Insper - Instituto de Ensino e Pesquisa

Programa de Mestrado Profissional em Economia

PEDRO LUIS SILVA

MODELAGEM MULTIFATORIAL DA ESTRUTURA A

TERMO DO SPREAD ENTRE TÍTULO PÚBLICO
PRÉ-FIXADO E DI FUTURO

SÃO PAULO
2018
 Pedro Luis Silva

MODELAGEM MULTIFATORIAL DA ESTRUTURA A

TERMO DO SPREAD ENTRE TÍTULO PÚBLICO
PRÉ-FIXADO E DI FUTURO

Dissertação apresentada ao Programa de Mes-

trado Profissional em Economia do Insper Ins-
tituto de Ensino e Pesquisa, como parte dos re-
quisitos para a obtenção do título de Mestre em
Economia.

Orientador: Prof. Dr. Gustavo Monteiro de

Athayde

São Paulo
2018
 Pedro Luis Silva

MODELAGEM MULTIFATORIAL DA ESTRUTURA A

TERMO DO SPREAD ENTRE TÍTULO PÚBLICO
PRÉ-FIXADO E DI FUTURO

Dissertação apresentada ao Programa de Mes-

trado Profissional em Economia do Insper Ins-
tituto de Ensino e Pesquisa, como parte dos re-
quisitos para a obtenção do título de Mestre em
Economia.

BANCA EXAMINADORA:

Prof. Dr. Gustavo Monteiro de Athayde

Orientador

Prof. Dr. Alessandro Martim Marques

Convidado 1

Prof. Dr. Adhemar Villani Junior

Convidado 2
 AGRADECIMENTOS

Ao meu Orientador pelo apoio, orientação e paciência. À minha família, por tudo.
 RESUMO

Usualmente, os agentes financeiros utilizam o DI futuro para imunizar o risco de uma carteira
composta por títulos públicos brasileiros e naturalmente ficam expostos ao spread existente entre
os títulos públicos brasileiros pré-fixados e esse derivativo. Esta dissertação apresenta o modelo
de cointegração como uma alternativa aos modelos tradicionais multifatoriais, como a análise de
componentes principais, para imunização do risco desse tipo de portfólio. Além de apresentar a
evidência de que os vértices de curto prazo são sempre estacionários, encontramos que existem
dois fatores comuns (commom trends) que podem ser associados ao nível e inclinação da curva
de spread (médio e longo prazo) que são não estacionários e ajudam a explicar a dinâmica da
curva ao longo do tempo. Mais do que isso, encontramos evidências estatísticas significativas
de que a liquidez do título público explica o common trend relacionado ao nível. Conclui-se,
porém, que a partir do final do governo de Dilma Roussef, os vértices do spread ficam com
características mais estacionárias, diminuindo a necessidade de estratégia de imunização de
carteira, dada a característica de reversão a média das séries.

Palavras-chaves: Cointegração. Spread. Hedge.

 ABSTRACT

Usually, financial agents use DI Futuro to immunize the risk of a portfolio comprised of Brazilian
Sovereign Bonds and, of course, are exposed to the spread between the prefixed Brazilian
Sovereign Bonds and that derivative. This dissertation presents the cointegration model as an
alternative to the traditional multifactorial models, such as the principal components analysis,
to immunize the risk of this type of portfolio. In addition to providing evidence that short-term
vertices are always stationary, we find that there are two common factors that can be associated
with the level and slope of the spread that are non-stationary and help explain the dynamics of
the curve over time. More than that, we find significant statistical evidence that the liquidity of
the sovereign bonds explains the common trend related to the level. It is concluded, however,
that since the end of Dilma Roussef’s presidency, the vertices of spread curve became stationary,
reducing the need for portfolio immunization strategy, given the mean reversal characteristic of
the series.

Key-words: Cointegration. Spread. Hedge.

 RESUMO EXECUTIVO

1 Introdução

A imunização do risco dos portfólios de títulos públicos brasileiros é usualmente feita no mercado
de DI futuro da B3 e gera uma exposição ao spread entre esses dois ativos. A literatura brasileira
explorou muito pouco os fatores que explicam esse spread. O arcabouço de regras de mercados,
regulação bancária e necessidade de gerenciamento de capital aumentou a necessidade das
Instituições Financeiras de manterem portfólio significativo de título públicos em seu balanço,
e consequentemente amentou sua exposição ao spread entre título público e DI futuro. Existe
risco em estar exposto a esse spread?

2 Proposta

A proposta desta dissertação é desenvolver um modelo de fatores comuns (common trends),

através da análise de Cointegração de uma série temporal multivariada, com o objetivo de
imunização de portfólios de renda fixa expostos a curva de spread entre o título público pré-
fixado e o DI futuro.

3 Contexto

O modelo proposto tem a intenção de ser utilizado para imunização do risco de spread entre o
título público brasileiro e o DI futuro de um portfólio de renda fixa típico, usualmente carregado
por Bancos e outras instituições financeiras. O objetivo do modelo é encontrar através da
cointegração, fatores comuns (common trends) presentes na série dos spreads que possam ser
utilizados para a calibragem de uma estratégia de imunização desse portfólio. Segundo a teoria
apresentada, os vetores de cointegração são estacionários e tem uma reversão à média que
possibilita encontrar uma estratégia de hedge que seja concentrada nos fatores comuns que
determinam a evolução do nível de preços de um portfólio.

4 Evidências obtidas

Além de apresentar a evidência de que os vértices de curto prazo são sempre estacionários,
encontramos que existem dois fatores comuns (common trends) que podem ser associados ao
nível e inclinação da curva de spread (médio e longo prazo) que são não estacionários e ajudam
a explicar a dinâmica da curva ao longo do tempo.
Os fatores comuns encontrados se assemelham muito aos fatores encontrados por Litterman &
Sheinkman (1991) em sua análise de componentes principais (PCA). Os dois fatores comuns
que ajudam a explicar a dinâmica da curva de spread são nível e inclinação. O fator 1, representa
o nível enquanto o fator 2 representa a inclinação. Foi demonstrado, também, que o nível pode
ser explicado pela liquidez diária do mercado secundário de título público. Além das duas
séries serem cointegradas, há evidências estatísticas para concluir que a liquidez diária dos
títulos granger-causa a common trend 1. Por outro lado, não foi encontrada nenhuma relação de
variáveis econômicas que ajudasse a explicar o fator de inclinação.

5 Implicações práticas

A estratégia de hedge utilizando apenas o fator de nível se mostrou efetiva em capturar a

dinâmica da curva de spread fora da amostra e para diminuição do risco de um portfólio
hipotético simplificado exposto à curva inteira de spread, podendo ser, inclusive, expandida
para outros ativos como o de títulos públicos e DI futuro. Sua aplicabilidade no mercado deverá
ser considerada em conjunto com outros componentes como acessibilidade do mercado de
compromissadas e custo de financiamento das transações. Porém, for observada a perda da
efetividade do hedge quando aplicado com os dois fatores em conjunto, evidenciando uma
quebra de regime na série, iniciada em meados de 2016. Adicionalmente, o fato de a curva ter
um processo de reversão a média, pode trazer oportunidades importantes para trading. Como é
sabido que a série de spread será atraída em torno de uma média após um choque momentâneo,
pode-se desenvolver estratégias de negociações que se aproveitem destes desequilíbrios.

Como recomendação para trabalhos futuros, propõem-se o foco desenvolver uma análise de
cointegração com janelas mais curtas e móveis, com o objetivo de capturar a dinâmica mais
atual da curva e evitar a instabilidade normalmente ligada a modelos que utilizam cointegração e
investigar de forma mais aprofundada as razões econômicas para a formação desse spread.
 LISTA DE FIGURAS

Figura 1 – Estrutura a Termo de spreads. . . . . . . . . . . . . . . . . . . . . . . . . . 19

Figura 2 – Série temporal de spreads dos vértices de curtíssimo prazo. . . . . . . . . . 20
Figura 3 – Série temporal de spreads dos vértices de curto prazo. . . . . . . . . . . . . 20
Figura 4 – Série temporal de spreads dos vértices de médio prazo. . . . . . . . . . . . 20
Figura 5 – Série temporal de spreads dos vértices de longo prazo. . . . . . . . . . . . . 20
Figura 6 – Representação das 4 relações de cointegração . . . . . . . . . . . . . . . . 29
Figura 7 – Common trends. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Figura 8 – Comportamento dos dois common trends ao longo do tempo. . . . . . . . . 30
Figura 9 – Comparação entre as duas common trends [Eixo da esquerda] e o endivida-
mento do Governo Federal do Brasil em relação ao PIB - Produto Interno
Bruto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Figura 10 – Comparação entre os dois common trends [Eixo da esquerda] e a expectativa
média de inflação de 3 anos da Pesquisa Focus. . . . . . . . . . . . . . . . 31
Figura 11 – Comparação entre os dois common trends [Eixo da Esquerda] e liquidez
média diária no Mercado Secundário de títulos públicos. . . . . . . . . . . . 32
Figura 12 – Comparação entre a volatilidade anualizada os dois common trends [Eixo da
Esquerda] e volatilidade histórica anualizada do DI futuro de 2 anos (hp: 63
dias). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Figura 13 – Dispersão do Lucro/ Prejuízo (R$) do portfólio com hedge e sem hedge -
common trend 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Figura 14 – Dispersão do Lucro/ Prejuízo (R$) do portfólio com hedge e sem hedge -
common trend 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Figura 15 – Dispersão do Lucro/ Prejuízo (R$) do portfólio com hedge e sem hedge -
common trend 1 + common trend 2. . . . . . . . . . . . . . . . . . . . . . . 37
Figura 16 – Lucro/ Prejuízo (R$) Acumulado. . . . . . . . . . . . . . . . . . . . . . . . 37
Figura 17 – Serie histórica de spread entre título público brasileiro pré-fixado e o DI futuro. 38
Figura 18 – Serie histórica de spread entre título público brasileiro pré-fixado e o DI
futuro, período após Maio/2016. . . . . . . . . . . . . . . . . . . . . . . . 39
Figura 19 – Fluxograma que demonstra as ações para o investidor ficar "vendido"no spread. 52
 LISTA DE TABELAS

Tabela 1 – Resultado teste ADF para a presença de raiz unitária . . . . . . . . . . . . . 27

Tabela 2 – Seleção de defasagem. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Tabela 3 – Teste de cointegração de Johansen: Teste de traço. . . . . . . . . . . . . . . 28
Tabela 4 – Equações de cointegração. . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Tabela 5 – Teste de Cointegração para séries de common trend 1 (Fator 1) e liquidez
diária de títulos públicos (Neg_DIARIA). . . . . . . . . . . . . . . . . . . 33
Tabela 6 – Teste de Causalidade de Granger considerando o common tend 1 e a liquidez
diária de títulos públicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Tabela 7 – Portfólio hipotético. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Tabela 8 – Tabela com a seleção dos ativos de hedge considerando apenas o fator 1. . . 35
Tabela 9 – Tabela com a seleção dos ativos de hedge considerando apenas o fator 2. . . 35
Tabela 10 – Resultado do portfólio sem hedge e com as estratégias de hedge. . . . . . . 35
Tabela 11 – Teste ADF dos vértices da curva de spread no período de Maio de 2016 a
Novembro de 2018. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Tabela 12 – Tabela de estimação do modelo VECM - Parte 1. . . . . . . . . . . . . . . . 47
Tabela 13 – Tabela de estimação do modelo VECM - Parte 2. . . . . . . . . . . . . . . . 48
Tabela 14 – Tabela de estimação do modelo VECM - Parte 3. . . . . . . . . . . . . . . . 49
Tabela 15 – Tabela de estimação do modelo VECM - Parte 4. . . . . . . . . . . . . . . . 50
 SUMÁRIO

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2 REVISÃO BIBLIOGRÁFICA . . . . . . . . . . . . . . . . . . . . . . . . 14

3 ESTRUTURA A TERMO DE SPREAD . . . . . . . . . . . . . . . . . . 18

4 COINTEGRAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.1 Modelo Estatístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.1.1 Especificação do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.1.2 Análise de Cointegração . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.2 Definição das Common Trends . . . . . . . . . . . . . . . . . . . . . . . . 24

5 RESULTADOS EMPÍRICOS . . . . . . . . . . . . . . . . . . . . . . . . 26
5.1 Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2 Common Trends . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.3 Hedge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.3.1 Serie Histórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

6 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

APÊNDICE A – PROPRIEDADES DE SÉRIES TEMPORAIS . . . . 44

A.1 Estacionariedade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
A.1.1 Estacionariedade Estrita . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
A.1.2 Estacionariedade Fraca . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
A.2 Processos não-estacionários . . . . . . . . . . . . . . . . . . . . . . . . . 44
A.2.1 Regressão Espúria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
A.2.2 Teste de Raiz Unitária . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
A.2.3 Processo de Passeio Aleatório - Processo de Markov . . . . . . . . . . . . . 45

APÊNDICE B – RESULTADOS DO VECM . . . . . . . . . . . . . . . 47

APÊNDICE C – NEGOCIAÇÃO DO SPREAD . . . . . . . . . . . . . 51

 11

1 INTRODUÇÃO

Agentes do mercado financeiro, como fundos de investimento e principalmente bancos

precisam manter portfólios significativo de títulos públicos brasileiros em seu balanço pelas
mais variadas razões. No caso dos bancos, essa necessidade fica ainda mais evidente dado o
arcabouço de regras de mercados, regulação bancária e necessidade de gerenciamento de capital.
Um exemplo prático, é o papel de dealer, dos bancos, concedido pelo Tesouro Nacional, para
promover o desenvolvimento dos mercados primário e secundário de títulos públicos. Essa
atividade requer que tais instituições negociem títulos públicos do governo com mais frequência
e consequentemente carreguem tais ativos por mais tempo em seu balanço.
Outra razão para que bancos mantenham títulos públicos em seu portfólio é a imunização
do risco de taxas de juros gerado pelo descasamento entre ativos e passivos de seu balanço, além
de ser importante alternativa de investimento de sua liquidez estrutural.
No mercado brasileiro, os títulos públicos pré-fixados são, muitas vezes, negociados na
forma de spread sobre o contrato futuro de DI. Nesses casos, a negociação de qualquer título
pré-fixado é “casada” com o contrato futuro de DI. Ao comprar ou vender um título, o agente
financeiro negocia a quantidade oposta e equivalente de contratos futuros no mesmo momento.
Adicionalmente, a imunização do risco dos portfólios de títulos é usualmente feita no
mercado de DI futuro da B3 que possui grande liquidez. Mesmo quando a estratégia de hedge é
feita para mitigar os riscos de duration e convexidade do portfólio, não se leva em consideração
as mudanças do spread entre DI futuro e títulos públicos pré-fixados que exige, no mínimo, uma
recalibragem do portfólio.
É fácil notar que, principalmente para os Bancos, o spread entre DI futuro e títulos
públicos pré-fixados merece uma investigação mais aprofundada, pois pode afetar o retorno
dessas instituições financeiras significativamente. Porém, esse risco de base gerado naturalmente
pelas atividades de hedge e regras de negociação dos ativos não foi explorado na literatura
brasileira. Existe realmente um risco significativo em ficar exposto a esse spread?
A literatura internacional sobre esse spread entre um derivativo, normalmente swap e
o título soberano do país, é mais vasta. Normalmente esse spread é negociado através de um
derivativo denominado swap spread, cujo mercado é mais desenvolvido, principalmente nos
Estados Unidos, e mede a diferença entre a taxa de juros pré-fixadas negociada no mercado de
swap e a yield da Treasury de mesma maturidade. Nos últimos anos, o desenvolvimento mercado
de swap está motivando uma série de estudos no mercado norte americano para entender a razões
pelas quais as taxas do spread estão negativas na parte longa da curva refletindo um cenário
de difícil interpretação econômica: os investidores estão mais dispostos a investir no mercado
privado de swap, do que no mercado nos títulos do Tesouro Americano.
Capítulo 1. Introdução 12

A literatura internacional também tenta explorar as razões que explicam esse spread e
comumente encontram o risco de crédito, liquidez, volatilidade e term premium como os fatores
que explicam sua variabilidade.
O risco de crédito normalmente está associado a diferença entre o risco de crédito
soberano e o risco de crédito da contraparte privada, normalmente medido no mercado de
compromissadas. No caso do mercado brasileiro, se houver diferença entre a percepção de risco
de crédito entre o contrato futuro de DI e o título público brasileiro, o spread entre os dois é
afetado.
Risco de liquidez refere-se ao prêmio adicional que um investidor está disposto a pagar
por um instrumento ou ativo mais líquido (Hua, 2010). No mercado norte-americano o título
público tem liquidez muito maior do que os swap. O mesmo não ocorre no mercado brasileiro,
que em geral tem a relação oposta. O term premium ou risk premium, é o retorno adicional
esperado pelo investidor para compensar o risco de manter em seu portfólio títulos de prazos
mais longos. Se os investidores cobram um prêmio maior para manter títulos de longo prazo do
que cobram para manter swap de longo prazo, o spread entre esses instrumentos é afetado.
Feldhutter & Lando (2008) decompõem o spread em três fatores: uma taxa de conveni-
ência para segurar títulos públicos, prêmio de crédito e um fator específico do mercado de swap.
Encontram que o primeiro fator é o mais importante para explicar a variabilidade do spread.
Outros autores como Duffie & Singleton (1997) e Lekkos & Milas (2001) utilizam o
modelo VAR (Vetores autorregressivos) e encontram o risco de crédito e alguns outros fatores
como nível, volatilidade e inclinação da curva de título público. Lekkos, Millas & Panagiotidis
(2007) exploram a performance de alguns modelos lineares e não lineares fora da amostra e
concluem que para previsão do spread de curto prazo, os modelos não lineares são melhores e
para a previsão do spread de mais longo prazo, os modelos lineares autoregressivos são mais
adequados.
É comum o desenvolvimento de modelos multifatoriais para elaboração de estratégias
de investimento e imunização de carteiras, especialmente ligados a correlação dos retornos,
como o modelo de análise de componentes principais (PCA) desenvolvido por Litterman &
Sheinkman (1991). Diversos autores brasileiros como Varga & Valli (2001), Silveira & Bressada
(2003) e Luna (2006) aplicaram essa técnica para entender a variabilidade da ETTJ brasileira e
desenvolver estratégias de imunização de portfólios de renda fixa. Porém, nenhum desses autores
explorou o spread entre o DI e os títulos públicos pré-fixados.
A utilização de modelos de cointegração, apresentado por Engle & Granger (1987),
trouxe outra perspectiva aos modelos de finanças aplicados a séries temporais multivariadas ao
propor uma técnica que permite identificar as tendências comuns que explicam a dinâmica de
curto e longo prazo de ativos financeiros e que pode ser aplicada a diferentes mercados como
commodities, ações e renda fixa. É importante ressaltar também que essa técnica foi pouco
Capítulo 1. Introdução 13

explorada pela literatura brasileira, especialmente com o foco em explicar o comportamento da

estrutura a termo do spread de taxa de juros.
O objetivo dessa dissertação é desenvolver um modelo de fatores comuns (common
trends), através da análise de cointegração de uma série temporal multivariada, com o objetivo
de imunização de portfólios de renda fixa expostos a curva de spread entre o títulos públicos
pré-fixados e o DI futuro. A ideia principal é empregar a abordagem de cointegração para
identificar os fatores comuns que melhor explicam a dinâmica longo prazo das curvas de spread
que afetam esses portfólios.
 14

2 REVISÃO BIBLIOGRÁFICA

Os modelos multifatoriais para precificação de ativos financeiros e como ferramenta para

imunização dos riscos de portfólio de renda fixa já foram apresentados em diversos estudos
ao longo das últimas décadas. Tais estudos buscam determinar os fatores que influenciam as
volatilidades do retorno dos ativos e apontar a melhor estratégia para imunizar os riscos de um
portfólio. O PCA foi apresentado por Litterman & Sheinkman (1991) como uma alternativa para
identificação dos fatores comuns que afetam o retorno dos títulos públicos do tesouro americano.
Nesse estudo, bastante difundido, os autores apontam três fatores que explicam quase totalmente
a variabilidade dos retornos dos títulos públicos e introduziram tal ferramenta no gerenciamento
de riscos de um portfólio envolvendo ativos de renda fixa. Ao interpretar os resultados, os
autores identificam os fatores como nível, inclinação e curvatura de juros e apontam que eles
explicam 98% da variabilidade dos retornos, sendo o primeiro fator responsável por 89.5% da
variabilidade.
A técnica de PCA foi expandida para diversas mercados. No Brasil, estudos conduzidos
por Varga & Valli (2001) e Silveira & Bessada (2003) para o mercado de DI futuro encontram
resultados muito similares aos encontrados no mercado americano.
Uma crítica que pode ser aplicada ao modelo desenvolvido por Litterman & Sheinkman
(1991) e alguns outros modelos clássicos desenvolvidos para imunização de carteiras é a de
que, por terem como ponto de partida a análise de correlação do retorno do portfólio, os preços
dos ativos são diferenciados antes mesmo de uma análise mais detalhada das séries de dados
e essa diferenciação tende a remover toda a informação de tendência mais longa dos dados
(Alexeander, 1999). Mesmo que a tendência esteja implícita no retorno, os fatores de tendência
únicos (common trends) da série de dados é excluída dos modelos.
Em 1987, Enger & Granger , introduziram a cointegração como ferramenta para análise
de séries temporais, que se mostrou eficiente em determinar os common trends presentes nos
dados e que apresentou contribuição importante para investigação da dinâmica de curto e
longo prazo de um sistema. Os modelos baseados em cointegração se difundiram pelo mercado
financeiro e são aplicados em diversos estudos acadêmicos aplicados a diferentes tipos de ativos
como commodities, opções de moeda e ações.
Giese (2008) utiliza modelos de VAR (vetor auto regressivos) e VECM (vetor de correção
de erros) apresentados por Enger & Granger (1987) e Johansen (1987) para investigar os
componentes não estacionários da estrutura a temo de taxa de juros norte americana, baseada
na yield dos títulos do Tesouro Americano e conclui que os principais fatores que explicam a
estrutura a termo são os mesmos fatores encontrados na literatura clássica: nível e inclinação. Os
resultados desse estudo mostram que a taxa de 10 anos forma um common trend associada ao
Capítulo 2. Revisão Bibliográfica 15

nível da curva de juros e o spread entre a taxa de 4 anos e 18 meses impactam a inclinação da
curva.
Tillmann (2004) encontrou um common trend não estacionário que influencia o compor-
tamento da estrutura a termo de juros e que o prêmio de risco (risk premium) é estacionário.
Morris, Neal & Rolph (2001) utilizam a cointegração para modelar as séries temporais de
títulos do Tesouro Americano e títulos privados e demonstram que as duas séries são cointegradas
e que a relação entre o spread de crédito das companhias e taxa dos títulos do Tesouro dependem
do horizonte de tempo.
Alexander (1999) apresenta um modelo para imunização do risco de um portfólio de
ações de diferentes países. O modelo busca selecionar as ações ou índices que se cointegrem
mais fortemente com o Índice European, Asian and Far East (EAFE) Morgan Stanley Index.
A ideia principal é desenvolver um modelo de hedge que leve em consideração apenas os
componentes não estacionários, e, portanto, a fonte primordial de risco do ativo. Sua conclusão
é que a cointegração se diferencia de outras técnicas estatísticas, pois se baseia em séries não
estacionárias, que se concentra nos fatores ou common trends que melhor explicam a dinâmica
de curto e longo prazo do portfólio e minimizam o mal apreçamento, hedge desnecessário e
custos adicionais. Porém, ela ressalta também que a cointegração pode levar a falsas conclusões
sobre a causalidade entre os ativos.
Revisada a técnica escolhida para a modelagem dos dados, voltaremos agora a atenção
ao objeto de estudo dessa dissertação: o spread entre a taxa do título soberano e a taxa de juros
do mercado privado.
A existência do spread em si, no primeiro momento, traz a ideia de que, sob a perspectiva
única de risco de taxa de juros, há uma oportunidade de arbitragem no mercado. Ou seja,
assumindo que o custo de financiamento é razoável, podemos nos aproveitar da diferença de
remuneração de dois ativos pré-fixados de mesmo vencimento. Por exemplo: se o spread é
positivo, ou seja, a taxa exigida por um título publico for maior do que a taxa praticada no
derivativo (DI futuro ou swap), podemos fazer uma operação na qual ficamos comprados no
título e "vendidos"no derivativo. Teríamos um "carrego"positivo até o vencimento dos ativos.
Porém, a persistência desse spread em níveis diferentes de zero e, principalmente, sua
oscilação ao longo do tempo, indica que existem outros fatores preponderantes que limitam a
arbitragem dos ativos e podem trazer risco significativo em ficar exposto a ele (Jerman, 2018).
Se o spread existe, espera-se que, em uma economia saudável, com um governo central
com credibilidade e expectativa de inflação ancorada, que ele seja negativo. Assume-se que não
há melhor pagador do que o governo e que um titulo público deveria ser o ativo mais seguro da
economia. Por consequência, a taxa de juros praticada no mercado privado deveria refletir um
risco de crédito maior (mesmo com as salvaguardas como contra parte central e garantias) e ser
menos atraente para investidores. Como poderá ser visto no seção adiante, o spread no mercado
Capítulo 2. Revisão Bibliográfica 16

brasileiro sempre foi positivo indicando que havia alguns fatores importantes que faziam com
que os investidores exigissem uma remuneração maior pelos títulos públicos. Essa lógica se
inverteu nos últimos anos, tornando o spread negativo. A explicação para esse efeito não é o
objetivo principal dessa dissertação, mas a seção 5 explora quais os fatores poderiam explicar
a dinâmica de longo prazo da curva de spread e encontra que a liquidez do mercado de títulos
públicos é o fator preponderante para essa dinâmica.
Outros fatores também apontados na literatura, como já citados anteriormente, são risco
de crédito, term premium e volatilidade do mercado. Jerman (2018), ao explicar o swap spread
norte americano, que está negativo no momento para prazos mais longos1 , o autor encontra que
os custos e atritos do mercado enfrentados pelos investidores para manter os títulos e o term
premium explicam os níveis atuais.
A seguir será feito um detalhamento um pouco mais aprofundado dos principais fatores
apontados na literatura como determinantes para formação do spread:

Risco de Crédito

Um dos primeiros aspectos explorados pela literatura internacional é o risco de default

relacionado ao contrato de swap, ou o risco de crédito do setor privado da economia. Como nos
Estados Unidos e outros países Europeus, o contrato de swap de taxa de juros é de balcão (OTC
– over-the-counter) e não envolve os mecanismos de garantia de uma contraparte central na
negociação, a literatura tentou explorar esse risco como potencial determinante para explicar o
spread. Como descrito por Apedjinou (2003) e Kobor, Shi & Zelenko (2005), foram encontradas
poucas evidências de que o risco de crédito da contraparte fosse significativo para o apreçamento
do contrato de swap. Porém, Apedjinou (2003) chama atenção para o fato de que o swap pode
refletir o risco AAA dos bancos, se tratarmos a taxa do swap como função da taxa Libor-Treasury
rate. Isso significa que em teoria esse risco é pequeno, mas existe, e tende a aumentar em
momentos de crise financeira. Adicionalmente, espera-se que, mesmo pequeno, que o risco
relacionado ao mercado privado seja maior do que o risco soberano.
No Brasil, como as operações de DI futuro são feitas por meio de Contraparte Central,
com mitigantes relacionadas à crédito, o risco de default refletiria o risco de alta qualidade da
bolsa local e dos bancos em geral. Entretanto, ainda espera-se que o risco de carregar o risco
soberano seja menor do que o risco carregar o risco privado.
Outro ponto relacionado ao risco de crédito é a credibilidade dos agentes financeiros.
Um fator que poderia ajudar a medir essa credibilidade é a expectativa de inflação do mercado.
Como discutido por Issler & Santos (2018) , "a credibilidade do Banco Central na literatura está
geralmente relacionada a reputação construída baseada na forte aversão a inflação...". Os autores
1 Ospread nos Estados Unidos é o oposto do Brasil: spread negativo indica que a taxa de juros exigida por um
título do governo americano é menor do que a praticada no mercado privado de swap
Capítulo 2. Revisão Bibliográfica 17

estimam a credibilidade do Banco Central do Brasil através da construção de um estimador

robusto HAC (Heteroskedasticity and Autocorrelation Consistent) para variância assintótica
da expectativa de inflação, levando em consideração que pode haver viés nas pesquisas de
expectativa de inflação no mercado. A conclusão encontrada pelos autores: a partir do final de
2016 houve ganho de credibilidade do Banco Central Brasileiro e do ministro da Fazenda.

Liquidez

Outro aspecto bastante explorado pela literatura é a liquidez. No mercado norte-americano

por exemplo, a Treasury é o instrumento preferido para imunização do risco de mercado relacio-
nado à variação da taxa de juros na carteira de bonds corporativos e de outros instrumentos, além
de ser uma fonte mais barata de financiamento através de operações compromissadas (Kobor,
Shi & Zelenko, 2005). Apedjinou (2003) acompanha Duffie & Singleton (1997), e argumenta
que o investidor estaria disposto a pagar uma taxa de conveniência em carregar um instrumento
mais líquido em sua carteira. Esse componente, portanto, teria um efeito positivo sobre o swap
spread norte americano e implicaria que o mercado aceita uma taxa menor de retorno do título
público em troca de uma liquidez maior.
No Brasil, o mercado é diferente em muitos aspectos. O principal deles é que o instru-
mento preferido dos investidores para imunizar o risco de mercado de taxa de juros é o DI futuro
ao invés do título público. Essa preferência, se reflete na liquidez do mercado de futuros que
supera significativamente a liquidez do mercado de LTN e NTN-Fs. Sobe esse aspecto, espera-se
que o spread no Brasil seja positivo, ou seja, que a taxa de conveniência por carregar o ativo
mais líquido esteja do lado do DI futuro, fazendo com que o investidor aceite um retorno menor
desse ativo em relação ao título público.

Volatilidade

Mais um aspecto explorado por Kobor, Shi & Zelenko (2005) é o componente de
volatilidade do mercado. Momentos de maior incerteza do mercado tendem a afetar a percepção
da qualidade de crédito do mercado em geral e aumentar a aversão ao risco. Normalmente, os
investidores tem um movimento natural de flight-to-quality ou flight-to-liquidity, no qual há
busca por ativos com maior qualidade de crédito ou maior valor de liquidez.
 18

3 ESTRUTURA A TERMO DE SPREAD

A diferença entre títulos públicos e o contrato de DI futuro da B3, forma a curva a termo
de spread estudada por essa dissertação. Em sua natureza, os dois instrumentos são diferentes,
pois enquanto um é instrumento de caixa que exige investimento inicial relevante, o outro é um
derivativo negociado com Contraparte Central sem investimento inicial relevante. De qualquer
forma, se desconsiderarmos os custos envolvidos, o retorno obtido em manter um título até
o vencimento e o retorno obtido por manter o DI futuro deveriam ser os mesmos dado que
essencialmente, o investidor estará exposto à variabilidade da estrutura a termo de taxa de juros
brasileira. Qualquer diferença entre elas deveria conter informação relevante sobre a economia
brasileira. Apesar de não ser objeto desta dissertação trazer uma explicação econômica concreta
sobre a variabilidade desse spread ao longo do tempo, encontrar fatores comuns que explicam a
variabilidade dessa curva fornece informações importantes sobre a economia no pais. Ao analisar
a curva de spread ao longo do tempo e nos mais diversos vértices, verifica-se que: (1) o spread
muda ao longo tempo, indicando que o ciclo econômico e a percepção dos agentes econômicos
impactam seu nível; (2) o spread não é o mesmo ao longo de todos os vértices, indicando que os
agentes financeiros tem uma percepção de risco diferente entre ficarem expostos ao spreads de
mais curto prazo e aos spreads de mais longo prazo.
Apesar de ser comum a negociação dos títulos públicos pelo spread, não há um instru-
mento criado no mercado brasileiro para esse fim. Os agentes financeiros, principalmente bancos,
estão constantemente expostos a essa curva. Nesse caso, para o estudo de uma estratégia de
hedge, foi definida uma posição (P) hipotética de spread como:

h i
−tTaxaDI −(TaxaDI +spread)t
P = 1000 e −e . (1)

Para construção da curva nominal spot de títulos públicos foram utilizados todos os
títulos públicos pré-fixados disponíveis (todas as maturidades) representados pela LTN (Letra
do Tesouro Nacional) e NTN-F (Nota do Tesouro Nacional – Tipo F). Para transformar a taxa
de retorno da NTN-F em uma taxa spot (zero coupon), foi utilizada a técnica de bootstraping,
que parte do princípio de que o preço teórico do título é igual a soma do valor presente de todos
os seus fluxos de caixa, que, por sua vez, é calculado utilizando-se as taxas obtidas pelas LTN
de mesmo prazo. A soma do valor presente de cada cupom é subtraída do valor presente total
do título (divulgado pela ANBIMA1 ). A partir do valor dos títulos sem os cupons, a taxa spot
equivalente para NTN-F é calculada como uma taxa de um título zero coupon com mesmo prazo
de vencimento.
1 O preço negociado no mercado secundário de títulos públicos é divulgado pela ANBIMA
(Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais) em htt p :
//[Link]/merc_sec/resultados/msec_09nov2018_ltn.asp.
Capítulo 3. Estrutura a Termo de spread 19

Como a B3 emite um contrato de DI futuro para, pelo menos, todas as maturidades dos
títulos públicos, o spread é calculado como a diferença entre o DI e a taxa spot do título público
de mesma maturidade:

spread = TaxaSpotT tuloPblico − TaxaDIFuturo (2)

Para interpolação das taxas em vértices padronizados foi utilizada a técnica de flat
forward. Esse modelo, amplamente utilizado no Brasil, utiliza taxas conhecidas para buscar um
ajuste exato da curva nominal, evitando arbitragem nos vértices conhecidos.

252
(DUt −DUt−1 )
  DU
  t
  DUt+1 (DUt+1 −DUt−1 )
 (1 + Taxat+1 ) DU 
 DUt−1 252 
Taxat = 
 (1 + Taxat−1 ) 252 × t−1
 − 1.
 (3)
(1 + Taxat−1 ) 252

A figura 1 ilustra a curva de spread em momentos diferentes ao longo do tempo. Em

2013, o taxa era positiva ao longo de todos os vértices indicando que o retorno exigido pelos
títulos era maior do que o retorno do DI futuro, o que economicamente é contra intuitivo, já que
se espera que o mercado exija um prêmio para carregar instrumento do mercado privado de DI
futuro em relação a carregar o risco soberano. Já em 2015, o cenário era o oposto e indica que
os investidores estavam exigindo um retorno menor pelos títulos do tesouro. Essa característica
pode estar ligada a diferença de percepção de risco de crédito dos investidores sobre a dívida
soberana em relação ao mercado privado de derivativos desenvolvido na B3.

Figura 1 – Estrutura a Termo de spreads.

A estrutura a termo da curva também pode variar ao longo do tempo, conforme evi-
denciada pela diferença de inclinação do final de 2011 e final de 2016 (figura 1. Em 2011 os
investidores cobravam um prêmio maior para manter títulos de longo prazo do que cobravam
para manter DI futuro de longo prazo (acima de 4 anos). Já em 2016 essa tendência se reverte e a
curva se torna menos inclinada, indicando preferencias simétricas ao longo de todos os prazos.
Outro ponto a ser considerado, que é mais difícil de ser observado na análise visual da curva, é o
Capítulo 3. Estrutura a Termo de spread 20

prêmio de liquidez. Algumas torções da curva podem estar ligadas a esse fenômeno que com
certeza afeta cada vértice de forma diferente.

Figura 2 – Série temporal de spreads dos vértices de curtíssimo prazo.

Figura 3 – Série temporal de spreads dos vértices de curto prazo.

Figura 4 – Série temporal de spreads dos vértices de médio prazo.

Figura 5 – Série temporal de spreads dos vértices de longo prazo.

Capítulo 3. Estrutura a Termo de spread 21

Outra análise gráfica que podemos fazer é observar a série temporal de cada vértice
(figura 2) e verificar se seu comportamento tem característica de reversão à média ou se há um
comportamento de random walk. Denota-se que para os prazos curtissmos, até 63 dias úteis
(3 meses), o spread parece seguir uma reversão à média, o que significa que as séries têm
características de séries estacionárias. Além dessa característica estacionária, percebe-se uma
volatilidade grande nos spreads, notadamente maior do que nos prazos mais longos, e fazendo
com que qualquer desequilíbrio seja corrigido rapidamente pelo mercado. Uma breve análise do
mercado de títulos públicos pode nos ajudar a entender esse comportamento.
O primeiro ponto é o prazo médio dos títulos pré-fixados negociados nos últimos anos. O
prazo, desde 2011, é superior a 1.5 anos e atingiu 2.17 anos de média desde 20172 . Aparentemente
as instituições financeiras e outras instituições que detém títulos públicos pré-fixados, parecem
serem indiferentes em segurar ou negociar os títulos de curto prazo e sempre que há uma rolagem
de posição (alongamento de posição) , o impacto nos spreads parece ser corrigido rapidamente
pelo mercado como um todo.
As séries temporais dos vértices de prazos mais longos parecem ter uma característica
de passeio aleatório mais clara (figuras 3, 4, 5) , indicando que o preço de hoje, é o preço de
ontem mais um choque aleatório. Podemos, porém, destacar o comportamento das séries com
prazo acima de 4 anos. Nota-se que a volatilidade também parece aumentar e pode refletir a
situação de mercado de menor liquidez e possivelmente maiores imperfeiçoes no preço. Quando
analisamos a estrutura de vencimentos da dívida pública pré-fixada divulgada pelo Tesouro
Nacional, verificamos que, em 2018, menos de 8% dos títulos tem vencimento maior do que 4
anos.
Se houver a comprovação de que as séries temporais desses vértices são não estacionárias
e tem integração de ordem 1 v I(1), pode-se desenvolver a análise de cointegração sobre
o sistema desses vetores e encontrar uma ou mais relações de cointegração entre os vértices
no longo prazo. Os testes estatísticos realizados para o estudo desse sistema multivariado e o
resultado dos testes de cointegração serão discutidos na próxima seção.

2 Ver o Relatório Mensal da Dívida divulgado pelo Tesouro Nacional e disponível em:
[Link]
 22

4 COINTEGRAÇÃO

Alexander (1999) define que duas séries integradas de mesma ordem são cointegradas
se existir uma combinação linear dessas séries (vetor de cointegração) que seja estacionária. A
intuição econômica por trás da cointegração é a de que existe um equilíbrio de longo prazo no
sistema. Ou seja, o vetor de cointegração denota uma ligação, que conecta as duas séries no
longo prazo, mesmo que no curto prazo as séries se distanciem.
Formalmente, conforme apresentado por Engle & Granger (1987), x e y são cointegrados
se:

i x, y v I(1) , as séries são estacionárias apenas após a primeira diferenciação.

ii Existe um α para o vetor cointegrado z = x − αy v I(n)

As definições mais detalhadas de estacionariedade e regressão espúrias podem ser vistas

no Apêndice A.
Em um modelo multivariado com mais de duas séries, haverá cointegração se existir pelo
menos uma combinação linear (até n-1 combinações) que seja estacionária.

4.1 Modelo Estatístico

O modelo estatístico aplicado à essa dissertação será representado conforme desenvolvido

por Giese (2008).
A análise empírica começa pela definição formal do modelo de vetor autoregressivo
(VAR). O modelo irrestrito do VAR de ordem k com ρ variáveis endógenas é dado por:

xt = Π1 xt−1 + . . . + Πρ xt−ρ + φ Dt + εt , (4)

t = 1, 2, ..., T.

onde xt é o vetor de ρ variáveis no tempo t, Πi são matrizes ρxρ de parâmetros com i = t, ...k.
Dt é um vetor de componentes determinísticos com um vetor de coeficientes φ e εt um vetor ρx1
de erros. É assumido que o vetor de erros é independentemente e identicamente distribuído (i.i.d)
e segue uma distribuição Gaussiana: εt ∼ iid Nρ (0, Ω), onde Ω denota a matriz de variância-
covariância dos erros.
O VAR pode ser reescrito como um vetor de correção de erros (VECM):

∆xt = Πxt−1 + Γ∆xt−1 + . . . + Γ∆xt−k+1 + φ Dt + εt , (5)

Capítulo 4. Cointegração 23

onde Π = −(I − Π1 − . . . − Πk ) e Γ = − ∑kj=i+1 Π j . Dessa forma o foco do VECM estará

na relação de longo prazo das variáveis, representada por Π. A informação de curto prazo e
representada por Γi ’s.
No caso dessa dissertação xt0 = bt1 , bt2 , bt3 , . . . , btn , representa o zero-coupon spread de

prazo n no tempo t.

4.1.1 Especificação do Modelo

Escolhida as variáveis do modelo, devemos especificar a defasagem (lag) necessária com

base no critério de Informação.
O Akaike Information Criterion (AIC) é um dos métodos mais utilizados na literatura para
identificação de qual a defasagem ideal para ser utilizada no modelo de VAR e VECM. Podemos
interpretar essa métrica como um critério de seleção de modelos diferentes que competem entre
si e que, portanto, deveriam fornecer o maior poder de explicabilidade possível. No entanto, o
modelo AIC também determina que além do modelo ter um bom ajuste dos dados também deve
ter parcimônia. Dessa forma, o modelo inclui uma penalidade para inclusão de cada regressor no
modelo de VAR.

AIC = 2k − 2 ln L̂, (6)

onde k é o número de regressores e ln L̂ é função de verossimilhança. Dado um conjunto de
candidatos, devemos escolher o modelo com o menor valor de AIC.

4.1.2 Análise de Cointegração

Para testar se há cointegração, Johansen (1987) propôs uma alternativa ao modelo

apresentado por Engle e Granger (1987) que, segundo Alexander (1999) se mostrou superior
para sistemas multivariados.
Johansen (1987) apresenta três situacoes relacionadas ao posto de Π:

i Se Π possui posto completo, então existem n = r vetores linearmente independentes

implicando que as variáveis em Xt são I (0). Todas as séries são estacionárias.

ii Se Π possui posto igual a zero, não há cointegracões.

iii Se Π tem posto reduzido (r < n), então existem n x r matrizes α e β com posto r de tal
forma que Π = αβ e β 0x é estacionário. r é o número de vetores de cointegrações, os
elementos de α são os parâmetros de ajuste do VECM e cada coluna de β é um vetor de
cointegração.

Segundo Alexander (1999), o teste de Johansen é baseado nos autovalores de uma matriz
estocástica, que reduz o problema de cointegração a um problema de correlação canônica, que o
Capítulo 4. Cointegração 24

deixa similar ao PCA. Para testar a presença de vetores de cointegração, Johansen (1987) propõe
dois testes.

n  
Jtrace = −T ∑ ln 1 − λ̂i (7)
i=r+1
e  
Jmax = −T ln 1 − λ̂r+1 , (8)

onde T é o numero de observações de Xt e λ̂i é o iésimo autovalor que determina a relação

canônica entre ∆Xt e Xt−1 .
Jtrace testa a hipótese nula H0 : λi = 0, i = r + 1, . . . , n, contra H1 : λi = 0, i = 1, 2, . . . , n.
A estatística Jmax testa r séries cointegradas contra existir r+1 séries cointegradas.
Para mais detalhes ver Johansen (1987), Giese (2008) e Guillen & Vicente (2008).

4.2 Definição das Common Trends

Como já ressaltado anteriormente, o objetivo dessa dissertação é encontrar um modelo

multifatorial que possa ser utilizado em uma estratégia de imunização de risco para uma carteira
exposta à curva de spread. Dessa forma, a partir da matriz Π na equação (5), que contém a
informação de longo prazo do sistemas e as combinações lineares estacionárias (cointegrações),
propõe-se encontrar os vetores que ajudariam a explicar a dinâmica de longo prazo da curva de
spread, mas que, ao contrário, das cointegrações, não são estacionários.
Do ponto de vista de risco, os vetores de cointegração representam a dinâmica da curva
que não precisaria de hedge (especialmente de longo prazo), já que são atraídos em torno de uma
média. Analogamente, os common trends ajudariam a representar os componentes da curva de
spread que deveriam ser imunizados em uma estratégia de hedge de longo prazo. Isso acontece
pois, por característica, são não estacionários e representam um processo de passeio aleatório
(também detalhado no Apêndice A), cujo o valor futuro seria apenas o valor de hoje mais um
choque aleatório com determinada variância.
Vamos assumir que em um sistema xt é um vetor 6 x 1 no qual cada componente
representa o spread zero-coupon de um prazo da curva. Vamos assumir também que o número
de relações de cointegração encontradas após a aplicação do teste de cointegração é 4. Ou seja,
nesse sistema teremos 4 vetores cointegrados e estacionários e 2 vetores não estacionários.
Nesse caso a matriz Π, sera uma matrix 4 x 6 (posto reduzido) com as quatro combinações
lineares que representam os vetores de cointegração.
Poderemos, então, encontrar a partir dessa matriz, dois vetores 6 x 1, ortogonais à matriz
Capítulo 4. Cointegração 25

Π, que representariam os common trends. Teremos portanto que:

Π4x6 ×C6x2 = 04x2 . (9)

Onde C é a matriz 6 x 2 de common trends e 04x2 é uma matriz nula.

Temos agora definido o espaço vetorial onde se encontram os common trends, mas ainda
precisamos impor algumas restrições para determiná-los.
A primeira restrição imposta e que os vetores de common trend sejam ortogonais entre
si. Ou seja, espera-se que cadas um dos vetores explique um fator diferente da curva de spread.
Outra restrição é que a correlação dos common trends ao longo da serie histórica de spread
seja nula, garantindo que esses fatores sejam independentes entre si. Adicionalmente, para
padronização dos vetores será imposto que a norma de cada um dos vetores de common trend
seja igual a 1.
 26

5 RESULTADOS EMPÍRICOS

5.1 Modelo

O modelo proposto tem a intenção de ser utilizado para imunização do risco de spread
entre o título público brasileiro e o DI futuro de um portfólio de renda fixa típico, usualmente
carregado por bancos e outras instituições financeiras. O objetivo do modelo é encontrar através
da cointegração, fatores comuns (common trends) presentes na série dos spreads que possam
ser utilizados para a calibragem de uma estratégia de imunização desse portfólio. Segundo a
teoria apresentada, os vetores de cointegração são estacionários e tem uma reversão à média
que possibilita encontrar uma estratégia de hedge que seja concentrada nos fatores comuns que
determinam a evolução do nível de preços de um portfólio.
Conforme Alexander (1999), a análise de common trend deve cobrir um ciclo econômico
inteiro, sendo recomendado 10 anos ou mais de dados. Para o desenvolvimento deste modelo
serão feitos sob uma amostra de dados de Junho de 2011 a Novembro de 2017, formando
aproximadamente 6 anos de dados diários. A performance do modelo será testada fora da
amostra, em um período de aproximadamente 1 ano que se inicia em Novembro de 2017. Antes
de verificarmos se o modelo de cointegração é aplicável ao mercado estudado, devemos verificar
se as séries temporais, nesse caso, a séries de spread para cada prazo da curva, são integradas de
ordem 1 ou não estacionárias.
O deste de Dickey-Fuller aumentado (ADF) foi utilizado para verificar a presença de raiz
unitária. Conforme a tabela abaixo, para prazos mais curtos de 21 e 42 dias podemos rejeitar,
com 95% de confiança, a hipótese nula de que há raiz unitária, e, portanto, podemos concluir
que essas séries são estacionárias. Nesse caso, devemos excluí-las do sistema para o teste de
cointegração.
O fato de as séries de curto prazo serem estacionárias significa que não há um componente
não estacionário que possa representar um passeio aleatório estocástico para esses vértices. Isso
quer dizer que, do ponto de vista de risco, não precisamos nos preocupar com eles. Existe uma
relação de longo prazo que atrai os vértices para o em torno de um média depois de choques
momentâneos.
Os demais prazos, que vão de 3 meses até 10 anos, apresentam o valor p significativo
(acima de 5%) e, portanto, devemos não rejeitar a hipótese nula de que há raiz unitária. Apesar
da evidência de não estacionariedade ou de integração de ordem I(1), algumas restrições rela-
cionados às características do mercado apresentadas no Capítulo 3, relacionados ao perfil de
vencimento e liquidez do mercado de títulos públicos, os vértices mais longos (acima de 4 anos)
serão retirados do modelo. O sistema multivariado, a ser testado, será a série de spreads de 6
Capítulo 5. Resultados Empíricos 27

Tabela 1 – Resultado teste ADF para a presença de raiz unitária.

vértices diferentes, que começa em 6 meses e vai até 4 anos.

Agora que selecionamos as séries temporais de spread que estarão no modelo, selecio-
naremos através do Critério de Informação AIC, qual a melhor defasagem para o modelo. Na
tabela 2, podemos ver que, pelo AIC, devemos selecionar o lag k = 6.

Tabela 2 – Seleção de defasagem.

Selecionada a defasagem, podemos verificar a quantidade de cointegrações pelo método

de Johansen (1987). A tabela 3 traz o resultado do teste estatístico de traço, que testa a hipótese
nula de não haver nenhuma relação de cointegração nos dados. Se a hipótese nula for aceita,
haverá a evidência de que não há cointegração e de que todas as séries são estacionárias. O teste
indica, com 95% de confiança, haver até 4 relações de cointegração na série. Pode-se, portanto,
extrair até 2 vetores de tendência comum (common trend) desse sistema.
Portanto, o modelo de VECM pode ser especificado com a defasagem de 6 lags e
Capítulo 5. Resultados Empíricos 28

Tabela 3 – Teste de cointegração de Johansen: Teste de traço.

considerando-se 4 relações de cointegração.

Tabela 4 – Equações de cointegração.

A tabela 4 contém as 4 equações de cointegração obtidas através da regressão de VECM

obtida no software EVIEWS, o resultado completo do modelo VECM rodado no software pode
ser visto no Apêndice B. A matriz de equações já está normalizada e diagonalizada.
A figura 6 traz o comportamento das quatro relações de cointegração ao longo do
tempo que possuem um comportamento estacionário, apesar de demonstrar certa quebra desse
comportamento no período fora da amostra, que sera explorada mais adiante. A tarja cinza
destaca o período fora da amostra.
Capítulo 5. Resultados Empíricos 29

Figura 6 – Representação das 4 relações de cointegração

5.2 Common Trends

Agora que obtivemos as quatro relações de cointegração do modelo, podemos identificar

os dois common trends, assim como especificado na seção 4.2. A figura 7 ilustra os vetores
obtidos.

Figura 7 – Common trends.

A intuição econômica por traz do gráfico apresentado na figura 7 é muito similar as

conclusões encontradas por Giese (2008) para a curva de Tresury americana e por Guillén &
Vicente (2008) para a Estrutura a Termo de spread Brasileira: Os dois fatores comuns que ajudam
a explicar a dinâmica da curva de spread são nível e inclinação. O fator 1 representa o nível
Capítulo 5. Resultados Empíricos 30

enquanto o fator 2 representa a inclinação. Adicionalmente, os fatores também se assemelham

aos fatores encontrados por Litterman & Sheinkman (1991) no PCA. Novamente, a tarja cinza
na figura 7 destaca o período fora da amostra.

Figura 8 – Comportamento dos dois common trends ao longo do tempo.

Essa abordagem, além de oferecer uma ferramenta importante para imunização de

carteiras, pode nos ajudar a entender os componentes de mercado e macroeconômicos que
explicam a dinâmica do spread ao longo do tempo. O comportamento da série dentro e fora
da amostra, mais o comportamento das common trends, nos permite fazer uma análise mais
aprofundada da série de spread à luz da revisão bibliográfica e à luz dos acontecimentos
importantes ocorridos no período.

Risco de Crédito

Como apontado anteriormente, um dos primeiros aspectos explorados pela literatura

internacional é o risco de crédito. Espera-se, em uma economia saudável, que o risco de crédito
do setor público seja melhor do que no setor privado. As figuras 2, 3, 4 e 5 refletem uma situação
que se opõe ao arcabouço teórico apresentado. Antes de 2016, o spread parecia refletir que o
mercado acreditava que a qualidade do risco de crédito do mercado privado era significativamente
superior a qualidade do risco soberano do Brasil. Sob essa perspectiva isolada, realmente
poderíamos concluir que a percepção do mercado sobre o risco soberano era ruim e refletia a
baixa credibilidade do Banco Central Brasileiro e o Governo Federal.
A figura 9 traz o endividamento bruto do Governo Federal1 , medido como percentual do
PIB e sua relação em relação aos common trends. É possível verificar um aumento considerável
do endividamento a partir do final de 2015 que não parece ter relação clara com o spread.
Intuitivamente, um aumento do endividamento deveria impactar negativamente a percepção de
crédito do governo e tornar o spread mais positivo. No entanto, o que vemos é o decrescimento
1 Endividamento Bruto do Governo Federal do Brasil, disponível em htt ps :
//[Link]/htms/in f econ/[Link]
Capítulo 5. Resultados Empíricos 31

do nível dos spreads, após um momento de volatilidade, e sua estabilização na região negativa,
denotando uma possível melhora na credibilidade do governo.

Figura 9 – Comparação entre as duas common trends [Eixo da esquerda] e o endividamento do

Governo Federal do Brasil em relação ao PIB - Produto Interno Bruto.

Para medir a credibilidade do Governo Federal, optamos por utilizar a expectativa média
de inflação da pesquisa Focus do Banco Central do Brasil2 , como parâmetro. Podemos concluir
ao analisarmos a figura 10, que, a partir do final de 2016, houve ganho de credibilidade do Banco
Central Brasileiro e do ministro da Fazenda. A partir dessa data a expectativa de inflação indica
uma trajetória de queda visível e rápida.

Figura 10 – Comparação entre os dois common trends [Eixo da esquerda] e a expectativa média
de inflação de 3 anos da Pesquisa Focus.

Liquidez
2 Pesquisa Focus, divulgado pelo Banco Central do Brasil, disponível em htt ps :
//[Link]/expectativas/publico/?wicket : inter f ace =: 0 : 18 :::
Capítulo 5. Resultados Empíricos 32

Uma análise mais detalhada do gráfico apresentado na figura 11, sugere que há realmente
uma correlação negativa entre a liquidez do título público3 e o common trend 1. A partir do final
de 2015, a liquidez média diária dos títulos começa a crescer significativamente (também como
um reflexo do aumento do endividamento do Governo Federal – figura 9), e parece afetar esse
fator, que, além de diminuir de inclinação se torna negativo.

Figura 11 – Comparação entre os dois common trends [Eixo da Esquerda] e liquidez média diária
no Mercado Secundário de títulos públicos.

Volatilidade

A volatilidade do mercado também é relacionada como fator preponderante na formação

do spread. No caso do Brasil, foi escolhida a volatilidade histórica do DI futuro de 2 anos
(holding period (hp) de 63 dias) como proxy para essa medida. A figura 12 ilustra a relação da
volatilidade como os fatores comuns. Parece haver correlação entre os jumps no spread e os
momentos de volatilidade mais acentuada apenas até certo momento.
A volatilidade do DI futuro parece estar fortemente ligada às volatilidades dos common
trends até 2016, inclusive denotando forte correlação no momento de maior instabilidade, no
final de 2015. A partir de 2016, há uma quebra nessa relação, e momentos de instabilidade no
mercado parecem ter um efeito muito menor nos spreads. Esse componente não parece explicar
a dinâmica da curva do spread de forma satisfatória.

Liquidez como fator preponderante

De todos os fatores explorados anteriormente, a liquidez parece ser o fator que melhor
explica os common trends, principalmente o common trend 1. Parece haver uma relação clara
entre os spreads e a quantidade diária negociada de títulos público.
3 Liquidez diária do Mercado Secundário de títulos públicos Brasileiros está disponível em: htt p :
//[Link]. f [Link]/en/relatorio − mensal − da − divida
Capítulo 5. Resultados Empíricos 33

Figura 12 – Comparação entre a volatilidade anualizada os dois common trends [Eixo da Es-
querda] e volatilidade histórica anualizada do DI futuro de 2 anos (hp: 63 dias).

Para testarmos essa ligação, foi verificada se há presença de cointegração entre o common
trend 1 e a quantidade diária média negociada de títulos públicos. O resultado não surpreende:
há evidências estatísticas suficientes para estabelecermos que existe uma relação de longo prazo
entre spread e liquidez dos títulos que cointegra as duas séries.

Tabela 5 – Teste de Cointegração para séries de common trend 1 (Fator 1) e liquidez diária de
títulos públicos (Neg_DIARIA).

O teste de causalidade de Granger, nos permite avaliar que, como esperado, a liquidez
diária "Granger-causa"o common trend 1. Em outras palavras, há evidência estatística, denotada
pelo p-value maior do que 5% para até uma cointegração, para afirmarmos que o nível dos
spreads é impactado pela liquidez dos títulos públicos. O patamar de liquidez do mercado hoje é
completamente diferente de alguns anos atrás e isso parece ter impactado significativamente a
curva de spreads.
Capítulo 5. Resultados Empíricos 34

Tabela 6 – Teste de Causalidade de Granger considerando o common tend 1 e a liquidez diária

de títulos públicos.

5.3 Hedge

O portfólio hipotético representado na tabela 7 representa uma carteira exposta a diversos

prazos da curva de spread. Como explorado anteriormente, para efeito de hedge as quatro cointe-
grações foram desprezadas na estratégia de hedge, porque por características são estacionárias
e não requereriam ação adicional do ponto de vista do hedge. Portanto, foi decidido construir
3 portfólios de hedge, com o objetivo de testar a relevância dos 2 fatores de common trend
individualmente e em conjunto em um período fora da amostra.

Tabela 7 – Portfólio hipotético.

A seleção da carteira de hedge foi feita com base no vetores de common trends exclusi-
vamente. Ou seja, o peso de cada ativo escolhido em cada portfólio segue exatamente o peso
proporcional de cada um dos vetores propostos pelos vetores de common trends. O objetivo é
avaliar se os fatores conseguem capturar o movimento da curva de spread.
As tabelas 8 e 9 mostram o portfólios selecionados e a tabela 10 traz os resultados de cada
estratégia. Ressalta-se que os custos de implementação e negociação não foram considerados na
estratégia.
Pode-se verificar que as estratégias apontadas foram efetivas em diminuir significati-
vamente o risco da carteira pelas medidas de Expected Tail Loss (ETL) e pelo desvio-padrão
([Link]) do resultado. Claramente a estratégia considerando apenas o fator 1 (nível) foi su-
perior a estratégia considerando apenas o segundo fator (inclinação), o que corrobora com os
Capítulo 5. Resultados Empíricos 35

resultados encontrados por Litterman & Sheinkman (1991) que demonstram que o nível explica
a maior parte variabilidade da estrutura a termo de taxa de juros.

Tabela 8 – Tabela com a seleção dos ativos de hedge considerando apenas o fator 1.

Tabela 9 – Tabela com a seleção dos ativos de hedge considerando apenas o fator 2.

Tabela 10 – Resultado do portfólio sem hedge e com as estratégias de hedge.

Os gráficos de dispersão de Ganho/Prejuízo nas figuras 13, 14 e 15, demonstram que a

estratégia conseguiu imunizar o risco contra movimentos extremos do spread, especialmente ao
redor de Junho/2018 e também no final da amostra, após Outubro/2018, período um pouco mais
instável devido as eleições.
O gráfico da figura 16, que traz o Lucro/ Prejuízo acumulado desde de o começo do
hedge, mostra que, principalmente na estratégia considerando apenas o common trend 1, o lucro
acumulado se manteve mais estável (próximo a zero), demonstrando sua relevância em relação
ao segundo fator.
O resultado, porém, parece contra intuitivo quando consideramos os dois fatores juntos,
pois a imunização do risco piora. Precisamos relembrar que uma das restrições impostas para
obtenção dos common trends era a de que eles seriam independentes ou descorrelacionados ao
longo da serie histórica de spread dentro da amostra. Se essa relação deixou de ser verdade no
período fora da amostra a efetividade dos hedge em conjunto seria afetada.
Quando analisamos a correlação dos dois common trends fora da amostra, verificamos
que realmente houve mudança em relação ao período dentro da amostra, que ajuda a explicar o
resultado do hedge. A correlação que era zero, passou para uma correlação de 0.33. Apesar de
fraca/moderada, a correlação positiva denota que os fatores 1 e 2 não são mais completamente
Capítulo 5. Resultados Empíricos 36

independentes e explica a perda de efetividade dos hedges em conjunto. Essa métrica, por si
só, explica apenas parcialmente o resultado e teremos de investigar se houve outra mudança no
comportamento da série.
Uma análise mais cuidadosa da curva de spread a partir de 2016, que coincide com
o começo do processo de impedimento da Presidente Dilma Roussef, também pode ajudar
a explicar os resultados do hedge apresentados anteriormente. Parece haver uma mudança
significativa nas séries de spreads que além de tornarem os dois common trends redundantes,
podem ter diminuindo o risco efetivo de carregar o spread na carteira. Esse será o tema da
próxima seção.

Figura 13 – Dispersão do Lucro/ Prejuízo (R$) do portfólio com hedge e sem hedge - common
trend 1.

Figura 14 – Dispersão do Lucro/ Prejuízo (R$) do portfólio com hedge e sem hedge - common
trend 2.

5.3.1 Serie Histórica

Após uma análise mais detalhada da série de spreads é possível ver uma aparente quebra
de regime que não foi contemplada no modelo, mas que pode ajudar a explicar a efetividade do
Capítulo 5. Resultados Empíricos 37

Figura 15 – Dispersão do Lucro/ Prejuízo (R$) do portfólio com hedge e sem hedge - common
trend 1 + common trend 2.

Figura 16 – Lucro/ Prejuízo (R$) Acumulado.

hedge e a relação das duas common trends a partir de 2016. Fica claro que após um período de
maior instabilidade que vai do final de 2015 até Maio/2016, relacionado ao processo de abertura
do impeachment da Presidente Dilma Roussef, e representado pela tarja cinza na figura 17. Essa
divisão clara em três períodos nos permite desenvolver um racional para entender o spread a
partir de 2011.
Antes do período destacado (período 1), o spread era positivo e em um nível claramente
superior ao período posterior (período 3) e a liquidez diária dos títulos públicos estava em um
nível mais baixo. Apesar do endividamento estar em um nível mais baixo na época, os elementos
destacados anteriormente denotam um Governo Central com menor credibilidade, que poderia
Capítulo 5. Resultados Empíricos 38

justificar os spreads positivos, indicando que o mercado estava mais disposto a receber um
retorno menor no mercado privado de DI futuro.

Figura 17 – Serie histórica de spread entre título público brasileiro pré-fixado e o DI futuro.

Por outro lado, após o período de instabilidade, a liquidez dos títulos públicos começou
a aumentar e os spreads diminuíram de nível e se mantiveram no patamar negativo. Esses são
indícios mais claros que a percepção de risco do mercado se estabilizou e o spread se alinhou às
justificativas apresentadas anteriormente: o risco soberano se tornou mais atrativo do que o risco
do mercado privado.
Se investigarmos mais a fundo, ainda é possível perceber que os componentes não
estacionários da curva de spread perderam força e a curva parece ter um comportamento
estacionário, em torno de uma média. A tabela 11, traz o teste ADF para o período após
Maio/2016, cujo cenário e filosofia do novo governo, mais austero e comprometido com a
inflação e gastos, estava mais claro. Não é possível aceitar a hipótese nula de raiz unitária para
curva de spreads a partir desse período. Para o vértice de 3 anos a hipótese nula ainda pode ser
aceita, mas o p-value decresceu significativamente em relação ao período dentro da amostra
(24% vs 11%), tornando a possibilidade de rejeição de H0 (presença de raiz unitária) muito mais
próxima.
A figura 18, traz o comportamento da curva de spread no período 3, que se inicia no
momento em que ficou mais claro que teríamos uma mudança na Presidência da República e de
quais eram os compromissos do novo governo em relação à inflação e gastos públicos.
Fica claro ao analisarmos a figura 18 que o comportamento do spread parece transitar em
torno de uma média, além de ter ficado significativamente menos volátil. É importante ressaltar
que o período final destacado nessa figura, mostra um pequeno aumento na volatilidade, muito
provavelmente em decorrência da incerteza que atingiu o país durante o processo eleitoral de
2018. Apesar de os desvios estarem um pouco mais acentuados, ainda sim e possível verificar o
comportamento de reversão a média.
Esta análise é relevante, pois conclui que os componentes não estacionários que tornavam
a série um processo de passeio aleatório e, portanto, traziam risco na exposição à cuva de spread,
Capítulo 5. Resultados Empíricos 39

Tabela 11 – Teste ADF dos vértices da curva de spread no período de Maio de 2016 a Novembro
de 2018.

Figura 18 – Serie histórica de spread entre título público brasileiro pré-fixado e o DI futuro,
período após Maio/2016.

não estão mais presentes com a mesma intensidade. Porém, ainda existem desvios importantes na
média, principalmente em Junho/2018 e no final do período de eleição que justificaram aplicação
do hedge, principalmente do fator 1.
O comportamento das quatro relações de cointegração no período fora da amostra (figura
6) também demonstram um certa tendência em mudar de comportamento, se tornando (na
margem) um pouco mais parecidas com um passeio aleatório. Isso também pode ajudar a
explicar a perda de efetividade do modelo aplicado ao hedge: A dinâmica que explica a relação
de longo prazo da série parece ter se alterado um pouco, trazendo um certo desequilíbrio ao
sistema.
Adicionalmente, o fato de a curva ter um processo de reversão a média, pode trazer
oportunidades importantes para trading. Como é sabido que a série de spread será atraída
em torno de uma média após um choque momentâneo, pode-se desenvolver estratégias de
negociações que se aproveitem destes desequilíbrios. Por exemplo, sempre que a combinação
de um ou mais vértices de spread se afastar um desvio-padrão da média, o investidor "vende’ a
taxa e quando o spread cruzar a média novamente, o negócio é desfeito, ou seja, o investidor
"compra"a taxa e realiza o lucro da transação. Mais detalhes de como é feita a negociação dos
spreads podem ser vistos no Apêndice C.
 40

6 CONCLUSÃO

Essa dissertação utiliza a abordagem de cointegração para identificar os componentes

não estacionários da curva de spread entre o título público e o DI futuro e conclui que o resultado
está em consonância com os modelos multifatoriais, como de PCA, utilizados para explicar
a Estrutura a Termo de Taxa de Juros, encontrando o nível inclinação como os fatores que
explicam a dinâmica de longo prazo da curva de spread. No primeiro momento, pela análise
ADF, conclui-se que não há risco efetivo em estar exposto aos spreads de vértice mais curto
prazo (até 3 meses), mas que o risco existe para prazos maiores, que exigiriam, portanto, uma
estratégia de imunização.
A estratégia de hedge utilizando apenas o fator de nível se mostrou efetiva em capturar
a dinâmica da curva de spread fora da amostra e para diminuição do risco de um portfólio
hipotético simplificado exposto à curva inteira de spread, podendo ser, inclusive, expandida
para outros ativos como o de títulos públicos e DI futuro. A estratégia utilizando o segundo
fator também foi efetiva, porém, em menor escala. No entanto, quando combinamos, o hedge
utilizando os dois fatores, foi vista uma diminuição significativa de sua efetividade, como se em
algum momento, os fatores 1 e 2 passassem a explicar a mesma dinâmica para curva de spread.
Foi demonstrado, também, que o nível pode ser explicado pela liquidez diária do mercado
secundário de título público. Além das duas séries serem cointegradas, há evidências estatísticas
para concluir que a liquidez diária dos títulos granger-causa a common trend 1. Por outro lado,
não foi encontrada nenhuma relação com variáveis econômicas que ajudasse a explicar o fator
de inclinação.
Ao tentarmos explicar a perda de efetividade do hedge quando utilizados os dois fatores,
foi vista uma quebra nas relações de cointegração da série de spread que pode ser explicada por
uma quebra de regime relacionada ao período que se inicia após o final do período do Governo de
Dilma Rousseff. A partir desse momento as séries de spread passaram a ter comportamento mais
estacionário, diminuindo a necessidade de uma estratégia de imunização de risco e, portanto,
diminuindo a efetividade do modelo proposto. No entanto, a nova dinâmica da curva oferece uma
oportunidade de construção de estratégias de trading focadas em capturar esse comportamento
de reversão a média (estacionário).
Como recomendação para trabalhos futuros, propõem-se o foco em dois pontos principais.
O primeiro ponto é desenvolver uma análise de cointegração com janelas mais curtas e móveis,
com o objetivo de capturar a dinâmica mais atual da curva e evitar a instabilidade normalmente
ligada a modelos que utilizam cointegração. Essa alternativa também pode facilitar a identificação
de qualquer quebra de regime na série.
O segundo ponto é tentar uma investigação mais aprofundada para encontrar um signifi-
Capítulo 6. Conclusão 41

cado econômico mais robusto aos common trends, principalmente ao common trend de inclinação
e desenvolver, a partir daí uma teoria econômica mais robusta em torno desse spread: espera-se,
em uma economia saudável, que o spread possa identificar o nível de risco de crédito percebido
para investimentos em títulos soberanos versus em títulos privados. No Brasil, essa relação
parece existir, mas é bastante influenciada pelo nível de maturidade do mercado: operações
compromissadas com alto custo e com alta barreira de entrada e baixa liquidez no mercado
secundário de títulos públicos (apesar de significativa melhoras nos últimos anos).
 42

BIBLIOGRAFIA

ALEXANDER, Carol. Optimal hedging using cointegration. Philosophical Transactions of

the Royal Society, Serie A, n. 357, p. 2039–2058, 1999.
APEDJINOU, Kodjo M. What Drives Interest Rate Swap Spreads? An Empirical Analysis of
Structural Changes and Implications for Modeling the Dynamics of the Swap Term Structure.
Journal of Economic Literature, 2003.
DUFFIE, DARRELL; SINGLETON, KENNETH J. An econometric model of the term structure
of interest rate swaps yields. Journal of Finance, v. 52, n. 4, p. 1287–1321, set. 1997.
ENGLE, Robert F.; GRANGER, Clive W. J. Co-integration and error correction: Representation,
estimation and testing. Econometrica, n. 55, p. 251–275, jan. 1987.
FELDHUTTER, Peter; LANDO, David. Decomposing swap spreads. Journal of Financial
Economics, v. 88, p. 347–405, mar. 2008.
GIESE, Julia V. Level, Slope, Curvature: Characterising the Yield Curve in a Cointegrated VAR
Model. Journal of Financial Economics, v. 2, n. 28, set. 2008.
GRANGER, C.W.J; NEWBOLD, P. Spurius Regressions in Econometrics. Journal of the
American Statistical Association, n. 2, p. 111–120, jan. 1974.
GUILLEN, Osmani Teixeira; VICENTE, José Valentim Machado. Characterizing the Brazilian
Term Structure of Interest Rates in a Cointegrated VAR Model. International Journal of
Monetary Economics and Finance, v. 2, n. 2, p. 113–114, set. 2008.
HE, Hua. Modeling Term Structures of Swap Spreads. Yale ICF Working Paper, dez. 1999.
ISSLER, João Victor; SANTOS, Ana Flávia. Central Bank Credibility and Inflation Expectations:
A Microfounded Forecasting Approach. Prêmio Banco Central de Economia e Finanças 2018,
2018.
JERMANN, Urban J. Negative Swap Spreads and Limited Arbitrage. University of Pennsylva-
nia - Finance Department; National Bureau of Economic Research (NBER), dez. 2018.
JOHANSEN, S. Statistical analysis of cointegration vectors. Institute of Mathematical Sta-
tistcs University of Copenhagen, Preprint 1987, n. 7, 1987.
JOLLIFFE, I.T. Principal Component Analysis. 2. ed. New York: Springer, 2010.
KOBOR, Adam; SHI, Lishan; ZELENKO, Ivan. What Determines U.S. Swap Spreads? WORLD
BANK WORKING PAPER, n. 62, 2005.
LEKKOS, ILIAS; MILLAS, COSTAS. Identifying the factors that affect interest rate swaps
spreads: some evidence from the US and the UK. Journal of Future Markets, n. 21, p. 737–768,
2001.
Bibliografia 43

LEKKOS, ILIAS; MILLAS, COSTAS; PANAGIOTIDIS, THEODORE. Forecasting interest rate

swaps spread using domestic and international risk factors: Evidence from linear and non-linear
model. Journal of Forecasting, n. 26, p. 601–619, 2007.
LITTERMAN, Robert; SCHEINKMAN, Jose. Common factors affecting bond returns. Journal
of Fixed Income, v. 1, n. 1, p. 54–61, 1991.
LUNA, Francisco Eduardo de. Aplicação da metodologia de Componentes Principais na
análise da estrutura a termo de taxa de juros brasileira e no cálculo de Valor em Risco.
Abr. 2005. Diss. (Mestrado) – Instituto de Pós Graduação e Pesquisa em Administração –
COPPEAD, da Universidade Federal do Rio de Janeiro – UFRJ, Rio de Janeiro.
MORRIS, Charles; NEAL, Robert; ROLPH, Douglas. Movimentos da estrutura a termo da taxa
de juros brasileira e imunização. Economia Aplicada, v. 5, n. 1, jan. 2001.
NEFTCI, Salih N. An Introduction to the Mathematics of Financial Derivatives. 2. ed. New
York: Academic Press, 2000.
SHUMWAY, Robert H.; STOFFER, Davisd S. Time Series Analysis and Its Applications. 2.
ed. New York: Springer, 2006.
SILVEIRA, Getúlio Borges da; BESSADA, Octavio. Análise de componentes principais de
dados funcionais: uma aplicação às estruturas a termo de taxas de juros. Banco Central do Brasil.
Trabalhos para Discussão - Banco Central do Brasil, n. 73, p. 1–31, maio 2003.
TILLMANN, Peter. Cointegration and Regime-Switching Risk Premia in the U.S. Term Structure
of Interest Rates. University of Bonn - Institute for International Economics, 2004.
VARGA, G; VALLI, M. Movimentos da estrutura a termo da taxa de juros brasileira e imunização.
Economia Aplicada, v. 5, n. 1, jan. 2001.
ZHANG, Hua. Treasury yield curves and cointegration. Applied Economics, n. 3, p. 361–367,
fev. 1993.
 44

APÊNDICE A – PROPRIEDADES DE SÉRIES

TEMPORAIS

A.1 Estacionariedade

A.1.1 Estacionariedade Estrita

Shumway e Stoffer (2006) definem que uma série temporal é estacionária quando a
distribuição de probabilidade de
{xt1 , xt12 , . . . , xt1k } (10)

é idêntica a

xt1 +h , xt2 +h , . . . , xt1k +k . (11)

Ou seja:


P {xt1 ≤ c1 , . . . , xtk ≤ ck } = P xt1 +h ≤ c1 , . . . , xtk =h ≤ ck . (12)

Para todos k = 1, 2, ..., todos os pontos t1 ,t2 , ..., tk , todos os c1 , c2 , ..., ck e todos as
mudanças de tempo h = 0, +/ − 1, +/ − 2, ....
Essa definição implica que a media µt é constante ao longo tempo. Mais do que isso,
pode-se dizer que a função de autocovariância da série independe de t. O autores, porém ressaltam
que na prática a premissa de que uma série é estritamente estacionária é muito forte.

A.1.2 Estacionariedade Fraca

Shumway e Stoffer (2006) definem uma série temporal com estacionariedade fraca como
um processo de variância finita no qual:

i a media µt é constante e não depende do tempo t, e

ii a funcão covariância γ(s,t) = γ(s + h, t = h) depende somente de s e t através de sua

diferença.

A.2 Processos não-estacionários

Uma série não estacionária ou estacionária apenas após n diferenciações é denominada

integrada de ordem n ou I(n). Uma série I(1) pode ser descrita como um passeio aleatório:
xt = α + xt−1 + εt , sendo que α representa uma tendência determinística e o erro εt é um
processo estacionário independente e identicamente distribuído (i.i.d). Quando α = 0, a equação
APÊNDICE A. Propriedades de séries Temporais 45

acima pode ser vista realmente como um simples passei aleatório. Nesse caso, o valor de xt seria
o valor de xt−1 mais um movimento completamente aleatório representado por εt .
A série de logaritmo dos preços de ativos é tipicamente integrada, e, portanto, pode-se
dizer que o preço futuro do ativo depende do preço dele hoje mais uma tendência determinística
(drift) e um componente estacionário (ALEXANDER, 1999).

A.2.1 Regressão Espúria

Granger & Newbold (1973), demonstram que ao regredirmos uma série não estacionária
contra uma outra série não-estacionaria, encontramos uma relação espúria, que geralmente
demonstra uma relação significativa entre as variáveis, mas que na maioria das vezes não tem
sentido econômico e pode levar a conclusões erradas.

A.2.2 Teste de Raiz Unitária

Considere o seguinte processo:

yt = ρyt−1 + xt γ + εt . (13)

Onde xt é um regressor exógeno opcional, ρ e γ são os parâmetros a serem estimados e

o erro εt é um processo estacionário independentemente e identicamente distribuído (i.i.d). Se
|ρ| ≥ 1, y é um série não estacionaria e sua variância aumenta quando t se aproxima do infinito.
Se |ρ| < 1, y é uma série estacionaria com tendência.
O teste de Dickey-Fuller Aumentado (ADF) padrão diferencia a equação anterior de
forma que:
∆yt = αyt−1 + xt δ + εt , (14)

onde α = ρ − 1 e a hipótese nula é H0 : α = 0.

Se a série temporal for correlacionada em uma ordem superior a 1, a hipótese de ruido
branco do erro é violada. O teste ADF, constrói uma correção paramétrica de erro, adicionando
ρ diferenciações da variável dependente y:

∆yt = αyt−1 + xt δ + β1 ∆yt−1 + β2 ∆yt−2 + βρ ∆yt−ρ + νt . (15)

A.2.3 Processo de Passeio Aleatório - Processo de Markov

Como discutido em Neftci (2000), o processo de Markov, muito utilizado em finanças

para precificação de ativos, é uma das classes mais importantes relacionadas a passeios aleatórios
e processos estocásticos. O detalhamento a seguir será feito conforme demonstrado pelo autor.
Um processo discreto, X1 , . . . , Xt , . . ., com a função de distribuição de probabilidade,
F (x1 , . . . , xt ), sera considerado um processo de Markov se a probabilidade condicional implícita
APÊNDICE A. Propriedades de séries Temporais 46

satisfazer:
P (Xt+s ≤ x|x1 , . . . , xt ) = P (Xt+s <= x|xt ) , (16)

Onde 0 < s e (P |It ) é a probabilidade condicional dada a informação em It .

As premissas tomadas no Processo de Markov tem implicação importante: O processo
Xt depende apenas do último valor observado de xt .
O autor continua o desenvolvimento da teoria do processo de Markov com um exemplo
simples relacionado a taxa de juros rt , que será detalhado a seguir:
Assumindo que Xt representa a taxa de juros spot instantânea rt . Se assumirmos que rt é
um processo de Markov, então assumimos que o comportamento futuro de de rt+s dependerá
apenas da ultima observação e que a condição observada na equação 16 será válida. Poderemos
então, fragmentar a taxa de juros entre os componentes esperados e inesperados:

rt+∆ − rt = E[(rt+∆ − rt ) |It ] + σ (It ,t) ∆Wt , (17)

onde ∆Wt é um passeio aleatório com variância Ω. Portanto, σ (It ,t) ∆Wt será o desvio-padrão
dos incrementos da taxa de juros. Dado que rt segue um processo de Markov, então It contem
apenas os valores passados de rt e poderemos escrever a media e variância condicional em função
de rt apenas:

E[(rt+∆ − rt ) |It ] = µ (rt ,t) ∆ (18)

e
σ (It ,t) = σ (rt ,t) . (19)

Se ∆ → 0 teremos a equação estocástica diferencial para rt :

drt = µ (rt ,t) dt + σ (It ,t) dWt . (20)

 47

APÊNDICE B – RESULTADOS DO VECM

Tabela 12 – Tabela de estimação do modelo VECM - Parte 1.

APÊNDICE B. Resultados do VECM 48

Tabela 13 – Tabela de estimação do modelo VECM - Parte 2.

APÊNDICE B. Resultados do VECM 49

Tabela 14 – Tabela de estimação do modelo VECM - Parte 3.

APÊNDICE B. Resultados do VECM 50

Tabela 15 – Tabela de estimação do modelo VECM - Parte 4.

 51

APÊNDICE C – NEGOCIAÇÃO DO SPREAD

Apesar de não ser um ativo com um contrato padrão negociado em bolsa ou mesmo em
balcão, o spread de título público é a forma usual no qual um título é precificado no mercado. É
bastante comum um título ser negociado pelo spread, ou seja, pela diferença entre a yield do
título e o DI. Na prática, quando o mercado negocia um título público há a efetiva negociação de
dois ativos: o título em si e a quantidade contrária e equivalente, em termos de valor futuro do
DI de mesmo prazo. É importante ressaltar que também é usual a negociação de título público
diretamente pela yield do título, sem negociar o spread.
Sempre que um investidor esperar que o spread vai aumentar, ele deve comprar o título
e vender o contrato de DI futuro equivalente e deve fazer a operação inversa caso queira ficar
vendido no spread. Dito isso, é importante entender os mecanismos pelos quais uma instituição
financeira, pode negociar os spreads, principalmente quando a intenção for ficar vendida no papel.
A forma de negociação não é muito diferente da forma de negociação de uma ação: sempre que
uma contraparte desejar ficar vendida em uma ação, primeiro ela deve toma-la emprestada através
de uma operação padrão de empréstimos de ações. Analogamente, uma instituição financeira
deverá fazer uma operação compromissada de título público para conseguir o mesmo efeito.
Segundo o Banco Central do Brasil, operações compromissadas são operações de venda
(ou compra) de títulos com compromisso de recompra (ou revenda) dos mesmos títulos em uma
data futura, anterior ou igual à data de vencimento dos títulos. Geralmente, essas operações
são feitas entre dois bancos ou entre um banco e o Banco Central Brasileiro. A remuneração
da operação compromissada é acordada entre as duas contrapartes, podendo ser pré-fixada ou
pós-fixado, e não guarda relação com a remuneração do título negociado.
Sempre que uma instituição financeira desejar ficar vendida em título público, as opera-
ções compromissadas com o Banco Central são a melhor alternativa possível para atingir esse
objetivo. Como no Brasil, os bancos têm excesso de liquidez, eles entram nessas operações
compromissadas com prazo maior e podem vender os títulos recebidos como garantia no mercado
secundário. O resultado de tal operação é uma posição vendida no ativo.
Ficar vendido ou comprado em DI futuro é facilmente atingido através de operações
simples na Bolsa. Através das duas operações em conjunto, compra (ou venda) de títulos e venda
(ou compra) de DI futuro, um investidor gera exposição ao spread.
A seguir será representado, em um fluxograma, as ações necessárias para um investidor
ficar “vendido” no spread. O efeito final das operações é uma posição no qual o investidor se
beneficia de uma queda no spread.

1. O investidor faz uma operação compromissada com a Contraparte A, na qual ele investe
APÊNDICE C. Negociação do Spread 52

Figura 19 – Fluxograma que demonstra as ações para o investidor ficar "vendido"no spread.

caixa e recebe como garantia títulos públicos Federais, com o compromisso de devolvê-los
em troca de uma remuneração predefinida.

2. O investidor vende os títulos públicos para a Contraparte B, e fica com uma posição
“vendida” em título.

3. O investidor realiza operações de DI futuro na Bolsa, com o mesmo prazo dos títulos
públicos vendidos na operação 2. No DI futuro o investidor recebe uma taxa pré-fixada em
troca da taxa flutuante (CDI).