Carbon-Penalised Portfolio Insurance Strategies in a Stochastic Factor Model with Partial Information

Resumo Técnico: Estratégias de Seguro de Portfólio Penalizadas por Carbono em um Modelo de Fatores Estocásticos com Informação Parcial

1. Problema e Motivação

O artigo aborda o desafio de integrar considerações de sustentabilidade (especificamente o risco climático e a intensidade de carbono) em estratégias de Seguro de Portfólio Proporcional (PPI - Proportional Portfolio Insurance).

• Contexto: Investidores institucionais buscam proteger o capital contra quedas de mercado (garantindo um "piso" de riqueza) enquanto participam de ganhos de alta. No entanto, há uma pressão crescente para reduzir a exposição a ativos intensivos em carbono ("brown stocks") devido a riscos regulatórios, de transição e reputacionais.
• Desafio: A literatura existente frequentemente trata a sustentabilidade através de regras de exclusão rígidas ou restrições de portfólio. O artigo propõe uma abordagem mais flexível onde a aversão ao carbono é incorporada diretamente na função objetivo do investidor, permitindo que ativos "marroms" permaneçam no portfólio se o seu perfil risco-retorno for suficientemente atraente para compensar a penalidade.
• Incerteza: O modelo reconhece que os retornos esperados dos ativos não são observáveis diretamente, mas são modulados por um fator estocástico comum latente (ex: ciclos econômicos, condições monetárias), criando um cenário de informação parcial.

2. Metodologia e Modelagem

A. Dinâmica do Mercado:

• O mercado consiste em um ativo livre de risco e $n$ ações arriscadas cujos preços seguem movimentos brownianos geométricos.
• A taxa de retorno (drift) das ações é estocástica e depende de um fator latente $Y_t$, modelado como um processo de Ornstein-Uhlenbeck (OU).
• Informação Parcial: O investidor não observa $Y_t$ diretamente, apenas os preços das ações. O investidor deve inferir o valor de $Y_t$ usando teoria de filtragem estocástica (filtro de Kalman-Bucy), gerando uma estimativa $\Gamma_t = E[Y_t | \mathcal{F}_t]$ e uma variância do erro de estimação $P_t$.

B. Estratégia de Seguro de Portfólio (PPI):

• O portfólio é dividido entre um ativo livre de risco e um portfólio de referência arriscado.
• A exposição ao risco é proporcional ao colchão ($C_t = V_t - F_t$), onde $V_t$ é o valor do portfólio e $F_t$ é o piso garantido.
• A alocação é governada por um multiplicador $m_t$ e uma composição de pesos $\pi_t$.

C. Penalização por Carbono:

• O objetivo do investidor é maximizar a utilidade esperada do colchão terminal penalizado por carbono ($\hat{C}_T$).
• O colchão penalizado é definido como:
  $$\hat{C}_T = C_T \exp\left( -\frac{1}{2} \int_0^T m_s^2 \pi_s^\top (\Sigma_S \Sigma_S^\top \odot e) \pi_s \, ds \right)$$
  Onde:
  • $e$ é um vetor que atribui um peso de penalidade $\varepsilon$ apenas às ações "marroms" (intensivas em carbono).
  • A penalidade é proporcional à variância realizada dos ativos intensivos em carbono.
• Interpretação: Isso atua como um aumento endógeno na aversão ao risco específica para ativos de alto carbono, sem excluí-los totalmente.

D. Solução do Problema de Controle Ótimo:

• O problema é formulado como um problema de controle estocástico de tempo contínuo.
• Caso de Informação Completa: O investidor observa $Y_t$. A solução é obtida via o princípio de programação dinâmica e a equação de Hamilton-Jacobi-Bellman (HJB).
• Caso de Informação Parcial: O investidor observa apenas os preços. O problema é separado usando a teoria de filtragem, transformando-o em um problema de controle ótimo sobre a estimativa $\Gamma_t$ e a variância do erro $P_t$.
• Função de Utilidade: Assume-se uma função de utilidade CRRA (Constant Relative Risk Aversion) e, como caso limite, logarítmica.
• Solução Analítica: O artigo deriva soluções explícitas para a função de valor e as estratégias ótimas, expressas através de sistemas de Equações Diferenciais Ordinárias (EDOs) de Riccati.

3. Contribuições Principais

1. Novo Framework de PPI Sustentável: Introduz um modelo onde a consideração de carbono é incorporada diretamente na função objetivo via termo de penalidade, em vez de restrições exógenas. Isso permite um trade-off endógeno entre desempenho financeiro e impacto ambiental.
2. Integração de Informação Parcial: Estende a literatura de PPI para um ambiente onde os parâmetros de retorno são latentes e não observáveis, utilizando filtragem estocástica para derivar estratégias ótimas sob incerteza de parâmetros.
3. Caracterização Analítica: Fornece expressões fechadas para a estratégia ótima (multiplicador e pesos) e a função de valor tanto para informação completa quanto parcial.
4. Análise de Prêmio de Informação: Quantifica a perda de utilidade e a eficiência relativa de um investidor com informação parcial em comparação com um investidor com informação completa, mostrando como a penalização por carbono afeta esse prêmio.

4. Resultados Principais

A. Estrutura da Estratégia Ótima:

• A estratégia ótima de alocação decompõe-se em uma demanda miópica (baseada no risco-retorno instantâneo) e uma demanda de hedge intertemporal (para proteger contra mudanças nas oportunidades de investimento).
• A penalização por carbono ($\varepsilon$) altera a matriz de aversão ao risco efetiva, reduzindo especificamente a exposição aos ativos "marroms".
• Resultado Chave: A estratégia não exclui automaticamente ativos "marroms". Se um ativo "marrom" tiver um alto Sharpe Ratio (retorno ajustado ao risco), ele pode ser mantido no portfólio, mas com um peso reduzido em comparação a um cenário sem penalidade.

B. Impacto da Informação Parcial:

• Sob informação parcial, a estratégia ótima inclui termos adicionais de correção que dependem da variância do erro de estimação ($P_t$). Isso representa um hedge contra a incerteza dos parâmetros (risco de aprendizado).
• A perda de utilidade devido à informação parcial é estritamente positiva, mas diminui à medida que a aversão ao risco ($\delta$) ou a aversão ao carbono ($\vare$) aumentam.

C. Análise Numérica:

• Redução de Carbono: O aumento da aversão ao carbono ($\varepsilon$) reduz significativamente a exposição a ações "marroms" e aumenta a alocação em ativos "verdes" e no ativo livre de risco.
• Proteção de Risco: A penalização por carbono reduz a variância da riqueza terminal e melhora a proteção contra o lado esquerdo da distribuição (downside risk), especialmente em cenários onde ações "marroms" têm desempenho superior.
• Eficiência: A penalização por carbono melhora a eficiência relativa da estratégia sob informação parcial. Curiosamente, sob alta aversão ao risco, o prêmio de informação (vantagem de quem sabe o fator latente) torna-se quase nulo, sugerindo que a prudência do investidor compensa a falta de informação perfeita.

5. Significado e Implicações

• Para Gestores de Fundos e Seguradoras: O modelo oferece uma ferramenta quantitativa para integrar critérios ESG (Environmental, Social, and Governance) em produtos de proteção de capital (como fundos de pensão e produtos estruturados) sem sacrificar a garantia de capital.
• Regulatório: A abordagem alinha-se com as diretrizes de autoridades como a EIOPA, que exigem a incorporação de riscos climáticos nos quadros de gestão de risco (ORSA), interpretando a penalidade como um ajuste de risco prospectivo.
• Acadêmico: O trabalho preenche uma lacuna na literatura ao combinar controle ótimo estocástico, filtragem de informação parcial e finanças sustentáveis em um único framework analítico tratável.

Em resumo, o artigo demonstra que é possível projetar estratégias de seguro de portfólio que são robustas financeiramente, adaptativas à incerteza de mercado e consistentes com objetivos de descarbonização, onde a penalização por carbono atua como um mecanismo de precificação interna do risco climático.