Quase todo portfólio “diversificado” que você vê é diversificado em dinheiro, não em risco. Essa distinção parece sutil, mas é a diferença entre achar que você está protegido e descobrir, num mês ruim, que estava apostando quase tudo numa única fonte de risco. Este guia explica o que é paridade de risco, a matemática por trás dela, onde ela brilha e — mais importante — onde ela quebra.
O que é paridade de risco?
Paridade de risco (risk parity) é uma filosofia de construção de portfólio popularizada pelo fundo All Weather da Bridgewater e formalizada por pesquisadores como Maillard, Roncalli e Teïletche (2010). A ideia central: em vez de dividir o capital igualmente (1/N) ou por uma meta de retorno, você divide a contribuição de risco igualmente entre os componentes.
Um ativo volátil como ações entra com peso menor de capital; um ativo calmo como títulos entra com peso maior — de forma que, ao final, ambos “pesem” o mesmo na volatilidade total. O resultado é um portfólio que não depende de um único motor de retorno para funcionar.
O problema escondido do 60/40 (e até do 1/N)
Considere o portfólio 60/40: 60% em ações, 40% em títulos. Parece equilibrado. Mas ações são roughly 3 a 4 vezes mais voláteis que títulos. Quando você decompõe o risco, descobre que as ações respondem por cerca de 90% da variância do portfólio. Você não tem um portfólio 60/40 de risco — tem um portfólio de ações com um pequeno amortecedor.
A pesquisa de portfólio é direta nesse ponto: posições não são contribuições de risco. Como mostra a análise de exposições não intencionais, 5% do capital alocado num ativo de alta volatilidade pode representar 30% do risco total do portfólio. É por isso que medir diversificação por peso de capital engana.
E o famoso 1/N (peso igual)? Ele é um benchmark surpreendentemente difícil de bater — DeMiguel, Garlappi e Uppal mostraram que o 1/N supera a otimização de média-variância fora da amostra, justamente porque a otimização sofre com erro de estimação nas médias esperadas. Mas 1/N ainda divide capital, não risco. Se os ativos têm volatilidades muito diferentes, o 1/N continua concentrado nos mais voláteis. Veremos por que o Markowitz clássico falha fora da amostra em um artigo dedicado aos limites do MVO.
A matemática da contribuição de risco
A volatilidade do portfólio não é a soma das volatilidades — ela depende dos pesos e da matriz de covariância. A volatilidade total é:
\sigma_p = \sqrt{w^\top \Sigma\, w}onde w é o vetor de pesos e \Sigma a matriz de covariância. A contribuição marginal de cada ativo ao risco é a derivada da volatilidade em relação ao seu peso, e a contribuição total de risco do ativo i é:
RC_i = w_i \cdot \frac{(\Sigma w)_i}{\sqrt{w^\top \Sigma w}}A soma de todas as RC_i dá exatamente \sigma_p. A meta da paridade de risco é encontrar os pesos tais que RC_1 = RC_2 = \dots = RC_N — todos contribuindo com a mesma fatia. Note que isso exige a matriz de covariância: você precisa não só das volatilidades, mas das correlações entre os ativos, que mudam com o tempo.
Equal Risk Contribution (ERC): igualando as contribuições
A versão mais usada da paridade de risco é o Equal Risk Contribution (ERC). Não existe fórmula fechada para N ativos com correlação — resolve-se numericamente (otimização). Para o caso simples de ativos não correlacionados, porém, a solução é elegante: o peso de cada ativo é inversamente proporcional à sua volatilidade:
w_i = \frac{1/\sigma_i}{\sum_j 1/\sigma_j}Esse “inverse volatility weighting” é a aproximação de bolso da paridade de risco e já entrega a maior parte do benefício. A estimação da covariância é o calcanhar de Aquiles: estimadores ingênuos são ruidosos. Na prática, usa-se covariância com ponderação exponencial (dá mais peso ao passado recente) e medidas robustas a outliers, como a estatística de Gerber. Quem sai do peso por capital para o peso por volatilidade encontra o mesmo princípio do volatility targeting: deixar o risco — e não o dinheiro — guiar o tamanho da posição.
A alavancagem: o ingrediente que assusta (e por quê)
Aqui está a parte polêmica. Um portfólio de paridade de risco “puro” tende a alocar muito em ativos de baixa volatilidade (títulos). Sozinho, ele teria volatilidade — e retorno esperado — baixos. Para chegar a uma volatilidade-alvo comparável à de um portfólio de ações, aplica-se alavancagem moderada sobre o portfólio balanceado.
A justificativa teórica vem do trabalho de Asness, Frazzini e Pedersen sobre leverage aversion: como muitos investidores não podem ou não querem alavancar, eles sobre-alocam em ativos de risco para buscar retorno, deprimindo o retorno ajustado ao risco desses ativos. A paridade de risco “rouba” esse prêmio ao alavancar o ativo seguro em vez de concentrar no arriscado. O custo: alavancagem traz risco de financiamento, chamadas de margem e sensibilidade a choques de juros — exatamente o que detonou a estratégia em 2022. Quem usa alavancagem precisa entender dimensionamento por Kelly e risco de ruína antes de qualquer coisa.
Onde a paridade de risco quebra: 2022 e o risco de estimação
A paridade de risco tem dois pontos fracos sérios, e os dois apareceram juntos em 2022.
1. A correlação não é constante. Toda a matemática assume uma estrutura de correlação. Por décadas, a correlação ações-títulos foi negativa: quando ações caíam, títulos subiam, e o balanço funcionava. Em 2022, com a inflação, essa correlação virou positiva — ações e títulos caíram juntos. O ativo “seguro” e alavancado da paridade de risco virou um segundo motor de perda.
2. O risco de estimação. Volatilidades e correlações são estimadas do passado. Quando o regime muda, suas estimativas estão erradas justamente no pior momento. Por isso a literatura recomenda stress testing da matriz de correlação — combinando cenários históricos com perturbações aleatórias — em vez de confiar num único número. A lição se conecta com como as correlações disparam em crises: a diversificação que você mediu na calmaria pode evaporar no estresse.
Paridade de risco num portfólio de robôs
Para quem opera um portfólio de robôs ou estratégias sistemáticas, a paridade de risco é uma régua poderosa: em vez de dar o mesmo capital (ou o mesmo lote) a cada robô, dê o mesmo orçamento de risco. Um robô que opera num ativo volátil entra com lote menor; um robô calmo, com lote maior — para que nenhum domine o resultado.
| Abordagem | Divide por | Risco oculto |
|---|---|---|
| Capital igual (1/N) | Dinheiro | Robôs voláteis dominam o drawdown |
| Inverse-vol | 1 / volatilidade | Ignora correlação entre robôs |
| ERC (paridade plena) | Contribuição de risco | Sensível à estimação de covariância |
Combine com rebalanceamento disciplinado e monitore a contribuição de risco em janela móvel: se dois robôs ficam muito correlacionados, a “paridade” no papel deixou de existir na prática. Para casos extremos, complemente com hedges de cauda e considere overlays via return stacking em vez de sacrificar o núcleo.
Conclusão
Paridade de risco não é uma fórmula mágica — é uma mudança de lente. Ela força você a perguntar “de onde vem o risco do meu portfólio?” em vez de “como dividi o dinheiro?”. Isso, sozinho, já elimina a concentração silenciosa que afunda a maioria das carteiras “diversificadas”. Mas ela carrega duas dependências perigosas — correlações estáveis e alavancagem — que precisam ser monitoradas com humildade. Use-a como uma régua de risco, não como um piloto automático.
A paridade de risco é melhor que o 60/40?
Em janelas com correlação ações-títulos negativa e juros estáveis, historicamente entregou melhor retorno ajustado ao risco. Mas em 2022 teve desempenho pior que o 60/40, porque depende de alavancagem e de correlações estáveis — ambas falharam ao mesmo tempo. Não é “melhor” universalmente; é melhor sob certas condições de regime.
Preciso de alavancagem para fazer paridade de risco?
Não obrigatoriamente. A versão sem alavancagem (só rebalanceando pesos por inverse-vol) já reduz a concentração de risco. A alavancagem entra apenas se você quer elevar a volatilidade-alvo do portfólio balanceado ao nível de um portfólio de ações. Sem ela, você tem paridade de risco com menor risco e menor retorno esperado.
Como estimo a contribuição de risco de cada ativo?
Você precisa da matriz de covariância (volatilidades + correlações) e dos pesos. A contribuição de risco do ativo é o peso vezes sua covariância com o portfólio, dividida pela volatilidade total. Na prática, use covariância com ponderação exponencial e janelas móveis, e teste a sensibilidade do resultado a mudanças na matriz.
Paridade de risco serve para um portfólio de robôs de trading?
Sim, e talvez seja onde ela faz mais sentido. Em vez de alocar capital igual por robô, aloque orçamento de risco igual: robôs em ativos voláteis recebem lotes menores. Isso evita que um único robô domine o drawdown do conjunto. Monitore a correlação entre os robôs — se subir, a paridade some.
Qual a diferença entre paridade de risco e volatility targeting?
São primos. O volatility targeting ajusta o tamanho total da posição para mirar uma volatilidade-alvo ao longo do tempo. A paridade de risco distribui o risco entre os componentes num dado momento. Muitas implementações usam os dois juntos: paridade entre ativos + targeting da volatilidade total.
Referências
- Maillard, S.; Roncalli, T.; Teïletche, J. (2010). On the Properties of Equally-Weighted Risk Contributions Portfolios.
- Asness, C.; Frazzini, A.; Pedersen, L. (2012). Leverage Aversion and Risk Parity. Financial Analysts Journal.
- DeMiguel, V.; Garlappi, L.; Uppal, R. (2009). Optimal Versus Naive Diversification. Review of Financial Studies.
- Qian, E. Risk Parity Portfolios. PanAgora Asset Management.
Presente para Leitores: Robô de Gradiente Linear Gratuito
Estou liberando o acesso ao meu setup pessoal de Gradiente Linear sem custo nenhum. É só clicar e me pedir o arquivo.
