Dois traders podem ter o mesmo retorno médio e terminar com saldos completamente diferentes. A culpa é da volatilidade, que cobra um pedágio silencioso sobre o capital composto. Esse pedágio — o variance drag — é a razão matemática por trás do volatility targeting, do critério de Kelly e de por que o índice de Sharpe — e não o retorno bruto — manda na construção de portfólio. Vamos abrir a fórmula.
O variance drag é a diferença entre média e crescimento real
O variance drag é a perda mecânica de retorno composto causada pela oscilação dos resultados. A intuição é direta: se você ganha +50% num ano e perde −50% no seguinte, a média aritmética é 0% — mas o seu capital saiu de R$ 100 para R$ 150 e depois para R$ 75. Você perdeu 25% com média “zero”. A volatilidade transformou um empate aparente em prejuízo real.
Esse efeito não é uma curiosidade de exemplo extremo; é estrutural. A perda escala com o quadrado da amplitude das oscilações, então quanto mais selvagem a curva de capital, maior a fatia de retorno que evapora antes de virar riqueza acumulada.
Vale separar bem os dois retornos. O retorno aritmético é a média simples dos retornos período a período — é o que aparece em quase toda planilha e em quase todo anúncio de fundo. O retorno geométrico (ou CAGR) é a taxa que, aplicada de forma composta, leva você do capital inicial ao capital final — é o único que paga as suas contas. O aritmético responde “qual foi o retorno médio?”; o geométrico responde “quanto eu de fato fiquei mais rico?”. A volatilidade é a cunha que separa os dois, e ela nunca trabalha a seu favor: o geométrico é sempre menor ou igual ao aritmético, com igualdade só quando a vol é zero (um ativo sem nenhuma oscilação, que não existe).
A fórmula em texto simples: geométrico ≈ aritmético − σ²/2
A relação entre o retorno médio e o retorno que de fato compõe é capturada por uma aproximação clássica: retorno geométrico ≈ retorno aritmético − (σ² / 2), onde σ é a volatilidade (desvio-padrão) dos retornos. A Beyond Passive (2026), no artigo The Calendar Ensemble, formula exatamente assim: “variance drag = −σ²/2 para retornos geométricos”, e conclui que “o variance drag escala com o quadrado da volatilidade”.
O termo σ²/2 é o imposto. Repare no que o quadrado faz:
- Vol de 10% → drag ≈ 0,5% ao ano (0,10² / 2).
- Vol de 20% → drag ≈ 2,0% ao ano — quatro vezes maior, não duas.
- Vol de 40% → drag ≈ 8,0% ao ano.
É por isso que estratégias de alta volatilidade carregam, nas palavras da Beyond Passive, um “drag mecânico que destrói o compounding”. Duas estratégias com o mesmo retorno esperado mas vols diferentes não são equivalentes: a mais volátil entrega menos riqueza no fim, sempre.
Há uma implicação direta para alavancagem. Se você dobra a posição, dobra tanto o retorno aritmético esperado quanto a volatilidade — mas o variance drag, que depende de σ², quadruplica. Em algum ponto, o termo de penalização cresce mais rápido que o termo de retorno, e alavancar a mais passa a reduzir o crescimento composto em vez de aumentá-lo. Esse é exatamente o ponto que o critério de Kelly identifica: existe uma alavancagem ótima além da qual mais risco significa menos riqueza de longo prazo. O variance drag é a metade matemática dessa conta.
Por que isso corrói o compounding de longo prazo
O compounding é multiplicativo, e é justamente aí que a volatilidade morde. Cada perda exige um ganho maior para recuperar: cair 50% exige subir 100% só para voltar ao ponto de partida. Quanto mais a curva oscila, mais frequentemente você paga esse custo de recuperação assimétrico — e o efeito acumula ano após ano.
Um caso real ilustra a violência do termo quadrático. A Beyond Passive (2026), ao reconstruir 64 anos de retornos do TLT (ETF de Treasuries longos), documentou que o fundo perdeu 48% entre 2020 e 2024 — uma queda maior que os 24% da era Volcker (1979–1982), quando a inflação batia 13% e os juros foram a 20%. O motivo é mecânico: em 2020 o yield de 30 anos chegou a 1,2%, elevando a duration (e portanto a volatilidade de preço) ao máximo histórico. Vol alta na largada significou drag brutal na chegada. A oscilação extrema, não a média de juros, foi o que destruiu capital.
Vol targeting preserva a taxa de crescimento
O vol targeting ataca o drag na raiz: ao manter a volatilidade da carteira constante e moderada, ele impede que o termo σ²/2 exploda. A receita é escalonar a exposição de forma inversa à volatilidade realizada — mais alavancagem quando o mercado está calmo, menos quando está agitado — mirando um alvo (a Beyond Passive usa 8% ao ano num portfólio diversificado de VTI/TLT/GLD por inverse-vol, alcançando Sharpe de cerca de 1,0 em duas décadas).
O efeito sobre a curva de capital é duplo. Primeiro, cortar exposição na turbulência reduz diretamente o σ médio — e, pela não-linearidade do quadrado, derrubar a vol de 20% para 12% não corta o drag em 40%, corta em ~64% (de ~2,0% para ~0,72% ao ano). Segundo, ao evitar as quedas profundas, você foge do custo de recuperação assimétrico que mais consome compounding. O alvo de vol vira, na prática, um teto para o imposto que você concorda em pagar.
O ganho não é apenas conforto psicológico; é matemático. Daniel e Moskowitz (2016) mostraram que vol-scaling reduz os crashes de momentum mantendo o upside: ajustar a alavancagem na proporção do inverso da vol realizada da própria estratégia corta a cauda esquerda sem sacrificar o motor de retorno. Esse é o mesmo princípio que sustenta a paridade de risco e o dimensionamento de posição em momentum de série temporal: você não persegue retorno bruto, persegue retorno por unidade de risco — porque é o risco (a vol) que tributa o crescimento.
A assimetria (skewness) muda a conta
O variance drag é a primeira correção, mas não a última: a forma da distribuição também conta. A Beyond Passive (2026) observa que estratégias com skewness positiva (cauda à direita) “se comportam diferente sob alavancagem” — o termo de assimetria na expansão do crescimento geométrico compensa parcialmente o variance drag, empurrando o ponto ótimo de alavancagem para mais longe. Na prática, a estratégia de calendário descrita por eles atinge Sharpe de 1,40 com skewness de +3,39, exatamente o perfil desejável: alto retorno por risco e cauda direita que tolera mais alavancagem.
A lição para quem dimensiona posições: a volatilidade pura penaliza (−σ²/2), mas como ela se distribui importa. Preferir estratégias de skew positivo é uma forma de pagar menos imposto de volatilidade para o mesmo nível de oscilação.
Perguntas Frequentes
O que é variance drag em uma frase?
Variance drag é a parcela de retorno que a volatilidade subtrai do crescimento composto, aproximadamente igual a σ²/2 ao ano. É a razão pela qual o retorno que você acumula de fato (geométrico) é sempre menor que a média dos retornos (aritmético).
Por que o retorno geométrico é menor que o aritmético?
Porque o compounding é multiplicativo e a recuperação é assimétrica: uma queda de 50% exige uma alta de 100% para empatar. Quanto maior a volatilidade, mais o capital paga esse custo de recuperação, e a aproximação geométrico ≈ aritmético − σ²/2 mede esse vazamento.
Dobrar a volatilidade dobra o variance drag?
Não — quadruplica. Como o drag depende do quadrado da volatilidade, passar de 10% para 20% de vol leva o imposto de ~0,5% para ~2,0% ao ano. É essa não-linearidade que torna o controle de risco tão valioso para o crescimento de longo prazo.
Como o vol targeting reduz o variance drag?
O vol targeting mantém a volatilidade da carteira constante e moderada escalonando a exposição de forma inversa à vol realizada, impedindo que o termo σ²/2 dispare em períodos turbulentos. Daniel e Moskowitz (2016) mostraram que esse vol-scaling reduz crashes mantendo o upside.
Referências
- Beyond Passive Investing (2026). The Calendar Ensemble: Building an Event-Driven Alpha Overlay. beyondpassive.substack.com. (Fórmula variance drag = −σ²/2; skewness e alavancagem; Sharpe 1,40 / skew +3,39.)
- Beyond Passive Investing (2026). Sixty-four Years of TLT: Reconstructing the Bond ETF Everyone Owns. beyondpassive.substack.com. (TLT −48% em 2020–2024 vs −24% na era Volcker; vol/duration na largada.)
- Swinkels, L. (2019). Treasury Bond Return Data Starting in 1962. Data, 4(3), 91. (Método de reconstrução de retornos usado na série de 64 anos do TLT.)
- Daniel, K. & Moskowitz, T. (2016). Momentum Crashes. Journal of Financial Economics, 122(2). (Vol-scaling reduz crashes de momentum mantendo o upside.)
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.
