O Imposto da Volatilidade: Por Que Meu Portfólio Compõe Mais que a Soma dos Robôs

Atualizado em 25/08/2026

Esta explicação também virou carrossel no nosso Instagram, onde a gente publica todo dia sobre algotrading e mercado: ver no @invista.ja. Por lá também ficam os bastidores do portfólio que roda em conta real, com o saldo aberto.

Existe uma conta que quase ninguém faz e que separa o retorno que aparece no relatório do retorno que aparece na conta corrente. O relatório mostra a média aritmética dos períodos. A conta corrente recebe o retorno geométrico, que é sempre menor, e a diferença entre os dois é paga em volatilidade. Eu conhecia a fórmula fazia anos, de tanto ler sobre Kelly e alavancagem. Mas ela só virou coisa concreta quando eu medi o efeito no meu próprio livro de robôs e vi a diversificação por comportamento devolvendo esse imposto em dólar. Este artigo faz a matemática em texto simples, mostra os meus números reais e explica por que a mesma conta que premia diversificar pune dobrar o lote.

O que a pesquisa mostra: o retorno composto de um portfólio rebalanceado supera a média ponderada dos retornos compostos dos componentes, e esse excedente, batizado de “diversification return”, é aproximadamente metade da diferença entre a variância média dos ativos e a variância do portfólio (Booth e Fama, 1992).

Ganhar 50% e perder 50% deixa você 25% mais pobre

O exemplo canônico cabe numa linha. Você tem R$100, ganha 50% (vai a R$150), depois perde 50% (cai a R$75). A média aritmética dos dois períodos é zero: +50 e −50 se cancelam no papel. Mas o seu capital terminou 25% menor. Esse buraco entre o zero da média e o −25% do bolso existe porque capital compõe multiplicando, e a perda incide sobre uma base que o ganho tinha inflado. A ordem nem importa: perder primeiro e ganhar depois dá os mesmos R$75.

Daí saem as duas medidas de retorno que todo trader deveria manter separadas na cabeça. O retorno aritmético é a média simples dos retornos de cada período, e é o que a maioria dos relatórios e backtests exibe. O retorno geométrico é a taxa composta que de fato transforma o capital inicial no final. O geométrico é sempre menor ou igual ao aritmético, e a igualdade só acontece quando a volatilidade é zero. Toda oscilação abre uma cunha entre os dois. Essa cunha tem tamanho previsível, e é o assunto da próxima seção.

O imposto cresce com o quadrado da volatilidade

A aproximação que organiza tudo é: retorno geométrico ≈ retorno aritmético menos metade da variância. Em texto ainda mais simples: pegue a sua volatilidade anual, eleve ao quadrado, divida por dois. Esse é o pedaço do retorno médio que a oscilação come todo ano antes de o resultado chegar ao capital composto. A identidade aparece formalizada em Booth e Fama (1992) e é a base do trabalho de Bernstein e Wilkinson (1997) sobre a fronteira de média geométrica.

Leia a tabela na vertical, porque o padrão dela é o que importa. De 10% pra 20% a volatilidade dobrou e o imposto quadruplicou (0,5 → 2,0). De 20% pra 40% dobrou de novo e o imposto quadruplicou de novo (2,0 → 8,0). Relação quadrática significa exatamente isso: cada dobrada na oscilação multiplica a cobrança por quatro. É por isso que uma estratégia de vol 40% precisa entregar 7,5 pontos de média aritmética a mais que uma de vol 10% só pra empatar no retorno composto. E é por isso que reduzir volatilidade sem tocar na média tem o mesmo efeito no seu patrimônio de longo prazo que aumentar retorno. As duas alavancas somam na mesma linha.

No meu portfólio, diversificar por comportamento devolveu esse imposto

Agora o meu dado. O meu livro mistura duas famílias com comportamentos opostos: grids de reversão à média, que vendem força e compram fraqueza dentro de uma faixa, e robôs seguidores de tendência, que fazem o contrário. Quando medi os fatores de risco independentes do conjunto (análise de componentes principais sobre as curvas de resultado, que ignora o rótulo da estratégia e olha só o que o dinheiro fez), o sleeve de tendência sozinho, espalhado em vários pares de moedas, dava 2,46 fatores de risco independentes. Parecia diversificado no papel, com robôs em quatro pares diferentes, mas o fator dólar respondia por 67% do risco: era quase um fator só, contado várias vezes.

Misturando os grids de reversão na mesma carteira, o N efetivo saltou pra 5,69 fatores independentes, com correlação de −0,15 entre os dois blocos. E o teste que me convenceu de verdade foi o de cauda, porque correlação média esconde o que acontece nos dias ruins: nos 5% piores dias do bloco de tendência, os grids fizeram em média +$0,90 por dia (os valores são pequenos porque meço tudo em lote mínimo; o sinal é o que importa). Nos 5% piores dias dos grids, a tendência devolveu +$0,11. Um lado segurou o outro nas duas direções. Pela única medida que interessa, o resultado conjunto nos dias de aperto, são fatores de risco diferentes de verdade.

Traduzindo pro assunto deste artigo: a soma das médias aritméticas dos robôs continuou a mesma, porque eu adicionei estratégias, sem remover nenhuma. Mas a volatilidade do conjunto caiu, porque as oscilações se cancelam parcialmente. Média igual com variância menor é imposto menor, e imposto menor é retorno composto maior. Booth e Fama (1992) deram nome a isso: o retorno composto de um portfólio rebalanceado supera a média ponderada dos retornos compostos dos componentes, e o excedente (“diversification return”) é aproximadamente metade da diferença entre a variância média dos ativos e a variância do portfólio. A diversificação, além de segurar o tombo, paga um retorno composto que nenhum robô individual gera. É o único almoço grátis que sobra em mercado, e ele é pago justamente na moeda do variance drag.

Duas honestidades antes de seguir, porque número bonito sem ressalva é propaganda. Primeiro: os grids têm cauda própria. O pior dia deles foi −$47 (grade presa contra tendência forte), contra −$6 do pior dia do bloco de tendência, e essa cauda o outro lado não cobre. O livro tem duas caudas que não coincidem, o que é bem melhor que uma cauda concentrada, mas está longe de ser ausência de cauda. Segundo: a janela medida foi 2024-2026, sem um choque sistêmico tipo 2008 ou 2020 dentro dela. O “um compensa o outro” vale pras caudas que eu vi, e choque sistêmico costuma cobrar de todo mundo junto.

Dobrar o lote dobra a média e quadruplica o imposto

A mesma fórmula que premia diversificar pune aumentar posição, e a assimetria é brutal. Dobre o lote de tudo que você opera: a média aritmética esperada dobra, a volatilidade também dobra, e o imposto, que depende do quadrado da vol, quadruplica. O crescimento composto sobe em linha reta com o tamanho da posição e desce com o quadrado dele. Uma reta contra uma parábola: a curva resultante tem um pico. Esse pico é o ótimo de Kelly, que em texto simples fica no retorno médio dividido pela variância. À esquerda dele, mais lote significa mais crescimento composto. À direita, cada aumento de lote reduz o retorno composto de longo prazo enquanto a média aritmética continua subindo. O trader over-alavancado vê relatórios cada vez mais bonitos e uma curva de capital cada vez pior, e a matemática explica os dois ao mesmo tempo.

É essa conta que sustenta duas escolhas minhas que já descrevi em detalhe no artigo sobre o critério de Kelly e no de diversificação temporal. Opero lote fixo pequeno e igual pra todos os robôs, bem abaixo de qualquer estimativa de Kelly, porque a estimativa do retorno médio futuro é o parâmetro menos confiável da fórmula inteira, e errar pra cima do pico custa quadraticamente. E mantenho um disjuntor de perda que desliga o portfólio num teto de drawdown pré-definido, porque a punição por oscilação não espera o longo prazo: um tombo fundo hoje é exatamente o mecanismo pelo qual o drag se realiza (cair 50% exige ganhar 100% pra voltar ao zero a zero). O disjuntor corta a cauda antes de ela virar aritmética irreversível.

O mesmo imposto escondido num Sharpe: como eu inflei o meu em 40%

O variance drag também aparece disfarçado, e eu caí num desses disfarces. Em junho montei um portfólio cujo Sharpe saltou pra 5,24 e quase deployei. Uma auditoria adversarial dos meus próprios números achou, entre outros furos, este: meus robôs operam com frequência baixa, a série de retornos é esparsa, e anualizar essa série multiplicando pela raiz de 252 inflou o Sharpe em cerca de 40%. O número honesto, medido na frequência semanal em que o livro de fato respira, ficava entre 4,2 e 4,8. Contei essa história completa no artigo sobre o Sharpe deflacionado.

A ligação com este artigo é direta: nos dois casos, uma média vistosa convive com uma volatilidade mal medida, e a diferença só aparece quando o dinheiro compõe. O backtest reporta média aritmética por período; a conta recebe o geométrico. O Sharpe anualizado no atalho esconde a oscilação real da série; o capital sente a oscilação real. Sempre que a régua de risco está errada pra baixo, o retorno prometido está errado pra cima, na proporção do quadrado do erro. Hoje, qualquer número de retorno que eu levo a sério passa por duas perguntas: a volatilidade foi medida na frequência real da estratégia, e o retorno reportado é o que compõe ou o que aparece em relatório. Quando as respostas são “não” e “o de relatório”, o variance drag é o tamanho da decepção que vem pela frente.

O que é variance drag em uma frase?

É a fatia do retorno médio que a volatilidade subtrai do crescimento composto, aproximadamente o quadrado da vol dividido por dois ao ano, e explica por que o retorno acumulado (geométrico) sempre fica abaixo da média dos retornos (aritmética).

Por que o retorno geométrico é menor que o aritmético?

Porque capital compõe multiplicando e a recuperação é assimétrica: cair 50% exige subir 100% pra voltar ao início. Quanto mais a curva oscila, mais vezes ela paga essa assimetria, e o custo acumulado é bem aproximado por metade da variância ao ano.

Diversificar aumenta o retorno composto mesmo sem aumentar a média?

Sim, e isso é medível. Se as estratégias não oscilam juntas, a volatilidade do portfólio fica menor que a média das volatilidades individuais, o imposto de vol²/2 encolhe e o retorno composto sobe com a mesma média aritmética. No meu livro, misturar reversão com tendência (correlação −0,15) levou o N efetivo de 2,46 pra 5,69 fatores de risco independentes, e nos 5% piores dias de cada bloco o outro ficou positivo.

Aumentar o lote aumenta o retorno no longo prazo?

Só até o ótimo de Kelly. Dobrar o lote dobra a média esperada e quadruplica o variance drag, então existe um tamanho de posição a partir do qual o retorno composto cai enquanto a média aritmética sobe. Como o retorno futuro é estimado com erro grande, operar bem abaixo desse ponto é a escolha robusta.

Referências

• Booth, D. G.; Fama, E. F. (1992). Diversification Returns and Asset Contributions. Financial Analysts Journal, 48(3), 26-32. DOI 10.2469/faj.v48.n3.26.
• Bernstein, W. J.; Wilkinson, D. J. (1997). Diversification, Rebalancing, and the Geometric Mean Frontier. SSRN 53503.