Resumo O presente artigo avalia a relação entre ativos opacos e o risco, retorno e captação dos fundos multimercados. Em particular, empregou-se uma base de dados considerada única, por conter informações requeridas pelo órgão regulador brasileiro para avaliar o montante investido pelos fundos em contratos a termo, contratos futuros, swaps e opções. Foram considerados fundos direcionados tanto para investidores qualificados quanto não qualificados. Nossos resultados apontam para associação positiva entre derivativos e a variação do risco, mas negativa para a relação entre derivativos (especialmente swaps) e as medidas de desempenho mensais desses fundos. Dessa forma, o uso de derivativos esteve relacionado a um incremento de risco dos fundos (total e sistemático) sem necessariamente estar vinculado ao benefício de um maior retorno. Observou-se também que fundos multimercados que adotam operações de alavancagem com derivativos apresentam, no geral, uma menor medida de performance anual. Adicionalmente, existe evidencia de que swaps estão relacionados a captação do fundo de forma negativa (independentemente desses fundos serem direcionados a investidores qualificados ou não qualificados).

Abstract This article analyzes the relationship between opaque assets and the risks, returns and inflows of hedge funds. In particular, we use a unique dataset containing information required by a Brazilian regulator to evaluate the amount invested by funds in forward and future contracts, swaps and options in the context of qualified and non-qualified investors. Our results show a positive association between the positions in derivatives and the variations in risk and a negative association between derivatives (especially swaps) and the funds' monthly performances. This means that the use of more derivatives is related to higher risk (total and systematic) without the benefit of higher return. Hedge funds adopting leveraged operations with derivatives also present a lower annual performance. In general, there is significant evidence that swaps are related to fund inflows in a negative way with regard to qualified and non-qualified investors.

O presente estudo compara dois métodos para estimação do fluxo de caixa em risco (CF@R), a saber: o modelo autorregressivo integrado com médias móveis (ARIMA) e o método de vetores autorregressivos com mecanismo de correção de erros (VAR/VECM) com variáveis exógenas, ambos aplicados ao contexto do setor elétrico brasileiro. O artigo contribui com a literatura existente pela aplicação de dois métodos com o objetivo de escolher as melhores estimativas de CF@R, objetivando melhorar o gerenciamento dos riscos corporativos: o backtesting das estimativas de fluxo de caixa em risco e a geração de cenários de stress, ambos usando simulação de Monte Carlo. A última técnica averiguou os impactos de cenários extremos (obtidos a partir da distribuição dos fatores de risco), tais como o racionamento de energia, sobre a estimativa futura do fluxo de caixa operacional.

The present study compares two estimation approaches to cash flow-at-risk (CF@R): Autoregressive Moving Average Model (ARIMA) and Vector Autoregressive Model (VAR/VECM) with exogenous variables. Both are used to calculate the cashflow-at-risk of Brazilian energy companies. Its major contribution, however, is the application of two methods used to compare CF@AR estimations, aiming to improve the managing of corporative risks: backtesting of CF@R estimates and stressed scenarios, both using Monte Carlo Simulation. The last one considered the impact of extreme values (obtained from the distribution of the risk factors), like energy rationing, over estimation of operational cash flows.

A despeito da relevância, para uma empresa, de mensurar a probabilidade do fluxo de caixa, numa data futura, atingir valores que a impeçam de honrar compromissos ou firmar projetos de investimento ou financiamento, discussões sobre métodos capazes de fornecer tal probabilidade são incipientes. Pretendendo contribuir para tal discussão, este artigo apresenta métodos alternativos para verificação do fluxo de caixa em risco baseados na métrica Cash-Flow-at-Risk (C-FaR). Ilustrativamente, uma aplicação no segmento têxtil é realizada, sendo apresentados dois métodos para estimação dos fatores de risco relevantes do fluxo: setorial (painel) e individual (séries temporais), com simulação de choques inesperados sobre as previsões a partir da série do fator (nível) e da série de erros de previsão do fator (erro), além de um procedimento ingênuo, em que a distribuição do fluxo de caixa é acessada sem que se identifiquem explicitamente seus fatores de risco, pelo bootstrap da série de valores históricos de seus componentes (receitas, custos e despesas). Os resultados encontrados revelam que, na amostra, o melhor método estimou fatores de risco por empresa (enfoque de série de tempo) e simulou choques a partir dos erros de previsão dos fatores de risco.

Despite the relevance for companies in general of measuring the probability that its cash flow on a certain future date might reach values that would make it impossible for the company to honor its commitments, make investments or choose a more reliable capital structure, discussions on methods capable of indicating such probability are in their early days. Considering this scenario, this paper proposes different methods of measuring cash flow-at-risk based on the RiskMetrics Cash-Flow-at-Risk metric. As a practical example, an application to the textile sector is presented and two methods for risk factor identification were analyzed: sector relationships (panel) and individual relationships (time series). Secondly, factor simulations were made by: 1) original factor series (level) and 2) factor forecast error series (error). Plus, as a naive procedure, original cash flow component series are bootstrapped (and no risk factor is identified), in order to verify if a naive procedure would perform better than complex ones. Results show that, for the sample, the best method took risk factors by company (time series approach) and simulated shocks by forecast errors (error approach).