Complexidade e Incerteza: Como o Caos Ilumina a Gestão de Investimentos em Fundos de Pensão

A emergência da teoria do caos na década de 1960, com os trabalhos de Edward Lorenz sobre meteorologia, trouxe um choque epistemológico: mesmo sistemas determinísticos podem apresentar comportamentos imprevisíveis, sensíveis a condições iniciais mínimas (Lorenz, 1963). Posteriormente, Mitchell Feigenbaum demonstrou que tais sistemas possuem regularidades ocultas, como a razão universal de bifurcações (δ≈4,6692) (Feigenbaum, 1978).

Esse debate dialoga de forma fértil com a gestão previdenciária. As EFPC operam em horizontes de 30 a 50 anos, baseando-se em projeções atuariais e financeiras que partem de premissas determinísticas. Contudo, a realidade econômica é permeada por choques imprevisíveis e mudanças estruturais. Edgar Morin (1990) lembra que a complexidade é justamente a articulação de ordem e desordem, estabilidade e instabilidade. No campo econômico, Hyman Minsky (1986) mostra como períodos de estabilidade financeira geram, paradoxalmente, comportamentos que desestabilizam o sistema.

Dessa forma, compreender a previdência complementar exige uma abordagem que vá além da estatística tradicional ou da teoria de carteiras. É necessário incorporar elementos de não linearidade, imprevisibilidade e contingência.

Caos Matemático e Mercados

O mapa logístico é um exemplo clássico da dinâmica caótica:

xt+1=r xt(1−xt)

Quando o parâmetro r aumenta, o sistema passa de estabilidade a bifurcações e finalmente ao caos. Essa trajetória encontra analogia com os mercados financeiros, que oscilam entre períodos de estabilidade relativa (quando a teoria moderna de portfólios de Markowitz (1952) parece funcionar) e rupturas abruptas, como crises cambiais, pandemias ou colapsos de crédito.

Robert Shiller (2000), em sua análise sobre exuberância irracional, mostra que mercados tendem a se desviar de fundamentos por longos períodos, expondo gestores à ilusão de estabilidade. Benoit Mandelbrot (1963), pioneiro na aplicação de fractais às finanças, argumenta que retornos não seguem distribuições gaussianas, mas exibem caudas pesadas e interdependências de longo alcance, com características diretamente ligadas ao comportamento caótico.

Paralelamente, o expoente de Lyapunov, que mede a velocidade de divergência de trajetórias próximas, pode ser interpretado como a rapidez com que previsões financeiras se tornam obsoletas. Assim como duas trajetórias quase idênticas no mapa logístico se afastam irreversivelmente, duas carteiras previdenciárias semelhantes podem apresentar desempenhos radicalmente distintos ao longo de décadas, sobretudo em regimes de estresse.

O afastamento médio pode ser descrito assim:

d(t)≈d(0) e^λt

• d(0): distância inicial entre duas trajetórias.
• d(t): distância após o tempo ttt.
• λ: expoente de Lyapunov.

Onde:
• λ>0 → caos (divergência exponencial).
• λ=0 → comportamento neutro (quase periódico).
• λ<0 → convergência (trajetórias se juntam, sistema estável).

Pode-se então refletir sobre um dos principais estudos utilizados pelas EFPC, o Asset Liability Management(ALM), que nasceu como ferramenta de alinhamento entre ativos e passivos de longo prazo. Entretanto, diversos estudos (Sharpe & Tint, 1990; Boender, 1997) mostram que o ALM clássico se ancora em hipóteses determinísticas: taxas de juros estáveis, mortalidade baseada em tábuas fixas, inflação sob controle.

A teoria do caos nos lembra que tais hipóteses são frágeis: mínimas alterações nas condições iniciais podem alterar o resultado de forma exponencial.

Por exemplo, uma redução de 0,10 p.p. na taxa de desconto atuarial gera, em muitos fundos, aumentos expressivos no passivo. Da mesma forma, o prolongamento de um único ano na expectativa de vida média pode elevar o passivo atuarial em 4% a 6% (Blake, 2006). Esses efeitos não são lineares, mas acumulativos, comportando-se como bifurcações do sistema.

A redução estrutural da meta atuarial no Brasil, como de patamares de 6% reais a.a. na década de 2000 para 4% ou menos em 2020, ilustra esse fenômeno. Cada ajuste reflete não apenas a conjuntura de juros baixos, mas também transformações demográficas e macroeconômicas profundas. Trata-se, portanto, de uma bifurcação estrutural que exige do reposicionamento estratégico das EFPC.

Por outro lado, a fronteira eficiente de Markowitz (1952) revolucionou a teoria das finanças, mas parte de premissas frágeis. Durante crises, como mostraram Longin & Solnik (2001), as correlações entre ativos tendem a convergir para 1, inviabilizando a diversificação. O que parecia “ótimo” sob hipóteses gaussianas torna-se insustentável em cenários de caudas pesadas e volatilidade endógena (Mandelbrot, 2005).

O efeito borboleta (para não ter que usar o clichê de Cisne Negro), ajuda a compreender essa fragilidade: pequenas mudanças nas expectativas de volatilidade ou correlação deslocam toda a fronteira eficiente, tornando ineficazes as alocações previamente calculadas. Para os gestores de EFPC, isso sugere que a busca pela “carteira ótima” deve ser substituída por uma gestão adaptativa, orientada por cenários e resiliência, e não apenas por médias estatísticas.

Desta forma, a experiência com as EFPC mostra que a gestão previdenciária se dá em um ambiente caótico, onde pequenas variações iniciais em parâmetros econômicos ou atuariais podem gerar trajetórias radicalmente diferentes. O expoente de Lyapunov, o limite de Feigenbaum e o efeito borboleta oferecem metáforas úteis para compreender a volatilidade dos mercados e a fragilidade das projeções atuariais.

O desafio para os gestores é abandonar a ilusão da estabilidade. O ALM deve ser visto como sistema dinâmico, e a fronteira eficiente, como superfície em constante movimento. As metas atuariais precisam ser constantemente revisitadas, à luz de um ambiente global de juros mais baixos e de uma longevidade crescente.
Para os alocadores, a reflexão é clara: não se trata de eliminar o caos, mas de conviver com ele, transformando instabilidade em estratégia de adaptação. Fundos mais resilientes não serão aqueles que perseguem a previsibilidade absoluta, mas aqueles capazes de incorporar a complexidade em suas decisões, revisando continuamente premissas e aprendendo com cada bifurcação do sistema.

Referências
• Blake, D. (2006). Pension Finance. Wiley.
• Boender, C. G. (1997). “A hybrid simulation/optimization scenario model for asset/liability management.” European Journal of Operational Research, 99(1).
• Feigenbaum, M. J. (1978). “Quantitative universality for a class of nonlinear transformations.” Journal of Statistical Physics.
• Lorenz, E. N. (1963). “Deterministic nonperiodic flow.” Journal of the Atmospheric Sciences, 20(2).
• Mandelbrot, B. (1963). “The Variation of Certain Speculative Prices.” Journal of Business, 36.
• Mandelbrot, B. (2005). The (Mis)Behavior of Markets. Basic Books.
• Markowitz, H. (1952). “Portfolio Selection.” Journal of Finance, 7(1).
• Minsky, H. (1986). Stabilizing an Unstable Economy. Yale University Press.
• Morin, E. (1990). Introdução ao Pensamento Complexo. Instituto Piaget.
• Sharpe, W. & Tint, L. (1990). “Liabilities—A New Approach.” Journal of Portfolio Management, 16(2).
• Shiller, R. J. (2000). Irrational Exuberance. Princeton University Press.
• Longin, F. & Solnik, B. (2001). “Extreme Correlation of International Equity Markets.” Journal of Finance, 56(2).