Blog

Na Parte I do VaR foi possível definir brevemente o que é VaR e abordar seu primeiro detalhe, a Confiança do VaR.Agora, será abordado o próximo detalhe: o modelo EWMA – Exponentially Weighted Moving Average – ou, simplesmente, Decaimento Exponencial (e seus desdobramentos).A conclusão da Parte I foi a sugestão de uma confiança de 95% para não se exigir mais do que o modelo de VaR pode oferecer. Importante ainda ressaltar que a confiança deve ser única para o VaR, o que significa dizer que não se utilizar várias confianças (uma para cara série financeira) ao mesmo tempo. Esta unicidade da confiança será melhor abordada quando mencionada a validação de modelo nos próximos capítulos.De posse da confiança, tem-se o decaimento exponencial, uma solução inteligente para um problema grande.Decaimento ExponencialA matéria prima para determinação do risco é, como vimos na Parte I, uma série equivalente ao logaritmo dos retornos dos preços dos ativos financeiros, a fim de se obter uma nova série com distribuição normal (série gaussiana).Na ótica de risco, quanto mais oscilar esta série, maior o risco do ativo. Esta oscilação é, para uma série gaussiana, representada pela sua volatilidade ou pelo seu desvio padrão, ao qual ainda será aplicado o multiplicador da confiança escolhida para se determinar o risco final.A forma básica de cálculo de desvio padrão consiste em calcular a distância de cada ponto da amostra em relação ao ponto médio da mesma amostra. Com isto, determina-se uma distância média em relação à própria média. Em termos mais rígidos, o desvio padrão é a raiz quadrada da soma quadrática destas distâncias. Os “quadrados” aparecem para evitar o efeito da anulação de distâncias positivas (ponto da amostra maior do que a média) e distâncias negativas (ponto da amostra menor do que a média).O uso da mecânica básica do desvio padrão tem algumas ressalvas:1) Utilizando o cálculo desta distância média, todos os pontos da amostra contribuem da mesma forma. Ou seja, um ponto mais recente tem a mesma participação na distância média que um ponto bem no passado da série. Parece sedutora a idéia contrária de valorizar as oscilações (distâncias) mais recentes.2) Como o desvio padrão representa uma média, a escolha de quantos pontos devem ser utilizados passa a ser muito importante. Uma série com 30 pontos é bem diferente de uma série com 252 (1 ano) ou mesmo com 504 (2 anos) pontos.Neste ponto, aparece o EWMA como solução.Decaimento exponencial significa que pontos mais velhos têm uma importância inferior a pontos mais recentes segundo uma lógica exponencial. Por exemplo, utilizando-se 0,94 de decaimento, equivale a dizer que a importância dos pontos é reduzida em 6% a medida que a amostra caminha para o passado. Ou seja, calibrando esta perda de importância, pode-se valorizar mais a informação mais recente em detrimento da informação mais antiga.Como consequência deste decaimento exponencial, a perda de importância do passado (6% para cada ponto com 0,94 de decaimento) nunca chegará a 0, mas chegará a um limite onde a importância do ponto é tão pequena que pode ser desprezada. Este limite de desprezo do passado é a Tolerância do modelo EWMA de VaR.TolerânciaA tolerância é uma consequência do uso do decaimento exponencial, pois não se utiliza o conceito de tamanho da amostra, como na forma básica do desvio padrão. O tamanho é definido pela tolerância e não a tolerância pelo tamanho. É comum encontrar instituições que utilizam 252 dias para tamanho da amostra por entenderem que 1 ano (em dias úteis) representaria um clico econômico consistente. O raciocínio sobre ciclo – independente do prazo – está correto, mas o raciocínio sobre tamanho, não. Em EWMA não existe tamanho, existe tolerância.Definir tolerância é definir quanto da volatilidade anciã será desprezada:

• 1% parece uma tolerância razoável – considerou-se 99% da entropia da amostra
• 0,1% para uma intolerância razoável – considerou-se 99,9% da entropia da amostra

Mas qual é o tamanho da amostra?Com decaimento exponencial, que valoriza a informação recente e tolerância, que define o desprezo do passado, determina-se o tamanho da amostra de dados a ser utilizada.Por exemplo, para o decaimento de 0,94 e uma tolerância de 1%, são utilizados apenas 3 meses e meio de dados da série. No mesmo exemplo, para os intolerantes de 0,1%, são utilizados apenas 5 meses e meio de dados da série. Utilizar 252 neste cenário, não faz sentido!Como resumo, a Parte II apresenta a definição do decaimento exponencial e sua respectiva tolerância. Outros detalhes ainda serão explorados depois. Por enquanto, utilizar uma tolerância de 1% é razoável. Já para o decaimento, pode-se dizer apenas que utilizar um decaimento de 0,94 NÃO é razoável, ainda não.Quais parâmetros você usa?O modelo de VaR, suas variações e parâmetros são ferramentas do Sistema de Risco de Mercado, integrante da Plataforma Integrada de Risco Duxus (https://www.duxus.com.br).

Value at Risk ou simplesmente valor em risco ou, ainda, valor que se pode perder.

VaR teve sua origem na gestão de ativos e passivos (ALM – asset liability management), com o objetivo de medir o risco dos descasamentos de prazos de fluxos a pagar e fluxos a receber em função das oscilações de preços do mercado dos instrumentos financeiros envolvidos.

Quando adicionado às estratégias de uso de diversos fatores de risco para cobertura cruzada de ativos e passivos, o VaR se mostrou tão promissor que foi rapidamente absorvido na cultura de gestão de risco em investimentos.

‍Mas o que é VaR?VaR é uma forma simples de se medir o valor da perda máxima de um investimento. Analisando apenas um ativo e observando a oscilação histórica de preços deste ativo, pode-se dizer que o valor em risco é igual ao tamanho histórico destas oscilações. Por exemplo, se um ativo costuma subir e descer aproximadamente 10% de seu preço, podemos dizer que existe um risco médio de se perder no máximo 10% do investimento no ativo independente do dia da aplicação.

Isto é VaR.VaR é só isso? Sim e não.

Sim, porque é realmente uma medida de perda baseada nas oscilações históricas.Não, porque tem alguns poucos detalhes a mais. Poucos, mas relevantes.

O importante de cada um destes detalhes adicionais é entender o quanto eles fragilizam o resultado e o primeiro detalhe em discussão é a confiança do VaR.

‍Confiança do VaR

‍VaR é um modelo matemático de previsão de perdas. Por sua natureza como modelo, pode funcionar ou falhar.Falhar não significa que a perda foi superior ao previsto, mas que a perda foi superior ao previsto mais vezes do que se esperava. Estabelecer a confiança é estabelecer esta definição de falha do modelo.

Confiança do VaR pode ser, portanto, entendida como a quantidade de vezes que o modelo não ultrapassará a perda máxima. Como o 100% é inatingível, tem-se que escolher um número menor e real.

Para auxiliar esta escolha, utiliza-se o modelo estatístico da curva de distribuição normal. É o modelo mais comum de distribuição, sendo definido apenas por média e variância. O único problema é que os ativos financeiros e seus retorno (ou oscilações de preços) não respeitam este tipo de comportamento. Eles têm uma distribuição aproximadamente log-normal: caem no máximo 100% e podem subir ilimitadamente (atenção ao destaque da palavra aproximadamente).

Por outro lado, esta distribuição log-normal tem a característica de seu logaritmo ter uma distribuição normal. Ou seja, aplicando o logaritmo dos retornos, modifica-se os preços históricos dos ativos para uma distribuição normal. Isto é bom.

De posse da distribuição normal, pode-se estabelecer a confiança pela escolha do multiplicador do desvio-padrão, lembrando que dentro de 1 desvio-padrão para cada lado da média tem-se cerca de 68% das possibilidades. Utilizando 1,65 desvios-padrão (bicaudal – perda ou ganho), tem-se cerca de 90% das possibilidades cobertas ou 95% das perdas cobertas.

Não é incomum encontrar em algumas instituições definições de confiança de VaR acima de 95%. Muitas vezes, 99%. Este patamar de confiança é mais conservador do que 95%, pois será utilizado um multiplicador maior para o desvio-padrão. Isto porém, pode ser a primeira armadilha.

A confiança não define a eficiência do modelo. Define o que significa a falha do modelo. Uma confiança de 99% do modelo equivale a dizer que ele só pode falhar 1% das vezes. Para isto ser verdade, o “aproximadamente log-normal” já não pode ser tão aproximadamente assim.

Em resumo, uma confiança de VaR alta exige muita performance do modelo e muita estabilidade (de comportamento) das séries financeiras envolvidas, o que costuma gerar uma falsa sensação de conservadorismo do valor em risco.

Ainda falta discutir outros detalhes, mas por agora, 95% de confiança parece bastante suficiente.

Qual a sua?O modelo de VaR, suas variações e parâmetros são ferramentas do Sistema de Risco de Mercado, integrante da Plataforma Integrada de Risco Duxus (https://www.duxus.com.br).

Na parte I e II, foi apontada a confiança em 95%, a tolerância de 1%, que define o histórico de tempo e o decaimento prévio – e ainda não razoável – de 0,94.

Falta definir amostragem, multiplicidade de ativos e validação do modelo. Neste tópico, será tratada a amostragem.

‍Amostragem

‍A amostragem representa a periodicidade com que os dados históricos são coletados e utilizados. Parece uma decisão simples, mas não é.

No Brasil, é muito comum os dados serem diários e em dias úteis. Uma sofisticação presente apenas em países em desenvolvimento. Em outras partes do mundo, há outras amostragens, principalmente a mensal.

A opção por dados diários ou mensais está muito relacionada ao custo de processamento da informação. Custo aqui significa não apenas processamento sistêmico, mas também o custo de coleta, de tratamento e armazenamento dos dados e também de análise dos resultados. Em outras palavras, VaR é caro para ser gerado e analisado. VaR diário é muito bom e muito caro.

A escolha de uma ou outra amostragem gera a questão de como se analisar outros horizontes de tempo. Quem vem resolver este problema é a regra da raiz quadrada do tempo. É claro que surgem exigências na distribuição de dados para aplicação desta regra, mas nada que já não esteja sendo exigido desde o início. Com esta regra, pode-se passar de um horizonte diário para um mensal e vice versa e mesmo extrapolar para horizontes maiores ainda, cuidando apenas para não exigir demais da regra. Ótima solução.

Outro problema – menor – que surge com amostragens temporais é a escolha dos intervalos. Por exemplo, se for semanal, pode acontecer de um ponto cair num feriado e distorcer um pouco a série.Uma atenção especial na escolha da amostragem e no uso da regra do tempo é para não se realizar combinações sem sentido econômico e muitas vezes enganosas.

Para exemplificar melhor este último cuidado, pode-se observar o gráfico abaixo contendo um histórico de retornos diários (bons e caros) do Ibovespa.

Em seguida, e de olho nos custos, alterna-se para uma amostragem de 21 dias úteis.

Neste ponto, já é possível observar que a amostragem 21 possui uma volatilidade maior, mas que equivalerá à amostragem diária após a multiplicação por raiz de 21 (regra da raiz quadrada do tempo).

Uma vez observadas amostragens corretas, é possível analisar a próxima tentativa.

Esta última plotagem representa a amostragem diária de um retorno de 21 dias úteis. Ou seja, a amostragem é diária mas a série foi modificada para “retornos 21″(?!).

Algumas conclusões muito relevantes:

• a série modificada não respeita os quesitos de distribuição homogênea de variância nem de normalidade da distribuição
• se fosse uma distribuição normal, se fosse, a volatilidade destes retornos seria amortecida por se comparar pontos distantes 21 dias (lei dos grandes números) e não pontos diários como na série original
• o uso de um retorno de 21 dias, induz ao raciocínio de que o resultado seria a volatilidade do retorno para este intervalo de tempo e não a volatilidade diária deste retorno modificado (que não tem sentido prático).

Em resumo, a escolha no Brasil é normalmente por séries diárias. Isto é cultural. Para outros horizontes, utiliza-se a regra do tempo mesmo. Algumas vezes, são solicitadas amostragens mensais, mas o resultado é muito semelhante ao anterior.Infelizmente, também se percebe no mercado amostragens alquimistas muito divertidas, mas muito inapropriadas para o que desejam medir: risco.

‍O modelo de VaR, suas variações e parâmetros são ferramentas do Sistema de Risco de Mercado, integrante da Plataforma Integrada de Risco Duxus (https://www.duxus.com.br).

Muito se fala sobre o Banco Master e sua recente troca de controle, com muitas menções sobre a tipificação de ativos da carteira deste banco. No entanto, pouco se fala de governança ou o “G” do ESG.

E governança também pode ser interessante e vamos ilustrar isso com o case do Banco Master.

Avaliação Rasa

À primeira vista, numa avaliação rasa, a estrutura de governança é relativamente simples e pode ser decomposta nos grupos a seguir.

• #1 matriz;
• #2 para as 3 filiais;
• #3 para as 2 participações societárias, como único sócio o próprio Banco;
• #4 para 1 participação societária, com parceria com uma pessoa física;
• #5 para 2 participações sequenciais a partir da empresa com sociedade compartilhada; e
• #6 para 1 participação sequencial sobre uma participação sequencial anterior.

‍

Um pequeno ponto de atenção seria que todos os relacionamentos societários possuem representação (“R” em preto no grafo) e no caso da participação compartilhada (#4), ao invés do Banco, apessoa física é que representa os sócios para a sequência societária (#5).

Avaliação Profunda

Do ponto de vista de governança, há ainda mais pessoas envolvidas nas sociedades, como administradores, diretores etc. E estes vínculos, podem ainda se envolver em outros negócios.

Aprofundando a análise para pegar detalhes de todos os relacionamentos societários, a avaliação muda um pouco de figura.

‍

O grafo acima não exauriu todas as possibilidades, pois ainda restam muitos nodos a serem explorados (pontos em verde ainda podem ser explorados), mas já dá uma boa noção da complexidade de avaliação de governança.

Conclusão

‍As avaliações acima são bastante distintas e mostram um exemplo real de que cadeias de Governança podem ser avaliadas com “G” maiúsculo.

Você decide como quer fazer!

‍As imagens apresentadas foram obtidas na ferramenta Navegador Societário do EcoRisk ESG disponível em https://ecorisk.com.br com assinatura do tipo BÁSICO.

Disclaimer: a visão presentada tem o mero objetivo de exemplificar a complexidade do processo de avaliação de governança corporativa e suas cadeias e não tem nenhuma pretensão sobre avaliação do Banco Master propriamente dito.

Vem mais IPCA por ai!

Na primeira discussão sobre inflação (https://blog.duxus.com.br/2021/01/18/riso-de-base-e-o-futuro-da-inflacao/) foi apresentado o descolamento e atraso “naturais” do IPCA em relação ao IGP-M. A conclusão foi que teríamos inflação mais alta medida pelo IPCA dali para frente. Agora, vamos continuar nesta análise.

O gráfico apresentado agora mantém os conceitos da análise anterior, sendo:

• As linhas azul e laranja representam, respectivamente, o corretor de inflação acumulado desde 2018 (parte I detalha desde 2007) até a data atual pelo IGP-M e pelo IPCA e mais um período futuro de projeções.
• A linha vermelha, representa a relação entre estes corretores ou IPCA acumulado dividido pelo IGP-M acumulado. Setas adicionais representam um “V” didático.

Há três variações de intensidade da linha, sendo:

• Linha fina, para parte real I (análise anterior);
• Linha média, para parte real II; e
• Linha grossa, projeção até 2023.

Pelas linhas médias do gráfico (parte real II), observa-se que o IGP-M “terminou” sua trajetória de alta e o processo de convergência do risco de base “iniciou” a propagação da inflação para o IPCA. Ainda em termos gráficos, o IGP-M está nivelando ou assumindo sua inclinação estrutural enquanto o IPCA está aumentando sua inclinação em relação ao seu comportamento estrutural.

Resumindo, o risco de base está começando a se ajustar com o aumento da inflação percebida pelo IPCA.

E como fica o Futuro?

Como o descolamento acumulado (risco de base) entre os índice de inflação ainda está muito grande, o futuro não parece promissor para o IPCA.

Considerando o IGP-M estável daqui para frente, ou seja, inflação zero (linha grossa azul), e considerando uma trajetória relativamente simétrica de recomposição do risco de base (“V” das setas em vermelho), pode-se estimar o IPCA para 2022 e 2023 como algo perto de 15% ao ano. Isso mesmo, 15% ao ano por 2 anos!

Considerando um “V” menos simétrico e a anulação do risco de base apenas em 2024, ainda teríamos um IPCA médio de 10,5% ao ano. Isso mesmo, 10,5% ao ano por 3 anos!

É claro que são muitas premissas para se precisar o nível de IPCA para os próximos anos, mas, seguramente, ele não será baixo.

O Incontrolável.

Este tipo de análise não corrobora para eficácia de aumento de taxa de SELIC pelo COPOM (CÔmite de POlítica Monetária).

Isto porque não é uma inflação de demanda ou oferta tradicional, mas um repasse de custos para uma cadeia produtiva e de serviços que já opera há quase 2 anos (contando apenas a pandemia) ou há quase 5 anos (contanto o passado recente da nossa economia) no limite da sua subsistência e que não vai ter nenhum receio de repassar custos. Isso sem contar o processo global de inflação pós-pandemia (ou inflação “pandêmica” global).

Sendo assim, seria melhor o Tesouro economizar no pagamento dos juros e esperar a inflação nivelar, deixando a SELIC como está. Mas é muito provável que o COPOM não resista à tentação de aumento de juros para tentar controlar o incontrolável.

Quem vai ganhar a eleição de SP? Reputação é importante e o sistema político sabem bem disso. Mas ela depende do que? Como melhorá-la e quem vai ganhar?

Escolhemos a maior capital do Brasil, São Paulo, para analisar o processo.

Os dados são relativos aos últimos 6 meses até 15/jan/2016, sendo que em meados de novembro, foram incluídas novas mídias sociais. As médias móveis são de 3 semanas.Primeiro vamos analisar a Força da reputação ou, em termos simplificados, o quão estável ela é.Dois nomes de destacam em termos de estabilidade:

• O atual prefeito Fernando Haddad, demostrando que a máquina pública realmente oferece visibilidade; e
• O apresentador José Datena, demonstrando a força que a mídia realmente possui.

Não por coincidência, nomes comuns nas finais de disputas eleitorais são ou nomes conhecidos e cuja filiação é disputada pelos partidos ou nomes herdados da situação política. Demais candidatos devem, portanto, investir mais para recuperar este gap.

Mas falar muito não significa falar bem. O próximo gráfico apresenta a reputação propriamente dita, “boa” ou “ruim”.

Pela análise do índice, percebe-se uma leve dispersão entre os candidatos, mas o prefeito atual continua na liderança, enquanto Bruno Covas com a pior reputação.Lembrando que uma reputação forte é mais difícil de ser abalada, parece que o prefeito atual vai dar mais trabalho do que se imagina para ser deposto.Até o momento, o quadro é:

• 1 e 2 – Fernando Haddad e José Datena: fortes e bem classificados;
• 3 a 6 – Marta Suplicy, João Dória, Paulo Skaf e Gabriel Chalita: empatados, nesta ordem;
• 7 e 8 – Andrea Matarazzo e Celso Russomano: menor força, nesta ordem; e
• 9 – Bruno Covas

Qual o seu candidato?A Élin Duxus possui sistema de acompanhamento e cálculo de reputação em tempo real focado em instituições financeiras. Este sistema usa mídias impressas e redes sociais em conjunto com um algorítimos de inteligência artificial para avaliação das notícias. O objetivo aqui é incentivar o acompanhamento em tempo real da reputação destas instituições mostrando aplicações em outros setores, como o político.

Muito se exige dos bancos para acompanhamento e mensuração de risco de reputação, mas pouco se define.Esta falta de definição se dá pela dificuldade de definição de uma métrica. A seguir, uma sugestão de metodologia de alocação de capital para risco reputacional, incluindo resultado para alguns bancos.Premissas do modelo:

• O valor máximo alocável foi determinado com base na perda histórica média de depósitos totais (conta contábil 4.1.0.00.00-7) de instituições em dificuldade real ou reputacional no passado;
• O período observado para estas perdas históricas, assim como o período considerado na perda da reputação foi de 1 mês ou 4 semanas;
• O cálculo da reputação foi realizado considerando o estado atual da reputação e a força desta reputação:
  • Estado atual corresponde à avaliação positiva ou negativa das notícias e comentários de redes sociais;
  • Força corresponde à estabilidade desta avaliação, diretamente dependente da quantidade de notícias ou posts; e
  • Os valores de força e estado foram obtidos pelo sistema de reputação da Duxus.
• Durante o período observado, a força foi utilizada para determinar o percentual do valor alocável, enquanto a reputação propriamente dita foi considerada como o estoque a ser consumido antes da alocação propriamente dita; e
• A alocação foi disparada assim que a reputação (projetada) ficou inferior ao patamar médio, indicando baixa reputação.

Como comparação, se fosse um gráfico, seria possível dizer que a reputação foi projetada para o pior nível, sendo a inclinação da queda dada pela força e o ponto de partida dado pelo estado atual da reputação.‍

‍

Resultados

‍A lista a seguir apresenta os resultados obtidos para vários bancos analisados.

Instituição -> Alocação (R$) -> % Depósitos -> % PR

BB (C) -> 10.523.697.496 -> 2,37% -> 14,59%

CEF -> 11.079.097.887 -> 2,60 % -> 41,91%

Itaú(C) -> 7.596.532.138 -> 2,46% -> 7,22%

Bradesco(C) -> 3.882.351.187 -> 1,97% -> 4,46%

Santander(C) -> 3.820.269.208 -> 2,65% -> 6,17%

HSBC -> 1.464.138.695 -> 2,64% -> 15,09%

Banrisul (C) -> 1.369.418.432 -> 3,76%23,41%

Bancoob (C) -> 1.364.802.575 -> 7,17% -> 161,03%

BTG Pactual (C) -> 575.927.052 -> 3,05% -> 3,54%

BNDES -> 289.718.726 -> 1,84% -> 0,76%

Citibank (C) -> 547.983.120 -> 3,85% -> 7,80%

PAN (C) -> 572.179.899 -> 4,85% -> 15,50%

BNB -> 490.025.708 -> 4,25% -> 17,09%

Sicredi -> 447.077.665 -> 4,06% -> 38,93%

Safra (C) -> 446.352.644 -> 4,37% -> 4,79%

Banestes (C) -> 426.538.428 -> 4,80% -> 38,20%

BRB (C) -> 501.106.500 -> 5,64% -> 42,23%

Mercantil do Brasil (C) -> 470.164.405 -> 5,76% -> 67,17%

IBM496.002.833 -> 7,17% -> 118,48%

BIC (C)255.660.7274,25%27,08%

BMG (C)331.151.7415,92%10,46%

ABC-Brasil (C)221.672.667 -> 4,32% -> 9,49%

Votorantim (C)264.154.026 -> 5,25% -> 3,37%

Daycoval -> 215.049.133 -> 4,63 -> %8,13%

Banpará -> 208.692.114 -> 5,05% -> 34,34%

GMAC -> 356.461.940 -> 9,09% -> 22,00%

Basa -> 193.150.520 -> 5,56% -> 10,76%

Banese -> 142.488.869 -> 4,67% -> 48,25%

Volkswagen -> 161.291.987 -> 6,13% -> 5,79%

Honda (C) -> 214.115.950 -> 8,52% -> 32,11%

Sofisa -> 139.560.019 -> 6,12% -> 20,51%

Fibra -> 98.082.804 -> 4,32% -> 11,57%

JP Morgan (C) -> 66.111.926 -> 3,00% -> 1,85%

Deutche Bank (C) -> 83.416.869 -> 4,01% -> 4,79%

Indusval (C) -> 97.682.1184,73%18,17%

Pine -> 106.078.297 -> 6,64% -> 8,78%

Bes -> 60.423.175 -> 4,49% -> 9,22%

Modal -> 64.327.469 -> 6,20% -> 27,53%

ndustrial (C) -> 72.433.114 -> 7,26% -> 15,12%

Original (C) -> 64.115.068 -> 6,48% -> 3,15%

Intermedium (C) -> 67.206.345 -> 6,85% -> 21,01%

A.J Renner -> 45.011.864 -> 6,46% -> 41,35%

Banif (C) -> 34.835.625 -> 5,05% -> 21,52%

Rendimento (C) -> 26.452.014 -> 4,25% -> 12,89%

Fator (C) -> 20.135.675 -> 3,56% -> 6,06%

Mizuho (C) -> 27.324.129 -> 4,91% -> 5,40%

Semear -> 43.660.824 -> 9,92 -> %51,10%

BBM (C) -> 17.768.424 -> 7,95% -> 3,09%

Brasil Plural (C) -> 4.596.197 -> 5,18% -> 3,62%

(C) indica conglomerado. PR utilizado como referência foi ajustado pelo resultado do mês.

Conclusão

‍Alguns bancos devem investir urgentemente em reputação. Caso contrário, um pequeno tweet poderá “esvaziá-lo”.

‍

‍As informações foram obtidas a partir do Sistema TRISK e do Sistema de Risco Reputacional, ambos integrantes da Plataforma Integrada de Risco Duxus (https://www.duxus.com.br), que possuem – respectivamente – indicadores de instituições e cálculos de reputação em tempo real.

Quanto mais alto, melhor!

‍Instituição -> Ranking e Tendência

CAIXA ECONÔMICA FEDERAL -> 95,80 ▲

PARANÁ -> 92,35 ▲

PARANÁ (C) -> 92,35 ▲

BRADESCO (C) -> 92,30 ▲

ITAÚ-BBA -> 91,70 –

BMG (C) -> 91,50 ▲

BRB – BCO DE BRASÍLIA (C) -> 91,25 ▲

BANESE -> 91,05 ▲

CITIBANK -> 91,05 ▲

BANCOOB -> 90,05 ▲

BANCOOB (C) -> 90,05 ▲

CSF – CARREFOUR -> 90,00 ▲

RODOBENS -> 89,90 ▲

RENDIMENTO -> 89,80 ▼

RENDIMENTO (C) -> 89,80 ▼

BARCLAYS (C) -> 89,20 ▲

DAYCOVAL -> 88,25 ▲

BANPARÁ -> 88,20 ▲

OPPORTUNITY (C) -> 88,00 –

CITIBANK (C) -> 87,55 ▲

BNP PARIBAS -> 87,50 ▲

CNH CAPITAL -> 87,35 ▲

ALFA (C) -> 86,95 ▲

BTG PACTUAL (C) -> 86,30 ▼

BRDE -> 86,25 ▲

FIDIS -> 86,15 ▲

INDUSCRED -> 86,00 ▲

ALFA -> 85,95 ▲

OPPORTUNITY -> 85,75 ▼

BASA -> 85,55 ▲

BARCLAYS -> 85,45 ▲

BGN -> 85,25 ▲

TRIÂNGULO -> 85,20 ▼

CARGILL -> 85,00 ▲

BRADESCARD -> 85,00 ▲

NATIXIS BRASIL -> 85,00 ▼

ITAÚ (C) -> 84,50 ▼

SOCIÉTÉ GÉNÉRALE -> 84,30 ▲

MERCEDES-BENZ -> 84,25 ▼

JOHN DEERE -> 84,20 ▲

ING BANK N.V. -> 84,00 ▼

ING BANK N.V. (C) -> 84,00 ▼

BDMG -> 83,75 ▼

BEXS – DIDIER LEVY -> 83,75 ▲

BANRISUL -> 83,50 ▼

BANRISUL (C) -> 83,50 ▼

CREDIT SUISSE -> 83,25 ▲

CLÁSSICO -> 82,50 ▲

RABOBANK -> 82,50 ▼

BRB – BCO DE BRASÍLIA -> 82,50 ▼

ABC BRASIL -> 82,30 ▼

BM&F -> 82,30 ▲

BRADESCO -> 82,30 ▲

RANDON -> 82,25 ▲

LUSO BRASILEIRO -> 82,25 ▲

BEXS – DIDIER LEVY (C) -> 82,25 ▲

BANCO DO BRASIL -> 82,05 ▼

BANCO DO BRASIL (C) -> 82,05 ▼

MERCEDES-BENZ (C) -> 82,00 ▼

PSA FINANCE BRASIL -> 81,75 ▼

HONDA -> 81,70 –

HONDA (C) -> 81,70 –

PINE -> 81,25 ▲

MERCANTIL DO BRASIL -> 81,20 ▼

MERCANTIL DO BRASIL (C) -> 81,20 ▲

GUANABARA -> 81,00 ▲

INTERCAP -> 81,00 ▲

BANIF (C) -> 81,00 ▲

VOTORANTIM (C) -> 80,30 ▼

SEMEAR -> 80,25 ▲

SOFISA -> 80,15 ▼

COOPERATIVO SICREDI -> 80,10 ▼

BNB – BCO DO NORDESTE -> 80,05 ▼

ABC-BRASIL (C) -> 80,05 ▼

BOAVISTA -> 80,00 ▼

DEUTSCHE BANK -> 80,00 ▼

DEUTSCHE BANK (C) -> 80,00 ▼

SCANIA -> 79,75 ▲

SANTANDER -> 79,55 ▲

SANTANDER (C) -> 79,55 ▼

SAFRA (C) -> 79,55 ▼

STANDARD -> 79,50 ▲

ORIGINAL (C) -> 79,50 ▼

BANESTES -> 79,45 ▲

BANESTE (C) -> 79,45 ▲

A.J. RENNER -> 79,25 ▼

INDUSTRIAL -> 79,25 ▲

INDUSTRIAL (C) -> 79,25 ▲

BBM (C) -> 79,00 ▲

PORTO REAL -> 78,50 ▲

CONFIDENCE DE CÂMBIO (C) -> 78,50 ▼

BARIGUI (C) -> 78,50 ▲

TOYOTA -> 78,20 ▲

BANDES -> 78,00 ▲

PAN -> 8,00 ▼

SCHAHIN – BCV -> 78,00 ▼

PAN (C) -> 78,00 ▼

VOLKSWAGEN -> 77,50 ▲

INVESTCRED UNIBANCO -> 77,50 –

LAGE LANDEN -> 76,70 ▼

VOLVO -> 76,70 ▲

SAFRA -> 76,55 ▼

ORIGINAL -> 76,50 ▼

WESTERN UNION (C) -> 76,50 ▼

MORGAN STANLEY (C) -> 76,50 ▲

BNY MELLON (C) -> 76,00 ▼

ITAÚ UNIBANCO -> 75,80 ▲

FIAT – ITÁU VEÍCULOS -> 75,50 ▲

VOTORANTIM -> 75,30 ▼

MIZUHO (C) -> 75,25 ▲

INTERMEDIUM -> 75,05 ▼

VR -> 75,00 ▼

VR (C) -> 75,00 ▼

STANDARD CHARTERED -> 74,75 ▲

GMAC -> 4,50 ▼

LA REP. ORIENTAL URUGUAY -> 73,75 ▼

MERRILL LYNCH (C) -> 73,75 ▲

MORGAN STANLEY -> 73,50 ▲

RIBEIRÃO PRETO -> 73,25 ▲

ARBI -> 72,25 ▲

MIZUHO -> 72,25 ▲

TOPÁZIO -> 72,00 ▼

MONEO -> 71,75 ▼

PAULISTA -> 71,55 ▼

BMG -> 71,25 ▲

GE CAPITAL -> 71,20 ▼

BANIF -> 71,00 ▲

CÉDULA -> 70,75 ▲

WOORI BANK -> 70,75 ▲

OURINVEST -> 70,50 ▼

WESTERN UNION -> 70,50 ▼

BIC – INDUSTRIAL E COM. -> 70,45 ▼

BNDES -> 69,80 ▼

BTG PACTUAL -> 69,80 ▼

MÁXIMA -> 69,75 ▲

MÁXIMA (C) -> 69,75 ▲

BBM -> 69,00 ▲

PETRA -> 69,00 ▼

HSBC -> 68,75 ▼

YAMAHA MOTOR -> 68,50 –

BNY MELLON -> 68,50 ▼

CONFIDENCE DE CÂMBIO -> 68,50 ▼

CATERPILLAR -> 68,45 ▼

BIC – BANCO INDUSTRIAL & COMERCIAL S.A (C) -> 68,20 ▼

BONSUCESSO -> 67,50 ▲

CAIXA GERAL BRASIL -> 67,20 ▲

MERRILL LYNCH -> 67,00 ▼

BR PARTNERS BI -> 66,50 ▲

BR PARTNERS BI (C) -> 66,50 ▲

MODAL -> 66,25 ▲

TOKYO-MITSUBISHI -> 65,50 ▼

SUMITOMO MITSUI -> 65,45 ▼

ORIGINAL DO AGRO -> 65,00 ▲

GOLDMAN SACHS (C) -> 65,00 ▲

TRICURY -> 64,70 ▼

FORD -> 64,00 ▼

PECÚNIA -> 63,55 ▼

GOLDMAN SACHSv63,50 ▲

CAIXA GERAL BRASIL (C) -> 63,45 ▼

KEB DO BRASIL -> 63,00 ▼

IBM -> 62,00 ▲

MAXINVEST -> 61,75 ▼

FATOR -> 61,05 ▼

LA PROV. DE BUENOS AIRES -> 60,50 ▲

BPN BRASIL BM -> 60,25 ▼

LEMON – BRACCE -> 60,00 ▼

POTTENCIAL -> 60,00 ▼

FIBRA -> 58,70 ▼

BES (C) -> 58,45 ▲

LA NACION ARGENTINA -> 58,00 ▲

VIPAL -> 56,50 ▼

NOVO BCO CONTINENTAL -> 56,50 ▲

CACIQUE -> 56,05 ▼

CHINA -> 56,00 ▼

BES -> 55,45 ▼

J.P. MORGAN (C) -> 55,00 ▼

DRESDNER BANK -> 54,25 ▲

INDUSVAL -> 53,95 ▼

FATOR (C) -> 53,55 ▼

J.P. MORGAN -> 53,50 ▼

CAPITAL -> 52,50 ▼

GERADOR -> 52,00 ▼

INDUSVAL (C) -> 51,45 ▼

CALYON -> 51,20 ▼

BRASIL PLURAL -> 49,50 ▲

AZTECA -> 45,00 ▼

CIT – COMM. INV. TRUST -> 44,50 ▲

C -ConglomeradosValores de conglomerados são comparados com conglomerados apenas, apesar de representados em conjunto. Estes, podem divergir da instituição isolada.As informações foram obtidas a partir do

Sistema TRISK, integrante da Plataforma Integrada de Risco Duxus (https://www.duxus.com.br). O resultado foi produzido com base num cenário pessoal de ranqueamento de instituições.