Diversificar não é contar ativos

Quando o mercado está calmo, o portfólio parece um mosaico. Cada peça tem nome, setor, narrativa. Mas basta mudar o vento para que o mosaico se mova como uma única placa. Na prática, muitos portfólios “diversificados” se comportam como uma única aposta quando o mercado entra em correção: as correlações aumentam, os drawdowns se sincronizam e a variedade de tickers colapsa em um fator dominante. Essa observação não é anedótica: a literatura mostra que a dependência muda com o regime, especialmente em cenários baixistas e de alta volatilidade.

A partir daí, a pergunta útil deixa de ser quantos instrumentos existem na lista e passa a ser quais laços os unem quando a pressão sobe. O argumento central é que a diversificação é um problema de dependência. Não basta dispersar pesos; é preciso desenhar a estrutura para que as perdas severas fiquem limitadas e não se propaguem pelo portfólio.

Separação conceitual

Se olharmos o portfólio como um sistema, aparecem dois tipos de fatos. Uns falam do dano, outros da continuidade. Uns descrevem como ele quebra, outros descrevem como ele continua funcionando.

Diversidade de fragilidades. Um portfólio diversificado também é diverso em fragilidades. O importante é que essas fragilidades não ocorram simultaneamente, ou que a simultaneidade seja pouco provável sob estresse. Em termos técnicos: minimizar a sincronização de perdas extremas exige olhar além da correlação média e considerar dependência condicional e dependência nas caudas.

Diversidade de forças. Um portfólio diversificado também é diverso em forças. Não se trata de “tudo subir ao mesmo tempo”, o que costuma ser concentração de fator com outro nome, e sim de que o conjunto de motores de retorno cubra cenários relevantes e, em alguns regimes, ofereça redundância, isto é, mais de um motor contribuindo.

Ideias-chave

Para sustentar essa intuição sem ficar só na metáfora, precisamos de medidas. Não como adorno, mas como instrumentos para ver o invisível: os vínculos, as coquedas, as rotas por onde viaja um choque quando o mercado se estreita.

Markowitz: o benefício da diversificação vive nas covariâncias

O primeiro mapa vem de Markowitz: a Teoria Moderna de Portfólios formaliza que o risco agregado depende de variâncias e covariâncias, não do número de ativos. Isso fixa o ponto de partida: “diversificar” é estruturar relações entre retornos, não colecionar instrumentos.^[1]

Correlação não é dependência: o problema das caudas

Mas mesmo um mapa correto pode ficar curto no terreno mais áspero. A correlação linear é uma medida parcial. Em particular, ela pode falhar ao descrever a coocorrência de eventos extremos. O arcabouço de cópulas e a noção de tail dependence capturam exatamente o que interessa aqui: se grandes perdas tendem a aparecer juntas.^[2]

Dependência condicional e mudanças de regime

O mercado não repete sempre a mesma estação. Muda o ar, muda a pressão, mudam os vínculos. A evidência empírica sugere que em mercados baixistas a dependência aumenta: as correlações “saltam” quando mais importa, degradando a diversificação. Isso é documentado, por exemplo, em correlações extremas em bear markets.^[3]

Modelos de mudança de regime, por exemplo Markov switching, formalizam que volatilidade e correlações não são constantes, mas dependem do estado do mercado.^[4] Complementarmente, a Correlação Condicional Dinâmica (DCC) permite estimar correlações que evoluem ao longo do tempo.^[5]

Risco de cauda: CVaR (Expected Shortfall) como objetivo ou restrição

E quando chega a tempestade, a média deixa de ser guia. Se o objetivo é evitar “grandes golpes simultâneos”, a variância pode ser insuficiente. O CVaR (Expected Shortfall) oferece uma medida coerente de risco de cauda e um arcabouço de otimização operacional para restringir perdas severas esperadas.^[6]

Conectividade e clusters: a leitura em rede

Por fim, se falamos de propagação, convém olhar o portfólio como uma rede de transmissão. A intuição de “propagação” pode ser modelada como conectividade entre ativos ou blocos. Em finanças, têm-se usado ferramentas de clustering hierárquico e distâncias derivadas de correlação para construir taxonomias, bem como métricas de connectedness para quantificar a transmissão de choques.^[7][8]

Implicações operacionais: do conceito a regras de desenho

Com isso, a ideia fica praticável: não basta multiplicar nomes. É preciso entender por que caem juntos, quando caem juntos e quanto pesam quando isso acontece. Nesse ponto, a diversificação deixa de ser uma lista e vira um desenho.

Diversificação por motores (drivers), não por nomes

Em vez de perguntar “quantos ativos eu tenho?”, é mais informativo perguntar “quantos motores explicam o P&L?”. Exemplos de drivers: liquidez global (risk-on/risk-off), taxas reais, dólar, crescimento, inflação e commodities, risco regulatório e eventos de estresse financeiro.

Pergunta diagnóstica: detecção de clusters de drawdown

Pergunta: se o driver X bater forte, quantos blocos caem juntos e quanto pesam? Se a resposta for “muitos” e “muito”, então há um cluster de drawdown: diversidade superficial, dependência profunda.

Três alavancas: tamanho, complementos, regras

Quando o cluster é identificado, o sensato é intervir com alavancas simples, de execução clara. São poucas, mas têm peso, porque atuam sobre a estrutura.

• Tamanho (controle de dano). Limitar contribuições concentradas ao risco. Mesmo com ativos distintos, o peso pode fazer uma fragilidade deixar de ser local e tornar-se sistêmica.
• Complementos (cobertura de cenários). Incorporar motores com fragilidades diferentes, idealmente com baixa dependência nas caudas em relação ao cluster dominante.
• Regras (governança). Critérios explícitos de stop, rebalanceamento e escalonamento para evitar decisões impulsivas sob estresse.

“Isolar fragilidades” em termos mensuráveis

Isolar não significa eliminar o risco. Significa impedir que o dano se sincronize e se amplifique. Para medir essa sincronização, convém observar a dependência quando o mercado aperta, não só quando o mercado respira.

• Usar correlações dinâmicas (DCC) para monitorar aumentos de conectividade.^[5]
• Analisar dependência nas caudas (cópulas ou aproximações por quantis) quando o objetivo é evitar coquedas extremas.^[2]
• Otimizar ou restringir CVaR/Expected Shortfall para limitar perdas severas agregadas.^[6]
• Usar clustering e métricas de conectividade para detectar componentes altamente conectados, potenciais clusters de drawdown.^[7][8]

“Forças de cobertura” como cobertura de regimes

Do outro lado está a continuidade. Não como garantia, mas como cobertura por desenho. Um portfólio robusto busca que, para cada regime plausível, exista ao menos um subconjunto de motores com desempenho razoável. Os modelos de mudança de regime formalizam essa ideia: o objetivo não é maximizar uma média, mas evitar fragilidade quando o estado muda.^[4]

Limitações e precauções

Convém terminar esta travessia com honestidade metodológica. Há fatos empíricos e limites de estimação que não desaparecem por desejo, e por isso devem estar dentro do desenho.

• As correlações tendem a subir em crises. A diversificação pode degradar justamente quando mais é necessária.^[3]
• Risco de estimação e de modelo. Médias, covariâncias e parâmetros de cauda são estimados com erro, e a escolha do modelo também introduz incerteza. Uma abordagem complementar é tratar explicitamente a incerteza de parâmetros e de modelo na seleção de portfólios.^[9]

Conclusão

Se voltarmos ao início, àquele instante em que o portfólio “diverso” parece mover-se como uma só coisa, a lição fica nítida: diversificação não é uma lista, é uma arquitetura. A diversificação se entende melhor como um problema de dependência e de regimes: isolar fragilidades significa reduzir conectividade e coocorrência de perdas severas, especialmente nas caudas, enquanto diversificar forças significa cobrir cenários com motores distintos e, em alguns estados, contar com redundância. Na prática, isso se traduz em diagnosticar clusters de drawdown, controlar tamanho, buscar motores complementares e operar com regras explícitas.

Em uma linha: diversificar é desenhar para não quebrar quando o estado do mundo muda.

Disclaimer: conteúdo educacional e informativo, não constitui aconselhamento financeiro. Todo investimento envolve risco, incluindo perdas. Desempenho passado não garante resultados futuros.

Referências

1. [1] Markowitz, H. (1952). Portfolio Selection. The Journal of Finance. DOI
2. [2] Embrechts, P., McNeil, A., & Straumann, D. (2002). Correlation and dependence in risk management: properties and pitfalls. Em Risk Management: Value at Risk and Beyond. PDF
3. [3] Longin, F., & Solnik, B. (2001). Extreme Correlation of International Equity Markets. The Journal of Finance. PDF
4. [4] Ang, A., & Bekaert, G. (2002). International Asset Allocation with Regime Shifts. The Review of Financial Studies, 15(4), 1137-1187. DOI. Oxford Academic
5. [5] Engle, R. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate GARCH Models. Journal of Business & Economic Statistics. DOI
6. [6] Rockafellar, R. T., & Uryasev, S. (2000/2002). Optimization of Conditional Value-at-Risk. Journal of Risk; e trabalhos associados. Versão amplamente citada: PDF
7. [7] Mantegna, R. N. (1999). Hierarchical Structure in Financial Markets. The European Physical Journal B. Preprint clássico: arXiv
8. [8] Diebold, F. X., & Yilmaz, K. (2014). On the Network Topology of Variance Decompositions: Measuring the Connectedness of Financial Firms. Journal of Econometrics. DOI
9. [9] Garlappi, L., Uppal, R., & Wang, T. (2007). Portfolio Selection with Parameter and Model Uncertainty: A Multi-Prior Approach. The Review of Financial Studies, 20(1), 41-81. DOI. Oxford Academic