Risco ≠ Variância - Porque é que a simulação não é uma decisão

Resumo executivo

O modelo de Monte Carlo é frequentemente considerado como o padrão de ouro nas reuniões de administração e nos comités de investimento. As distribuições, os intervalos de confiança e as análises de cenários criam a impressão de resiliência matemática. Mas isto é um mal-entendido estrutural: a variância não é risco - e a simulação não é uma decisão.

A variância mede a dispersão. O risco, por outro lado, descreve o perigo de não se atingir um objetivo definido. Estes dois conceitos não são matematicamente idênticos. Quem simula a variância ainda não optimizou uma função de preferência, nem restrições, nem uma função objetivo. Limitou-se a avaliar espaços de probabilidade.

Monte Carlo responde à pergunta: "O que é que pode acontecer?"
A otimização da decisão responde à pergunta: "Que opção maximiza a realização do objetivo com restrições?"

A simulação é uma ferramenta de avaliação. A decisão é um problema de otimização.

O mal-entendido estrutural

As simulações de Monte Carlo geram milhares de trajectórias aleatórias com base em distribuições assumidas. O resultado é uma distribuição de probabilidades de resultados possíveis. No entanto, nenhuma destas simulações procura sistematicamente o espaço de combinação completo de uma carteira.

Em carteiras complexas com n projectos, existem 2ⁿ combinações. Com 20 projectos, são mais de um milhão de opções. A simulação avalia os pressupostos - não identifica o ótimo global.

Simulação vs. otimização

Critério	Simulação (Monte Carlo)	Otimização
Objetivo	Representar probabilidades	Maximizar/minimizar a função de objetivo
Lógica	Geração aleatória de caminhos	Pesquisa sistemática no espaço de decisão
Resultado	Distribuição dos resultados possíveis	Carteira matematicamente optimizada
Decisão	Interpretação pela direção	Derivação direta da função objetivo

Porque é que a variância não é um risco

Uma variância elevada pode significar grandes oportunidades. Uma variância baixa pode ser sistematicamente suboptimizada. O risco não é causado pela variância, mas pelo facto de não se atingir o objetivo em relação à função estratégica da carteira.

Uma carteira com baixa variância pode, no entanto, estar significativamente abaixo do seu possível ótimo. Não se trata de um problema estatístico, mas sim de um problema estrutural.

A dimensão da governação

A simulação transfere a responsabilidade para o conselho de administração. Os resultados devem ser interpretados. A discussão substitui o cálculo. A opinião substitui a seleção matemática.

A otimização, por outro lado, define uma função de objetivo ex ante e identifica a combinação que gera o valor mais elevado sob restrições de orçamento, risco e recursos.

Não se trata de um cenário. É uma propriedade dos dados.

Conclusão

Quem simula compreende a incerteza.
Aqueles que optimizam tomam decisões.

A gestão do risco sem otimização continua a ser plausível a nível local - mas potencialmente suboptimizada a nível global.

PERGUNTAS FREQUENTES

O método de Monte Carlo é inútil?
Não. A simulação é útil para analisar a sensibilidade. No entanto, não substitui a lógica da otimização.

A simulação e a otimização podem ser combinadas?
Sim, a simulação pode modelar as incertezas, a otimização seleciona a melhor combinação dessas incertezas.

Porque é que o planeamento de cenários não é suficiente?
Os cenários comparam opções individuais. Não procuram sistematicamente todo o espaço de decisão.

Qual é a diferença fundamental?
A simulação descreve possibilidades. A otimização calcula o ótimo.