GARCH — modelando a volatilidade

Se os retornos são quase imprevisíveis, a volatilidade não é. A volatilidade se agrupa: grandes movimentos seguem grandes movimentos. É essa estrutura previsível que os modelos GARCH capturam, e é uma das ferramentas mais confiavelmente úteis de todas as finanças quantitativas.

A intuição

O GARCH (Heterocedasticidade Condicional AutoRegressiva Generalizada — o nome é pior que a ideia) diz que a variância de hoje depende de:

• Retornos ao quadrado recentes — o choque de ontem eleva a volatilidade esperada de hoje.
• Variância recente — a volatilidade é persistente; um regime turbulento tende a continuar.

Em palavras: depois de um dia violento, espere mais violência amanhã; depois da calmaria, espere calmaria. O modelo formaliza o agrupamento que todo mundo observa num gráfico.

Por que importa mais que prever retorno

Você pode não conseguir prever a direção, mas se consegue prever o tamanho dos movimentos você pode:

• Dimensionar posições corretamente — operar menor quando a volatilidade está alta, maior quando está baixa, buscando risco constante.
• Precificar opções — a volatilidade é o insumo central do valor de uma opção.
• Definir limites de risco que se adaptam em vez de usar um número fixo e defasado.

Estratégias de volatilidade-alvo construídas sobre previsões no estilo GARCH são um pilar da gestão de risco profissional justamente porque a coisa sendo prevista (a volatilidade) genuinamente tem memória, ao passo que os retornos quase não têm.

Limites honestos

O GARCH ainda supõe uma estrutura específica e pode ser lento para reagir a uma mudança súbita de regime. Ele não vai ver um choque chegando — reage depois do primeiro grande movimento. Mas reagir rápido e de forma inteligente à volatilidade em mudança é, em si, uma vantagem durável.