Como o Horizonte Temporal Muda Matematicamente o Risco de Investimento

Um plano de cinco anos e um plano de cinco dias não podem partilhar a mesma definição de “arriscado”. A matemática torna isso inevitável.

O risco não é um número único — o tempo transforma‑o num alvo em movimento

No discurso cotidiano, “risco” muitas vezes significa volatilidade: o quanto os preços oscillam. Em modelos de decisão, risco pode significar muitas coisas ao mesmo tempo:

• a probabilidade de que a sua riqueza fique abaixo de algum objetivo (risco de não atingir meta, shortfall risk),
• a pior perda plausível (Value at Risk, Conditional VaR),
• a profundidade da pior queda de pico a vale (maximum drawdown),
• ou a probabilidade de ser forçado a vender num mau momento (liquidez + desalinhamento de horizonte).

O horizonte temporal altera cada uma destas — nem sempre na mesma direção. É aí que os investidores se confundem: ouvem “as ações são mais seguras a longo prazo”, enquanto também ouvem “a volatilidade composta pode ser brutal”. Ambas as afirmações podem ser verdadeiras dependendo de qual risco se está a falar.

Para manter isto assente, usaremos um modelo simples de retornos. Seja os retornos periódicos (por exemplo mensais) (r_t). Ao longo de (T) períodos, o retorno simples acumulado é:

[ R_T = \prod_{t=1}^{T}(1+r_t) - 1 ]

E o retorno logarítmico é:

[ g_t = \ln(1+r_t), \quad G_T = \sum_{t=1}^{T} g_t ]

Os retornos logarítmicos são matematicamente convenientes porque se somam ao longo do tempo. Muitos modelos assumem que (g_t) é aproximadamente normal com média (\mu) e desvio padrão (\sigma) por período. Essa suposição é imperfeita, mas é um ponto de partida útil para compreender o efeito do horizonte.

A volatilidade escala com a raiz quadrada do tempo — até que deixa de o fazer

Se os retornos são independentes e identicamente distribuídos (i.i.d.), a variância da soma escala linearmente com o tempo:

[ \mathrm{Var}(G_T) = T\sigma^2 ]

Por isso o desvio padrão escala como:

[ \mathrm{SD}(G_T) = \sigma\sqrt{T} ]

Esta é a famosa regra da raiz quadrada do tempo. É por isso que uma volatilidade mensal de 4% é frequentemente traduzida para volatilidade anual como (4%\sqrt{12}\approx 13{,}9%).

Mas repare no que estamos a escalar: a dispersão do retorno logarítmico acumulado cresce com (\sqrt{T}). Isso significa que a distribuição alarga ao longo de horizontes mais longos em termos absolutos. Em outras palavras, se a sua definição de risco for “Quão incerta está a minha riqueza terminal em euros?” então horizontes mais longos podem parecer mais arriscados, não menos, porque o intervalo de resultados possíveis aumenta.

Então por que é que “horizonte mais longo reduz o risco” alguma vez faz sentido? Porque muitos investidores se interessam pela média de retorno por período, não pelo retorno composto total.

Considere o retorno logarítmico médio:

[ \bar{g}T = \frac{1}{T}\sum{t=1}^{T} g_t ]

A sua variância é:

[ \mathrm{Var}(\bar{g}_T)=\frac{\sigma^2}{T} ]

Agora o desvio padrão cai como (1/\sqrt{T}). Esse é o núcleo matemático da intuição: o resultado médio torna‑se mais estável com o tempo, mesmo que o resultado terminal se torne mais espalhado. Duas perguntas de “risco” diferentes, duas respostas aparentemente opostas.

Os modelos de decisão frequentemente alternam entre estas sem o dizer.

Probabilidade de perda: o horizonte pode ajudar, mas só se a tendência positiva dominar

Muitos investidores definem risco como “Qual a probabilidade de eu perder dinheiro quando precisar dele?” Isso é uma declaração de probabilidade, e o horizonte temporal importa de forma mais clara.

Sob o modelo lognormal (G_T \sim \mathcal{N}(T\mu, T\sigma^2)). A probabilidade de que a sua riqueza terminal esteja abaixo da riqueza inicial (isto é, (R_T<0), equivalente a (G_T<0)) é:

[ \mathbb{P}(G_T<0) = \Phi\left(\frac{0-T\mu}{\sigma\sqrt{T}}\right) = \Phi\left(-\frac{\mu\sqrt{T}}{\sigma}\right) ]

onde (\Phi) é a CDF da normal padrão.

Esta expressão é reveladora:

• Se (\mu>0), então (\mu\sqrt{T}/\sigma) cresce com (\sqrt{T}), pelo que a probabilidade de um resultado negativo declina com o horizonte.
• Se (\mu=0), a probabilidade mantém‑se em 50% não importa quanto tempo espere.
• Se (\mu<0), a probabilidade de perda aumenta com o tempo.

Portanto a narrativa reconfortante de “o tempo diversifica o risco” assume silenciosamente retorno logarítmico esperado positivo e alguma forma de independência dos retornos. Nos mercados reais, a tendência (drift) é pequena comparada com a volatilidade em horizontes curtos, por isso a probabilidade de perda pode ser elevada a 1 ano e muito menor a 20 anos. Mas isso não é um almoço grátis — o seu horizonte está a fazer o trabalho apenas porque dá tempo para o drift acumular.

Um ponto subtil: o parâmetro que importa para a sobrevivência a longo prazo é o drift logarítmico (\mu), não o retorno simples esperado. Alta volatilidade pode reduzir (\mu) mesmo quando a média aritmética parece atraente. É por isso que “retorno ajustado pelo risco” não é apenas jargão: a volatilidade altera diretamente os resultados de longo prazo através da capitalização.

O risco de drawdown cresce com o horizonte mesmo quando a probabilidade de perda diminui

O máximo drawdown é um animal diferente. Pergunta: “Em qualquer ponto do trajeto, quão mau pode ser antes de eu desistir?”

Mesmo que a probabilidade de estar em perda na data final diminua com o tempo, a probabilidade de alguma vez experimentar um grande drawdown aumenta quando se estende a janela. Mais tempo significa mais oportunidades para um período mau.

Para uma caminhada aleatória simples, muitos riscos dependentes do caminho escalam aproximadamente com o número de observações. Não precisa de matemática exótica para ver a intuição: um investidor com horizonte de 30 anos viverá mais recessões, choques de taxa e episódios de pânico do que um investidor com 3 anos. Isso não significa que o plano de 30 anos seja pior — significa que o seu modelo de decisão deve distinguir:

• risco terminal (ficar abaixo de um objetivo na data de horizonte), versus
• risco de caminho (ser forçado a vender, ou capitular psicologicamente durante um drawdown).

É aqui que o desalinhamento de horizonte se torna prático. Uma carteira com horizonte longo pode ser matematicamente sólida mas fragilizada comportamentalmente se os drawdowns intermédios levarem a vendas. Nesse caso, o seu horizonte efectivo colapsa.

A razão de Sharpe mantém‑se com o tempo — ainda assim o risco parece diferente

Sob suposições i.i.d., a razão de Sharpe por período é:

[ \text{SR}_1 = \frac{\mu}{\sigma} ]

Ao longo de (T) períodos, o retorno logarítmico cumulativo tem média (T\mu) e desvio padrão (\sigma\sqrt{T}), pelo que o “Sharpe” do resultado acumulado é:

[ \text{SR}_T = \frac{T\mu}{\sigma\sqrt{T}} = \sqrt{T}\frac{\mu}{\sigma} ]

Isto parece indicar que o desempenho melhora com o horizonte, mas é apenas uma mudança de unidades: está a medir uma média maior contra um desvio padrão que cresce mais devagar. Se em vez disso comparar retornos médios, a razão de Sharpe mantém‑se invariável. O que os investidores experienciam como “menos arriscado a longo prazo” frequentemente vem dessa separação crescente entre o resultado esperado crescente e a banda de incerteza.

Em termos práticos: o tempo não baixa magicamente a volatilidade; dá espaço aos retornos esperados para se afirmarem.

A diversificação temporal depende da estrutura de correlação — reversão à média muda a matemática

A escala da raiz‑quadrada‑do‑tempo depende de baixa correlação serial. Se os retornos têm autocorrelação positiva (comportamento de momentum), a variância cresce mais depressa que (T). Se os retornos têm autocorrelação negativa (reversão à média), a variância cresce mais devagar que (T).

Uma forma de mostrar isto é:

[ \mathrm{Var}\left(\sum_{t=1}^T g_t\right)=T\sigma^2 + 2\sum_{k=1}^{T-1}(T-k)\gamma_k ]

onde (\gamma_k) é a autocovariância no lag (k). Esses termos extra podem ser positivos ou negativos.

• Autocorrelação positiva: choques persistem, pelo que a incerteza de longo horizonte é maior do que o i.i.d. prevê.
• Autocorrelação negativa: choques revertem parcialmente, pelo que a incerteza de longo horizonte é menor.

Isto importa para detentores de ativos arriscados a longo prazo e para quem usa um modelo de decisão com restrições baseadas no horizonte. Um modelo que assume i.i.d. pode subestimar o risco de longo prazo em regimes de tendência — ou exagerá‑lo se a reversão à média for forte.

_{Photo by Jakub Żerdzicki on Unsplash}

Inflação e risco real: o horizonte torna o ativo “seguro” arriscado

Um bilhete do tesouro de curto prazo é frequentemente tratado como “sem risco”. Ao longo de um mês, em termos nominais, quase o é. Ao longo de décadas, o risco relevante é o poder de compra real, não a estabilidade nominal.

Seja o retorno nominal (r_t) e a inflação (\pi_t). O retorno real é aproximadamente:

[ r^{(real)}_t \approx r_t - \pi_t ]

Mesmo que os retornos nominais sejam estáveis, a incerteza da inflação acumula‑se ao longo do tempo. Para horizontes longos, a variância dos retornos reais acumulados inclui a variância da inflação e a sua covariância com os rendimentos nominais. Isto transforma o dinheiro “seguro” em um ativo arriscado para horizontes longos em modelos de decisão que visam objetivos de despesa reais.

Isto é também a razão pela qual o horizonte altera a ordenação dos riscos:

• Horizonte curto: as ações parecem assustadoras porque a volatilidade de preço domina.
• Horizonte longo: a inflação e o risco de reinvestimento podem dominar para obrigações e numerário.

Matematicamente, o horizonte está a seleccionar qual processo estocástico importa mais.

Rebalanceamento transforma o horizonte numa sequência de decisões, não numa única aposta

A maioria das carteiras não é “comprar e manter para sempre”. Reequilibram‑se. Isso cria um problema de decisão repetido: cada data de rebalanceamento é um mini‑horizonte dentro do grande horizonte.

Se reequilibrar para pesos fixos, a sua riqueza terminal depende do caminho dos retornos, não apenas do ponto final. O reequilíbrio pode reduzir o risco em alguns sentidos (manter a diversificação) enquanto aumenta a exposição ao arrasto da volatilidade noutros, dependendo das correlações e de se está a vender vencedores e a comprar perdedores.

Uma maneira simples de ver o efeito do horizonte é comparar:

• Investimento em soma única: um ponto de entrada, uma data terminal.
• Investimento faseado / contribuições: muitos pontos de entrada (dollar‑cost averaging).
• Decumulação: retiradas introduzem risco de sequência de retornos.

Com contribuições ou retiradas, o horizonte temporal interage com o timing dos fluxos de caixa. Dois investidores com o mesmo período de 30 anos podem ter riscos diferentes se um contribuir cedo e outro tardiamente.

Risco de sequência de retornos: o horizonte pode prejudicar os reformados mesmo que as médias se compensem

Para alguém a retirar de uma carteira, o risco de caminho torna‑se existencial. Um mau drawdown inicial combinado com retiradas pode prejudicar permanentemente a capacidade de recuperar, mesmo que as médias de longo prazo sejam aceitáveis.

Uma recursão simples para a riqueza com retiradas (c) por período:

[ W_{t+1} = (W_t - c)(1+r_{t+1}) ]

Isto é não linear. Perdas cedo reduzem a base sobre a qual ganhos posteriores capitalizam, enquanto as retiradas continuam a morder. Estender o horizonte (viver mais tempo) pode aumentar a probabilidade de ruína a menos que a taxa de retirada seja ajustada.

Nos modelos de decisão, isto aparece como uma restrição sobre a probabilidade de insuficiência ao longo de todo o caminho, não apenas numa única data terminal. Quanto mais longo for o horizonte de reforma, mais rigorosa tem de ser a taxa de gasto sustentável, tudo o resto constante.

Value at Risk e Expected Shortfall: escalar é fácil; estar certo não o é

Os departamentos de risco frequentemente escalam o VaR de 1 dia para 10 dias via (\sqrt{T}). Sob i.i.d. normalidade, isso é consistente para retornos:

[ \text{VaR}T(\alpha) \approx z\alpha \sigma \sqrt{T} - \mu T ]

onde (z_\alpha) é o quantil.

Mas os retornos do mercado têm caudas pesadas e a volatilidade agrupa‑se. Nesses cenários, a escala por horizonte pode ser enganadora:

• Se a volatilidade for persistente, o risco de vários dias pode ser muito maior do que (\sqrt{T}) sugere.
• Eventos de cauda não “se anulam” rapidamente; eles multiplicam‑se via stress correlacionado.

Para um investidor de longo prazo, a pergunta mais significativa frequentemente não é “Qual é o meu pior mês a 1%?” mas “Com que frequência enfrento um drawdown de 40% e quanto tempo costuma demorar a recuperar?” Isso é um problema de caminho e horizonte, não de uma distribuição de um passo.

Colocar o horizonte temporal num modelo de decisão: o que muda matematicamente

Um modelo de decisão precisa de um objetivo e de restrições. O horizonte altera ambos.

Utilidade e horizonte: a utilidade esperada pode inverter as suas preferências

Numa formulação clássica de utilidade esperada com utilidade CRRA:

[ U(W)=\frac{W^{1-\gamma}}{1-\gamma} ]

a participação ótima em ativos arriscados depende do trade‑off entre crescimento esperado e volatilidade, e pode ser sensível ao horizonte quando os retornos são previsíveis ou quando existem fricções (como proibição de endividamento, requisitos de piso, ou necessidades de consumo). Mesmo quando o modelo de Merton implica uma participação arriscada constante em condições ideais, as fricções do mundo real reintroduzem dependência do horizonte.

Restrições baseadas em objetivos: probabilidades compõem com o tempo

Se impuser uma restrição como “no máximo 5% de hipótese de cair abaixo do meu objetivo”, o horizonte importa porque a distribuição da riqueza terminal muda com (T). No modelo lognormal, atingir um objetivo em euros (W^*) é:

[ \mathbb{P}(W_T \ge W^*) = \mathbb{P}\left(G_T \ge \ln\left(\frac{W^*}{W_0}\right)\right) ]

Maior (T) aumenta tanto a média como a variância de (G_T), e se a probabilidade sobe depende de qual cresce mais rápido em relação ao objetivo. Objetivos que escalam com o tempo (como despesa ajustada pela inflação) alteram novamente a desigualdade.

Desalinhamento de horizonte como um fator de risco formal

Uma forma limpa de codificar o desalinhamento de horizonte é modelar necessidades de liquidez como tempos de paragem aleatórios (random stopping times). Se existe uma probabilidade de ter de sair mais cedo (perda de emprego, despesa médica), então o seu horizonte efectivo é uma distribuição, não uma data única. O risco torna‑se uma média ponderada sobre possíveis tempos de saída:

[ \text{Risk} = \sum_{t=1}^{T} p_t , \text{Risk at horizon } t ]

Isto é uma das razões pelas quais “sou um investidor de longo prazo” não é uma declaração de risco completa a menos que o investidor verdadeiramente possa permanecer investido.

O que os investidores não vêm: o tempo reduz alguns riscos por média, aumenta outros por exposição

A matemática não dá um veredicto único. Dá um menu de efeitos do horizonte:

• A incerteza do retorno médio cai como (1/\sqrt{T}).
• A dispersão da riqueza terminal sobe como (\sqrt{T}) em espaço logarítmico (e pode ser ainda mais dramática em espaço de retornos simples).
• A probabilidade de perda terminal cai com (T) apenas se o retorno logarítmico esperado for positivo.
• A probabilidade de drawdown sobe com (T) porque mais tempo significa mais trajetórias e mais hipóteses de atingir extremos.
• O risco de inflação cresce com (T) quando se preocupa com resultados reais.
• O risco de sequência de retornos explode quando há retiradas, tornando “horizonte mais longo” potencialmente mais difícil, não mais fácil.

Nada disto é abstrato. É a diferença entre um trabalhador jovem a contribuir todos os meses, uma família a poupar para uma entrada numa casa em três anos, e um reformado a financiar gastos para os próximos trinta anos.

O horizonte temporal não é apenas uma preferência. Em finanças, é um operador matemático que transforma o que “risco” significa — e portanto transforma qual modelo de decisão é mesmo apropriado.

External Links

Managing Risk for Different Time Horizons | Capital Group Investing Risk and Time Horizon: What You Need To Know Understanding Time Horizon in Investing: Definition, Types, Mistakes Does longer time horizon necessarily imply reduced risk? Why 5 Years (60 Months) is the Statistical “Magic Number” for Equities