Capítulo 7 — O Preço do Talvez¶

Até agora, o consumidor do nosso livro vivia num mundo confortável: ele sabia exatamente quanto custava cada bem, quanto ganhava por mês e qual era a qualidade de cada produto. A partir deste capítulo, tiramos esse tapete. No mundo real, o agricultor planta sem saber se vai chover; o investidor aplica sem saber se o mercado vai subir; o trabalhador aceita um emprego sem garantia de que a empresa sobreviverá. A incerteza é a regra, não a exceção — e a microeconomia precisa de ferramentas para lidar com ela.

Este capítulo desenvolve a teoria da escolha sob incerteza a partir do conceito de loteria, passando pela formulação axiomática da utilidade esperada de Von Neumann e Morgenstern, pela caracterização da aversão ao risco e suas medidas quantitativas, até os mecanismos institucionais que permitem reduzir ou redistribuir riscos. Ao final, introduzimos a abordagem de estado-preferência e oferecemos uma visão preliminar dos problemas de informação assimétrica que serão aprofundados em capítulos posteriores.

Roteiro do capítulo. A leitura segue uma progressão natural: partimos do instrumental estatístico mais básico — a loteria e o valor esperado (Seção 7.1) — para mostrar por que ele é insuficiente como critério de decisão. Em seguida, construímos o arcabouço axiomático da utilidade esperada de Von Neumann e Morgenstern (Seção 7.2), que resolve o paradoxo de São Petersburgo e serve de fundação para todo o restante da teoria. Com essa ferramenta em mãos, classificamos atitudes frente ao risco (Seção 7.3) e as medimos com precisão por meio dos coeficientes de Arrow-Pratt (Seção 7.4). As Seções 7.5 e 7.6 traduzem essas medidas em quantidades monetárias observáveis — o equivalente de certeza e o prêmio de risco — e examinam como indivíduos e instituições lidam com a incerteza na prática. A Seção 7.7 reconecta a teoria do consumidor (Cap. 3) ao mundo da incerteza via abordagem estado-preferência, e a Seção 7.8 antecipa os temas de informação assimétrica que serão centrais nos capítulos seguintes.

Conexões com outros capítulos. O leitor que estudou a Seção 2.12 (estatística básica para economistas) encontrará aqui os conceitos de valor esperado e variância num papel protagonista, agora inseridos num modelo de escolha. Mais importante, o Capítulo 3 introduziu a utilidade como representação ordinal das preferências — o que importava era a ordenação, não o número em si. Neste capítulo, veremos que a utilidade VNM é fundamentalmente diferente: ela é uma representação cardinal, única a menos de transformações afins, e essa cardinalidade não é uma convenção matemática, mas uma exigência dos próprios axiomas de escolha racional sob incerteza. Compreender essa distinção é o primeiro passo para dominar a teoria do risco.

7.1 Loterias e Valor Esperado¶

O primeiro passo é surpreendentemente simples: toda decisão sob incerteza é uma loteria. Comprar ações da Petrobras? Loteria (pode subir ou cair). Abrir uma padaria? Loteria (pode dar certo ou quebrar). Até atravessar a rua sem olhar é uma loteria — com probabilidades que você prefere não calcular. Essa metáfora não é apenas poética: é literal. O conceito matemático de loteria é geral o suficiente para representar qualquer situação cujo resultado depende do acaso.

Loteria simples

Uma loteria simples é uma distribuição de probabilidade sobre um conjunto finito de resultados. Formalmente, uma loteria $L$ é descrita por:

\[ L = \{(x_1, p_1), (x_2, p_2), \ldots, (x_n, p_n)\} \]

onde $x_i \in \mathbb{R}$ são os possíveis resultados (payoffs monetários) e $p_i \geq 0$ são as probabilidades associadas, com $\sum_{i=1}^{n} p_i = 1$.

O valor esperado de uma loteria é a média ponderada dos resultados pelas respectivas probabilidades:

\[ E[L] = \sum_{i=1}^{n} p_i \, x_i \label{eq:7.1} \tag{7.1} \]

Exemplo numérico

Considere a loteria $L = \{(100, 0{,}5); (0, 0{,}5)\}$. O valor esperado é:

\[ E[L] = 0{,}5 \times 100 + 0{,}5 \times 0 = 50 \]

Um agente que aceita ou rejeita essa loteria em troca de receber $R\$ 50$ com certeza revela sua atitude em relação ao risco.

Uma loteria composta é uma loteria cujos resultados são, eles mesmos, loterias. Sob o axioma de redução de loterias compostas, toda loteria composta pode ser reduzida a uma loteria simples equivalente pela aplicação da regra de probabilidade total. Essa propriedade é conveniente porque nos permite trabalhar apenas com loterias simples sem perda de generalidade.

O valor esperado é um critério natural de avaliação — ele nos diz, em média, quanto a loteria "vale". Mas será que ele é suficiente para guiar as decisões de agentes reais? Um exemplo clássico sugere que não.

Antes de apresentá-lo, vale reforçar a conexão com a Seção 2.12: o valor esperado de uma loteria é exatamente o valor esperado de uma variável aleatória discreta, e a variância da loteria mede a dispersão dos resultados em torno dessa média. Ambos esses momentos são ferramentas que reaparecerão ao longo do capítulo — o valor esperado como medida de tendência central do risco, a variância como indicador de sua magnitude. A novidade da microeconomia da incerteza é que o agente não avalia a loteria pelos seus momentos estatísticos em si, mas pela utilidade que extrai de cada resultado possível.

7.1.1 O Paradoxo de São Petersburgo¶

O valor esperado, por si só, não é suficiente para descrever o comportamento dos agentes diante do risco. O célebre Paradoxo de São Petersburgo, proposto por Nicolau Bernoulli em 1713, ilustra essa limitação. Considere um jogo em que uma moeda justa é lançada repetidamente até sair cara. Se a cara aparece no $n$-ésimo lançamento, o jogador recebe $2^n$ reais. O valor esperado desse jogo é:

\[ E[L] = \sum_{n=1}^{\infty} \frac{1}{2^n} \cdot 2^n = \sum_{n=1}^{\infty} 1 = \infty \label{eq:7.2} \tag{7.2} \]

No entanto, nenhuma pessoa racional pagaria uma quantia arbitrariamente alta para participar desse jogo. O valor esperado infinito da equação $\eqref{eq:7.2}$ não se traduz em disposição a pagar infinita. Daniel Bernoulli (1738) propôs que os agentes avaliam os resultados não pelo seu valor monetário, mas pela utilidade que deles extraem — inaugurando a ideia de utilidade esperada. Essa intuição genial — a de que o que importa não é o dinheiro em si, mas a satisfação que ele proporciona — é o ponto de partida para a construção axiomática que veremos a seguir.

O paradoxo de São Petersburgo continua relevante dois séculos e meio depois de sua formulação. Ele demonstra que o valor esperado, apesar de ser matematicamente bem definido, captura apenas uma dimensão da incerteza: a tendência central. A variância, a assimetria e, sobretudo, a curvatura das preferências do agente — tudo isso é invisível para o critério do valor esperado puro. A solução de Bernoulli, aparentemente simples, abriu caminho para a teoria moderna da decisão: em vez de maximizar o valor esperado monetário, os agentes maximizam o valor esperado de sua utilidade — uma função que transforma dinheiro em satisfação de maneira não linear. Esse salto conceitual, de $E[L]$ para $E[u(L)]$, é toda a diferença entre o Capítulo 2 e o Capítulo 7.

É útil notar também que o paradoxo tem implicações práticas para os mercados financeiros brasileiros. Um investidor que avaliasse ativos exclusivamente pelo retorno esperado deveria concentrar toda a sua riqueza no ativo de maior retorno esperado — jamais diversificaria. O fato de que investidores reais diversificam, contratam seguros e aceitam retornos menores em troca de estabilidade é evidência diária de que o critério do valor esperado não governa as decisões humanas. A teoria que desenvolvemos a seguir pretende explicar exatamente esse comportamento.

7.2 Hipótese da Utilidade Esperada (Von Neumann–Morgenstern)¶

O Paradoxo de São Petersburgo destruiu o valor esperado como critério de decisão. Precisamos de algo melhor — algo que capture não só "quanto, em média" mas "quanto vale para mim". A solução veio de um lugar inesperado: um livro de teoria dos jogos. Em 1944, o matemático John von Neumann e o economista Oskar Morgenstern mostraram que, se o agente obedece a quatro regras de coerência (axiomas), suas preferências sobre loterias podem ser representadas por uma função que pondera utilidades — não dinheiro — pelas probabilidades. A ideia é devastadoramente simples: em vez de calcular $E[\text{dinheiro}]$, calcule $E[\text{felicidade}]$. Essa mudança de uma letra — de $x$ para $u(x)$ — é toda a diferença.

Quais são essas quatro regras de coerência? São exigências surpreendentemente modestas — tão razoáveis que, ao lê-las, você pensará 'óbvio'. Mas cada uma tem um papel preciso, e abandonar qualquer uma delas faz a teoria desmoronar.

Axiomas de Von Neumann–Morgenstern

Sejam $L_1, L_2, L_3$ loterias no conjunto $\mathcal{L}$. As preferências $\succsim$ satisfazem os axiomas VNM se:

Completude: Para quaisquer $L_1, L_2 \in \mathcal{L}$, vale $L_1 \succsim L_2$ ou $L_2 \succsim L_1$ (ou ambos).
Transitividade: Se $L_1 \succsim L_2$ e $L_2 \succsim L_3$, então $L_1 \succsim L_3$.
Continuidade (Arquimediana): Se $L_1 \succ L_2 \succ L_3$, então existe $\alpha \in (0,1)$ tal que $L_2 \sim \alpha L_1 + (1-\alpha) L_3$.
Independência: Se $L_1 \succsim L_2$, então para todo $L_3$ e todo $\alpha \in (0,1)$: $\alpha L_1 + (1-\alpha)L_3 \succsim \alpha L_2 + (1-\alpha) L_3$.

Teorema da Utilidade Esperada

Se as preferências $\succsim$ sobre o espaço de loterias $\mathcal{L}$ satisfazem os axiomas de completude, transitividade, continuidade e independência, então existe uma função $u: \mathbb{R} \to \mathbb{R}$ tal que, para quaisquer loterias $L_1$ e $L_2$:

\[ L_1 \succsim L_2 \iff E[u(L_1)] \geq E[u(L_2)] \label{eq:7.3} \tag{7.3} \]

onde $E[u(L)] = \sum_{i=1}^{n} p_i \, u(x_i)$.

Além disso, $u$ é única a menos de transformações afins positivas: se $v(x) = a \cdot u(x) + b$, com $a > 0$, então $v$ representa as mesmas preferências.

O axioma mais controverso é o de independência. Ele afirma, em essência, que se você prefere a loteria A à loteria B, então misturar ambas com uma mesma terceira loteria não deveria alterar essa preferência — a "adição" de uma alternativa irrelevante não contamina a comparação original. O Paradoxo de Allais (1953) demonstra que, em certas situações, agentes reais violam sistematicamente esse axioma, o que motivou o desenvolvimento de teorias alternativas como a teoria dos prospectos de Kahneman e Tversky (1979), que estudaremos no Capítulo 8.

O paradoxo de Allais pode ser apresentado de forma direta. Considere duas situações de escolha:

Situação I: Escolha entre A (R$ 1 milhão com certeza) e B (10% de chance de R$ 5 milhões, 89% de chance de R$ 1 milhão, 1% de chance de nada).
Situação II: Escolha entre C (11% de chance de R$ 1 milhão, 89% de chance de nada) e D (10% de chance de R$ 5 milhões, 90% de chance de nada).

Experimentalmente, a maioria das pessoas escolhe A na Situação I e D na Situação II. Mas essa combinação viola o axioma da independência: se subtrairmos mentalmente uma "camada" de 89% de chance de R$ 1 milhão de ambas as opções da Situação I, chegamos exatamente às opções da Situação II — e quem prefere A na Situação I deveria preferir C na Situação II. A violação sistêmica desse padrão sugere que agentes reais não tratam as probabilidades de forma linear, especialmente quando resultados certos estão em jogo (o chamado "efeito certeza"). Kahneman e Tversky (1979) documentaram extensamente essas violações e propuseram a teoria dos prospectos como alternativa descritiva à utilidade VNM.

Apesar dessas críticas comportamentais, a teoria VNM permanece o padrão normativo da microeconomia e o ponto de partida obrigatório para qualquer extensão. Compreender onde ela falha exige primeiro compreender onde ela acerta — e é isso que fazemos nas seções seguintes.

Intuição Econômica

Em uma frase: A utilidade esperada diz que pessoas racionais avaliam apostas pela "felicidade média" que elas proporcionam, não pelo dinheiro médio.

Pense assim: Imagine que você concorre a um sorteio de R$ 10.000 com 50% de chance. O valor esperado é R$ 5.000, mas a alegria que R$ 10.000 trazem não é o dobro da alegria de R$ 5.000 — assim como o segundo prato de comida no rodízio nunca é tão bom quanto o primeiro.

Por que isso importa: Toda a regulação de seguros, previdência e mercados financeiros no Brasil se apoia na ideia de que as pessoas transformam dinheiro em bem-estar de forma não linear.

Intuição Econômica

A utilidade VNM é cardinal — não ordinal.

No Capítulo 3, a utilidade era puramente ordinal: qualquer transformação crescente da função de utilidade representava as mesmas preferências. Se $u(x) = x^2$ e $v(x) = e^x$ ordenam os cestos de forma idêntica, são equivalentes para a teoria do consumidor determinística. Isso porque o que importava era apenas a direção das preferências, nunca a magnitude.

Aqui, a situação é radicalmente diferente. A utilidade VNM é única a menos de transformações afins positivas: $v(x) = a \cdot u(x) + b$ (com $a > 0$) representa as mesmas preferências, mas $v(x) = [u(x)]^2$ já não representa — mesmo que seja uma transformação crescente. Por quê? Porque as probabilidades entram de forma linear no cálculo da utilidade esperada. Quando escrevemos $E[u(L)] = p_1 u(x_1) + p_2 u(x_2)$, a estrutura aritmética da média ponderada fixa a escala da função de utilidade de uma maneira que transformações não afins destroem.

Implicação prática: Comparar as funções de utilidade de dois agentes faz sentido — dizer que o agente A tem ARA mais alta que o agente B é uma afirmação invariante à classe de transformações afins. Já perguntar "quem tem mais utilidade no estado 1?" não faz sentido sem fixar a normalização. A cardinalidade da utilidade VNM é, portanto, uma propriedade relacional (entre loterias e probabilidades), não uma afirmação sobre o nível absoluto de bem-estar.

7.3 Aversão ao Risco¶

Agora a pergunta que define a personalidade econômica de cada um: diante de uma aposta justa — cara ganha R$ 100, coroa perde R$ 100 —, você aceita ou recusa? A maioria das pessoas recusa. Prefere o certo ao duvidoso, mesmo quando a média é a mesma. Essa preferência pela estabilidade tem um nome (aversão ao risco) e uma causa geométrica (a curvatura da função de utilidade). A conexão entre um conceito abstrato (concavidade) e um comportamento observável (contratar seguro, diversificar investimentos, preferir salário fixo) é uma das pontes mais elegantes de toda a microeconomia.

Classificação de atitudes frente ao risco

Seja $u$ uma função de utilidade VNM. Um agente é:

Avesso ao risco se, para toda loteria $L$: $u(E[L]) > E[u(L)]$.
Neutro ao risco se, para toda loteria $L$: $u(E[L]) = E[u(L)]$.
Propenso ao risco se, para toda loteria $L$: $u(E[L]) < E[u(L)]$.

A aversão ao risco está intimamente ligada à concavidade da função de utilidade. Pela desigualdade de Jensen, se $u$ é estritamente côncava, então para qualquer variável aleatória $\tilde{x}$ não degenerada:

\[ u(E[\tilde{x}]) > E[u(\tilde{x})] \label{eq:7.4} \tag{7.4} \]

Intuitivamente, a desigualdade $\eqref{eq:7.4}$ mostra que o agente avesso ao risco prefere receber o valor esperado de uma loteria com certeza a participar da loteria. A curvatura de $u$ captura a intensidade dessa preferência: quanto mais côncava a função, maior a aversão ao risco.

Graficamente, a aversão ao risco se manifesta pelo fato de que a corda ligando dois pontos na curva de utilidade fica abaixo da própria curva — ou seja, a utilidade esperada da loteria (ponto na corda) é inferior à utilidade do valor esperado (ponto na curva).

As implicações econômicas da aversão ao risco são vastas. No mercado de seguros, agentes avessos ao risco estão dispostos a pagar um prêmio positivo — acima do valor atuarialmente justo — para eliminar a incerteza. Isso cria espaço para a existência lucrativa de seguradoras, mesmo quando o prêmio supera a perda esperada. Nos mercados financeiros, a aversão ao risco explica por que ativos mais voláteis precisam oferecer retornos esperados mais altos para atrair compradores — o que está na raiz do modelo CAPM e do enigma do prêmio de risco (ver Seção 7.4 e o box "Pesquisa em Ação" ao final). No mercado de trabalho, trabalhadores avessos ao risco preferem contratos de salário fixo a esquemas de comissão pura, mesmo que estes ofereçam maior remuneração esperada — o que explica a prevalência de vínculos empregatícios formais com salário garantido.

Daniel Kahneman, Prêmio Nobel de Economia de 2002 (com Vernon Smith), dedicou décadas ao estudo empírico da aversão ao risco e de suas irregularidades. Uma de suas contribuições mais influentes, desenvolvida com Amos Tversky, é a ideia de que agentes reais não são igualmente avessos ao risco em todos os domínios: eles são mais sensíveis a perdas do que a ganhos de mesma magnitude — o que ficou conhecido como loss aversion (aversão à perda). Essa assimetria, que viola a teoria VNM padrão, é modelada na teoria dos prospectos e será discutida no Capítulo 8. Por ora, o importante é reconhecer que a aversão ao risco, no sentido VNM de concavidade da utilidade, é uma hipótese robusta e amplamente respaldada pelos dados, mesmo que não capture todas as nuances do comportamento humano.

Cuidado

Aversão ao risco não significa evitar todo risco.

Um equívoco comum, especialmente em contextos de finanças e gestão, é interpretar "aversão ao risco" como sinônimo de "recusar qualquer aposta". Essa leitura é incorreta.

Um agente avesso ao risco ainda toma riscos — ele simplesmente exige ser compensado por eles. A definição formal diz que o agente prefere o valor esperado da loteria com certeza à própria loteria. Mas se a loteria oferecer retorno esperado suficientemente alto, o agente avesso ao risco a aceitará. Um investidor com utilidade côncava que compra ações da Petrobras na Bolsa não está violando sua aversão ao risco: ele está sendo compensado pelo retorno esperado adicional (o prêmio de risco) que as ações oferecem em relação ao Tesouro Direto.

A distinção correta é: um agente avesso ao risco rejeita loterias justas (com valor esperado zero) e exige um prêmio positivo para aceitar loterias com valor esperado positivo. Quanto maior sua aversão, maior o prêmio exigido. Isso não implica que ele nunca invista em ativos arriscados, mas sim que ele demanda um "desconto" em relação ao agente neutro ao risco.

Em resumo: aversão ao risco regula o preço que o agente cobra pelo risco, não se ele aceita ou recusa qualquer risco.

Intuição Econômica

Em uma frase: Aversão ao risco significa preferir o certo ao duvidoso, mesmo quando o valor médio é igual.

Pense assim: Um trabalhador brasileiro prefere um salário fixo de R$ 3.000 a um emprego que paga R$ 6.000 em meses bons e zero em meses ruins — mesmo que a média seja a mesma. A dor de ficar sem renda pesa mais do que a alegria do mês gordo.

Por que isso importa: É por isso que existem seguros, previdência e CLT — instituições que transferem risco de quem não quer carregar para quem consegue absorvê-lo melhor.

Figura 7.1 — Aversão ao risco e função de utilidade. Arraste os pontos $W_1$ e $W_2$, ajuste a probabilidade $\pi$ e alterne entre agente avesso, neutro e propenso ao risco. A área sombreada indica o prêmio de risco.

7.4 Medidas de Aversão ao Risco (Arrow-Pratt)¶

"Sou avesso ao risco" — OK, mas quanto? Mais que você? Mais agora (quando estou pobre) do que depois (quando ficar rico)? Dizer "sou avesso" é como dizer "faz calor" sem ter termômetro. As medidas de Arrow-Pratt são esse termômetro: convertem a curvatura da função de utilidade — um objeto geométrico — em um número que pode ser comparado entre pessoas, entre momentos e entre níveis de riqueza.

Coeficiente de aversão absoluta ao risco (ARA)

O coeficiente de aversão absoluta ao risco de Arrow-Pratt é definido como:

\[ A(W) = -\frac{u''(W)}{u'(W)} \label{eq:7.5} \tag{7.5} \]

onde $W$ é o nível de riqueza do agente.

Coeficiente de aversão relativa ao risco (RRA)

O coeficiente de aversão relativa ao risco é definido como:

\[ R(W) = -\frac{W \cdot u''(W)}{u'(W)} = W \cdot A(W) \label{eq:7.6} \tag{7.6} \]

Essas medidas possuem interpretação direta: $A(W)$ mede a aversão ao risco para apostas de magnitude absoluta fixa, enquanto $R(W)$ mede a aversão ao risco para apostas proporcionais à riqueza. Note que ambas dependem da razão entre a segunda e a primeira derivadas da função de utilidade — a primeira derivada captura a utilidade marginal (quanto vale um real a mais), enquanto a segunda derivada captura como essa utilidade marginal muda (o quanto o agente "satura" à medida que enriquece).

A escolha de qual medida utilizar depende do contexto. Se o risco é de magnitude fixa (por exemplo, uma aposta de R$ 1.000 independentemente da riqueza do agente), a medida absoluta $A(W)$ é a mais relevante. Se o risco é proporcional à riqueza (por exemplo, investir 10% do patrimônio em ações), a medida relativa $R(W)$ é mais informativa.

Vale notar que $A(W)$ e $R(W)$ são medidas locais — elas descrevem a curvatura da função de utilidade num ponto específico $W$. Isso é diferente de perguntar se o agente é "avesso ao risco" em geral: a curvatura pode variar ao longo da função, gerando padrões ricos de comportamento conforme a riqueza muda. As classes de funções de utilidade descritas abaixo capturam os casos mais relevantes.

A questão de quanto um agente típico é avesso ao risco não é apenas teórica — ela pode ser estimada empiricamente. Na literatura de macroeconomia e finanças, o coeficiente de aversão relativa ao risco $\gamma$ da utilidade CRRA é o mais estudado. Estimativas calibradas a partir de dados de consumo e retornos de ativos tipicamente sugerem valores entre 1 e 5. Mehra e Prescott (1985), no artigo fundador do "enigma do prêmio de risco", mostraram que reproduzir o diferencial histórico de retorno entre ações e títulos públicos nos EUA exigiria $\gamma > 30$ — um nível implausível que sugere falhas no modelo padrão ou componentes de preferências adicionais, como aversão à perda ou formação de hábitos. No Brasil, estudos como os de Issler e Piqueira (2000) e de Gomes e Paz (2013) encontram estimativas de $\gamma$ entre 2 e 8 usando dados macroeconômicos nacionais, com considerável incerteza dependendo da amostra e do método de estimação.

Para decisões de política econômica, o coeficiente de aversão ao risco importa diretamente. Políticas de estabilização de renda (como o Bolsa Família) e de smoothing de consumo (como o seguro-desemprego) têm valor welfare que depende criticamente de $\gamma$: quanto maior a aversão ao risco, maior o ganho de bem-estar de reduzir a variância do consumo. Da mesma forma, o custo social de flutuações do PIB — calculado por Lucas (1987) — é proporcional à aversão ao risco da população.

7.4.1 Classes importantes de funções de utilidade¶

A Tabela 7.1 apresenta as classes mais utilizadas de funções de utilidade sob risco e suas propriedades.

Classe	Função $u(W)$	$A(W)$	$R(W)$	Propriedade
CARA (Aversão Absoluta Constante)	$-e^{-aW}$, $a > 0$	$a$ (constante)	$aW$ (crescente)	A atitude frente a apostas de valor fixo não muda com a riqueza
CRRA (Aversão Relativa Constante)	$\frac{W^{1-\gamma}}{1-\gamma}$, $\gamma > 0, \gamma \neq 1$	$\frac{\gamma}{W}$ (decrescente)	$\gamma$ (constante)	A atitude frente a apostas proporcionais não muda com a riqueza
CRRA (caso log)	$\ln(W)$	$\frac{1}{W}$ (decrescente)	$1$ (constante)	Caso limite quando $\gamma \to 1$
DARA (Aversão Absoluta Decrescente)	$\ln(W)$, $\frac{W^{1-\gamma}}{1-\gamma}$	Decrescente em $W$	Depende da forma	Agentes mais ricos aceitam mais risco absoluto
Quadrática	$W - bW^2$, $b > 0$	$\frac{2b}{1-2bW}$ (crescente)	$\frac{2bW}{1-2bW}$ (crescente)	IARA — propriedade pouco realista

Tabela 7.1 — Classes importantes de funções de utilidade.

DARA como propriedade desejável

A evidência empírica sugere fortemente que a aversão absoluta ao risco é decrescente na riqueza (DARA): indivíduos mais ricos estão dispostos a aceitar apostas de valor fixo que indivíduos mais pobres recusariam. A função de utilidade quadrática, embora matematicamente conveniente, viola essa propriedade (apresenta IARA) e possui a limitação adicional de que a utilidade marginal se torna negativa para riquezas suficientemente altas.

🏅 Prêmio Nobel — Kenneth J. Arrow (1972)

Kenneth Joseph Arrow (1921–2017) foi um economista americano. Obteve o PhD na Universidade de Columbia e foi professor em Stanford e Harvard. Dividiu o Nobel com John Hicks. É considerado um dos economistas mais influentes do século XX.

Por que ganhou o Nobel: Premiado por suas contribuições pioneiras à teoria do equilíbrio geral e à teoria do bem-estar. Arrow fez contribuições fundamentais em múltiplas áreas: provou (com Debreu) a existência do equilíbrio geral competitivo, formulou o teorema da impossibilidade em escolha social, e desenvolveu a teoria de mercados contingentes (Arrow-Debreu) para alocação eficiente de risco.

Conexão com este capítulo: O coeficiente de Arrow-Pratt de aversão ao risco — medida central para classificar atitudes frente ao risco — foi desenvolvido independentemente por Arrow e John W. Pratt. As medidas de aversão absoluta e relativa ao risco, que determinam como a demanda por seguros e ativos arriscados varia com a riqueza, são ferramentas essenciais da análise de risco apresentada neste capítulo.

Box Mundo 7.1 — Preferências por risco ao redor do mundo

Contexto: A aversão ao risco é um parâmetro central da teoria microeconômica, mas será que ela varia sistematicamente entre países e culturas? Nas últimas três décadas, economistas e psicólogos acumularam evidências robustas de que as atitudes frente ao risco não são universais — elas variam com a renda per capita, a cultura, a estrutura institucional e até a história de exposição a choques econômicos de cada sociedade. Essa variação tem implicações profundas: se o coeficiente de Arrow-Pratt difere entre países, então a demanda por seguros, a composição de portfólios e o design ótimo de políticas públicas também devem diferir.

Dados: Barsky et al. (1997), utilizando dados do Health and Retirement Study (HRS) dos Estados Unidos, foram pioneiros ao estimar a tolerância ao risco a partir de questões hipotéticas sobre loterias de renda vitalícia. Encontraram que cerca de 65% dos respondentes americanos são altamente avessos ao risco, com coeficientes de aversão relativa ao risco ($R_R$) estimados acima de 3,76. Duas décadas depois, Falk et al. (2018) conduziram o Global Preferences Survey (GPS), coletando dados padronizados sobre preferências de risco em 76 países e mais de 80.000 indivíduos. Os resultados revelam variação substancial: países do Leste Europeu e da África Subsaariana apresentam, em média, maior aversão ao risco do que países nórdicos e anglo-saxões. O Brasil posiciona-se numa faixa intermediária, com disposição a assumir riscos ligeiramente abaixo da média global — consistente com a alta volatilidade macroeconômica historicamente experimentada pela população brasileira.

Análise: A variação cross-country nas preferências de risco não é mero ruído estatístico — ela se correlaciona de forma significativa com variáveis institucionais e econômicas. Países com sistemas de proteção social mais desenvolvidos (seguro-desemprego generoso, saúde pública universal) tendem a apresentar maior tolerância ao risco individual, sugerindo que a rede de segurança estatal funciona como um "seguro implícito" que reduz o custo pessoal de assumir riscos. Do ponto de vista teórico, esses dados reforçam a importância de tratar $R_A(W)$ e $R_R(W)$ não como constantes universais, mas como parâmetros heterogêneos cuja distribuição depende do contexto socioeconômico — uma premissa central para a economia comportamental (Capítulo 8) e para o desenho de mecanismos (capítulos posteriores).

Fonte: Barsky, R. B.; Juster, F. T.; Kimball, M. S.; Shapiro, M. D. (1997). "Preference Parameters and Behavioral Heterogeneity: An Experimental Approach in the Health and Retirement Study." Quarterly Journal of Economics, 112(2), 537–579. Falk, A.; Becker, A.; Dohmen, T.; Enke, B.; Huffman, D.; Sunde, U. (2018). "Global Evidence on Economic Preferences." Quarterly Journal of Economics, 133(4), 1645–1692.

7.5 Prêmio de Risco e Equivalente de Certeza¶

As medidas de Arrow-Pratt descrevem a aversão ao risco em termos da curvatura da função de utilidade — uma grandeza matemática. Mas como traduzir essa curvatura em termos econômicos concretos? Quanto, em reais, um agente pagaria para se livrar de um risco? É exatamente isso que os conceitos de equivalente de certeza e prêmio de risco fazem: eles transformam a informação contida na função de utilidade em valores monetários que podem ser diretamente observados ou estimados no mercado.

Equivalente de Certeza

O equivalente de certeza (EC) de uma loteria $\tilde{W}$ é o valor monetário certo $W_{EC}$ tal que o agente é indiferente entre receber $W_{EC}$ com certeza e participar da loteria:

\[ u(W_{EC}) = E[u(\tilde{W})] \]

Para um agente estritamente avesso ao risco ($u'' < 0$), o equivalente de certeza é estritamente menor que o valor esperado da loteria: $W_{EC} < E[\tilde{W}]$. O prêmio de risco $\pi$ é a diferença:

\[ \pi = E[\tilde{W}] - W_{EC} > 0 \]

O prêmio de risco mede o "custo" da incerteza em termos monetários: é o máximo que o agente pagaria para eliminar o risco, ou equivalentemente, a compensação mínima que ele exigiria para suportar o risco sem reclamar. A precificação de ativos arriscados — CAPM, fator de desconto estocástico e o enigma do prêmio de risco — é aprofundada no Capítulo 18.

Equivalente de certeza e prêmio de risco

Seja $\tilde{W} = W + \tilde{\varepsilon}$ a riqueza aleatória, onde $\tilde{\varepsilon}$ é um risco justo (isto é, $E[\tilde{\varepsilon}] = 0$) com variância $\sigma^2$.

O equivalente de certeza $W_{EC}$ é o valor certo que proporciona a mesma utilidade esperada da loteria:

\[ u(W_{EC}) = E[u(\tilde{W})] \label{eq:7.7} \tag{7.7} \]

O prêmio de risco $\pi$ é a quantia máxima que o agente pagaria para eliminar o risco:

\[ \pi = E[\tilde{W}] - W_{EC} = W - W_{EC} \label{eq:7.8} \tag{7.8} \]

Para um agente avesso ao risco, $\pi > 0$; para um neutro, $\pi = 0$. Note que o equivalente de certeza $\eqref{eq:7.7}$ e o prêmio de risco $\eqref{eq:7.8}$ estão diretamente relacionados às medidas de Arrow-Pratt, como mostra a aproximação $\eqref{eq:7.9}$.

Intuição Econômica

Em uma frase: O equivalente certo é o "preço de saída" de uma aposta — quanto você aceitaria receber para não ter que jogar.

Pense assim: Se você tem um bilhete de rifa que vale R$ 1.000 com 50% de chance (valor esperado = R$ 500), mas toparia vendê-lo por R$ 350, então R$ 350 é seu equivalente certo e os R$ 150 de diferença são o prêmio de risco — o desconto que você dá só para dormir tranquilo.

Por que isso importa: O prêmio de risco explica por que títulos do Tesouro pagam menos que ações na Bolsa — investidores exigem compensação para aceitar incerteza.

7.5.1 Aproximação de Arrow-Pratt para o prêmio de risco¶

Demonstração: Derivação do prêmio de risco de Arrow-Pratt

Objetivo: Mostrar que, para riscos pequenos, o prêmio de risco é aproximadamente:

\[ \pi \approx \frac{1}{2} A(W) \sigma^2 \label{eq:7.9} \tag{7.9} \]

Demonstração:

Considere a riqueza aleatória $\tilde{W} = W + \tilde{\varepsilon}$, onde $E[\tilde{\varepsilon}] = 0$ e $\text{Var}(\tilde{\varepsilon}) = \sigma^2$.

Passo 1: Expanda $u(W + \tilde{\varepsilon})$ em série de Taylor de segunda ordem em torno de $W$:

\[ u(W + \tilde{\varepsilon}) \approx u(W) + u'(W)\tilde{\varepsilon} + \frac{1}{2}u''(W)\tilde{\varepsilon}^2 \]

Passo 2: Tome o valor esperado de ambos os lados:

\[ E[u(W + \tilde{\varepsilon})] \approx u(W) + u'(W) \underbrace{E[\tilde{\varepsilon}]}_{=\,0} + \frac{1}{2}u''(W) \underbrace{E[\tilde{\varepsilon}^2]}_{=\,\sigma^2} \]

\[ E[u(\tilde{W})] \approx u(W) + \frac{1}{2}u''(W)\sigma^2 \]

Passo 3: Por definição do prêmio de risco, $u(W - \pi) = E[u(\tilde{W})]$. Expanda o lado esquerdo em Taylor de primeira ordem:

\[ u(W - \pi) \approx u(W) - u'(W)\pi \]

Passo 4: Iguale as duas expressões:

\[ u(W) - u'(W)\pi \approx u(W) + \frac{1}{2}u''(W)\sigma^2 \]

\[ -u'(W)\pi \approx \frac{1}{2}u''(W)\sigma^2 \]

\[ \pi \approx -\frac{1}{2}\frac{u''(W)}{u'(W)}\sigma^2 = \frac{1}{2}A(W)\sigma^2 \qquad \blacksquare \]

Interpretação: O prêmio de risco é (aproximadamente) proporcional a dois fatores: (i) a medida de aversão absoluta ao risco $A(W)$, que captura a curvatura da função de utilidade; e (ii) a variância $\sigma^2$ do risco, que captura a magnitude da incerteza. Para riscos multiplicativos (proporcionais à riqueza), uma derivação análoga mostra que $\pi/W \approx \frac{1}{2}R(W)\sigma_r^2$, onde $\sigma_r^2$ é a variância do retorno relativo.

A fórmula de Arrow-Pratt é notavelmente elegante: ela decompõe o "preço" que o agente paga pelo risco em dois fatores — um subjetivo (quão avesso ele é) e outro objetivo (quão arriscada é a loteria). Essa decomposição tem implicações práticas imediatas: para um dado nível de risco, agentes mais avessos pagam prêmios maiores; para um dado nível de aversão, riscos mais voláteis custam mais caro. É exatamente essa lógica que as seguradoras utilizam ao precificar apólices, cobrando mais de quem enfrenta riscos maiores e oferecendo descontos a quem demonstra menor exposição.

O equivalente de certeza tem aplicações que vão muito além da teoria dos seguros. No Brasil, o BNDES (Banco Nacional de Desenvolvimento Econômico e Social) financia projetos de infraestrutura que envolvem grandes incertezas de retorno. A taxa de desconto aplicada a esses projetos deve incorporar, em princípio, um prêmio de risco proporcional à variância dos fluxos de caixa — exatamente o que a aproximação de Arrow-Pratt formaliza. Da mesma forma, o seguro agrícola (discutido no Box Brasil desta seção) pode ser interpretado como a compra do equivalente de certeza da renda agrícola: o produtor rural troca uma renda variável por uma renda garantida, pagando um prêmio de risco pela estabilidade.

Para ilustrar com números concretos: um cafeicultor do Sul de Minas com riqueza de R$ 200.000, utilidade logarítmica e risco de perder R$ 80.000 em caso de geada (probabilidade 20%) tem um prêmio de risco de aproximadamente $\frac{1}{2} \times \frac{1}{200.000} \times (0{,}2 \times 0{,}8 \times 80.000^2) = \frac{1}{2} \times \frac{1}{200.000} \times 1{,}024 \times 10^9 \approx \text{R\$ } 2.560$. Esse valor representa o quanto ele pagaria acima do prêmio atuarialmente justo para eliminar o risco — e é esse sobrepagamento que torna os contratos de seguro mutuamente vantajosos: a seguradora cobra mais que o valor esperado do sinistro, e o produtor ainda assim prefere contratar.

A distinção entre prêmio de risco exato e aproximado merece atenção. A fórmula de Arrow-Pratt é uma aproximação de segunda ordem válida para riscos "pequenos" em relação à riqueza. Quando o risco é grande (como nos exemplos dos exercícios, em que o desvio padrão pode representar 30–50% da riqueza), o prêmio exato deve ser calculado diretamente da equação $\eqref{eq:7.7}$. A aproximação sistematicamente subestima o prêmio para agentes com utilidade côncava crescentemente rápida (como $\ln W$) e o superestima para agentes com utilidade menos côncava.

Figura 7.2 — Prêmio de risco de Arrow-Pratt. Ajuste a riqueza $W$, a variância $\sigma^2$ e a curvatura da função de utilidade. Alterne entre CARA, CRRA e quadrática para comparar o prêmio de risco exato com a aproximação $\tfrac{1}{2}\sigma^2 A(W)$.

Exercício Resolvido 7.1

Enunciado: Um investidor com função de utilidade $u(W) = \ln(W)$ possui riqueza inicial $W_0 = 10.000$. Ele é convidado a participar de uma loteria que paga $+6.000$ com probabilidade $0{,}4$ e $-4.000$ com probabilidade $0{,}6$. Calcule o equivalente de certeza, o prêmio de risco exato e compare com a aproximação de Arrow-Pratt.

Dados: $u(W) = \ln(W)$, $W_0 = 10.000$, $L = \{(+6.000,\; 0{,}4);\; (-4.000,\; 0{,}6)\}$.

Resolução:

Passo 1 — Resultados possíveis e valor esperado

Estado favorável: $W_1 = 10.000 + 6.000 = 16.000$ com $p_1 = 0{,}4$
Estado desfavorável: $W_2 = 10.000 - 4.000 = 6.000$ com $p_2 = 0{,}6$
Valor esperado: $E[W] = 0{,}4 \times 16.000 + 0{,}6 \times 6.000 = 6.400 + 3.600 = 10.000$

Note que $E[W] = W_0$: trata-se de um risco justo ($E[\tilde{\varepsilon}] = 0$).

Passo 2 — Utilidade esperada

\[ E[u(W)] = 0{,}4 \times \ln(16.000) + 0{,}6 \times \ln(6.000) \]

\[ = 0{,}4 \times 9{,}6803 + 0{,}6 \times 8{,}6995 = 3{,}8721 + 5{,}2197 = 9{,}0918 \]

Passo 3 — Equivalente de certeza

\[ u(W_{EC}) = E[u(W)] \implies \ln(W_{EC}) = 9{,}0918 \implies W_{EC} = e^{9{,}0918} \approx 8.879 \]

Passo 4 — Prêmio de risco exato

\[ \pi = E[W] - W_{EC} = 10.000 - 8.879 = \text{R\$ } 1.121 \]

Passo 5 — Aproximação de Arrow-Pratt

Para $u(W) = \ln(W)$: $A(W) = 1/W$. Em $W_0 = 10.000$: $A = 1/10.000 = 0{,}0001$.

A variância do risco: $\sigma^2 = 0{,}4 \times (6.000)^2 + 0{,}6 \times (-4.000)^2 = 14.400.000 + 9.600.000 = 24.000.000$.

\[ \pi_{AP} \approx \frac{1}{2} \times 0{,}0001 \times 24.000.000 = \text{R\$ } 1.200 \]

Resultado: $\pi_{\text{exato}} = \text{R\$ } 1.121$ vs. $\pi_{AP} \approx \text{R\$ } 1.200$. A aproximação superestima em cerca de 7%.

Interpretação econômica: O investidor exigiria pelo menos R$ 1.121 para aceitar esse risco justo — equivalente a 11,2% de sua riqueza. A discrepância entre o valor exato e a aproximação reflete que o risco não é "pequeno" em relação à riqueza (desvio padrão de R$ 4.899 ≈ 49% de $W_0$), o que compromete a precisão da expansão de Taylor.

7.6 Métodos para Reduzir o Risco¶

Até aqui, tratamos o risco como algo dado — uma propriedade das loterias que o agente enfrenta. Mas, na prática, agentes e instituições desenvolvem mecanismos engenhosos para reduzir, redistribuir ou gerenciar os riscos a que estão expostos. Esses mecanismos não eliminam a incerteza do mundo; eles a realocam para quem pode suportá-la melhor ou a diluem entre muitos agentes. Nesta seção, examinamos quatro estratégias fundamentais: seguros, diversificação, flexibilidade e informação.

7.6.1 Seguros¶

O mecanismo de seguro permite transferir risco de agentes mais avessos para agentes menos avessos (ou mais diversificados). Considere um agente com riqueza $W$ que enfrenta uma perda $d$ com probabilidade $p$.

Prêmio atuarialmente justo: $P = p \cdot d$. Sob esse prêmio, o agente avesso ao risco contrata cobertura total.
Prêmio com carregamento: $P = (1+\lambda) p \cdot d$, $\lambda > 0$. Nesse caso, a cobertura ótima pode ser parcial.

Teorema: Seguro total sob prêmio atuarialmente justo

Se o prêmio do seguro é atuarialmente justo e o agente é estritamente avesso ao risco, então o contrato ótimo é de cobertura total ($q^* = d$), onde $q$ é a indenização contratada.

A intuição por trás deste teorema é direta: quando o prêmio é justo, o agente pode "comprar" certeza sem custo atuarial. Como ele prefere certeza à incerteza (por ser avesso ao risco), ele maximiza a utilidade eliminando todo o risco. Com carregamento ($\lambda > 0$), a certeza passa a ter um preço adicional, e o agente pondera entre redução de risco e custo do prêmio — a solução intermediária pode envolver franquias, cobertura parcial ou mesmo a decisão de não contratar seguro.

Na prática, os mercados de seguros brasileiros exibem carregamentos que variam amplamente. O seguro de automóvel pode ter $\lambda$ entre 30% e 60% sobre o prêmio puro, enquanto resseguros de catástrofes naturais (como enchentes e secas) têm carregamentos ainda maiores, refletindo riscos sistemáticos que não se diversificam dentro da carteira da seguradora. Esse ponto é crucial: a diversificação pela seguradora só funciona quando os sinistros são independentes entre segurados. Uma seca que atinge todos os produtores de uma região simultaneamente não é diversificável na escala de uma única seguradora — o que explica o papel indispensável do resseguro e da participação do Estado em programas como o Proagro.

Box Brasil — Proagro e o seguro rural no Brasil

O Proagro (Programa de Garantia da Atividade Agropecuária) é o principal instrumento de proteção à renda dos agricultores brasileiros contra perdas causadas por eventos climáticos adversos, pragas e doenças. Criado em 1973 (Lei 5.969/73) e operado pelo Banco Central do Brasil em parceria com agentes financeiros, o Proagro garante a cobertura de financiamentos rurais quando a lavoura sofre perdas que impedem o pagamento do crédito.

Como funciona na prática

O produtor que toma crédito rural pelo Sistema Nacional de Crédito Rural (SNCR) pode aderir ao Proagro pagando um adicional (o "prêmio" do Proagro) de 2% a 6% sobre o valor financiado. Em caso de sinistro comprovado — quebra de safra por geada, seca, excesso de chuva, granizo ou pragas —, o Proagro cobre as obrigações financeiras do produtor junto ao banco. Para pequenos produtores enquadrados no Pronaf, existe o Proagro Mais, com condições mais favoráveis e custo subsidiado pelo Tesouro Nacional.

A lógica microeconômica

Do ponto de vista da teoria desenvolvida neste capítulo, o Proagro é um mecanismo de seguro com prêmio subsidiado. O prêmio atuarialmente justo para cobrir os riscos climáticos de regiões como o Semiárido nordestino ou o Cerrado goiano seria muito superior ao que os produtores conseguem pagar, especialmente os de menor escala. O subsídio — financiado pelo Tesouro e computado no orçamento do Ministério da Agricultura — funciona como uma redução do carregamento $\lambda$, tornando o seguro acessível para produtores que de outra forma permaneceriam sem cobertura.

Rosenzweig e Binswanger (1993), usando dados de agricultores indianos, mostram que a exposição ao risco climático reduz significativamente a lucratividade e o investimento agropecuário — especialmente para produtores mais pobres que não têm acesso a mercados de crédito ou seguro. O Proagro atua exatamente nessa fronteira: sem cobertura, o produtor reduz o risco ex ante escolhendo tecnologias menos produtivas mas mais seguras (como plantio tardio ou variedades de menor rendimento mas maior resistência à seca). Com o seguro, ele pode adotar tecnologias de maior risco e maior retorno médio, aumentando a produtividade e a renda agrícola.

Desafios e limitações

O Proagro enfrenta problemas clássicos de informação assimétrica (Seção 7.8): seleção adversa (produtores em regiões de maior risco climático têm mais incentivo a aderir) e risco moral (após a contratação, o produtor pode reduzir investimentos em irrigação e práticas preventivas). Além disso, a verificação dos sinistros é custosa e sujeita a disputas, o que eleva os custos administrativos do programa.

Fonte: Banco Central do Brasil, Manual de Crédito Rural (MCR), Capítulo 16; Ministério da Agricultura e Pecuária, Relatório Proagro 2023.

Figura 7.3 — Mercado de seguros no espaço estado-contingente. Ajuste a riqueza inicial, a perda, a probabilidade de sinistro e o carregamento. Observe como a cobertura ótima se move em direção à linha de 45 graus (seguro total) quando o prêmio é atuarialmente justo ($\lambda = 0$).

Exercício Resolvido 7.2

Enunciado: Uma produtora de café no Sul de Minas possui riqueza de R$ 500.000 e enfrenta risco de geada que, com probabilidade $0{,}2$, causa perda de R$ 200.000. Sua utilidade é $u(W) = \sqrt{W}$. (a) Calcule o prêmio atuarialmente justo. (b) Verifique que a produtora contrata cobertura total. (c) Se a seguradora cobra carregamento $\lambda = 0{,}3$, qual o prêmio de risco máximo que a produtora aceita pagar?

Dados: $W = 500.000$, $d = 200.000$, $p = 0{,}2$, $u(W) = \sqrt{W}$.

Resolução:

Passo 1 — Prêmio atuarialmente justo

\[ P_{justo} = p \times d = 0{,}2 \times 200.000 = \text{R\$ } 40.000 \]

Passo 2 — Cobertura total sob prêmio justo

Sem seguro: $E[u] = 0{,}8 \times \sqrt{500.000} + 0{,}2 \times \sqrt{300.000} = 0{,}8 \times 707{,}11 + 0{,}2 \times 547{,}72 = 565{,}69 + 109{,}54 = 675{,}23$.

Com seguro total ($P = 40.000$): riqueza certa = $500.000 - 40.000 = 460.000$.

$u(460.000) = \sqrt{460.000} = 678{,}23$.

Como $678{,}23 > 675{,}23$, a produtora prefere o seguro total. De fato, para agente avesso ao risco, seguro total é ótimo sob prêmio justo (Seção 7.6.1).

Passo 3 — Prêmio máximo que aceita pagar

O prêmio máximo $P_{max}$ satisfaz $u(W - P_{max}) = E[u]$ sem seguro:

\[ \sqrt{500.000 - P_{max}} = 675{,}23 \implies 500.000 - P_{max} = 675{,}23^2 = 455.936 \]

\[ P_{max} = 500.000 - 455.936 = \text{R\$ } 44.064 \]

Passo 4 — Decisão com carregamento

Prêmio com carregamento: $P_\lambda = (1 + 0{,}3) \times 40.000 = \text{R\$ } 52.000$.

Como $P_\lambda = 52.000 > P_{max} = 44.064$, a produtora não contrata cobertura total a esse preço.

Resultado: O prêmio atuarialmente justo é R$ 40.000, e a produtora pagaria até R$ 44.064 (prêmio de risco de R$ 4.064). O carregamento de 30% torna a cobertura total inviável.

Interpretação econômica: A diferença $P_{max} - P_{justo} = \text{R\$ } 4.064$ é o prêmio de risco da produtora — o valor monetário da sua aversão ao risco. Com carregamento de 30%, a seguradora cobra mais do que a produtora está disposta a pagar por cobertura total, o que pode levar à contratação de cobertura parcial (franquia elevada). Este é precisamente o mecanismo que explica por que pequenos produtores brasileiros, com baixa capacidade de absorção de risco, dependem do subsídio do PSR para viabilizar o seguro.

7.6.2 Diversificação¶

Se o seguro transfere risco de um agente para outro, a diversificação opera por um mecanismo diferente: ela dilui o risco ao distribuir a exposição entre múltiplas fontes de incerteza. A lógica é simples, mas poderosa: quando os resultados de diferentes ativos não se movem perfeitamente em conjunto, as perdas de uns tendem a ser parcialmente compensadas pelos ganhos de outros.

A diversificação reduz o risco total de uma carteira sem necessariamente reduzir o retorno esperado. Se os retornos dos ativos não são perfeitamente correlacionados, a variância da carteira é menor que a média ponderada das variâncias individuais.

Para $n$ ativos independentes e identicamente distribuídos com retorno $\tilde{r}_i$ (média $\mu$, variância $\sigma^2$), a variância da carteira igualmente ponderada é:

\[ \text{Var}\left(\frac{1}{n}\sum_{i=1}^{n}\tilde{r}_i\right) = \frac{\sigma^2}{n} \xrightarrow{n \to \infty} 0 \]

No caso mais geral de dois ativos com correlação $\rho$, pesos $w$ e $(1-w)$, e variâncias $\sigma_1^2$ e $\sigma_2^2$, a variância da carteira é:

\[ \sigma_p^2 = w^2 \sigma_1^2 + (1-w)^2 \sigma_2^2 + 2w(1-w)\rho\sigma_1\sigma_2 \]

Quando $\rho < 1$, existe um peso $w^*$ que minimiza $\sigma_p^2$, gerando o benefício da diversificação. Quanto menor a correlação entre os ativos, maior o ganho. No caso extremo $\rho = -1$, é possível eliminar completamente o risco da carteira. Esse resultado fundamenta toda a teoria moderna de portfólios, iniciada por Markowitz (1952).

Risco diversificável vs. risco sistemático

Em uma economia com muitos ativos, a diversificação elimina o risco idiossincrático (específico de cada ativo), mas não elimina o risco sistemático (que afeta todos os ativos simultaneamente). Essa distinção é central no modelo CAPM (Capital Asset Pricing Model), no qual apenas o risco sistemático — medido pelo coeficiente beta — é remunerado pelo mercado.

A diversificação tem um limite fundamental: ela não elimina o risco agregado, apenas realoca e dilui o risco idiossincrático. Um fundo de ações com 500 empresas distintas ainda estará sujeito às flutuações do ciclo econômico, à variação da taxa Selic e aos choques cambiais — todos riscos sistemáticos que afetam todas as empresas simultaneamente. No Brasil, a elevada correlação entre setores da Bolsa de Valores — especialmente entre commodities agrícolas, petróleo e setor financeiro, que juntos representam uma parcela desproporcional do Ibovespa — limita os benefícios práticos da diversificação doméstica. Por isso, fundos de previdência e investidores institucionais brasileiros buscam crescentemente a diversificação internacional, alocando parte do patrimônio em ativos de outras economias com ciclos menos correlacionados com o Brasil.

Intuição Econômica

Em uma frase: Diversificar é não colocar todos os ovos na mesma cesta — o risco total cai mesmo sem reduzir o retorno esperado.

Pense assim: Um pequeno agricultor do Paraná que planta só soja fica à mercê da seca ou da queda de preço. Se ele divide a terra entre soja, milho e feijão, uma safra ruim de um produto pode ser compensada pela boa safra de outro. O retorno médio pode ser parecido, mas o risco de "quebrar" cai muito.

Por que isso importa: A diversificação é o princípio por trás dos fundos de investimento, dos planos de previdência e até da política de crédito agrícola do Banco do Brasil, que incentiva a rotação de culturas.

Exercício Resolvido 7.3

Enunciado: Um investidor aloca sua riqueza entre dois ativos: ações de uma empresa de energia ($\mu_1 = 12\%$, $\sigma_1 = 20\%$) e títulos do agronegócio ($\mu_2 = 8\%$, $\sigma_2 = 15\%$). A correlação entre os retornos é $\rho = -0{,}3$. (a) Calcule o retorno e a variância da carteira para $w = 0{,}5$. (b) Encontre o peso $w^*$ que minimiza a variância. (c) Compare o desvio padrão da carteira de variância mínima com os desvios individuais.

Dados: $\mu_1 = 0{,}12$, $\sigma_1 = 0{,}20$, $\mu_2 = 0{,}08$, $\sigma_2 = 0{,}15$, $\rho = -0{,}3$.

Resolução:

Passo 1 — Carteira igualmente ponderada ($w = 0{,}5$)

\[ \mu_p = 0{,}5 \times 0{,}12 + 0{,}5 \times 0{,}08 = 0{,}10 = 10\% \]

\[ \sigma_p^2 = (0{,}5)^2(0{,}20)^2 + (0{,}5)^2(0{,}15)^2 + 2(0{,}5)(0{,}5)(-0{,}3)(0{,}20)(0{,}15) \]

\[ = 0{,}01 + 0{,}005625 + (-0{,}0045) = 0{,}011125 \]

\[ \sigma_p = \sqrt{0{,}011125} = 0{,}1055 = 10{,}55\% \]

Passo 2 — Peso de variância mínima

\[ w^* = \frac{\sigma_2^2 - \rho\sigma_1\sigma_2}{\sigma_1^2 + \sigma_2^2 - 2\rho\sigma_1\sigma_2} \]

\[ = \frac{0{,}0225 - (-0{,}3)(0{,}20)(0{,}15)}{0{,}04 + 0{,}0225 - 2(-0{,}3)(0{,}20)(0{,}15)} = \frac{0{,}0225 + 0{,}009}{0{,}0625 + 0{,}018} = \frac{0{,}0315}{0{,}0805} = 0{,}3913 \]

Passo 3 — Variância mínima e comparação

\[ \sigma_p^2(w^*) = (0{,}3913)^2(0{,}04) + (0{,}6087)^2(0{,}0225) + 2(0{,}3913)(0{,}6087)(-0{,}009) \]

\[ = 0{,}006125 + 0{,}008337 - 0{,}004288 = 0{,}010174 \]

\[ \sigma_p(w^*) = \sqrt{0{,}010174} = 0{,}1009 = 10{,}09\% \]

O retorno desta carteira: $\mu_p(w^*) = 0{,}3913 \times 12\% + 0{,}6087 \times 8\% = 9{,}57\%$.

Resultado:

Carteira	Retorno	Desvio padrão
Ativo 1 puro	12,00%	20,00%
Ativo 2 puro	8,00%	15,00%
Igualmente ponderada	10,00%	10,55%
Variância mínima	9,57%	10,09%

Interpretação econômica: A correlação negativa ($\rho = -0{,}3$) gera um forte benefício de diversificação. O desvio padrão da carteira de variância mínima (10,09%) é menor que o de ambos os ativos individuais — um resultado impossível quando $\rho = 1$. Essa é a essência do resultado de Markowitz: combinando ativos com correlação imperfeita, um investidor brasileiro pode reduzir o risco total sem sacrificar proporcionalmente o retorno.

7.6.3 Flexibilidade e valor da opção¶

Seguros e diversificação lidam com riscos que já estão presentes. Mas e quando o agente pode escolher o momento de se expor ao risco? Existe valor em simplesmente esperar, observar como o mundo se desenrola e decidir depois? A resposta, surpreendentemente rica, é que sim — e esse valor pode ser substancial.

Manter opções abertas tem valor positivo sob incerteza. A possibilidade de adiar uma decisão irreversível até que nova informação se torne disponível é análoga a uma opção real, cujo valor cresce com a volatilidade do ambiente.

Formalmente, considere um agente que pode tomar uma decisão irreversível hoje ou esperar um período para obter informação adicional. Se o custo de esperar é baixo e a incerteza é alta, o valor da opção de espera pode ser substancial. Esse conceito, desenvolvido por Dixit e Pindyck (1994), tem aplicações importantes em decisões de investimento, exploração de recursos naturais e políticas públicas.

Intuição Econômica

Em uma frase: Sob incerteza, a irreversibilidade cria um custo de oportunidade — agir hoje "mata" a opção de decidir melhor amanhã.

Pense assim: Você recebeu uma proposta de emprego em outra cidade, mas espera uma resposta de um concurso público que sai em 30 dias. Aceitar agora é irreversível. Se a incerteza sobre o concurso é grande, o valor de esperar — mesmo perdendo um mês de salário — pode compensar. O VPL positivo da mudança não basta; ele precisa superar o valor da opção de espera.

Por que isso importa: Esse raciocínio explica por que empresas adiam investimentos mesmo com VPL positivo, por que a Petrobras pode postergar a exploração do pré-sal quando o preço do petróleo é volátil, e por que políticas públicas irreversíveis merecem cautela extra.

A teoria das opções reais ganhou proeminência justamente porque o critério simples do valor presente líquido (VPL) — que é, no fundo, uma aplicação do critério do valor esperado — ignora a flexibilidade gerencial. Uma empresa que pode fechar uma mina durante períodos de baixo preço do minério e reabri-la quando os preços sobem possui uma opção de abandono e uma opção de reativação. Ambas têm valor positivo que não aparece num cálculo de VPL estático. No Brasil, projetos de energia elétrica (termoelétricas a gás, usinas hidrelétricas) e de exploração de petróleo no pré-sal são contextos nos quais o valor da flexibilidade operacional — a possibilidade de ajustar a produção conforme os preços variam — pode representar parcela substancial do valor total do empreendimento.

7.6.4 Informação¶

O último mecanismo para lidar com o risco não redistribui nem adia a incerteza — ele a reduz diretamente. A informação reduz a incerteza e permite decisões mais bem fundamentadas. O valor da informação pode ser definido como a diferença entre a utilidade esperada com e sem a informação. Para um agente avesso ao risco, informação completa é sempre (fracamente) valiosa.

Seja $\theta$ o estado da natureza desconhecido e $a$ a ação do agente. Sem informação, o agente maximiza $E_\theta[u(a, \theta)]$. Com informação perfeita (observa $\theta$ antes de agir), maximiza $u(a^*(\theta), \theta)$ para cada realização. O valor da informação perfeita é:

\[ VI = E_\theta\left[\max_a u(a, \theta)\right] - \max_a E_\theta[u(a, \theta)] \]

Pela desigualdade de Jensen aplicada ao operador $\max$, temos $VI \geq 0$: informação nunca tem valor negativo para um agente que pode ignorá-la. Informação imperfeita (um sinal correlacionado com $\theta$) também tem valor não negativo, calculado de forma análoga usando a atualização bayesiana das crenças.

O valor da informação tem aplicações diretas em contextos brasileiros. Uma empresa que considera expandir sua fábrica em Goiás pode contratar uma consultoria para avaliar a demanda regional — o valor da consultoria é exatamente o VI definido acima. Um agricultor que assina um contrato de venda antecipada de soja está, em parte, pagando para converter uma renda incerta em renda certa (comprando informação sobre o preço futuro via contrato). O governo que financia pesquisas climáticas para melhorar as previsões de seca no Nordeste está investindo em informação cujo valor é proporcional ao quanto essa informação permite melhorar as decisões de plantio e de ativação do Proagro.

Uma distinção importante é que o valor da informação depende de quão boa é a decisão sem ela. Se o agente já escolhe quase otimamente sem a informação adicional, o ganho é pequeno. Se a incerteza é grande e a decisão sem informação é muito sub-ótima, o valor pode ser enorme. Isso sugere que o retorno de investimentos em coleta e processamento de dados é maior em ambientes de alta incerteza — exatamente o caso do agronegócio brasileiro sujeito a variabilidade climática, oscilações cambiais e volatilidade de preços internacionais de commodities.

Box Mundo 7.3 — Penetração global de seguros: como a aversão ao risco se traduz em mercados reais

Contexto: A Seção 7.6.1 demonstrou que um agente avesso ao risco contrata seguro total quando o prêmio é atuarialmente justo, e seguro parcial quando há carregamento positivo. Mas como essas previsões teóricas se manifestam na prática ao redor do mundo? A taxa de penetração de seguros — prêmios totais como proporção do PIB — é a medida-padrão utilizada pela indústria e por reguladores para avaliar o grau em que uma economia utiliza mecanismos formais de transferência de risco. As disparidades internacionais são enormes e revelam como fatores institucionais, culturais e de desenvolvimento econômico modulam a demanda por seguros prevista pelo modelo teórico.

Dados: O sigma report da Swiss Re (2023) documenta que a penetração global de seguros em 2022 foi de 6,8% do PIB mundial, totalizando US$ 6,8 trilhões em prêmios. Porém, a variação entre países é dramática: o Reino Unido lidera com penetração de 14,5% do PIB, seguido pelos EUA (11,7%), França (9,3%) e Japão (8,2%). Em contraste, países em desenvolvimento apresentam penetração muito inferior: Brasil (3,8%), Índia (4,2%), Nigéria (0,4%) e Bangladesh (0,5%). A penetração em seguros de vida é especialmente baixa na África Subsaariana (média de 0,7% do PIB) e no Sul da Ásia (1,1%), contra 5,0% na Europa Ocidental. Segundo dados da OECD (Insurance Statistics, 2023), os gastos com seguros per capita variam de US$ 8.600 nos EUA e US$ 6.200 na Suíça a menos de US$ 20 em países como Paquistão e Mianmar. A Superintendência de Seguros Privados (Susep) reporta que, no Brasil, o seguro de automóvel é o ramo mais contratado (cerca de 30% dos veículos segurados), enquanto o seguro residencial cobre menos de 15% dos domicílios — refletindo tanto a parcela orçamentária do bem quanto a percepção de risco.

Análise: As disparidades internacionais na penetração de seguros refletem a interação entre os fatores teóricos deste capítulo e as condições institucionais de cada país. Primeiro, a aversão ao risco (Seção 7.3) é necessária mas não suficiente: mesmo em países onde os agentes são avessos ao risco, a ausência de seguradoras com capacidade de pooling, a falta de dados atuariais confiáveis e os altos custos de transação elevam o carregamento $\lambda$ a níveis que tornam o seguro inacessível ou não atrativo — como previsto pela Seção 7.6.1. Segundo, a informação assimétrica (Seção 7.8) — seleção adversa e risco moral — é mais severa em mercados com menor infraestrutura de monitoramento, o que explica por que o seguro agrícola e de saúde é particularmente raro em países em desenvolvimento. Terceiro, a renda per capita é um determinante fundamental: seguros são bens normais, e a elasticidade-renda da demanda por seguros é estimada entre 1,0 e 1,5 pela Swiss Re, indicando que o seguro é um bem de luxo relativo. Essa constatação conecta a teoria da demanda (Capítulo 5) à teoria da incerteza: a participação orçamentária de seguros cresce mais que proporcionalmente com a renda, o que explica a enorme lacuna de proteção (protection gap) nos países mais pobres e fundamenta o caso para intervenções públicas como o Proagro no Brasil e os microsseguros indexados discutidos no Box Mundo 7.2.

Fonte: Swiss Re Institute (2023). sigma No. 3/2023: World insurance: stirring satisfactory resilience amid turbulence. Zurich: Swiss Re. OECD (2023). Insurance Statistics. Paris: OECD. Susep — Superintendência de Seguros Privados (2023). Relatório de Análise e Acompanhamento dos Mercados Supervisionados.

Box Mundo 7.2 — Microsseguros em países em desenvolvimento

Contexto: A teoria dos seguros desenvolvida nesta seção pressupõe mercados de seguros funcionais — seguradoras com capacidade de pooling de riscos, consumidores informados e prêmios atuarialmente justos ou próximos disso. Nos países em desenvolvimento, contudo, centenas de milhões de pequenos agricultores, trabalhadores informais e microempreendedores enfrentam riscos severos (secas, enchentes, doenças, flutuações de preços) sem acesso a seguros tradicionais. O microsseguro — produtos de seguro de baixo custo e cobertura simplificada, desenhados para populações de baixa renda — surgiu como resposta a essa lacuna, e o seguro indexado (index-based insurance) representa sua variante mais inovadora.

Dados: Na Índia, a ICICI Lombard lançou em 2003, em parceria com o Banco Mundial, um dos primeiros programas de seguro indexado climático em larga escala: o produto pagava indenizações automaticamente quando a precipitação pluviométrica medida por estações meteorológicas caía abaixo de um limiar pré-definido, eliminando a necessidade de vistoria individual. Cole et al. (2013, Quarterly Journal of Economics) estudaram a adoção desse seguro em Gujarat e Andhra Pradesh e encontraram que a demanda é altamente sensível ao preço, à liquidez dos agricultores e à confiança na seguradora — mas também que a simples provisão de informação financeira eleva substancialmente a adesão. Nas Filipinas, Karlan et al. (2014) mostraram que o acesso a seguro indexado contra tufões induziu agricultores a investir em culturas de maior retorno (e maior risco), elevando a renda esperada em 16%. Na África Subsaariana, o programa R4 Rural Resilience Initiative do Programa Mundial de Alimentos cobria, até 2022, mais de 90.000 agricultores em Etiópia, Senegal, Malaui e Zâmbia com seguros indexados vinculados a programas de trabalho comunitário.

Análise: O seguro indexado resolve parcialmente dois problemas clássicos da informação assimétrica que veremos na Seção 7.8: o risco moral (o agricultor segurado não reduz esforço porque a indenização depende do índice climático, não da colheita individual) e a seleção adversa (o preço é baseado em dados meteorológicos observáveis, não em informação privada do segurado). Porém, introduz um novo problema — o risco de base (basis risk): a discrepância entre a perda real do agricultor e o que o índice climático indica. Se chove pouco na estação meteorológica, mas o suficiente na fazenda específica do segurado, ele recebe uma indenização desnecessária; na situação inversa, sofre perda sem cobertura. A persistência de baixas taxas de adesão em muitos programas de microsseguro — tipicamente entre 5% e 30% da população elegível — sugere que risco de base, desconfiança institucional e restrições de liquidez são barreiras tão importantes quanto o nível do prêmio.

Fonte: Cole, S.; Giné, X.; Tobacman, J.; Topalova, P.; Townsend, R.; Vickery, J. (2013). "Barriers to Household Risk Management: Evidence from India." American Economic Journal: Applied Economics, 5(1), 104–135. Karlan, D.; Osei, R.; Osei-Akoto, I.; Udry, C. (2014). "Agricultural Decisions after Relaxing Credit and Risk Constraints." Quarterly Journal of Economics, 129(2), 597–652. World Food Programme (2022). R4 Rural Resilience Initiative Annual Report.

7.7 Abordagem Estado-Preferência (State-Preference)¶

Até aqui, abordamos a incerteza pelo lado do agente individual: como ele avalia loterias, quão avesso ao risco ele é, quanto pagaria por um seguro. Mas existe uma perspectiva complementar e igualmente poderosa, que reconecta a teoria da incerteza à teoria do consumidor que já conhecemos dos capítulos anteriores. Em vez de pensar em "loterias", podemos pensar em "bens contingentes" — bens que existem condicionalmente à ocorrência de determinados estados do mundo. Essa reformulação, devida a Arrow e Debreu, revela uma elegância profunda: escolher sob incerteza é, no fundo, escolher um cesto de consumo, exatamente como no problema do consumidor determinístico.

E se pudéssemos tratar a incerteza como... mais um problema de consumidor? A ideia — genial na sua simplicidade — é imaginar que existem "bens" especiais: um "guarda-chuva" que só entrega valor se chover, um "protetor solar" que só serve se fizer sol. Esses ativos contingentes transformam a escolha sob incerteza em uma escolha entre cestas — exatamente como nos Capítulos 3-4, mas agora as "mercadorias" são pagamentos condicionais a estados do mundo.

Espaço de estados e ativos contingentes

Um estado da natureza $s \in S = \{1, 2, \ldots, S\}$ descreve uma configuração completa e mutuamente exclusiva do mundo.
Um ativo contingente ao estado $s$ (ou ativo de Arrow-Debreu) paga 1 unidade monetária se o estado $s$ ocorre e 0 caso contrário.
O preço de um ativo contingente ao estado $s$ é denotado por $\psi_s$.

Nessa estrutura, o consumo contingente do agente é um vetor $(c_1, c_2, \ldots, c_S)$, e o problema de escolha sob incerteza é reduzido a um problema de escolha do consumidor padrão, com a restrição orçamentária:

\[ \sum_{s=1}^{S} \psi_s \, c_s = W \]

e a função objetivo:

\[ \max_{(c_1, \ldots, c_S)} \sum_{s=1}^{S} \pi_s \, u(c_s) \]

onde $\pi_s$ é a probabilidade do estado $s$.

A condição de primeira ordem implica:

\[ \frac{\pi_s \, u'(c_s)}{\pi_{s'} \, u'(c_{s'})} = \frac{\psi_s}{\psi_{s'}} \quad \forall \; s, s' \]

Se os mercados de ativos contingentes são completos (existe um ativo para cada estado), todo risco pode ser alocado eficientemente. Se, adicionalmente, o agente é avesso ao risco e os preços são atuarialmente justos ($\psi_s = \pi_s$ para todo $s$), a solução ótima é $c_s = c_{s'}$ para todo $s, s'$ — ou seja, consumo perfeitamente suavizado entre estados. Esse resultado é a contrapartida, no espaço de estados, do resultado que vimos na Seção 7.6.1: assim como o agente avesso ao risco contrata cobertura total quando o prêmio é justo, ele equaliza o consumo entre todos os estados quando os preços dos ativos contingentes são atuarialmente justos. Em ambos os casos, a aversão ao risco conduz à eliminação completa da incerteza sempre que isso pode ser feito sem custo.

Intuição Econômica

Comprar seguro é comprar um ativo contingente ao estado ruim.

A abordagem estado-preferência oferece uma perspectiva radicalmente diferente — e mais geral — da abordagem probabilística. Em vez de pensar em "loterias" e "utilidade esperada", pensamos em mercados de consumo contingente. Comprar um seguro de carro não é contratar uma loteria: é adquirir um ativo (o contrato de seguro) que paga R$ 50.000 se e somente se o estado "acidente grave" se realizar. Em termos de Arrow-Debreu, você está comprando unidades do ativo contingente ao estado "acidente".

A beleza dessa reformulação é que ela reduz o problema de decisão sob incerteza ao problema do consumidor que já conhecemos do Capítulo 3. O "cesto de bens" agora é $(c_1, c_2, \ldots, c_S)$ — consumo em cada estado do mundo — e a restrição orçamentária e as condições de ótimo têm a mesma forma matemática de sempre. A aversão ao risco corresponde à curvatura das curvas de indiferença no espaço estado-consumo, exatamente como a preferência por variedade corresponde à curvatura das curvas de indiferença no espaço de bens do Capítulo 3.

Implicação prática: Quando você compra ações de uma empresa e simultaneamente vende a descoberto um índice de mercado (para eliminar o risco sistemático), está construindo um portfólio que paga apenas em estados específicos do mundo — uma carteira de ativos contingentes. Mercados financeiros completos e seguros são, nessa perspectiva, simplesmente mercados de bens contingentes.

Mercados completos e eficiência

A completude dos mercados é uma condição forte. Na prática, muitos riscos não são seguráveis (desemprego, saúde futura), o que gera incompletude dos mercados e potenciais ineficiências de Pareto. A incompletude dos mercados é um dos temas centrais da teoria financeira moderna.

A abordagem estado-preferência tem implicações normativas importantes para a política econômica brasileira. O sistema de previdência social (INSS) pode ser interpretado como a criação de um ativo contingente ao estado "velhice sem renda" — um estado que, sem a previdência, muitos trabalhadores não conseguiriam cobrir nos mercados privados. O seguro-desemprego é um ativo contingente ao estado "demissão involuntária". O SUS (Sistema Único de Saúde) é um conjunto de ativos contingentes a estados de doença que o mercado privado não consegue prover de forma universal, dadas as falhas de informação assimétrica (Seção 7.8). A teoria dos ativos contingentes de Arrow-Debreu, portanto, não é apenas um exercício matemático elegante: ela fornece o arcabouço conceitual para avaliar quando e por que o Estado deve intervir nos mercados de risco.

7.8 Introdução à Informação Assimétrica¶

A análise até aqui pressupôs que todos os agentes compartilham a mesma informação sobre os riscos envolvidos. Mas o que acontece quando uma das partes sabe mais do que a outra? Essa assimetria de informação é, na prática, a regra — não a exceção. O vendedor de um carro usado conhece os defeitos ocultos; o paciente sabe mais sobre seus hábitos de saúde do que a seguradora; o gerente de uma empresa sabe mais sobre o desempenho de sua equipe do que o acionista. Essas assimetrias geram problemas que podem comprometer o funcionamento eficiente dos mercados de risco.

Para fechar o capítulo, um aperitivo do que vem pela frente: e quando o problema não é você não saber o futuro, mas a outra parte saber mais que você? O vendedor de carro usado sabe se o motor é bom; a seguradora não sabe se você dirige rápido; o empregador não sabe se o candidato é preguiçoso. Essa assimetria de informação gera problemas que a teoria da utilidade esperada, sozinha, não resolve — mas que serão o tema central dos Capítulos 9d e 19. Aqui, plantamos as sementes.

7.8.1 Seleção adversa¶

A seleção adversa ocorre antes da celebração do contrato, quando uma das partes possui informação privada sobre suas características. O exemplo clássico é o mercado de carros usados de Akerlof (1970): vendedores conhecem a qualidade de seus veículos, mas compradores não conseguem distinguir carros bons de ruins (lemons). O resultado é que carros de boa qualidade podem ser expulsos do mercado.

Mecanismos para mitigar a seleção adversa incluem:

Sinalização: a parte informada toma ações custosas para revelar sua qualidade (Spence, 1973).
Triagem (screening): a parte desinformada oferece um menu de contratos que induz a autorevelação.

7.8.2 Risco moral¶

Se a seleção adversa é um problema de informação oculta (quem é o agente?), o risco moral é um problema de ação oculta (o que o agente faz?). O risco moral ocorre depois da celebração do contrato, quando uma das partes pode tomar ações não observáveis que afetam o resultado. Por exemplo, após contratar um seguro, o segurado pode reduzir seus cuidados preventivos. A solução envolve o desenho de contratos com incentivos adequados (franquias, copagamentos, bônus por desempenho).

Terminologia

Em português, o termo consagrado é risco moral (tradução de moral hazard), e não "risco de inadimplência". "Risco moral" refere-se ao problema de incentivos gerado pela impossibilidade de observar as ações do agente após a contratação.

A importância prática da informação assimétrica para os mercados de risco no Brasil não pode ser subestimada. No mercado de saúde suplementar, a ANS (Agência Nacional de Saúde Suplementar) regulamenta as coberturas mínimas obrigatórias parcialmente como resposta à seleção adversa: sem obrigatoriedade de cobertura para doenças preexistentes, as operadoras excluiriam exatamente os segurados de maior risco, destruindo a lógica do pool de riscos. No crédito rural, o Proagro enfrenta risco moral porque o produtor que contratou a cobertura tem menos incentivos para investir em irrigação de emergência ou na escolha de sementes resistentes à seca. No mercado de trabalho, contratos de incentivo — comissões, bônus, participação nos lucros — são respostas diretas ao risco moral de agentes que podem shirk (reduzir esforço) quando o trabalho não é perfeitamente monitorado.

A compreensão desses mecanismos começa nesta seção, mas a análise formal — incluindo a derivação dos contratos ótimos com informação assimétrica, os menus de triagem, os sinais de mercado e o teorema da revelação — será desenvolvida em profundidade nos capítulos posteriores. Por ora, o que importa é reconhecer que os mercados de risco, diferentemente dos mercados de bens homogêneos, são especialmente vulneráveis a falhas de informação, e que essas falhas geram ineficiências que justificam tanto a regulação quanto o desenho cuidadoso de políticas públicas.

Os conceitos desenvolvidos ao longo deste capítulo — loterias, utilidade esperada, aversão ao risco, prêmio de risco, diversificação e informação assimétrica — ganham vida quando aplicados a mercados reais. Os boxes a seguir ilustram como a teoria se manifesta em três contextos brasileiros: o mercado de seguros de automóvel, a Mega-Sena e o seguro agrícola.

Box Brasil — Seguros de automóvel: risco, precificação e regulação

O mercado de seguros de automóvel no Brasil é um campo fértil para a aplicação dos conceitos de incerteza e aversão ao risco. Regulado pela SUSEP (Superintendência de Seguros Privados), esse mercado apresenta características que ilustram os desafios teóricos discutidos neste capítulo.

Estrutura de mercado e concentração

O mercado brasileiro de seguros de automóvel é moderadamente concentrado. As cinco maiores seguradoras respondem por aproximadamente 55–60% dos prêmios emitidos. As principais são Porto Seguro, Tokio Marine, Bradesco Seguros, SulAmérica e HDI. Essa concentração permite algum poder de precificação, mas a competição é suficiente para limitar os carregamentos sobre o prêmio atuarialmente justo.

Precificação baseada em risco

A precificação dos seguros automotivos no Brasil envolve sofisticados modelos atuariais que incorporam variáveis como:

Perfil do condutor: idade, sexo, estado civil, tempo de habilitação.
Veículo: marca, modelo, ano, valor de mercado (tabela FIPE).
Localização geográfica: CEP de pernoite, índice de furto/roubo da região.
Histórico: bônus por ausência de sinistros (classes de bônus de 0 a 10).

Sinistralidade e variação regional

A sinistralidade (razão entre indenizações pagas e prêmios ganhos) varia significativamente entre regiões. Dados do setor indicam que estados como São Paulo e Rio de Janeiro apresentam sinistralidade mais alta em furto e roubo, enquanto estados do interior têm maior incidência relativa de colisões. A sinistralidade média do ramo automóvel situa-se tipicamente entre 55% e 65%.

Região	Sinistralidade típica	Principal tipo de sinistro
SP (Capital)	60–70%	Furto/roubo
RJ (Capital)	65–75%	Furto/roubo
Interior SP	50–60%	Colisão
Sul	50–60%	Colisão, granizo
Nordeste	45–55%	Colisão

Problemas informacionais

O mercado de seguros automotivos enfrenta tanto seleção adversa (motoristas de alto risco têm mais incentivos para contratar seguros) quanto risco moral (a cobertura pode reduzir os cuidados com o veículo). As seguradoras mitigam esses problemas por meio de franquias (que funcionam como copagamento), classes de bônus (que premiam o histórico positivo) e inspeções veiculares prévias.

Papel da SUSEP

A SUSEP fiscaliza a solvência das seguradoras, regulamenta as condições gerais dos contratos e monitora as práticas de mercado. A exigência de provisões técnicas adequadas assegura que as seguradoras mantenham capacidade financeira para honrar os sinistros, reduzindo o risco sistêmico do setor.

Box Brasil — Mega-Sena: quando apostar é irracional (mas compreensível)

A Mega-Sena, operada pela Caixa Econômica Federal, é a maior loteria do Brasil e ilustra de maneira contundente o contraste entre valor esperado e comportamento observado.

Os números da Mega-Sena

A probabilidade de acertar as 6 dezenas em um jogo simples (6 números) é de $1/50.063.860$ — ou aproximadamente 0,000002%. Pela legislação brasileira, 43,35% da arrecadação bruta é destinada ao pagamento de prêmios (incluindo quadra, quina e sena). Para a faixa principal (sena), a parcela é de cerca de 35% da arrecadação.

Valor esperado negativo

Para uma aposta simples de R$ 5,00, o retorno esperado — considerando todas as faixas de premiação — é tipicamente inferior a R$ 2,20. Isso implica um retorno esperado líquido de aproximadamente −R$ 2,80 por aposta, ou uma "sinistralidade" de cerca de 44% para a Caixa. Do ponto de vista da utilidade esperada, um agente estritamente avesso ao risco jamais compraria um bilhete de loteria.

Por que as pessoas apostam?

A teoria econômica oferece duas explicações complementares:

Hipótese de Friedman-Savage (1948): a função de utilidade pode ser côncava para níveis baixos e altos de riqueza, mas convexa em uma faixa intermediária, correspondente à região onde um "grande prêmio" faria o indivíduo mudar de classe social. Nessa faixa, o agente se comporta como propenso ao risco.
Teoria dos prospectos: os agentes sobreponderam probabilidades muito pequenas. Assim, a probabilidade subjetiva atribuída ao prêmio máximo é muito maior do que a probabilidade objetiva.

Conexão com este capítulo

A Mega-Sena demonstra que o critério do valor esperado (Seção 7.1) é insuficiente para explicar o comportamento observado. A disposição de milhões de brasileiros a aceitar uma loteria com valor esperado negativo desafia a hipótese de aversão ao risco universal e motiva os refinamentos teóricos discutidos nas Seções 7.2–7.3.

Fonte: Caixa Econômica Federal, regulamento da Mega-Sena; Lei 13.756/2018 (destinação da arrecadação de loterias).

Box Brasil — Programa de Subvenção ao Prêmio do Seguro Rural (PSR)

O setor agropecuário brasileiro — responsável por cerca de 24% do PIB quando considerada toda a cadeia — está intrinsecamente exposto a riscos climáticos, fitossanitários e de preços. O Programa de Subvenção ao Prêmio do Seguro Rural (PSR), criado em 2003, é a principal política pública de gestão de risco agrícola no país.

Como funciona

O governo federal subsidia parte do prêmio do seguro rural pago pelo produtor. Em 2024, o orçamento do PSR foi de R$ 1,15 bilhão, permitindo a cobertura de mais de 62 atividades agropecuárias. O percentual de subvenção varia por cultura: em média cerca de 40%, mas para culturas como soja o subsídio gira em torno de 20%.

Justificativa econômica

O subsídio se justifica por três razões microeconômicas:

Completude de mercados: sem subvenção, muitos produtores — especialmente pequenos e médios — não teriam acesso ao seguro, deixando o mercado de risco incompleto (Seção 7.7).
Externalidades positivas: a estabilidade da renda agrícola reduz a inadimplência no crédito rural e suaviza o consumo em regiões dependentes do agronegócio.
Seleção adversa: sem incentivo, apenas os produtores de maior risco contratariam seguro, elevando o prêmio e expulsando os de baixo risco — o clássico problema de Akerlof (Seção 7.8).

Desafios

O PSR enfrenta limitações: orçamento frequentemente insuficiente para atender toda a demanda, concentração das apólices em grandes produtores do Centro-Oeste e Sul, e dificuldades na precificação atuarial de eventos climáticos extremos (que estão se tornando mais frequentes).

Fonte: Ministério da Agricultura e Pecuária, Relatório do PSR 2023/2024; Atlas do Seguro Rural (Embrapa).

No início deste capítulo, tiramos o tapete da certeza. Agora, o consumidor tem ferramentas para pisar firme mesmo no chão instável: utilidade esperada para avaliar loterias, Arrow-Pratt para medir aversão ao risco, seguros para transferi-lo, e ativos contingentes para negociá-lo. O tapete não voltou — mas o consumidor aprendeu a equilibrar-se sem ele.

O consumidor aprendeu a lidar com o risco. Mas será que ele realmente faz isso de forma racional? O próximo capítulo diz que não — e tem provas.

🧠 Revisão Rápida¶

Teste seu entendimento dos conceitos centrais deste capítulo.

1. Um agente com função de utilidade côncava sobre riqueza é classificado como:

(a) Amante do risco — prefere a loteria ao valor esperado com certeza
(b) Neutro ao risco — é indiferente entre a loteria e seu valor esperado
(c) Avesso ao risco — prefere o valor esperado com certeza à loteria
(d) Avesso ao risco apenas se a variância da loteria for alta

Resposta

(c) Concavidade de $u(W)$ implica, pela desigualdade de Jensen, que $E[u(W)] < u(E[W])$: a utilidade esperada da loteria é menor que a utilidade do valor esperado recebido com certeza. Portanto, o agente prefere a certeza — é avesso ao risco. A alternativa (a) requer convexidade; (b) requer linearidade; (d) é incorreta pois a aversão vale para qualquer loteria arriscada.

2. O equivalente certeza de uma loteria é o valor $W_{CE}$ tal que:

(a) $u(W_{CE}) = E[W]$
(b) $u(W_{CE}) = E[u(W)]$
(c) $W_{CE} = E[W]$ sempre
(d) $W_{CE} = E[W] + \text{prêmio de risco}$

Resposta

(b) O equivalente certeza é o montante certo que dá a mesma utilidade esperada que a loteria: $u(W_{CE}) = E[u(W)]$. Para um avesso ao risco, $W_{CE} < E[W]$, e a diferença $E[W] - W_{CE}$ é o prêmio de risco. A alternativa (a) confunde utilidade do equivalente certeza com o valor esperado monetário; (c) só vale para neutralidade ao risco; (d) inverte a relação.

3. A medida de Arrow-Pratt de aversão absoluta ao risco é definida como:

(a) $A(W) = -u'(W)/u''(W)$
(b) $A(W) = -u''(W)/u'(W)$
(c) $A(W) = u''(W)/u'(W)$
(d) $A(W) = -u'(W) \cdot u''(W)$

Resposta

(b) O coeficiente de Arrow-Pratt $A(W) = -u''(W)/u'(W)$ mede a curvatura relativa da função de utilidade. É positivo para avessos ao risco ($u'' < 0$). A alternativa (a) inverte a fração; (c) dá valor negativo para avessos ao risco; (d) não tem interpretação econômica padrão.

4. No mercado de seguros com informação simétrica, um agente avesso ao risco e uma seguradora neutra ao risco alcançam eficiência quando:

(a) O prêmio do seguro é igual ao dobro da perda esperada
(b) O agente compra seguro parcial para manter incentivo a ter cuidado
(c) O agente compra seguro completo ao prêmio atuarialmente justo (igual à perda esperada)
(d) A seguradora cobra prêmio igual ao equivalente certeza do agente

Resposta

(c) Com informação simétrica, a alocação eficiente transfere todo o risco do avesso ao risco para o neutro (seguradora). O prêmio atuarialmente justo $\pi = p \cdot L$ (probabilidade vezes perda) é suficiente para a seguradora cobrir as perdas esperadas, e o agente, sendo avesso ao risco, prefere pagar esse prêmio a enfrentar a incerteza. As demais alternativas descrevem situações subótimas ou incorretas.

5. O axioma de independência na teoria da utilidade esperada afirma que:

(a) As preferências por loterias dependem apenas dos payoffs, não das probabilidades
(b) Se $A \succ B$, então misturar $A$ e $B$ com uma terceira loteria $C$ preserva a preferência: $\alpha A + (1-\alpha)C \succ \alpha B + (1-\alpha)C$
(c) Loterias com o mesmo valor esperado são sempre indiferentes
(d) O agente é indiferente entre receber um prêmio agora ou no futuro

Resposta

(b) O axioma de independência estabelece que a preferência entre duas loterias não é afetada pela mistura com uma terceira loteria comum. É o axioma mais distintivo (e controverso) da teoria de VNM, violado sistematicamente no Paradoxo de Allais. A alternativa (a) é absurda; (c) descreve neutralidade ao risco; (d) refere-se a preferências intertemporais.

📋 Resumo do Capítulo¶

Uma loteria é uma distribuição de probabilidade sobre resultados monetários; o valor esperado é a média ponderada dos payoffs, mas não captura a atitude do agente em relação ao risco.
A Hipótese da Utilidade Esperada (Von Neumann-Morgenstern) axiomatiza a escolha sob incerteza: agentes racionais maximizam a esperança de uma função de utilidade, com os axiomas de completude, transitividade, continuidade e independência fundamentando o teorema.
A aversão ao risco corresponde à concavidade da função de utilidade (desigualdade de Jensen): o agente prefere o valor esperado com certeza à própria loteria; neutralidade e propensão ao risco correspondem a linearidade e convexidade, respectivamente.
As medidas de Arrow-Pratt quantificam a aversão ao risco: a medida absoluta (ARA) determina o comportamento frente a riscos de magnitude fixa, enquanto a medida relativa (RRA) se aplica a riscos proporcionais à riqueza; funções CARA, CRRA e DARA capturam diferentes padrões.
O prêmio de risco e o equivalente de certeza conectam a teoria à prática: o prêmio de risco é o valor que o agente pagaria para eliminar a incerteza, e a aproximação de Arrow-Pratt o relaciona à variância da loteria e à curvatura da utilidade.
Diversificação, seguros e mercados de ativos contingentes (abordagem estado-preferência) são mecanismos para reduzir ou redistribuir riscos; problemas de informação assimétrica (seleção adversa e risco moral) limitam a eficiência desses mercados.

🔑 Conceitos-Chave¶

Conceito	Definição
Loteria	Distribuição de probabilidade sobre um conjunto finito de resultados monetários.
Utilidade esperada (VNM)	Representação de preferências sob incerteza em que o agente maximiza a esperança matemática de uma função de utilidade.
Aversão ao risco	Preferência pelo valor esperado de uma loteria (com certeza) em relação à própria loteria; implica função de utilidade côncava.
Medida de Arrow-Pratt (ARA)	Coeficiente de aversão ao risco absoluta, definido como $-u''(W)/u'(W)$; mede a curvatura local da utilidade.
Medida de Arrow-Pratt (RRA)	Coeficiente de aversão ao risco relativa, definido como $-W \cdot u''(W)/u'(W)$; mede a aversão a riscos proporcionais à riqueza.
Equivalente de certeza	Valor certo que proporciona a mesma utilidade esperada de uma loteria; é menor que o valor esperado para agentes avessos ao risco.
Prêmio de risco	Diferença entre o valor esperado da loteria e o equivalente de certeza; mede quanto o agente pagaria para eliminar o risco.
Diversificação	Estratégia de alocação de riqueza entre ativos imperfeitamente correlacionados para reduzir o risco total do portfólio.
Seleção adversa	Problema de informação assimétrica pré-contratual em que a parte menos informada atrai desproporcionalmente agentes de alto risco.
Risco moral	Problema de informação assimétrica pós-contratual em que o agente segurado altera seu comportamento de forma não observável.

Tabela 7.2 — Conceitos-chave.

✏️ Exercícios¶

Exercício 7.1. Um investidor com função de utilidade $u(W) = \ln(W)$ e riqueza inicial $W_0 = 10.000$ pode participar de uma loteria que paga $+5.000$ com probabilidade $0{,}5$ e $-5.000$ com probabilidade $0{,}5$.

(a) Calcule a utilidade esperada da loteria.

(b) Calcule o equivalente de certeza.

(c) Calcule o prêmio de risco exato e compare com a aproximação de Arrow-Pratt.

Ver solução

Exercício 7.2. Mostre que a função de utilidade $u(W) = -e^{-aW}$, com $a > 0$, apresenta aversão absoluta ao risco constante (CARA). Calcule $A(W)$ e $R(W)$ e discuta as implicações econômicas de cada medida.

Ver solução

Exercício 7.3. Um agricultor no Cerrado brasileiro enfrenta a seguinte situação: com probabilidade $0{,}7$ a safra é boa e ele obtém receita de R$ 200.000; com probabilidade $0{,}3$ há seca e a receita cai para R$ 50.000. Sua função de utilidade é $u(W) = \sqrt{W}$.

(a) Qual o valor esperado da receita?

(b) Qual o equivalente de certeza?

(c) Qual o prêmio máximo que ele pagaria por um seguro de cobertura total?

(d) Se uma seguradora oferece seguro a um prêmio de R$ 60.000, o agricultor contrata? Justifique.

Ver solução

Exercício 7.4. Considere dois estados da natureza, $s_1$ (expansão) e $s_2$ (recessão), com probabilidades $\pi_1 = 0{,}6$ e $\pi_2 = 0{,}4$. Um agente com riqueza $W = 100$ e utilidade $u(c) = \ln(c)$ pode comprar ativos contingentes ao preço $\psi_1 = 0{,}6$ e $\psi_2 = 0{,}4$.

(a) Formule o problema de maximização.

(b) Encontre a alocação ótima $(c_1^*, c_2^*)$.

(c) Interprete o resultado à luz da suavização de consumo entre estados.

Ver solução

Exercício 7.5. Considere dois agentes, A com $u_A(W) = \ln(W)$ e B com $u_B(W) = -e^{-0{,}001W}$, ambos com riqueza $W = 10.000$.

(a) Calcule $A(W)$ e $R(W)$ para cada agente.

(b) Compare o prêmio de risco (aproximado) que cada um exigiria para aceitar uma loteria com valor esperado zero e desvio padrão de R$ 1.000.

(c) Como o prêmio de risco de cada agente se altera se a riqueza aumenta para $W = 50.000$? Discuta a relação com DARA e CARA.

Ver solução

Exercício 7.6. (Fácil) Um agente possui função de utilidade $u(W) = \sqrt{W}$ e riqueza inicial $W_0 = 100$. Ele é convidado a participar de uma loteria que paga $+60$ com probabilidade $0{,}5$ e $-60$ com probabilidade $0{,}5$.

(a) Calcule a utilidade esperada da loteria, $E[u]$.

(b) Calcule a utilidade do valor esperado da riqueza, $u(E[W])$.

(c) Com base na comparação entre $E[u]$ e $u(E[W])$, determine se o agente é avesso, neutro ou propenso ao risco. Justifique usando a desigualdade de Jensen.

Ver solução

Exercício 7.7. (Fácil — Verdadeiro ou Falso) Julgue as afirmativas abaixo como verdadeiras ou falsas, com justificativa.

(a) Um agente neutro ao risco possui função de utilidade linear.

(b) A utilidade CARA implica que o prêmio de risco é independente da riqueza.

(c) Se $u''(W) < 0$, o agente sempre rejeita qualquer loteria justa.

(d) A diversificação elimina todo o risco de uma carteira de ativos.

Ver solução

Exercício 7.8. (Médio) Um agente tem função de utilidade $u(W) = \ln(W)$ e riqueza inicial $W_0 = 10.000$. Ele enfrenta o seguinte risco: com probabilidade $0{,}1$ perde R$ 5.000; com probabilidade $0{,}9$ não perde nada.

(a) Calcule o equivalente de certeza e o prêmio de risco exato.

(b) Qual é o prêmio máximo que o agente pagaria por um seguro de cobertura total?

(c) Uma seguradora oferece cobertura total por R$ 600. O agente contrata? Justifique calculando a utilidade com e sem seguro.

Ver solução

Exercício 7.9. (Médio — Contexto Brasileiro) Um cafeicultor de Minas Gerais possui utilidade CRRA com coeficiente de aversão relativa ao risco $\gamma = 2$, ou seja, $u(W) = -W^{-1}$, e riqueza inicial $W_0 = \text{R\$ }200.000$. Ele enfrenta o seguinte risco climático: com probabilidade $0{,}3$, uma seca severa reduz sua produção em 40%, de modo que sua riqueza cai para R$ 120.000; com probabilidade $0{,}7$, não há seca e ele mantém R$ 200.000.

O Proagro oferece um seguro que cobre integralmente a perda de R$ 80.000 em caso de seca, com prêmio de R$ 30.000 (que inclui o prêmio atuarialmente justo de R$ 24.000 mais um carregamento de 25%).

(a) Calcule o prêmio de risco exato do agricultor (o máximo que ele pagaria pelo seguro).

(b) Compare o prêmio de risco com o prêmio cobrado pelo Proagro. O agricultor contrata o seguro? Justifique calculando a utilidade esperada com e sem seguro.

(c) Qual seria o carregamento máximo $\lambda^*$ que tornaria o agricultor indiferente entre contratar e não contratar o seguro?

Ver solução

Exercício 7.10. (Difícil — Demonstração) Prove que, para um agente avesso ao risco ($u'' < 0$), o prêmio de risco $\pi$ associado a um risco justo $\tilde{\varepsilon}$ com variância $\sigma^2$ satisfaz, aproximadamente:

\[ \pi \approx \frac{1}{2}\sigma^2 \cdot A(W_0) \]

onde $A(W_0) = -u''(W_0)/u'(W_0)$ é o coeficiente de Arrow-Pratt de aversão absoluta ao risco avaliado na riqueza inicial $W_0$.

Instruções: Use expansões em série de Taylor de segunda ordem para $E[u(W_0 + \tilde{\varepsilon})]$ e de primeira ordem para $u(W_0 - \pi)$. Identifique a aproximação e interprete cada termo do resultado.

Ver solução

🏆 Vem, ANPEC!¶

ANPEC 2018 — Questão 06

A função utilidade $U$ em termos da renda $w$ de um consumidor é dada por $U(w) = w^3$. Tal consumidor se encontra diante de uma loteria na qual possui $w = \$0$ com probabilidade $p = 0{,}5$ e $w = \$4$ com probabilidade $p = 0{,}5$. Avalie as seguintes proposições a respeito da escolha sob incerteza:

Item	Afirmação
0	Como a função utilidade é convexa em relação à origem, o consumidor é avesso ao risco.
1	A utilidade esperada da loteria é igual a trinta e dois.
2	A utilidade do valor esperado dessa loteria é superior à utilidade esperada da loteria.
3	O equivalente certeza é igual a 2,5.
4	O coeficiente absoluto de aversão ao risco é constante.

Gabarito

Respostas: 01000

Justificativa por item:

Item 0 — F: Função utilidade convexa ($u''(w) = 6w > 0$) implica propensão ao risco, não aversão. A aversão ao risco requer concavidade ($u'' < 0$).
Item 1 — V: $E[U] = 0{,}5 \times U(0) + 0{,}5 \times U(4) = 0{,}5 \times 0 + 0{,}5 \times 64 = 32$. Correto.
Item 2 — F: O valor esperado da loteria é $E[w] = 0{,}5 \times 0 + 0{,}5 \times 4 = 2$. A utilidade do valor esperado é $U(2) = 2^3 = 8$. Como $U(E[w]) = 8 < 32 = E[U]$, a utilidade do valor esperado é inferior à utilidade esperada. Isso é precisamente a propriedade de um agente propenso ao risco (desigualdade de Jensen invertida para funções convexas).
Item 3 — F: O equivalente de certeza satisfaz $U(EC) = E[U]$, ou seja, $EC^3 = 32$. Portanto, $EC = \sqrt[3]{32} = 2\sqrt[3]{4} \approx 3{,}17$, não 2,5.
Item 4 — F: $A(w) = -u''(w)/u'(w) = -6w/(3w^2) = -2/w$. O coeficiente é negativo (confirmando propensão ao risco) e depende de $w$ — portanto, não é constante.

ANPEC 2020 — Questão 11

Com relação à teoria de decisão sob incerteza, julgue os itens abaixo:

Item	Afirmação
0	Suponha que um indivíduo tem utilidade Von Neumann-Morgenstern $U(W) = \ln(W+1)$. Então sua medida relativa de aversão ao risco de Pratt $R(W)$ satisfaz $\lim_{W \to \infty} R(W) = 1$.
1	Considere um indivíduo avesso ao risco, com utilidade Von Neumann-Morgenstern e que investe em um ativo arriscado. Se o rendimento do ativo arriscado é taxado, então o consumidor tem um incentivo para investir menos nesse ativo.
2	Suponha que o $\beta$ de um ativo é igual a 1,25, que o retorno de mercado é de 10,5% e que o retorno do ativo sem risco é de 4,5%. O valor esperado do ativo é de $56. Então, de acordo com o Modelo CAPM, o preço que esse ativo deveria ser vendido hoje é de $50.
3	Considere o Modelo Média-Variância e um indivíduo avesso ao risco. Suponha que o retorno de mercado é de 11%, que o retorno do ativo sem risco é de 5% e que a variância do ativo arriscado é de 25%. Então o preço do risco é $p = 0{,}24$.
4	Suponha que um indivíduo tem utilidade Von Neumann-Morgenstern e é neutro ao risco. Se sua riqueza é aleatória, então a utilidade esperada da riqueza é maior que a utilidade da riqueza esperada.

Gabarito

Respostas: 10110

Justificativa por item:

Item 0 — V: Para $U(W) = \ln(W+1)$: $U'(W) = 1/(W+1)$, $U''(W) = -1/(W+1)^2$. A medida relativa de aversão ao risco é $R(W) = -W \cdot U''(W)/U'(W) = W/(W+1)$. Calculando o limite: $\lim_{W \to \infty} W/(W+1) = 1$. Correto.
Item 1 — F: Pelo resultado clássico de Domar-Musgrave, um imposto proporcional sobre o retorno do ativo arriscado (com compensação simétrica de perdas) faz o governo "compartilhar" o risco com o investidor. O investidor pode restaurar sua exposição original ao risco aumentando a posição no ativo arriscado. O efeito líquido depende das propriedades da função de utilidade (DARA/IARA), mas a afirmação de que sempre há incentivo para investir menos é incorreta.
Item 2 — V: Pelo CAPM, o retorno esperado do ativo é $E[r] = r_f + \beta(E[r_m] - r_f) = 4{,}5\% + 1{,}25 \times (10{,}5\% - 4{,}5\%) = 4{,}5\% + 7{,}5\% = 12\%$. Se o valor esperado do ativo é $56, o preço hoje deve ser $P_0 = 56/1{,}12 = \$50$. Correto.
Item 3 — V: No modelo média-variância, o preço do risco é definido como $p = (E[r_m] - r_f)/\sigma^2 = (11\% - 5\%)/25\% = 0{,}06/0{,}25 = 0{,}24$. Correto.
Item 4 — F: Um indivíduo neutro ao risco possui função de utilidade linear. Pela linearidade, $E[U(W)] = U(E[W])$ — a utilidade esperada é igual à utilidade da riqueza esperada, não maior.

ANPEC 2025 — Questão 02

Considere uma aposta na qual, pagando $15, você pode ganhar $5 se sair um número ímpar ou $20 se sair um número par, no lançamento de um dado não viciado. Julgue as afirmativas abaixo como verdadeiras ou falsas:

Item	Afirmação
0	O valor esperado do retorno da aposta é $15.
1	Trata-se de uma aposta justa.
2	Uma aposta justa não possui risco.
3	Se o custo da aposta fosse de $12,50, um indivíduo com aversão ao risco aceitaria jogar.
4	Uma função de utilidade estritamente côncava é associada a um comportamento de aversão ao risco.

Gabarito

Respostas: 00001

Justificativa por item:

Item 0 — F: Os resultados da aposta são $5 (se ímpar, $p = 1/2$) e $20 (se par, $p = 1/2$). O valor esperado do retorno bruto é $E[R] = 0{,}5 \times 5 + 0{,}5 \times 20 = 12{,}50$, não $15.
Item 1 — F: Uma aposta justa tem retorno esperado líquido igual a zero. Aqui, o retorno líquido esperado é $12{,}50 - 15 = -2{,}50$. Como $E[\text{líquido}] < 0$, a aposta é desfavorável ao apostador.
Item 2 — F: Uma aposta justa tem valor esperado zero, mas ainda apresenta variância positiva — logo, possui risco. "Justo" refere-se ao valor esperado, não à ausência de incerteza.
Item 3 — F: Se o custo fosse $12,50, teríamos $E[\text{líquido}] = 12{,}50 - 12{,}50 = 0$: aposta justa. Um indivíduo avesso ao risco rejeita apostas justas (ou, no máximo, é indiferente), pois $u(E[W]) > E[u(W)]$.
Item 4 — V: Concavidade estrita de $u$ ($u'' < 0$) implica, pela desigualdade de Jensen, que $u(E[X]) > E[u(X)]$ para toda variável aleatória não degenerada — definição de aversão ao risco.

🔬 Pesquisa em Ação¶

Chiappori, Pierre-André; Salanié, Bernard. (2000). Testing for Asymmetric Information in Insurance Markets. Journal of Political Economy, 108(1), 56–78. DOI: 10.1086/262111

Pergunta central: A teoria prevê que, sob informação assimétrica, indivíduos de maior risco escolhem contratos com mais cobertura (seleção adversa) e/ou reduzem seus cuidados após a contratação (risco moral). Mas essas previsões se verificam empiricamente? Existe, de fato, uma correlação positiva entre cobertura e sinistralidade nos dados reais de seguros?

Método: Chiappori e Salanié propuseram um teste empírico geral: se há informação assimétrica (seja por seleção adversa, risco moral ou ambos), deve existir uma correlação positiva condicional entre a cobertura contratada e a ocorrência de sinistros, mesmo após controlar todas as variáveis observáveis usadas pelas seguradoras na precificação. Utilizaram dados detalhados do mercado francês de seguros de automóvel, com informações sobre contratos, prêmios, características dos condutores e histórico de acidentes.

Resultado principal: Surpreendentemente, os autores não encontraram evidência estatisticamente significativa de correlação positiva entre cobertura e sinistralidade para motoristas jovens e inexperientes — o grupo mais sujeito a assimetria informacional. Esse resultado sugere que as seguradoras são eficazes em usar variáveis observáveis (idade, bônus/malus, localização) para classificar os riscos, reduzindo o escopo residual da informação assimétrica.

Por que isso importa: O artigo inaugurou uma ampla literatura empírica de testes de informação assimétrica em mercados de seguros, saúde, crédito e trabalho. Para o Brasil, a metodologia é diretamente aplicável ao mercado de seguros de automóvel (Box Brasil acima) e ao sistema de saúde suplementar, onde o desenho de contratos com franquias e copagamentos busca mitigar tanto seleção adversa quanto risco moral.

Relevância para o capítulo: O artigo testa empiricamente as previsões teóricas da Seção 7.8. A correlação positiva entre cobertura e risco é uma implicação testável da teoria de informação assimétrica. A ausência dessa correlação em alguns mercados sugere que os mecanismos de triagem (screening) e sinalização funcionam razoavelmente bem — ou que as fontes de heterogeneidade são mais complexas do que o modelo básico prevê.

Mehra, Rajnish; Prescott, Edward C. (1985). The Equity Premium: A Puzzle. Journal of Monetary Economics, 15(2), 145–161. DOI: 10.1016/0304-3932(85)90061-3

Pergunta central: Historicamente, ações renderam cerca de 6 pontos percentuais a mais por ano do que títulos públicos nos Estados Unidos. Essa diferença — o equity premium — pode ser racionalizada pelo modelo padrão de utilidade esperada com aversão ao risco (CRRA)?

Método: Mehra e Prescott calibraram um modelo de equilíbrio geral com agente representativo, utilidade CRRA e consumo estocástico baseado em dados macroeconômicos americanos de 1889 a 1978. Calcularam qual coeficiente de aversão relativa ao risco $\gamma$ seria necessário para gerar o prêmio de risco observado nos dados.

Resultado principal: Para reproduzir o equity premium observado de aproximadamente 6%, o modelo exigia um coeficiente $\gamma$ superior a 30 — muito acima das estimativas empíricas plausíveis (tipicamente entre 1 e 10). Com valores razoáveis de $\gamma$, o modelo previa um prêmio de risco de no máximo 0,35%. Esse hiato entre teoria e dados ficou conhecido como o enigma do prêmio de risco (equity premium puzzle).

Por que isso importa: O puzzle motivou décadas de pesquisa em finanças e macroeconomia, incluindo modelos com formação de hábito, perdas mais salientes que ganhos (aversão à perda), custos de participação no mercado acionário e mercados incompletos. No Brasil, estudos usando dados do Ibovespa e da taxa Selic encontram um equity premium ainda mais elevado do que nos EUA, tornando o enigma ainda mais agudo no contexto brasileiro.

Relevância para o capítulo: O artigo demonstra que as medidas de Arrow-Pratt (Seção 7.4) — em particular o coeficiente de aversão relativa constante $\gamma$ da utilidade CRRA — têm implicações quantitativas testáveis para os preços dos ativos financeiros. O puzzle revela os limites do modelo VNM padrão (Seção 7.2) e motiva extensões teóricas que relaxam os axiomas clássicos.

Kahneman, Daniel; Tversky, Amos. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263–291. DOI: 10.2307/1914185

Pergunta central: Os axiomas de Von Neumann e Morgenstern descrevem com precisão como as pessoas realmente tomam decisões sob incerteza? Em particular, o axioma da independência é violado de forma sistemática — e se sim, que teoria alternativa pode explicar os padrões observados?

Método: Kahneman e Tversky conduziram uma série de experimentos com sujeitos humanos, apresentando escolhas hipotéticas entre loterias. Os experimentos foram desenhados para testar sistematicamente se os axiomas VNM são satisfeitos, com atenção especial ao axioma da independência, ao tratamento de probabilidades e à simetria entre ganhos e perdas.

Resultado principal: Os autores documentaram três desvios sistemáticos da teoria VNM: (i) o efeito certeza — as pessoas sobrevalorizam resultados certos em relação a resultados probabilísticos, violando o axioma da independência; (ii) o efeito reflexo — as pessoas exibem aversão ao risco no domínio dos ganhos e propensão ao risco no domínio das perdas; (iii) a aversão à perda — perdas têm peso subjetivo maior do que ganhos de mesma magnitude. Com base nesses achados, propuseram a teoria dos prospectos: uma função de valor côncava sobre ganhos e convexa sobre perdas (com inflexão no ponto de referência) e uma função de ponderação de probabilidades não linear que sobrepesa probabilidades pequenas e subpondera probabilidades grandes.

Por que isso importa: Este é o artigo mais citado da economia, com mais de 80.000 citações segundo o Google Scholar. Ele abriu o campo da economia comportamental e rendeu a Kahneman o Prêmio Nobel de Economia de 2002 (Tversky faleceu em 1996). Para o Brasil, as implicações são diretas: as distorções documentadas por Kahneman e Tversky afetam decisões de poupança e previdência, contratação de seguros, endividamento no crédito rotativo e adesão a programas sociais — todos contextos em que políticas "nudge" (empurrõezinhos) podem corrigir falhas comportamentais de forma custo-efetiva.

Relevância para o capítulo: O artigo desafia diretamente os axiomas VNM da Seção 7.2 e motiva a distinção entre teoria normativa (como agentes deveriam decidir) e descritiva (como eles de fato decidem). A teoria dos prospectos será tratada em detalhe no Capítulo 8; neste capítulo, ela serve como contraponto que reforça a importância de compreender a teoria VNM antes de criticá-la.

Rabin, Matthew. (2000). Risk Aversion and Expected-Utility Theory: A Calibration Theorem. Econometrica, 68(5), 1281–1292. DOI: 10.1111/1468-0262.00158

Pergunta central: Se um agente rejeita uma aposta de pequena escala (digamos, recusar uma aposta de ganhar R$ 110 ou perder R$ 100) em todos os níveis de riqueza, quais são as implicações para sua aversão ao risco em apostas de grande escala? A teoria da utilidade esperada pode acomodar aversão ao risco tanto em pequena quanto em grande escala com um mesmo coeficiente de curvatura?

Método: Rabin demonstrou um resultado matemático puro (um teorema de calibração) sem necessidade de dados: a partir de hipóteses de rejeição de apostas de pequena escala em múltiplos níveis de riqueza, derivou implicações para o prêmio de risco exigido em apostas de grande escala, usando apenas as propriedades matemáticas da utilidade esperada com função crescente e côncava.

Resultado principal: O teorema de Rabin mostra que a teoria da utilidade esperada é internamente inconsistente como teoria descritiva da aversão ao risco: se um agente rejeita a aposta "perder R$ 100 ou ganhar R$ 110, cara ou coroa" para qualquer nível de riqueza abaixo de R$ 300.000, então a mesma função de utilidade implica que ele deveria rejeitar qualquer aposta com perda esperada superior a R$ 1 bilhão — um resultado absurdo. A concavidade global da função de utilidade, necessária para gerar aversão ao risco em pequenas apostas, implica aversão ao risco implausível em apostas grandes. Isso sugere que a aversão ao risco em pequena escala não é bem modelada pela curvatura da utilidade VNM, mas sim por outros mecanismos como aversão à perda (Kahneman e Tversky, 1979).

Por que isso importa: O artigo de Rabin, junto com o de Kahneman e Tversky, é um dos pilares da crítica à teoria VNM como teoria descritiva. Ele demonstra que a teoria VNM e a teoria dos prospectos não são igualmente válidas para todos os tamanhos de aposta: VNM pode ser adequada para riscos de grande escala (decisões de portfólio), mas falha para riscos de pequena escala (onde a aversão à perda domina).

Relevância para o capítulo: O artigo complementa a discussão das medidas de Arrow-Pratt (Seção 7.4) ao mostrar que coeficientes de aversão ao risco estimados a partir de escolhas sobre pequenas apostas não são comparáveis aos estimados de escolhas de portfólio. Para um economista brasileiro que usa dados de loterias ou experimentos de campo para medir preferências de risco de agricultores familiares, essa distinção é fundamental.

Rosenzweig, Mark R.; Binswanger, Hans P. (1993). Wealth, Weather Risk and the Composition and Profitability of Agricultural Investments. The Economic Journal, 103(416), 56–78. DOI: 10.2307/2234337

Pergunta central: Em contextos agrícolas de países em desenvolvimento, como a aversão ao risco e a exposição ao risco climático afetam as decisões de investimento dos agricultores? Em particular: agricultores mais pobres e mais expostos ao risco climático adotam tecnologias de menor risco e menor retorno médio em comparação com agricultores mais ricos?

Método: Os autores utilizaram dados de painel de agricultores na Índia rural (Instituto Internacional de Pesquisa de Culturas para os Trópicos Semi-áridos — ICRISAT), combinando variação nas condições de riqueza e nas realizações climáticas ao longo do tempo. Estimaram a relação entre riqueza, exposição ao risco pluviométrico e composição do portfólio agrícola (culturas de alto risco/alto retorno versus culturas seguras de baixo retorno).

Resultado principal: Os dados confirmam que agricultores mais pobres e mais expostos ao risco climático adotam estratégias de produção significativamente mais conservadoras: cultivam variedades de menor rendimento médio mas maior resistência à seca, investem menos em insumos de alta produtividade e diversificam mais entre culturas do que os agricultores mais ricos. Estimaram que aumentar a riqueza agrícola em 50% elevaria a lucratividade esperada em até 35%, simplesmente por permitir a adoção de tecnologias de maior risco e maior retorno. A exposição ao risco climático, portanto, tem um custo real de eficiência: ela trava os agricultores em equilíbrios de baixa produtividade.

Por que isso importa: Este artigo fornece evidência empírica direta de que a aversão ao risco — modelada nos termos deste capítulo — tem consequências reais para o investimento agrícola e o desenvolvimento econômico. Para o Brasil, onde pequenos e médios produtores representam a maioria das propriedades rurais e onde o risco climático (secas no Nordeste, geadas no Sul, El Niño/La Niña) é uma constante, as conclusões são diretamente relevantes: programas como o Proagro e o PSR não são apenas transferências de renda, mas instrumentos de eficiência que desbloqueiam o potencial produtivo de agricultores que, sem cobertura, preferem seguir a estratégia segura e de baixo retorno.

Relevância para o capítulo: O artigo é a evidência empírica mais influente por trás do argumento teórico da Seção 7.6.1 (seguros como mecanismo de eficiência) e do Box Brasil sobre o Proagro (Seção 7.6.1). Ele conecta diretamente a teoria do prêmio de risco (Seção 7.5) ao comportamento observado de agricultores em países em desenvolvimento.

📚 Referências do Capítulo¶

Akerlof, George A. 1970. "The Market for 'Lemons': Quality Uncertainty and the Market Mechanism." The Quarterly Journal of Economics 84 (3): 488–500. DOI
Arrow, Kenneth J. 1964. "The Role of Securities in the Optimal Allocation of Risk-Bearing." The Review of Economic Studies 31 (2): 91–96. DOI
Chiappori, Pierre-André, e Bernard Salanié. 2000. "Testing for Asymmetric Information in Insurance Markets." Journal of Political Economy 108 (1): 56–78. DOI
Friedman, Milton, e Leonard J. Savage. 1948. "The Utility Analysis of Choices Involving Risk." Journal of Political Economy 56 (4): 279–304. DOI
Kahneman, Daniel, e Amos Tversky. 1979. "Prospect Theory: An Analysis of Decision under Risk." Econometrica 47 (2): 263–292. DOI
Mas-Colell, Andreu, Michael D. Whinston, e Jerry R. Green. 1995. Microeconomic Theory. New York: Oxford University Press. Capítulo 6.
Mehra, Rajnish, e Edward C. Prescott. 1985. "The Equity Premium: A Puzzle." Journal of Monetary Economics 15 (2): 145–161. DOI
Nicholson, Walter, e Christopher M. Snyder. 2017. Microeconomic Theory: Basic Principles and Extensions. 12ª ed. Boston: Cengage Learning. Capítulo 7.
Perloff, Jeffrey M. 2017. Microeconomics: Theory and Applications with Calculus. 4ª ed. Boston: Pearson. Capítulo 17.
Pratt, John W. 1964. "Risk Aversion in the Small and in the Large." Econometrica 32 (1–2): 122–136. DOI
Rabin, Matthew. 2000. "Risk Aversion and Expected-Utility Theory: A Calibration Theorem." Econometrica 68 (5): 1281–1292. DOI
Rosenzweig, Mark R., e Hans P. Binswanger. 1993. "Wealth, Weather Risk and the Composition and Profitability of Agricultural Investments." The Economic Journal 103 (416): 56–78. DOI
Varian, Hal R. 2015. Microeconomia: Uma Abordagem Moderna. 9ª ed. Rio de Janeiro: Elsevier. Capítulo 12.
Von Neumann, John, e Oskar Morgenstern. 1944. Theory of Games and Economic Behavior. Princeton: Princeton University Press.

Classe	Função \(u(W)\)	\(A(W)\)	\(R(W)\)	Propriedade
CARA (Aversão Absoluta Constante)	\(-e^{-aW}\), \(a > 0\)	\(a\) (constante)	\(aW\) (crescente)	A atitude frente a apostas de valor fixo não muda com a riqueza
CRRA (Aversão Relativa Constante)	\(\frac{W^{1-\gamma}}{1-\gamma}\), \(\gamma > 0, \gamma \neq 1\)	\(\frac{\gamma}{W}\) (decrescente)	\(\gamma\) (constante)	A atitude frente a apostas proporcionais não muda com a riqueza
CRRA (caso log)	\(\ln(W)\)	\(\frac{1}{W}\) (decrescente)	\(1\) (constante)	Caso limite quando \(\gamma \to 1\)
DARA (Aversão Absoluta Decrescente)	\(\ln(W)\), \(\frac{W^{1-\gamma}}{1-\gamma}\)	Decrescente em \(W\)	Depende da forma	Agentes mais ricos aceitam mais risco absoluto
Quadrática	\(W - bW^2\), \(b > 0\)	\(\frac{2b}{1-2bW}\) (crescente)	\(\frac{2bW}{1-2bW}\) (crescente)	IARA — propriedade pouco realista

Item	Afirmação
0	Suponha que um indivíduo tem utilidade Von Neumann-Morgenstern \(U(W) = \ln(W+1)\). Então sua medida relativa de aversão ao risco de Pratt \(R(W)\) satisfaz \(\lim_{W \to \infty} R(W) = 1\).
1	Considere um indivíduo avesso ao risco, com utilidade Von Neumann-Morgenstern e que investe em um ativo arriscado. Se o rendimento do ativo arriscado é taxado, então o consumidor tem um incentivo para investir menos nesse ativo.
2	Suponha que o \(\beta\) de um ativo é igual a 1,25, que o retorno de mercado é de 10,5% e que o retorno do ativo sem risco é de 4,5%. O valor esperado do ativo é de $56. Então, de acordo com o Modelo CAPM, o preço que esse ativo deveria ser vendido hoje é de $50.
3	Considere o Modelo Média-Variância e um indivíduo avesso ao risco. Suponha que o retorno de mercado é de 11%, que o retorno do ativo sem risco é de 5% e que a variância do ativo arriscado é de 25%. Então o preço do risco é \(p = 0{,}24\).
4	Suponha que um indivíduo tem utilidade Von Neumann-Morgenstern e é neutro ao risco. Se sua riqueza é aleatória, então a utilidade esperada da riqueza é maior que a utilidade da riqueza esperada.