Desde a recuperação pós-pandemia com o aumento acelerado das taxas de juros globais pelos bancos centrais do mundo todo, inclusive o nosso, para conter a inflação, trouxe consigo desafios e oportunidades.
Vimos o fim e transição de um período prolongado de dinheiro barato, para agora uma nova era de incerteza sobre as taxas de juros, o que tem demandado que os bancos adaptem suas estratégias de gerenciamento de risco de taxa de juros (IRRBB). Por isto, queria hoje falar sobre alguns pontos do tema que acredito serem fundamentais para aprimorar a função de tesouraria e garantir um gerenciamento mais proativo e eficaz do risco de taxa de juros.
1) Construir Eficiência e Sofisticação:
Revisão Dinâmica do FTP
Uma supervisão eficaz do negócio de taxas de juros exige que os tomadores de decisão tenham uma visão clara do estado atual. No entanto, a abordagem padrão das IFs é frequentemente passiva, baseada em decisões de precificação e gerenciamento de risco raramente revisadas, o que é um absurdo, mas que é a realidade para muitos.
Bancos mais agressivos e pioneiros estão adotando revisões dinâmicas do FTP (fund transfer pricing), refletindo comportamentos de microsegmentos e estratégias de precificação vinculadas ao valor do cliente, e principalmente ao custo de oportunidade da liquidez, na eterna disputa da liquidez diária em percentual do CDI, contra um instrumento pré-fixado com prazo e carência de longo prazo acima de 1 ano.
Inovação em Produtos e Dados Granulares
Além disso, estão impulsionando a inovação de produtos para aumentar o financiamento de clientes corporativos e de varejo, garantindo acesso a dados de alta qualidade, frequentes e granulares, com sistemas capazes de enviar sinais de alerta precoce sobre mudanças potenciais no comportamento dos clientes.
A automação de relatórios e um melhor monitoramento granular permitem que eventos de liquidez sejam escalados internamente de forma mais rápida, respaldados por dados em tempo real.
2) Melhorar a Medição e Capacidades do IRRBB:
Abordagem Baseada em Cenários
Bancos líderes estão fortalecendo o gerenciamento do risco IRRBB em áreas como gestão de balanço, precificação e colateral, com equipes dedicadas, que são montadas para decisões mais eficazes, usando frameworks baseados em cenários que unem a gestão de liquidez e risco de taxa de juros.
Modelos Comportamentais e Inteligência Artificial
Para prever taxas de empréstimos e saques de linhas de crédito, bancos já estão começando a usar modelos comportamentais com uso de IA, deixando para trás os tradicionais modelos lineares, para os novos algoritmos de aprendizado de máquina, considerando agora relações não lineares entre variáveis e características dos empréstimos, por exemplo.
3) Melhorar Testes de Estresse:
Integração de Riscos Diversos
Os bancos estão começando a integrar o risco de taxa de juros, risco de spread de crédito, risco de liquidez e risco de concentração de financiamento em testes de estresse internos e regulatórios, o que mostrou a necessidade de equilibrar riscos de NII (net interest income) e EVE (economic value of equity) em função da volatilidade das taxas de juros.
Testes de Estresse Reverso
Cada vez mais o teste de estresse reverso, onde são simulados milhares de cenários históricos e hipotéticos, é uma prática recomendada para identificar os impactos mais adversos no balanço patrimonial do banco. Esta abordagem permite que os bancos antecipem e mitiguem riscos com maior eficácia. Sem esquecer que sempre pode acontecer algo pior do que já aconteceu no passado. E vimos recentemente a pandemia para mostrar isto muito bem.
4) Personalizar o Planejamento:
Linhas de Financiamento Dinâmicos
As linhas de financiamento bancário precisam ser dinâmicas, diversificadas e granulares, refletindo fontes de captação mais flexíveis e contingenciais, além da política monetária dos bancos centrais e o equilíbrio entre riscos e custos. Não dá apenas para emprestar pré de longo prazo e captar em CDI no curto prazo.
5) Adotar Estratégias de Hedge Dinâmicas:
Hedging Sofisticado e Ágil
Com a volatilidade crescente das taxas de juros, as estratégias de hedge devem ser dinâmicas, integradas horizontalmente e alinhadas aos frameworks de apetite ao risco. Bancos precisam recalibrar suas estratégias frequentemente, usando uma abordagem baseada em cenários para otimizar o NII e reduzir o temido risco de cauda.
Integração da IA e Gestão de Colateral
Temos visto cada vez mais que o uso e ajuda da IA é fundamental para apoiar a tomada de decisões e identificar riscos antes que se materializem, assim uma abordagem mais automatizada para análise de dados é necessária, e também a gestão de colateral deve ser um elemento central dos frameworks de hedge, com análises para prever avaliações de colateral, necessidades de liquidez e mitigar riscos de chamada de margem, como vimos o bicho pegar em momentos de crise no passado.
Próximos Passos
Para implementar eficazmente as mudanças, é essencial reunir capacidades de modelagem sob uma estratégia de dados dedicada, o que deve incluir capacidades abrangentes, um framework baseado em cenários acionável e o uso rotineiro de técnicas de IA e dados comportamentais. Bancos que adotaram essas tendências primeiro estarão mais bem posicionados para um gerenciamento proativo e eficaz do risco de taxa de juros, otimizando custos de financiamento e garantindo conformidade regulatória.
Documento consultado na Okai.
