Resenha do livro: Precificação de títulos e modelagem da curva de rendimento

0
42

Precificação de títulos e modelagem de curva de rendimento: uma abordagem estrutural. 2018. Ricardo Rebonato. Cambridge University Press.


Dentro Precificação de títulos e modelagem de curva de rendimento: uma abordagem estrutural, Ricardo Rebonato, professor de finanças da EDHEC Business School e do EDHEC-Risk Institute, combina teoria com evidências empíricas atuais para construir uma compreensão robusta do que impulsiona o mercado de títulos do governo. O livro fornece os fundamentos teóricos (sem arbitragem, convexidade, expectativas e modelagem afim) para um tratamento dos mercados de títulos do governo, apresenta e discute a grande quantidade de descobertas empíricas que apareceram na literatura de finanças nos últimos 10 anos e apresenta os modelos “estruturais” usados ​​por bancos centrais, investidores institucionais, acadêmicos e profissionais para, entre outras coisas, modelar a curva de rendimentos, responder a perguntas sobre políticas, avaliar as expectativas do mercado e avaliar oportunidades de investimento.

O livro está organizado em sete partes. A Parte I apresenta os fundamentos do livro, incluindo uma taxonomia razoável que descreve quatro tipos diferentes de modelos. Dois são modelos estatísticos e estruturais sem arbitragem que Rebonato explora extensivamente. Os modelos estatísticos visam descrever como a curva de juros se move. Eles se ajustam bem às curvas de rendimentos de mercado observadas e têm bom poder preditivo, mas carecem de uma base teórica forte, porque não podem garantir a ausência de arbitragem entre os rendimentos previstos. Modelos estruturais sem arbitragem fazem suposições sobre como um punhado de fatores determinantes importantes se comportam, garantem que a condição de não arbitragem seja satisfeita e derivam como os três componentes que impulsionam a curva de juros (expectativas, prêmios de risco e convexidade) devem afetar o forma da curva de rendimento. As condições de não arbitragem garantem que o preço derivado dos títulos não se traduza em um almoço grátis. Um dos temas subjacentes que o autor desenvolve é a tentativa de combinar as virtudes preditivas e de ajuste dos modelos estatísticos com a solidez teórica dos modelos sem arbitragem.

Botão de inscrição

A Parte II é dedicada a apresentar dois dos três blocos de construção da estrutura de termos: expectativas e convexidade. A Parte III apresenta a cola que mantém os três blocos de construção juntos – ou seja, as condições de não-arbitragem. Com os três blocos de construção e as condições de arbitragem totalmente explicados, o autor concentra-se na Modelo Vasicek na Parte IV, fornecendo uma derivação simples de seus resultados salientes, juntamente com uma discussão mais profunda de seus pontos fortes e fracos. O modelo Vasicek explica a evolução das taxas de juros. Um modelo de taxa curta de um fator, descreve os movimentos das taxas de juros como impulsionados por apenas uma fonte de risco de mercado. A Parte V retorna ao tópico da convexidade e a Parte VI trata dos retornos excedentes apresentando a ponte entre o mundo real e a descrição neutra ao risco. Finalmente, na Parte VII, o autor discute uma série de modelos que tentam superar as limitações dos modelos simples do tipo Vasicek discutidos nas Partes I–VI.

O autor analisa a modelagem da curva de juros afim de uma perspectiva estrutural e começa usando um modelo simples de Vasicek para construir sua intuição sobre o funcionamento de modelos afins mais complexos. Apesar da elegância e beleza do modelo Vasicek, Rebonato inclui uma extensão substancial dele com base em dados empíricos recentes sobre retornos excedentes e prêmios de prazo. Ele argumenta que para um modelo ter capacidade preditiva, ele deve ter um preço de risco de mercado não constante que seja dependente do estado e deve capturar a dependência dos retornos excedentes esperados na inclinação da curva de juros. O autor analisa novos modelos que ele construiu que incorporam essa visão chave e compara suas previsões sobre prêmios de prazo e expectativas de taxa com o que foi encontrado empiricamente na última década.

Rebonato constata que, após um investimento considerável de tempo e energia, os modelos estruturais mais complexos prevêem prêmios de risco e expectativas muito semelhantes às produzidas por modelos puramente estatísticos. Apesar desses resultados comparáveis, o autor explora cinco razões pelas quais os modelos estruturais podem ser úteis e por que confiar apenas em informações estatísticas é insatisfatório. Uma razão é que os modelos são executores da parcimônia: eles são úteis porque nos dizem não apenas do que o fenômeno em questão depende, mas também de quais variáveis ​​ele não depende. Na ausência de um modelo, o econometrista se depara com um número muito grande de variáveis ​​de estado, bem como suas defasagens, como potencialmente “regressores significativos”. Um modelo, com sua representação simplificada do funcionamento da economia, pode reforçar algumas podas drásticas e baseadas em princípios. Uma das virtudes de um modelo estrutural é a capacidade de reduzir o número de parâmetros que requerem estimativa e restringir os sinais e magnitudes relativas dos parâmetros que permanecem.

Modelos estruturais também são executores de restrições transversais, reveladores de informações prospectivas e integradores. A visão de modelos como regularizadores estatísticos pode ser vista como um caso especial de encolhimento estatístico em uma direção que reflete visões anteriores. Os modelos que são ajustados à curva de juros de hoje e à matriz de covariância de hoje levam em consideração as informações prospectivas incorporadas nos preços dos instrumentos relevantes. Os modelos fornecem informações integradas relevantes porque os preços são expectativas de funções exponenciais do caminho das variáveis ​​de estado, enquanto os rendimentos são imediatamente obtidos a partir dos preços.

O autor apresenta o argumento mais forte de por que os modelos estruturais são necessários, no entanto, ao explicar que eles são “melhoradores da compreensão”. Os modelos estruturais permitem uma compreensão do que impulsiona a curva de juros que é difícil para uma análise puramente estatística fornecer. Como a informação estatística é associativa, ela não se presta a uma interpretação causal. A mente humana funciona em um modo causal, mas muitas vezes falha quando apresentada com informações baseadas em associação. A principal virtude dos modelos é o poder que eles conferem aos seus usuários para se engajarem em uma análise crítica do que o modelo pode estar faltando e como ele deve ser melhorado.

Dentro Precificação de títulos e modelagem de curva de rendimento: uma abordagem estrutural, Rebonato leva os leitores a uma jornada instigante que elevará seu pensamento sobre modelagem de estrutura de termos. Nesta jornada, eles provavelmente ficarão cada vez mais familiarizados e confortáveis ​​com algumas técnicas matemáticas simples que são novas para eles.

Se você gostou deste post, não se esqueça de se inscrever no Investidor Empreendedor.


Todos os posts são da opinião do autor. Como tal, eles não devem ser interpretados como conselhos de investimento, nem as opiniões expressas refletem necessariamente as opiniões do CFA Institute ou do empregador do autor.


Aprendizagem profissional para membros do CFA Institute

Os artigos selecionados são elegíveis para crédito de Aprendizagem Profissional (PL). Registre créditos facilmente usando o CFA Institute Members App, disponível em iOS e Android.

Mark K. Bhasin, CFA

Mark K. Bhasin, CFA, é vice-presidente sênior do Basis Investment Group, LLC, Nova York, e professor adjunto adjunto da Stern School of Business da Universidade de Nova York.

LEAVE A REPLY

Please enter your comment!
Please enter your name here