Índice de Turbulência: Detectar Regimes de Risco com Distância de Mahalanobis

Quando o mercado entra em estresse, não é só a volatilidade que sobe — é a própria estrutura de movimentos que se desorganiza: ativos que andavam separados passam a cair juntos e movimentos que seriam normais isolados viram anomalias em conjunto. O Índice de Turbulência captura exatamente isso num único número. Este texto se conecta com o que escrevemos sobre filtro de regime de mercado, correlação dinâmica em crises, VIX e regimes de volatilidade, stress testing de algotrading e hedge de cauda.

O que é o Índice de Turbulência

O Índice de Turbulência é uma medida de “incomum estatístico” do vetor de retornos de um conjunto de ativos. Popularizado por Kritzman e Li (2010), “Skulls, Financial Turbulence, and Risk Management” (Financial Analysts Journal, vol. 66, n. 5, pp. 30–41), ele responde a uma pergunta simples: os retornos de hoje se parecem com o que costumávamos ver, ou são esquisitos? O segredo é que ele não olha só a magnitude dos retornos — olha também se as relações entre os ativos foram quebradas. Um dia em que ações sobem 1% e títulos sobem 1% pode ser perfeitamente normal; um dia em que ações sobem 1% e títulos caem 1% pode ser turbulento, mesmo com magnitudes idênticas, porque rompe o padrão histórico de correlação.

A intuição vem da ideia de “anomalia multivariada”: como diz a fonte (Portfolio Optimizer, resumindo Chow et al.), a turbulência nasce “do desempenho incomum de um ativo individual ou da interação incomum de uma combinação de ativos, nenhum dos quais necessariamente incomum isoladamente”. É essa segunda parte — a interação — que torna o índice mais rico do que olhar a volatilidade de cada ativo separadamente.

A distância de Mahalanobis em texto simples

O Índice de Turbulência é, matematicamente, a distância de Mahalanobis ao quadrado do retorno de hoje em relação à média histórica. Em texto simples, para o vetor de retornos y de um período:

d = (y − m)’ × inv(C) × (y − m)

onde m é o vetor de médias dos retornos, C é a matriz de covariância (volatilidades e correlações) e inv(C) é a sua inversa. A diferença crucial em relação a uma simples “distância” é o termo inv(C): ele normaliza o movimento pela volatilidade de cada ativo e desconta as correlações esperadas. Movimentos grandes em ativos voláteis “contam menos”; movimentos que violam a correlação histórica “contam mais”. É isso que faz o índice detectar quebras de estrutura, não só picos de magnitude.

Há uma propriedade estatística útil: se os retornos seguissem uma distribuição normal multivariada, a turbulência d seguiria uma distribuição qui-quadrado com n graus de liberdade (sendo n o número de ativos). Isso dá uma régua para definir limiares — por exemplo, classificar como “calmo” os 80% de dias menos turbulentos. Na prática, como retornos não são exatamente normais, o limiar teórico erra a proporção: Chow et al. usaram um limiar de 75% e a proporção real de dias classificados como calmos ficou em 79,1%. Por isso a recomendação prática (Kritzman et al.) é converter o limiar usando os percentis empíricos da própria série, não a fórmula qui-quadrado.

Turbulência persiste e custa caro

A turbulência não é ruído aleatório — ela clusteriza. Kritzman e Li (2010) documentaram duas regularidades que tornam o índice acionável. Primeiro, a turbulência é persistente: períodos de alta turbulência tendem a ser seguidos de mais turbulência, e calmaria gera calmaria. Isso é o que dá ao índice valor preditivo — se hoje está turbulento, amanhã provavelmente ainda estará, então há tempo de reagir. Segundo, os retornos médios durante a turbulência alta são significativamente piores (e mais voláteis) do que durante a turbulência baixa, ao longo de classes de ativos e mercados.

A combinação das duas propriedades é o que importa para um operador: como o regime ruim avisa que veio (persistência) e machuca enquanto dura (retornos piores), reduzir exposição quando a turbulência ultrapassa um limiar tende a evitar parte do pior trecho. A própria fonte ilustra isso numa carteira simples de dois ativos — ações dos EUA (SPY) e Treasuries longos (TLT) — com dados mensais de agosto de 2002 a janeiro de 2023: o regime “turbulento” detectado pelo índice abocanha justamente a Crise Financeira Global de 2008, a pandemia de COVID-19 e a invasão da Ucrânia em 2022. O índice não foi calibrado para achar essas datas; elas emergiram da estrutura dos retornos.

Usar como filtro de regime e na otimização

O Índice de Turbulência vira uma ferramenta de gestão de risco de duas maneiras. A mais direta é como filtro de regime binário: defina um limiar (por exemplo, o percentil 80 empírico), e quando a turbulência o ultrapassar, reduza alavancagem, encurte exposição ou desligue estratégias frágeis a estresse. É a lógica do filtro de regime e prima do VIX, com a vantagem de ser multivariado e medir quebra de correlação, não só nível de vol.

A segunda aplicação é mais sutil, e é o ponto de Chow et al. (1999), “Optimal Portfolios in Good Times and Bad”. A estimação de risco usual pondera todas as observações por igual, o que faz a carteira subestimar a volatilidade que enfrentará no estresse — justamente quando correlações e vols sobem. Uma solução é estimar a matriz de covariância só com o subconjunto turbulento; mas a fonte registra que essa carteira “outlier-sample” teve o retorno esperado reduzido em ≈1,24% frente à de amostra completa. Daí a proposta de uma covariância mesclada entre os regimes calmo e turbulento, ponderada pela probabilidade do próximo regime e pela aversão a risco em cada um — tema próximo de quem faz stress testing e hedge de cauda.

O Absorption Ratio: o primo do índice

Kritzman e coautores propuseram uma medida complementar de fragilidade sistêmica: o Absorption Ratio (Kritzman, Li, Page e Rigobon, 2011). Ele mede a fração da variância total de um conjunto de ativos que é “absorvida” por um pequeno número de fatores principais (componentes principais). Quando o Absorption Ratio está alto, poucos fatores explicam quase tudo — o mercado está compactado, fortemente acoplado, e um choque se propaga sem amortecimento; quando está baixo, o risco está espalhado e o sistema é mais resiliente.

A leitura conjunta é poderosa: o Índice de Turbulência diz “hoje está estranho“, enquanto o Absorption Ratio diz “o sistema está frágil e pronto para um contágio“. Os autores mostraram que aumentos acentuados do Absorption Ratio costumam preceder quedas de mercado, dando-lhe um caráter de aviso antecipado — conectando-se diretamente ao fenômeno de correlações que disparam na crise, discutido em correlação dinâmica em crises.

Limites e cuidados práticos

O Índice de Turbulência não prevê quando a crise começa — ele detecta que o regime já mudou. É um indicador coincidente que vira útil por causa da persistência: ele não te tira antes do primeiro tranco, mas pode te tirar antes do resto. Três cuidados práticos:

1. Janela e estabilidade da covariância. A matriz C precisa de histórico suficiente e bem condicionado; em universos grandes, inv(C) fica instável e o índice vira ruído. Comece com poucos ativos representativos.
2. Limiar empírico, não teórico. Como retornos não são gaussianos, calibre o corte pelos percentis da própria série — foi o que a discrepância 75% → 79,1% mostrou.
3. Custo de virar o filtro. Ligar e desligar exposição tem custo de transação e gera falsos positivos; valide o ganho líquido com stress testing e backtest honesto antes de confiar nele em produção.

Perguntas Frequentes

O que é a distância de Mahalanobis no Índice de Turbulência?

É a distância do vetor de retornos de hoje à média histórica, normalizada pela matriz de covariância: d = (y − m)’ × inv(C) × (y − m). Diferente de uma distância comum, ela desconta volatilidades e correlações, então detecta tanto movimentos grandes quanto quebras da estrutura de correlação entre ativos.

O Índice de Turbulência prevê crises?

Não exatamente — ele detecta que o regime turbulento já chegou, mas é útil porque a turbulência persiste (Kritzman e Li, 2010): se hoje está turbulento, amanhã provavelmente também, então dá tempo de reduzir exposição antes do pior trecho. O Absorption Ratio, complementar, tende a subir antes de quedas.

Qual a diferença entre o Índice de Turbulência e o VIX?

O VIX é a volatilidade implícita de um único mercado (opções do S&P 500), enquanto o Índice de Turbulência é multivariado e mede quão incomum é o conjunto de retornos considerando volatilidades e correlações. O índice captura quebras de correlação que o VIX, sozinho, não enxerga.

Como escolher o limiar de turbulência?

Use o percentil empírico da própria série — por exemplo, classificar como “calmo” os 80% de dias menos turbulentos — em vez da fórmula qui-quadrado. Chow et al. mostraram que um limiar teórico de 75% resultou em 79,1% de dias calmos na prática, porque retornos reais não são gaussianos.

Referências

• Kritzman, M.; Li, Y. (2010). Skulls, Financial Turbulence, and Risk Management. Financial Analysts Journal, 66(5), 30–41.
• Chow, G.; Jacquier, E.; Kritzman, M.; Lowry, K. (1999). Optimal Portfolios in Good Times and Bad. Financial Analysts Journal, 55(3), 65–73.
• Kritzman, M.; Lowry, K.; Van Royen, A.-S. (2001). Risk, Regimes, and Overconfidence. The Journal of Derivatives, 8(3), 32–42.
• Kritzman, M.; Li, Y.; Page, S.; Rigobon, R. (2011). Principal Components as a Measure of Systemic Risk (The Absorption Ratio). The Journal of Portfolio Management, 37(4).
• Portfolio Optimizer (s.d.). The Turbulence Index: Regime-based Partitioning of Asset Returns. portfoliooptimizer.io.