Risco do portfólio da indústria do consultor robótico: eficiência ou corte de canto?

Os consultores robóticos ganharam destaque na última década, com o subsetor de fintech incentivando o envolvimento mais ativo de investidores mais jovens e das massas em poupança e investimento. Robo-advisors visam democratizar a consultoria financeira e trazer serviços de alta qualidade, anteriormente disponíveis exclusivamente para investidores ricos e sofisticados. Em poucas palavras, o robo-advising é uma forma de gerenciamento de investimentos que terceiriza a estratégia de portfólio para um algoritmo. A construção e o reequilíbrio do portfólio são automatizados com a ajuda de computadores, fornecendo soluções de gerenciamento de patrimônio mais acessíveis e redução potencial de erros humanos e preconceitos.

Muitas startups no campo lutam para equilibrar e mostrar a diferenciação da marca. Qual é a melhor maneira de os consultores robóticos continuarem a democratizar o investimento e obter lucro enquanto transmitem os verdadeiros riscos de um portfólio?

De onde veio o aconselhamento robótico?

Betterment e Wealthfront são dois dos consultores robóticos mais proeminentes, sendo o primeiro o primeiro a ser lançado em 2008. Em 2019, estimava-se que o setor tivesse US$ 440 bilhões em ativos sob gestão globalmente e, com o tempo, gestores de patrimônio tradicionais, como Vanguard, também adotaram tais técnicas. Embora completamente diferente das plataformas de negociação apenas de execução, como Robinhood, a mensagem de empoderamento financeiro de ambos os setores foi adotada por investidores mais jovens, que tradicionalmente não têm interesse ativo em economias de aposentadoria até mais tarde em suas carreiras.

Uma das principais propostas de valor dos consultores robóticos populares é que eles ajudam os clientes a entender os riscos e custos associados aos portfólios, em vez de se concentrar apenas nos retornos. Argumentos contra a gestão de patrimônio liderada por consultores financeiros tradicionais é o desalinhamento de incentivos, onde ativos caros e com baixo desempenho são canalizados para investidores, que são incapazes de analisar os números objetivamente para obter uma linha de visão do desempenho. Para isso, os consultores robóticos têm sido proponentes do investimento passivo, evitando fundos caros gerenciados ativamente por fundos de índices econômicos e fundos negociados em bolsa (ETFs).

Gestão de Riscos e Robô-assessores

Embora a maioria dos consultores robóticos normalmente empregue a teoria moderna de portfólio (às vezes em conjunto com outras metodologias bem pesquisadas) para construir portfólios de investidores, eles usam maneiras diferentes de expressar os níveis de risco associados a esses portfólios. A maioria dos profissionais de investimento concorda que o risco é uma consideração tão importante quanto o retorno na seleção do portfólio. Na verdade, a grande maioria dos profissionais continua a ser inspirada pela estrutura de otimização de média-variância ilustrada pela dissertação de 1952 do vencedor do Prêmio Nobel Harry Markowitz sobre seleção de portfólio.

No entanto, o risco geralmente não é tão bem compreendido pelo investidor médio quanto os retornos esperados. Isso ocorre porque a tolerância ao risco de um indivíduo é impulsionada não apenas pelo desempenho passado e expectativas racionais, mas também por circunstâncias pessoais únicas e outros fatores emocionais, como esperanças e medos. Além disso, a tolerância ao risco de um indivíduo dificilmente é uma medida estática. A maioria dos indivíduos decididamente perceberia que sua tolerância ao risco seria menor em 2020, devido às incertezas apresentadas pelo COVID-19, do que em qualquer momento da última década. A conveniência de uma carteira recomendada é avaliada por um investidor em parte por sua própria percepção do risco da carteira. É por isso que é vital que um consultor robótico ilustre claramente o risco para que os investidores possam entender o risco e relacioná-lo com sua própria tolerância, objetivos e preferências emocionais.

Os consultores robóticos usam medidas quantitativas ou qualitativas para ajudar os clientes a entender o risco. Cada medida tem suas vantagens e limitações.

Níveis de Risco Qualitativos: Agressivo ou Alto Crescimento?

A maioria dos consultores robóticos atribui uma classificação de risco qualitativa com base em como os investidores respondem a uma lista predefinida de perguntas psicométricas. Isso geralmente varia em uma escala numérica de “muito conservador” a “muito agressivo”.

Uma classificação de risco qualitativa tem vantagens óbvias, pois facilita a percepção do risco de várias carteiras em relação umas às outras para um investidor. Por exemplo, uma carteira com uma classificação “Agressiva” pode ser inerentemente mais arriscada do que uma rotulada como “Conservadora”. As perguntas psicométricas ajudam a diminuir a tolerância do investidor a perdas e a identificar o nível de risco adequado.

No entanto, uma classificação qualitativa pode não fornecer um entendimento claro em relação à variabilidade esperada da carteira. Pode não ser óbvio o quanto um portfólio agressivo é mais volátil, comparado a um portfólio moderado. Muito provavelmente, uma classificação de risco de 6 pode não significar que a carteira é duas vezes mais arriscada do que uma de 3. Além disso, a percepção de risco pode variar com base em como a classificação de risco é verbalizada. Os investidores podem ver uma carteira de alto risco de forma diferente, dependendo se ela é rotulada como “Alto Crescimento” ou “Muito Agressiva”. Portanto, tal categorização introduz uma camada de subjetividade à atratividade percebida de um portfólio.

Minha preocupação com os consultores robóticos que enfatizam demais o risco qualitativo é que isso pode dar aos investidores uma falsa sensação de segurança quanto ao desempenho contínuo de seus portfólios. Uma pontuação de risco arbitrária em uma faixa agressiva/conservadora pode ser muito ampla e, em última análise, acabar em decisões de planejamento de financiamento abaixo do ideal por parte de investidores cujas circunstâncias podem ser mais complexas do que se pensava anteriormente. As preocupações com os riscos simplificados demais são ecoadas em chamadas regulatórias sobre consultores robóticos envolvidos em vendas incorretas sistêmicas, com os investidores não entendendo a verdadeira natureza do produto.

O aumento da adoção de medidas institucionais quantitativas de risco (usadas por bancos, fundos e family offices) com educação do cliente pode ser a chave para o próximo estágio do robo-advising. Isso poderia realmente fazer a indústria avançar e corresponder aos movimentos nacionais para aumentar a educação em alfabetização financeira.

Medidas Quantitativas de Risco para Carteiras de Investimento

Controlando a Volatilidade: Valor em Risco

Value at Risk, ou VaR, é a medida mais popular de volatilidade de um portfólio. Simplificando, o VaR é uma medida de perdas mínimas esperadas como um determinado nível de probabilidade (também conhecido como nível de confiança ou percentil). Por exemplo, se o VaR de 99% de uma carteira for 12%, significa que há 99% de chance de que as perdas da carteira não ultrapassem 12% durante um determinado período. Em outras palavras, há 1% de chance de que as perdas do portfólio sejam superiores a 12%. O VaR já é aplicado por alguns consultores robóticos, com um exemplo de uso do StashAway de Cingapura, que marca uma diretriz de 99% em uma medida chamada “Índice de Risco”.

O VaR pode ser calculado usando diferentes métodos. O método histórico classifica os retornos históricos de um portfólio por magnitude e identifica o retorno observado em um determinado percentil (normalmente 95% ou 99%). O método variância-covariância assume que os retornos são normalmente distribuídos e usa o desvio padrão da carteira para estimar onde os piores retornos de 5% ou 1% estarão na curva de sino. O VaR também pode ser estimado usando a simulação de Monte Carlo, que gera os piores retornos de 5% ou 1% com base em resultados probabilísticos.

A popularidade do VaR decorre do fato de que torna mais fácil para um investidor entender a variabilidade de uma carteira e relacioná-la com sua tolerância pessoal a perdas. No entanto, podemos obter resultados diferentes dependendo dos insumos e da metodologia utilizada para calcular o VaR, afetando a confiabilidade da medida. Além disso, o VaR depende muito de várias premissas, como retornos normalmente distribuídos e alinhados aos retornos históricos. Finalmente, um VaR de 99% de 12% (descrito acima) não informa o investidor sobre a quantidade de perdas que podem ser esperadas no pior cenário.

As várias advertências por trás do VaR podem estar limitando sua proeminência nas plataformas de consultoria robótica, sendo vista como uma métrica complicada para os usuários entenderem. O exemplo da marca StashAway em uma métrica mais digerível mostra como essas barreiras podem ser quebradas de forma mais convincente.

Valor condicional em risco

Resolver uma das deficiências do VaR, o valor condicional em risco, ou CVaR, fornece a perda esperada para um investidor no pior cenário. Com um nível de confiança de 99%, o CVaR é calculado como os retornos médios da carteira nos piores 1% dos cenários. O CVaR é estimado usando métodos semelhantes ao VaR. Embora possa ajudar a fornecer uma imagem mais clara do pior cenário em comparação com o VaR, pode sofrer de deficiências semelhantes devido às premissas e metodologias usadas na estimativa.

As desconexões de mercado de 2020 tendem a rasgar os padrões de distribuição normal, demonstrando que adicionar mais medidas de risco de portfólio “tridimensionais”, como CVar, pode ser vantajoso. Em conjunto com a medida de VaR padrão, os dados de CVaR melhorariam as ofertas de gerenciamento de risco de um consultor-robô e seriam adequados, considerando que a maioria dos ativos-robô são fundos de índice (cestas de ações).

Melhores e piores retornos

Os melhores e piores retornos referem-se a retornos periódicos contínuos de um título ou carteira durante um determinado horizonte de tempo. O retorno pode ser calculado em base diária, mensal ou anual, dependendo do horizonte de tempo do investidor. O prazo geralmente é determinado pela disponibilidade de dados, mas pode impactar nos melhores e piores retornos observados se não utilizarmos um horizonte de tempo suficientemente longo.

Melhor e pior retorno para ativos dos EUA: 1973-2016

A medida usa retornos históricos para dar aos investidores uma indicação dos melhores e piores cenários. Uma clara vantagem é que, ao contrário do VaR, ele distingue entre retornos positivos e negativos, em vez de assumir uma distribuição normal. Os investidores tendem a não se importar com a volatilidade positiva e se preocupam principalmente com os riscos negativos absolutos. Além disso, ao contrário do CVaR, ele mostra os piores retornos observados absolutos em vez de obter uma média dos retornos, o que pode subestimar o pior cenário. No entanto, como outras medidas quantitativas, isso tende a ser retrospectivo e também depende do conjunto de dados dos resultados observados.

As medidas de risco de melhor e pior retorno são adequadas para plataformas de consultoria robótica, pois se comunicam claramente com os investidores sem depender de índices financeiros intimidadores. Um desses riscos, no entanto, é que eles podem jogar com vieses irracionais e incentivar o pânico vendendo em um mercado em queda ou teimosamente segurando os perdedores.

Medindo você mesmo o risco quantitativo

Vamos dar uma olhada em como o VaR, CVaR e os melhores e piores retornos podem ser calculados para uma carteira de um único ativo. O ativo levado em consideração é o SPY, que é um ETF que rastreia ações de grande capitalização dos EUA.

Os dados usados ​​para os cálculos abaixo referem-se ao NAV e aos retornos mensais do SPY de julho de 2007 a junho de 2020. Os cálculos podem ser realizados usando as funções do Excel ou do Google Sheets.

VaR - 11,8% VaR implica que a probabilidade do SPY perder mais de 11,8% em um determinado mês é de 1%. Ou seja, o SPY proporcionou melhores retornos mensais do que uma perda de 11,8% em 99% dos meses. Etapas (Planilhas Google/Excel):

1. Calcule os retornos mensais históricos dos dados do preço das ações/NAV.
2. Use a função PERCENTILE.INC usando a matriz de retornos históricos e o percentil desejado (por exemplo, 1% para um intervalo de 99%) como entradas.

CVaR - 14,5% CVaR implica que a perda mensal esperada no SPY durante os piores resultados de 1% é de 14,5%. Isso pode ser determinado no Google Sheets/Excel usando a função AVERAGEIF para calcular a média dos retornos menores que o resultado do VaR.

Melhor e pior retornos - Conforme mostrado na tabela, os melhores e piores retornos mensais observados no SPY durante o período 2007-2020 foram de +13% e -16% respectivamente. Estes podem ser calculados rapidamente usando as funções MIN e MAX .

Como mencionado, é importante notar que essas medidas podem produzir valores diferentes, dependendo do método e do período de observação. A escolha da metodologia e do período deve ser baseada em fatores como disponibilidade de dados, horizonte de tempo de investimento esperado e julgamento pessoal.

Diferenciação por Medidas Quantitativas

A base da gestão de patrimônio tradicional é adaptar os portfólios às necessidades individuais, seja em termos de prazo, ética, apetite ao risco e necessidades baseadas em renda; para isso, cada abordagem é feita sob medida. O que torna o aconselhamento robótico atraente é como seus métodos automatizados podem funcionar em várias bases de clientes.

No entanto, os consultores robóticos precisam ajudar os clientes a entender claramente as compensações de risco e retorno de suas ofertas de portfólio para que possam escolher os portfólios certos que atendam às suas necessidades pessoais. As medidas de risco qualitativas são uma “rampa” fácil de entender para o aconselhamento robótico, mas com o tempo, seus parâmetros podem se tornar redundantes. No entanto, quando usados ​​em conjunto com as medidas quantitativas de risco descritas aqui, eles ajudam a fornecer diretrizes de gerenciamento de risco mais holísticas e conscientização sobre o desempenho do portfólio.