Os Juros Compostos Não São Uma Só Coisa: A Verdadeira Diferença Entre Retornos Aritméticos e Geométricos

Compounding parece simples — até que você calcule médias de retornos da forma errada.

As duas “médias” que os investidores confundem casualmente

No discurso quotidiano sobre investimentos, “retorno médio” pode significar pelo menos duas coisas diferentes:

Retorno médio aritmético: a simples média dos retornos periódicos.
Retorno médio geométrico: a taxa média composta que realmente corresponde à riqueza final.

Eles frequentemente parecem próximos quando os retornos são estáveis. Podem divergir fortemente quando os retornos são voláteis, e essa divergência não é uma pequena tecnicalidade — é a matemática de por que investidores com a mesma média aritmética podem acabar com resultados diferentes.

Vamos definir ambos com precisão.

Retorno aritmético: a média dos passos do trajecto

Suponha que tem retornos ( r_1, r_2, \dots, r_n ) ao longo de ( n ) períodos (mensais, anuais, etc.). A média aritmética é:

[ \bar{r}A = \frac{1}{n}\sum{t=1}^{n} r_t ]

Esta é a estimativa de “retorno esperado num período” que verá em muitos livros e modelos. Se escolher um período aleatório da sua história, ( \bar{r}_A ) descreve o passo médio.

Retorno geométrico: a taxa média que reproduz o composto

A sua riqueza cresce multiplicativamente:

[ \frac{W_n}{W_0} = \prod_{t=1}^{n} (1+r_t) ]

A média geométrica ( \bar{r}_G ) é a única taxa constante que produziria a mesma riqueza final:

[ (1+\bar{r}G)^n = \prod{t=1}^{n} (1+r_t) ]

Portanto:

[ \bar{r}G = \left(\prod{t=1}^{n} (1+r_t)\right)^{1/n} - 1 ]

Isto é essencialmente o motor por trás do CAGR (taxa de crescimento anual composta). Quando as pessoas perguntam “a que taxa eu realmente compondei?”, estão a pedir o retorno geométrico.

Um exemplo simples onde a média aritmética engana a intuição

Considere um investimento de dois anos:

Ano 1: +50%
Ano 2: -50%

Média aritmética:

[ \bar{r}_A = \frac{0.50 + (-0.50)}{2} = 0 ]

Isto parece sugerir “estável”. Mas o trajecto da riqueza diz o contrário:

[ W_2 = W_0 (1.5)(0.5) = 0.75 W_0 ]

Isto é uma perda de 25% em dois anos. A média geométrica mostra isso:

[ \bar{r}_G = \sqrt{1.5 \cdot 0.5} - 1 = \sqrt{0.75} - 1 \approx -0.13397 ]

Portanto, a taxa composta é cerca de -13,4% por ano, não 0%.

Esta é a primeira diferença-chave:

A média aritmética faz a média dos retornos.
A média geométrica faz a média dos factores de crescimento ((1+r)).

E porque os factores de crescimento se multiplicam, a volatilidade remodela o resultado final.

Por que a volatilidade cria uma lacuna: o “arrasto da volatilidade” em termos simples

Uma forma útil de ver a diferença é passar para o espaço dos logaritmos.

Defina retornos logarítmicos ( g_t = \ln(1+r_t) ). Então:

[ \ln\left(\frac{W_n}{W_0}\right) = \sum_{t=1}^{n} \ln(1+r_t) = \sum_{t=1}^{n} g_t ]

A média geométrica está ligada à média do retorno logarítmico:

[ \ln(1+\bar{r}G) = \frac{1}{n}\sum{t=1}^{n} \ln(1+r_t) ]

Agora compare isso com a média aritmética. Para retornos relativamente pequenos, podemos usar a aproximação:

[ \ln(1+r) \approx r - \frac{r^2}{2} ]

Tome a média:

[ \overline{\ln(1+r)} \approx \bar{r}_A - \frac{1}{2}\overline{r^2} ]

E como ( \overline{r^2} = \sigma^2 + \bar{r}_A^2 ), surge uma regra prática comum:

[ \bar{r}_G \approx \bar{r}_A - \frac{1}{2}\sigma^2 ]

(em que ( \sigma^2 ) é a variância dos retornos periódicos, em forma decimal)

Isto não é perfeito em todos os regimes, mas capta a realidade central:

Maior volatilidade reduz os retornos geométricos mesmo que a média aritmética se mantenha.

Esse ajuste descendente é frequentemente chamado de arrasto da volatilidade. Não é uma comissão nem um erro comportamental. Está embutido na multiplicação.

Mesma média aritmética, diferentes composições: comparação lado a lado

Imagine dois portfólios ao longo de quatro anos:

Portfolio Smooth

+8%, +8%, +8%, +8%

Portfolio Wild

+28%, -12%, +28%, -12%

Média aritmética para ambos:

Smooth: ( (8+8+8+8)/4 = 8% )
Wild: ( (28-12+28-12)/4 = 8% )

Agora calcule a riqueza final com (W_0 = 1):

Smooth: ( 1.08^4 \approx 1.3605 )
Wild: ( 1.28 \cdot 0.88 \cdot 1.28 \cdot 0.88 )

Note que ( 1.28 \cdot 0.88 = 1.1264 ). Assim:

Wild: ( 1.1264^2 \approx 1.2688 )

Ambos tiveram média aritmética de 8%, mas o trajecto mais suave compôs para um valor final mais elevado. As médias geométricas:

Smooth: ( \bar{r}_G = 8% ) (porque é constante)
Wild: ( \bar{r}_G = 1.2688^{1/4} - 1 \approx 6.1% )

A variabilidade “extra” reduziu cerca de 1,9% por ano do crescimento composto, mesmo que a média aritmética parecesse idêntica.

A composição é dependente do trajecto; médias aritméticas não são

Uma divisão conceptual crucial:

A média aritmética é indiferente ao trajecto (não se importa com a ordem).
Os resultados de riqueza são dependentes do trajecto (a ordem e o tamanho de ganhos/perdas importa através da multiplicação).

Para ver efeitos de ordem, use os mesmos dois retornos em sequências diferentes quando houver saques (por exemplo, retiradas na reforma). Mesmo que os retornos do investimento sejam idênticos como conjunto, o timing de anos negativos pode ser devastador quando se está a retirar dinheiro — um fenómeno ligado ao risco de sequência de retornos. Isto soma-se à lacuna básica entre aritmética e geométrica, amplificando-a na vida real.

Onde pertencem os retornos aritméticos (e onde não pertencem)

As médias aritméticas não estão “erradas”. São apenas respostas a uma pergunta diferente.

O retorno aritmético é útil quando:

Está a modelar uma expectativa de um único período, como “Qual é o retorno esperado no próximo ano?”
Está a comparar pagamentos de horizonte curto ou a prever um passo à frente.
Está a trabalhar em frameworks clássicos de média-variância onde “retorno esperado” é um conceito de um período.

Mas torna-se enganador quando faz perguntas de longo horizonte como:

“Quanto valerá o meu portfólio em 20 anos?”
“Qual é a minha taxa de crescimento a longo prazo?”
“A que ritmo estou a compor?”

Essas perguntas vivem no espaço geométrico.

O retorno geométrico é útil quando:

Está a resumir desempenho histórico como uma única taxa de crescimento (CAGR).
Está a comparar gestores ao longo de janelas de vários anos.
Se importa com acumulação de riqueza e composição, não apenas com o comportamento médio periódico.

O ponto mais profundo é que investidores rotineiramente pegam numa estatística de um período (média aritmética) e mentalmente compõem-na. Esse movimento mental é exatamente onde começa o problema.

A diferença de composição numa desigualdade

Para riqueza não negativa e retornos acima de -100%, a média geométrica nunca é maior que a média aritmética:

[ \bar{r}_G \le \bar{r}_A ]

A igualdade ocorre apenas quando os retornos são constantes (sem volatilidade) ou degenerados de formas especiais.

Esta desigualdade é apenas o facto clássico de que a média geométrica é menor ou igual à média aritmética. Em investimento, torna-se uma afirmação sobre a realidade do desempenho:

O seu “retorno médio” não pode ser composto como se fosse uma taxa constante a não ser que seja geométrico.

Como os drawdowns punem matematicamente a composição

Perdas exigem ganhos maiores para recuperar. Isto não é um cartaz motivacional; é uma consequência directa da multiplicação.

Se perde (L%), a sua riqueza torna-se (1-L). Para voltar a 1, precisa de um ganho (G) tal que:

[ (1-L)(1+G) = 1 \Rightarrow G = \frac{L}{1-L} ]

Portanto:

Queda de 10% exige +11,11% para recuperar.
Queda de 20% exige +25%.
Queda de 50% exige +100%.

As médias aritméticas não “veem” essa curvatura. A composição geométrica vê, porque é construída a partir do produto dos factores de crescimento.

_{Photo by Ibrahim Rifath on Unsplash}

Uma lente prática de matemática de investimentos: riqueza esperada vs retorno esperado

Há outra subtileza que engana mesmo leitores cuidadosos: a esperança de um produto não é o produto das expectativas.

Se os retornos são aleatórios, então a riqueza terminal após (n) períodos é:

[ W_n = W_0 \prod_{t=1}^{n} (1+R_t) ]

A riqueza esperada é:

[ \mathbb{E}[W_n] = W_0 , \mathbb{E}\left[\prod_{t=1}^{n} (1+R_t)\right] ]

Os investidores frequentemente aproximam isto compondo a média aritmética:

[ W_0 (1+\mathbb{E}[R])^n ]

Mas esse atalho ignora dispersão e correlações ao longo do tempo. A média geométrica alinha-se mais naturalmente com o crescimento realizado típico porque está ligada à média do log-retorno, que respeita a multiplicação.

Esta distinção importa quando lê projeções de desempenho. Um folheto pode dizer “retorno esperado 8%” e depois mostrar ( (1.08)^{30} ) para desenhar uma curva optimista. A não ser que esses 8% sejam uma estimativa geométrica ou que o trajecto seja quase determinístico, a imagem é optimista em relação aos resultados medianos.

Um experimento mental com duas caras de moeda que faz tudo encaixar

Imagine um investimento que cada ano faz uma de duas coisas com igual probabilidade:

+20% ou -10%

Média aritmética por ano:

[ \bar{r}_A = 0.5(0.20) + 0.5(-0.10) = 0.05 = 5% ]

Média geométrica por ano:

[ \bar{r}_G = \sqrt{1.2 \cdot 0.9} - 1 = \sqrt{1.08} - 1 \approx 3.92% ]

Mesmo que o retorno esperado de um ano seja 5%, a taxa composta está mais perto de 3,9%. Ao longo de décadas, essa diferença é enorme.

E note o que a causou: não foi “azar”, não foram comissões, nem manipulação de mercado — apenas o efeito matemático de ter alguns anos negativos.

Converter entre elas (com cuidado) na análise real

Em contextos profissionais, analistas por vezes precisam de passar de entradas aritméticas (como retorno esperado e volatilidade previstos) para uma estimativa de crescimento geométrico.

Uma aproximação comumente usada (para retornos anuais, volatilidade moderada) é:

[ \text{Geométrica} \approx \text{Aritmética} - \frac{1}{2}\sigma^2 ]

Exemplo: se o retorno aritmético esperado é 8% e a volatilidade é 20%:

( \sigma^2 = 0.20^2 = 0.04 )
Meia variância = 0.02
Geométrica estimada ≈ 8% − 2% = 6%

Isto não é um corte pequeno. Muda a história.

Duas advertências importam:

Esta aproximação baseia-se em raciocínio de log-retornos e comporta-se melhor quando os retornos não são extremos.
A volatilidade não é constante na realidade, e os retornos nem sempre se aproximam da normalidade; caudas gordas e crashes tornam a composição mais severa do que fórmulas limpas sugerem.

Ainda assim, dá uma forma disciplinada de entender por que “alto retorno esperado” e “alta volatilidade” podem coexistir com riqueza composta decepcionante.

O ângulo do reequilíbrio: quando a volatilidade pode ajudar e quando não pode

Os investidores por vezes ouvem que a volatilidade “ajuda” através do reequilíbrio. Há verdade nisso, mas vive numa caixa mais estreita do que muitos assumem.

Dentro de um portfólio diversificado, se os ativos se movem de forma diferente, o reequilíbrio periódico pode capturar um “prémio de reequilíbrio” (alguns chamam-lhe harvest de volatilidade). Está a podar sistematicamente o que subiu e a comprar o que desceu.
Este efeito depende de correlações imperfeitas e da presença de múltiplos ativos. Não é magia; é uma regra disciplinada de negociação dentro de um portfólio.

Mas para um ativo único, a volatilidade quase sempre reduz o crescimento geométrico em relação à média aritmética, porque não há com o que reequilibrar. Anda apenas no carrossel multiplicativo.

Portanto pode manter duas ideias ao mesmo tempo sem contradição:

A volatilidade numa única série de retornos arrasta a composição para baixo.
A volatilidade entre múltiplos ativos imperfeitamente correlacionados pode criar oportunidades quando combinada com reequilíbrio — ainda assim, custos, impostos e persistência de tendências podem reduzir ou eliminar o benefício.

Como isto aparece em relatórios de desempenho e marketing de fundos

Tabelas de desempenho frequentemente reportam retornos anuais e depois mostram um “retorno anual médio”. Tem de verificar qual é.

Se for uma média aritmética, diz-lhe qual foi o ano médio.
Se for uma média geométrica / CAGR, diz-lhe a que taxa compostou.

Um truque de marketing comum é mais por inatenção do que por malícia: vê-se um conjunto de anos bons, calcula-se a média aritmética e trata-se como uma taxa de crescimento sustentável. Em ativos voláteis — ações de crescimento, cripto, fundos temáticos concentrados — esse erro é amplificado.

Ao comparar dois gestores, o retorno geométrico é tipicamente o resumo mais justo do que aconteceu a um dólar investido, mas ainda precisa de contexto:

O gestor assumiu mais risco?
Os drawdowns foram mais profundos?
O histórico foi curto (tornando a estimativa geométrica ruidosa)?
Fluxos de caixa e o seu timing afectaram a experiência do investidor (retornos ponderados por dólar)?

A distinção aritmética vs geométrica é fundamental, mas não substitui a análise de risco; clarifica a parte de composição do risco.

A regra prática do investidor: combine a métrica com a pergunta

Se a sua pergunta é formulada como um único período:

“Qual é o retorno esperado no próximo ano?”
“Qual é o retorno trimestral médio?”

Então retornos aritméticos são apropriados.

Se a sua pergunta é formulada como um resultado multinível de riqueza:

“A que taxa compus nos últimos 10 anos?”
“Que taxa constante corresponde ao meu valor final?”
“Como devo pensar sobre crescimento a longo prazo?”

Então os retornos geométricos devem estar no centro.

A armadilha é usar linguagem aritmética para realidades geométricas. As pessoas fazem isso porque médias aritméticas parecem intuitivas e porque “8% de retorno médio” é fácil de dizer em voz alta. Mas o seu portfólio não cresce fazendo médias; cresce multiplicando.

Uma lista de verificação concreta para analisar qualquer série de retornos

Quando olhar para retornos — seus, de um fundo, ou de uma classe de ativos — percorra estes passos:

Calcule a média aritmética ( \bar{r}_A ) para entender o desempenho típico por período.
Calcule a média geométrica/CAGR ( \bar{r}_G ) para entender o crescimento composto.
Meça a volatilidade (desvio padrão) para antecipar a lacuna entre as duas.
Inspecione os drawdowns porque perdas grandes dominam a matemática da composição.
Pergunte sobre horizonte e fluxos de caixa porque contribuições/retiradas tornam a sequência importante.

Na prática, um investidor que interioriza este enquadramento deixa de se surpreender com resultados como “o fundo teve média de 10% mas o meu dinheiro não duplicou quando eu esperava”. A resposta costuma estar na lacuna aritmética–geométrica mais o timing de ganhos e perdas.

Por que esta distinção continua a render dividendos nas decisões

Muitas decisões de investimento são realmente decisões sobre compor sob incerteza:

Devo concentrar-me ou diversificar?
Quanto alavancagem é demais?
Quão agressivo devo ser perto da reforma?
Vale a pena uma estratégia de alta volatilidade se a média aritmética parece atractiva?

Os retornos aritméticos podem seduzi-lo a pensar apenas sobre o centro da distribuição. Os retornos geométricos obrigam-no a respeitar o trajecto que a sua riqueza tem de percorrer. E uma vez que a riqueza não pode ser negativa (e porque grandes perdas exigem ganhos desproporcionais para recuperar), a composição é inerentemente assimétrica.

Quando vê isso, começa a interpretar reivindicações de “retorno médio” com mais critério: não como um número único que se compõe magicamente, mas como uma estatística que precisa do seu par correcto — o crescimento geométrico — antes de se tornar uma história sobre dinheiro real ao longo do tempo.

External Links

Geometric vs. Arithmetic Returns | Explained with an Investing … Arithmetic Returns vs. Geometric Returns - Bogleheads.org The difference between arithmetic and geometric investment returns Arithmetic, Geometric, and Dollar-Weighted Returns and Indices Geometric vs Arithmetic Mean In The Wild