Spillover de Volatilidade: Como o Risco Salta de um Mercado para Outro

Quando o mercado entra em pânico, ativos que pareciam independentes começam a cair juntos. Esse fenômeno tem nome técnico — spillover de volatilidade, ou connectedness — e é o motivo pelo qual uma crise em um canto do sistema financeiro contamina o resto. Entender como o risco se propaga é central para quem monta carteira, seja de ações, moedas ou robôs. Este texto se conecta com o que escrevemos sobre correlação dinâmica em crises, VIX e regimes de volatilidade, correlação de portfólio e hedge de cauda.

O que é spillover de volatilidade

Spillover de volatilidade é a transmissão de choques de risco de um mercado ou ativo para outros. A volatilidade de um par de moedas hoje não depende só do que acontece com esse par — ela carrega “ecos” do que aconteceu em outros mercados nos últimos minutos, horas e dias. O trabalho de Baruník, Kočenda e Vácha (2017), “Asymmetric volatility connectedness on forex markets”, documentou essa rede de transmissão usando dados de alta frequência das moedas mais ativamente negociadas no período 2007–2015. A conclusão central: o câmbio é um sistema fortemente interconectado, e os choques não respeitam fronteiras entre pares.

A intuição é simples. Um operador que toma um prejuízo no EUR/USD reduz exposição no GBP/USD; um banco que precisa de liquidez vende o que dá; um modelo de risco que dispara num ativo aciona vendas em vários. O resultado é que o medo — e a volatilidade que o acompanha — viaja pela rede de mercados como um vírus.

Como medir: o índice de connectedness de Diebold & Yilmaz

A ferramenta consagrada para medir spillover é o índice de connectedness de Diebold e Yilmaz (2012, 2014). A ideia é elegante: estima-se um modelo vetorial (VAR) com vários ativos e, a partir da decomposição da variância dos erros de previsão, mede-se quanto da incerteza futura de cada ativo é “explicada” por choques vindos dos outros. Dessa decomposição saem três números úteis:

• Connectedness total — o quanto, em média, o risco de cada ativo vem de fora dele mesmo. É um único termômetro do sistema: sobe em crise, cai em calmaria.
• Spillovers direcionais — quanto risco cada ativo transmite (“to”) e quanto recebe (“from”) dos demais.
• Spillover líquido — transmitido menos recebido. Quem é líquido positivo é uma fonte de contágio; quem é líquido negativo é um receptor.

O grande mérito do método de Diebold e Yilmaz é transformar uma matriz de relações em poucos indicadores acompanháveis no tempo. Calculado em janela móvel, o connectedness total funciona como um medidor de “temperatura sistêmica” — e historicamente dispara em torno de eventos de estresse, exatamente quando a diversificação evapora.

A assimetria: a volatilidade “ruim” contagia mais

Nem todo choque se propaga igual. A contribuição mais importante de Baruník, Kočenda e Vácha (2017) foi separar a volatilidade em duas metades — usando semivariância, a parte ligada a movimentos negativos (“bad volatility”) e a parte ligada a movimentos positivos (“good volatility”) — e medir o spillover de cada uma. O achado: no câmbio, predominam as assimetrias devidas à volatilidade ruim, não à boa. Ou seja, o pânico das quedas se espalha mais e mais rápido do que a euforia das altas.

Os autores ainda associaram a direção dessas assimetrias a eventos macro: os spillovers líquidos negativos estavam ligados sobretudo à crise da dívida soberana europeia (fatores fiscais), enquanto os spillovers positivos se correlacionavam com a crise do subprime, com divergências de política monetária entre bancos centrais e com movimentos nos mercados de commodities. A lição prática é desconfortável: o risco de contágio que mais importa para a sua carteira — o das quedas conjuntas — é justamente o que tende a ser maior. Tratamos da mesma dinâmica sob outro ângulo em correlação dinâmica em crises.

Além do câmbio: energia, commodities e a rede global

O spillover não se limita a moedas entre si — ele cruza classes de ativos. Baruník e Kočenda (2019), em “Total, Asymmetric and Frequency Connectedness Between Oil and Forex Markets”, estenderam o arcabouço para medir a conexão entre petróleo e câmbio, mostrando que os dois mercados trocam choques de volatilidade e que essa troca também é assimétrica e varia conforme a frequência (curto vs. longo prazo). Já Yadav, Singh, Abedin e coautores (2023) documentaram, via análise de coerência por wavelets, que as ligações dinâmicas entre petróleo e moedas (USD, euro, iene, libra, dólar australiano) se intensificaram durante a COVID-19 e o conflito Rússia–Ucrânia, no período de dezembro de 2019 a junho de 2022.

O padrão se repete em todos esses estudos: em períodos de estresse, a connectedness sobe. A rede de mercados se aperta, os canais de transmissão ficam mais largos e o que era diversificação vira correlação. É por isso que tantos hedges “de tempo bom” falham na tempestade — o tema central de hedge de cauda.

O que isso significa para um portfólio de robôs

Para quem opera carteira de estratégias automatizadas, spillover é a explicação técnica de por que o drawdown agregado costuma ser pior do que a soma “diversificada” prometia. Se os seus robôs operam mercados conectados — e quase todos os pares de câmbio são —, em um choque de volatilidade ruim eles tendem a sofrer ao mesmo tempo, porque o próprio choque está se propagando pela rede que eles habitam. A correlação que você mediu na calmaria não é a correlação que vai te atingir na crise.

O que fazer com isso, de forma prática:

1. Medir correlação em regime de estresse, não na média. Use janelas de crise ou correlação condicional — a diversificação relevante é a que sobra quando tudo cai. Veja correlação de portfólio.
2. Monitorar um termômetro sistêmico. Um índice de connectedness em janela móvel (ou um proxy como o VIX) ajuda a identificar quando a rede está “esquentando” e a reduzir exposição preventivamente — lógica do filtro de regime de mercado.
3. Não confiar só em pesos iguais ou em otimização ingênua. A paridade de risco ajuda a equilibrar contribuição de risco, mas mesmo ela sofre quando as correlações convergem para 1 na cauda.
4. Ter proteção de cauda explícita. Diversificar entre ativos conectados não protege contra o choque comum; só uma posição que ganha quando tudo cai protege — ver hedge de cauda.

Perguntas Frequentes

Qual a diferença entre correlação e spillover de volatilidade?

Correlação mede o quanto dois ativos se movem juntos agora; spillover mede como um choque de volatilidade em um ativo se propaga para os outros ao longo do tempo. O spillover captura a dinâmica e a direção do contágio (quem transmite, quem recebe), enquanto a correlação é uma foto estática e simétrica.

O que é o índice de connectedness de Diebold & Yilmaz?

É uma medida, proposta por Diebold e Yilmaz (2012, 2014), que usa a decomposição da variância de previsão de um modelo VAR para quantificar quanto do risco de cada ativo vem dos demais. Produz três números: connectedness total (do sistema), spillovers direcionais (transmitido e recebido) e spillover líquido (a diferença).

Por que as correlações sobem nas crises?

Porque na crise o que move os preços deixa de ser fator específico de cada ativo e passa a ser um choque comum — liquidez, alavancagem, aversão a risco — que se propaga pela rede de mercados. Os estudos de connectedness mostram empiricamente que a transmissão total de volatilidade aumenta em períodos de estresse, e Baruník, Kočenda e Vácha (2017) mostram que a volatilidade ligada às quedas contagia mais que a das altas.

Spillover anula a diversificação?

Não a anula, mas a enfraquece justamente quando ela seria mais útil. Em calmaria a diversificação funciona; em choque, a connectedness sobe e ativos correlacionam para perto de 1. Por isso a defesa robusta combina monitorar regime e ter proteção de cauda explícita, em vez de confiar apenas no número de ativos.

Referências

• Baruník, J.; Kočenda, E.; Vácha, L. (2017). Asymmetric volatility connectedness on forex markets. Journal of International Money and Finance / SSRN 2815151.
• Baruník, J.; Kočenda, E. (2019). Total, Asymmetric and Frequency Connectedness Between Oil and Forex Markets. CESifo Working Paper / SSRN 3428828.
• Diebold, F. X.; Yilmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of Forecasting, 28(1).
• Diebold, F. X.; Yilmaz, K. (2014). On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics, 182(1).
• Yadav, M. P.; Singh, A. B.; Abedin, M. Z.; et al. (2023). The Dynamic Connectedness amongst Energy and Forex Market: Insights from COVID-19 and the Russia-Conflict. SSRN 4384978.