HERBERT KIMURA

COMPARAO DE MODELOS DE PRECIFICAO DE DERIVATIVOS CLIMTICOS: ANLISE HISTRICA E SIMULAO DE MONTE CARLO

Trabalho apresentado para obteno parcial do ttulo de Especialista em Agronegcio no curso de Ps-Graduao em Agronegcio do Departamento de Economia Rural e Extenso, Setor de Cincias Agrrias, Universidade Federal do Paran. Orientador: Prof. Dr. Digenes Manoel Leiva Martin

CURITIBA 2010

SUMRIO

1 2

INTRODUO ...................................................................................................... 5 REVISO BIBLIOGRFICA ................................................................................. 6 2.1 2.2 2.3 Conceituao ................................................................................................. 6 Origens e evoluo ........................................................................................ 7 Principais produtos ....................................................................................... 10 Ativos-objeto .......................................................................................... 10 Tipos de contratos ................................................................................. 14 ou ................................ 28

2.3.1 2.3.2 3 3.1

METODOLOGIA DA PESQUISA ........................................................................ 24 Estimativa da quantidade acumulada de 3.1.1 3.1.2 3.2 3.3 Anlise Histrica (AH)............................................................................ 28 Simulao de Monte Carlo (SMC) ......................................................... 29

Precificao de contratos futuros ................................................................. 32 Precificao de contratos de opes............................................................ 33

4 5

RESULTADOS E DISCUSSO .......................................................................... 36 COMENTRIOS FINAIS..................................................................................... 52

REFERNCIAS ......................................................................................................... 55

LISTA

Tabela 1: Precificao de contratos futuros de Tabela 2: Precificao de contratos futuros de Tabela 3: Precificao de call sobre Tabela 4: Precificao de call sobre Tabela 5: Precificao de call sobre Tabela 6: Precificao de call sobre Tabela 7: Precificao de call sobre Tabela 8: Precificao de call sobre Tabela 9: Precificao de put sobre Tabela 10: Precificao de put sobre Tabela 11: Precificao de put sobre Tabela 12: Precificao de put sobre Tabela 13: Precificao de put sobre Tabela 14: Precificao de put sobre

...................................... 36 ...................................... 38 = 100 ... 39

, com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio , com preo de exerccio

= 300 ... 40 = 100 ... 43 = 500 ... 41 = 300 ... 43 = 500 ... 45 = 100 ... 46

= 300.. 47 = 500.. 47

= 100.. 48 = 300.. 50 = 500.. 50 ........ 37 ........ 38 ............. 42 ............. 45 ............. 49 ............. 51

Grfico 1: Diferenas de preo entre AH e SMC para futuros sobre Grfico 2: Diferenas de preo entre AH e SMC para futuros sobre Grfico 3: Diferenas de preo entre AH e SMC para call sobre Grfico 4: Diferenas de preo entre AH e SMC para call sobre Grfico 5: Diferenas de preo entre AH e SMC para put sobre Grfico 6: Diferenas de preo entre AH e SMC para put sobre

RESUMO Este trabalho tem por objetivo comparar dois modelos de precificao de derivativos climticos: a Anlise Histrica (Burning Analysis) e a Simulao de Monte Carlo. Atravs de uma base de dados de temperaturas mdias dirias de Braslia, Rio de Janeiro e So Paulo, contemplando o perodo de 1/1/1995 a 31/12/2009, foram realizadas estimativas de preos de contratos futuros e de opes hipotticos de graus-dia de aquecimento (heating degree-day) e de graus-dia de resfriamento (cooling degree-day) para essas cidades. Os resultados mostram que, para contratos futuros, os dois modelos conduzem a resultados muito prximos. No entanto, para contratos de opes, as diferenas em alguns meses e para alguns preos de exerccio podem ser relevantes. Os resultados sugerem que, mesmo levando em considerao os mesmos dados, os dois modelos de precificao podem conduzir a resultados diferentes dependendo das caractersticas do contrato de opo.

INTRODUO

O efeito do clima sobre o setor de negcios ao mesmo tempo custoso e abrangente (Ray, 2004). O impacto do clima em diversas atividades econmicas como, por exemplo, agricultura, turismo, seguros e energia, significante e varia tanto geogrfica quanto sazonalmente (Platen e West, 2005). Segundo Brockett, Wang e Yang (2005), empresas americanas, europias e japonesas com exposio significante ao clima totalizam receitas de mais de USD 1 trilho, USD 1,25 trilho e USD 700 bilhes, respectivamente. A crescente relevncia do clima pode ser exemplificada pela sensibilidade da economia norte-americana em relao a eventos climticos. Na dcada passada, aproximadamente um stimo da economia americana era influenciada pelo clima (Challis, 1999 e Hanley 1999). Cerca de meia dcada depois, estimativas da Chicago Mercantile Exchange estabeleciam que um quinto da economia americana era afetada pelo clima (Ray, 2004) e, mais recentemente, o Departamento de Comrcio dos Estados Unidos estabeleceu uma estimativa de que um tero da economia estava exposta a riscos climticos (Sharma e Vashishtha, 2007). Considerando, portanto, a relevncia da exposio da economia a eventos climticos, este estudo busca investigar os derivativos climticos que representam instrumentos financeiros que possibilitam gerenciar alguns riscos impostos pelo clima. Atravs de uso de dados histricos de temperaturas dirias de trs cidades brasileiras (Braslia, Rio de Janeiro e So Paulo), so comparados os resultados de estimativas de precificao de contratos futuros e de opes sobre clima. Em particular, resultados de precificao atravs do modelo de Anlise Histrica, comumente denominada de Burning Analysis, e de Simulao de Monte Carlo so discutidos para o caso de derivativos sobre graus-dia de aquecimento (heating degree-day) e graus-dia de resfriamento (cooling degree-day).

REVISO BIBLIOGRFICA

2.1

Conceituao

Derivativos so contratos financeiros cujo valor depende ou deriva de um outro ativo, denominado de ativo-objeto (Hull, 2008). Nos derivativos tradicionais, os ativosobjetos associados a um derivativo so, por exemplo, aes ou commodities, bem como taxas de juros ou de cmbio. J um derivativo climtico representa um contrato financeiro cujo resultado depende do nvel de um ndice determinado por um fenmeno associado ao clima (Platen e West, 2005). Portanto, em um derivativo climtico, o ativo-objeto est ligado a variveis como, por exemplo, um ndice pluviomtrico, um indicador de temperatura, etc. Considerando os derivativos climticos mais usuais, temperatura mdia diria, temperatura anual acumulada, graus-dias de aquecimento, graus-dia de resfriamento (Platen e West, 2005) bem como nveis de precipitao, neve e vento (Campbell e Diebold, 2005), so os principais ativos-objetos. Em sua aplicao bsica, o derivativo de clima proporciona compensao por perdas ou por cesso de lucros diretamente decorrente de riscos climticos, durante um perodo predeterminado, excetuando-se eventos decorrentes de desastres naturais (Geman e Leonardi, 2005). De acordo com Campbell e Diebold (2005), os derivativos climticos constituem um novo e fascinante tipo de ttulo financeiro que propicia pagamentos predeterminados se um evento climtico pr-especificado ocorrer. Assim, os derivativos climticos representam uma forma conveniente para que empresas se protejam contra riscos advindos do clima (Taylor e Buizza, 2006).

importante ressaltar que, apesar de tambm propiciar uma proteo contra efeitos do clima, o derivativo climtico possui uma caracterizao distinta de um contrato de seguro. Enquanto um contrato tpico de seguro proporciona uma cobertura contra um nico evento inesperado e significativo como, por exemplo, um furaco ou um terremoto, o contrato de derivativo protege contra pequenas perdas freqentes que so relativamente provveis de ocorrer (Leggio, 2007). De fato, de acordo com Jewson, Brix e Ziehman (2005), os derivativos de clima so estruturados para auxiliar empresas a protegerem-se contra eventos no-catastrficos. Alm disso, um derivativo climtico implica um resultado que independe da efetiva comprovao do dano. Com isso, enquanto em uma operao de seguro, o segurado somente ressarcido se mostrar que incorreu em perdas, em uma operao com derivativo no necessrio que um dano realmente ocorra para que um agente receba um fluxo de caixa (Geman e Leonardi, 2005). Neste sentido, investidores de derivativos climticos podem especular no mercado, visando obter ganhos apostando em comportamentos do clima sem necessariamente possurem uma exposio original que pretendem proteger. Esta caracterstica permite que um nmero maior de agentes tenha interesse em participar do mercado. 2.2 Origens e evoluo

De acordo com Cao e Wei (2004), a histria dos derivativos de clima inicia-se na metade da dcada de 1990 com a desregulamentao dos setores de energia e de servios de utilidade pblica nos Estados Unidos. A primeira operao envolvendo um derivativo climtico foi negociada entre as empresas Aquila Energy e Consolidated Edison (Element Re, 2002) durante 1996 e 1997. A transao envolvia uma opo dependente da temperatura embutida em contrato de fornecimento energia (Considine, 1999). Aps esta primeira operao, observou-se um rpido crescimento dos derivativos climticos (Cao e Wei, 2004), inicialmente no mercado de balco. Em seguida,

devido ao risco de crdito inerente s operaes de balco, houve um desenvolvimento dos derivativos climticos no mercado de bolsa (Considine, 1999), com o lanamento de contratos futuros e de opes pela Chicago Mercantile Exchange em 2001 e posterior implementao na London International Financial Futures Exchange em 2001 e na Helsinki Exchange em 2002 (Ray, 2004). Atualmente, estes produtos financeiros so negociados em mercados organizados que contemplam como ativos-objeto condies climticas de diversas cidades na Europa, Estados Unidos e Japo (Barth, Benth e Potthoff, 2008). Na Chicago Mercantile Exchange, so negociados produtos derivativos sobre temperatura, furaco, neve e geada. Apesar de os volumes de derivativos climticos ainda serem modestos quando comparados com os volumes de outros derivativos financeiros mais tradicionais como, por exemplo, derivativos de commodities ou de taxas de juros, o crescimento foi relevante. Segundo Campbell e Diebold (2005), a estimativa de operaes com derivativos climticos em 1998 era de um valor nocional de apenas USD 500 milhes, negociados em mercado de balco e apresentando baixa liquidez e elevados spreads. No entanto, ao longo dos anos, o produto consolidou-se. Dados da Weather Risk Management Association indicavam um volume de USD 4,2 bilhes no volume de derivativos climticos entre abril de 2002 e maro de 2003 (Ray, 2004). Em 2005, os derivativos climticos eram os produtos que apresentavam maior crescimento (Brockett, Wang e Yang, 2005), chegando ao pico de USD 45 bilhes transacionados nos mercados de bolsa e de balco durante 2005/2006 (STORM, 2009). A despeito de um declnio nos ltimos anos, com volumes de operaes de USD 32 bilhes em 2007/2008 e de USD 15 bilhes em 2008/2009 nos mercados de bolsa e de balco, motivado principalmente pela crise mundial que se iniciou no segmento de emprstimos hipotecrios nos Estados Unidos (STORM, 2009), as perspectivas para os derivativos de clima ainda so otimistas.

Alm de o interesse por novos produtos derivativos climticos, com diferentes ativosobjeto, estar aumentando, a busca por ferramentas de gesto de riscos decorrentes do clima est se intensificando em outras pases. Em 2008/2009, o mercado asitico apresentou um crescimento de mais de 250% no nmero de contratos negociados e o mercado europeu, um aumento de quase 35% em relao a 2007/2008 (STORM, 2009). Desta forma, medida que o conceito de derivativos climticos disseminado, pode-se esperar uma maior utilizao, tendo em vista que, conforme j discutido, aspectos climticos afetam um elevado nmero de setores. importante ressaltar, no entanto, que existem diversos desafios a serem enfrentados e benefcios a serem explorados para uma maior utilizao desses produtos. Em primeiro lugar, ainda no existe um mtodo de precificao efetivo para os derivativos climticos, principalmente em funo de o ativo-objeto no ser negocivel (Cao e Wei, 2004). Ao contrrio de aes ou commodities, que possuem um preo de mercado e que servem de ativos-objeto para derivativos tradicionais, indicadores de clima, que servem de ativo-objeto para derivativos climticos, comumente no possuem um mercado que lhe estabeleam preos de equilbrio de oferta e demanda. De fato, Dischel (1998) argumenta que modelos tradicionais de precificao de opes como o de Black-Scholes no podem ser usados, uma vez que condies climticas no so possuem negociabilidade, caracterstica tipicamente presente nos ativos-objetos de derivativos financeiros tradicionais. Outro aspecto relevante para o mercado de derivativos de clima envolve a questo da previsibilidade do clima. Por um lado, derivativos servem para proteo contra riscos e, neste contexto, o risco a ser hedgeado deve ser relevante tanto em termos de impacto quanto de flutuao. A relevncia do impacto do clima evidente. Conforme j citado, cerca de um tero da economia americana est de alguma forma atrelada ao clima (Sharma e Vashishtha, 2007).

10

J a relevncia da flutuao implica no somente a magnitude da flutuao das condies climticas como tambm sua imprevisibilidade e complexidade. Campbell e Diebold (2005) argumentam que, mesmo em uma situao de elevadas mudanas no clima, a demanda por derivativos climticos para hedge no seria significativa caso a previsibilidade fosse elevada. Assim, incerteza com relao efetiva condio climtica fundamental para que haja a demanda por proteo. Todavia, uma elevada incerteza pode inibir a oferta por proteo. Com isso, eventualmente, modelos de previso devem ser aprimorados principalmente para que haja a oferta de produtos derivativos que permitam a gesto de exposio a riscos climticos com alta volatilidade. Por outro lado, o prprio desenvolvimento de um mercado lquido de derivativos pode melhorar a previso do clima. Demanda e oferta por determinada proteo pode indicar expectativas com relao a ocorrncia de uma possvel condio climtica e, portanto, preos de derivativos podem ser indicadores antecipados de eventos. Neste contexto, uma questo importante passa a ser analisar at que ponto os derivativos climticos podem ser usados para antecipar o clima (Ray, 2004). Em uma pesquisa anloga usando derivativos tradicionais, Roll (1984) encontra evidncias de que os contratos futuros de suco de laranja proporcionam estimativas mais acuradas sobre clima do que servios especializados de acompanhamento de clima que possuem sua disposio vastos recursos como computadores, satlites e meteorologistas (Ray, 2004).

2.3

Principais produtos

2.3.1 Ativos-objeto Conforme j destacado, um contrato derivativo representa um instrumento cujo valor est atrelado a um outro ativo, denominado de ativo-objeto. Assim, a discusso dos principais produtos de derivativos de clima envolve uma apresentao inicial dos ativos-objetos que apresentam caractersticas peculiares como, por exemplo, ausncia de um preo bem definido. Conforme j apresentado, ativos-objetos de

11

contratos derivativos climticos comumente esto ligados a indicadores de temperatura ou de pluviosidade, ou mais especificamente, associados a temperatura mdia diria, a excesso ou dficit de temperatura acumulada durante um perodo, nveis de precipitao de chuva, de neve ou indicadores elicos (Platem e West, 2005; Campbell e Diebold, 2005). A Chicago Mercantile Exchange oferece tambm produtos baseados em um ndice (Carvill Hurricane Index) que mensura o potencial de destruio de furaces. Dada sua maior relevncia em termos de volume de negociao, sero apresentados em mais detalhes os derivativos ligados temperatura, cujos ativosobjeto so construdos a partir de indicadores de excesso ou dficit de temperatura em relao temperatura de referncia. Neste contexto, os contratos de derivativos climticos mais comuns, principalmente os negociados em mercados de bolsa, so baseados em mudanas de temperatura, nos quais os ativos-objeto so ndices acumulados de graus-dia de aquecimento (heating degree-days ) ou graus-dia de refrigerao (cooling degree-days -

Segundo Geman e Leonardi (2005), o valor de 65 pode ser visto como uma

um dia desvia-se de 65 (Brockett, Wang e Yang, 2005) ou cerca de 18,3.

) e cada grau-dia representa uma medida de quanto a temperatura mdia de

temperatura ideal, que serviria como referncia para identificar se um dia frio, implicando a necessidade de aquecimento, ou frio, implicando a necessidade de refrigerao. Em termos formais, o respectivamente, atravs de: e o em um determinado dia so calculados,

onde

= =

0, 65 0,

65

eq 1

representa a temperatura mdia do dia, calculada segundo algum

critrio especificado no contrato.

12

Assim, o

representa o mximo entre 0 e a diferena entre 65 e a

temperatura mdia do dia, sendo, portanto, o nmero de graus, em um determinado temperatura mdia ultrapasse 65, o

dia, em que a temperatura mdia superada pela referncia de 65. Caso a nulo. Conceitualmente, o representa uma medida associada ao frio. Quanto menor a temperatura mdia, isto , quanto mais frio for um dia, maior a necessidade por aquecimento e, portanto, maior o . Assim, quanto maior o , mais energia como, por exemplo, gs e leo, seria necessria para aquecimento ou calefao (Geman e Leonardi, 2005). Neste contexto, contratos de derivativos sobre

so tipicamente negociados

para meses de inverno.

De modo oposto, o constitui o nmero de graus, em um determinado dia, em igual a 0. Quanto maior a , sugerindo uma e o uso de

que a temperatura mdia supera 65. Dias em que a temperatura mdia menor do que o valor de referncia de 65 conduzem a um temperatura mdia, ou seja, quanto maior o calor, maior o West (2005), estudos evidenciam uma alta correlao entre condicionadores de ar. Contratos de derivativos sobre

maior necessidade por refrigerao ou resfriamento. Conforme destaca Platen e eletricidade, que serve, por exemplo, como energia para resfriamento propiciado por

so comumente

negociados para meses de vero.

importante que o contrato especifique a forma de obteno da temperatura mdia, incluindo critrios, horrios e locais de levantamento da informao. Por exemplo, para os contratos negociados na Chicago Mercantile Exchange (CME), a temperatura mdia do dia obtida atravs do clculo da mdia aritmtica entre as temperaturas mxima e mnima entre o primeiro minuto do dia at a meia-noite do mesmo dia (Ray, 2004), em um determinado posto de medio de uma determinada cidade. No critrio da CME, portanto, a temperatura mdia do dia , denotada por calculada pela frmula:

13

=
onde

so, respectivamente, as temperaturas mnima e mxima

+ 2

eq 2

do dia .
Desta forma, diferentes contratos derivativos podem ser negociados considerando critrios distintos de apurao da temperatura mdia em cidades diferentes para as quais so obtidos o eo

Deve-se ressaltar que, independentemente de o critrio podem no representar adequadamente uma temperatura mdia ao longo de todo o dia, pois leva em considerao somente os valores mximo e mnimo, sem incluir a durao de eventuais temperaturas baixas ou altas, implica o valor de referncia para o resultado do derivativo. Neste sentido, pode existir um risco de base na qual o ativoobjeto, no caso o ndice de ou , no representa exatamente o risco ao qual um agente est exposto. Desta forma, o gestor deve ter em mente que operaes de proteo com derivativos climticos podem no constituir hedges perfeitos, impossibilitando a eliminao completa de riscos climticos. Conforme j discutido, o eo representam indicadores dirios de frio ou e durante um determinado

de calor, respectivamente. Derivativos climticos baseados em temperatura levam em considerao valores acumulados de perodo. Na CME, contratos referem-se geralmente a um perodo de acumulao mensal ou a um perodo de acumulao correspondente a uma estao do ano, principalmente vero e inverno. Desta forma, os valores acumulados de durante um perodo de ou

perodos podem ser definidos, respectivamente, por:

14

= =

eq 3

De certa maneira, o

pode ser interpretado como o dficit de temperatura, em perodos. Quanto pode ser

relao temperatura de referncia de 65F, acumulado durante maior este dficit, maior a necessidade por aquecimento. J o

considerado como o valor acumulado do excesso dirio de temperatura em relao a 65F em um determinado perodo. Quanto maior o excesso, maior a necessidade por resfriamento. Conforme j apresentado, o

est associado ao inverno, no sentido de que

quanto mais rigoroso for o inverno, maior a necessidade de aquecimento. J o est mais ligado a intensidade do vero, ou seja, quanto mais intenso o calor, maior a necessidade de uso de ar-condicionado para resfriamento.
De forma anloga aos contratos de derivativos tradicionais, podem ser estruturados contratos futuros e de opes sobre os valores acumulados ou de .A seguir, so discutidos os conceitos de contratos futuros e de opes climticas associando-os com os elementos de derivativos financeiros tradicionais. 2.3.2 Tipos de contratos a. Contratos futuros Dentro do contexto do mercado de derivativos, um contrato futuro representa uma troca de obrigaes, entre a parte compradora e a parte vendedora, para a liquidao de uma posio em uma data futura por um valor , denominada de data de , representa obrigaes pela ao na vencimento do contrato. Por exemplo, um contrato futuro de uma ao negociado assumidas no instante inicial 0, (i) de o comprador do contrato pagar , para vencimento em uma data futura

15

data

e receber a ao (ii) de o vendedor do contrato receber

e entregar a ao

na data . No contrato futuro, portanto, o comprador predetermina o preo pelo qual comprar o ativo-objeto na data de vencimento, enquanto o vendedor pr-estabelece o preo de venda. O valor decorre do equilbrio de demanda e oferta por um contrato com e pode diferir do valor vista do ativo, que representa , liquidao na data futura

o valor pelo qual o ativo-objeto est sendo negociado no instante inicial 0. importante notar que, quando a data futura diferente do valor Caso o valor efetivamente chegar, o valor vista isto , o valor pelo qual o mercado negocia o ativo vista no instante , pode ser previamente pactuado no contrato futuro.

seja maior que

, o comprador do contrato futuro obtm um ganho , menor que . O por unidade de ativo-objeto. Assim, o comprador do

uma vez que o preo que assumiu pagar pelo ativo-objeto ganho equivalente a

contrato tinha assumido o compromisso de comprar o ativo por um preo menor do que o preo que efetivamente foi observado no vencimento. De forma contrria, o vendedor do contrato incorre em uma perda, pois no instante 0 se comprometeu a vender o ativo por um valor vista que, no vencimento, mostrou-se inferior ao valor

. De certa forma, o vendedor do contrato estaria, em funo de seu

compromisso no derivativo, entregando o ativo por um preo menor ao que conseguiria se negociasse no mercado. A perda do vendedor, por ativo-objeto negociado, dada por . no vencimento seja menor que , o maior

Em contrapartida, caso o valor de

comprador incorre em prejuzo, pois tem a obrigao de pagar um valor que o valor vista

do ativo. Nesta situao, o vendedor do contrato futuro obtm e para o vendedor

um ganho, pois vende o ativo por um preo maior do que o preo vista. Resumindo, os resultados no vencimento para o comprador de um contrato futuro so respectivamente:

16

= =
onde

eq 4

a quantidade de ativos especificada no contrato. Sem perda de generalidade, sendo

= 1.

uma constante, neste estudo ser considerado, onde necessrio,

Um contrato futuro de clima tem uma conceituao semelhante, porm o ativo-objeto no necessariamente possui um preo como no caso de uma ao ou uma commodity. No caso de um contrato futuro de temperatura, as presses de demanda e oferta podem determinar um valor equilbrio para o valor acumulado futuro. A forma mais adequada para compreender o contrato futuro climtico supor que o comprador estabelece uma quantidade prefixada de excesso ou dficit de temperatura pelo qual pagar aps um determinado perodo. Este mecanismo de anlise difere do mecanismo discutido para o contrato futuro de ao. No caso de um contrato futuro de uma quantidade prefixada representativo de uma expectativa de ou em um determinado perodo

, o comprador do contrato compromete-se a pagar por

representativa do dficit de unidades de temperatura

acumuladas em relao referncia de 65F. No entanto, recebe a quantidade de unidades que seriam necessrias para suprir o dficit de temperatura efetivamente observado no perodo referente ao . Este dficit efetivo calculado atravs da equao (2)

. Desta forma, o comprador do contrato futuro de que comprar. Por unidade de definido pela especificao do contrato.

predetermina a quantidade acumulada de

, paga-se um certo valor

importante identificar que o ativo-objeto, ou seja, a quantidade acumulada de graus-dia de aquecimento no de fato um ativo que pode ser entregue ou recebido. Em especial, o fato de o ativo-objeto no ser diretamente negocivel e, portanto, no possuir um valor de mercado, constitui um elemento que dificulta o estabelecimento de modelos de precificao. A despeito de no possuir um valor de

17

negociao, quantidade acumulada de graus-dia de aquecimento serve como referncia para um derivativo climtico, viabilizando diversas estratgias financeiras de proteo ou especulao em relao ao clima. Em contraste ao comprador, o vendedor do contrato futuro compromete-se a vender uma quantidade acumulada de em uma data futura . Desta forma, no vencimento, ou uma baseia-se em um equilbrio de expectativas de valor de

seja, do dficit de temperatura acumulado durante o perodo de vigncia do contrato. Ou seja, ambas as partes, comprador e vendedor concordam que quantidade adequada de graus-dia, considerando as estimativas ou suas percepes atuais para o clima que ocorrer durante um determinado perodo.

importante salientar que embora

adequada no instante 0, a quantidade

seja a quantidade estimada como

de graus-dia efetivamente acumulada, do contrato futuro pode seja menor que

conforme equao 2, durante o perodo at o vencimento

ser diferente. De forma similar a um derivativo tradicional, caso

, o comprador do contrato de futuro climtico obtm um ganho, pois de certa maneira, estabeleceu que pagar por um total de graus acumulados durante o perodo menor do que o efetivamente ocorrido. Note que no futuro de clima, o comprador possui a obrigao de pagar por uma quantidade predeterminada

eo

direito de receber a quantidade dficit ou excesso de temperatura

No contrato de

efetivamente necessria para cobrir o

, caso o perodo ao qual o contrato se refere seja mais frio do supere a quantidade

que o esperado e a real necessidade por aquecimento previamente acordada

, o comprador do contrato futuro obtm um ganho pois

graus acumulados e receber graus, . Em contrapartida, o vendedor do contrato teria que, graus de aquecimento, recebendo somente por graus.

se comprometeu a pagar por um total de

sendo maior que teoricamente, entregar

18

Caso o perodo ao qual o contrato se refere seja menos frio, menor a efetiva necessidade por aquecimento. Assim, se

for um valor abaixo da quantidade e

de graus-dia de aquecimento previamente contratada, ento o vendedor do contrato futuro obtm um ganho, pois entregaria o equivalente a receberia por uma quantidade predeterminada maior de pagar pela quantidade equivalente a . semelhante. Se , isto , a quantidade de ,o maior que . De forma oposta, o

comprador do contrato, neste caso, incorre em perdas, pois tem a obrigao contratada inicialmente, mas recebe somente o

A anlise do futuro de

graus-dias de refrigerao superar a quantidade previamente contratada comprador incorre em ganho e o vendedor em perda. Quando

, de certa maneira, o perodo foi mais quente do que o inicialmente esperado, impondo uma maior necessidade por refrigerao. Neste contexto, o comprador do contrato, por fixar pagar somente por uma quantidade resfriamento de um perodo mais quente, apresenta um ganho. Contrariamente, se o perodo for menos quente do que se esperava, menor que ser e receber a quantidade efetivamente necessria para fazer frente ao

e o comprador incorre em uma perda, pois estaria pagando por ou , os resultados

uma quantidade de graus-dia de resfriamento maior do que a necessria. Independentemente de o contrato futuro ser de do comprador e do vendedor = =
onde o preo por unidade de graus-dias de aquecimento ou resfriamento, dependendo de o contrato futuro ser, respectivamente, de onde necessrio, o valor de ser fixado em 1. ou . Para fins de anlise,

em um derivativo climtico so

semelhantes aos dos resultados em um derivativo tradicional:

eq 5

19

Assim, no derivativo sobre ao conveniente pensar em

como o valor ou preo como o

do ativo predefinido pelo qual se deve liquidar uma posio no futuro e

preo efetivo do ativo a ser entregue ou recebido na data de recebimento. Enquanto o preo do ativo pode flutuar dependendo de mudanas com o ativo-objeto, a quantidade de ativos constante, especificada no contrato. No derivativo climtico, enquanto a quantidade de pontos do ndice, ou seja, a quantidade de graus-dia de temperatura pode flutuar dependendo do clima, o preo de cada ponto constante e especificado no contrato. Para facilitar a anlise, outra forma de compreender derivativos climticos fazer uma analogia mais prxima entre o preo do ativo-objeto e o indicador da varivel de clima. Com isso, a interpretao de resultados em derivativos tradicionais pode ser rapidamente adaptada para os derivativos climticos. Exemplificando, no derivativo tradicional, o valor pelo qual uma posio ser liquidada enquanto pode ser visto como a representa o valor efetivo do ativo que ser entregue pelo vendedor e recebido pelo comprador. De forma anloga, no derivativo climtico, pelo qual a posio ser liquidada, enquanto quantidade de pontos, isto , de graus-dia de temperatura, ou mais ainda, o valor representa valor do indicador, ou do ativo, que devem ser efetivamente entregues ou recebidos. Deve-se observar que, no caso de derivativos climticos, no existe uma entrega fsica do ativo-objeto, uma vez que o ativo-objeto apenas um indicador de algum evento climtico. No caso de derivativos tradicionais, pode haver uma efetiva entrega fsica do ativo-objeto, por exemplo, uma ao ou uma commodity, apesar de ser mais comum uma liquidao financeira (Hull, 2008). importante ressaltar que alguns derivativos tradicionais como, por exemplo, derivativos de taxa de juros e taxa de cmbio bem como de derivativos cujo ativo-objeto algum ndice, so notadamente liquidadas pela diferena financeira, sem entrega fsica. Reiterando, tanto em um derivativo tradicional quanto em um derivativo climtico, a idia que se leve em considerao que se refere predeterminao de um

20

valor de liquidao de um ativo-objeto em uma data futura. A ponta compradora paga o valor predeterminado predeterminado e recebe um ativo-objeto de valor que reflete o valor do ativo ou do ndice na data de vencimento. A ponta vendedora recebe o valor e entrega um ativo-objeto de valor e . O resultado, portanto, do

comprador envolve a diferena entre diferena entre e

, enquanto o resultado do vendedor a

. Uma caracterstica importante dos contratos derivativos

que o resultado de uma ponta o oposto do resultado da outra ponta. Ou seja, se o comprador do contrato obtm um ganho, o vendedor incorre em perda de mesmo valor e vice-versa. b. Contratos de opes Uma vez entendida a analogia entre derivativos tradicionais e derivativos climticos para o caso dos contratos futuros, pode-se discutir outro tipo de derivativo: os contratos de opes. Para tornar a discusso mais didtica, embora o nmero de graus-dia de temperatura acumulados represente uma quantidade de temperatura, ser considerada sua associao com um valor a ser negociado. Desta forma, o resultado do contrato de opo ser funo da diferena entre uma quantidade predeterminada de graus-dia e a quantidade efetiva de graus-dia observada em um determinado perodo. Com relao s suas caractersticas, contratos de opes representam instrumentos extremamente flexveis e que possibilitam que uma gama de estratgias financeiras possa ser viabilizada. Contrato de opo constitui uma operao na qual uma contraparte possui o direito de, em uma data futura, realizar uma operao por um valor pr-determinado. Em um contrato de opo, as duas contrapartes so o titular e o lanador da opo. O titular da opo representa o indivduo que pagou um prmio para ter um direito. Este direito confere o poder de escolher exercer sua opo quando lhe for conveniente. importante ressaltar que o titular da opo somente exerce o direito se lhe for vantajoso. J o lanador da opo representa o indivduo que vendeu o

21

direito. Ou seja, o lanador recebe o prmio, tornando-se obrigado a realizar a transao caso o titular da opo exera seu direito. Em funo do tipo de direito, duas categorias bsicas de opes podem ser citadas: (i) as opes de compra e (ii) as opes de venda. Na opo de compra, tambm denominada de call option, o titular possui o direito de, em uma data futura, comprar o ativo por determinado valor. A data futura tambm chamada de data de vencimento ou data de expirao da opo. O valor predeterminado pelo qual o titular da call pode comprar o ativo chamado de preo de exerccio. De modo semelhante, na opo de venda ou put option, o titular possui o direito de, na data de vencimento, vender o ativo pelo preo de exerccio. O titular da call, portanto, paga em um instante inicial 0 um prmio para ter o direito de, em uma data futura , de comprar um ativo por um preo de exerccio , recebendo o ativo que vale . Diferentemente do caso de um contrato futuro, em se

um contrato de opo, o titular possui o direito e, portanto, s efetua a transao se lhe for conveniente. No caso da call, o titular exerce seu direito de comprar por o preo vista na data de vencimento for maior do que

. Desta forma, estaria

pagando barato pelo ativo. No cenrio em que o preo do ativo menor do que o preo de exerccio, no racional que o titular da call exera seu direito de pagar comprar por um ativo que vale menos do que por algo que vale

<

Nesse cenrio, diz-se que a opo vira p, pois o direito de, na data de vencimento, perde todo o valor.

De modo semelhante, o titular da put paga um prmio no instante inicial 0 para ter o direito de, em uma data futura vender o ativo por ativo que vale , vender um ativo pelo preo de exerccio . Ao , o titular da put deve, teoricamente, se desfazer ou entregar um na data . Uma vez que o titular possui o direito de vender, s do ativo for menor do que o preo de

razovel exercer sua opo quanto o preo exerccio

. Desta forma, estaria vendendo caro o ativo. No cenrio em que o preo

22

do ativo vale mais do que o preo de exerccio, a put vira p, pois no racional vender por um ativo que custa

>

A discusso anterior refere-se a opes tradicionais sobre ativos como por exemplo, aes. Em um derivativo climtico, o preo de exerccio est associado a um nmero predeterminado de graus-dias de aquecimento ou resfriamento. No caso de uma opo de compra, o titular da call possui o direito de pagar uma quantidade predefinida opo. Nesta configurao, de modo idntico a uma call tradicional, o titular de uma call climtica desembolsa em um instante 0 um prmio para ter o direito de, em uma data futura, pagar o preo de exerccio, ou seja, pagar pela quantidade . Somente razovel ao titular da call climtica exercer seu direito se do que . Ou seja, estaria pagando uma por uma quantidade de graus-dias de graus dias e receber uma quantidade efetiva de graus-dia que foi observada durante um determinado horizonte de tempo at o vencimento da

e receber for maior menor

do que a efetivamente acumulada no perodo aquecimento ou graus-dias de resfriamento.

. Essa lgica de negociao do

titular da call vale tanto para ativos-objetos que representam graus-dias de

O resultado no vencimento do comprador, isto , do titular da call e do vendedor, isto , do lanador da call so dados a seguir, independentemente de o ativo-objeto ser ou lanador. . O resultado mostra que o ganho do titular equivale perda do

= =
onde

,0 ,0

eq 6

o preo de um grau-dia de aquecimento ou resfriamento especificado no contrato, o resultado do titular e o resultado do lanador.

23

Considerando, por exemplo, o ativo-objeto como a quantidade de graus-dias de aquecimento acumulada o valor de exerccio , o titular da call somente exerce seu direito quando menor que o valor de graus-dias de aquecimento

acumulados no perodo estabelecido no contrato de opo. No caso de titular da opo no exerce seu direito, pois no razovel pagar por uma quantidade menor . Nesse cenrio, a opo vira p.

<

, o

e receber

No caso de uma opo de venda de um derivativo climtico, o titular da put possui o direito de vender por um valor equivalente a uma quantidade predefinida dias e entregar uma quantidade efetiva , caso seja menor que de graus-

. No caso de uma opo de venda sobre

, o titular exerce seu direito de vender por um e entregar o equivalente a quantidade maior do que , a , o

valor determinado associado quantidade

de graus-dias. Em contrapartida, no cenrio em que objeto associado ao

opo vira p. Note que o exerccio de uma opo de venda, tanto sobre um ativoquanto sobre um ativo-objeto associado ao menor do que

titular exerce seu direito apenas quanto compra somente quando maior que

. De modo oposto, na

opo de compra, independentemente do ativo-objeto, o titular exerce seu direito de . Os resultados no vencimento para o titular e para o lanador de uma put so definidos a seguir:

= =

,0 ,0

eq 7

24

METODOLOGIA DA PESQUISA

O objetivo desta pesquisa envolve a comparao entre modelos de precificao de derivativos climticos. No caso de precificao de contratos futuros, a meta obter uma estimativa para o valor

que serve como preo de referncia para a

liquidao em uma data futura. No instante inicial, no existe fluxo de caixa. Todavia, no caso de contratos de opes, o detentor do direito, seja de compra ou
de venda, deve, em um instante inicial, pagar o prmio. Assim, o problema de precificao de um contrato de opo envolve avaliar o valor justo do prmio. Uma das maneiras identificar o valor justo da opo no vencimento e trazer a valor presente. Para evitar oportunidades de arbitragem, isto , ganhos sem risco, o valor justo da opo no vencimento equivale ao resultado que o titular da opo obteria ao exercer seu direito. Uma vez compreendidos os principais produtos derivativos climticos e os ativosobjeto mais comuns, podem ser analisados alguns mecanismos de precificao. Em particular, sero comparados dois modelos de precificao: (i) Anlise Histrica tambm denominada de burn analysis e (ii) simulao de Monte Carlo. A Anlise Histrica extremamente simples e busca identificar valores mdios histricos (Garman, Blanco e Erickson, 2000). Por exemplo, a partir de valores passados de temperatura, obtm-se uma mdia que pode ser usado como estimativa para precificao de contratos. importante enfatizar que, embora o modelo de Anlise Histrica no leve em considerao aspectos de modelagem estocstica ou incorporar tendncias futuras (Geman e Leonardi, 2005), possibilita estimativas de valores de derivativos. J a Simulao de Monte Carlo baseia-se na gerao de nmeros aleatrios que permitam a construo de cenrios de clima (Garman, Blanco e Erickson, 2000). importante ressaltar que ainda no existe um mtodo efetivo de precificao de derivativos climticos (Cao e Wei, 2002), desta

25

forma, a investigao comparativa de modelos alternativos de precificao pode ser relevante uma vez que alguns itens no so adequadamente contemplados. Apesar de Jewson, Brix e Ziehman (2005), sugerirem o uso de modelos de sries corrigido por tendncia, neste trabalho sero usados os valores de temperatura diria, sem ajuste economtrico. Neste contexto, questes como tendncias, ciclo e sazonalidade no so levadas em considerao. Em contrapartida, os preos so avaliados a partir de sries de temperatura que incorporam o horizonte de tempo do contrato. Por exemplo, contratos que envolvem o acmulo de graus-dias em um determinado ms so estimados atravs de histrico de temperaturas dirias desse mesmo ms. Desta forma, a metodologia empreendida realiza uma correo, mesmo que simplista, para a sazonalidade. Para a comparao dos resultados de precificao propiciados pela Anlise Histrica e pela Simulao de Monte Carlo, foram realizadas estimativas de preo de contratos futuros e de opes associados a derivativos climticos hipotticos cujo ativo-objeto seriam o ou o de trs cidades brasileiras: Braslia, Rio de Janeiro e So Paulo. Embora contratos de derivativos climticos ainda no contemplem localidades brasileiras, o estudo possibilita identificar a magnitude das diferenas dos modelos de Anlise Histrica e da Simulao de Monte Carlo, aplicados no contexto nacional. Na pesquisa, foram usados, portanto, dados secundrios, referentes ao histrico da temperatura mdia diria levantado pelo National Climatic Data Center (NCDC) dos Estados Unidos e disponibilizados pela University of Dayton, no link. http://www.engr.udayton.edu/weather/. O site contm dados de temperatura mdia de 157 localidades nos Estados Unidos e 167 cidades de outros pases. No caso brasileiro, so objeto de acompanhamento do NCDC somente as trs cidades que fazem parte dessa pesquisa. Para a precificao de derivativos climticos foram implementadas sub-rotinas em Visual Basic for Applications (VBA) no ambiente Excel. O algoritmo envolve a leitura de dados de quatro colunas disponibilizadas pelo NCDC: (i) a primeira coluna

26

contm o ms ao qual a temperatura se refere, (ii) a segunda coluna est associada ao dia do ms, (iii) a terceira coluna representa o ano e (iv) a quarta coluna representa a temperatura mdia diria. Aps a leitura dos dados, o algoritmo processa as estimativas de e a partir do modelo de Anlise Histrica e de Simulao de Monte Carlo, permitindo a precificao dos derivativos. Cabe ressaltar que, na comparao emprica dos modelos, os dados de temperatura levantados a partir do NCDC referem-se a um valor mdio dirio obtido atravs de mensuraes a cada hora, no formato Global Summary of the Day (GSOD). Em um determinado dia, a temperatura mdia

24 disponibilizada na base de dados

equivale a uma mdia das 24 mensuraes horrias, dada pela seguinte equao:

onde

representa a temperatura observada na hora , no dia .

24 =

24

eq 8

Apesar de o clculo de temperatura mdia ser diferente do clculo da equao (1) para os derivativos de temperatura tradicionais como, por exemplo, os negociados na CME, baseado na mdia entre temperatura mxima e mnima, estudos da University of Dayton identificam que no existem diferenas estatisticamente significantes entre as temperaturas mdias obtidas das duas formas, usando a equao (1) ou a equao (7). Na mdia, o desvio absoluto entre as duas formas de medio 24e apenas 0,079 maior que o valor mdio de 24. Como as temperaturas do GSOD e de apenas 1,48 sendo. o valor mdio de

so levantadas com uma preciso de 0,1, o vis entre resultados similares (University of Dayton, nd).

24 no

estatisticamente significante e o uso de qualquer uma das medidas deve gerar

Os dados de temperatura mdia usados na anlise iniciam-se em 1/1/1995 e terminam em 31/12/2009, totalizando 5479 observaes dirias em 15 anos. Os contratos a serem analisados representam derivativos hipotticos de contratos futuros e opes. Os contratos futuros envolvem estimativas de quantidade justa de

27

para cada ms do ano. Assim, so obtidas estimativas do valor

de negociao do contrato futuro em um instante inicial, para cada ms. Para simplificar a anlise, uma vez que no objetivo do trabalho investigar questes relacionadas a estrutura de taxa de juros, ser considerado que o valor do dinheiro no tempo zero. Desta forma, a magnitude das diferenas entre os dois modelos de precificao estudados no influenciada pela taxa de juros nem pelo prazo para o vencimento do contrato, permitindo uma anlise mais direta. Para os contratos de opo, so geradas estimativas de prmio de call sobre e , para diferentes preos de exerccio e de put

. Assim, pode-se

avaliar as diferenas nos resultados da precificao para situaes de diferentes chances de exerccio da opo. Mais uma vez, so consideradas taxas de juros nulas. A seguir, so apresentadas as frmulas utilizadas na projeo de valores para e que acumulam de um perodo mensal. Desta forma, so especificados contratos ou durante um determinado ms. Para fins de anlise so geralmente

comparativa, sero tambm precificados produtos para meses em que comumente no seriam transacionados. Por exemplo, contratos de negociados para a estao de inverno, uma vez que invernos rigorosos ou amenos implicariam, respectivamente, maior ou menor necessidade por aquecimento. De maneira oposta, contratos de teriam mais aplicabilidade para meses de vero, pois veres mais quentes ou menos quentes exigiriam mais ou menos refrigerao. Para realizar o procedimento de obteno de preos de derivativos sobre temperatura, inicialmente sero detalhados os mecanismos de gerao de valores para a quantidade acumulada de graus-dias de aquecimento ou resfriamento. Posteriormente, os valores estimados de graus-dia acumulados so usados para precificar os derivativos climticos. Para cada tipo de contrato, ser definido um valor baseado nas estimativas de graus-dias de aquecimento ou resfriamento.

28

3.1

Estimativa da quantidade acumulada de

ou

3.1.1 Anlise Histrica (AH) Na metodologia de Anlise Histrica, o modelo de estimao de valores dos ativosobjeto no vencimento segue o seguinte procedimento. Para cada um dos anos da amostra, so levantados inicialmente os valores de atravs das equaes a seguir. e de cada ms ,

= =
onde

eq 9

representa o representa o representa o representa o

do ms do ano do -simo dia do ms do ano do ms do ano do -simo dia do ms do ano

constitui o nmero de dias do ms do ano . Ressalta-se que a distino, por ano, do nmero de dias no ms, decorre da generalizao da frmula incorporando a possibilidade de o ano ser bissexto e, especificamente, o ms de fevereiro possuir 29 dias ao invs dos tradicionais 28 dias. No entanto, este ajuste por nmero de dias no ms de fevereiro no se mostrou relevante para os resultados.
Aps a obteno de valores de

, conforme a metodologia da Anlise para cada ms

Histrica, realiza-se a estimativa dos valores de atravs do clculo da mdia aritmtica. Ou seja:.

29

= =
onde

eq 10

e
da pesquisa,

representam o primeiro e o ltimo ano de dados observados = 1995, = 2009 e = 15.

o nmero de anos na amostra, equivalente a

+ 1. No caso

3.1.2 Simulao de Monte Carlo (SMC)

Os mecanismos de Simulao de Monte Carlo pressupe a gerao de um grande nmero de cenrios simulados, nos quais so identificados os possveis resultados de uma deciso ou de uma transao. Para o caso de estimao de ou de em um determinado perodo so simuladas diversas realizaes de possveis temperaturas em um determinado perodo. Em especial, o processo estocstico que rege o comportamento da temperatura e, portanto, as distribuies de probabilidade de temperatura em cada ms tornam-se fundamentais para uma adequada estimao. Embora diversos mecanismos de estimao da distribuio e do comportamento da temperatura possam ser utilizadas, incluindo modelos meteorolgicos e economtricos, nesta pesquisa ser adotada uma tcnica mais simples baseada na distribuio histrica de temperatura. Neste caso, ser considerado que a frequncia de temperatura em um dado ms serve como distribuio de probabilidades da varivel aleatria a ser simulada. Em outras palavras, na Simulao de Monte Carlo adotada nesta pesquisa, a gerao de temperaturas dirias aleatrias ser realizada a partir da distribuio de frequncia dos dados histricos. Assim, ao invs de se definir um processo estocstico associado variao de temperatura em um

30

dado perodo, a metodologia utilizada simplesmente estabelece que os dados dirios de temperatura em um ms so obtidos atravs da distribuio histrica de ou na amostra.

importante, portanto, diferenciar que, enquanto na Anlise Histrica a unidade de investigao o Carlo, o ou ou ou mensal, na Simulao de Monte dirio de cada ms. Isto , para cada ms so ou e = 1 mensais. , a partir da

simuladas as temperaturas mdias de cada dia, calculando-se os valores de para posteriormente acumular os

Uma forma de expressar valores simulados de , com probabilidade

distribuio de frequncia de preos mensais dada a seguir: =

eq 11

, com probabilidade

, com probabilidade

, com probabilidade

onde representa o -simo valor simulado de , ..., para o ms para o ms ,

representam os dados histricos de

independentemente do ano representa o -simo valor simulado de , ..., para o ms para o ms ,

representam os dados histricos de

independentemente do ano constitui o nmero de dados passados referentes ao ms .

31

Assim, na metodologia da pesquisa realizada, cada dado passado de de cada ms, uma simulao envolve a gerao de distribuio dada pela equao (10). Note ento que = 31. =2

ou

ocorre com a mesma probabilidade no perodo mensal simulado. Para valores a partir da refere-se ao nmero = 28, =1

de dias no ms . Por exemplo, para projees referentes a janeiro, e Para fevereiro, e considera-se no considerando, portanto, anos bissextos. Uma vez simulados e = =

se

referentes ao nmero de dias no ms em

estudo , obtm-se os valores acumulados

eq 12

Diferentemente do processo de Anlise Histrica, no qual so obtidas as mdias de dados mensais passados, na Simulao de Monte Carlo implementada, so geradas vrias simulaes de de um possvel valor ou e para cada dia de um determinado ms . Cada uma dessas simulaes permite a obteno para a quantidade acumulada de

graus-dia de aquecimento ou de resfriamento em um ms. Esse procedimento replicado e vezes, gerando-se , com simulaes de

. Para definir uma notao, a

= 1, , , simulao e .

das quantidades de graus-dias acumulados no ms gera

32

3.2

Precificao de contratos futuros

A precificao de contratos futuros envolve estabelecer em um perodo 0, o valor pelo qual uma operao com liquidao em uma data deva ser negociado. O valor dado pela estimativa de equilbrio que o mercado faz da quantidade acumulada de ou em um determinado perodo. Assim, as presses de oferta e . Obviamente, o vendedor do contrato

demanda pelo contrato balizam o valor de gostaria de estabelecer um valor valor baixo para realizada.

elevado, enquanto o comprador do contrato, um

. medida que diversos compradores e vendedores lanam suas

ofertas de compra e venda, o preo pode se ajustar em um valor no qual a transao

A estimativa de quantidades de graus-dias de aquecimento ou resfriamento pode ser realizada de vrias maneiras, porm, neste estudo sero implementados mecanismos de precificao baseados na Anlise Histrica e na Simulao de Monte Carlo discutidas anteriormente. Considerando uma taxa de juros nula que, conforme j explicitado, permite que comparaes de diferentes contratos no seja influenciado pelo valor do dinheiro no tempo, o valor de um contrato futuro no instante 0 dado pelo valor esperado da da quantidade de graus-dias

quantidade de graus-dias acumulados durante um determinado perodo. Na metodologia de Anlise Histrica, o valor estimado acumulado para cada ms , seguir:

= 1, ,12, dada pela equao (1), re-escrita a

_ _
onde

= =

eq 13

33

constituem as estimativas dos valores no instante 0 de e com vencimento no ms .

contratos futuros de

Na metodologia de Simulao de Monte Carlo, conforme j apresentado, as simulaes de quantidades acumuladas de valores e , com = 1, , . Para o caso de contratos futuros, e de conduzem aos

a mdia aritmtica desses valores simulados pode servir como estimativa do valor , ou seja: _ _ = =

eq 14

3.3

Precificao de contratos de opes

De maneira semelhante precificao de contratos futuros, a precificao de contratos de opes envolve uma estimativa de quantidade de ou em um determinado perodo. Porm, a fato de o titular da opo ter o direito, mas no a obrigao de efetuar a liquidao em uma data futura, implica a comparao do valor estimado com o preo de exerccio da opo. Conforme j discutido anteriormente, o titular da call possui o direito de comprar o ativo-objeto pelo preo de exerccio ativo-objeto por e o titular da put tem o direito de vender o , ou

. Estes direitos so ou no exercidos em funo do valor de

seja, o valor vista do ativo-objeto na data de vencimento da opo. Note que no caso de derivativos climticos, perodo, enquanto representa uma quantidade efetivamente acumulada de graus-dias de aquecimento ou resfriamento em um determinado representa uma quantidade previamente fixada de graus-dia.

34

O titular da call somente exerce seu direito quanto

, pois estaria pagando

>

e recebendo

. Se

<

, obtendo um ganho de , o titular da call no

exerce seu direito de comprar por

algo que custa menos. Assim, neste cenrio, o

valor da opo no vencimento seria nulo. Considerando a metodologia de Anlise Histrica, portanto, o preo da opo seria uma mdia aritmtica dos possveis valores da opo no vencimento trazidos a valor presente. Considerando a taxa de juros nula uma estimativa do valor, isto , do prmio da call, dada por:

_ _
onde

= =

_ _ ,0

eq 15

_ _ <

= max = max

,0

eq 16

O caso da put similar. No entanto, o titular da put somente exerce seu direito de venda quanto Quando

>

. Nessa situao, a put possui valor

no vencimento.

, o valor da put nulo. Assim, de forma anloga, supondo a dado por: _ _ ,0

eq 17

Anlise Histrica, tem-se que o valor da put

_ _
onde

= =

_ _

= max = max

,0

eq 18

35

Na Simulao de Monte Carlo, cada valor simulado de

para o ms ,

comparado com o preo de exerccio implica um possvel valor da opo. A mdia de todos os valores simulados para a opo representa ento uma estimativa de preo do contrato. Ou seja, para a opo de compra: _ _
onde

= =

eq 19

= max

= max

,0

,0

eq 20

No caso da put, os valores para produtos com ativos-objeto respectivamente:

so,

_ _
onde

= =

eq 21

_ _

= max = max

,0

,0

eq 22

Assim, no caso de precificao de derivativos, atravs da Simulao de Monte Carlo so geradas realizaes de variveis aleatrias como, por exemplo, preos e taxas, com uma determinada distribuio de probabilidade de ocorrncia. A partir dessas realizaes, verifica-se os resultados simulados do derivativo na data de vencimento. A mdia aritmtica desses resultados a estimativa do valor do derivativo.

36

RESULTADOS E DISCUSSO

A partir dos modelos de precificao descritos na metodologia, foram realizadas estimativas de valores de contratos futuros e de opes sobre ativos-objeto ligados temperatura, mais especificamente a dirias que servem para o clculo de e e . A partir da base de dados disponibilizada pela University of Dayton, foram obtidas as temperaturas mdias

nas cidades de Braslia, Rio de

Janeiro e So Paulo. Conforme j apresentado, os dados dirios referem-se a

observaes de 15 anos, entre 1995 a 2009. Inicialmente, foi conduzida uma avaliao de valores de contratos futuros, considerando os modelos de Anlise Histrica (AH) e de Simulao de Monte Carlo (SMC) discutidos anteriormente. A Tabela 1 mostra, para contratos futuros de , os resultados da precificao de cada modelo conforme equaes 13 e 14, nem como a diferena entre os resultados obtidos. . Tabela 1: Precificao de contratos futuros de
Ms AH Jan Fev Mar Abr Mai Jun Jul Ago set Out Nov Dez 32.8 32.8 11.0 21.9 25.1 66.1 25.4 23.3 32.8 0.1 87.7 131.2 Braslia SMC 35.0 35.3 13.6 23.0 23.5 66.6 26.0 20.4 28.7 0.1 90.9 138.0 Dif -2.1 -2.5 -2.5 -1.1 1.6 -0.5 -0.7 2.8 4.1 0.0 -3.2 -6.7 Rio de Janeiro AH 65.6 98.4 10.9 21.9 32.8 109.5 14.4 67.2 121.0 153.2 415.5 317.1 SMC 61.3 100.4 12.0 21.5 36.8 106.3 16.3 64.7 123.1 155.3 419.8 320.6 Dif 4.3 -2.0 -1.0 0.4 -3.9 3.2 -1.9 2.5 -2.1 -2.1 -4.4 -3.6 AH 67.1 33.1 11.5 29.4 97.7 134.6 123.1 97.1 165.7 148.9 180.7 177.7 So Paulo SMC 69.9 35.5 14.0 30.4 98.0 135.2 124.4 95.7 161.7 143.9 183.3 183.3 Dif -2.8 -2.4 -2.5 -1.0 -0.3 -0.6 -1.2 1.4 4.0 5.0 -2.6 -5.6

Fonte: o autor

37

Os resultados sugerem que, para a precificao de contratos futuros de

, e

usando temperaturas histricas das cidades brasileiras, as diferenas entre os preos gerados pela Anlise Histrica e pela Simulao de Monte Carlo so pequenas. Conforme se pode observar pelo Grfico 1, os valores da Simulao de Monte Carlo tendem a ser maiores, porm, no h uma regra geral que estabelea de forma contundente que a Anlise Histrica conduz a menores estimativas. O total das diferenas absolutas so tambm semelhantes para cada cidade. Grfico 1: Diferenas de preo entre AH e SMC para futuros sobre

Fonte: o autor. Obs. Valores positivos indicam preo atravs da AH superior ao da SMC e vice-versa

Considerando a precificao de contratos futuros de

, observam-se

diferenas ainda menores nas estimativas, conforme Tabela 2 e Grfico 2. A Anlise Histrica e a Simulao de Monte Carlo conduzem a resultados prximos para as trs cidades analisadas. Tendo em vista o procedimento adotado e a estimativa de valor futuro a partir de mdias de e geradas atravs de dados passados, a proximidade dos resultados no surpresa. O comportamento linear dos contratos futuros ainda estabelece uma maior compatibilidade entre os mtodos adotados. Deve-se ressaltar que, conforme j discutido, o objetivo do trabalho no identificar a superioridade de um modelo sobre o outro. A pesquisa visa

38

avaliar possveis diferenas na magnitude de preos gerados por modelos de Anlise Histrica e Simulao de Monte Carlo. No caso de contratos futuros, portanto, as diferenas so pequenas, no ultrapassando uma dezena de graus-dia de aquecimento ou resfriamento.
Tabela 2: Precificao de contratos futuros de
Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 238.9 221.5 227.7 210.5 132.6 58.9 69.6 144.9 246.3 293.4 210.7 217.6 Braslia SMC 239.5 219.3 228.4 209.8 133.1 58.9 69.8 145.0 245.6 293.6 210.3 216.9 Dif -0.6 2.2 -0.7 0.8 -0.6 0.0 -0.2 -0.1 0.7 -0.2 0.5 0.6 Rio de Janeiro AH 467.8 440.0 456.3 377.0 255.0 195.7 180.2 217.2 216.4 278.5 298.0 393.6 SMC 467.8 436.0 456.2 377.6 255.0 197.5 179.4 217.5 215.6 279.1 298.2 393.7 Dif 0.0 3.9 0.0 -0.6 0.0 -1.7 0.9 -0.3 0.7 -0.6 -0.2 -0.1 AH 259.8 246.0 245.9 165.3 60.7 44.3 39.4 73.2 78.3 115.1 145.4 209.1 So Paulo SMC 259.8 244.1 246.1 165.3 60.1 44.1 39.4 73.4 78.3 114.6 144.8 209.0 Dif 0.0 1.8 -0.2 0.1 0.5 0.1 0.1 -0.2 0.0 0.5 0.5 0.2

Fonte: o autor

Grfico 2: Diferenas de preo entre AH e SMC para futuros sobre

Fonte: o autor. Obs. Valores positivos indicam preo atravs da AH superior ao da SMC e vice-versa

39

Os contratos de opes, por sua vez, conduzem a resultados distintos. A natureza dos contratos de opes, que no possuem uma relao linear entre valor do ativoobjeto no vencimento e resultado ao titular ou ao lanador, pode induzir diferenas representativas entre estimativas geradas pela Anlise Histrica e pela Simulao de Monte Carlo. Os resultados a seguir mostram as diferenas entre os modelos de precificao estudados, para diferentes produtos, call e puts, e para diferentes preos de exerccio. A Tabela 3 ilustra as diferenas de estimativas de prmio de uma call sobre com preo de exerccio 100, usando as equaes 17 e 19. , com preo de exerccio
So Paulo Dif -30.4 -55.8 -5.0 -8.8 -16.7 -48.0 -5.4 -32.1 -48.0 -38.3 -11.5 -17.3 AH 0.0 0.0 0.0 0.0 0.0 34.6 23.1 0.0 65.7 48.9 80.7 77.7 SMC 33.9 15.5 5.4 10.7 26.5 50.1 28.2 17.7 79.7 77.7 112.6 116.1 Dif -33.9 -15.5 -5.4 -10.7 -26.5 -15.6 -5.1 -17.7 -14.1 -28.8 -32.0 -38.4 SMC 30.4 55.8 5.0 8.8 16.7 57.5 5.4 32.1 69.0 91.5 326.9 234.3

Tabela 3: Precificao de call sobre

Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 31.2 Braslia SMC 15.4 15.5 5.4 9.8 9.0 29.5 5.5 8.2 12.4 0.0 48.7 82.6 Dif -15.4 -15.5 -5.4 -9.8 -9.0 -29.5 -5.5 -8.2 -12.4 0.0 -48.7 -51.4 AH 0.0 0.0 0.0 0.0 0.0 9.5 0.0 0.0 21.0 53.2 315.5 217.1

= 100

Rio de Janeiro

Fonte: o autor

Os resultados mostram que a Anlise Histrica, em comparao com a Simulao de Monte Carlo, consistentemente conduz a estimativas menores de prmio conforme pode ser observado pelo Grfico 3. Como uma opo somente possui valor no vencimento em cenrios em que as condies so favorveis ao titular, a Anlise Histrica, principalmente se envolver um perodo restrito de anos de observao, pode levar a distores relevantes. Por exemplo, uma realizao histrica de pode ficar abaixo do preo de exerccio e, desta forma, implicar

40

no modelo de precificao uma observao de valor nulo para a opo. Esta observao, em um nmero limitado de anos, pode ter uma influncia significativa e diminuir o prmio estimado para a opo. Em contrapartida, um ms excepcionalmente quente ou frio pode tambm ter um grande impacto na estimativa do prmio da opo, quando o nmero de observaes pequeno. Neste caso, a Anlise Histrica pode conduzir a sobreestimao de valores para o prmio de uma opo. Nos resultados da Tabela 3, 4 e 5, o efeito de o nmero de observaes mensais ser limitado faz com que a Anlise Histrica consistentemente gere menores estimativas de prmio da call, independente do preo de exerccio. As diferenas podem ser substanciais atingindo valores acima de 80 graus-dias de aquecimento que, para um ms de 30 dias, por exemplo, implicam em diferenas dirias de temperatura de mais de 2 graus. Tabela 4: Precificao de call sobre
Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Braslia SMC 0.8 0.6 0.0 0.2 0.3 2.3 0.0 0.2 0.3 0.0 6.7 18.5 Dif -0.8 -0.6 0.0 -0.2 -0.3 -2.3 0.0 -0.2 -0.3 0.0 -6.7 -18.5 AH 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 115.5 17.1

, com preo de exerccio

So Paulo Dif -2.9 -9.4 -0.1 -0.1 -0.9 -7.9 -0.1 -3.1 -13.0 -19.6 -52.6 -82.1 AH 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 SMC 3.5 0.6 0.0 0.3 1.5 5.0 0.2 0.6 13.6 14.3 30.5 30.8 SMC 2.9 9.4 0.1 0.1 0.9 7.9 0.1 3.1 13.0 19.6 168.1 99.1

= 300
Dif -3.5 -0.6 0.0 -0.3 -1.5 -5.0 -0.2 -0.6 -13.6 -14.3 -30.5 -30.8

Rio de Janeiro

Fonte: o autor

No entanto, importante ressaltar que contratos de

so mais comuns para

meses de inverno, uma vez que constituem produtos para gesto de riscos de invernos muito ou pouco quentes. No Brasil, seguindo o inverno austral, os meses mais adequados para os contratos de seriam junho, julho,

41

agosto e setembro. Uma verificao das Tabelas 3, 4 e 5 mostra, para esses meses, diferenas de no mximo 48 graus-dias de aquecimento para a call com preo de exerccio mais baixo. Nos outros preos de exerccio, a diferena para os meses de vero no substancial, sugerindo que opes muito dentro do dinheiro, ou seja, com preo de exerccio muito baixo perante o valor do ativo-objeto, conduzem a maiores diferenas entre os modelos de Anlise Histrica e de Simulao de Monte Carlo para o caso de calls.
Tabela 5: Precificao de call sobre
Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Braslia SMC 0.0 0.0 0.0 0.0 0.0 0.2 0.0 0.0 0.0 0.0 0.5 1.9 Dif 0.0 0.0 0.0 0.0 0.0 -0.2 0.0 0.0 0.0 0.0 -0.5 -1.9 AH 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 SMC 0.0 0.5 0.0 0.0 0.0 0.3 0.0 0.0 1.3 2.2 64.7 31.8

, com preo de exerccio

So Paulo AH 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 SMC 0.0 0.0 0.0 0.0 0.0 0.3 0.0 0.0 1.1 1.5 4.5 5.6 Dif 0.0 -0.5 0.0 0.0 0.0 -0.3 0.0 0.0 -1.3 -2.2 -64.7 -31.8

= 500
Dif 0.0 0.0 0.0 0.0 0.0 -0.3 0.0 0.0 -1.1 -1.5 -4.5 -5.6

Rio de Janeiro

Fonte: o autor

Assim, em contraste Anlise Histrica, a Simulao de Monte Carlo, por sortear valores de temperatura mdia a partir de uma amostra de valores dirios de um dado ms, independentemente do ano, sofre menor influncia de eventos extremos. A possibilidade de se acumular ou em um ms considerando-se somente dias extremamente quentes ou frios baixa. Alm disso, o nmero de simulaes, no caso

= 1000 simulaes de

para cada ms reduz o efeito de

possveis outliers, por exemplo.

42

Em contrapartida, na Anlise Histrica, o efeito de meses extraordinariamente quentes ou frios impacta fortemente nas estimativas de prmio, quando o nmero de anos analisado baixo. Na pesquisa realizada, o nmero de observaes de ou mensais de apenas 15, referente quantidade de anos na amostra e,

portanto, a distoro entre estimativas de modelos pode ser representativa. O Grfico 3 ilustra as diferenas de preo atravs da Anlise Histrica e da Simulao de Monte Carlo, para calls sobre

para diferentes preos de exerccio. As

diferenas diminuem medida que o preo de exerccio aumenta, pois a probabilidade de a opo ser exercida, no caso de uma call, diminui e a escolha pelo mtodo de precificao torna-se menos relevante. Grfico 3: Diferenas de preo entre AH e SMC para call sobre

Com relao s opes de compra sobre

, os resultados dos modelos de

Anlise Histrica e de Simulao de Monte Carlo so novamente bastante semelhantes, conforme sugerem as Tabelas 6, 7 e 8.

43

Tabela 6: Precificao de call sobre

Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 138.9 121.5 127.7 110.5 42.2 1.8 4.2 47.5 146.3 193.4 110.7 117.6 Braslia SMC 139.5 119.3 128.4 109.8 33.2 0.0 0.0 45.0 145.6 193.6 110.3 116.9 Dif -0.6 2.2 -0.7 0.8 9.0 1.8 4.2 2.5 0.7 -0.2 0.5 0.6 AH 367.8 340.0 356.3 277.0 155.0 95.7 80.2 117.2 116.4 178.5 204.6 293.6

, com preo de exerccio

So Paulo Dif 0.0 3.9 0.0 -0.6 0.0 -1.7 0.9 -0.3 0.7 -0.6 6.5 -0.1 AH 159.8 146.0 145.9 65.9 2.0 0.0 0.0 1.6 5.0 29.9 48.6 109.1 SMC 159.8 144.1 146.1 65.3 0.1 0.0 0.0 0.6 2.2 17.9 45.0 109.0 SMC 367.8 336.0 356.2 277.6 155.0 97.5 79.4 117.5 115.6 179.1 198.2 293.7

= 100
Dif 0.0 1.8 -0.2 0.6 1.9 0.0 0.0 1.0 2.8 12.0 3.5 0.2

Rio de Janeiro

Fonte: o autor

Alm disso, as diferenas de estimativas para a call so pequenas para os meses em que os contraltos de contratos de seriam mais adequados. Tendo em vista que

so voltados a necessidade ou no de resfriamento em veres

fortes ou amenos, no caso brasileiro, os meses de dezembro, janeiro, fevereiro e maro seriam os mais apropriados para negociao. Tabela 7: Precificao de call sobre
Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Braslia SMC 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 4.9 Dif 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 -4.9 AH 167.8 140.0 156.3 77.0 0.0 0.0 0.0 0.0 0.0 0.0

, com preo de exerccio

So Paulo Dif 0.0 3.9 0.0 -0.6 0.0 0.0 0.0 0.0 0.0 -2.0 AH 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 SMC 0.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 SMC 167.8 136.0 156.2 77.6 0.0 0.0 0.0 0.0 0.0 2.0

= 300
Dif -0.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

Rio de Janeiro

44

Nov Dez

0.0 0.0

0.0 0.0

0.0 0.0

0.0 93.6

10.7 93.7

-10.7 -0.1

0.0 0.0

0.0 0.0

0.0 0.0

Fonte: o autor

Finalmente, importante ressaltar que valores muito altos do preo de exerccio implicam em baixa probabilidade de exerccio de uma call, resultando em um prmio baixo. De fato, como se pode observar na Tabela 8, para

= 500, a estimativa para

a call de um valor nulo. Todavia, esta estimativa pode sub-avaliar o prmio, pois ambas as metodologias empregadas nesta pesquisa, Anlise Histrica e Simulao de Monte Carlo, se baseiam unicamente em dados histricos. Outros mecanismos de simulao, que dependessem de outras formas de gerao de temperatura dirias, poderiam implicar meses cujos valor de ultrapassasse o preo de exerccio, atribuindo um valor no nulo para a call. Um exemplo de evento de baixa probabilidade e que pode atribuir valor call obtido na Tabela 8, para o caso do Rio de Janeiro no ms de janeiro. Neste exemplo, a Simulao de Monte Carlo propiciou um cenrio, de baixa probabilidade, no qual a quantidade de superou o preo de exerccio, fazendo com que a estimativa do prmio no fosse de um valor nulo. O Grfico 4 mostra o comportamento das diferenas de valores propiciados pela Anlise Histrica e pela Simulao de Monte Carlo para a call sobre

para diferentes preos de exerccio. Como no caso da call , as diferenas so menores quanto menor a probabilidade de

sobre

exerccio, ou seja, quanto maior o preo de exerccio.

45

Grfico 4: Diferenas de preo entre AH e SMC para call sobre

Tabela 8: Precificao de call sobre

Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Braslia SMC 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Dif 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 AH 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

, com preo de exerccio

So Paulo Dif -0.9 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 AH 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 SMC 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 SMC 0.9 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

= 500
Dif 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

Rio de Janeiro

46

Dez

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

0.0

Fonte: o autor

Anlises semelhantes podem ser realizadas para opes de venda, isto , puts, sobre ou , para diferentes preos de exerccio. Novamente, as maiores diferenas entre estimativas atravs da Anlise Histrica e da Simulao de Monte Carlo envolvem preos de exerccio menores, tanto para derivativos com ativo-objeto

, quanto para ativos-objeto

. As diferenas so maiores para o Rio de

Janeiro, principalmente quando se considera os meses de inverno, para o caso de opes sobre

com preo de exerccio baixo

, com preo de exerccio
Rio de Janeiro Dif -13.3 -13.0 -2.8 -8.7 -10.6 -29.1 -4.9 -11.1 -16.5 0.0 -45.5 -44.7 AH 34.4 1.6 89.1 78.1 67.2 0.0 85.6 32.8 0.0 0.0 0.0 0.0 SMC 69.1 55.4 93.0 87.3 80.0 51.2 89.2 67.4 45.9 36.2 7.1 13.7 Dif -34.7 -53.8 -3.9 -9.2 -12.8 -51.2 -3.5 -34.7 -45.9 -36.2 -7.1 -13.7 AH 32.9 66.9 88.5 70.6 2.3 0.0 0.0 2.9 0.0 0.0 0.0 0.0 So Paulo SMC 64.0 80.0 91.3 80.3 28.5 15.0 3.9 22.0 18.0 33.8 29.3 32.9 Dif -31.1 -13.1 -2.9 -9.7 -26.2 -15.0 -3.9 -19.1 -18.0 -33.8 -29.3 -32.9

Tabela 9: Precificao de put sobre

Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 67.2 67.2 89.0 78.1 74.9 33.9 74.6 76.7 67.2 99.9 12.3 0.0 Braslia SMC 80.5 80.2 91.8 86.8 85.5 62.9 79.5 87.8 83.7 99.9 57.8 44.7

= 100

Fonte: o autor

Quanto maior o preo de exerccio das puts sobre

, maior a probabilidade

de exerccio e, desta forma, as metodologias de Anlise Histrica e de Simulao de Monte Carlo geram resultados mais prximos conforme se pode observar nas Tabelas 10 e 11, para os meses de inverno no Brasil.

47

Tabela 10: Precificao de put sobre

Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 267.2 267.2 289.0 278.1 274.9 233.9 274.6 276.7 267.2 299.9 212.3 168.8 Braslia SMC 265.8 265.4 286.5 277.3 276.7 235.7 274.0 279.8 271.6 299.9 215.8 180.6 Dif 1.3 1.8 2.5 0.9 -1.8 -1.8 0.6 -3.0 -4.4 0.0 -3.5 -11.8 AH 234.4 201.6 289.1 278.1 267.2 190.5 285.6 232.8 179.0 146.8 0.0 0.0

, com preo de exerccio

So Paulo Dif -7.2 -7.4 1.0 -0.5 3.0 -11.1 1.8 -5.7 -10.9 -17.5 -48.2 -78.5 AH 232.9 266.9 288.5 270.6 202.3 165.4 176.9 202.9 134.3 151.1 119.3 122.3 SMC 233.6 265.1 286.0 269.9 203.5 169.9 175.8 204.9 151.9 170.4 147.1 147.6 SMC 241.6 209.0 288.1 278.6 264.2 201.6 283.8 238.4 189.9 164.3 48.2 78.5

= 300
Dif -0.7 1.8 2.5 0.7 -1.3 -4.4 1.0 -2.0 -17.6 -19.3 -27.8 -25.2

Rio de Janeiro

Fonte: o autor

Tabela 11: Precificao de put sobre

Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 467.2 467.2 489.0 478.1 474.9 433.9 474.6 476.7 467.2 499.9 412.3 368.8 Braslia SMC 465.0 464.7 486.4 477.0 476.5 433.6 474.0 479.6 471.3 499.9 409.6 363.9 Dif 2.1 2.5 2.5 1.1 -1.6 0.3 0.7 -2.8 -4.1 0.0 2.7 4.8 AH 434.4 401.6 489.1 478.1 467.2 390.5 485.6 432.8 379.0 346.8 84.5 182.9

, com preo de exerccio

So Paulo Dif -4.3 1.5 1.0 -0.4 3.9 -3.5 1.9 -2.5 0.8 -0.1 -60.3 -28.2 AH 432.9 466.9 488.5 470.6 402.3 365.4 376.9 402.9 334.3 351.1 319.3 322.3 SMC 430.1 464.5 486.0 469.6 402.0 365.2 375.6 404.3 339.4 357.6 321.2 322.3 SMC 438.7 400.1 488.0 478.5 463.2 394.0 483.7 435.3 378.2 346.9 144.8 211.1

= 500
Dif 2.8 2.4 2.5 1.0 0.3 0.3 1.2 -1.4 -5.1 -6.6 -1.9 0.0

Rio de Janeiro

Fonte: o autor

Quando se considera put sobre estimativas do prmio de puts sobre

as diferenas so maiores na cidade de So

Paulo, para os meses de vero. As tabelas 12, 13 e 14 ilustram os resultados de

para diferentes preos de exerccio.

48

Tabela 12: Precificao de put sobre

Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0.0 0.0 0.0 0.0 0.0 41.1 30.4 0.0 0.0 0.0 0.0 0.0 Braslia SMC 0.0 0.0 0.0 0.0 0.1 41.1 30.2 0.0 0.0 0.0 0.0 0.0 Dif 0.0 0.0 0.0 0.0 -0.1 0.0 0.2 0.0 0.0 0.0 0.0 0.0 AH 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

, com preo de exerccio

So Paulo Dif 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 AH 32.9 66.9 88.5 70.6 2.3 0.0 0.0 2.9 0.0 0.0 0.0 0.0 SMC 64.0 80.0 91.3 80.3 28.5 15.0 3.9 22.0 18.0 33.8 29.3 32.9 SMC 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

= 100
Dif -31.1 -13.1 -2.9 -9.7 -26.2 -15.0 -3.9 -19.1 -18.0 -33.8 -29.3 -32.9

Rio de Janeiro

Fonte: o autor

Conforme sugerem as tabelas 13 e 14, maiores valores de

implicam maior

probabilidade de exerccio e, portanto, a diferena da Anlise Histrica deve diminuir em relao Simulao de Monte Carlo, principalmente se no existir meses especficos em um determinado ano que tenha uma estao muito atpica. Assim, considerando os resultados das calls e das puts, as diferenas de precificao so mais provveis quando os preos de exerccio no so muito elevados nem muito baixos. Quando o preo de exerccio bem baixo, as diferenas dos modelos da Anlise Histrica e da Simulao de Monte Carlo tornam-se menos representativas. Em funo de as duas metodologias empregadas nesse estudo basearem-se nos mesmos dados histricos, os resultados simulados seriam semelhantes. Alm disso, a probabilidade de exerccio de uma call ou no-exerccio de uma put alta e basicamente as simulaes a partir das diferentes metodologias conduziriam ao mesmo cenrio de exerccio ou no-exerccio. No caso de preo de exerccio muito alto, a probabilidade de no-exerccio da call e exerccio da put alta e, desta forma,

49

as diferenas entre os modelos de Anlise Histrica e Simulao de Monte Carlo seriam pequenas. O Grfico 5 ilustra a discusso anterior. Grfico 5: Diferenas de preo entre AH e SMC para put sobre

Fonte: o autor

As maiores diferenas ocorrem quando o preo de exerccio semelhante mdia histrica de

ou

. Neste caso, simulaes podem induzir valores

prximos ao preo de exerccio. Dada a assimetria de resultados, essas simulaes podem implicar grandes diferenas de precificao, uma vez que o exerccio ou no-exerccio da opo se torna sensvel simulao. Resultado de sensibilidade do exerccio da opo em relao ao valor simulado parece surgir no caso de da put sobre com preo de exerccio

50

= 100 para todas as cidades ou para a put sobre exerccio ou uma

= 100 para a cidade de So Paulo. Note que quando o preo de

com preo de

exerccio muito elevado ou muito baixo perante a mdia histrica de , o exerccio ou no-exerccio pouco sensvel aos dados simulados, vez que o exerccio muito provvel . = 300
Dif -0.3 -1.8 0.2 -0.1 -0.5 -0.1 -0.1 0.2 0.0 -0.5 -0.5 -0.2

ou

pouco

provvel,

independentemente da simulao. O Grfico 6 mostra o comportamento das diferenas entre precificao de puts sobre
Tabela 13: Precificao de put sobre
Ms AH Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 61.1 78.5 72.3 89.5 167.4 241.1 230.4 155.1 53.7 6.6 89.3 82.4 Braslia SMC 60.5 80.7 71.6 90.2 166.9 241.1 230.2 155.0 54.4 11.3 89.7 83.1 Dif 0.6 -2.2 0.7 -0.8 0.6 0.0 0.2 0.1 -0.7 -4.7 -0.5 -0.6 AH 0.0 0.0 0.0 0.0 45.0 104.3 119.8 82.8 83.6 21.5 2.0 0.0

, com preo de exerccio

So Paulo Dif 0.0 0.0 0.0 0.0 0.0 1.7 -0.9 0.3 -0.7 -1.4 -10.5 0.0 AH 40.2 54.0 54.1 134.7 239.3 255.7 260.6 226.8 221.7 184.9 154.6 90.9 SMC 40.5 55.9 53.9 134.7 239.9 255.9 260.6 226.6 221.7 185.4 155.2 91.0 SMC 0.0 0.0 0.0 0.0 45.0 102.5 120.6 82.5 84.4 22.9 12.6 0.0

Rio de Janeiro

Fonte: o autor

Tabela 14: Precificao de put sobre

Ms AH Jan Fev Mar Abr Mai Jun Jul 261.1 278.5 272.3 289.5 367.4 441.1 430.4 Braslia SMC 260.5 280.7 271.6 290.2 366.9 441.1 430.2 Dif 0.6 -2.2 0.7 -0.8 0.6 0.0 0.2 AH 32.2 60.0 43.7 123.0 245.0 304.3 319.8

, com preo de exerccio

So Paulo Dif -0.9 -3.9 0.0 0.6 0.0 1.7 -0.9 AH 240.2 254.0 254.1 334.7 439.3 455.7 460.6 SMC 240.2 255.9 253.9 334.7 439.9 455.9 460.6 SMC 33.1 64.0 43.8 122.4 245.0 302.5 320.6

= 500
Dif 0.0 -1.8 0.2 -0.1 -0.5 -0.1 -0.1

Rio de Janeiro

51

Ago Set Out Nov Dez

355.1 253.7 206.6 289.3 282.4

355.0 254.4 206.4 289.7 283.1

0.1 -0.7 0.2 -0.5 -0.6

282.8 283.6 221.5 202.0 106.4

282.5 284.4 220.9 201.8 106.3

0.3 -0.7 0.6 0.2 0.1

426.8 421.7 384.9 354.6 290.9

426.6 421.7 385.4 355.2 291.0

0.2 0.0 -0.5 -0.5 -0.2

Fonte: o autor

Grfico 6: Diferenas de preo entre AH e SMC para put sobre

Fonte: o autor

52

COMENTRIOS FINAIS

Este trabalho teve por objetivo comparar estimativas de preos de derivativos climticos usando duas metodologias tradicionais de precificao: a Anlise Histrica e a Simulao de Monte Carlo. Usando uma base de dados do perodo de primeiro de janeiro de 1995 a trinta e um de dezembro de 2009, de temperaturas mdias de trs cidades brasileiras, foram comparados preos gerados para contratos futuros e para contratos de opes sobre quantidades acumuladas de graus-dia de aquecimento ( quantidades acumulados de graus-dias de resfriamento (

) e sobre

). Foram estudadas

opes de compra e opes de venda para diferentes preos de exerccio. Para os contratos futuros, os modelos de Anlise Histrica e Simulao de Monte Carlo conduzem a resultados bastante semelhantes. Um dos motivos para a pequena diferena envolve, em primeiro lugar, o uso da distribuio histrica de temperaturas para a gerao de cenrios na Simulao de Monte Carlo. Em segundo lugar, em um contrato futuro, existe uma relao linear entre o valor acumulado de ou de e o resultado do derivativo. Finalmente, possvel que, no perodo estudado, no houve anos com meses extraordinariamente quentes ou frios que distorcessem os resultados da Anlise Histrica. Para os contratos de opes, as diferenas de estimativas foram substancialmente maiores, para alguns preos de exerccio. Para os meses aos quais cada contrato mais adequado, isto , para os meses de inverno nos contratos de vero nos contratos de ou de

, as diferenas no so to grandes em magnitude,

mas do ponto de vista de precificao podem ser relevantes. Desta forma, evidencia-se que, dado o carter no linear da opo, em funo de o titular da opo ter o direito de comprar ou vender apenas quando lhe conveniente,

53

o modelo de estimao de

ou

pode ter um efeito significativo na

precificao. Deve-se ressaltar que o trabalho envolve algumas limitaes. A amostra de 15 anos de temperaturas dirias pode ser considerada extremamente pequena, principalmente quando se leva em considerao o modelo da Anlise Histrica. Desta forma, sugestes para estudos futuros envolveriam o uso de uma base de dados mais abrangente que possibilitassem estimativas com menor erro. Outra limitao envolve o fato de o modelo de Simulao de Monte Carlo aplicada na pesquisa utilizar a distribuio histrica das temperaturas mdias dirias, por ms. De certa forma, o processo de gerao de variveis aleatrias atravs da distribuio passada de temperatura pode implicar uma maior semelhana com os resultados da Anlise Histrica, pois ambos os procedimentos tm como base os mesmos dados. No entanto, observou-se, para alguns contratos de opes, dependendo do preo de exerccio, uma diferena relativamente grande entre os resultados de estimativas de precificao utilizando a Simulao de Monte Carlo e a Anlise Histrica. A incluso de outros mecanismos de gerao aleatria de temperaturas no modelo de Simulao de Monte Carlo, envolvendo processos meteorolgicos ou mecanismos economtricos podem enriquecer a anlise. Em particular, dado o comportamento de temperaturas, que pode exigir anlises de distribuio no-normais, mecanismos que explorassem a possibilidade de eventos extremos (Jewson e Penzer, 2006) como, por exemplo, veres ou invernos rigorosos, poderiam ser relevantes. Neste contexto, tcnicas de estimao e simulao baseadas na teoria de valores extremos poderiam ser aplicadas na precificao de derivativos climticos.

54

Uma sugesto para estudos futuros seria investigar mais detalhadamente as caractersticas das temperaturas passadas que fazem com que os modelos de precificao utilizados conduzam a resultados distintos. Caractersticas como mdia, disperso, assimetria ou curtose da distribuio passada de temperaturas podem eventualmente gerar diferenas entre os modelos de Anlise Histrica e Simulao de Monte Carlo. Adicionalmente, seria importante avaliar se o tipo de opo, call ou put, se o preo de exerccio e se as caractersticas da cidade em anlise so fatores determinantes da proximidade ou do distanciamento de resultados dos modelos de precificao.

55

REFERNCIAS AGARWAL, A. A new approach and model for weather derivative instrument based on water table for floods, droughts and rainfall. Finance India, 16(3): 877-914, 2002. BARTH, A.; BENTH, F. E.; POTTHOFF, J. Hedging of spatial temperature risk with market-traded futures, 2008. Disponvel em http://www.duo.uio.no/sok/work.html?WORKID=96753&lang=en. Acesso em 10/09/2010. BROCKETT, P. L.; WANG, M.; YANG, C. Weather derivatives and weather risk management. Risk Management and Insurance Review, 8(1): 127-140, 2005. CHALLIS, S. Bright Forecast for Profits. Reactions, June, 1999). CAMPBELL, S. D.; DIEBOLD, F. X. Weather forecasting for weather derivatives. Journal of the American Statistical Association, 100(469): 6-16, 2005. CAO, M.; WEI, J. Weather derivatives valuation and market price of weather risk. The Journal of Futures Markets, 24(11): 1065-1089, 2004. CHEN, G.; ROBERTS, M. C.; THRAEN, C. S. Managing dairy profit using weather derivatives. Journal of Agricultural and Resource Economics, 31(3), 653-665, 2006. CONLEY, J. Climate control. Risk Management, 46(10): 10-16, 1999. CONSIDINE, G. Introduction to weather derivatives. Chicago Mercantile Exchange, 1999. Disponvel em http://www.cmegroup.com/trading/weather/files/WEA_intro_to_weather_der.pdf. Acesso em 27/02/2010. DISCHEL, R. Black-Scholes wont do. Weather Risk Special Report. Energy and Power Risk Management. Risk Publications, 1998. ElementRe. Introduction to Weather Risk Management. In L. Clemmons, Weather Risk Management - Markets, products and applications (3-13). New York, 2002. ELLITHORPE, D.; PUTNAM, S. Weather derivatives and their implications for power markets. The Journal of Risk Finance, 1(2): 19-28, 2000. GARMAN, M.; BLANCO, C.; ERICKSON, R. Seeking a standard pricing model. Environmental Finance. March, 2000. GEMAN, H.; LEONARDI, M. P. Alternative approaches to weather derivatives pricing. Managerial Finance, 31(6): 45-71, 2005.

56

HANLEY, M. Hedging the force of nature. Risk Professional, 5 July/August, 21-25, 1999. HULL, J. Options, futures, and other derivatives. 7th edition. Prentice Hall, 2008. JEWSON, S.; BRIX, A.; ZIEHMAN, C. Weather derivative valuation: the meteorological, statistical, financial and mathematical foundations. Cambridge University Press, 2005. JEWSON, S.; PENZER, J. Weather derivative pricing and the normal distribution: comparing three fitting schemes using the out-of-sample log-likelihood scoring system. 2006. Disponvel em http://ssrn.com/abstract=944007. Acesso em 8/01/2010. LEGGIO, K. B. Using weather derivatives to hedge precipitation exposure. Managerial Finance, 33(4): 246-252, 2007. LEGGIO, K. B.; LIEN, D. Hedging gas bills with weather derivatives. Journal of Economics and Finance. 26(1): 88-100, 2002. LIN, S.; MULLEN, J. D.; HOOGENBOOM. G. Farm-level risk management using irrigation and weather derivatives. Journal of Agricultural and Applied Economics, 40(2): 485-492, 2008. MAHAL, G. Issues in hedging a weather derivative. Derivatives use, trading and regulation, 7(1): 17-21, 2001. PLATEN, E.; WEST, J. A fair pricing approach to weather derivatives. Asia-Pacific Financial Markets, 11: 2353, 2005. RAY, R. Weather derivatives: global hedging against the weather. Derivatives Use, Trading and Regulation, 9(4): 293-301, 2004. ROLL, R. Orange juice and weather. The American Economic Review, 74(5): 861880, 1984. SETH, R.; ANSARI, V. A.; DATTA, M. Weather-risk hedging by farmers: an empirical study of willingness-to-pay in Rajasthan, India. The Journal of Risk Finance, 10(1): 54-66, 2009. SHARMA, A. K.; VASHISHTHA, A. Weather derivatives: risk-hedging prospects for agriculture and power sectors in India. The Journal of Risk Finance, 8(2): 112-132, 2007.

57

STERN, H. The application of weather derivatives to mitigate the financial risk of climate variability and extreme weather events. Australian Meteorological Magazine, 50: 71-182, 2001. STORM Synthetic Transfer of Risk Markets. Weather derivatives volume plummets. Storm, 43, 12 June 2009. Disponvel em www.wrma.org/pdf/weatherderivativesvolumeplummets.pdf. Acesso em 15/02/2010. TAYLOR, J. W.; BUIZZA, R. Density forecasting for weather derivative pricing. International Journal of Forecasting, 22: 29-42, 2006. UNIVERSITY OF DAYTON. Disponvel em http://www.engr.udayton.edu/weather/source.htm. Acesso em 20/01/2010. VARANGIS, P.; SKEES, J.; BARNETT, B. Weather indexes for developing countries. Climate Risk and the Weather Market: Financial Risk Management with Financial hedges. Dischel, R. S. (ed). London: Risk Books, 279-294, 2002. VEDENOV, D.; BARNETT, B. J. Efficiency of weather derivatives as primary crop insurance instruments. Journal of Agricultural and Resource Economics, 29(3): 387402, 2004. WOODART, J.; GARCIA, P. Weather derivatives, spacial aggregation, and systemic risk: implications for reinsurance hedging. Journal of Agricultural and Resource Economics, 33(1):34-51, 2008.