situações onde temos
uma grande quantidade de vantagem - em outras palavras, quando a probabilidade de uma vitória
é alto ou o risco é muito baixo.
A estimativa de probabilidade torna-se crucial. Investir excessivamente com base na
estimativa excessiva da probabilidade de sucesso levará ao desastre.
A quantidade total de dinheiro investido é muito maior do que os ganhos.
Devido aos resultados muito voláteis da estratégia, é possível ter sessões com resultados
muito fracos, mesmo que as expectativas de longo prazo
são altos.
O tempo necessário para que o longo prazo domine pode ser muito longo
de fato.
Machine Translated by Google

Gestão de dinheiro 113

Às vezes não é óbvio o que é o bankroll . Certamente não é corte de cabelo.

O corte de cabelo é o valor que precisamos depositar em nossa empresa de compensação, mas
certamente não é a quantia que você pode perder. Geralmente é melhor
pensar no bankroll como a quantia que você pode perder antes que a estratégia seja
abandonado. Mas às vezes isso também não está claro. Isto foi estudado por
Leib (1995), que apontou que os jogadores amadores de blackjack deveriam
apostar de forma muito mais agressiva do que os profissionais, pois os amadores poderiam
reabastecer seus saldos com outras receitas. Este conceito também
aplica-se a comerciantes que podem mudar de emprego.

Todos nós sabemos que precisamos ser pacientes ao negociar. Isto é muitas vezes afirmado
axiomaticamente como uma virtude. Tendemos a dizer reflexivamente que possuímos paciência
porque temos plena consciência de que isso é necessário para um bom trader, mas
quão pacientes precisamos ser para colher os benefícios da estratégia Kelly?
Um exemplo de Browne (2000) mostra que esperar pelo longo
correr pode ser mais tedioso do que poderíamos razoavelmente esperar. Ele considera
Um investidor que pode escolher entre uma ação com retorno anual de
15 por cento e uma volatilidade de 30 por cento, e uma conta remunerada
isso paga 7 por cento. O critério de Kelly (equação 6.14) nos faz investir 89
por cento da nossa riqueza [0,15 - 0,07/(0,3)2] em ações e colocamos o restante no banco. Antes
teremos 95 por cento de probabilidade de vencer
Para reduzir a carteira integralmente em dinheiro em 10%, teremos de esperar 157 anos. Pior ainda,
para ter uma probabilidade de 95 por cento de vencer a carteira só de ações
em 10%, teremos que esperar 10.286 anos. Mesmo os tempos esperados para
superar esses benchmarks é de 2,8 anos e 184 anos.1 Paciência é
de fato necessário.

ALTERNATIVAS AO CRITÉRIO KELLY

Então, o que Kelly faz é realmente o que um trader deseja? Como sempre, a resposta é:
“Depende.” Que restrições impostas externamente ele enfrenta? Em uma conta pessoal onde
ninguém mais pode impedi-lo devido a um saque, um
o trader pode ficar feliz em usar Kelly e ajustar a volatilidade negociando uma fração
do índice de Kelly total. Da mesma forma, quando estamos fazendo um número enorme
de negociações em um curto período, podemos aceitar um método de dimensionamento baseado em Kelly, como
podemos estar mais confiantes de que o longo prazo chegará em breve para superar quaisquer
efeitos de variação. Mas ao negociar num ambiente institucional ou
quando apoiado por outra pessoa, o critério Kelly provavelmente não está realmente alinhado com
o interesse do trader. Aqui um trader não está tão interessado

1O tempo esperado para Kelly superar 2 outra estratégia com uma fração de negociação
' por ÿ por cento é dado por ÿ2( fÿ f) 2
f ln (1 + e).
Machine Translated by Google

114 NEGOCIAÇÃO DE VOLATILIDADE

no crescimento ideal a longo prazo, pois tem mais chances de obter lucro.
Ele negociará o potencial máximo de longo prazo por lucros mais certos no curto prazo.

Dissemos anteriormente que se esperava que Kelly superasse outras estratégias, então
o que o trader pode fazer de melhor? Ele pode obter um lucro mais certo no curto prazo
renunciando à impossibilidade de um dia ir à falência. (Ao negociar de acordo com Kelly ou
qualquer esquema de gestão de dinheiro fracionário, nunca poderemos ir à falência. No entanto,
este é realmente um ponto teórico porque a maioria dos traders será demitida tão rapidamente
por entregar uma redução de 90% quanto uma redução de 100%.) o princípio geral por trás
deste trade-off, olhamos agora para o sistema de Oscar, um sistema de apostas progressivo
desenvolvido pela primeira vez por um jogador de dados na década de 1950 (Wilson 1965).

Um sistema de apostas progressivo nunca pode transformar uma vantagem negativa

numa vantagem positiva. Não há mágica. Mas o algoritmo de dimensionamento pode alterar
certos aspectos do cronograma de pagamento. Já vimos isso. O sistema Kelly fracionário
negociou retornos mais baixos por rebaixamentos menores. Oscar queria algo totalmente
diferente. Ele só queria que cada fim de semana que passasse em Las Vegas terminasse com
uma pequena vitória. Então ele planejou uma progressão que funciona extremamente bem no
curto prazo.
Existem dois tipos gerais de progressões de apostas: progressões positivas e progressões
negativas. Com uma progressão positiva, a ideia geral é que você aumente suas apostas após
as vitórias. Isto significa que as suas apostas maiores são financiadas principalmente por lucros
anteriores. O esquema Kelly é um exemplo de progressão positiva.

Com uma progressão negativa, a teoria geral é que você aumenta as suas apostas após
perdas. Esta tentativa de voltar ainda mais rapidamente é mais perigosa, uma vez que uma
série de perdas prematuras pode levá-lo à falência muito rapidamente.
No entanto, estes esquemas são sedutores na medida em que lhe permitem ganhar depois de
uma sessão em que perdeu mais apostas do que ganhou. Como suas apostas após derrotas
são apostas maiores, você não precisa ganhar tantas delas para voltar. O outro resultado é que
você perde tantas apostas consecutivas que vai à falência.

Muitas tentativas foram feitas para combinar os melhores recursos desses sistemas. O
sistema de Oscar era um deles. Oscar queria ganhar apenas uma unidade. Cada sessão
começou com uma aposta de uma unidade. Se ganhasse, ele parava. Se ele perdesse, a
próxima aposta seria do mesmo tamanho (por isso corremos mais riscos do que com Kelly
porque as nossas apostas como percentagem da nossa banca crescem à medida que perdemos).
Após uma vitória, a próxima aposta seria uma unidade superior à anterior. Nenhuma aposta
seria tão grande que nos levasse além do alvo.
Este sistema foi analisado detalhadamente, primeiro por Wilson e depois mais
extensivamente por Ethier (1996). A probabilidade de sucesso é mostrada na Tabela 6.2.

O problema é que, nos raros casos em que as coisas correm mal, vão terrivelmente mal.
De acordo com Wilson, na década de 1960, Julian Braun dirigiu um
Machine Translated by Google

Gestão de dinheiro 115

A probabilidade de atingir uma meta de lucro de uma unidade antes

TABELA 6.2 Ter que desistir ao usar o sistema do Oscar, em função da vitória
Probabilidade de uma única tentativa, p, e o limite da casa M

M p = 19/09 p = 244/495 p = 1/2

50 0,99078112 0,99620367 0,99734697

100 0,99464246 0,99841219 0,99904342
150 0,99587158 0,99902785 0,99947577
200 0,99646866 0,99930553 0,99965833
250 0,99681764 0,99946077 0,99975501
300 0,99704404 0,99955895 0,99981337
350 0,99720107 0,99962624 0,99985174

simulação computacional do sistema de Oscar. Ele presumiu que a casa tinha um

limite de apostas de 500 unidades e que a probabilidade de sucesso de cada aposta era
244/495 (consistente com dados). Em 280.000 testes, ocorreram 66 desastres
onde o jogador bateu no limite da casa. Essas situações perdidas
uma média de 13.000 unidades. Portanto, as leis da matemática não podem ser enganadas, mas
podemos optar por empurrar os desastres para o futuro em vez de experimentar
eles continuamente. Até certo ponto, você pode escolher quando fazer seu
perdas (inevitáveis).
A situação dos comerciantes é diferente. Aqui temos uma expectativa
positiva. Mas ainda gostaríamos de realizar um truque semelhante ao de Oscar e
suavizar um pouco nosso fluxo de lucros. Gostaríamos também de reduzir o nosso
dependência no longo prazo. Este foi o problema abordado por Browne
(1999, 2000). Especificamente, ele encontrou a estratégia dinâmica que maximizou o
probabilidade de atingir um determinado nível de riqueza em um determinado período de tempo. Ele mostra
que a fração ótima para investir com o tempo T restante para atingir a meta B quando
a riqueza atual é W, é dada por

1 B exp (ÿrT) W exp (rT)

f
ÿ
= nN ÿ1 (6.20)
ÿÿT EM B

onde

1
n(x) = expÿx2 (6.21a)
ÿ 2ÿ 2
x

N (x) = n(z) dz (6.21b)

=ÿ

r é a taxa de juros.
Browne mostra que esta estratégia de dimensionamento é equivalente à cobertura
estratégia de uma chamada binária. Este argumento é perspicaz e deve ajudar
Machine Translated by Google

116 NEGOCIAÇÃO DE VOLATILIDADE

os comerciantes de opções têm uma ideia do comportamento da estratégia. Também

pode ajudar-nos a pensar em ideias para generalizar o argumento para cenários mais
realistas, por exemplo, onde temos um stop colocado na nossa banca, bem como um
alvo no lado positivo.
Se tivermos uma ação que evolui de acordo com nosso modelo normal de
movimento geométrico browniano (GBM), o valor de uma opção que paga B se
estivermos acima do preço de exercício, K, no momento T, é dado por

S 1
Em
K
+ r- 2ÿ2 (T ÿ t) ÿ
C = B exp (ÿr (T ÿ t)) N (6.22)
ÿT ÿ t

(Haug 2007b). O delta desta opção é dado por

S 1
Em
K
+ r- 2ÿ2 (T ÿ t) ÿ 1
= B exp (ÿr (T ÿ t)) n
ÿT ÿ t Sÿ ÿT ÿ t
(6.23)

Aqui está o número de ações na carteira de hedge, portanto, a qualquer momento, o valor do
hedge é dado por S. Se estivéssemos realmente vendidos na opção, nosso objetivo seria protegê-
la para maximizar a probabilidade de podermos pagar da reivindicação no vencimento. Ou, em
qualquer momento, a nossa riqueza é dada pela expressão na equação (6.22) e precisamos de
maximizar a probabilidade de que a nossa riqueza terminal seja dada por B. A política óptima neste
caso é dada pela equação (6.20), aqui com riqueza x = C(t,S). Fazendo esta substituição obtemos

f
ÿ
=S (6.24)

Portanto, esta estratégia é de facto equivalente à estratégia de cobertura da

opção de compra digital, onde consideramos o preço das ações como a nossa
riqueza, W. As Figuras 6.9 e 6.10 mostram a diferença entre esta estratégia de
dimensionamento dinâmico e a estratégia de Kelly constante. Isso pressupõe que
estamos negociando uma ação com um desvio de 22%, uma volatilidade anualizada
de 45% e que há também uma taxa livre de risco de 8%. Neste caso o índice de Kelly
é 0,6914. Nosso objetivo é ganhar 50% em uma sessão de 100 dias de negociação
(o que não é totalmente irracional, mas é muito otimista, dada a oscilação e a volatilidade do subjace
Podemos ver que inicialmente a estratégia de Browne é muito mais agressiva. Sabemos
que nosso objetivo exige que assumamos riscos significativos. Inicialmente negociamos
com uma alavancagem de 1,8, três vezes a alavancagem da estratégia Kelly. Mas à
medida que nos aproximamos do nosso objetivo, reduzimos significativamente o risco.
Na prática, monitorizaríamos continuamente os nossos objectivos e faríamos ajustes
(este processo é discutido no Capítulo 7).
Machine Translated by Google

Gestão de dinheiro 117

180

160

140

120
Fortuna Kelly
Browne
100

80

60

91
31

61
19
13
1

79
73

85

97
37

67
55
25

43

49

Dias de Negociação

FIGURA 6.9 A riqueza acumulada ao seguir as estratégias de Browne e Kelly

Browne também mostra que o tempo esperado para esta estratégia vencer
qualquer outra é dado por

2
Nÿ1(1 ÿ ÿ) ÿ Nÿ1 1 1-e
T= (6.25)
ÿ( f ÿ f )

Portanto, agora podemos comparar esta estratégia com os resultados de Kelly apresentados anteriormente.
Os resultados são mostrados na Tabela 6.3.

1,8

1.6
Proporção de Browne

1.4 Prova de sucesso

1.2

0,8

0,6

0,4
e
Razão

0,2

0
11

91
81
31

61
51

71
16

21

41

76

96
36

86
56

66
46
1

Dias de Negociação

FIGURA 6.10 A Razão de Browne e a Probabilidade de Alcançar a Meta

Machine Translated by Google

118 NEGOCIAÇÃO DE VOLATILIDADE

Tempo necessário para que a estratégia de Browne supere as estratégias concorrentes

TABELA 6.3
10 por cento

Probabilidade de falência É hora de ganhar dinheiro É hora de vencer o estoque

em 10% (anos) em 10% (anos)

0,05 1.3 85
0,01 14 900
0,001 43 2.780
0,0001 73 4.774

Esses números são muito melhores do que os da estratégia Kelly. Lembre-se disso para
Kelly superará as ações em 10% (no nível de confiança de 95%)
levaria 10.286 anos. É verdade que negociar usando o critério de Kelly seria
não nos deixa sem chance de falência, mas a melhoria significativa em
o tempo esperado para o desempenho pode muito bem fazer com que esse pequeno risco valha a pena.
Como podemos ver, de acordo com o critério de tempo esperado para dominar,
este método é muito melhor que Kelly. Também é mais arriscado. Especificamente, esperamos
atingir nosso objetivo com probabilidade V e ir à falência com probabilidade 1
ÿ V, onde V é dado por

W exp (rT) ÿÿr

V = N Nÿ1 + ÿT (6.26)
B p

onde
µ é o desvio esperado do ativo.
V também é mostrado anteriormente na Figura 6.10.

Como dissemos anteriormente, quando estão envolvidas funções de utilidade, precisamos

decidir o que exatamente queremos dizer com sucesso.

DIMENSIONAMENTO DO COMÉRCIO DE FORMA CONTÍNUA

ALTERANDO A CONFIGURAÇÃO

As situações examinadas até agora foram estáticas. Ou tivemos um

oportunidade de fazer uma única negociação/aposta e ver como ela se sai, ou temos
tive a oportunidade de investir em um ativo com desvio e volatilidade fixos. UM
situação mais realista é aquela em que os parâmetros que nos interessam
estão mudando. Em particular, vimos no Capítulo 3 que a volatilidade implícita é um
processo de reversão à média. Quais são as implicações disto para o dimensionamento do comércio?
Machine Translated by Google

Gestão de dinheiro 119

Considere um exemplo muito simples. Imagine que temos novamente a chance de fazer uma
aposta que ganhará 55% das vezes e pagará o mesmo dinheiro. Sabemos que o índice de Kelly
aqui é de 0,1, então apostamos 10% do nosso saldo. Agora, antes de a aposta ser liquidada, as
probabilidades mudam de modo que recebemos 1,2 vezes mais por uma vitória do que se perdermos
se estivermos errados. Nestas condições o rácio de Kelly é de 0,175 pelo que optaríamos por
aumentar a nossa aposta visto que as condições são agora muito mais favoráveis para nós.
Essencialmente, temos agora uma posição com um pagamento médio entre 1 e 1,2, mas quando a
segunda aposta é feita, tivemos que levar em conta que o nosso saldo era menor como resultado
da colocação da primeira aposta.

Veremos que negociar um processo de reversão à média é semelhante. À medida que os

desvios do valor justo aumentam, faremos mais negócios. Isso leva à regra prática: quando estiver
em apuros, dobre. Mas isso é verdade apenas até certo ponto.
Num ambiente de negociação contínua, à medida que obtemos preços cada vez melhores,
estaremos a perder dinheiro na posição que já estabelecemos. Eventualmente, estas perdas terão
esgotado a nossa banca até ao ponto em que realmente desejamos ter uma posição menor. Isto é
consistente com a forma como os formadores de mercado são instruídos a dimensionar as suas
negociações quando há coisas empurradas contra eles. A regra antiga faria com que um formador
de mercado vendesse 100 no seu primeiro nível, depois recuasse e vendesse 200 no nível seguinte,
subisse novamente e vendesse 300 no nível seguinte. Mas se as coisas se afastassem ainda mais
do valor justo, ele começaria a recomprar a posição. Isso não ocorre necessariamente porque sua
estimativa do que é justo possa ter mudado (embora a esta altura provavelmente já tenha mudado),
mas porque ele perdeu dinheiro e a posição curta de 600 lotes é muito grande em função do
tamanho de sua nova conta. .

Montaremos um modelo simples que capture as características básicas daquilo que estamos
negociando e tentaremos generalizar o argumento de Kelly. O modelo de reversão à média mais
simples é o processo de Ornstein-Uhlenbeck de parâmetro único, governado completamente por
sua velocidade de reversão, µ. Também vamos supor, para simplificar, que normalizamos o
subjacente, S, de modo que ele tenha média zero e desvio padrão de 1.

dS = ÿµSdt + 2µdZ (6.27)

Tal como acontece com o GBM, esses caminhos de ativos parecem muito barulhentos e
apenas observá-los seria uma maneira muito ruim de estimar a verdadeira velocidade de reversão.
Na verdade, a inspeção visual nem seria suficiente para ver que se tratava de reversão à média.
Por exemplo, os três caminhos mostrados nas Figuras 6.11a, b e c simulam cinco anos de preços
diários com uma velocidade de reversão de 100%.

A alocação ideal de ativos para tal processo foi estudada (Boguslavsky e Boguslavskaya 2004;
Liu e Longstaff 2004). Eles
Machine Translated by Google

120 NEGOCIAÇÃO DE VOLATILIDADE

3
2,5
2
1,5
1
0,5
0
ÿ0,5
ÿ1
ÿ1,5
(um)

1,5

0,5

ÿ0,5

ÿ1

ÿ1,5

ÿ2
(b)

3.5

3 2,5

2 1,5
1
0,5
0
ÿ1
ÿ1,5
ÿ2
(c)

FIGURA 6.11 Três instâncias diferentes de um caminho de ativo gerado pelo mesmo processo
de reversão à média

mostrou que se tentarmos generalizar a abordagem de Kelly e maximizar o valor

esperado do logaritmo da riqueza, a solução é que devemos manter

ÿW × ÿ/2 (6.28)

no ativo.
Portanto, se estamos arriscando US$ 100 e o preço do ativo está a 1,8
desvios-padrão de sua média (ou seja, ÿ = 1,8), então teremos uma posição curta
de 100 × 1,8/2 = 90. Em termos práticos, isso significa deveríamos ter uma posição
tal que, se o spread voltar à média, deveríamos ganhar US$ 90.
Machine Translated by Google

Gestão de dinheiro 121

1,5000

1,0000

0,5000

0,0000
Preço

ÿ0,5000

ÿ1,0000

ÿ1,5000

ÿ2,0000
547469391313235157791 937859781703625 1015109311711249

Tempo (dias)

FIGURA 6.12 O preço do ativo com reversão à média

As Figuras 6.12 e 6.13 mostram os resultados de um pregão onde

dimensionar nossas negociações de acordo com esta regra.
Há uma série de coisas importantes a serem observadas sobre esse resultado
aparentemente simples:

A riqueza é tão importante quanto a atratividade do comércio (ÿ e W são intercambiáveis

no resultado).
A posição máxima é em ÿ = ÿ 2. Além disso, o efeito de perder
a riqueza domina. As negociações agora estão melhores, mas nosso saldo também é menor.

Com desvios menores que ÿ 2, aumentamos as negociações à medida que elas vão contra nós.
Aqui a vantagem extra na negociação domina o facto de estarmos a perder dinheiro
na nossa posição.
Este resultado é independente da velocidade de reversão. Altas taxas de reversão são boas,
mas apenas porque conseguimos fazer mais negociações no mesmo período de tempo.

700,00

600,00

500,00

400,00
Fortuna

300,00

200,00

100,00

0,00
1 78 155 232 309 386 463 540 617 694 771 848 925 1002 1079 1156 1233

Tempo (dias)

FIGURA 6.13 A riqueza gerada pela negociação de acordo com a Equação (6.28)
Machine Translated by Google

122 NEGOCIAÇÃO DE VOLATILIDADE

6
5
4
3
2

1
Preço

0
–1
–2
–3
–4
1

133

177

705

749

793
309

353

397

529

573

837

881

925

969
617

661
221

265

441

485

1101

1145

1189

1233
1057
1013
Tempo (dias)

FIGURA 6.14 O preço do ativo com reversão à média, onde a distribuição é logística e não normal

Tal como acontece com todas as estratégias que maximizam a expectativa do logaritmo da riqueza,
este é um esquema de gestão de dinheiro muito agressivo. Até certo ponto, isso pode ser
parcialmente gerenciado pela escolha cuidadosa de W0 (onde aplicaremos Kelly parcial em vez de
total). Mas existe aqui um perigo adicional. Assumimos que o processo é governado por um
processo Ornstein-Uhlenbeck com inovações normais. Os processos reais com que lidamos em
finanças terão geralmente caudas mais grossas do que as implícitas na distribuição normal. As
coisas não funcionarão tão bem neste caso. As Figuras 6.14 e 6.15 mostram os resultados de um
pregão onde a distribuição é logística e não normal. A diferença importante entre este exemplo e o
das Figuras 6.12 e 6.13 é que aqui temos um excesso de curtose de 9. Os resultados são claramente
afectados para pior.

Não parece haver nenhum trabalho publicado sobre posicionamento ideal para esses tipos de
processos, mas alguma intuição pode ser obtida executando-se

160,00

140,00

120,00

100,00

80,00
Fortuna

60,00

40,00

20h00

0,00
1

139

185

921
691
231

461

737

783
369

829

875
599

967
323

507

553

645
277

415

1151
1059

1105
1013

1197

1243

Tempo (dias)

FIGURA 6.15 A riqueza gerada pela negociação de acordo com a Equação (6.28)
Onde a distribuição é logística e não normal
Machine Translated by Google

Gestão de dinheiro 123

alguns testes com a planilha anexa, “Mean Reversion Simu-lator.xls”. As distribuições de cauda
gorda também têm meios finos. Portanto, além da maior proporção de movimentos grandes, também
podemos esperar mais movimentos pequenos.
Isto parece sugerir modificar a estratégia, negociando de forma mais agressiva ao entrar,
procurando pequenos movimentos, e depois saindo mais rapidamente quando as coisas se movem
contra nós. As simulações parecem apoiar isso.
É importante frisar o jogo perigoso que aqui praticamos.
Esta teoria mostra que, ao negociar um processo de reversão à média, devemos (inicialmente)
aumentar a nossa posição, pois ela vai contra nós. Isto claramente pode ser perigoso. O perigo
não tem nada a ver com regras não apoiadas como “Só os perdedores somam aos perdedores”. Na
verdade, a teoria mostra que a regra de negociação ideal neste caso é aumentar os perdedores.
Além disso, esta regra pode ser enunciada, testada e modificada de uma forma que vagas
afirmações gerais não podem.
O perigo real é que o sistema possa mudar fundamentalmente, de modo que a média para a
qual eventualmente reverteremos seja totalmente diferente daquela com a qual começamos. É por
isso que precisamos avaliar fundamentalmente por que o comércio inicial foi contra nós. Imagine
que estamos vendendo uma ação com volatilidade de 20% porque achamos que o valor justo é de
13%. Se ficar instável porque algumas encomendas grandes entram no mercado num dia que de
outra forma seria lento e a volatilidade implícita aumenta para 22 por cento, provavelmente teremos
justificativa para vender mais.
No entanto, consideremos o exemplo da Interoil Corporation (IOC). Às 14h00 EST do dia 26 de junho de 2007,
enormes ordens de venda chegaram ao mercado e derrubaram o preço das ações de US$ 40,20 para US$ 26,50. Não
houve notícias sobre a empresa em nenhuma das principais agências de notícias. A volatilidade implícita de julho saltou
de cerca de 94% para 120%. Neste caso ocorreu uma reavaliação fundamental da empresa. Não tínhamos notícias ou
análises a considerar, e um volume enorme estava sendo transacionado (6 milhões de ações em uma hora, numa ação

com volume médio diário de 600 mil). Neste caso, vender mais volatilidade seria temerário e irresponsável. Portanto,

cada caso precisa ser considerado no contexto.

Esta é obviamente uma área onde a experiência num determinado mercado pode ser uma
vantagem. Mas existe uma boa maneira de usar a experiência e uma maneira ruim. A boa maneira
é usar seu conhecimento defensivamente. Você deve procurar ativamente por coisas que estão fora
de lugar com o que viu no passado e então ser extremamente cauteloso. A maneira ruim é ajustar
demais aos dados anteriores. Se você nunca viu desvios tão grandes antes, isso não significa
necessariamente que esta seja a melhor negociação que você já fez. Isso pode muito bem significar
que sua experiência passada agora é irrelevante.

Vender um mercado em alta e comprar um mercado em queda é a estratégia de replicação

para uma opção vendida. No Capítulo 2 vimos que a volatilidade prevista é geralmente inferior à
volatilidade implícita. Parte da razão para isto foi que, ao vender volatilidade implícita, estávamos
vendendo seguros contra eventos que nunca ocorreram antes. Esse também é o caso quando se
expande para qualquer
Machine Translated by Google

124 NEGOCIAÇÃO DE VOLATILIDADE

ativo reversor à média. Você tem que estar muito ciente disso e estar preparado para parar de
aumentar, mesmo quando pode parecer melhor do que nunca.

Uma aproximação simples

Na prática será geralmente difícil, ou mesmo impossível, manter o nível perfeito de posicionamento.
A falta de liquidez, os custos de transação, a negociação não contínua, os limites de posição e as
restrições à entrada de ordens significam que, na melhor das hipóteses, precisaremos usar a
equação (6.28) como guia. Também pode ser útil ter uma regra discreta para nos guiar na definição
da primeira parte da posição. Vamos tentar um argumento simples para maximizar o nosso lucro
total dado, que temos que escolher um ponto para entrar na negociação.

Neste modelo de brinquedo assumimos que os desvios do preço do ativo em relação ao seu
valor médio são normalmente distribuídos e independentes. Então, a qualquer momento, apenas
extraímos um número de uma distribuição normal para encontrar o desvio, e isso é independente
dos valores anteriores. Para um processo normalmente distribuído, a probabilidade, a qualquer
momento, de termos nos desviado em mais de S da média é apenas a integral do processo. Isto é
igual a 1 ÿ N(S), onde N(.) é a função de distribuição normal cumulativa. Portanto, em T intervalos
de tempo podemos esperar ter T[1 ÿ N(S)] vezes, onde o preço do ativo tem um desvio maior ou
igual a S. A distribuição normal é simétrica, então temos um número igual de vezes onde o spread
é menor ou igual a ÿS. Portanto, em T intervalos de tempo, teremos negociado 2T[1 ÿ N(S)] vezes.
Cada um deles dá um lucro de S. Portanto, o lucro total é dado por

2T S[1 ÿ N(S)] (6.29)

Para encontrar o máximo desta função em relação a S, diferenciamos e igualamos o resultado

a zero. Isso dá o resultado

Smáx = 0,75ÿ (6h30)

A Figura 6.16 mostra o formato da distribuição teórica do P/L em função do nível de entrada.

Quão diferente será a negociação de um processo real? Um verdadeiro processo financeiro

diferirá deste ideal em três aspectos importantes.

1. A distribuição terá caudas grossas.

2. Haverá um comportamento diferente associado a quedas e aumentos (por exemplo, o VIX

reverte à média, mas é propenso a ter movimentos maiores para cima do que para baixo).

3. O desvio padrão do processo não será constante.

Machine Translated by Google

Gestão de dinheiro 125

120

100

80

L
P/ 60

40

20

0
0 0,5 1 1,5 2 2,5 3 3.5
SD

FIGURA 6.16 O formato da distribuição P/L em função do nível de entrada

Mas, em vez de usar um modelo mais complexo, examinaremos agora a negociação

de um produto com reversão à média com vários níveis de entrada e veremos como o P/L
varia na prática. Vemos uma simulação de negociação na planilha “VIX
entrada test.xls.” Sabemos que este é um processo de reversão à média. Aqui seguimos
uma regra simples da banda de Bollinger. Compramos ou vendemos o VIX depois que ele se desviou
em uma certa quantia de sua média móvel. Como pode ser visto, o desvio
da média móvel simples parece um tanto normal, mas claramente
tem cauda gorda e distorcida. Poderíamos resolver o problema da assimetria tendo
faixas diferentes para compra e venda, mas esse não é o objetivo deste exercício. Esta não
pretende ser uma ideia comercial realista. É apenas pretendido
para mostrar que a equação (6.29) tem alguma aplicabilidade a uma situação que
know não segue as suposições simplificadoras necessárias.
Podemos ver na Figura 6.17 que o pico da função P/L é muito
próximo do ponto teórico de 0,75 desvios padrão. Tão agressivamente
o escalpelamento pode produzir mais lucros. Mas observe que a extremidade esquerda do

140
120
100
80
L
P/
60
40
20
0
0 0,5 1 1,5 2 2,5 3 3.5
SD

FIGURA 6.17 A forma da distribuição P/L para o comércio VIX

Machine Translated by Google

126 NEGOCIAÇÃO DE VOLATILIDADE

curva diminui muito mais rápido, então provavelmente é mais seguro errar do lado
cautela e negocie com um pouco menos de frequência do que o ideal.

RESUMO

Dimensionar as negociações corretamente é muito importante. É bem possível transformar uma ideia
comercial sensata em uma operação perdedora por meio de más decisões de dimensionamento. Não há
magia sobre o processo. Embora os mercados financeiros produzam frequentemente resultados
que não são fáceis de conciliar com os modelos de dimensionamento padrão, entender as premissas e
o resultado desses modelos pode nos mostrar o que precisamos
para ter em mente.

Antes de poder escolher um esquema de gestão de dinheiro, você deve estar muito
claro o que você está tentando realizar. Seus objetivos monetários, tempo
restrições e rebaixamentos máximos toleráveis precisam ser totalmente especificados
antecipadamente.
Quando há mais vantagem, negocie maior.
Quando houver mais variação ou incerteza, negocie em menor quantidade.
O esquema Kelly acabará por sobrecarregar todos os outros.
O esquema Browne é útil para atingir alvos específicos.
Ao negociar volatilidade, temos que estar preparados para fazer mais como uma negociação
inicialmente vai contra nós.
Adicionar paradas arbitrárias baseadas em preços a um sistema de negociação é uma má ideia.
Devemos sair de nossas negociações quando estivermos errados. Tendo a volatilidade se movendo
contra nós pode não indicar que estejamos errados.
Uma boa regra é que uma negociação deve ser grande o suficiente para que o
os lucros significam alguma coisa, mas não tão grandes que as perdas sejam catastróficas.
Se esse tamanho ideal não puder ser encontrado, o comércio provavelmente não terá
vantagem suficiente para começar.
Machine Translated by Google

CAPÍTULO 7

Avaliação Comercial

Berra teria dito: “Em teoria não há diferença

entre teoria e prática. Na prática existe.” As dificuldades práticas de implementação das
Iogue nossas ideias comerciais apenas se tornarão óbvias e, portanto, tornar-se-ão problemas
que podemos resolver, se mantivermos
registros.
É sempre importante para um trader acompanhar os resultados de suas negociações,
mas é especialmente importante ao usar opções para negociar volatilidade. Vamos
estar usando um instrumento, uma opção, para negociar um parâmetro, volatilidade. Como nós
visto no Capítulo 5, é perfeitamente possível prever corretamente a volatilidade realizada
e ainda assim perder dinheiro na posição de opção coberta devido à dependência da trajetória.
Este não é o caso quando se negocia ações ou futuros. Nesses casos,
se prevermos corretamente a direção, quase certamente obteremos lucro.
Mas se não mantivermos cuidadosamente registos das nossas negociações, será impossível
para decidir se tivemos sorte ou se realmente descobrimos uma fonte
de borda. Você precisa saber exatamente o quão bem você se saiu para fazer
melhor as coisas.
Sem registros precisos e abrangentes, é muito fácil ser vítima de preconceitos seletivos
de memória. Todos nós tendemos a lembrar das poucas grandes vitórias
e grandes perdas. Mas é pouco provável que estas sejam típicas das nossas negociações, e
basear as decisões apenas na forma como estas negociações funcionaram seria muito imprudente.
Negociar consiste em grande parte em fazer jogadas sólidas e nada espetaculares – precisamente o
aqueles que tendemos a esquecer. Para cada ideia ou estratégia de negociação que temos,
devemos manter um registo dos resultados, mesmo que seja apenas um pequeno ajuste,
como inclinar a nossa estratégia de cobertura para o lado comprado, porque estamos preocupados
sobre uma ação ser um alvo de aquisição.

127
Machine Translated by Google

128 NEGOCIAÇÃO DE VOLATILIDADE

Muitas vezes ouvimos algo como: “É muito difícil saber exatamente

de onde vêm meus lucros porque muitas coisas interagem.” Simplesmente afirmar que o
problema é difícil não é desculpa para não tentar. O acompanhamento dos resultados não é
tão agradável ou glamoroso quanto encontrar novos negócios, mas é tão essencial
para uma operação bem sucedida.

PROCEDIMENTOS GERAIS DE PLANEJAMENTO

É uma boa prática reservar um certo tempo (para opções de ações o

Segunda-feira após o vencimento é um bom momento para analisar todos os aspectos de sua
operação de negociação. Um aspecto da teoria económica ortodoxa com que os comerciantes
não deveria haver nenhum problema é que as melhorias devem ser feitas na margem;
devemos nos esforçar constantemente para melhorar todos os aspectos de nossos negócios, desde
acordos de compensação para taxas de corretagem, software, hardware, feeds de dados,
e assim por diante. Faça disso um evento definido todos os meses para anotar cada parte do
a operação de negociação e pensar se algum aspecto poderia ser melhorado. Geralmente
nada acontece, mas o mundo muda rapidamente. Em
no ano passado, mudamos nosso software de execução, nossos feeds de dados e
nossa estratégia de hedge. Nenhuma dessas mudanças seria suficiente para ficar
entusiasmado por si só, mas este processo é essencial se alguém quiser permanecer
competitivo.
Durante esta revisão, devemos também estabelecer e analisar o desempenho
benchmarks. O benchmarking de desempenho geral está realmente nas mãos de
os provedores de capital, mas durante o ano cabe a cada trader monitorar
estes e avaliar o progresso em direção a eles. É necessário estabelecer três
níveis de realização:

1. Sucesso. Qual nível de retorno é necessário para o período a ser julgado

um sucesso absoluto?
2. Respeitabilidade. Que retorno seria considerado adequado, mas normal? Operar neste
nível não deve levantar muitas dúvidas
sobre a validade global da operação comercial, mas indicaria que melhorias incrementais
e diligência contínua são
necessário.
3. Falha. Que nível de desempenho levaria à operação ser
parou?

Por exemplo, poderíamos inicialmente definir os parâmetros de uma nova operação

como segue. No primeiro ano queremos ganhar em média US$ 1 milhão
corte de cabelo de US$ 1 milhão. Retornos entre US$ 400.000 e US$ 800.000 seriam
Machine Translated by Google

Avaliação Comercial 129

aceitável e nos daria luz verde para continuar. Se perdêssemos US$ 400.000, liquidaríamos todas
as posições e reavaliaríamos a ideia.
Como chegamos a esses objetivos? Afinal de contas, seria totalmente irrealista para um
operador de ações com posições longas, que está a negociar uma ação com um desvio típico de
10% ao ano e uma volatilidade anualizada de 30%, esperar obter um retorno de 100%. Antes de
definirmos nossos objetivos, precisamos avaliar de forma realista nossas próprias habilidades e as
oportunidades disponíveis para nós.
O resultado final é importante. No final do ano, o lucro líquido total determinará quanto
receberemos. Negociar tem tudo a ver com lucros. Não importa o que costumava acontecer, o que
você acha que deveria acontecer, o que um analista lhe diz que está acontecendo, o que está nas
páginas de negócios ou o que dizem os locutores da TV. É inteiramente uma questão de ganhar
dinheiro. No entanto, num curto período de tempo, a rentabilidade é uma avaliação muito grosseira
do quão bons somos e é também muito pouco provável que seja um bom indicador do quão provável
será o nosso desempenho no futuro. Nossos objetivos e planos de melhoria devem basear-se em
informações mais discriminatórias.

O lucro (ou prejuízo) total não pode nos dizer como fazer melhor. Um treinador de atletismo
não diria aos seus pupilos para “correrem mais rápido” e esperar que melhorassem. Eles já sabem
que precisam correr mais rápido. Eles precisam saber como. Da mesma forma, sabemos que
precisamos ganhar mais dinheiro. Também precisamos saber como.
Portanto, os resultados são tudo o que importa, mas só podemos melhorá-los se nos concentrarmos
em processo.
Há também um grupo de traders que estranhamente nega a origem dos seus lucros. Por
exemplo, um formador de mercado pode insistir que todas as suas posições gerem dinheiro ou, se
for um pouco mais autodepreciativo, que as suas posições são um arranhão. Muitos traders
iniciantes preferem estar certos do que lucrativos, e parece que este é um aspecto do mesmo
fenômeno. Por alguma razão, coletar o spread de compra/venda ou ser pago para receber o fluxo
de pedidos não é suficiente. Essa atitude só pode ser um obstáculo.

Se não soubermos de onde vem o nosso dinheiro não poderemos melhorar os nossos resultados.

Para cada título subjacente que negociamos, precisamos manter registros de pelo menos
menos as seguintes informações:

Lucro ou prejuízo médio diário, bruto e líquido de taxas, comissões e corretagem.

Corte de cabelo sendo usado.

Porcentagem de dias vencedores ou perdedores.
Tamanho médio dos dias vencedores
Tamanho médio dos dias perdidos. (Negociações bem-sucedidas tendem a ter certas
semelhanças. Por exemplo, suas negociações bem-sucedidas de volatilidade curta podem ter
em média 75% de dias vencedores quando mantidas até o vencimento. Conhecer esses
números também o ajudará a evitar que você perca.
Machine Translated by Google

130 NEGOCIAÇÃO DE VOLATILIDADE

posições longas de volatilidade. Quanto tempo você normalmente precisa esperar pela
explosão prevista?)
Máxima vitória e perda. Esta é mais uma medida do medo do comércio. E lembre-se de que a
maior perda que você viu até agora não é necessariamente tão ruim quanto pode ser. Você
consegue lidar com isso?
Lucro e perda acumulados da negociação até o momento.
Rebaixamento máximo, tanto em magnitude quanto em duração.

Isso captura uma dependência da trajetória de nossos lucros e perdas (P/L) que não pode
ser vista apenas no histograma dos retornos diários. É importante saber quantos dias perdidos
consecutivos são típicos, porque esses são os momentos mais difíceis de superar. Ser capaz de
observar períodos semelhantes do passado é muito útil para se assegurar de que sua miséria atual
não é realmente (necessariamente) um sinal de destruição.

Lembre-se também de que sempre que você estiver em uma situação de rebaixamento (e
raramente estará no pico de sua curva de patrimônio), você não será pago. Você não é pago por
períodos em que está se recuperando de saques.
Apenas o desempenho incremental conta. Portanto, você e seus provedores de capital deveriam
estar mais preocupados com os rebaixamentos do que com qualquer outra medida de desempenho.
Como regra geral, e isto depende de inúmeras variáveis, uma redução de 10% causará problemas
de marketing e uma redução de 30% começará a levantar questões de sobrevivência. No entanto,
os rebaixamentos são um fato da vida. Eles são uma das razões pelas quais os procedimentos de
gestão de dinheiro precisam ser abordados antes do início da negociação. Estar em um buraco é
sempre ruim, mas é pelo menos bom ter um plano pré-determinado para sair.

A questão de quais custos incluir na nossa análise merece alguma reflexão. Qual é o objetivo
de todo esse exercício? Se for para mostrar aos clientes o desempenho do seu investimento em um
fundo, todos os custos e despesas precisam ser contabilizados. Mas se for para decidir se vale a
pena perseguir uma nova ideia, então incluir despesas de escritório não faz muito sentido. Neste
caso, é importante medir primeiro o desempenho da estratégia de condução. Se for bem-sucedido
nesse nível, você poderá decidir se ele se enquadra no seu plano geral de negócios. E entre esses
extremos estão muitas despesas que podem ou não valer a pena incluir. Sua estratégia funcionaria
se você cancelasse seu feed de notícias? Caso contrário, você pode querer incluir esse custo.
Aplique o bom senso e lembre-se de seu objetivo geral.

Geralmente, a grande maioria dos benefícios será obtida através da recolha de estatísticas a
nível diário. Os dados no nível da transação costumam ser mais complicados do que valem, já que
a maioria das negociações diárias serão hedges delta. Estas devem ser vistas como parte do
comércio global e não como transacções separadas.
A Tabela 7.1 contém as estatísticas resumidas necessárias para uma negociação da IBM, e as
Figuras 7.1, 7.2 e 7.3 mostram a evolução do P/L ao longo do tempo.
Machine Translated by Google

Avaliação Comercial 131

1500

1000

500

L
P/
0

ÿ500

FIGURA 7.1 P/L diário para o comércio IBM

ÿ1000
01/01/07

03/01/07

05/01/07

07/01/07

09/01/07

11/01/07

13/01/07

15/01/07

17/01/07

19/01/07

21/01/07

23/01/07

25/01/07

27/01/07

29/01/07
Data

Saber quais são esses números não torna as melhorias óbvias.

Infelizmente, as coisas não são tão simples como notar que se 55% dos
nossos dias são vencedores, faríamos melhor se aumentássemos esse número para 65%.
Além disso, muitas dessas estatísticas estão inter-relacionadas. Por exemplo, um straddle curto

9.000
8.000
7.000
6.000
5.000
4.000
3.000
L
P/
2.000
1.000
0

FIGURA 7.2 P/L cumulativo para o comércio IBM

ÿ1.000
ÿ2.000
03/01/07

08/01/07

02/02/07
13/01/07

18/01/07

23/01/07

28/01/07
29/12/06

Data
Machine Translated by Google

132 NEGOCIAÇÃO DE VOLATILIDADE

1000
900
800
700
600
500
400
Rebaixamento

300
200
100
0
30/01/07
29/01/07
28/01/07
27/01/07
26/01/07
25/01/07
24/01/07
23/01/07
22/01/07
21/01/07
20/01/07
19/01/07
18/01/07
17/01/07
16/01/07
15/01/07
14/01/07
13/01/07
12/01/07
11/01/07
1/10/07
1/9/07
1/8/07
1/7/07
1/6/07
1/5/07
1/4/07
1/3/07
1/2/07
1/1/07

Data

FIGURA 7.3 Rebaixamentos no comércio IBM

posição vencerá mais dias do que perderá, mas suas perdas tenderão a ser maiores
que suas vitórias.
Mas esses números fornecem informações importantes. Ver como eles mudam com
o tempo é importante. Eles podem apontar a degradação de uma estratégia mais
rapidamente do que os números brutos de P/L. Eles também podem fornecer sinais
precoces de mudança de estilo. Finalmente, quanto mais dissecarmos nossos
resultados, melhor. A familiaridade com os resultados do nosso processo de negociação é muito importa

TABELA 7.1 Estatísticas Comerciais

Subjacente IBM

Total P/L $ 7.852

P/L médio diário $ 356,9 $
Lucro máximo diário 1.063 ($
Perda diária máxima 896) 16
Dias de vitória
Perdendo dias 6
Lucro médio $ 620
Perda média ($ 344)
Corte de cabelo disponível $ 80.000 $
Corte de cabelo médio 51.747
Retorno médio do corte de cabelo 0,007

Índice de Sharpe sobre capital usado 9h45

Índice de Sharpe sobre capital permitido 10.13
Machine Translated by Google

Avaliação Comercial 133

Devemos ser particularmente cautelosos com os comerciantes que não nos conseguem dizer como são
efectivamente obtidos os seus lucros.
Ter números sólidos também pode nos levar a melhorar nossas negociações, deixando claras
questões que nem sabíamos que existiam. Você pode adorar o vencimento da negociação e isso
pode ter feito você acreditar que tem uma vantagem significativa durante esse período. Mas isso
pode ser influenciado pelo seu prazer nas negociações movimentadas. Os números lhe dirão de
uma forma ou de outra. Na verdade, talvez seja melhor nivelar agressivamente sua posição do
primeiro mês antes do vencimento e, em vez disso, concentrar-se na implementação de novas
negociações de prazo mais longo.

Perceba também que nem todas as pessoas são igualmente adequadas para negociar todas as coisas.
Algumas pessoas precisam dos ganhos regulares que a volatilidade curta pode proporcionar, enquanto outras são
contrárias o suficiente para prosperar nos longos períodos de perdas e nos grandes ganhos que advêm da volatilidade
longa. Costuma-se dizer que um bom trader deve ser igualmente hábil em negociar tanto no lado comprado quanto no
lado curto. Embora isto possa ser o ideal, é muito improvável que isto seja verdade para qualquer trader. Encontrar boas
posições compradas requer um processo de pensamento diferente de encontrar boas posições vendidas. Além disso,
durante qualquer período específico, é provável que o mercado tenha sido mais favorável a uma direção do que a outra.
No investimento em ações há períodos em que o valor domina o crescimento. Isto também se aplicará às negociações
de volatilidade, onde, por períodos de tempo, os comprados superarão os vendidos. Não devemos reagir

exageradamente a isto e perseguir a estratégia quente, mas é bom saber. Às vezes, só temos de manter a nossa
abordagem e esperar que o mercado volte a nosso favor. Contanto que você consiga encontrar valor, qualquer uma das
formas pode funcionar. Mas é pouco provável que funcionem igualmente bem para qualquer indivíduo.

Muitos traders também utilizam uma visão fundamental como consideração final antes de
iniciar uma negociação, talvez decidindo que, no atual ambiente de mercado, vender volatilidade
num credor hipotecário seja uma má ideia, por exemplo. Por um lado, parece óbvio que o julgamento
de um participante experiente no mercado deve acrescentar valor a este respeito. Por outro lado,
quanto um trader de opções aleatórias sabe sobre a dinâmica de qualquer setor específico além do
que lê nos jornais? Acompanhar os resultados destes julgamentos resolverá o argumento – não
apenas recordando vagamente os grandes vencedores e perdedores, mas olhando para os
resultados completos de todas as negociações que foram feitas e também daquelas que foram
rejeitadas. Parece muito trabalho?

É muito trabalho, mas não é demais. É necessário.

Outra fonte aparente de vantagem que pode ser apenas uma ilusão cara é trabalhar nas
negociações tentando vender a oferta e comprar a oferta. Quando isso funciona, é obviamente uma
coisa boa, mas com que frequência realmente funciona?
Com que frequência você não vende a oferta e acaba perseguindo lances cada vez mais baixos?
Não há razão para que você não possa quantificar isso. E já que você pode, você deveria.
Machine Translated by Google

134 NEGOCIAÇÃO DE VOLATILIDADE

Após cada ciclo de expiração uma análise semelhante deve ser feita, mas isso
vez que vemos cada negociação como um único evento concluído. Aqui não estamos
focado na evolução temporal dos negócios, apenas nos seus resultados. Neste ponto
as negociações devem ser segmentadas em negociações de volatilidade longa e de volatilidade curta.
Cada setor também deve ser dividido. É bem possível que a abordagem que projetamos, que
utiliza análise de dados históricos para avaliar
negociações prospectivas, é mais adequado para alguns setores do que para outros. Às vezes isso é
óbvio. A comercialização de pequenas empresas de biotecnologia deveria
claramente um caso em que o passado está apenas tangencialmente relacionado com o
futuro. Mas às vezes pode faltar um fator na análise que
não é óbvio. Por exemplo, nunca tive muito sucesso negociando no varejo
ações. Não sei o que estou perdendo, mas neste momento preciso reconhecer que meus resultados
são significativamente diferentes daqueles de outros setores
e que é improvável que isso seja devido à sorte. Se não tivéssemos quebrado o comércio
resultados por sector nunca teríamos descoberto este facto.
Esses números devem nos dar um bom ponto de partida para definir nossas metas.
Os números iniciais a serem observados são o lucro diário em dólares como um retorno sobre o corte
de cabelo que nossa empresa de compensação exige que coloquemos como garantia
para manter a posição. O fato de termos um retorno médio de 1% cada
dia no corte de cabelo usado faz com que esse comércio pareça, pelo menos superficialmente,
atraente. Mas a eficácia de uma negociação não pode ser avaliada apenas pelos seus retornos. Risco
também é uma consideração. As negociações de baixo risco podem sempre ser mais fortemente
alavancadas para aumentar o retorno.
Como um pequeno aparte, não considere o corte de cabelo exigido como uma medida
de risco. Isto é melhor encarado como um mero requisito de financiamento. Se um comerciante
está comercializando apenas alguns produtos ou apenas produtos com preços e preços muito semelhantes
características de volatilidade, ele poderá associar estreitamente o corte de cabelo e
risco, mas geralmente não é esse o caso. Por exemplo, é uma prática comum
no mundo das ações para calcular o corte de cabelo para uma posição curta de opções com base
em um movimento de 15 por cento no subjacente. Isto irá exagerar dramaticamente a
risco de uma posição curta de volatilidade na IBM, que é negociada com uma volatilidade implícita nos
adolescentes, e subestimará dramaticamente o risco associado a
uma posição curta de volatilidade em uma empresa de biotecnologia que negocia com uma volatilidade
implícita superior a 100. Se você pensa no corte de cabelo como uma medida de risco, por favor
pare agora. Pode ou não ser uma forma válida para uma empresa de compensação gerir
seu negócio, mas é uma maneira terrível para um negociante de opções administrar o seu.

MEDIDAS DE DESEMPENHO AJUSTADAS AO RISCO

Todas as medidas de risco têm pontos fracos. Aqui examinamos várias das medidas padrão.
Geralmente, os traders de opções são comparados com o retorno
Machine Translated by Google

Avaliação Comercial 135

em dinheiro, por isso ignoraremos medidas que comparam o nosso desempenho com outros
benchmarks.

A proporção de Sharpe

Esta é a razão entre o retorno anualizado e a taxa livre de risco dividida por
a volatilidade (Sharpe 1966).

ÿÿr
RS = (7.1)
p

Se os retornos são normalmente distribuídos, então isso tem uma relação com
a probabilidade de obter um retorno superior à taxa livre de risco. De
os retornos do curso praticamente nunca são normais. O índice de Sharpe tem muitos
fraquezas bem documentadas. Na verdade, os seus pontos fracos estão tão bem documentados e
frequentemente referidos, que os seus pontos fortes consideráveis são agora
muitas vezes esquecido. O fato de não ser perfeito não significa que não seja
útil.

Pontos fortes

É simples, tanto de calcular quanto de entender.

É uma coisa intuitivamente boa de calcular. É uma relação entre retorno e risco,
e embora a volatilidade não capte todos os elementos de risco, pelo menos capta alguns.

É independente da alavancagem para que possamos comparar estratégias e traders

operando em diferentes espaços.
É uma espécie de padrão da indústria. O índice de Sharpe é quase
arriscar o que o BSM representa para a precificação de opções: os profissionais estão cientes de que é
imperfeito, mas dá uma estrutura definida para o risco.

Fraquezas

Qual é a taxa livre de risco? O cálculo pressupõe que podemos investir

e pedir emprestado a essa taxa. Normalmente usamos o valor médio de mercado do nosso
empresa de compensação. Mas precisamos realmente ter em mente por que estamos calculando
a proporção quando escolhemos a taxa. Uma estratégia que retorna 6% é
viável se pudermos contrair empréstimos a 5% para obter os benefícios da alavancagem,
mas não adianta se a nossa taxa de financiamento for de 6%.
O índice de Sharpe é baseado em números históricos. Isso levanta um número
de problemas. A primeira é uma forma do problema do peso. Só porque um
estratégia não teve perdas no passado não significa que não tenha
risco. Muitas estratégias de opções superficialmente atraentes têm esse formato. Isso é
muito fácil obter um alto índice de Sharpe (dois dígitos) vendendo longe
Machine Translated by Google

136 NEGOCIAÇÃO DE VOLATILIDADE

opções fora do dinheiro. Na maioria dos dias isso fará com que uma pequena quantidade de
dinheiro, mas eventualmente sofrerá uma grande perda. Observe que enquanto isso
estratégia pode ser lucrativa, a objeção ainda é válida. Qualquer medida de risco baseada
em retornos históricos mostrará apenas o que aconteceu ,
não o que poderia acontecer. Ter boas estatísticas não significa que não
precisa considerar cuidadosamente o processo que gera os retornos. Isso é
muito importante. Apenas olhar para os números históricos não dá uma ideia
indicação de bom desempenho futuro. Na verdade, os retornos passados de hedge
os fundos parecem não ter quase nenhum poder preditivo para os seus retornos futuros
(Capocci 2007).
Afirmamos no início do Capítulo 2 que medir os retornos históricos dá uma
resultado muito barulhento. Também passamos um tempo considerável analisando o erro
de amostragem nas estimativas de volatilidade. Podemos razoavelmente concluir que
erros de amostragem são um problema com o índice de Sharpe. Isto tem sido
estudado por Lo (2002), que mostrou que assintoticamente a medida
O índice de Sharpe é normalmente distribuído em torno do verdadeiro índice de Sharpe com
uma variação de

1 1
V= 1+ SR2 (7.2)
ÿT 2

Portanto, o desvio padrão do índice de Sharpe é da mesma ordem de magnitude do

resultado medido. Como exemplo, simulamos um GBM
processo com um desvio anualizado de 0,2 e uma volatilidade anualizada
de 0,3, 10.000 vezes. Medimos o índice de Sharpe dos retornos realizados ao longo de
100 dias. O índice de Sharpe médio medido foi de 0,5. Esse
foi ligeiramente inferior ao valor teórico de 0,66 que era esperado
já que o índice de Sharpe tem um viés de medição em amostras pequenas
de S/2T (Christie 2005). Mas o verdadeiro problema foi o desvio padrão de 1,61, que
concorda com o resultado de Lo. Isso faz com que o Sharpe
proporção é uma ferramenta particularmente contundente para distinguir entre comerciantes ou
estratégias.
Qual deve ser o tamanho da conta ao calcular os retornos e volatilidades? Se administrarmos
um fundo independente, a resposta
é óbvio: o valor dos activos sob gestão. Mas a maioria das opções
os comerciantes não operam sob este acordo. Argumentos podem ser
feito para usar o retorno do corte de cabelo utilizado, que é uma medida de retorno
no capital comprometido; ou retorno sobre o corte de cabelo máximo permitido, que
é o retorno sobre o capital que os gestores alocaram para a negociação. Se
esse dinheiro não é inteiramente comprometido pelo comerciante, o que reflete a falta de
oportunidade e indica limitações de amplitude da estratégia. Este é um
Machine Translated by Google

Avaliação Comercial 137

3
Retorno

1
49
47
45
43
41
39
37
35
33
31
29
27
25
23
22
21
19
17
16
15
13
11
10
9
5
4
7
3
1

Tempo

FIGURA 7.4 Um caso em que o índice de Sharpe é enganoso

efeito real. Não faz muito sentido um trader deleitar-se com o retorno do capital comprometido
se ele só consegue encontrar uma ou duas negociações por ano. Alguns operadores bancários
podem nem sequer ter acesso a montantes de margens de avaliação. Neste caso, eles
poderiam usar retornos absolutos em dólares em vez de retornos percentuais ou logarítmicos.
Isto pode ser necessário quando as negociações são apoiadas apenas por linhas de crédito e
não por dinheiro ou equivalentes.

Alternativas ao índice de Sharpe

A ideia geral é calcular a relação entre uma coisa boa, o retorno, e uma coisa ruim: a volatilidade.
Mas a volatilidade não é realmente ruim. A volatilidade da nossa conta causada por grandes lucros é
boa. São apenas as perdas que são ruins.
Mas Sharpe trata igualmente a volatilidade positiva e negativa. Na verdade, é muito simples construir
alguns caminhos de P/L que demonstrem esta fraqueza do índice de Sharpe. Podemos facilmente
mostrar duas curvas de capital próprio que classificam o rácio de Sharpe numa ordem, ao passo que
podemos argumentar, através de julgamento qualitativo, que a classificação do rácio de Sharpe
estava errada. Apresentamos um exemplo desta situação na Figura 7.4. A curva de patrimônio
superior tem um índice de Sharpe de 4,7, enquanto a inferior tem um índice de Sharpe de 7,4. Mas
é evidente que, em certo sentido, a curva superior é melhor.

Outra forma de visualizar esta questão é afirmar que as duas distribuições de retorno na Figura
7.5 têm a mesma média e desvio padrão, mas não esperaríamos que os investidores fossem
indiferentes às suas características de risco-recompensa.

Podemos mudar as especificidades do índice de Sharpe, mas manter a ideia geral, substituindo
o denominador por outra medida de risco.
Machine Translated by Google

138 NEGOCIAÇÃO DE VOLATILIDADE

0,12

0,1

0,08

0,06

0,04

0,02

0
ÿ20 ÿ100 10 20 30 40

Retornar

FIGURA 7.5 Dois PDFs muito diferentes com médias e variações idênticas

Um ajuste desse tipo comumente usado é usar o desvio negativo em vez do desvio padrão. Isto
leva ao índice de Sortino (Sortino e Price 1994):

ÿÿr
Sortino = (7.3)
PD

onde ÿ d é o desvio negativo, o desvio padrão de todas as perdas.

Outra medida de risco interessante é o índice Calmar, definido como o excesso de retorno
dividido pelo rebaixamento máximo. Uma proporção Calmar de 1,0 é considerada boa. Isso nos dá
uma regra prática útil: se você está procurando um retorno de x por cento, precisa estar preparado
para uma redução de x por cento.

ÿÿr
Calmar = (7.4)
rebaixamento

O rácio da libra esterlina é uma medida de ganhos/perdas muito relacionada com o rácio Calmar. É definido
como o rácio entre o retorno excedentário e o rebaixamento máximo médio por ano durante os últimos três anos

menos (arbitrário) 10 por cento. Às vezes é usada a média dos cinco maiores rebaixamentos. O procedimento de
cálculo da média torna o índice Sterling menos dependente de valores discrepantes do que o índice Calmar. Cada
uma dessas alternativas é ainda mais propensa a erros associados a amostras pequenas e ao problema do peso (já
que usamos menos dados). Assim como concluímos anteriormente que precisaríamos usar vários estimadores de

volatilidade, precisaremos usar vários estimadores de desempenho

Machine Translated by Google

Avaliação Comercial 139

medidas. Não existe uma estatística mágica que capte perfeitamente a qualidade do nosso
desempenho.
Estas medidas de risco tentam abordar o facto de que a variância realmente não se comporta
como gostaríamos que o nosso risco se comportasse. Mas agora aumentamos os erros de
amostragem. Outra forma de abordar a questão é basear o termo de risco (o denominador) em mais
do que apenas o segundo momento da distribuição de retorno. Poderíamos usar toda a distribuição.
Os dois primeiros momentos simplesmente não capturam todo o comportamento que nos interessa.
Esta é a premissa por trás da medida de risco ômega (Keating e Shadwick 2002), que é definida
como

(1 ÿ F(x))dx
R
(r) = R (7,5)
F(x)dx
um

onde
(a,b) é o intervalo de retornos
F é a distribuição cumulativa de retornos
R é o nível de retorno limite

Portanto, este é o valor médio dos retornos acima do limite, comparado com o valor médio dos
retornos abaixo do limite. Quanto maior o ômega, maior será a conveniência da estratégia.

Kazemi et al. (2003) mostram que isso também pode ser expresso como

C(r)
(r) = (7.6)
P(r)

onde C é uma opção de compra na estratégia e P é uma opção de venda na estratégia, cada uma
atingida no limite e por um período (esta forma pode tornar mais fácil para os negociadores de
opções construir intuição). Mas note que este é o valor da opção de compra sob a verdadeira
distribuição de retorno, não a distribuição neutra ao risco e certamente não a distribuição lognormal.
Portanto, esta formulação é provavelmente mais útil conceitualmente do que computacionalmente.

Omega pode ser teoricamente bom, mas, como os traders de opções sabem, extrapolar
eventos extremos para o futuro não é particularmente sensato, e a presença ou ausência de alguns
extremos pode alterar significativamente o ômega. (Isso é verdade para todas as medidas de risco
que discutimos, mas é preciso enfatizar aqui que só porque o ômega utiliza toda a distribuição não
significa que sua medição seja robusta.)
Machine Translated by Google

140 NEGOCIAÇÃO DE VOLATILIDADE

Observe que todas essas alternativas são baseadas em números históricos. Esse
é em grande parte inevitável, mas devemos sempre permanecer conscientes deste facto.
Só porque algo horrível não aconteceu no passado não é garantia
isso não acontecerá no futuro. Todos esses índices quantificam o que o risco/retorno
equilíbrio tem sido, e precisamos aplicar julgamento antes de podermos concluir
que digam qualquer coisa sensata sobre o futuro.

Conclusões

O fato de que os pontos fortes e as alternativas levaram cerca de quatro linhas para serem listados,
enquanto os pontos fracos ocuparam cinco páginas, significa apenas que os pontos fortes
sejam mais óbvios, não que sejam dominados pelas fraquezas.
Se você entende bem o processo de negociação, o índice de Sharpe pode ajudar a
quantificar os resultados. Se você não entende o processo bem o suficiente
para julgar se as falhas do índice de Sharpe são esmagadoras, nenhum outro
a medida estatística de risco também ajudará.
A escalabilidade é provavelmente mais importante que o índice de Sharpe. Um Sharpe
proporção de 3 é muito boa, mas se a estratégia tiver capacidade apenas para um milhão
dólares, então não poderá constituir realmente a base de um negócio viável.
Os comerciantes respondem aos incentivos. Se eles são recompensados por terem um alto
Proporção de Sharpe, eles aprenderão rapidamente a jogá-lo de alguma forma. É importante
que o gestor ou fornecedor de capital esteja ciente das formas como cada
medida de risco pode ser enganada. Esta é também uma razão pela qual todas as operações
de negociação devem ter uma gestão de risco separada da operação de negociação.
operação. Mesmo quando nenhum engano é pretendido ou deliberadamente
tentada, os comerciantes podem começar a usar medidas de desempenho. É vital
ter uma visão geral independente de estratégias e riscos.

DEFININDO METAS

Agora temos as ferramentas e estatísticas necessárias para estimar alguns objetivos comerciais
razoáveis. Isso poderia ser feito usando fórmulas analíticas baseadas em
as propriedades da distribuição normal, mas geralmente é muito mais instrutivo observar os
resultados de algumas simulações. Os leitores podem executar seus próprios
usando a planilha “tradinggoals.xls”. Na Figura 7.6 vemos o que acontece quando simulamos os
resultados de um trimestre de um ano. O retorno esperado é de 100% em nosso corte de cabelo
e temos um índice de Sharpe de 4. Um caminho
obteve um lucro de US$ 250.000 (em um corte de cabelo de US$ 1 milhão), enquanto outro perdeu
$ 100.000.
Podemos ver que mesmo estes números (muito bons) podem dar alguns resultados muito
desempenho ruim quando visto em um período tão curto. Até mesmo os gerentes
Machine Translated by Google

Avaliação Comercial 141

400.000
300.000
200.000
100.000
0

13

17

61
21

41
33

37

53
25

29

57
49
45
L
P/

ÿ100.000
ÿ200.000
ÿ300.000
Tempo (dias)

FIGURA 7.6 Mostra os resultados de 20 simulações da mesma negociação

Processo

com uma boa compreensão das estatísticas podem perder a paciência quando um
operador supostamente bom, que presumivelmente recebeu dinheiro para negociar
com base no seu histórico, fica na água ou até perde dinheiro por um quarto. A
maioria fará perguntas do tipo: “O que está errado?” ou “Isso simplesmente não
funciona mais?” Algo poderia realmente estar acontecendo. Os mercados estão
sempre mudando e, se não nos esforçarmos para melhorar, veremos uma queda
no desempenho. Mas também é possível que o trader tenha apenas azar e estejamos
simplesmente vendo os efeitos da variância e de um pequeno tamanho de amostra.
Neste caso, muita angústia poderia ser evitada estabelecendo metas realistas
no início do ano. Aqui, o trader e seu gestor e fornecedores de capital poderiam
chegar a algo como o seguinte:

Após um trimestre reavaliaremos a operação e verificaremos se nada de

material mudou que possa afetar adversamente a negociação. Por exemplo,
uma operação de criação de mercado poderia obviamente ser impactada pela
introdução de cotações de centavos em opções. Este tipo de mudança estrutural
não pode ser ignorada.
Lucros superiores a US$ 400.000 indicariam que tudo está funcionando bem e
podemos estar razoavelmente confiantes de que o trader é tão bom quanto
esperávamos. Poderíamos até considerar a atribuição de mais capital a este
comércio específico.
Lucros entre US$ 0 e US$ 200.000 devem nos deixar cautelosamente otimistas.
Deixaríamos a alocação de capital no nível inicial.
Perdas de mais de US$ 250.000 serão motivo para interromper a negociação
e reavaliar a operação.

Agora temos parâmetros de referência definidos. Estes podem sempre ser

reavaliados, mas é vital estabelecê-los antes do início da negociação. Tê-los
Machine Translated by Google

142 NEGOCIAÇÃO DE VOLATILIDADE

estabelecido antes da negociação torna mais difícil ser vítima de gerenciamento excessivo, seja
por você ou por seus provedores de capital. Ajustar drasticamente o tamanho do comércio com
base em resultados recentes não é o ideal. Escolha um tamanho de conta e um
esquema de dimensionamento e cumpri-lo.
Sempre chegará um momento em que alguém perguntará se sua última menstruação
dos resultados indica que algo material mudou. A menos que seja óbvio que algo realmente mudou,
é muito perigoso especular
sobre isso. Obviamente, todo resultado comercial pode ser atribuído a algum efeito ou
outro. Podemos anexar alguma narrativa a cada resultado. Mas nossos testes e resultados de
negociações anteriores devem ser considerados evidências muito mais fortes do que
passado imediato. Quantas vezes você teve resultados semelhantes?
Eles apareceram no back-testing?
Falei recentemente com um trader que gerou 80% de ganhos
dias (ele estava escalando os spreads futuros de commodities, uma negociação com perfil gama
muito curto). A administração lhe perguntou se deveria negociar em menor valor depois
dois dias consecutivos de derrotas. Dado que 20 por cento dos seus dias foram perdedores,
dois dias perdidos consecutivos não eram incomuns. Seu gerente não estava sugerindo negociações
menores apenas porque sua conta era menor como resultado de
suas perdas, como faria se estivesse seguindo uma metodologia de dimensionamento de Kelly.
Ele estava sugerindo reduzir arbitrariamente o tamanho em 50%. Negociação menor
aqui apenas indicaria que seu gerente não estava realmente confortável com
o comércio em tudo. Isso pode acontecer. É justo que as pessoas possam mudar de ideias,
e recusar fazê-lo em casos em que as novas provas são convincentes é muito
preocupante. Mas negociar arbitrariamente em valores menores quase nunca é uma boa ideia.
Se você ainda gosta da premissa básica da negociação, se os resultados são consistentes
com os resultados passados, se o mercado não é óbvia e dramaticamente diferente, e se o portfólio
geral do provedor de capital não mudou dramaticamente.
mudou, então você deve continuar. Caso contrário, este discricionário
a substituição do dimensionamento do comércio será (em uma quantidade considerável) o maior
único factor determinante na rentabilidade de uma estratégia. É realmente uma boa ideia
combinar uma metodologia cuidadosamente testada que pode gerar centenas ou milhares de
negociações a cada ano com três ou quatro substituições geradas externamente
decisões?
Outra razão contra a negociação menor desta forma é que, embora reduza os resultados da
negociação, também aumenta proporcionalmente o arrasto da negociação.
muitos custos fixos. Isso pode tornar impossível o sucesso. Lembre-se de que você só deve fazer
as negociações que desejar. Se você não está confiante
o suficiente na ideia básica, não negocie de forma alguma.

PERSISTÊNCIA DE DESEMPENHO

Existem métodos complementares que poderíamos usar para distinguir a habilidade

em nosso desempenho por sorte? Por habilidade queremos dizer repetível e ativo
Machine Translated by Google

Avaliação Comercial 143

gerenciamento. A qualificação repetível é importante. O golfe certamente seria considerado uma

atividade habilidosa, mas acertar um fairway em cada
cem drives não seriam considerados um bom exemplo de habilidade. Exigimos uma certa
consistência em nossos resultados.
Na verdade, quando se trata de negociação, a consistência é muito melhor do que o retorno.
Já dissemos isso diversas vezes. Um resultado consistente pode ser mais
aproveitado com segurança. Se os lucros cumulativos forem suficientemente suaves, podemos usar
alavancagem para obter o retorno que quisermos. Embora a medição de desempenho tenha ultrapassado
um determinado período (por qualquer medida que escolhermos) dá uma visão estática de
desempenho, sua persistência é mais reveladora. Estamos realmente procurando
desempenho persistente e bom. Infelizmente, não existe uma maneira simples de alcançar
consistência, a não ser tentando fazer o nosso melhor em cada negociação. Mas podemos em
pelo menos espero medir a consistência. Isso pode ser útil ao monitorar
nosso próprio progresso ou quando decidirmos nos envolver com outros traders (ou
qualquer conta gerenciada ativamente).
Simplesmente comparar o desempenho em períodos sucessivos é improvável
produzir quaisquer resultados estatisticamente significativos, embora por vezes uma mudança
fundamental no mercado torne óbvio que dois períodos não podem
ser sensatamente comparado. Por exemplo, é óbvio que o desempenho de
um formador de mercado mudará quando o tamanho do tick em seu produto for reduzido
de níqueis a centavos.
Neste ponto também vale a pena enfatizar que existem dois aspectos da persistência do
desempenho. A primeira é a persistência relativa . Isso se refere a
persistência de uma classificação entre vencedores e perdedores. A segunda é a persistência
absoluta . Isto se refere à persistência de um trader ou estratégia sem
considerando quaisquer outros. São duas coisas diferentes e uma não
implica necessariamente o outro.

Persistência Relativa
Este é o mais fácil de quantificar. Praticamente não tem utilidade para comerciantes individuais
mas pode ser muito útil para um gestor que precisa alocar capital e risco
entre vários comerciantes. Pode ser estimado de forma simples (e não paramétrica) aplicando o
teste de razão de produto cruzado (CPR). Aqui dividimos o
período de tempo em dois e observe o desempenho de cada trader em cada período. Aqueles que
apresentam desempenho acima da mediana (com base em qualquer critério
podemos escolher) são designados bons, G, e aqueles que ficam abaixo da mediana são ruins, B.
Assim, por exemplo, um trader que teve um bom desempenho no primeiro
subperíodo, mas mal no segundo, seria rotulado como GB. A proporção de RCP é
definido como

GC · BB
RCP = (7.7)
GC · BG
Machine Translated by Google

144 NEGOCIAÇÃO DE VOLATILIDADE

Desempenho do trader nos dois

TABELA 7.2
Subperíodos

G B

G 12 8
B 11 9

Se não houver persistência, cada designação conterá 25 por cento de

os traders e a proporção serão iguais a 1. Uma pontuação maior que 1 indica
persistência. A significância da razão é testada calculando o
estatística z , onde

ln (RCP)
z= (7.8)
1 1 1 1
+ + +
CG BB GB GB

Considere o exemplo onde podemos alocar entre 40 oportunidades diferentes

(traders, estratégias ou fundos). Nós os dividimos em quatro
categorias e obtenha resultados na Tabela 7.2.
Aqui o CPR é dado por (12 × 9)/(11 × 8) = 1,23. Isto é maior do que
1, mas o tamanho da amostra é pequeno e é bem possível que a verdadeira razão
populacional seja 1. O escore z da equação (7.8) é 0,32. Para ser significativo
no nível de 5%, exigimos uma pontuação superior a 1,96. Então isso nem é
perto de ser significativo. Existem outros testes para persistência relativa (para
exemplo qui-quadrado, correlação de Spearman e teste de Kolmogorov-Smirnov),
mas não vamos olhar para isso porque esse tipo de persistência não é realmente um
preocupação esmagadora para a maioria dos comerciantes. O que eles realmente querem ver é
persistência absoluta.

Persistência Absoluta
Podemos calcular uma medida de persistência pura nos retornos de um trader
calculando o expoente de Hurst. Um expoente de Hurst maior que 0,5 indica
persistência. Um expoente inferior a 0,5 é indicativo de antipersistência ou
significa reversão. O expoente de Hurst aplica-se a conjuntos de dados que são
estatisticamente auto-semelhantes. Isso significa que as propriedades estatísticas do conjunto de dados
são constantes (esta é uma suposição que fazemos na maioria dessas análises). O
expoente de Hurst está intimamente relacionado à dimensão fractal de um
conjunto de dados e teoria do caos, que está muito além do escopo deste livro. O
o leitor interessado deve consultar Peters 1996 e as referências nele contidas.
Primeiro, precisamos entender a análise de intervalo reescalonado (frequentemente chamada
análise R/S). Sabemos que quando lançamos uma moeda imparcial, o esperado
Machine Translated by Google

Avaliação Comercial 145

diferença entre o número de caras e coroas em N tentativas cresce à medida que

N0.5. Esta é uma característica dos movimentos brownianos. Em geral,

R ÿ cNh (7,9)

onde
R é o intervalo
c é uma constante
h é o expoente de escala; h = 0,5 no exemplo do lançamento de moeda.

Hurst (1951) generalizou este conceito a partir do caso especial onde

h = 0,5. Começamos com uma série temporal, xt, e construímos a série de desvios

Dt,N = (xk ÿ MN) (7.10)

k=1

onde
Dt,N é o desvio cumulativo em N períodos
MN é a média de xt em N períodos

O intervalo é então definido como a diferença entre o máximo e o

valor mínimo calculado na equação (7.10).

R = máx(Dt,N) ÿ min(Dt,N) (7.11)

Agora normalizamos o intervalo dividindo pelo desvio padrão de

as observações originais. Este é o intervalo redimensionado, R/S. O expoente de Hurst,
h, é definido por

h
R/S = (aN) (7.12)

Tomar logaritmos nos dá uma equação que pode ser facilmente estimada por
regressão linear.

ln(R/ S) = hln (N) + ln(uma) (7.13)

Isso requer uma quantidade bastante grande de dados para estimar com precisão. Ferido
também forneceu uma aproximação simples, que estima h a partir de um único valor.

In(R/ S)
h= (7.14)
N
Em
2
Machine Translated by Google

146 NEGOCIAÇÃO DE VOLATILIDADE

Isto assume que a constante a na equação (7.13) é igual a 0,5. Esse

a aproximação tende a exagerar h quando for maior que 0,7 e subestimar h quando for menor que
0,4. Contudo, para séries curtas de dados em que os resultados da regressão não serão fiáveis,
fornece uma estimativa razoável.
Ao aplicar a análise de faixa redimensionada aos resultados de negociação, o intervalo de tempo
As séries em consideração devem ser as séries de retornos logarítmicos.
Sem dúvida, a situação mais difícil de avaliar e lidar é aquela em que
uma negociação vencedora a longo prazo começa a degradar o desempenho. Podemos apenas
atribuir isso à sorte? Isso poderia ser possível, mas precisamos ser tão cuidadosos
aqui, ao separar a aleatoriedade do sinal, como fizemos quando estávamos
avaliando negociações bem-sucedidas. Depois de um certo número de negociações, apenas algumas
restam possibilidades:

A fonte da borda desapareceu. Às vezes isso pode ser óbvio,

como quando o tamanho do tick nas opções QQQQ foi reduzido de um níquel
por um centavo. Esta era claramente uma questão à qual os criadores de mercado precisavam de se adaptar.
Mas às vezes a causa da degradação é mais sutil. Eu sou bom
amigos de um jogador de beisebol de muito sucesso que em 2003 teve um retorno de mais
de 400% com um índice de Sharpe de 4. As apostas foram baseadas
em extensa análise sabermétrica e simulações de computador. Em 2007
seu retorno havia diminuído para nada. Ele aprendeu mais sobre beisebol, mas o mercado
aprendeu mais rápido (ele agora negocia opções de ações).
A sua capacidade de executar a negociação diminuiu. Isto pode ser devido a
tecnologia em mudança (que provavelmente poderia entrar na categoria anterior se a
execução tecnológica fosse realmente a fonte original de
limite) ou aos efeitos do aumento da idade ou da falta de desejo.
As contrapartes das suas negociações mudaram. Há um muito grande
diferença em ficar do outro lado do fluxo de varejo e negociar com outros
profissionais.

Depois de identificar uma mudança no desempenho, você precisa comparar sua metodologia
atual com seu comportamento quando estava vencendo.
O que mudou? Às vezes você descobrirá que está tomando atalhos devido ao tédio ou ao excesso
de familiaridade. Se você não consegue encontrar nenhuma diferença,
obtenha uma segunda opinião.
As mudanças, em nós mesmos ou nos mercados, podem ocorrer tão gradualmente que
não temos conhecimento deles. Às vezes vale a pena perguntar: “Se eu estivesse começando hoje,
eu escolheria este produto para negociar? Por que?" (Flexibilidade quando se trata
na escolha dos produtos é uma grande vantagem. Esta opção geralmente não é
disponível para traders institucionais, mas mesmo que a questão seja hipotética,
pode ser um exercício útil para identificar possíveis mudanças que precisam ser
adaptado). Uma boa regra a lembrar é que é ganhar dinheiro que
conta, não comercializando os produtos mais complexos ou glamorosos. Isso não é como
Machine Translated by Google

Avaliação Comercial 147

esportes profissionais. Atingir 0,400 nos menores não é a mesma coisa que acertar em
nas ligas principais, mas no comércio, um milhão de dólares é um milhão de dólares. Nós
são todos profissionais. Não existem ligas menores.

RESUMO

A manutenção de registros não é muito excitante ou glamorosa, mas é excepcionalmente importante.

É impossível melhorar se você não sabe exatamente o quão bom você é
são e quais áreas precisam de mais melhorias. Configurando um acompanhamento de resultados
e a metodologia de medição de desempenho é provavelmente a melhor
coisa que um trader poderia fazer para melhorar.

Acompanhe os resultados diários de todas as negociações.

Todas as negociações devem ter metas pré-estabelecidas para que termos como sucesso
e a falha são definidas antecipadamente.
Todos os casos em que um sinal de negociação é anulado, seja por um trader ou
por um gerente, deve ser anotado para que possamos saber o quão bem sucedido tal
as chamadas são.

Todas as medidas de risco têm pontos fracos. Tal como acontece com o uso de diferentes
estimadores de volatilidade, aprenda a usar uma variedade de medidas e sinta-se confortável
com as diferentes imagens que elas fornecem.
Esteja ciente de que mesmo uma boa estratégia pode passar por períodos ruins.
Não desista com base em um desempenho ruim em uma amostra pequena
tamanho, a menos que algo tenha definitivamente mudado no mercado.
A consistência do desempenho é mais importante do que o nível real de
desempenho.
Machine Translated by Google
Machine Translated by Google

CAPÍTULO 8

Psicologia

O escritor de beisebol, guru e iconoclasta Bill James disse uma vez: “Vinte e cinco

T o homem do século XX usa a psicologia exatamente como seus ancestrais usaram

feitiçaria; qualquer coisa que você não entende, é psicologia.” Isto se aplica ao mundo
da negociação, onde a psicologia é frequentemente apresentada como uma razão para os
movimentos do mercado, as reações dos traders e as questões de gestão de posições.
Mais bobagens são escritas sobre os benefícios da “psicologia comercial” do que qualquer
outro aspecto do negócio comercial. Muitos traders pensam que estão a ser impedidos pelas
suas questões emocionais – mas é muito mais provável que a sua ansiedade e tensão sejam
causadas pelas suas más negociações. Perder dinheiro é desagradável. Esta é provavelmente
a causa do sofrimento psicológico, e não um sintoma dele.

Falando francamente, ter um grande controle psicológico é totalmente irrelevante, a

menos que você tenha uma vantagem e um sistema de gerenciamento de dinheiro para capturá-
la. Certamente há traders que são impedidos por seus problemas psicológicos, mas há muitos
outros que realmente não têm nenhuma vantagem para começar ou quaisquer ideias sensatas
sobre como explorar a vantagem que possam ter. Uma analogia com o beisebol pode ser
adequada: se Daryl Strawberry tivesse a ajuda de um psicólogo esportivo habilidoso, ele
poderia ter sido o melhor jogador que já existiu.
Mas se uma pessoa aleatória tivesse acesso a um psicólogo esportivo, seria uma boa aposta
que ela ainda não conseguiria chegar ao baile de novato. Sem conhecimento e habilidade,
esse tipo de psicologia é inútil.
Este capítulo não é sobre autoajuda e afirmação. (Qualquer pessoa que ainda esteja
convencida de que são o raro caso em que as questões psicológicas são verdadeiramente o
seu fator limitante deveria consultar os livros de Brett Steenbarger.
São raros exemplos de sentido no gênero, e até ele gasta muito

149
Machine Translated by Google

150 NEGOCIAÇÃO DE VOLATILIDADE

de tempo examinando detalhes do processo de negociação, em vez de informações psicológicas

muletas.) Em vez disso, veremos aqui como a psicologia comportamental pode criar
condições de mercado das quais podemos tirar vantagem e como isso pode nos desviar.
Isto é importante, pois os preconceitos psicológicos são provavelmente os impulsionadores
a maioria das fontes de vantagem disponíveis para um trader de volatilidade.
Como aludido por Bill James, é muito tentador atribuir qualquer
compreendido o fenômeno do mercado para a psicologia. Antes de fazer isso, faça
claro que realmente se trata de psicologia. Você deve saber exatamente com que fenômeno
psicológico está lidando. Dizer “A volatilidade implícita na oferta antes dos anúncios de lucros é
um exemplo de excesso de confiança
e preconceitos de representatividade” é muito diferente em sua testabilidade de “É tudo
sobre medo e ganância.
(Um respeitado colega deu a entender que este capítulo é diferente do
outros. O que ele queria dizer era que, embora eu tenha formação matemática, sou um amador
em psicologia, sem formação formal. Pode ser importante observar isso
como uma espécie de isenção de responsabilidade, mas ainda vou dar minhas opiniões. eu posso
não sou psicólogo, mas sou comerciante e pragmático. Eu preferiria
compartilhar meus pontos de vista e opiniões sobre o que é útil do que me sentir constrangido por
falta de educação formal nesta área. Afinal, devemos levar conhecimento
de onde podemos, e considero o estudo das finanças comportamentais útil na procura de
oportunidades comerciais. Na verdade, além de negociações de arbitragem definitivas e spreads
altamente correlacionados, há uma boa
chance de que todas as oportunidades de negociação tenham um elemento de finanças comportamentais
para eles. Observe que esta visão pode ser vista como a fronteira entre pensar
como um trader e pensando como um teórico de finanças. Alguns destes últimos têm
é conhecido por protestar que “não existe tal coisa como finanças comportamentais”.
Os traders tendem a não discutir esse ponto. Eles apenas procuram oportunidades.)
Mais de 50 preconceitos comportamentais diferentes, ou erros sistemáticos de julgamento,
foram identificados (para um excelente repositório de pesquisas e artigos,
acesse www.behaviouralfinance.net). Atualmente não existe nenhuma teoria de classificação
geralmente aceita e há uma sobreposição considerável entre as
preconceitos. Mas há um acordo geral de que os preconceitos são cognitivos ou
emocional.
Esta distinção é importante. Os preconceitos cognitivos surgem de raciocínios defeituosos,
pelo que muitas vezes podem ser resolvidos através da educação e de melhor informação.
Podemos procurar moderar os seus efeitos nas nossas negociações. Emocional
preconceitos surgem através da intuição e não do pensamento consciente. Estes são
mais difíceis de lidar, mas mesmo que consideremos impossível erradicá-los completamente em
nossas próprias negociações, eles ainda podem ser usados para detectar lucros lucrativos.
oportunidades se pudermos reconhecer seus efeitos nos outros.
Também é importante lembrar que todas as pessoas possuem esses preconceitos.
É tentador pensar que estes problemas apenas afligem os outros – que eles
acontecer com “eles”, não com “nós”. Mas todos nós sofremos com esses preconceitos, embora
Machine Translated by Google

Psicologia 151

obviamente, alguns são mais propensos a certos defeitos de pensamento do que outros.
Este é um bom motivo para negociar com um parceiro. É muito mais fácil apontar
descobrir as falhas dos outros do que reconhecê-las em nós mesmos.
Se você decidir negociar com um parceiro (e eu recomendo fortemente), o
a seleção real torna-se crucial. Um bom parceiro comercial precisa das seguintes qualidades.

Capacidade de negociar. Nem sempre duas cabeças pensam melhor que uma. Antes que ele
pode ajudar, um parceiro comercial precisa ser um comerciante competente.
Construtivamente crítico. A negociação está sempre evoluindo. Precisamos ser
perto de pessoas que estão sempre tentando melhorar e ajudar os outros
melhorar. A aceitação do status quo não ajudará.
Confiável e relativamente estável emocionalmente.
Pessoal. Você passará muito tempo perto dessa pessoa.
Vocês não precisam necessariamente ser grandes amigos, mas deve haver um certo
dose de tolerância e respeito mútuo.

A psicologia não é a única coisa que impulsiona um mercado, mas há efeitos no mercado
que ocorrem de tempos em tempos e que parecem ser persistentes. O back-testing mostrará que
estes são lucrativos. Contudo, a menos que possamos
compreender a origem do erro de precificação até certo ponto (seja uma arbitragem
ou por uma razão psicológica), deveríamos evitar o comércio. Sem compreender a causa, como
poderemos saber quando o comércio deixará de funcionar? Mais
do que saber como as coisas funcionam na prática, devemos saber como elas funcionam
em teoria, a fim de usar o conhecimento a nosso favor.
No restante deste capítulo, examinamos os 10 principais erros de pensamento, afirmamos
sejam de origem cognitiva ou emocional, dê exemplos de como
eles podem surgir em situações de negociação e oferecem alguns conselhos sobre como
possivelmente evitá-los em nossas próprias negociações e explorar seus efeitos no
negociação de outros.

VIÉS DE AUTO-ATRIBUIÇÃO

Este primeiro erro de pensamento é um viés cognitivo que leva os indivíduos a atribuir
seus sucessos à sua habilidade ou trabalho árduo e culpar seus fracassos
influências externas ou azar. Na verdade, um certo grau de auto-atribuição
O preconceito é provavelmente necessário para ter sucesso em qualquer empreendimento
empresarial, mas se não for temperado com o conhecimento das probabilidades comerciais
corretas, pode ser uma receita para o desastre. Embora todos saibamos que alguns comerciantes
podem ser fanfarrões e sabe-tudo arrogantes, o leitor deste livro, sendo o
tipo atencioso que se esforça sinceramente para se educar, provavelmente
Machine Translated by Google

152 NEGOCIAÇÃO DE VOLATILIDADE

pensa que é extraordinariamente autoconsciente e imune a esse preconceito. Este é um exemplo

típico de viés de autoatribuição! Na verdade, a pesquisa mostrou que é muito mais fácil reconhecer
esse preconceito nos outros do que em si mesmo.
Por exemplo, vários estudos (Bakshi e Kapadia 2003; Coval e Shumway 2001; Bondarenko
2003), bem como as carreiras de alguns bons traders, demonstraram a rentabilidade consistente a
longo prazo da venda fora do dinheiro. colocações de índice. A combinação do prémio de
volatilidade implícito e da tendência ascendente geral a longo prazo dos mercados accionistas
(Dimson et al. 2002) confere a esta negociação duas fontes de vantagem. Não há dúvida de que,
quando feito com cautela e em tamanho apropriado, esta é uma negociação sensata. No entanto,
este pode ser um jogo extremamente arriscado. Um grande número de criadores de mercado
trabalhou neste ângulo, vendendo 20 a 30 opções de venda delta e protegendo a sua exposição
global através da compra de opções no dinheiro ou opções ascendentes. Há uma consistência em
suas histórias: eles selecionam cuidadosa e habilmente o exercício apropriado para vender e usam
suas habilidades de execução para vender na oferta.

Eles também podem alegar ter um modelo de avaliação quantitativa de grande poder. Finalmente,
também é mencionada a capacidade de cobertura hábil e astuta. Mas quando explodem (e, para
ser justo, nem todos o fizeram), há uma variante de uma história de azar: a câmara de compensação
entrou em pânico, a tecnologia falhou ou o corretor cometeu um erro. Na realidade, eles estavam
apenas jogando um jogo com uma expectativa ligeiramente positiva e um risco extremo de queda.
O resto é apenas um caso de preconceito de autoatribuição.

O preconceito de autoatribuição é perigoso por dois motivos principais. Primeiro, se não

formos capazes de perceber os erros como erros, não poderemos aprender com eles. Em segundo
lugar, creditar resultados de sorte às nossas habilidades pode levar a um excesso de confiança
subsequente. Isso leva a negociações excessivas e a um dimensionamento de posição
excessivamente agressivo. Um exemplo é que, à medida que pesquisamos os fundamentos de uma
empresa, é fácil ficarmos mais convencidos da justeza da nossa posição (consulte a discussão
sobre o viés de confirmação mais adiante neste capítulo). Isso pode levar a um portfólio irregular e
pouco diversificado.
Devemos lembrar que as negociações vencedoras normalmente dependem de um grande
número de fatores, sendo a sorte o maior componente de qualquer negociação individual. Mesmo
depois de contabilizar a sorte, haverá um grande número de outros fatores que nunca foram
considerados na nossa análise pré-negociação. Tente ser o mais objetivo possível e realize o
máximo possível de análises pós-negociação. Tente também lembrar que boas negociações podem
não ser o mesmo que negociações vencedoras.

EXCESSO DE CONFIANÇA

O excesso de confiança é um viés cognitivo que se manifesta como uma crença irracional nas
próprias habilidades. Ironicamente, muitos traders iniciantes tentam ativamente cultivar
Machine Translated by Google

Psicologia 153

excesso de confiança, acreditando que é a falta de confiança que os está impedindo. Brett
Steenbarger (www.brettsteenbarger.com) escreve de forma divertida sobre a atitude como
“socialismo emocional”. Esta é a ideia de que, de alguma forma, merecemos apenas ter
confiança, em vez de desenvolver habilidades e depois aprender a ter confiança nessa
habilidade. O erro que muitas pessoas cometem é estudar os maiores empreendedores, ouvir o
quão extremamente confiantes eles estão sobre suas chances de vencer e confundir causa e
efeito. Quando Roger Federer vence uma partida de tênis, por exemplo, ele não vence porque
pensa que vencerá. Ele acha que vai vencer porque fez tudo o que podia para se preparar e é o
melhor tenista. Sua confiança é inteiramente justificada por sua habilidade.

Não só a falta de confiança não é o maior problema de um trader, mas muitos traders
sofrem com um excesso de confiança. Isto por vezes é revelado pela forma como se referem
aos seus procedimentos de gestão de risco: “Bem, claro, se o DAX cair 20% vou explodir, mas
tenho quase a certeza de que isso vai acontecer”.
Muitos estudos (Cosmides e Tooby 1996; Elstein 1999) mostraram que as pessoas são
péssimos estatísticos intuitivos e não estão bem equipados para estimar probabilidades; prevê-
se que eventos que estão longe de ser certos ocorram com uma probabilidade próxima de 100
por cento. Por exemplo, em janeiro de 2007, a AtherGenics (AGIX) estava sendo negociada em
torno de US$ 11. A empresa anunciou que os resultados dos testes da fase três do medicamento
AGI-1067 seriam divulgados até o final do primeiro trimestre. Este foi um evento binário para a
empresa. Boas notícias levariam as ações a subir muito. Alguns analistas projetavam que seria
uma ação de US$ 50.

Dado este enorme potencial de valorização, o preço das ações de US$ 11 deve significar
que o mercado viu uma chance significativa de fracasso (considerando o preço das ações de
US$ 11 como uma média ponderada de probabilidade de um preço muito alto e um preço um
pouco mais baixo). mas a conversa otimista era tão predominante que a opção de compra de
US$ 45 em abril estava sendo negociada por US$ 1,15. Este foi um caso de excesso de
confiança, em que alguns traders estavam demasiado confiantes no resultado projetado.
Tendo decidido que a empresa era uma boa aposta, aparentemente ignoraram a possibilidade
de estarem errados.
Um fenómeno relacionado é o excesso de confiança nas previsões, em que as pessoas
atribuem uma gama demasiado estreita de possibilidades ao resultado de um evento.
Olhando novamente para o exemplo da AtherGenics, a variação da opinião dos analistas para o
valor positivo das ações estava entre US$ 19 e US$ 50. No caso de a ação chegar a US$ 50, o
comprador das opções de compra de US$ 45 teria maximizado seu retorno. (A elasticidade de
uma opção é tal que o melhor retorno sobre o capital resulta da compra da opção que termina
dentro do dinheiro pelo menor valor. Queremos estar o mais perto possível de estar errados.)
No entanto, não apenas se esse comerciante tinha que estar certo, ele tinha que estar quase
exatamente certo. Comprar as chamadas 12,5 (disponíveis na época para 4,5) teria proporcionado
uma faixa de lucratividade muito mais ampla.
Machine Translated by Google

154 NEGOCIAÇÃO DE VOLATILIDADE

Em 19 de março, a AtherGenics anunciou que os ensaios da fase três não atingiram seu
objetivo primário. As ações caíram 60%. Todas as opções de alta negociadas expiraram sem valor.

(Obviamente, a realidade por trás deste exemplo teria sido muito mais complicada,
possivelmente até ao ponto de esta discussão ser um espantalho. É muito improvável que o
comerciante em questão tivesse uma posição que consistisse apenas nas opções de compra de 45
de abril, e é às vezes é possível que uma negociação que parece tola isoladamente possa ser
perfeitamente aceitável quando incorporada a uma carteira.)

Outros exemplos de subestimação da incerteza que estão especificamente relacionados com

a previsão da volatilidade são dados por Glaser et al. (2004) e Hilton (2001).

Will Rogers disse: “Não é o que não sabemos que nos causa problemas; é o que sabemos
que não é assim.” O excesso de confiança não seria um problema se o que acreditávamos ser
verdade realmente fosse verdade. Infelizmente, muitos estudos demonstraram que superestimaremos
consistentemente as nossas capacidades, especialmente em áreas que estão completamente fora
do nosso círculo de competência. Parece que se tivermos estudado uma área durante tempo
suficiente, o nosso conhecimento torna-se mais matizado à medida que percebemos que ainda há
muito que não sabemos. Isso não parece se aplicar a campos com os quais temos apenas uma
familiaridade superficial.

O comércio e as finanças são uma área em que é muito difícil tornar-se realmente um
especialista, pois há muitas variáveis (em mudança) a considerar. Mas é também um campo onde
a confiança é vista como uma grande virtude. Um estudo testou analistas financeiros profissionais
e gestores de dinheiro (Russo e Shoemaker 1992). Foram feitas 10 perguntas. Cada um pediu a
melhor estimativa e estimativas altas e baixas dentro das quais tinham 90% de certeza da resposta
verdadeira. As perguntas foram escolhidas de forma que os participantes provavelmente não
soubessem as respostas verdadeiras, como “área total do Lago Michigan em quilômetros quadrados”.
Em média, os analistas escolheram intervalos de confiança suficientemente amplos para incluir a
resposta correta apenas 64% das vezes. Os gestores de dinheiro eram piores. Eles tinham alcances
amplos o suficiente apenas em 50% das vezes.

O excesso de confiança é um dos piores preconceitos que um trader pode ter. Isto porque leva diretamente a

carteiras pouco diversificadas (tanto de ideias como de posições), a negociações excessivas e a uma consideração
inadequada dos riscos associados a movimentos extremos. Todos esses são perdedores garantidos no longo prazo.
É fundamental lembrar que o mais importante é permanecer no jogo. Assim que tivermos uma vantagem, se
conseguirmos jogar o tempo suficiente, a lei dos grandes números acabará por nos tornar ricos. Nunca faça nada que
possa comprometer suas negociações futuras.

Você também deve saber que quanto menos habilidoso alguém for, mais confiante ele tende
a ser. Isso é algo a considerar ao entrevistar
Machine Translated by Google

Psicologia 155

pessoas. Parece que um aspecto da competência é a maior capacidade de discernir as nossas

próprias limitações.

As pessoas tendem a ter opiniões excessivamente otimistas e descalibradas sobre si mesmas.

Propomos que aqueles com conhecimentos limitados num domínio sofram um duplo fardo:
não só chegam a conclusões erradas e cometem erros lamentáveis, mas a sua incompetência
rouba-lhes a capacidade de perceber isso.

—(Kruger e Dunning 2005)

Assim, parece que aumentar o nosso próprio conhecimento sobre negociação nos ajudaria a
proteger-nos contra este preconceito – mais uma razão para continuarmos a nossa educação.

A HEURÍSTICA DA DISPONIBILIDADE

Esta é a nossa tendência de basear as decisões na primeira evidência que nos vem à mente. Mas
a primeira evidência que vem à mente será invariavelmente um evento dramático que não é nada
típico. E a mente humana julga naturalmente a frequência de um tipo de evento pela facilidade com
que os exemplos desse evento podem ser lembrados. É uma deficiência cognitiva.

Por exemplo, os traders bem-sucedidos estão geralmente rodeados de outros traders bem-
sucedidos, seja no pregão, no seu escritório ou apenas socialmente. Isto pode levá-los a
superestimar enormemente a facilidade de se tornar um trader de sucesso. Afinal, a maioria dos
traders que eles conhecem são bem-sucedidos.
Isto pode evoluir diretamente para um sentimento de frustração pela sua suposta falta de sucesso,
o que é na verdade uma ilusão causada pela heurística da disponibilidade. Eles simplesmente não
veem a enorme maioria dos traders que ou perdem totalmente os seus fundos ou simplesmente
sobrevivem até decidirem abandonar o negócio.

A negociação envolve muitos níveis de pensamento estratégico, e a maneira correta de tomar

uma decisão muitas vezes não é clara. Contudo, na prática, muitas vezes pensamos que a decisão
correta é absolutamente óbvia. Muitas vezes, nestes casos, estaremos absolutamente errados. Se
um trader não tiver um processo de tomada de decisão racional, ele poderá confiar na heurística da
disponibilidade (regra prática).
É tentador empregar a heurística da disponibilidade como primeiro recurso. Esses traders
estimam a probabilidade de eventos (como uma aquisição ou falência) com base na facilidade de
imaginação desses eventos. Embora o cálculo de probabilidades corretas possa ser fácil para
aqueles que conhecem as regras práticas apropriadas e as tendências históricas, os traders que
não aprenderam os atalhos válidos utilizarão naturalmente os inválidos.
Machine Translated by Google

156 NEGOCIAÇÃO DE VOLATILIDADE

Os retornos das ações do Google no dia seguinte

TABELA 8.1
o anúncio de ganhos

Data Retornar (%)

21/10/2004 15h40
01/02/2005 7h40
21/04/2005 5,70
21/07/2005 ÿ3,70
20/10/2005 12h10
31/01/2006 ÿ7,10
20/04/2006 6h50
20/07/2006 ÿ2,20
19/10/2006 9.6

Um exemplo prático de negociação com volatilidade é quando se decide vender

uma confusão sobre um anúncio de lucros ou um grande lançamento econômico. Nosso
a mente tenderá a recordar o grande movimento em detrimento dos movimentos mais representativos.
Antes da sua primeira divulgação de resultados de 2007, o relatório de Fevereiro da Google
e os straddles de março implicavam um salto de cerca de 16 por cento. Google
era conhecida por ser uma ação instável que poderia movimentar os lucros, mas olhando
Nos nove movimentos anteriores relacionados aos lucros (o movimento do fechamento antes do
anúncio dos resultados dos lucros para o fechamento posterior), vimos o
movimentos resumidos na Tabela 8.1.
A magnitude média dos movimentos foi de 7,7 por cento com um máximo
de 15,4 por cento. O preço straddle também pareceu ser fortemente influenciado pelo
salto mais recente de 9,6%, que também passou a ser o terceiro maior.
Pior ainda, esse movimento estava sendo extrapolado para ser ainda mais extremo – em
na verdade, foi projetado para ser o maior movimento de todos os tempos. Com base em todo o
histórico de movimentos relacionados aos lucros, o straddle foi uma boa venda. O real
o movimento do preço das ações em relação ao relatório de lucros foi de 1,4 por cento, então o curto
a posição de volatilidade foi vencedora. (Mas mesmo que o resultado da negociação fosse
um perdedor, a negociação de volatilidade curta em si ainda teria sido boa
pois foi baseado em um processo de pensamento sensato. Não confunda boas negociações
com negociações vencedoras. Uma boa negociação é aquela que foi feita por um bom motivo,
qualquer que seja o seu resultado.)

PENSAMENTO DE CURTO PRAZO

A preferência irracional por ganhos de curto prazo em detrimento de ganhos de longo prazo
desempenho é um viés cognitivo e pode ter efeitos significativos na negociação de opções, já que
as opções têm exatamente o comportamento de decaimento de tempo que pode levar
Machine Translated by Google

Psicologia 157

nos em apuros. Nassim Taleb (2004) escreveu que esta é a base para a preferência da maioria
dos traders por posições gama curtas: Eles preferem a (possível ilusão de) ganhos constantes
a posições gama positivas com maior expectativa positiva geral que perdem dinheiro de forma
constante antes de ter uma ganho espetacular.

É possível contestar a ideia de que nunca poderemos avaliar de forma sensata as

negociações de volatilidade curta, mas temos de concordar que este preconceito psicológico é
muito poderoso. É difícil fazer com que uma posição longa de volatilidade perca dinheiro todos
os dias, mesmo que a negociação acabe se revelando lucrativa.

AVERSÃO À PERDA

A aversão à perda é um viés emocional, onde a natureza extremamente competitiva dos traders
trabalhará contra eles. Para ganhar consistentemente no longo prazo é necessário aceitar as
perdas, até ao ponto de as vermos como nada mais do que um custo de fazer negócios.

A aversão à perda foi notada pela primeira vez como um viés sistemático por Kahneman e
Tversky (1991). Eles perceberam que as pessoas não gostam mais de perdas do que de ganhos.
Isso leva à getevenitis: uma condição em que os traders mantêm posições perdedoras por muito
tempo, esperando que elas se recuperem para que possam sair ilesos. Uma vez que a nossa
razão original para uma negociação deixa de ser válida, não há razão para permanecer na
posição. No entanto, mesmo depois de passarmos por um processo de tomada de decisão
racional que nos diz que estamos do lado errado de uma negociação, ainda esperamos
irracionalmente (contra as leis da probabilidade) que a posição siga o nosso caminho apenas o
tempo suficiente para sairmos a um preço razoável. melhor nível.
A cura é ser míope no que diz respeito à gestão de riscos. Sempre pergunte: “Gosto desta
posição agora?” Considerando tudo o que você sabe sobre a situação, você entraria na
negociação nos níveis atuais? Quanto o comércio ganhou ou perdeu anteriormente é irrelevante
para esta avaliação. Na verdade, é muito provável que muitas das suas posições comecem por
perder dinheiro. Você entra na posição porque ela se desviou do valor justo. Muitas vezes
continuará a desviar-se ainda mais. Uma vez que algo é mal avaliado, não há razão para que
não possa ficar ainda mais mal avaliado. E como discutimos no Capítulo 6, você realmente
desejará fazer mais à medida que a negociação perde dinheiro. Esta não é a visão clássica do
problema causado pela aversão à perda. Ace Greenberg, ex-presidente do Bear Stearns,
expressou-se desta forma: “A definição de um bom trader é alguém que sofre perdas”. Esta é
uma peça clássica da tradição comercial.

A visão que apresentamos aqui não é inconsistente, embora possa parecer assim à
primeira vista. A diferença está na dinâmica do instrumento que está sendo negociado. Se o
preço de um ativo sofrer tendência, ou pelo menos o trader estiver executando uma estratégia
baseada em sua crença nas tendências, faz sentido cortar perdas, pois isso é consistente conosco.
Machine Translated by Google

158 NEGOCIAÇÃO DE VOLATILIDADE

estar errado. Num ambiente de tendência, estas perdas aumentarão. Este não é o caso num
ambiente de reversão à média, onde a lógica para uma negociação se torna mais forte à medida que
perdemos (pequenas quantidades de) dinheiro. Mas, em qualquer dos casos, o trader deve manter-
se concentrado na conveniência da negociação ao nível atual – e não no lucro ou perda atual
realizado.
Este preconceito também está relacionado com a dissonância cognitiva, que pode afetar os
nossos julgamentos em muitas áreas. Esta é a sensação de tensão desconfortável que surge ao
manter dois pensamentos conflitantes na mente ao mesmo tempo (Festinger 1957). Na negociação,
isso está relacionado à aversão à perda. Às vezes estamos tão desesperados para evitar perdas
que racionalizamos as nossas más negociações como sendo boas, mesmo que todas as evidências
disponíveis apontem para o contrário.
Em casos extremos, a frase “desta vez é diferente” ainda pode ser ouvida.

CONSERVADORISMO E REPRESENTATIVIDADE

Muitas oportunidades de negociação com volatilidade surgem da identificação de situações em que

o mercado se encontra num estado de reação exagerada ou insuficiente. O conservadorismo é o
viés cognitivo que leva as pessoas a serem muito lentas para atualizar suas crenças em resposta a
novas informações. Eles tendem a se apegar tenazmente à sua visão ou previsão inicial. A maioria
das pessoas acha muito difícil se afastar da posição inicialmente declarada. Quando o movimento
ocorre, é muito lento. Isto leva a uma sub-reação dos preços dos títulos à medida que a nova
informação é lentamente cotada. Esta atualização lenta, por sua vez, leva a um dinamismo nos
retornos.

Os exemplos financeiros clássicos referem-se ao desvio pós-anúncio de lucros (Bernard 1993)

e, em particular, ao caso de analistas que demoram a atualizar as suas opiniões sobre uma ação
após a divulgação de novas informações fundamentais (Amir e Ganzach 1998; Helbok e Walker
2004). . O mesmo efeito está provavelmente também por detrás da persistência dos retornos nos
sectores industriais (Chan et al. 1996).

A representatividade é o viés cognitivo em que fazemos um julgamento com base em um

estereótipo. Quando nos deparamos com uma situação nova, tendemos a tentar julgá-la com base
no nosso conhecimento prévio e no nosso esquema de classificação, mesmo que o novo evento seja
realmente inconsistente com a nossa experiência. Esta heurística é muitas vezes útil quando é
necessário tomar uma decisão instantânea e pode ter sido um mecanismo evolutivo útil. Contudo, ao
classificar algo como representativo de uma situação familiar, é realmente vital que seja realmente
representativo da situação familiar! Infelizmente, nosso cérebro tentará rotulá-lo dessa forma, seja
apropriado ou não.

Além disso, tendemos a nos lembrar de probabilidades que representam nossa experiência
pessoal. Isto em si não é problema, mas também tendemos a desenhar
Machine Translated by Google

Psicologia 159

como resultado, conclusões estatisticamente inválidas. Por exemplo, é tentador

coloque uma negociação em tamanho pequeno para ver se está funcionando antes de comprometer mais
capital. Isto pode ser muito perigoso se não tivermos uma compreensão completa da
distribuição esperada de dias vencedores e perdedores. Digamos que nós
Tenho uma negociação que, em backtesting e na negociação real, mostrou que produz 55%
de dias vencedores. Agora digamos que alcançamos uma sequência de vitórias de
oito vitórias consecutivas. Deveríamos ficar entusiasmados e negociar maior? Na verdade.
Esta distribuição de vitórias/derrotas resultará em sequências de vitórias de oito dias com
razoável frequência (veja o quadro). No entanto, o viés de representatividade pode facilmente levar
que acreditemos que as coisas mudaram e que o comércio mudou agora para
melhor. É particularmente importante que um trader faça com que seus gerentes entendam
este ponto, para evitar que o capital comercial seja realocado puramente devido
às flutuações que deveríamos esperar devido à aleatoriedade.

Sucessos consecutivos de eventos independentes

Se realizarmos N tentativas, qual é a probabilidade de k vitórias consecutivas, se o

a probabilidade de falha é q, e p = 1 - q é a probabilidade de sucesso?
A solução exata pode ser muito confusa, mas a probabilidade de não haver
comprimento j em N tentativas é aproximadamente

(1 ÿ pixels) 1
q(N) = × (8.1)
( j + 1 ÿ jx)q xN+1

onde

x=1+q·p j + ( j + 1)(q · p j ) 2 +... (8.2)

Na situação discutida na seção sobre representatividade, p = 0,55

e j = 8. Se tivermos uma sequência de 100 dias de negociação, N = 100. Então

x ÿ 1 + 0,45 × 0,555 + 9 × (0,45 × 0,555) 2 = 1,003896 (8.3)

o que dá

q(n) = 0,6936

Então, em cerca de 31% das vezes, podemos esperar oito

vence.

Existem dois tipos principais de viés de representatividade que precisamos

proteja-se contra. O primeiro é a negligência da taxa básica. É aqui que tentamos
avaliar uma situação contextualizando-a em uma classificação familiar. Isto
pode ser tentador ver uma empresa de biotecnologia de US$ 10 e pensar: “Aqui estamos
Machine Translated by Google

160 NEGOCIAÇÃO DE VOLATILIDADE

vá de novo. Isso se parece com a XYZ Corp.” Na realidade, cada situação é suficientemente
diferente para que isto não funcione. Todas as negociações devem ser rigorosamente avaliadas
por seus próprios méritos. Observe, entretanto, que isso pode ser levado longe demais. Alguns
os comerciantes levam essa prática ao extremo e a usam para justificar nunca estudar
a história ou estatísticas de várias ideias comerciais. As coisas nunca são exatamente
como outro evento, mas as coisas também nunca são totalmente novas.
O segundo tipo é a negligência do tamanho da amostra. Vimos os efeitos tendenciosos do
tamanho da amostra no Capítulo 2 e provavelmente os entendemos conceitualmente, mas
mesmo assim, mesmo indivíduos muito alfabetizados matematicamente podem
tirar conclusões erradas considerando amostras ridiculamente pequenas. Assumir que
conclusões sobre uma população podem ser tiradas de uma pequena amostra foi jocosamente
chamada de “lei dos pequenos números” por Kahneman e
Tversky (1971). E por causa das distribuições patologicamente desagradáveis nós
frequentemente lidamos ao negociar opções, o tamanho de amostra necessário para extrair
conclusões sensatas podem ser realmente muito grandes (possivelmente até infinitas).
Ambos os tipos de representatividade podem levar a reações exageradas. Simplesmente
lemos mais sobre a situação do que o justificado pelas novas informações.
Isto parece estar em conflito direto com o viés do conservadorismo. Pessoas
são totalmente capazes de exibir ambos os preconceitos: reação insuficiente e reação exagerada
(Poteshman 2001). A interação entre esses efeitos está no cerne da
muito conhecimento comercial (e também muitas bobagens comerciais). Reação exagerada
leva a reversões e a sub-reação leva a tendências.
Um estudo interessante (Wu e Massey 2004) mostrou que os efeitos
são possivelmente apenas casos extremos de um único erro. Os seres humanos não têm uma
tendência sistemática para a reação insuficiente ou exagerada. Eles têm uma tendência à reação
errada. Se os novos dados parecerem ajustar-se a alguma
modelo, então as pessoas tenderão a sobrecarregar esses dados e, portanto, reagirão
exageradamente. Em essência, eles acham que entendem o que está acontecendo. Mas se o
novos dados não parecem confirmar nenhum modelo anteriormente mantido, então os dados
ficará subponderada e o resultado será uma subreação.

VIÉS DE CONFIRMAÇÃO

Depois de formarmos uma opinião sobre uma situação, reagimos de maneira diferente à
confirmação e à contradição de evidências. Especificamente, enfatizamos a confirmação
evidências e minimizar evidências contraditórias. Parecemos sistematicamente
convencer-nos de que tudo o que queremos acreditar é correto e apoiado por evidências. Sem
dúvida, a maioria das coisas será apoiada por alguma evidência, e esta será a evidência que
observaremos.
O viés de confirmação ocorrerá frequentemente em situações em que a evidência é
genuinamente confuso e a resposta correta não é completamente óbvia. Para
por exemplo, é possível que alguns dos padrões previsíveis de volatilidade
Machine Translated by Google

Psicologia 161

persistiram porque os dados sobre a volatilidade implícita, até recentemente, não

amplamente disponível o suficiente para refutar peças amplamente difundidas, mas incorretas, de
tradição do comerciante.

Uma experiência muito interessante foi realizada durante a campanha eleitoral presidencial
dos EUA em 2004 (Westen et al. 2006). Trinta homens foram
incluídos no estudo; metade se descreveu como republicanos e metade
como Democratas. Durante uma ressonância magnética, os participantes foram solicitados a
avaliar declarações contraditórias de George W. Bush e John Kerry. As varreduras
mostraram que a parte do cérebro associada ao raciocínio, o córtex pré-frontal dorsolateral, não
estava envolvida na avaliação das afirmações.
Por outro lado, as regiões mais ativas do cérebro eram aquelas envolvidas no processamento
de emoções, na resolução de conflitos e na tomada de julgamentos sobre questões morais.
responsabilidade. A pesquisa mostrou claramente por que, e até mesmo como, as pessoas
podem receber exatamente as mesmas informações, mas chegar a conclusões diferentes, até
mesmo opostas. O Dr. Westen resumiu lindamente:

Nenhum dos circuitos envolvidos no raciocínio consciente estava particularmente ativado.

Essencialmente, parece que os partidários giram o caleidoscópio cognitivo até chegarem
às conclusões que desejam, e então
eles são enormemente reforçados por isso, com a eliminação de estados emocionais
negativos e ativação de estados positivos. . . . Todos
de executivos e juízes a cientistas e políticos podem raciocinar
a julgamentos emocionalmente tendenciosos quando têm interesse em
como interpretar “os fatos”.

Tal como acontece com muitos preconceitos cognitivos, as pessoas inteligentes podem, na verdade, ser
mais propenso ao viés de confirmação. Pessoas inteligentes esperam estar certas. Eles
geralmente estão certos. Eles esperam ver evidências confirmatórias. Então qualquer evidência
é visto sob esta luz. Na verdade, significa que depois de um certo ponto não estamos mais
ganhando nada com novas evidências!

VIÉS HINDSIGHT

Depois que um evento ocorre, tendemos a pensar que o evento era previsível. Isso é um viés
retrospectivo. O único resultado alcançado é muito mais fácil
para compreendermos do que a multiplicidade de resultados possíveis que não ocorreram. Isso
nos leva a superestimar a precisão de nossas previsões à medida que
ajustá-los retroativamente aos dados. Isso também é conhecido como “Eu sabia o tempo todo”
efeito. O efeito foi observado em vários contextos, incluindo

1www.sciencedaily.com, 31 de janeiro de 2006.

Machine Translated by Google

162 NEGOCIAÇÃO DE VOLATILIDADE

política (Blank et al. 2003), medicina (Arkes 1981), julgamentos criminais (Bryant e Brockway
1997) e competições (Louie et al. 2000).
Na negociação, o maior perigo que surge da retrospectiva é que ela nos leva a negociar
demasiado. É muito fácil olhar para o resultado de uma negociação e pensar: “Sabíamos que
isso iria acontecer” e decidir negociar muito mais na próxima vez. Também nos leva a culpar
indevidamente as pessoas após o evento. Olhando para trás, para o que aconteceu nos
mercados, é fácil ver todos os desenvolvimentos como óbvios. (As pessoas que gerem outros
traders precisam de estar particularmente conscientes desta tendência, pois parecerá apenas
que está a apontar o óbvio.
Ao se comportar assim, é difícil ser visto como algo diferente de um quarterback de segunda-
feira de manhã.)

ANCORAGEM E AJUSTE

Este é um viés cognitivo que nos leva a basear estimativas e decisões em âncoras conhecidas,
ou posições familiares, com um ajuste subsequente em relação a este ponto de partida
(Kahneman e Tversky 1973). Somos melhores no pensamento relativo do que no pensamento
absoluto.
Se nos perguntarem se o preço do petróleo bruto era superior ou inferior a 60 dólares por
barril, é igualmente provável que damos qualquer uma das respostas. Mas se nos perguntassem
qual era o preço real, provavelmente adivinharíamos que estava em algum lugar perto do nível
de US$ 60. Fomos ancorados pela pergunta anterior.

Isto pode ser um problema particular na negociação de volatilidade, onde fazemos

julgamentos sobre valores relativos de volatilidades implícitas e futuras realizadas. Se nos
perguntarem: “Você venderia volatilidade implícita a 40% na AAPL?” nossos cérebros se
ancorarão nesse nível. Esta é uma pergunta muito diferente de “Qual nível você venderia na
AAPL?” Tente estabelecer os seus níveis de compra e venda antes de olhar para a volatilidade
implícita do mercado para evitar este tipo de viés. Fazer o contrário é mais do que apenas
espreitar as respostas; isso mudará ativamente suas respostas.

RESUMO

As finanças comportamentais são um assunto fascinante e, embora até agora não tenham
conseguido fornecer uma alternativa convincente à teoria financeira padrão, são muito úteis
para um trader. Ajuda-nos a fornecer uma lista de armadilhas a evitar e é um bom local para
procurar novas ideias de negociação.

Não negocie com muita frequência.

Não negocie muito.

Não entre em negociações onde você precisa estar absolutamente correto para lucrar.
Machine Translated by Google

Psicologia 163

Perceba que as posições longas de volatilidade perderão dinheiro na maioria dos dias, mesmo que
eles acabam sendo lucrativos.
Admita quando estiver errado.
Considere seriamente os benefícios de negociar com um parceiro que possa fornecer pontos de
vista alternativos.
Esteja totalmente ciente de sua verdadeira fonte de vantagem.
Tenha o cuidado de ponderar adequadamente as novas informações, dado o seu contexto
e tamanho da amostra.
Seja agressivo ao procurar evidências que contradigam sua visão ou
posição.
Avalie cuidadosamente cada negociação quanto aos seus méritos contínuos.
Tente formular os níveis de compra e venda antes de olhar para o implícito
níveis de volatilidade.
Considere cuidadosamente se as fontes de notícias que você usa realmente ajudam ou
apenas faça você pensar como todo mundo no mercado.
Continue a aprender sobre todos os aspectos da negociação.
Machine Translated by Google
Machine Translated by Google

CAPÍTULO 9

Ciclo de vida de
uma negociação

processo pré-negociação de encontrar uma negociação em potencial, medir e prever

Neste capítulo examinaremos
volatilidade, então execute detalhadamente um único
e proteja as opções. comércio.
A maior parte daComeçamos
negociação com
real o
consiste em refazer o hedge de acordo com nosso plano predeterminado e reavaliar
constantemente a posição para que nossa exposição seja um reflexo de nossos
pensamentos atuais. Por fim, saímos da negociação e passamos pela análise pós-negociação.

ANÁLISE PRÉ-TRADE

25 de junho de 2007

O computador Apple (AAPL) era um queridinho do mercado. Posicionada na confluência

das indústrias da moda e da tecnologia, aparentemente não poderia fazer nada de
errado, uma vez que o preço das suas ações aumentou para mais de 125 dólares por
ação. Nos cinco anos anteriores, o índice subiu de US$ 8,57, numa base ajustada por
divisão, um aumento de 1.358%, em comparação com um ganho de 54% do S&P 500.
O iPod foi um fenômeno cultural e os comerciais de Mac versus PC eram geralmente
adorados. Esperava-se que o lançamento do iPhone, agendado para 29 de junho, fosse
o catalisador para outra explosão explosiva.1 A Apple era um exemplo perfeito da ação
que muitas pessoas esperavam que se recuperasse e se recuperasse em grande escala. Por outro lado

1Uma excelente avaliação das atitudes do primeiro grupo de compradores do iPhone foi
fornecida por Charles Golvin, da Forrester Research, no Morning Call da CNBC de 2 de julho
de 2007. Ele observou que a Apple tinha que vender para outros além deste grupo hardcore que

165
Machine Translated by Google

166 NEGOCIAÇÃO DE VOLATILIDADE

o hype estava atraindo o número padrão de tipos contrários que eram

prevendo um grande fracasso iminente. Este é o tipo de situação que pode facilmente
resultar em opções superfaturadas, já que os traders direcionais apostam em grandes movimentos.
licitando o valor de opções de venda e de compra.
A volatilidade implícita de julho vinha aumentando progressivamente há várias semanas,
subindo de meados dos anos vinte até os trinta e tantos anos. Figuras 9.1
a 9,5 mostram as várias medidas de volatilidade.

0,6

0,5

0,4

0,3
Volatilidade

0,2

0,1

0
24/03/06 02/07/06 10/10/06 18/01/07 28/04/07 06/08/07

Data

FIGURA 9.1 Volatilidade de fechamento a fechamento em 30 dias

0,4
0,35

0,3

0,25
Volatilidade

0,2

0,15

0,1

0,05

0
24/03/06 02/07/06 10/10/06 18/01/07 28/04/07 06/08/07

Data

FIGURA 9.2 A volatilidade de Parkinson em 30 dias

comprou o iPhone para “realizar fantasias” e “realizar todos os seus sonhos”.

Este comentário reflete tanto o entusiasmo altista de um grupo quanto a resposta baixista de outro.
Machine Translated by Google

Ciclo de vida de uma negociação 167

0,5
0,45
0,4
0,35
0,3
0,25
Volatilidade

0,2
0,15
0,1
0,05
0
24/03/06 02/07/06 10/10/06 18/01/07 28/04/07 06/08/07

Data

FIGURA 9.3 A volatilidade Garman-Klass de 30 dias

0,4

0,35

0,3

0,25

0,2
Volatilidade

0,15

0,1

0,05

0
24/03/06 02/07/06 10/10/06 18/01/07 28/04/07 06/08/07
Data

FIGURA 9.4 A volatilidade de Rogers-Satchell em 30 dias

0,6

0,5

0,4

Volatilidade

0,3

0,2

0,1

0
24/03/06 02/07/06 10/10/06 18/01/07 28/04/07 06/08/07
Data

FIGURA 9.5 A volatilidade Yang-Zhang de 30 dias

Machine Translated by Google

168 NEGOCIAÇÃO DE VOLATILIDADE

TABELA 9.1 Estimativas de Volatilidade

Yang Zhang 31.1

Perto de fechar 28,3
Parkinson 27.2
Classe Garman 29,9
Rogers Satchell 27.4
GARCH 36,1
Alta frequência 21,0

A Tabela 9.1 mostra os valores numéricos de todas as estimativas de volatilidade,

e a Figura 9.6 usa o cone de volatilidade para colocar a situação atual em uma situação
contexto histórico.
Após alguma discussão e análise dos dados, chegamos a uma previsão consensual de 29
para a volatilidade realizada nas próximas três semanas (o
duração dos contratos de opções de julho). A volatilidade implícita de julho foi de 41 lances.
Isso deu uma vantagem de 41 por cento. O spread normal para AAPL foi em torno de
20 a 25 por cento. Para colocar isto no contexto do mercado global, o VIX foi
negociando 16,5 e nossa volatilidade prevista foi de 12,6 por cento para uma margem de 31
por cento. Este spread foi um pouco maior do que o normal, mas não dramaticamente
então.

Neste ponto estávamos razoavelmente confiantes de que tínhamos uma vantagem no

spread entre a volatilidade implícita e a volatilidade realizada, ambas em termos absolutos
e níveis relativos. Também tivemos um catalisador claro que causou esta propagação
e que pensávamos estar a ser exagerado pelos meios de comunicação populares. Nós
decidiu operar vendido na volatilidade implícita da AAPL.

0,6
0,55
0,5
0,45
0,4
0,35
Volatilidade

0,3
0,25
0,2
0,15
0,1
0,05
0
30 60 90 120
Tempo (dias)

FIGURA 9.6 O Cone de Volatilidade de Dois Anos para AAPL

Machine Translated by Google

Ciclo de vida de uma negociação 169

A Negociação Na tarde do dia 25 de junho começamos a vender. Nós vendemos

um lote de 12 de opções de compra de 125 de julho a 5,1 e comprou 500 ações a 124,08 (dando um
volatilidade implícita de 41,2). Mais tarde, quando o mercado quebrou, vendemos 50 dos
125 de julho está em 10,7 e vendeu 300 ações a 122,27 (volatilidade implícita
de 40,85). No final do dia, estávamos vendidos em US$ 1.450 vega, o que nos dava um lucro
esperado de aproximadamente US$ 16.000. Nossa faixa de cobertura, usando o Zakamouline
esquema, era inicialmente de 800 ações em torno do delta do BSM (então consideramos
qualquer posição dentro de 800 ações fixas não valerá a pena ser coberta).

Posição Diária
Subjacente Delta Gama Theta Vega
122,34 106 ÿ346 1.135 ÿ1,451

Corte de cabelo US$ 51.015

P/L Diário $(121)
Total P/L $(121)

26 de junho de 2007

AAPL abriu ligeiramente em alta em 123,97, em linha com uma ligeira recuperação no mercado
geral. As ações caíram no final da manhã. Vendemos mais 50 125
opções de compra (com uma volatilidade implícita de 42) e as cobriu ligeiramente para permanecer
dentro da banda delta. Nosso P/L total esperado era agora de US$ 20.000 e nosso
a faixa de cobertura aumentou para 1.000 ações. A ação caiu ainda mais depois
no dia.

Posição Diária
Delta Gamma Theta Vega subjacente
119,65 ÿ470 180 1.666 ÿ1.919

Corte de cabelo US$ 68.893

P/L Diário $(4.832)
Total P/L $(4.953)

27 de junho de 2007

Este foi um dia muito tranquilo. Nenhuma cobertura foi necessária.

Posição Diária
Subjacente a Delta Gama Theta Vega
121,99 ÿ562 ÿ519 1.716 ÿ1995

Corte de cabelo US$ 89.645

P/L Diário US$ 5.338
Total US$ 385
Machine Translated by Google

170 NEGOCIAÇÃO DE VOLATILIDADE

28 de junho de 2007

Este foi mais um dia muito tranquilo. Não é necessária cobertura.

Posição Diária
Delta Gamma Theta Vega subjacente
120,56 ÿ552 1.569 ÿ1.869
ÿ56

Corte de cabelo US$ 80.582

P/L Diário US$ 7.044
Total P/L US$ 7.429

29 de junho de 2007

Houve uma ligeira recuperação nas ações e alguma instabilidade geral, como
As conversas relacionadas ao iPhone pareciam estar surtindo algum efeito. Tivemos que comprar
em 400 ações na alta.

Posição Diária
Delta Gamma Theta Vega subjacente
122,04 ÿ298 ÿ566 1.707 ÿ1.911

Corte de cabelo US$ 84.623

P/L Diário $(823)
Total P/L US$ 6.606

2 de julho de 2007

Praticamente não houve movimento algum nas ações hoje. A volatilidade diminuiu
consideravelmente para 34 e tentámos recomprar parte da oferta. Nós éramos
não preenchido.

Posição Diária
Delta Gamma Theta Vega subjacente
121,26 ÿ654 1446 ÿ1683
714

Corte de cabelo US$ 86.127

P/L Diário US$ 7.044
Total P/L US$ 7.429

3 de julho de 2007

Esta manhã decidimos liquidar a posição, se possível. Implícito

volatilidade havia diminuído, realizamos uma boa proporção de nossas expectativas
P/L e tínhamos poucas outras posições em nosso livro. Isso nos deu um problema
Machine Translated by Google

Ciclo de vida de uma negociação 171

com a falta de diversificação e tivemos que ser mais avessos ao risco, principalmente com o feriado de
4 de julho se aproximando. Além disso, esperávamos que a volatilidade diminuísse antes do feriado, o
que facilitaria a nossa liquidação, mesmo que tivéssemos de levantar ofertas.

Comprámos de volta as nossas posições vendidas com uma volatilidade implícita média de 29.

Lucro diário $ 11.783,75

Lucro total $ 18.389,75

ANÁLISE PÓS-TRADE

Em sete dias, ganhamos US$ 18.390 com um corte de cabelo médio de US$ 76.805, proporcionando
assim um retorno sobre o corte de cabelo de 23,9% (podemos negligenciar o efeito dos juros aqui, pois
foram apenas cerca de US$ 100). Perdemos dinheiro em três dias, mas no primeiro deles estávamos
incorrendo em custos ao cruzar ativamente o spread de compra/venda nas opções, e no segundo dia
ficamos felizes o suficiente para vender mais na oferta, já que a volatilidade implícita diminuiu
ligeiramente. mais lance. Na verdade, não temos dados suficientes para detalhar ainda mais esse
comércio específico.

Este comércio foi excessivamente bem-sucedido. Fizemos quase exatamente o que esperávamos
e fizemos isso em sete dias, em vez de ter que manter a posição até o vencimento, como havíamos
planejado. Isto é amplamente preferível e é uma razão convincente para procurar negociações com
catalisadores especificamente cronometrados que possam fazer com que a volatilidade implícita se
mova em sua direção. Ter que manter uma negociação até o vencimento obviamente nos expõe a mais
riscos.
A nossa decisão de sair foi perfeitamente cronometrada, pois às 9h00 EST a ação começou uma
forte subida para fechar nos 127. Isto não teria funcionado bem para nós. A volatilidade implícita subiu
para 43 e teríamos perdido dinheiro protegendo a nossa gama curta. Isto seria inevitável,
independentemente da nossa política de cobertura específica, uma vez que um intervalo diário desta
dimensão implicaria uma volatilidade de cerca de 110 por cento. Ter menos de 30 anos teria sido um
perdedor.
No entanto, se mantivéssemos a nossa negociação até ao vencimento, ainda teríamos ganho
dinheiro. Executar a negociação como uma negociação em papel até o vencimento e fazer hedge de
acordo com a estratégia que teríamos usado deu um perfil de P/L conforme mostrado na Tabela 9.2 e
na Figura 9.7.
Esta não é a negociação perfeita que alcançamos ao sair mais cedo, mas é um vencedor sólido.
Tal como a nossa análise pré-negociação indicou, tínhamos margem de erro suficiente para que o
grande movimento de 5 de julho não fosse suficiente para transformar a negociação num perdedor.

Fazemos essas negociações com base na premissa de que a volatilidade implícita é incorreta ao
longo da vida da opção. É a volatilidade média que é importante.
Machine Translated by Google

172 NEGOCIAÇÃO DE VOLATILIDADE

TABELA 9.2 Lucro/Perda da Negociação de Papel Realizada até o Vencimento

Data P/L Total P/L

25/06/2007 $ (121) $ $(121)

26/06/2007 (4.832) $ $(4.953)
27/06/2007 5.338 $ US$ 385

28/06/2007 7.044 $ US$ 7.429

29/06/2007 (823) $ US$ 6.606
02/07/2007 7.044 $ US$ 13.650
03/07/2007 321 $ US$ 13.971
05/07/2007 (21.766) $ $(7.795)
06/07/2007 5.112 $ $(2.683)
09/07/2007 (584) $ $(3.267)
10/07/2007 2.618 $ $(649)
11/07/2007 3.414 $ US$ 2.765
12/07/2007 2.989 $ US$ 5.753
13/07/2007 (476) $ US$ 5.277
16/07/2007 (9) $ US$ 5.268
17/07/2007 3.045 $ US$ 8.313
18/07/2007 (1.305) $ US$ 7.008
19/07/2007 1.160 $ US$ 8.168
20/07/2007 (1.450) US$ 6.718

Podemos nos dar ao luxo de ter alguns dias ruins. O real perto-de-fechar realizado
a volatilidade foi de 30,1 por cento. Vendemos um nível médio de cerca de 41,6 por cento
e nosso vega inicial era de cerca de 1.900. Teríamos assim esperado
ganhe $ 1.900 × (41,6 - 30,1) = $ 21.850. Então, na verdade, tivemos azar, mas
não porque previmos a volatilidade incorretamente - estávamos quase exatamente

US$ 20.000

US$ 15.000

US$ 10.000

US$ 5.000

L
Total

US$ 0

$(5.000)

$(10.000)
22/06/07 27/06/07 02/07/07 07/07/07 12/07/07 17/07/07 22/07/07

Data

FIGURA 9.7 O P/L teórico para o comércio AAPL

Machine Translated by Google

Ciclo de vida de uma negociação 173

correto em nossa previsão. Tivemos azar porque tivemos uma grande mudança
isso nos afastou do nosso ataque curto. A mudança ocorreu onde estávamos
gama curta, e então ficou tranquilo quando não tivemos muita volatilidade
exposição.
O que deveríamos ter feito se não tivéssemos saído do comércio em 3 de julho?
Teríamos levado um golpe feio no dia 5. Devemos então reavaliar
se ainda temos vantagem na nova volatilidade prevista, na nova volatilidade implícita
volatilidade e a quantidade de vega que ainda nos resta. Nós deveríamos fazer
isso continuamente para todos os negócios. Se ainda gostamos do comércio, deveríamos continuar com
isto. Podemos até querer adicionar mais.
Nunca devemos ser impedidos de sair de uma negociação só porque perdemos
dinheiro. Saímos das negociações se não gostamos mais delas – perdendo dinheiro, enquanto
profundamente desagradável, nunca deve ser o único critério para sair. Um clichê básico
'
do trader é sempre ter um stop, mas isso é excessivamente simplista, pois não leva em
conta a dinâmica da negociação. Esperamos alta
volatilidade seja transitória, portanto parar após cada explosão de alta volatilidade não é
uma boa ideia. Em vez de um stop baseado apenas no nosso P/L,
temos um plano baseado em nossa avaliação de vantagem e em nosso tamanho inicial de negociação. Negociações
estragar não deve ser muito doloroso se forem mantidos pequenos o suficiente.

RESUMO

Um velho ditado comercial é “planejar a negociação e depois negociar o plano”.

Procure situações em que a volatilidade implícita difere significativamente

suas previsões, tanto para ações específicas quanto no contexto do mercado.
Avalie a causa fundamental dessa divergência.
Execute a negociação no tamanho apropriado e proteja-se dentro de suas faixas de
hedge pré-determinadas.
Mantenha até que sua vantagem seja alcançada, sua previsão de volatilidade mude
significativamente ou a posição expira.
Avalie continuamente o risco no contexto do seu portfólio geral.
Machine Translated by Google
Machine Translated by Google

CAPÍTULO 10

Conclusão

seu livro tem um tema central: Negociação bem-sucedida é desenvolver

T um processo consistente. Você deve ter um objetivo; você deve encontrar negociações com
borda; você deve capturar essa vantagem; e você deve dimensionar cada negociação de
uma forma que seja consistente com seu objetivo. Tudo o mais que você fizer deve ser feito dentro
desta estrutura.
Seu objetivo deve ser claramente definido e facilmente expresso. Deve ser uma coisa. “Quero
ganhar o máximo de dinheiro possível, com risco mínimo e um rendimento estável” não é um
objetivo. São três gols. Você precisa se concentrar, pelo menos inicialmente, em uma coisa. Depois
de alcançar claramente aquilo, você poderá adicionar novas metas, mas se não enunciar claramente
uma meta, nunca alcançará nada. E se você não consegue explicar isso em uma frase,
provavelmente não está completamente claro sobre o que é. A seguir, as demais partes da
estratégia de negociação podem ser desenvolvidas, sempre pensando em como elas se enquadram
no quadro geral fornecido pelo objetivo.

Para ganhar dinheiro precisamos de uma vantagem. Qualquer metodologia de negociação

bem-sucedida deve ter uma vantagem estatística clara. Se você não sabe exatamente qual é a sua
vantagem, não deve negociar. Aqui nos concentramos na medição e previsão cuidadosas da
volatilidade realizada e pretendemos negociar quando esta diverge significativamente daquela
implícita no mercado de opções. Sempre que existir esta divergência, você deve entender por que
as opções são precificadas dessa maneira e por que o mercado está avaliando mal a situação. Por
vezes, os valores estarão em níveis historicamente sem precedentes e deveriam estar, porque a
atual situação fundamental para esse subjacente também não tem precedentes históricos.

175
Machine Translated by Google

176 NEGOCIAÇÃO DE VOLATILIDADE

Além da avaliação numérica de uma negociação potencial, você deverá ser capaz de
identificar e avaliar o motivo pelo qual a volatilidade implícita é precificada onde está. Este é o
ponto onde é necessário estar por dentro das notícias recentes, das tendências do setor e da
psicologia comportamental.
A volatilidade mal avaliada só pode ser capturada com uma estratégia de cobertura
eficiente e eficaz. Isto transforma os preços das opções de apostas direcionais em uma
negociação de volatilidade. O hedge pode parecer superficialmente como negociar o subjacente,
mas seu objetivo é totalmente diferente. Não estamos tentando fazer negociações direcionais
lucrativas. Estamos tentando administrar nosso comércio de volatilidade da maneira mais barata
possível. A cobertura torna a negociação de volatilidade muito dependente do caminho: é
perfeitamente possível prever a volatilidade corretamente e perder dinheiro.
Esta dissonância entre estar correto e ganhar dinheiro torna a negociação de volatilidade um
negócio inerentemente estatístico.
As negociações precisam ser dimensionadas corretamente. Isto significa que cada
negociação é avaliada de acordo com o seu retorno e risco projetados, no contexto geral dos
nossos objetivos. A mesma negociação será dimensionada de forma diferente por diferentes
traders, dependendo se pretendem maximizar os lucros ou atingir um determinado objetivo de
lucro específico a cada ano. Não sabemos como será o desempenho de cada negociação, mas
com a experiência podemos ficar cada vez mais confiantes na probabilidade estatística de
uma negociação ser vencedora. Um esquema de dimensionamento bem pensado pode
transformar uma série de eventos altamente incertos (como negociações de opções individuais)
num negócio consistentemente lucrativo.
No entanto, para fazer isso, você deve manter registros abrangentes e precisos. Você
absolutamente deve conhecer o perfil P/L de todas as suas negociações. Na verdade, se você
não fizer isso, não há como melhorar. Como você pode melhorar se nem sabe como está indo?
É certo que manter registros não é muito divertido, mas ter dinheiro é divertido e manter
registros é essencial para obtê-lo.

Este processo é necessário mas, infelizmente, fazer todas estas coisas não é suficiente.
Quando todas as coisas são iguais, o trader com mais conhecimento se sairá melhor, mas nem
todas as coisas são iguais. Há outras coisas que também são essenciais e, embora não consiga
quantificar realmente a sua importância, é perfeitamente possível que sejam ainda mais
importantes do que o conhecimento. O que são essas coisas?

CAPACIDADE DE EXECUÇÃO

Capacidade de execução é a habilidade que nos permite participar nas negociações em que
queremos nos envolver. Em produtos negociados em pit, isso pode estar relacionado à
proximidade física com corretores importantes ou até mesmo a ser um cara legal. A vantagem
de execução também pode vir da velocidade da tecnologia, das conexões com clientes
importantes ou do método de leitura consideravelmente menos confiável.
Machine Translated by Google

Conclusão 177

uma corretora, onde um trader aprende a adivinhar a ordem recebida a partir de certas pistas físicas.

Em muitas situações de negociação, a capacidade de execução é a habilidade mais

importante que se deve ter. Muitos traders terão a mesma ideia aproximada de valor.
Aqueles que são melhores em conseguir negociações serão aqueles que ganharão dinheiro.
Existem alguns traders sem conhecimento que são especialmente adeptos da execução comercial,
o que neutraliza muitos dos seus outros defeitos.

CONCENTRAÇÃO

A concentração é importante na negociação. Algumas pessoas são melhores em prestar atenção

do que outras.
A concentração por si só não é suficiente para transformar um trader não estudioso num
vencedor, mas pode ser a razão pela qual alguém que sabe menos do que você se sai melhor do
que você. Na verdade, parece que os traders mais experientes tendem a ser os mais deficientes
em termos de concentração.

SELEÇÃO DE PRODUTOS

A seleção de produtos é provavelmente o maior fator para o sucesso de um indivíduo. Você está
preparado para se mudar para Cingapura porque as coisas estão agitadas lá?
Não? Bem, alguém está. E ele será pago por essa disposição. Você prefere ser uma figura
conhecida em um produto complexo ou um desconhecido nas opções de milho? É comum ver o
ego atrapalhar traders inteligentes e instruídos.
É muito melhor ser um trader no poço mais desleixado do que trabalhar em um negócio altamente
competitivo.
Compreender o modelo de precificação, a volatilidade, o hedge, o dimensionamento da
negociação e a psicologia simples é muito importante. O conhecimento técnico deve ser aprendido
simplesmente porque pode ser aprendido. Porém, isso não garantirá o sucesso, porque há outros
aspectos que também precisam estar presentes para ter sucesso.
Esteja sempre ciente de que um modelo não é uma estratégia e uma estratégia não é um negócio.
Além disso, esteja ciente de que grande parte do seu sucesso reside na escolha de bons produtos
para comercializar. Mesmo o melhor trader terá dificuldade em negociar um produto com pouco
interesse do usuário final, enquanto muitos traders medíocres ganharam dinheiro negociando
produtos movimentados. Lembre-se de que o objetivo é ganhar dinheiro e não mostrar que você é
um grande trader.
Também precisamos prestar atenção a coisas aparentemente mundanas, como ter um bom
software de execução, hardware confiável, um escritório confortável e dormir o suficiente. No
entanto, o conhecimento é certamente uma fonte de vantagem. Assim, sendo todo o resto igual, o
trader com maior conhecimento terá mais sucesso.

Boa sorte.
Machine Translated by Google
Machine Translated by Google

APÊNDICE A

Sem modelo
Variância e
volatilidade implícitas

a derivação do BSM fez certas suposições sobre o comportamento

do subjacente. Também é possível, dadas as opções, calcular
Nosso uma volatilidade que não faz tais suposições. Isto é referido como
volatilidade implícita sem modelo e constitui a base para a fixação de preços de
swaps de variância e para o cálculo do índice VIX.
As trocas de variância foram baseadas em uma ideia de Carr e Madan
(1998). Eles usaram todo o conjunto de opções, e não apenas as opções at-the-
money, de um determinado vencimento para construir uma carteira cuja
exposição à variação fosse independente do preço subjacente. A ideia básica
foi formalizada por Britten-Jones e Neuberger (2000) e estendida por Jiang e
Tian (2005) ao caso em que os dividendos subjacentes pagos e a taxa livre de
risco são diferentes de zero. Eles mostram que a variância do retorno do ativo
entre dois momentos, T1 e T2 (no mundo neutro ao risco), é

ÿ
2 C(T2, K exp(rT2)) ÿ C(T1, K exp(rT1))
EVT1 ,T2 = dK (A.1)
T K2
0

Ou, se considerarmos que o momento de início é o presente, podemos

expressar isso em termos do preço futuro, Ft, e apenas usando opções fora do
dinheiro como

F ÿ
2 P(T, K) C(T, K) dK
ÿ dK + ÿ
E V01,T = exp(rT) (A.2)
T K2 K2
ÿ0 F ÿ

179
Machine Translated by Google

180 NEGOCIAÇÃO DE VOLATILIDADE

Na verdade, as equações (A.1) e (A.2) fornecem uma variância implícita livre de

modelo; quando extraímos a raiz quadrada introduzimos um viés ascendente pela
desigualdade de Jensen.

O ÍNDICE VIX

O Índice de Volatilidade (VIX) foi introduzido pela Chicago Board Options Exchange (CBOE) em 1993. Foi concebido
para ser um índice de referência para a volatilidade do mercado de ações. Em 2003, a metodologia de cálculo foi
alterada para fornecer um índice de volatilidade prospectivo independente do modelo: o valor esperado de volatilidade
do mercado de opções S&P 500 durante os próximos 30 dias. É uma versão discreta da equação (A.2) onde a integral
foi aproximada por uma soma. Pelo que eu sei, o primeiro estudo da situação discreta foi feito por Demeterfi et al.

(1999), que examinaram com algum detalhe o efeito da utilização de um número finito de golpes.

Uma comparação das duas metodologias para construção do VIX é apresentada em Carr e
Wu (2006). A derivação do valor justo para o VIX está prontamente disponível (ver, por exemplo,
www.cboe.com), e os valores do índice foram calculados retroativamente até 2 de janeiro de 1990.
É muito útil para testar ideias de negociação.

O VIX é calculado a partir de uma faixa ponderada de opções pela seguinte fórmula:

N 2
2 Ki 1 F
p2VIX = exp(rT)V(Ki) - ÿ1 (A.3)
T K2 T K0
eu=1 eu

F = K0 + exp(rT)(C0 ÿ P0) (A.4)

Fora+1 + Foraÿ1
Para (A.5)
=2

onde
r é a taxa livre de risco
T é o tempo de expiração (que o CBOE calcula em minutos)
F é o preço a prazo do índice
K0 é o preço de exercício imediatamente abaixo do preço a prazo
Ki é o strike da i-ésima opção fora do dinheiro
V é o preço médio da opção correspondente

As equações (A.3) a (A.5) são aplicadas às duas primeiras expirações de opções, T1 e T2, e
então interpolamos para encontrar uma constante de 30 dias.
Machine Translated by Google

Variância e volatilidade implícitas sem modelo 181

volatilidade:

NT2 - N30 N30 - NT1 N365

VIX = 100 T1ÿ2 VIX1 + T2ÿ2VIX2
NT2 - NT1 NT2 - NT1 N30

(A.6)

onde NT é o número de minutos restantes para o contrato correspondente

N30 = 43.200 (30 x 1.400)

N365 = 525.600 (365 x 1400)
Machine Translated by Google
Machine Translated by Google

APÊNDICE B

Planilha
Instruções

o resultado dos cálculos.

Em todas as planilhas, a entrada do usuário é obrigatória em células brancas. As células amarelas são

GARCH

Esta planilha usa MLE e o suplemento Solver para estimar um GARCH(1,1)

modelo. Também mostra a estrutura a termo da volatilidade consistente com esta
modelo. Esta planilha utiliza o complemento Solver, portanto não é protegida.

Acesse finance.yahoo.com.
Insira o símbolo na caixa “Obter cotações”.
Vá para o link “Preços históricos”, que fica no terceiro lugar a partir do topo da caixa
“Mais sobre (ABC)” à esquerda da página.
Defina a data de início quatro anos antes da data de término e clique em “Obter
Preços.”
Role até o final da página e clique em “Baixar para planilha”. Escolha a opção “Abrir”.

Recorte e cole todos os dados no Yahoo! Guia de dados financeiros em

Garch.xls.
Vá para Dados->Classificar->Por Data Crescente.
Vá para a guia GARCH(1,1) e certifique-se de que todos os dados estejam na faixa inferior
está correto. Quatro anos civis podem conter números ligeiramente diferentes
de dias de negociação, portanto algumas amostras terão durações diferentes. Também é

183
Machine Translated by Google

184 NEGOCIAÇÃO DE VOLATILIDADE

importante limpar o Yahoo! dados antes de reutilizar a planilha em um dia diferente.

Vá para Ferramentas-> Solver. As entradas devem ser configuradas para maximizar a célula G2
variando as células C3 a C5 com as restrições C3 >= 0, C4 >= 0
e C6 <= 0. Execute o Solver.
Na guia “Curva do Calendário”, você pode inserir sua melhor estimativa da volatilidade
atual na célula C7 e observar a curva do calendário implícita
pelo modelo GARCH ajustado.

CONES DE VOLATILIDADE E SKEW E

CONES DE CURTOSE

Essas planilhas produzem vários tipos de volatilidade, assimetria e curtose

cones de dados históricos.

Acesse finance.yahoo.com.
Insira o símbolo na caixa “Obter cotações”.
Vá para o link “Preços históricos”, que fica no terceiro lugar a partir do topo da caixa
“Mais sobre (ABC)” à esquerda da página.
Defina a data de início quatro anos antes da data de término e clique em “Obter
Preços.”
Role até o final da página e clique em “Baixar para planilha”.
Escolha a opção “Abrir”.
Recorte e cole todos os dados no Yahoo! Guia de dados financeiros em Volatilidade
Cones.xls ou cones de inclinação e curtose.xls.

SIMULAÇÃO DE COBERTURA DE OPÇÃO DIÁRIA

Aqui simulamos a evolução de uma posição comprada de opção protegida de 1.000

vega (isso pode ser alterado na célula O18 na planilha de retornos históricos e
célula N18 na planilha de retornos normais), onde fazemos hedge todos os dias no
fechar. Usamos a convenção padrão de opções dos EUA, onde uma opção é para
100 ações. A aba “Retornos Normais” gera um processo GBM a partir do
parâmetros nas células N3 e N4. A aba “Retornos Históricos” usa histórico
dados. Aqui a célula O4 é uma quantidade derivada e a célula O3 é definida como zero. Isso é
consistente com nossas premissas básicas relativas à medição da volatilidade a partir de
série temporal histórica.

Acesse finance.yahoo.com.
Insira o símbolo na caixa “Obter cotações”.
Machine Translated by Google

Instruções da planilha 185

Defina a data de início para um ano antes da data de término e clique em “Obter
Preços.” Verifique se isso fornece 250 dias de dados. Algum ajuste será
ser necessário aqui (e claramente a folha pode ser modificada para lidar com qualquer
comprimento dos dados históricos).
Role até o final da página e clique em “Baixar para planilha”.
Escolha a opção “Abrir”.
Recorte e cole todos os dados no Yahoo! Guia de dados financeiros em
Garch.xls.
Vá para Dados->Classificar->Por Data Crescente.
Na célula 013 (ou N13 na aba “Retornos Normais”) insira o valor implícito
volatilidade na qual a opção foi comprada (a natureza de soma zero da
negociação de derivativos significa que os resultados de uma posição curta são os
exatamente o oposto daqueles por muito tempo).
A volatilidade de cobertura pode ser ajustada na célula O7 (N7 na coluna “Normal
Guia Devoluções”).
A planilha “Retornos normais” pode ser recalculada pressionando a tecla F9.

AVALIAÇÃO COMERCIAL

Esta planilha é um modelo para o processo de avaliação pós-negociação. P/Ls diários

são inseridos na coluna C e os cortes de cabelo na coluna H. A taxa de juros é
inserido na célula E2.

OBJETIVOS DE NEGOCIAÇÃO

Neste caso simulamos os resultados de uma estratégia com um determinado P/L esperado
e índice de Sharpe (células C3 e C4). Ele traça 20 realizações do processo
mais de meio ano. É evidente que mesmo os traders muito bons podem ter resultados muito medíocres.
resultados no curto prazo. Use a tecla F9 para recalcular.

CURVA DE INCLINAÇÃO DE CORRADO-SU

Esta planilha usa mínimos quadrados e Solver para extrair a volatilidade implícita,
assimetria e curtose consistentes com o modelo Corrado-Su, do
preços de opções de compra cotados. Esta planilha utiliza o complemento Solver para que
não está protegido. Defina os parâmetros nas células C2 a C4. Defina o mais baixo
greve na célula E3. Insira os preços médios de chamada nas células H3 a H9.
Abra o Solucionador. Deve ser definido para minimizar a célula J2 (a soma dos quadrados
Machine Translated by Google

186 NEGOCIAÇÃO DE VOLATILIDADE

das diferenças entre os preços de mercado e os preços de Corrado-Su) alterando as células C5 a

C7. A curva de volatilidade implícita em função do exercício pode ser produzida inserindo as
volatilidades implícitas diretamente nas células F3 a F9 ou usando o Solver. Por exemplo, para obter
a volatilidade implícita do strike 35, use o Solver para minimizar a diferença entre as células G3 e
H3 alterando a célula F3.

SIMULADOR DE REVERSÃO MÉDIA

Aqui temos uma simulação para negociar um processo de reversão à média usando as regras do
Capítulo 6. A aba “'Normal Noise' simple” usa uma regra modificada para entrar em uma negociação
onde o subjacente é conduzido por um processo Ornstein-Uhlenbeck com distribuição normalmente
inovações com desvio padrão de um. O nível de entrada é definido alterando a célula J3. Um valor
de 2 significa que entramos na negociação quando nos desviamos do valor justo em dois desvios
padrão. Neste ponto comprometemos metade da nossa riqueza disponível. A posição é mantida até
que o ativo retorne ao valor justo. A aba “'ruído normal' exato” dimensiona nossa entrada de acordo
com a regra ótima da equação (6.28). As guias de cauda gorda simulam a mesma negociação, mas
para o caso em que o ruído é distribuído em T. Isso introduz curtose excessiva. A curva P/L gerada
em “ruído exato de 'cauda gorda'” mostra que a lei de escala da equação (6.28) é muito agressiva
para esta situação; no entanto, ainda podem ser encontradas regras simples (ajustando a célula Z3
na aba “ruído simples de 'cauda gorda'”) que são lucrativas.
Machine Translated by Google

Recursos

avaliar muitas vezes envolve tomar decisões instantâneas, geralmente com base em informações

T informações completas. Isto tende a colocar os traders numa situação muito orientada para o agora.
mentalidade e torna difícil planejar o avanço na carreira além do próximo vencimento. Mas os
mercados, os produtos e a tecnologia mudam e temos de continuar a aprender. Os livros e sites
listados aqui variam desde aqueles que são absolutamente essenciais até aqueles que por acaso
considero instigantes.

LIVROS ESSENCIAIS

Opções, Futuros e Outros Derivados por John C. Hull (Prentice Hall, 2005)

Esta é a introdução padrão aos derivativos. Como tal deveria

ser lido por todos os vendedores, comerciantes e analistas quantitativos. Possui excelente
abrangência e pressupõe muito pouco conhecimento prévio.
Assumimos a maior parte deste material como um pré-requisito.

O guia completo para fórmulas de preços de opções por Espen Gaarder Haug (McGraw-Hill,
1997)
Este é o recurso definitivo desse tipo. Ele contém as fórmulas de preços para mais de 80
tipos de baunilha e opções exóticas junto com seus gregos. Ele também fornece inúmeras
soluções aproximadas e métodos numéricos e contém um CD com diversas planilhas e o
código VBA para todas as equações. Este livro é uma referência absolutamente indispensável.

Criação de mercado de opções por Allen Jay Baird (John Wiley & Sons, 1992)
Este é um livro maravilhoso sobre como ser um operador de pregão. Trata-se de
execução e gerenciamento de riscos. Não é de todo quantitativo e, com a importância cada
vez menor do pregão, sua aplicação está se tornando mais limitada. No entanto, deve ser lido
por todos os traders de opções. Este seria o melhor livro sobre opções de criação de mercado,
mesmo que não fosse o único livro sobre opções de criação de mercado. O público-alvo deste

187
Machine Translated by Google

188 RECURSOS

livro, pequenos criadores de mercado de opções, tiveram que aprender técnicas de

gerenciamento de risco muito robustas e livres de modelos, e Baird consegue escrever sobre
elas de uma forma que seja acessível a qualquer pessoa do setor financeiro. Eu acharia difícil
levar alguém a sério como operador de opções se não tivesse lido este livro.

A Matemática da Gestão de Dinheiro: Técnicas de Análise de Risco para Traders por Ralph
Vince (John Wiley & Sons, 1992)
Este livro apresenta ao trader as ideias e cálculos necessários para usar o critério de
Kelly. O autor fica um pouco frenético ao atacar que Kelly só é aplicável a negociações com
resultados binários, e algumas das notações são um pouco idiossincráticas, mas a maioria dos
traders se beneficiaria consideravelmente com a leitura deste livro e trabalhando com alguns
dos exemplos. O paradigma Kelly certamente tem problemas, mas isso não é desculpa para
não compreendê-lo completamente.

Um guia prático para prever a volatilidade do mercado financeiro, por Ser-Huang Poon (John
Wiley & Sons, 2005)
Esta é uma revisão sólida da enorme literatura acadêmica. Este é um resumo bem
escrito que inclui métodos de avaliação de previsões, modelos históricos de volatilidade, a
família GARCH, modelos de memória longa e volatilidade estocástica. Destina-se a “financiar
estudantes e profissionais de doutorado” (do Prefácio) e não é um livro ideal para um iniciante
completo. Isto ocorre principalmente porque muitas informações são fornecidas e podem ser
muito concisas. Também é complementado por uma excelente bibliografia e uma seção que
resume os resultados de 93 estudos seminais de volatilidade.

Cobertura Dinâmica por Nassim Taleb (John Wiley & Sons, 1996)
Este também é um livro voltado para o trader profissional de opções. Depende fortemente de regras

práticas para gerenciar os riscos de uma carteira de opções. É mais fraco no fornecimento de uma base teórica
ou de provas empíricas da eficiência ou da optimização destas regras. O foco está quase inteiramente na gestão
do risco das opções. Não há menção à previsão de volatilidade ou à descoberta de negociações com valor

esperado positivo. Apesar do título, a questão básica de como proteger uma posição não é realmente respondida
em nada além de vagas generalidades. Apesar de todas essas críticas, esta foi e ainda é uma introdução muito
boa ao que os traders de opções realmente fazem. Quando foi publicado pela primeira vez, foi uma espécie de
revelação.

A psicologia da negociação: ferramentas e técnicas para cuidar do

Mercados por Brett Steenbarger (John Wiley & Sons, 2004)
Eu disse algumas coisas duras no Capítulo 8 sobre o que foi escrito sobre os aspectos
psicológicos da negociação. Mantenho a minha crítica à grande maioria das coisas escritas
sobre este assunto por pessoas que são
Machine Translated by Google

Recursos 189

nem psicólogos nem comerciantes. Este livro é uma exceção notável.

Na verdade, é feito por um terapeuta que aplica técnicas de psicologia clínica para treinar
traders, com resultados mensuráveis. Ele enfatiza a necessidade de uma vantagem acima de
tudo, mas depois mostra maneiras pelas quais podemos nos treinar para sermos melhores
traders.

A superfície da volatilidade: um guia prático de Jim Gatheral (John Wiley & Sons, 2006)

Este livro fornece uma introdução sucinta aos modelos de volatilidade estocástica. Está
bem escrito sem simplificar demais as questões. As coisas são vistas do ponto de vista de um
profissional e não de um acadêmico.
As provas geralmente não são formais e são projetadas para enfatizar a visão financeira em
detrimento do rigor. Os comerciantes podem achar um pouco da matemática difícil, mas há
uma visão financeira a ser obtida para aqueles que perseveram. Existem boas seções sobre
soluções assintóticas, derivativos de volatilidade e derivativos básicos de crédito.

LIVROS QUE PROVOCAM PENSAMENTO

Seu pior inimigo do pôquer, de Alan Schoonmaker (Lyle Stuart, 2007)

Este livro é muito útil para qualquer trader que tenha a mente aberta o suficiente para
substituir “pôquer” por “negociação”. Está repleto de conselhos práticos sobre como lidar com
a pressão que uma profissão orientada para o curto prazo e orientada para os resultados pode
trazer.

Faixa preta no blackjack: jogar 21 como arte marcial por Arnold Schny-der (Cardoza, 2005)

Escrito por um membro do hall da fama do blackjack (possivelmente não de Cooperstown, mas à
frente do Hall da Fama dos Derivados), este livro ensina os jogadores a jogar a nível profissional. Tal
como no trading, os jogadores de blackjack precisam de encontrar uma vantagem, gerir o seu dinheiro
e executar a sua estratégia. Duvido que os traders que não consigam encontrar nada relevante tenham
a imaginação necessária para ter sucesso a longo prazo.

Moneyball: a arte de vencer um jogo injusto, de Michael Lewis (WW Norton & Company, 2003)

Um livro lindamente escrito sobre como os Oakland A's encontram jogadores

subvalorizados e conseguem competir com times cuja folha de pagamento é múltipla da deles.
Se os A's tentassem construir um time de estrelas como os Yankees, perderiam. Eles foram
forçados a tentar outra coisa. Se todos estão fazendo uma coisa, para vencer precisamos
fazer melhor. Em algum momento pode ser melhor tentar fazer algo diferente da multidão.
Machine Translated by Google

190 RECURSOS

Sobre a psicologia da incompetência militar, de Norman Dixon (Básico

Livros, 1976; Casa Aleatória, 1994)
Este é um estudo histórico muito melhor dos preconceitos e deficiências de raciocínio a
que estamos propensos do que qualquer coisa que possa ser encontrada na seção de
negócios.

SITES ÚTEIS

www.nuclearphynance.com Este é
um fórum de finanças quantitativas (quant). A atitude agressiva dos participantes
seniores mantém a relação sinal-ruído muito elevada.
Há também um respeito mútuo notável, e as pessoas geralmente só oferecem opiniões e
conselhos sobre tópicos nos quais são verdadeiramente especialistas. Os recém-chegados
que usarem primeiro a função de pesquisa e fizerem perguntas sensatas serão bem-vindos.
www.gummy-stuff.org Este site

notável é propriedade de
Peter Ponzo, um professor canadense aposentado de matemática que explica as
finanças matemáticas como um hobby.
O estilo um tanto peculiar não deve desviar a atenção do excelente material didático. Se você
precisa descobrir como a cointegração é definida ou como visualizar a assimetria, esta deve
ser sua primeira parada.
www.ssrn.com
Este é o site da Rede de Pesquisa em Ciências Sociais.
Muitos artigos acadêmicos (em funcionamento e publicados) estão disponíveis aqui.
A função de pesquisa aqui deve ser a primeira parada quando se precisa encontrar informações
sobre um novo tópico.

www.nber.org Este
é o site do National Bureau of Economic Research.
Outra grande coleção de artigos está arquivada aqui. O foco geralmente está na
macroeconomia. Alguns dados fundamentais também estão disponíveis.
www.behaviouralfinance.net
Este é provavelmente o melhor lugar para procurar artigos sobre finanças
comportamentais. Os artigos estão organizados em categorias. Este site é um ótimo lugar
para debater novas ideias de negociação. www.unifr.ch/

econophysics Este site contém uma

coleção de artigos de econofísica: artigos que aplicam as técnicas da física estatística
às finanças. Existem também algumas resenhas de livros e alguns dados, mas essas seções
são atualizadas apenas esporadicamente. A pior econofísica é feita por físicos que dominam
alguma técnica e estão determinados a aplicá-la de alguma forma.
Machine Translated by Google

Recursos 191

finanças (todo problema é um prego se a sua única técnica for um martelo).

A melhor econofísica forneceu novos insights sobre a volatilidade, aplicando leis de escala a
dados e métodos emprestados de estudos de matéria condensada para analisar as
características da carteira de ordens. Este site não é um recurso diário, mas vale a pena dar
uma olhada nos novos jornais a cada poucas semanas.

http://citeseer.ist.psu.edu
Este site é um recurso útil para acompanhar as citações de outros artigos. Por exemplo,
você pode ver quem escreveu artigos que se referem à publicação original de Black-Scholes.
www.ivolatility.com Este site oferece dados

históricos, tanto sobre

preços brutos de opções, volatilidade por exercício, quanto na forma de índices de
volatilidade (semelhantes ao VIX) para opções de ações dos EUA, Europa e Canadá, e uma
série de opções futuras. Há também vários classificadores, artigos de estratégia e recursos
educacionais disponíveis.

www.earnings.com Este
site oferece dados históricos sobre divulgação de lucros. Ele também oferece webcasts
de teleconferências de resultados e reuniões anuais. Este é um recurso muito bom se você
precisar analisar a reação do preço das ações de uma empresa às notícias sobre lucros. http://
finance.yahoo.com

Eu tenho este conjunto para ser minha página inicial. Este é o melhor lugar para começar
a procurar dados financeiros. Contém dados históricos, comunicados de imprensa, negociações
privilegiadas, opiniões de analistas, as últimas notícias e informações fundamentais.
Machine Translated by Google
Machine Translated by Google

Referências

Ahmad, R. e P. Wilmott. 2005. Qual almoço grátis você gostaria hoje, senhor?
Wilmott, novembro, 64–79.

Ahoniemi, K. 2006. Modelagem e previsão de volatilidade implícita: uma análise econométrica do índice VIX.
Documento de discussão 129, Centro de Pesquisa Econômica de Helsinque.

Ait-Sahalia, Y., P. Mykland e L. Zhang. 2005. Com que frequência amostrar um processo de tempo contínuo
na presença de ruído na microestrutura do mercado. Revisão de Estudos Financeiros 18:351–416.

Alexandre, C. 2001a. Modelos de mercado: um guia para análise de dados financeiros. Londres: John Wiley
& Sons.

Alexandre, C. 2001b. Domando a inclinação. Futuros e Opções Mundo 367:60–65.

Amir, E. e Y. Ganzach. 1998. Reação exagerada e subreação nas previsões dos analistas. Jornal de
Comportamento Econômico e Organização 37:333–347.

Andersen, ED e A. Damgaard. 1999. Preços de opções baseados em serviços públicos com custos de
transação proporcionais e problemas de diversificação: uma abordagem de otimização de pontos internos.
Matemática Numérica Aplicada 29: 395–422.

Arkes, HR 1981. Viés retrospectivo entre médicos que avaliam a probabilidade de diagnósticos. Jornal de
Psicologia Aplicada 66:252–254.

Baird, AJ 1992. Criação de mercado de opções: negociação e análise de risco para os mercados de opções
financeiras e de commodities. Nova York: John Wiley & Sons.

Bakshi, G. e N. Kapadia. 2003. Ganhos com cobertura delta e prêmio de volatilidade de mercado negativo.
Revisão de Estudos Financeiros 16:527–566.

Barberis, N., M. Huang e T. Santos. 2001. Teoria do Prospecto e Preços de Ativos.

Jornal Trimestral de Economia 116:1–53.

BARRA. 1997. Manual do Modelo de Impacto no Mercado. Berkeley: BARRA Inc.

Barton, D. e K. Dennis. 1952. As condições sob as quais as curvas de Gram-Charlier e Edgeworth são
positivas, definidas e unimodais. Biometrika 39:425–427.

Bernard, V. 1993. Reação do preço das ações aos anúncios de lucros: um resumo de evidências anômalas
recentes e possíveis explicações. Avanços em Finanças Comportamentais, ed. R. Thaler. Nova York:
Fundação Russell Sage.

193
Machine Translated by Google

194 REFERÊNCIAS

Blank, H., V. Fischer e E. Erdfelder. 2003. Viés retrospectivo em eleições políticas.

Memória 11:491–504.

Boguslavsky, M. e E. Boguslavskaya. 2004. Arbitragem sob poder. Risco, junho, 69–73.

Bollerslev, T. 1986. Heterocedasticidade Condicional Auto-Regressiva Generalizada.

Jornal de Econometria 31:307–327.

Bondarenko, O. 2003. Por que as opções de venda são tão caras? Documento de trabalho, Universidade de
Illinois, Chicago.

Brandt, MW e J. Kinlay. 2005. Estimando a volatilidade histórica. Artigo de pesquisa, Análise de investimento.
http://www.investment-analytics.com/files/Articles/
Brandt%20and%20Kinlay%20%20Estimating%20Historical%20Volatility%20v1.2%20 June%202005.pdf.

Brenner, M. e M. Subrahmanyam. 1994. Uma abordagem simples para avaliação e hedge de opções no
modelo Black-Scholes. Diário de Analistas Financeiros 50:25–28.

Britten-Jones, M. e A. Neuberger. 2000. Preços de opções, processos de preços implícitos e volatilidade

estocástica. Jornal de Finanças 55:839–866.

Brooks, C. e M. Oozeer. 2002. Modelagem da volatilidade implícita de opções em futuros de títulos longos.
Jornal de Negócios, Finanças e Contabilidade 29:111–137.

Brown, A. 2002. Ovos Verdes e Kelly. http://www.wilmott.com/detail.cfm?articleID=122.

Browne, S. 1999. Atingindo metas dentro de um prazo: opções digitais e gerenciamento ativo de portfólio em
tempo contínuo. Avanços na Probabilidade Aplicada 31:551–577.

Browne, S. 2000. Você consegue fazer melhor do que Kelly no curto prazo? Em Encontrando a vantagem:
análise matemática de jogos de cassino, ed. O. Vancura, J. Cornelius e WR Eadington, 215–231. Reno, NV:
Universidade de Nevada, Reno Bureau of Busi-
ness.

Bryant, FB e JH Brockway. 1997. Viés retrospectivo na reação ao veredicto no julgamento criminal de OJ

Simpson. Psicologia Social Básica e Aplicada 19: 225–241.

Burghart, G. e M. Lane. 1990. Como saber se as opções são baratas. Journal of Portfolio Management 16:72–
78.

Capocci, D. 2007. A Sustentabilidade no Desempenho de Fundos de Hedge: Novos Insights.

Documento de trabalho, HEC-ULg Management School, Universidade de Liege, França.

Carr, P. 1999. Perguntas frequentes sobre teoria de preços de opções. Documento de trabalho.

Carr, P., K. Ellis e V. Gupta. 1998. Cobertura Estática de Opções Exóticas. Jornal de Finanças 53:1165–1190.

Carr, P. e D. Madan. 1998. Rumo a uma teoria do comércio de volatilidade. Em Volatilidade: Novas Técnicas
de Estimação para Precificação de Derivativos. Londres: Livros de Risco.

Carr, P. e L. Wu. 2006. Um conto de dois índices. Diário de Derivados 13:13–29.

Chan, LK, N. Jegadeesh e J. Lakonishok. 1996. Estratégia de Impulso. Jornal de Finanças 51:1681–1714.
Machine Translated by Google

Referências 195

Chapman, S. 2007. O Critério Kelly para Apostas Spread. Jornal de Matemática Aplicada do IMA 72:43–51.

Christie, S. 2005. O Índice de Sharpe é útil na alocação de ativos? Artigo de pesquisa, Macquarie Applied
Finance Centre.

Clark, PK 1973. Modelo de Processo Estocástico Subordinado com Variância Finita para Preços Especulativos.
Econométrica 41:135–155.

Cont, R. e J. da Fonseca. 2002. Dinâmica de Superfícies de Volatilidade Implícita. Finanças Quantitativas

2:45–60.

Corrado, C. e T. Su. 1996. Distorção e curtose nos retornos do índice S&P 500 implícitos nos preços das
opções. Jornal de Pesquisa Financeira 19:175–192.

Cosmides, L. e J. Tooby. 1996. Afinal, os humanos são bons estatísticos intuitivos?

Repensando algumas conclusões da literatura sobre julgamento sob incerteza.
Cognição 58:1–73.

Coval, J. e T. Shumway. 2001. Retornos esperados das opções. Jornal de Finanças 56:983–1009.

Davis, MHA, VG Panas e T. Zariphopoulou. 1993. Preços de opções europeias com custos de transação.
Jornal de Controle e Otimização da Sociedade de Matemática Industrial e Aplicada 31:470–493.

Demeterfi, K., E. Derman, M. Kamal e J. Zou. 1999. Mais do que você sempre quis saber sobre swaps de
volatilidade. Notas de pesquisa de estratégias quantitativas. Goldman Sachs.

Derman, E. e M. Kamal. 1997. Os padrões de mudança nas volatilidades implícitas dos índices. Notas de
pesquisa de estratégias quantitativas. Goldman Sachs.

Dimson, E., P. Marsh e M. Staunton. 2002. Triunfo dos Otimistas: 101 Anos de Retornos de Investimentos
Globais. Princeton, NJ: Princeton University Press.

Ding, Z. e CWJ Granger. 1996. Modelagem da Persistência da Volatilidade de Retornos Especulativos: Uma
Nova Abordagem. Jornal de Econometria 73:185–215.

Dupire, B. 2006. Fair Skew: Superfície de Volatilidade do Ponto de Equilíbrio. Documento de trabalho,
Bloomberg LP

Elstein, AS 1999. Heurísticas e preconceitos: erros selecionados no raciocínio clínico.

Medicina Acadêmica 74:791–794.

Engle, RF 1982. Heteroscedasticidade Condicional Auto-Regressiva com Estimativas da Variância da Inflação

do Reino Unido. Econométrica 5:987–1008.

Engle, RF e GGL Lee. 1999. Um modelo de componente de longo e curto prazo de volatilidade do retorno de
ações. Em Cointegração, Causalidade e Previsão, ed. RF
Engle e H. White. Oxford, Reino Unido: Oxford University Press.

Ethier, S. 1996. Um sistema de jogo e uma cadeia de Markov. Anais de Probabilidade Aplicada 6:1248–1259.

Festinger, L. 1957. Uma Teoria da Dissonância Cognitiva. Stanford, CA: Stanford University Press.

Garman, MB e MJ Klass. 1980. Sobre a estimativa das volatilidades dos preços dos títulos a partir de dados
históricos. Jornal de Negócios 53:67–78.
Machine Translated by Google

196 REFERÊNCIAS

Gatheral, J. 2001. O modelo de impacto de mercado da Merrill Lynch. Documento de trabalho, Merrill Lynch.

Gencay, R., M. Dacorogna, UA Muller e O. Pictet. 2001. Uma introdução ao financiamento de alta frequência.
Londres: Academic Press.

Glaser, M., M. Noth e M. Weber. 2004. Finanças Comportamentais. No Manual de Julgamento e Tomada de
Decisão de Blackwell, ed. DJ Koehler e N. Harvey, 527–546.
Malden, MA: Publicação Blackwell.

Glosten, LR, R. Jagannathan e DE Runkle. 1993. Sobre a relação entre o valor esperado e a volatilidade do
excesso de retorno nominal das ações. Jornal de Finanças 48:1779–1801.

Gonçalves, S. e M. Guidolin. 2005. Dinâmica previsível na superfície de volatilidade implícita das opções do
índice S&P 500. Documento de trabalho, Federal Reserve Bank de St.
Luís.

Hafner, R. e M. Wallmeier. 2000. A dinâmica das volatilidades implícitas do DAX.

Documento de trabalho, Universidade de Augsburg.

Hansen, PR e A. Lunde. 2005. Uma comparação de modelos de volatilidade: alguma coisa supera um
GARCH (1,1)? Jornal de Econometria Aplicada 20:873–889.

Hasbrouck, J. 1991. Medindo o conteúdo informativo das negociações de ações. Jornal de Finanças 46:179–
207.

Haug, E. 2007a. Modelos Derivados em Modelos. Londres: John Wiley & Sons.

Haug, E. 2007b. O guia completo para fórmulas de preços de opções. Nova York: McGraw-Hill.

Helbok, G. e M. Walker. 2004. Sobre a natureza e a racionalidade das previsões dos analistas sob o
conservadorismo de lucros. The British Accounting Review 36:45–77.

Henrard, M. 2003. Risco de parâmetro no modelo Black-Scholes. Documento de trabalho, EconWPA, http://
ideas.repec.org/p/wpa/wuwpri/0310002.html.

Hilton, DJ 2001. A psicologia da tomada de decisões financeiras: aplicações para negociação, negociação e
análise de investimentos. Jornal de Psicologia e Mercados Financeiros 2:37–53.

Hodges, S. e A. Neuberger. 1989. Replicação ideal de reivindicações contingentes sob custos de transação.
Revisão dos Mercados Futuros 8:222–239.

Hodges, S. e R. Tompkins. 2002. Cones de volatilidade e suas propriedades de amostragem.

Jornal de Derivados 10:27–42.

Hua, P. e P. Wilmott. 1999. Modelagem de Crash, Valor em Risco e Cobertura Ótima.

Série de documentos de trabalho OFRC, Oxford Financial Research Centre.

Hull, JC 2005. Opções, Futuros e Outros Derivativos, 6ª edição. Nova York: Prentice Hall.

Hurst, H. 1951. Armazenamento de reservatórios de longo prazo. Transações da Sociedade Americana de

Engenheiros Civis 116:770–808.

Jarrow, R. e A. Rudd. 1982. Avaliação aproximada de opções para processos estocásticos arbitrários. Jornal
de Economia Financeira 10:347–369.
Machine Translated by Google

Referências 197

Jha, R. e M. Kalimipalli. 2006. A importância econômica das previsões de assimetria condicional nos
mercados de opções. Documento de trabalho, Universidade de Waterloo.

Jiang, G. e Y. Tian. 2005. A volatilidade implícita livre de modelo e suas informações

Contente. Revisão de Estudos Financeiros 18:1305–1342.

Jondeau, E. e M. Rockinger. 1999. Estimando Expansões Gram-Charlier com

Restrições de positividade. Documento de trabalho, Banque de France.

Jondeau, E. e M. Rockinger. 2001. Densidades de Gram-Charlier. Journal of Economic Dynamics and

Control 25:1457–1483.

Kahneman, D. e A. Tversky. 1971. Crença na Lei dos Pequenos Números. Boletim Psicológico 76:105–
110.

Kahneman, D. e A. Tversky. 1973. Sobre a psicologia da previsão. Psicologia

Revisão 80:237–251.

Kahneman, D. e A. Tversky. 1979. Teoria do Prospecto: Uma Análise de Decisão Sob Risco. Econométrica
47:263–291.

Kahneman, D. e A. Tversky. 1991. Aversão à perda na escolha sem risco: um modelo dependente de
referência. Jornal Trimestral de Economia 106:1039–1061.

Kamal, M. e E. Derman. 1999. Corrigindo Black-Scholes. Risco 12:82–85.

Karpoff, J. 1987. A relação entre mudanças de preços e volume: uma pesquisa. Journal of Financial and
Quantitative Analysis 22:109–126.

Kazemi, H., Schneeweis, T. e Gupta, R., 2003. “Omega como desempenho

Measure”, documento de trabalho, Isenberg School of Management, University of
Massachussets, Amherst.

Keating, C. e WF Shadwick. 2002. Uma medida de desempenho universal. Trabalhando

artigo, The Finance Development Centre, Londres.

Kenney, JF e ES Keeping. 1951. Matemática da Estatística, Parte 2. 2ª edição. Princeton, NJ: Van
Nostrand.

Kruger, J. e D. Dunning. 2005. Inábil e inconsciente disso: como as dificuldades em

Reconhecer a própria incompetência leva a autoavaliações inflacionadas. Jornal
de Personalidade e Psicologia Social 70:1121–1134.

Leib, J. 1995. Por que Kelly está morta. Revisão do blackjack de Dalton 4:8–27.

Leland, H. 1985. Preços de opções e replicação com custos de transação. Diário de

Finanças 40:1283–1302.

Lequex, P. 1999. Mercados Financeiros Tick by Tick. Londres: John Wiley & Sons.

Liu, J. e F. Longstaff. 2004. Perdendo dinheiro com arbitragem: escolha ideal de portfólio dinâmico em
mercados com oportunidades de arbitragem. Revisão de Estudos Financeiros
17:611–641.

Lo, A. 2002. As estatísticas dos índices de Sharpe. Diário de Analistas Financeiros 58:
36–52.

Louie, TA, MT Curren e KR Harich. 2000. “Eu sabia que venceríamos”: retrospectiva
Viés para resultados de decisão da equipe favoráveis e desfavoráveis. Diário de Aplicado
Psicologia 85:264–272.
Machine Translated by Google

198 REFERÊNCIAS

Madhavan, A. e S. Smidt. 1991. Um modelo bayesiano de preços especializados intradiários.

Jornal de Economia Financeira 30:99–134.
Martellini, L. e P. Priaulet. 2002. Métodos concorrentes para hedge de opções no
Presença de custos de transação. Jornal de Derivados 9:26–38.
McCauley, JL 2004. Dinâmica de Mercados: Econofísica e Finanças. Cambridge: Cambridge University
Press.
Merton, RC 1976. Preços de opções quando os retornos das ações subjacentes são descontínuos.
Jornal de Economia Financeira 3:125–144.
Miller, JR www.professionalgambler.com/debunking.html.
Mirowski, P. 1989. Mais calor que luz: economia como física social, física
como Economia da Natureza (Perspectivas Históricas da Economia Moderna). Cambridge: Cambridge
University Press.
Nelson, DB 1991. Heterocedasticidade Condicional em Retornos de Ativos: Uma Nova Abordagem.
Econométrica 59:347–370.

Panos, G. 1997. Negociando o Relatório de Desemprego. Visão do mercado futuro da Carr,

Fevereiro.

Parkinson, M. 1980. O Método de Valor Extremo para Estimar a Variância do

Taxa de retorno. Jornal de Negócios 53:61–68.
Peters, E. 1996. Caos e Ordem nos Mercados de Capitais: Uma Nova Visão dos Ciclos,
Preços e volatilidade do mercado. Londres: John Wiley & Sons.
Poon, S. 2005. Um Guia Prático para Previsão da Volatilidade do Mercado Financeiro.
Londres: Wiley.

Poteshman, A. 2001. Sub-reação, exagerada e crescente reação errada a

Informações no Mercado de Opções. Jornal de Finanças 56:851–876.
Poundstone, W. 2005. Fórmula da Fortuna: A História Não Contada do Sistema Científico de Apostas
que Venceu os Cassinos e Wall Street. Nova York: Hill e Wang.
Risher, B. 2004. Documento de trabalho, Bear Stearns.
Rogers, L. e S. Satchell. 1991. Estimando a variação de alta, baixa e fechamento
Preços. Anais de Probabilidade Aplicada 1:504–512.
Rogers, L., S. Satchell e Y. Yoon. 1994. Estimando a volatilidade dos preços das ações:
Uma comparação de métodos que usam preços altos e baixos. Economia Financeira Aplicada 4:241–247.

Rubinstein, M. 1998. Árvores binomiais de Edgeworth. Diário de Derivados 5:20–

27.

Russo, JE e PJH Sapateiro. 1992. Gerenciando o excesso de confiança. Sloan Management Review
33:7–17.
Samuelson, P. 1979. Por que não devemos tornar grande o registro médio da riqueza
Os anos para agir são longos. Jornal de Bancos e Finanças 3:305–308.
Sato, A.-H. e H. Takayasu. 2002. Derivação do Processo ARCH(1) do Mercado
Mudanças de preço com base em multiagentes microscópicos determinísticos. Em Ciência Empírica
das Flutuações Financeiras, ed. H. Takayasu, 172–178. Tóquio: Springer.
Machine Translated by Google

Referências 199

Schwert, G. 1989. Por que a volatilidade do mercado de ações muda com o tempo? Jornal de Finanças
44:1115–1153.

Sharpe, W. 1966. Desempenho de fundos mútuos. Jornal de Negócios 39:119–138.

Skiadopoulos, G., S. Hodges e L. Clelow. 2000. A dinâmica da superfície de volatilidade implícita do S&P
500. Revisão da Pesquisa de Derivados 3:263–282.

Sortino, F. e L. Price. 1994. Medição de desempenho em uma estrutura de risco negativo. Jornal de
Investimentos 3:59–65.

Steenbarger, B. 2002. A Psicologia da Negociação: Ferramentas e Técnicas para Cuidar dos Mercados.
Nova York: John Wiley & Sons.

Steenbarger, B. 2006. Melhorando o desempenho do trader: estratégias comprovadas da vanguarda da

psicologia comercial. Nova York: John Wiley & Sons.

Taleb, NT 1997. Hedge Dinâmico: Gerenciando Opções Vanilla e Exóticas. Nova York: John Wiley & Sons.

Taleb, NT 2004. “Explosão” versus “Sangramento”: O que a psicologia empírica diz sobre a preferência pela
assimetria negativa? Jornal de Finanças Comportamentais 5:2–7.

Tauchen, G. e M. Pitts. 1983. A Relação Variabilidade de Preço-Volume em Mercados Especulativos.

Econométrica 51:485–505.

Taylor, S. 1986. Modelagem de séries temporais financeiras. Nova York: John Wiley & Sons.

Thorpe, E. 1984. A Matemática do Jogo. Hollywood, CA: Gambling Times.

Thorpe, E. 1997. O Critério Kelly no Blackjack, Apostas Esportivas e Mercado de Ações. Artigo apresentado
na 10ª Conferência Internacional sobre Jogos de Azar e Assunção de Riscos.

Westen, D., C. Kilts, P. Blagov, K. Harenski e S. Hamann. 2006. A base neural do raciocínio motivado: um
estudo fMRI de restrições emocionais no julgamento político partidário durante as eleições presidenciais dos
EUA de 2004. Journal of Cognitive Neuroscience 18:1947–1958.

Whalley, AE e P. Wilmott. 1993. Uma análise assintótica do modelo Davis, Panas e Zariphopoulou para
precificação de opções com custos de transação. Artigo de trabalho, Oxford Centre for Industrial and Applied
Mathematics.

Whalley, AE e P. Wilmott. 1994. Cobertura ideal de opções com estrutura de custos de transação pequena,
mas arbitrária. Documento de trabalho, Oxford Centre for Industrial and Applied Mathematics.

Wilmott, P. 2000. Paul Wilmott sobre Finanças Quantitativas. Nova York: John Wiley & Sons.

Wilson, A. 1965. Guia do Jogador de Cassino. Nova York: Harper & Row.

Wu, G. e C. Massey. 2004. Compreendendo a reação insuficiente e excessiva. Em A Psicologia das

Decisões Econômicas. Volume 2: Razões e Escolhas, ed. Brocas e Carrillo, 15–29. Oxford, Reino Unido:
Oxford University Press.

Yang, D. e Q. Zhang. 2000. Estimativa de volatilidade independente da deriva com base em preços máximos,
mínimos, de abertura e de fechamento. Jornal de Negócios 73:477–491.
Machine Translated by Google

200 REFERÊNCIAS

Zakamouline, V. 2005. Cobertura dinâmica de posições de opções complexas com custos de transação.
Documento de trabalho, Bodo Graduate School of Business, Noruega.

Zakamouline, V. 2006a. Cobertura Ótima de Carteiras de Opções com Custos de Transação. Documento de
trabalho, Faculdade de Economia, Agder University College, Noruega.

Zakamouline, V. 2006b. Aproximação analítica eficiente da estratégia de hedge ideal para uma opção de
compra europeia com custos de transação. Finanças Quantitativas 6:435–445.

Zakamouline, V. 2006c. Preços e cobertura de opções europeias com custos de transação fixos e
proporcionais. Jornal de Dinâmica Econômica e Controle 30:1–25.
Machine Translated by Google

Sobre o CD ROM

INTRODUÇÃO

Este apêndice fornece informações sobre o conteúdo do CD que acompanha este livro. Para obter
as melhores e mais recentes informações, consulte o arquivo LeiaMe localizado na raiz do CD.

REQUISITOS DO SISTEMA

Uma unidade de CD-ROM

Excel

USANDO O CD COM WINDOWS

Para instalar os itens do CD no disco rígido, siga estas etapas:

1. Insira o CD na unidade de CD-ROM do seu computador.

2. A interface do CD-ROM aparecerá. A interface fornece um simples
maneira de apontar e clicar para explorar o conteúdo do CD.

Caso a tela de abertura do CD-ROM não apareça automaticamente, siga estes passos para
acessar o CD:

1. Clique no botão Iniciar na extremidade esquerda da barra de tarefas e escolha

Execute a partir do menu que aparece.
2. Na caixa de diálogo exibida, digite d:\start.exe. (Se a sua unidade de CD-ROM não for a
unidade d, preencha a letra apropriada no lugar de d.) Isso abre a interface do CD descrita
no conjunto de etapas anterior.

201
Machine Translated by Google

202 SOBRE O CD ROM

O QUE ESTÁ NO CD

As seções a seguir fornecem um resumo do software e outros materiais que você encontrará no
CD.

Contente

O Apêndice B contém material sobre o CD.

As planilhas fornecidas no CD são de dois tipos. Garch.xls, Volatility Cones.xls, Skew and
Kurtosis Cones.xls e Corrado Su.xls são diretamente úteis como ferramentas de negociação. Eles
são projetados para ajudar um trader a prever e avaliar a volatilidade e compará-la com o mercado
de opções atual. Trade Evaluation.xls é um modelo para monitorar o andamento das negociações.
O segundo tipo de planilha contém mecanismos de simulação. Daily Option Hedging Simulation.xls,
Trade Goals.xls e Mean Reversion Simulator.xls podem ajudar os traders a desenvolver a intuição
e obter uma compreensão mais profunda dos efeitos da aleatoriedade nas posições de opções e
nas estratégias gerais de negociação.

Os programas shareware são versões de teste totalmente funcionais de programas protegidos

por direitos autorais. Se você gosta de programas específicos, registre-se com seus autores por
uma taxa nominal e receba licenças, versões aprimoradas e suporte técnico.

Programas freeware são jogos, aplicativos e utilitários protegidos por direitos autorais e
gratuitos para uso pessoal. Ao contrário do shareware, esses programas não exigem taxa nem
fornecem suporte técnico.
O software GNU é regido por sua própria licença, que está incluída dentro
a pasta do produto GNU. Veja a licença GNU para mais detalhes.
Versões de teste, demonstração ou avaliação geralmente são limitadas por tempo ou
funcionalidade (como a impossibilidade de salvar projetos). Algumas versões de teste são muito
sensíveis às alterações de data do sistema. Se você alterar a data do seu computador, os programas
“expirarão” e não funcionarão mais.

Atendimento ao Cliente

Se você tiver problemas com o CD-ROM, ligue para o número de telefone do Suporte Técnico do
Produto Wiley em (800) 762-2974. Fora dos Estados Unidos, ligue para 1(317) 572–3994. Você
também pode entrar em contato com o suporte técnico do produto Wiley em http://support.wiley.com.
A John Wiley & Sons fornecerá suporte técnico apenas para instalação e outros itens gerais de
controle de qualidade. Para obter suporte técnico sobre os próprios aplicativos, consulte o
fornecedor ou autor do programa.

Para fazer pedidos adicionais ou solicitar informações sobre outros Wiley

produtos, ligue para (877) 762-2974.
Machine Translated by Google

Índice

ADRs. Veja American Depositary Receipts (ADRs) análise de componentes principais, 46–48
regularidades em, como base de comércio, 52
Agregação de opções: em posição straddle, 92
diferentes subjacentes, 83–85 desvio Índice VIX (CBOE), 48–51
subjacente, no exemplo Black-Scholes-Merton (BSM), AtherGenics (AGIX) (exemplos), 153–154
10 Ahmad, R., 94, 97 Ait- Heurística de disponibilidade (regra prática), 155–156
Sahalia, Y., 28
Alexander, C., 46–47 Back-testing com tamanho de negociação fixo, 103
Algoritmos genéticos, 39 Ajuste retroativo, 17 Volatilidades
American Depositary Receipts históricas retrospectivas, 43 Baird, AJ, 78 BARRA (modelo
(ADRs), 26, 29 Análise. Veja também Análise de dados de fator comercial),
históricos; Avaliação comercial do impacto no mercado, 85 Barton, D., 61 Taxa básica, negligenciando, em
80 negligência da taxa análise, 159–160
básica em, 159–160 Psicologia comportamental, 149–163 Estimativa e
negligência do tamanho da amostra em, previsão beta, 84 Apostas: lançamento de
160 pós-negociação (exemplo), 171– moeda (exemplos), 101–103, 106–107 fixo
173 pré-negociação (exemplo), 165–167 versus
componente principal (PCA), 45–48 proporcional, 103–104 Estratégia de Kelly, 103–113, 120–
faixa redimensionada (análise R/S), 144–145 122 Sistema de Oscar, 114–115 progressões
positivas e negativas, 114–115 Viés:
Ancoragem e ajuste de polarização, 162
Anualização:
estimativas de retornos diários, 22 fatores,
16, 93–94 dados de ancoragem e ajuste, 162 heurística de
frequência mais alta, 29 dados disponibilidade (regra prática), 155–156
históricos, 16 e
estimador de Parkinson, 22–23 trajetórias Black-Scholes-Merton (BSM), 41–42 cognitivo,
de preços (exemplos), 93–94 150–162 confirmação,
Razão de Sharpe (medição de risco), série temporal 160–161 conservadorismo e
135–140, 16 representatividade, 158–160 correção para, 16–31
Computador Apple (AAPL) (exemplo), 165–173 APT emocional,

(modelo de fator comercial), 85 Ativos, 150–151, 157–158, 160–

negociáveis, 12 Solução 161 sentimento ( intuição) no dimensionamento
assintótica. Veja a solução assintótica Whalley-Wilmott comercial, 102–103 getevenitis, 157 retrospectiva,
(WW) Volatilidade no dinheiro 161–162 na medição
(ATM) versus modelo Corrado-Su, 60 de amostras, 19, 23–24
primeiro dia e logo antes dos saltos de aversão à perda, 157–158 excesso de
vencimento, confiança, 151–155 reação
88-90 exagerada e insuficiente, 160
versus fora do dinheiro, 98

203
Machine Translated by Google

204 ÍNDICE

Memória seletiva Sucessos consecutivos de eventos independentes (exemplo), 159

tendenciosa (continuação) , 127
autoatribuição, 151–152 posições Conservadorismo e preconceito de representatividade, 158-160
gama curtas, 157 pensamento de curto
prazo, 156–157 tipos de, em negociação, Corrado, C., 58
150 Modelo Corrado-Su, 58–62 RCP.
Spread de compra/ Consulte Relatórios de colheita de
venda: em hedge, proporção de produtos
78 taxas de juros, 12 cruzados, 53 Teste de proporção de produtos cruzados (CPR), 143–144
em negociação spread implícito/realizado, 47
Solução assintótica de Whalley-Wilmott (WW), Retornos diários:
73 hedges delta como a maioria, 130 estimativa
Modelo Black-Scholes-Merton (BSM): análise da de retornos anualizados, 22 versus dados de
equação, viés 7–14 de, 42 estendido frequência mais alta, 28 parâmetros para
para incorporar mudança diária na superfície de volatilidade, 46
assimetria e curtose, 55–62
Liquidez escura, 80
hedge, modelo de Dados:

precificação de opções 63–64 (exemplo), 3–5 como Estudos de Brandt e Kinlay sobre estimadores, 25 diários, 28
método de precificação, 13
banda de Bollinger, 51–52, 125 Modelos GARCH, 37–38
estudos de estimadores de Brandt e Kinlay, 25 Brandt, MW, frequência mais alta, 22, 27–31 versus
25 Braun, Julian, 114– modelo, 37–38 ajustado ao
115 estratégia de Browne , 115– salto de abertura, estimador de volatilidade de alta
118 Browne, S., 113–118 BSM. Ver frequência, 29–31 dados de
modelo Black-Scholes-Merton sazonalidade e frequência mais alta, 29
(BSM) Burghart, G., 39 Butterfly spread, 77–78 Cobertura defensiva, 94
Definições:

dissonância cognitiva, 158 getevenitis,

157 bom trader, 157
Índice de Calmar, 138 hedge, 63, 78 salto, 54
Carr, P., 78, 94 sorte versus
Equivalente de certeza, 66 Chapman, habilidade,
S., 110 Lista de verificação 142–143 assimetria e curtose, 54,
para manutenção de registros, 129–130 Chicago Board 57 dinâmica de sorriso, 13 desvio padrão,
Options Exchange Volatility Index, 42 Estimador de fechamento a 21–22 séries temporais,
fechamento 50– 52 variância (equação), 84
de volatilidades históricas retrospectivas, volatilidade, 16–22, 49
43 em comparação com o estimador Garman-Klass, 24 eficiência,

22–23 dados de frequência mais alta, 29 pontos bons e ruins, 26

movimentos de ações Delta:

relacionados à volatilidade, 21 30 dias, agregação de opções sobre diferentes subjacentes,

42–43 Volatilidade de fechamento banda 84, erosão de
para abertura, 24–25 Viés cognitivo, 150–162 borda devido a acumulação
Lançamento de cobertura, 71
moeda (exemplo de dimensionamento banda, modificação em forma de S, 71
comercial), 101–103, 106–107 retornos diários, 130
Modelos de fatores comerciais, 85 Concentração, 177 Cone. cobertura, 65
Consulte Volatilidade, cone “deixar seus deltas funcionarem”, 94
Intervalo de confiança na amostragem, 20–21 posição neutra, 64 Dennis,
Viés de confirmação, 160–161 K., 61 Dependência:
caminho, 87–93
volatilidade, 93–
99
Machine Translated by Google

Índice 205

Derivados, padrão para spread implícito/realizado do índice, 41, 45,

Método Black-Scholes-Merton (BSM), 7–8 47–48
perda de, 146
Derman, E., 46 psicologia dos traders, 149
Distribuição: estatística, 175
Modelo Corrado-Su, 58–62 expansão de Edgeworth, 62
discreto, de volatilidade, 37 Eficiência, estimador próximo a próximo e estimador
efeito de frequência de hedge, 90–93 curtose baseado em intervalo, 22–23 Viés
excessiva, 57 esperado, emocional, 150–151, 157–158, 160–161 Engle, RF , 38
de dias vencedores e perdedores, 159 Distribuição básica
Função KURT (Microsoft Excel), 57 leptocúrtica de lucros/perdas, 124–126
(curtose maior que 3), 57 platicúrtica (curtose menor
que 3), 57 de lucro/perda em função do nível de Erro:
entrada, 124–126 grande, na amostragem, 22
aprendendo com, 151
Poisson (exemplo), preço 80–81, vieses psicológicos, 151–162 versus
função de erro de amostragem, 21
distribuição de probabilidade 57–58 (PDF), 110–111 Estimadores:
Estudos de Brandt e Kinlay, 25
retorno, 58-62 estimador próximo a próximo, eficiência
assimetria e curtose, 57 vitórias/ 21–26, 22–23
derrotas, 159 Estimador Garman-Klass, 23–27 pontos
Dividendos: bons e ruins, 26–27 ineficiente, 19–
premissas de, 12 efeito 20 probabilidade
de ações ex-dividendos, 16–17 máxima (MLE), 36–38 ajustado pelo salto de
Método duplo assintótico (Zakamouline), 74-78 abertura, volatilidade de alta frequência, 29–31

Drawdown: Parkinson, 22–23 com

como medida crítica de desempenho, 130 base na faixa, 22–23
Proporção calma, 138 Estimador Rogers-Satchell, medição e
Proporção de Sortino, 138 previsão de volatilidade 24–27,
Deriva (retornos médios): 15–43
estimadores com termo de deriva, 24–25 Estimador de Yang-Zhang, 24–27
pós-anúncio de lucros, 158–160 ETF. Ver fundo negociado em bolsa
Estimador Rogers-Satchell, 24 Ethier, S., 114
negociações de, por trader de ações, opções europeias, modelo Corrado-Su, 62 Avaliação.
93 de subjacentes, em Black-Scholes-Merton Consulte Avaliação comercial EWMA.
(BSM) exemplo, 10 Consulte Fundo negociado em bolsa (ETF) de média
versus variância, 17–20, 24 móvel
estimador Yang-Zhang, 24–27 ponderada exponencialmente, 83
Dunning, D., 155 Capacidade de execução, 176–177
Dupire, B., 97 Saída, razões para, 173
Dinâmica, implícita, de volatilidade: nível, Expectativas, positivas, 115 Riqueza
48–54 esperada versus riqueza típica, 105 Média móvel
assimetria e curtose, 54–62 dinâmica ponderada exponencialmente (EWMA), 33–34
do sorriso, 46–48, 54–62 estrutura de
ataque e termo, 45–47 superfície, exemplo
de, 45–46 Valor justo, 119
Sensação (intuição): e

Métodos econométricos, 39 Edge. viés de excesso de confiança, 153–155 negociação

Consulte também spread de compra/ baseada em lógica versus negociação intuitiva, 2

venda de avaliação dimensionamentos de negociação, 102–103

comercial, 78 erosão de, em Sistema de fração fixa, 103

hedge, 71 descoberta, por previsão de volatilidade, 3–5 Sistema de tamanho fixo de negociação, 103
Machine Translated by Google

206 ÍNDICE

Previsão: beta Anúncios de ganhos do Google (exemplo),

versus volatilidade, viés de Black- 156

Scholes-Merton (BSM) 84, modelos GARCH 41-42, Expansão Gram-Charlier, 58, 61, 62
processo de volatilidade de Greenberg, Ás, 157
reversão à média 34-39, método de janela móvel
Corte de cabelo:
34, outliers 32-33, janelas rolantes 33,
estrutura de versus saldo, 113 garantias
41 termos para volatilidade, para empresa de compensação, 134
35 volatilidade, 31–38 distribuição de manutenção de registros,
volatilidade, 38–43. 129 Haug, E.,
Veja também Volatilidade, cone Ajuste futuro de 62 Hedging:
preços, 17 Aspectos agregação de opções em diferentes
fundamentais das negociações, 2 subjacentes, 83–85
largura de banda (exemplos), 69–70, 74–77
Método Black-Scholes-Merton (BSM), 63–64 contínuo
Jogatina. Veja Gama de versus discreto, 88 defensivo, 94 banda
Apostas: delta, 65 hedges
agregação de opções em diferentes delta como maioria
subjacentes, 84 viés dos retornos diários, 130 discreto e dependência de
para posição curta, 157 mudança e caminho, 87–93 método duplo assintótico de
spread borboleta longo, 77–78 deltas diferentes, 64 Zakamouline,
posições longas e curtas, 74–78

97 e aritmética mental, 19–20 quase expirando na greve ou perto dela, 97

strike no vencimento, 97 relacionamento frequência, efeito de, 90–93 dados
com vega função, 12 gama curta e históricos, 26
longa em hedge, 94 volátil e dependente do Metodologia Hodges-Neuberger (HN), 68–69, 71,
caminho, 12 73, 77
volatilidade implícita/realizada, 93–99
Modelos GARCH: “deixando seus deltas correrem”, 94
função de máxima verossimilhança, 37 spread borboleta longo, 77–78
parâmetros, versões 36– volatilidade mal precificada, captura, 176
37 de, 38 Garman, exemplo de Monte Carlo, 64
MB, 23 estimador posições de opções, 87–99
Garman-Klass: propósito de, 78
viés de, 25 redução de custos, 83 regular
em comparação com o estimador de Parkinson, intervalos, 65 risco residual
24 de volatilidade, 23– versus risco de ação única, 83 aversão/busca ao
27 distribuição gaussiana e risco extremo, 13 GBM. Veja risco, 66–68, 71 semiestático, 13 custos
Movimento browniano geométrico Condicional auto- de transação,
regressivo generalizado estimativa de, 78–82 variações de preços
modelos de heterocedasticidade (GARCH). Veja subjacentes, 65–66 teoria da utilidade, 66–
modelos GARCH 68 sorriso de volatilidade,
Algoritmos genéticos, 39 13 . Veja também Dinâmica de sorriso Solução assintótica
Movimento geométrico browniano (GBM): de Whalley-Wilmott (WW), 71–74, 77 Henrard, M., 94
estimador de Parkinson, 22–23, 27 Hilton, DJ,
Estratégia Browne, 116–118 154 Viés retrospectivo,
caminho de estoque (exemplo), 90– 161–162 Análise de
91 Getevenitis, 157 dados históricos. Veja também
Glaser, M., 154 Análise; Avaliação comercial
Metas:

definição, 140–142 anualização, 16 termos

opções com preços anualizados e retornos diários, 22 ajuste retroativo,
incorretos, 8 volatilidade com preços incorretos, 17 retrospectivo, 43
captura, 176 planilha tradinggoals.xls, 140
Machine Translated by Google

Índice 207

estimador de volatilidade próximo a próximo, intervalo definido, 54

de confiança 21–26 da volatilidade medida, no primeiro dia e logo antes do vencimento,
20–21 88–90
convergência da variância da amostra para a abertura, abertura
variância real da população, 20 24–25, estimador ajustado de volatilidade de alta
correção de desvios nas amostras, 18–22 mudanças frequência, movimento
diárias, 17 versus desvio subjacente (strike) 29–31, 53–54, 88–90
(retornos médios), 17–20 ajuste direto, 17 Estimador de Yang-Zhang, 24

Estimador Garman-Klass, 23–27 dados Kahneman, D., 157, 160

de frequência mais alta, 27–31 Kamal, M., 46
Função Microsoft Excel (KURT), 57 Kazemi, 138
Função Microsoft Excel (VAR), 18 saltos de Estratégia Kelly:
abertura ajustados, alta frequência alternativas para, 113–118
estimador de volatilidade, 29–31 grupos anti e pró-Kelly, 112 comparados
overfitting para dados passados, 123 à estratégia Browne, 117 ganhos e perdas
Estimador de Parkinson, 22–23, 26–27 (equações), 103– 113 longo prazo versus curto
medições de risco, 135–140 prazo, 110, 113 processo de reversão à
Estimador de volatilidade Rogers-Satchell, erro de média, 120–122 função de distribuição de
amostragem 27 versus erro de medição, probabilidade (PDF), proporção 110–111, 105 Kelly,
21 John, 103–
de volatilidade, 26 113 Kinlay,
cones de volatilidade, 39–43 J., 25 Klass, MJ, 23
estimador Yang-Zhang, 24–27 Hodges, Kruger , J., 155
S., 40, 68 modelo
Hodges-Neuberger (HN), 68–69, 71, 73 Hua, P., 78 elemento
humano
versus modelos matemáticos, Lane, M., 39
2 Distribuição leptocúrtica (curtose maior que
Expoente de Hurst, 144-147 3), 57
Dinâmica de nível de volatilidade:
Ordem do iceberg, 80 volatilidades implícitas no dinheiro, 52–54 reversão
Volatilidade implícita/realizada, 93–99 média, definições, 49–52 volatilidade livre de
Índices: modelo, 48–49 Liquidez: escuro, 80
spread implícito/realizado, 41, 45, 47–48 opções
Índice VIX (Chicago Board of Exchange), subjacentes,
48–51 12 Lo, A., 136 Negociação
superfície de volatilidade (exemplo), 45–46 baseada em
Volatilidade integrada, 31 lógica versus negociação intuitiva, 2 Potencial de
Taxas de juro: longo prazo versus lucros de curto prazo,
spread de compra/ 114

venda, 12 grandes divulgações Aversão à perda:

económicas, 53 Interoil Corporation (IOC), viés, 157–158
123 Intuição. Veja sentir modelos baseados em, 73
Relatórios de inventário, 53 psicologia dos comerciantes, 157–158
na teoria da utilidade, 66–68, 71
James, Bill, 149, 150 Sorte versus habilidade, 142-143, 151
Jarrow, R., 57
Desigualdade de Jensen, 18, 23 Mercado:
Jondeau, E., 61 análise de impacto, 80
Chamadas de julgamento. Veja Avaliação informações, atuais versus históricas, 41 reação
exagerada ou insuficiente,
comercial Cálculo de salto, de subjacente (strike) 158
movimento, 53-54 Martinelli, L., 76
Machine Translated by Google

208 ÍNDICE

Planilha de Reversão Média Simulator.xls, Estratégia Browne, 115-118

123 Estratégia de Kelly, 103–113, 120–122
Processo de reversão à média, 119-124 significa processo de reversão, 119–124
Erro de medição versus erro de amostragem, 21 Modelo de reversão à média de Ornstein-Ulenbeck,
Medidas: 119-124

Razão de Calmar, 138 dimensionamento comercial, 118–126

correção de desvio, 18–22 função gama Movimento de negociações:

na medição da distribuição normal, 18 grande volatilidade implícita e tendência de reversão,

52 análise de
Desigualdade de Jensen, componentes principais (PCA), 45–48
desempenho 18, 23, ajustado ao risco, desvio Método de janela móvel, 32–33
padrão populacional 135–140, risco 18–19, desvio
padrão amostral Negligência:
134–140, 18–19 da taxa básica, 159–160 do
Razão de Sharpe, 135-140 tamanho da amostra, 160
Razão de Sortino, 138-140 Neuberger, A., 68
Proporção em libras esterlinas, Redes Neurais, 39
138–139 vega, para medir o lucro esperado, 11 Estratégia não direcional, 88
Merril Lynch, 80
Excel: Medida de risco Omega, 139
Função KURT (curtose excessiva), Volatilidade de abertura para fechamento,
57 24–25 Salto de abertura, 24–25, 29–31, 88–89
Planilha de Reversão Média Simulator.xls, Posições de opções. Consulte também Posições
123 agregadas de, entre diferentes subjacentes,
Planilha Trade Sizing.xls, planilha 106 83–85

Tradinggoals.xls, função 140 VAR, 18 com cobertura delta (exemplo), 8–14

Microestrutura: cobertura discreta e dependência de caminho,
87–93

dados de alta frequência, 31 planos de hedge, 63–85

ruído, 28 monitoramento de volatilidade,
custos de transação, 74 43 normalização de, 84
Miller, Guilherme, 112 straddles, 47–48, 53
Opções com preços incorretos, 8 Opções:
Volatilidade mal precificada, captura, 176 Equação de amostra Black-Scholes-Merton (BSM),
7–14 preços
Avaliação incorreta, compreensão das causas de 151 (avaliação), 7–14 propriedades
MLE. Consulte Modelo de estimativa de máxima de, 8 curto prazo, 12
verossimilhança versus dados, desvio padrão dos
37–38 Modelos. Veja também a retornos subjacentes, 11
equação de exemplo de Betting Black-Scholes- Modelo de reversão à média de Ornstein-Ulenbeck,
Merton (BSM), 7–14 119-124

modelos de fatores comerciais, 85 Sistema de Oscar (apostas), 114-115

Corrado-Su, 58–62 Opções fora do dinheiro, 135–140
Hodges-Neuberger (HN), 68–69, 71, 73 Viés de excesso de confiança, 151-155
Estratégia de Kelly, 103–113, 120–122 Overfitting para dados passados, 123
elemento matemático versus elemento humano, 2–3
Modelo de reversão à média de Ornstein-Ulenbeck, Parâmetros:
119-124 mudança diária na superfície de volatilidade, 46
modelo de volatilidade estocástica, 3 Método EWMA, 36
Gestão de dinheiro. Veja também Portfólio Método GARCH, 36, 36–37 da
esquemas ad dinâmica do sorriso, 55–62
hoc de gestão, 101–103 esquemas incrementos de tempo versus mudanças de preço, 76
agressivos, 122, 125 alternativas à Estimador de Parkinson:

estratégia Kelly, 113–118 comparado ao estimador Garman-Klass, 24

Machine Translated by Google

Índice 209

pontos bons e ruins, 26–27 dados de Função de distribuição de probabilidade (PDF), 110–111
alta frequência, 30 versus
estimador próximo a próximo, 22–23 Parkinson, M., Seleção de produtos, 177
22–23 Dependência de Lucro. Consulte também cobertura discreta
trajetória: hedge discreto de lucro/perda (P/L), relação
e, 88 efeito de desvio do gama 87–93 com vega, 12 potencial de longo
subjacente, 93–94 , 96–97 movimento browniano prazo versus lucros de curto prazo, 113–114
geométrico (GBM), 90–91 lucro/perda (P/L), 130 vega volatilidade implícita
(equação), 87 de venda, 42 potencial de curto prazo
versus longo prazo,
PCA. Consulte PDF de análise de componentes 113–115

principais. Consulte Desempenho da função de riqueza típica versus riqueza esperada, 105
distribuição de probabilidade: Lucro/perda (P/L):
mudança, identificando a causa de, 146–147 perda volatilidade implícita/realizada e cobertura,
de, em negociações vencedoras de longo prazo, 146 93–99

sorte versus habilidade, 142–143 marcação a mercado, passo único,

medidas, ajustado ao risco, 135–140 96
Persistência: maximização do lucro, 124–126 path
absoluto, 144–147 dependency, 130 profile, 176
relativo, 143–144 swings, 95
Peters, E., 144 P/L. vega, 53, 87
Consulte Distribuição

platicúrtica de lucros/perdas (curtose menor que 3), 57 Rentabilidade e planejamento, 129

Psicologia dos traders:
Distribuição de Poisson, 80–81 ancoragem e ajuste, heurística de
Gerenciamento de portfólio. Veja também Dinheiro disponibilidade 162, heurística de
gerenciamento disponibilidade 155–156 (regra prática),
delta-hedged, usado no exemplo do BSM, 8–14 ações 155–156

longas/curtas, 9 posições. viés de confirmação, 160-161

Consulte também Posições de opções com conservadorismo e representatividade,
volatilidade ajustada para posições longas e curtas, 70–71 158–160

posições gama longas e curtas (solução HN), 73, viés retrospectivo, 161–162
97 normalização de aversão à perda, 157–158
opção, 84 straddles, 47–48, 53, 92 excesso de confiança, 152–155
strangles ou strips versus viés de autoatribuição, 151–152
straddles, 97 pensamento de curto prazo, 156–157
Desvio pós-anúncio de lucros, 158 versus conhecimento e habilidade, 149
Colocar compra, 8
Pragmatismo, 2–3
Priaulet, P., 76 Quantidade de ações, efeito nos custos de transação,
Preço: 79–82

distribuição, 57-58
movimentos versus incrementos de tempo, 76 Estimador baseado em intervalo, 22–23
caminhos, evolução de lucros/perdas (exemplos), Manutenção de registros. Consulte Avaliação
97–99 comercial Análise de intervalo reescalonado (análise
opções (valorização), 7–14 R/S), 144–145

Variações de preços: Risco residual versus risco de ação única, 83

e posição com cobertura delta, em Retorna:

Exemplo Black-Scholes-Merton (BSM), 10–11 distribuição, 58–62

histórica, e ruído, 136 distribuição
dados diários versus dados de frequência mais alta, normal, em
28 hedge, 65–66 Método Black-Scholes-Merton (BSM), 17 persistência,
medição versus medição de risco, 12–13 158 relação entre
Análise de componentes principais (PCA), 45–48 retorno e volatilidade, 137–140
Machine Translated by Google

210 ÍNDICE

Retornos (Continuação) Lucro de curto prazo versus potencial de longo prazo, 113–
ajustados ao risco, 105 115
índice de Sharpe, 135–140 Pensamento de curto prazo:

variância versus desvio (retornos médios), 17–20 Risher, sistema de Oscar (apostas), 114–115 psicologia dos

B., 74 Risco: traders, 156–157 Skewness e curtose, 57

volatilidade do ponto de equilíbrio, 97

-aversão e busca, 66–68, 78 devido a cobrança excesso de curtose (curtose menos

de juros ( rho), 12 momentos de distribuição 3), 57 leptocúrtico (curtose maior que 3), 57 platicúrtico
gaussiana como ( curtose menor que 3), 57 dinâmica de sorriso, 54–62 dinâmica

enganoso, 13 de sorriso: modelo Corrado-Su, 58–62 efeito de correlação, 55

hedge, 78 parametrização, 55–62 razões

medição versus medição de preço, 12–13 modelos para, 54–55 variação de

baseados na aversão ao risco, 73 nível geral volatilidade, 46–48 versus nível de

de volatilidade implícita, 47–48 replicação, em hedge volatilidade , 47, 54 Índice

imperfeito, 64 risco residual versus risco de ação Sortino, 138 Spread: compra/

única, 83 venda e custos de transação,

Razão de Sharpe, cauda 78–79 volatilidade implícita/realizada, 41–

135-140, 43, 93–99 borboleta longa, 77–78 Planilhas:

teoria da utilidade de Mean Reversion

posição subjacente 13, 66-68 Simulator.xls,

Medidas de desempenho ajustadas ao risco: 123 Dimensionamento de negociação. xls, 106 metas de

alternativas ao índice de Sharpe, índice de negociação.xls, 140 teste de entrada VIX.xls, 125 Steenbarger,

Calmar de 137–140, Brett, 149–150, 153 Estereótipos

medida de risco ômega de 138, (viés de

índice de Sharpe de 139, representatividade), proporção de libras esterlinas de

índice de Sortino de 135– 158–160, 138–139 ações:

137, índice de Sterling de

138–140, 138–139
Rockinger, M., 61
Rogers, L ., 24 Estimador Rogers-Satchell,
24–27 Janelas rolantes,
41 Rubinstein, M., 61, 62
Rudd, A., 57 spread de compra/venda, 12, 21, 47,
Regra prática (heurística de disponibilidade), 155–156 73 cálculo do salto do movimento subjacente
(strike), 53–54 estimador
Delta modificado em forma de S, 71 de fechamento a fechamento, 21
Tamanho da efeito de ex-dividendo, série histórica de
amostra: convergência da variância da amostra para preços 16–17, caminho 16–17 ,
a variância real da população, fator movimento browniano geométrico (GBM),
de correção 19–20 em função de, eficiência 19, 20, 90-91
erro 22–24, intervalos em curto, 12
discretos de cobertura, 92–93 superior- dados de Straddle:

frequência, 27–31 lei dos pequenos desvio padrão de, 92 versus

números, 160 Satchell, S., 24 estrangulamentos ou tiras, 97
Scalping, agressivo, Greve, expirando em ou próximo a, 97
125 Sazonalidade, 29–30 Su, T., 58
Setores, detalhamento
por, na avaliação, 134 Viés de autoatribuição, 151–152 Taleb, NT, 78 Taleb,
Shannon, Claude, 112 Índice de Nathan, 157 Expansão
Sharpe: alternativas para de Taylor: agregação
137-140 medidas de opções em diferentes subjacentes, 83–84
de desempenho ajustadas ao de segunda ordem, no
risco, exemplo Black-Scholes-Merton (BSM), 9–11
135–137
Machine Translated by Google

Índice 211

Estrutura a termo, 35 Parceiro comercial, lista de verificação para escolha, 151

Thorpe,Ed, 112 Estratégias de negociação:
Decadência do tempo, 70 Estratégia Browne, 115-116
Intervalos de tempo, 80–84 Critério de Kelly, 103–113, 120–122
Série temporal: Modelo de reversão à média de Ornstein-Ulenbeck,
termos anualizados, 16 119-124

mudanças diárias, 17 Sistema de apostas progressivas do Oscar, planilha 113–

definições, 50–52 115 Tradinggoals.xls, 140 Custos de
métodos econométricos, 39 transação:
métodos GARCH, 34–39 versus hedge discreto, 92–93 devido
movimentos de preços, 76 à replicação, 64 estimativa,
Tompkins, R., 40 78–82 componentes
Avaliação comercial. Veja também Análise; Realização de fixos, 78 largura de banda
análise de dados de hedge, 72–74 incorporando, em
históricos, três níveis, 128 índice Calmar, modelos, 70, 74 problema de microestrutura,
138 lista de verificação 74 preços de opções modificados
para manutenção de registros, 129–130 redução para permitir, 68 gerenciamento excessivo, 142
como medida de desempenho, 130 estabelecimento
de metas, 140–142 análise Solução assintótica de Whalley-Wilmott,
de dados históricos, 135–140 decisões de 71–74

julgamento, acompanhamento de resultados de, Tversky, A., 157, 160

133 melhorias de margem , 128
medidas de risco ômega, 139 Subjacente (greve):
supergestão, 142 medidas agregação de opções em diferentes, 83–85 calculando
de desempenho, 130 persistência de salto implícito, 53–54 perto de, no
desempenho, 142–147 procedimentos de vencimento, 97 desvio, efeito de,
planejamento, 126–134 lucratividade, 10, 93–94, 96–97 primeiro dia e pouco
129 manutenção de antes do vencimento saltar,
registros, 176 medidas de 88–90
desempenho ajustadas ao risco, planos de hedge, 63–85
134–140 trajetórias de preços (exemplos), 93–94
setores, discriminados por, 134 dinâmica de sorriso, 54–62
Razão de Sharpe, 135-140 negociação de, 64
Proporção de Sortino, 138 Teoria da utilidade do hedge, 66-68
Proporção de libras esterlinas, 138-139

Dimensionamento Variância:

de negociação: configuração em constante mudança, definição (equação), 84 média

avaliação 118–126 do retorno e risco projetados, 176 móvel ponderada exponencialmente
sistema de fração fixa, 103 sistema (EWMA), 33–34
de tamanho de negociação fixo, 103 Modelos GARCH, 34–39
baseado em lógica versus sensação (intuição), janelas de enrolar, 41
2 expectativas positivas, 115 Vega:
função de distribuição de probabilidade (PDF), 110-111 agregação de opções sobre diferentes
subjacentes, 84
Traders, avessos ao risco e que procuram risco, 66-68 cálculo do lucro esperado, 11–12
Negociação:
concentração, 177 definido,
capacidade de execução, 176-177 relação 11 e gama, 12 lucro/perda
encontrar negociações lucrativas, 3-6 (P/L) (equação), 87 lucros, 53 planilha
opções com preços VIX entry
incorretos, 8 seleção de test.xls, 125
produtos, 177 strangles ou strips versus straddles,
97 intervalos de tempo, efeito nos custos de transação, Índice VIX (Chicago Board of Exchange), 48–51
80-84
Machine Translated by Google

212 ÍNDICE

Volatilidade: dinâmica do sorriso, 46–48, 54–62

ajustada para posições longas e curtas, 70–71 at-the- spread implícito e realizado, 41, 47–48 superfície
money (ATM), prazo beta 46–48, 84 (exemplo), 45–46 custos de
desvios de transação, 71–74 versus volume
equilíbrio, cone 97, faixas de ações, 79–82
de volatilidade, 39–43 cones, para medição Volume de ações: efeito

histórica, 15, 39 –43 correção de desvios nas amostras, nos custos de transação, 79–82
18–24 definição de, 16–22 dependência, 93–99 dinâmica, relação com volatilidade, 80-84
de implícita, 45–62
divulgação de lucros, 52 Weston, D., 161
efeito de ações ex-dividendos, 16–17 Whalley, AE, 71–74 Solução
estimadores, 16–27 medição assintótica Whalley-Wilmott, 71–74,
histórica, 15–43 implícita e efeito de correlação, 55 77
spread implícito/ perdas Whipsaw, 73
realizado, 11, 41, 47–48, 93–99 Wilmott, P., 71-74, 77, 78, 94, 97 Wilson,
integrado, 31 A., 114, 115 Proporções
de vitórias/perdas, 159

Estratégia de Kelly, 103–113, 120–122 Yang, D., 24

grande e tendência a reverter, 52 dinâmica estimador Yang-Zhang: viés
de nível, 48–54 processo de de, 25 de
reversão à média, 34 medição e volatilidade, pontos bons e ruins,
previsão, 15–43 dependência de caminho, 87– 27
93 previsão de média, 54 saltos iniciais, 24 Yoon,
relacionamento com volume de Y., 24
ações, 80–84 risco de amostragem, 93 sazonalidade,
29–30 Zakamouline, V., 74–78 Zhang,
Q., 24
Machine Translated by Google
Machine Translated by Google

NOTA DO CLIENTE: SE ESTE LIVRO FOR ACOMPANHADO DE SOFTWARE,

LEIA O SEGUINTE ANTES DE ABRIR O PACOTE.

Este software contém arquivos para ajudá-lo a utilizar os modelos descritos no livro que o
acompanha. Ao abrir o pacote, você concorda em obedecer ao seguinte contrato: Este
produto de software é protegido
por direitos autorais e todos os direitos são reservados ao autor, John Wiley & Sons, Inc., ou
seus licenciadores. Você está licenciado para usar este software em um único computador.
Copiar o software para outro meio ou formato para uso em um único computador não viola
os EUA
Lei de Direitos Autorais. Copiar o software para qualquer outro propósito é uma violação da
Lei de Direitos Autorais dos EUA.
Este produto de software é vendido no estado em que se encontra, sem qualquer tipo de
garantia, expressa ou implícita, incluindo, entre outras, a garantia implícita de comercialização
e adequação a uma finalidade específica. Nem a Wiley nem seus revendedores ou
distribuidores assumem qualquer responsabilidade por quaisquer danos alegados ou reais
decorrentes do uso ou da incapacidade de usar este software. (Alguns estados não permitem
a exclusão de garantias implícitas, portanto a exclusão pode não se aplicar a você.)