Defina a volatilidade antes de medi-la
Volatilidade significa o quanto uma taxa de câmbio tende a variar ao longo do tempo. Em termos práticos, geralmente é expressa a partir de mudanças no preço, e não no nível de preço em si. Para uma cotação USD/CNH, você mede a volatilidade convertendo as taxas de câmbio observadas em retornos (por exemplo, o quanto a taxa muda de um timestamp para o próximo) e, em seguida, resumindo o quão variáveis esses retornos são.
Um ponto-chave é separar mecânicas estáveis de condições variáveis:
- Mecânicas: a matemática que transforma uma série temporal em uma estatística de volatilidade.
- Condições: quais dados você usa, com que frequência você os amostra e como custos de transação ou restrições de execução podem afetar o que você experimenta.
Escolha um método de medição (e torne as premissas explícitas)
Medições comuns de volatilidade compartilham a ideia de usar retornos, mas diferem em como definem e agregam os retornos.
1) Desvio padrão histórico (amostral) dos retornos
- Premissa: você tem uma sequência de taxas de câmbio amostradas em um intervalo fixo (por exemplo, a cada hora).
- Exemplo de definição de retorno: retorno simples r_t = (P_t − P_{t−1}) / P_{t−1}, ou retorno logarítmico r_t = ln(P_t / P_{t−1}).
- Estimativa de volatilidade: o desvio padrão de r_t em uma janela escolhida, como as últimas N observações.
Se você apresentar um número, especifique o intervalo e o comprimento da janela, pois a volatilidade não é uma constante universal única. Uma estimativa de 1 semana e uma estimativa de 1 dia podem diferir materialmente, mesmo que o mercado não tenha mudado.
2) Volatilidade móvel (estimativa variável no tempo) Os mercados frequentemente mudam de regime. Uma abordagem móvel mede a volatilidade repetidamente: calcule o desvio padrão dos retornos dentro de uma janela deslizante (por exemplo, últimas N horas) e deslize-a para frente.
- Mecanicamente, é o mesmo conceito de desvio padrão, mas a saída se torna uma série temporal de volatilidade.
3) Volatilidade realizada a partir de dados de alta frequência Com observações mais frequentes, você pode estimar como a variação se acumula dentro de um dia. A fórmula exata depende da definição de retorno e do esquema de amostragem.
- Premissa: você pode amostrar preços de forma consistente.
- Limitação: maior frequência pode aumentar o impacto do ruído de microestrutura (artefatos em pequena escala nos dados cotados).
4) Estimativas móveis com ponderação exponencial (decay) Outra escolha é ponderar retornos recentes mais fortemente do que os mais antigos. Isso pode fazer a estimativa responder mais rapidamente a condições em mudança.
- Premissa: “o recente importa mais” é uma escolha intencional de modelagem.
- Limitação: o resultado pode se tornar sensível à taxa de decay escolhida.
Exemplo prático usando fórmulas gerais (sem assumir preços ao vivo)
Suponha que você tenha observações de taxas de câmbio P_0, P_1, …, P_N em passos de tempo iguais. Escolha uma definição de retorno, como retornos logarítmicos:
- r_t = ln(P_t / P_{t−1}) para t = 1…N
Em seguida, estime a volatilidade como o desvio padrão amostral de {r_1,…,r_N}:
- s = sqrt( (1/(N−1)) * Σ_{t=1..N} (r_t − mean(r))^2 )
O que você deve declarar antecipadamente:
- Frequência de amostragem: P_t é horário, diário ou outra coisa?
- Tamanho da janela: qual N você usou?
- Tipo de retorno: logarítmico vs simples.
Impacto material dessas escolhas:
- Se você mudar a frequência de amostragem, a sequência de retornos muda e, portanto, o desvio padrão também.
- Se você alternar de retornos simples para logarítmicos, o valor numérico pode mudar (especialmente quando os movimentos são grandes).
Em um cenário realista, você pode comparar duas janelas (por exemplo, 30 dias vs 90 dias). Uma janela mais longa geralmente suaviza picos de curto prazo, enquanto uma janela mais curta reage mais rapidamente.
Limitações, modos de falha e o que pode dar errado
Mesmo que a matemática esteja correta, a medição de volatilidade pode enganar se as premissas não corresponderem à realidade.
1) Problemas de dados e amostragem
- Observações ausentes ou timestamps irregulares quebram a premissa de “intervalo igual”.
- Outliers (saltos raros devido a erros de dados ou prints incomuns) podem inflar o desvio padrão.
2) Efeitos de não negociação e estrutura de mercado As condições de cotação e liquidez em FX variam ao longo do tempo. Se a amostragem capturar períodos com diferentes profundidades de mercado, a variação realizada pode refletir condições de negociação em vez do movimento subjacente da taxa de câmbio.
3) Efeitos de custo e execução não são incluídos automaticamente A volatilidade calculada a partir de taxas de meio de mercado não captura automaticamente o efeito de spreads, slippage ou execução de ordens. Se você tentar relacionar a volatilidade à experiência de negociação posteriormente, a incompatibilidade pode ser significativa.