RBGN REVISTA BRASILEIRA DE GESTÃO DE NEGÓCIOS

ISSN 1806-4892
e-ISSN 1983-0807
© FECAP

728

Assessment of the new investment limits Received on:

06/29/2020
for assets of Social Security Regimes for Approved on:
01/18/2021
Public Servants established by Resolution Responsible Editor:
CMN 3,922/2010 Prof. Dr. Joelson Sampaio

Evaluation process:
Alexandre Teixeira Damasceno1  Double Blind Review
João Vinícius de França Carvalho2 
Reviewers:
Elizabeth Borelli; Roberto Cazzari
Abstract
Purpose – To verify if the new investment limits for the Social Security Regimes
for Public Servants (RPPSs) introduced by Resolution CMN 3,922/2010 enable
the creation of investment portfolios with sufficient returns capable of reaching
and exceeding these entities’ actuarial goals.
Theoretical framework – The research was based on Modern Actuarial Risk
Theory, whose main objective is to assess the long-term (in)solvency of insurance
and social security entities.
Design/methodology/approach – An ALM model of non-linear stochastic
optimization with mean-CVaR was used to build the efficient frontiers related to
each type of governance level defined by the legislation. Then, it was verified whether
these portfolios are sufficiently capable of offering the required and expected returns.
Findings – The results show that only governance levels III and IV would be able
to build portfolios with the expected returns capable of reaching the actuarial goal.
However, this was only possible at the maximum risk limit of the efficient frontier.
Research Practical & Social implications – There is evidence of the need for
the competent authorities to review the parameters of the investment limits,
since adjustments to the RPPS investment legislation can bring social benefits,
as they would avoid problematic situations of RPPS actuarial deficits that could
put them at risk of not providing benefits to retirees.
Originality/value – This article is a pioneer in assessing the (in)adequacy of
the normative allocation limits for RPPS guarantee assets, using an asset-only
nonlinear optimization methodology.
Keywords – ALM Models; Social Security Regimes for Public Servants; Actuarial
Goals; Actuarial Models; Investment Policies.

1. Universidade de São Paulo, Departamento de Contabilidade e Atuária, São Paulo, Brazil

2. Universidade de São Paulo, Departamento de Contabilidade e Atuária, São Paulo, Brazil
Revista Brasileira de Gestão de
Negócios
How to cite:
Damasceno, A. T.; Carvalho, J. V. F. (2021). Assessment of the new investment limits https://doi.org/10.7819/rbgn.v23i4.4128
for assets of Social Security Regimes for Public Servants established by Resolution
CMN 3,922/2010. Revista Brasileira de Gestão de Negócios, 23(4), p.728-743.

728

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Assessment of the new investment limits for assets of Social Security Regimes for Public Servants established by Resolution CMN 3,922/2010
1. Introduction
The Social Security Regimes for Public Servants
(RPPSs) is a system established within the scope of each
federative entity – union, states, Federal District, and
municipalities – that ensures that civil servants at least
have retirement and pension for death benefits. Each RPPS
has its own management responsible for organizing the
social security of public servants. These can be both active
public servants as well as those already receiving benefits
(retirees) and pensioners, whose benefits are paid by the
federative entity. The objectives of the main RPPSs are to
administer and manage pension funds and to manage and
operationalize the institution itself, including granting,
paying, and maintaining benefits for participants.
In Brazil there are currently 2,216 RPPSs, which
together have approximately BRL 277.33 billion (Brasil,
2017), approximately 4.07% of Brazil’s GDP, of funds
invested in guarantee assets. The National Monetary
Council (CMN), through Resolutions 4,604/2017 and
4,695/2018, amended Resolution 3,922/2010, defining
new limits for the application of RPPS funds. The period
leading up to these changes was marked by numerous
governance and interference problems that involved
state-owned pension funds and the RPPSs, which were
widely reported by the mediai. In light of this problematic
environment, the new regulation introduced more rigid
and restrictive investment rules for RPPSs, which may
imply a significant reduction in the profitability of
admissible portfolios.
According to modified Resolution 3,922/2010,
there are four levels of governance that RPPSs can adhere
to, representing different degrees of complexity, ranging
from Level I, the simplest, to Level IV, the most advanced.
For an RPPS to obtain a certain level of governance, it
has to adhere to the Pro-Management program of the
Secretariat for Social Security and be approved. To achieve
the highest levels of governance (III and IV) there must be
a robust organizational structure with a greater number
of technicians and a higher cost of maintaining the staff
of the unit responsible for the investment management of
the RPPS. For each of these levels, preceding governance
conditions have to be implemented and proven. The higher
the level of governance of a RPPS, the greater the investment
limits for risky assets, as shown in Table 1.
These regulatory changes were made during a
historical moment when real interest rates were falling.
Currently, Brazilian federal government bonds offer real
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
rates below the RPPS actuarial targets. Therefore, RPPSs
will need to seek investments in risky assets that offer
greater returns to guarantee the payment of the agreed
retirement benefits. Among the assets allowed by Resolution
3,922/2010, investment funds stand out: private credit
fixed income (FI RF CP), hedge funds (FIM), stock funds
(FIA), private equity funds (FIP), real estate (FII), overseas
investment funds (FIM IE), and infrastructure (FIP-IE).
These can offer higher returns than the actuarial target
rates, but they are riskier.
The central hypothesis of this article is that RPPSs
will not obtain satisfactory economic results capable of
generating portfolios that exceed their actuarial goals, given
the current low interest rate scenario, despite the recent
easing of RPPS investment limits (Table 1). Therefore, the
objective is to verify if the new RPPS investment limits
introduced by Res. CMN 3,922/2010 enable RPPSs
to build diversified investment portfolios with returns
capable of reaching and exceeding their actuarial goals.
Additionally, we also aim to measure the probability
of these portfolios reaching the actuarial goals. Thus,
it will be possible to understand the trade-off between
the increased cost of implementing governance policies
vis-à-vis the economic and actuarial benefit provided by
the increase in investment limits in risky asset classes.
2.THEORETICAL BACKGROUND
AND EMPIRICAL LITERATURE
The assets and liabilities management in entities
that manage pension plans (encompassing both public and
private pension plans as well as the RPPS) is a problem of
long-term intertemporal allocation choices. For this task,
the deterministic models are limited, since the economic
and actuarial projections needed to estimate both assets
and liabilities are based on static parameters and are,
of course, inadequate to deal with the uncertainty of
variables such as interest rates, inflation, wage growth,
price projections, mortality rates, and other economic
and actuarial variables (Ribeiro & Sagastizábal, 2015;
Valladão, 2008). Also, these models do not allow the use
of assets with uncertain cash flow, such as variable income
assets. In addition, the regulations covering pension funds
impose a number of restrictions on asset allocation that
deterministic models find it hard to cope with. For this
reason, more complex stochastic ALM models with greater
control over the variables began to be developed in the
1990s and were essential to addressing these challenges.
729
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho

Table 1 – New RPPS Investment Limits

LIMITS OF CMN RESOLUTION
PL RPPS limit PL
3922/2010
RPPS
Type of Assets Level I Level II Level III Level IV
Public securities issued by TN
Public

100% 100% 100% 100% 100%

Bonds

(SELIC)
Compromised operations 5% 5% 5% 5% 5%
Funds 100% Government
Bonds
100% 100% 100% 100% 100%
Portfolio index funds 100%
Government Bonds
Funds referenced to RF
indicators * 15%
Investment Funds

60% 65% 70% 75% 80%

Index funds (ETF) on
Fixed Income

securities indicators
Fixed income funds in general *
Index Funds (ETF) - any 40% 45% 50% 55% 60%
Indicators
Fixed income funds - private
5% 10% 15% 20% 25%
credit *
FIDCs - Open or Closed - 15% 20% 25% 30% 35% 5%
5% 5% 10% 15% 20%
Senior Quota **
Infrastructure debenture funds 5% 5% 10% 15% 20%
CDB or Savings within the
15% 15% 15% 15% 15%
Others

limits guaranteed by the FGC

Real Estate Bonds guaranteed
20% 20% 20% 20% 20%
- LIG
Equity Fund - Indices with a
minimum of 50 shares *
30% 35% 40% 45% 50%
ETF (Indices with at least 50
shares) 15%
Investment Funds

Equity Funds in general *

20% 25% 30% 35% 40%
Stocks

ETF (Indices in general) 30% 35% 40% 45% 50%

Hedge Funds * 10% 10% 10% 10% 15%
FIPs (which meet governance
5% 5% 20% 5% 20% 10% 20% 15% 20%
requirements) *; *** 5%
FI Actions - Access Market 5% 5% 5% 10% 15%
Real Estate Fund *; **** 5% 5% 10% 15% 20%
FIC and FIC FI - Fixed Income
Investment

- External Debt
Foreign

Funds

FIC - Open - Investment 10% 10% 10% 10% 10%

Abroad
Equity Funds - BDR Level I
* Private credit assets issued by a financial institution or public companies or senior shares of FIDC, cannot invest abroad,** Manager has already made 10 public offers closed
and settled, that the RPPS participate only up to 50% of the total shares, *** Independent company evaluation; tx performance after return of capital; manager participates
with 5% and has already carried out in the last 10 years, divestment of 3 companies, **** Limits of 5% of the RPPS PL and 5% of the Fund’s PL do not apply to quotas paid
in by properties Limit valid for all funds: RPPS resources must correspond to up to 20% of the fund’s PL. The total resources of an RPPS must correspond to a maximum
of 5% of the total resources of the portfolio manager or administrator.. The RPPS may only invest their funds in investment funds in which, as administrator or manager,
institutions authorized to operate by the Central Bank of Brazil are required to establish an audit committee and risk committee, under the terms of CMN Resolutions 3,198,
2004, and nº 4557, of 201

Source: Res. CMN 3922/2010. Social Security Secretary of the Ministry of Economy.

The development of ALM models is not lowest possible price, aiming to allocate a fixed income
recent. Leibowitz et al. (1992) conduct an important security with the same maturity date to each of the liability
and comprehensive historical review of their evolution. cash flows. The main advantages of these models are
The first ALM models applied to pension funds were predictability of cash flows, reduction of reinvestment
the Dedication Models (DMs) that emerged in an and market risks, passive (less costly) management, and,
economic environment with high interest rates. These finally, more simplified asset allocation (100% in fixed
models were deterministic and their main objective was income securities). The disadvantages are the difficulty
to build a portfolio of fixed income securities with the in building the portfolio (finding securities with suitable
730

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Assessment of the new investment limits for assets of Social Security Regimes for Public Servants established by Resolution CMN 3,922/2010
maturities for the liabilities), the high mathematical
complexity of the models, the need to accurately project
the actuarial liabilities, and the fact that the economic
efficiency of the strategy is limited to scenarios with high
interest rates (Ryan, 2013).
The DM model is more appropriate in situations
where market interest rates are higher than the rates
for actuarial targets. This is not the current scenario in
Brazil. Immunization Models (IMs) gradually replaced
DMs (Ryan, 2013). This new generation of IM models
aimed to build fixed income securities portfolios with the
highest returns possible subject to the restriction that the
optimal portfolio durationii and convexityiii were equal
to those of the liabilities flow.
In Brazil, with the Real Plan (1994), inflation
stabilized, allowing actuarial projections to be more
accurate and reliable. As a result, ALM models began to
be adopted more often by institutional investors. Saad
and Ribeiro (2004), for example, used two models from
the IM family and one DM model. The IM models in
their first version used portfolio optimization models with
duration restriction and later also included the convexity
restriction. To mitigate the limitations of the deterministic
model in dealing with the variability of future scenarios,
Saad and Ribeiro (2006) presented a variant of the DM,
in which the authors included two penalty factors applied
to the assets: first, volatility; and second, risk aversion.
Some ALM models deal with liabilities in a
deterministic way (as input parameters) and stochastic
modeling applies to asset returns and the yield curve. These
models use the so-called “asset only method.” Models also
observed in the literature treat both asset and liability
variables at random, establishing stochastic models to
simulate the future behavior of returns, wage growth,
inflation, interest rates, and mortality rates, with the
objective of estimating assets and liabilities stochastically
(Dempster, Germano, Medova, & Villaverde, 2003;
Drijver & Haneveld, 2002; Hurtado, 2008; Valladão,
2008; Ziemba, 2003).
ALM models started to combine stochastic
modeling with optimization techniques under uncertainty
scenarios; that is, decision-making models applied to
simulated scenarios that more accurately adjust the random
behavior of assets and liabilities. These optimization
techniques and methods are known as stochastic linear
programming (SLP). They are now applied to asset and
liability management. This type of model makes it possible
to include complex rules and restrictions that are necessary
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
for incorporating real situations that investors consider,
thus providing more accurate ALM models (Geyer &
Ziemba, 2008; Hosseinzadeh; & Consigli, 2017; Lauria
& Consigli, 2017).
In order to make optimization models feasible and
efficient, techniques for reducing the dimensionality of
the data have been developed, such as building scenarios
in multinomial trees. The latest-generation models have
started to use techniques such as the decision support
system (DSS) in conjunction with SLP, to deal with
large numbers of variables, restrictions, and scenarios
(Dutta et al., 2019; Rao et al., 2018). An interesting
application of ALM models using SLP was developed by
Andongwisye et al. (2018), in which a pay-as-you-go social
security system was assessed for its long-term equilibrium.
Ferstl and Weissensteiner (2011) developed an
ALM model using SLP to build optimal portfolios that
minimize the CVaR (conditional value at risk) of the
difference in mark-to-market value between assets and
liabilities. The stochastic model used to simulate future
stock returns and interest rates was the first order vector
autoregression – VAR (1) – and the yield curve parameters
were estimated using the Cox-Ingersoll-Ross (CIR) model.
The liability flow was treated in a deterministic way, so
that the stochastic treatment is restricted to the asset part.
Another study that uses CVaR as a quantitative
risk constraint in ALM for pension funds is that of
Toukourou and Dufresne (2018). They use two CVaR
risk restrictions: the first was the so-called one-period
integrated chance constraint (OICC); the second was
the multi-period integrated chance constraint (MICC).
The authors stochastically model the variables of assets
(cash, bonds, real estate, and stocks) and liabilities (wage
growth) using the VAR model based on the results obtained
by Kouwenberg (2001) and use the flows as inputs to
optimize the SLP model, with OICC and MICC measures
as restrictions. Although the optimal decisions (portfolios)
of the OICC and the MICC are not the same, the total
costs are very close, showing that the MICC can be a
good alternative because it is less volatile.
In Brazil, the SLP technique has also been applied
to stochastic ALM models to evaluate pension funds in
the country. De Oliveira et al. (2017) used stochastic
differential equations (SDE) with geometric Brownian
motion (GBM) to generate stock price scenarios and the
mean-reverse CIR model to simulate the interest curve
structure. In that work, both the Brazilian regulatory rules
regarding investment limits per asset, as well as the minimum
731
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
solvency ratio requirement (which determines that this
ratio cannot be less than one for two consecutive years),
were incorporated through the inclusion of constraints
in the optimization model. The results suggest that, for
lower interest rate scenarios (below 6% p.a.), the optimal
portfolios suggested by the ALM model recommend
greater allocation into equity assets (greater than 40%).
To achieve our objectives, we will use the mean-
CVaR optimization model, as implemented by Ferstl and
Weissensteiner (2011), to obtain the optimal portfolios that
will emulate future scenarios, thus testing the hypothesis that
these portfolios are sufficiently profitable to reach or exceed
actuarial targets. The optimization model will be implemented
with two types of restrictions: (i) regulatory, which will cover
investment limits by asset class given a level of governance;
and (ii) risk measures, which is the CVaR of the asset portfolio
for a given level of confidence α. In addition, price scenarios
will be generated for the assets that will make it possible to
simulate the evolution of the optimal portfolios to measure
the probability of the portfolios reaching the actuarial goals
over time. For the asset price simulation, stochastic differential
equations (GBM) will be used.
3. METHODOLOGY
We obtained information from four RPPSs that
were willing to anonymously provide their actuarial liabilities
flows, pension income flows, and their actuarial goals.
With this information and the value of the investment
portfolios, we were able to verify whether the RPPSs are
in actuarial equilibrium, that is, whether their assets are
sufficient to honor the payment commitments for present
and future benefits. Let Atk and Lkt , respectively, be the
flows resulting from the mark-to-market (MtMiv) of the
assets and liabilities of the k-th RPPS, where k = 1,2,3,4,
measured at time t, and the actuarial equilibrium is
( )
−1
calculated by the solvency ratio defined by Stk = Atk . Lkt .
For Stk to make economic sense, it is necessary for the
same pricing methods to focus on Atk and Lkt . Therefore,
both Atk and Lkt were measured via MtM.
It is noteworthy that the RPPS recognizes the amount
of the discounted liability at a fixed interest rate and it is equal
to its actuarial target rate. As an immediate implication, this
treatment will underestimate the value of the liability whenever
the rates of the actuarial goals are higher than the market
interest rates, which are fundamental for measuring MtM.
Regarding Stk , when Atk = Lkt , then the entity is
in actuarial equilibrium. If Atk > Lkt , there is an actuarial
732
surplus, and if Atk < Lkt , there is an actuarial deficit. Using
the actuarial liability flows, it is possible to measure the
duration of each RPPS, which will be called Dk .
In cases where there is an actuarial deficit ( Atk < Lkt ),
Stk can be interpreted as the percentage necessary for
Atk to be equal to Lkt . That is, it is the additional rate of
k
return ( it ) that is necessary for Atk (assets) to be sufficient
to satisfy the actuarial equilibrium. Algebraically, as
Stk . Atk = Lkt
, and where Stk = itk , we have itk . Atk = L , where itk
is the additional rate of return needed to achieve Stk = 1.
Since itk is an effective rate, one needs to convert it into
( )
1/ D
an annual rate as follows: y itk =+ ( 1 itk − 1) . Thus, y itk
will be interpreted as the additional annual rate of return
which, compounded in D years, is equivalent to the
effective rate itk . Therefore, the required rate of return,
denominated as rtoptimal,k
portfolio
, to be used to choose the
optimal portfolio of said RPPS at time t, is:
rtoptimal portfolio 
= 
yt ( t )
 (1 + i k ) × 1 + MAk − 1, if Atk < Lkt
(1)
,k
 MAk
 t , if Atk ≥ Lkt
where MAtk is the (annual) actuarial goal rate of the k-th
RPPS at time t.
The mathematical ALM model chosen for building
optimal portfolios was the mean-CVaR model, as defined
in Equation (6), considering the return required for the
optimal portfolio equal to that established by Equation
(1). The objective of this work is to verify if there is a
viable solution for obtaining the optimal portfolio, that
is: if it is possible to build a portfolio capable of getting
a return equal to or greater than rtoptimal,k
portfolio
, subject
to the investment restrictions imposed on RPPSs by Res.
CMN 3,922/2010 and its amendments. If the optimal
portfolios found meet the investment restrictions capable
of providing the rtoptimal portfolio
return necessary for the
,k
actuarial equilibrium, then simulations of the evolution
of the portfolio will be carried out over time, using
generation future asset price scenarios.
With the future simulations of Atk , we can obtain
estimates of the optimal portfolios’ profitability and also can
measure the probabilities of these portfolios reaching the
expected return. Another evaluation will be a comparative
analysis of the results considering the normative requirements
and an unrestricted investment space. In this way, the
impacts of investment restrictions can be assessed.
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Assessment of the new investment limits for assets of Social Security Regimes for Public Servants established by Resolution CMN 3,922/2010

3.1. RISK MEASURES The term  f ( w, ξ s ) − ζ  + ps from Equation (4) can

be reduced to:
An important and widely used risk measure in
finance is expected shortfall (ES), which is also known +
 f ( w, ξ s ) − ζ  =
zs
 
as CVaR (conditional value at risk). This measure is
calculated as the weighted average of the extreme losses, zs ≥ f ( w,ξ s ) − ζ
at the tail of the f distribution of the returns of a portfolio
with weight vector w, in addition to the quantile (α) zs ≥ 0
established by VaR. The CVaR is defined (Krokhmal,
Uryasev, & Palmquist, 2001) by: 3.2. THE OPTIMIZATION PROBLEM
In this work, the optimization problem to
∫ξ
−1 +
CVaRα ( w,ζ ) = ζ + (1 − α )  f ( w, ξ ) − ζ  p (ξ ) d ξ (2) be implemented is analogous to that of Cho (2008).
 
∈R
The mathematical definition of this mean-CVaR optimization
model is established by:
Equation (2) has an intrinsic relationship with
VaR, since: S
minimize {ζ + (1 − α )
−1
∑ s =1
z s ps (5)

CVaRα ( w,ζ ) =E ξ | ξ ≥ ζ α (ξ )  =E ξ | ξ ≥ VaR  , (3) n

Subject to ∑ i =1
wi = 1

where n

ζα (=
ξ ) VaR
= inf {ζ | P (ξ ≤ −ζ ) ≥ α }
∑ i =0
wi E ξi  ≥ R


 VaR = − zα wT Σw zs ≥ f ( w, ξ s ) − ζ

with the weight vector w of the portfolio allocation, Σ represents zs ≥ 0

the matrix of linear correlations between the assets, and zα is

the quantile of order α to the left of a normal (0,1) distribution.
It is important to highlight that the VaR calculated
using the parametric method assumes that the assets’ returns
follow a normal distribution and are second-order stationary.
However, when estimated by market data, returns can often
show asymmetry and a high kurtosis, especially in more
volatile markets. In addition, VaR is a quantile and does not
capture the worst cases. The immediate implication is that
risk estimates (VaR) are underestimated. This is the basic
reason why CVaR is a more adequate measure than VaR.
Similar to in the work of Rockafellar and Uryasev
(2000), CVaR can be approximated using scenarios, as
according to Equation (1):
∫ξ
−1 +
CVaRα ( w,ζ ) = ζ + (1 − α )  f ( w, ξ ) − ζ  p (ξ ) d ξ
 
∈R
where R is the actuarial goal for each RPPS. Further
discussions about this optimization model are found in
Krokhmal et al. (2001).
3.3. THE PORTFOLIOS’ SET OF
RESTRICTIONS
The optimization problem defined by the set
of Equations (5) has two restrictions sets. The first set
of restrictions is defined by the investment legislation
in force for the RPPS, which, depending on the level of
governance, establishes minimum and maximum allocation
limits for each type of assets. Thus, asset allocation limits
would have restrictions defined by:

min max
S wG , n ≤ wG , n ≤ wG , n , (6)
∑  f ( w,ξ ) − ζ 
−1 +
≈ ζ + (1 − α ) s ps , (4)
s =1

where f ( w, ξ s )
is the portfolio loss function and with G = 1, 2, 3 and 4 – representing the levels of governance
+
 f ( w, ξ s ) − ζ 
denotes the event of excess in relation to of the RPPS – and = n 1, 2,…, N , denoting the amount of
 
the global quantile ζ . assets offered for investment.

733

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
On the other hand, the second set refers to the
restrictions of the risk measure defined by a confidence
level α applied to CVaR. As a premise, α will be 95%,
that is, the optimal portfolios to be selected will be the
most efficient, with a risk measure of CVaR95% .
3.4. GENERATION OF SCENARIOS
The scenarios to be generated for each time t
will be composed of the price series for each N assets
simulated in a correlated way. For the generation of
asset prices, we use the stochastic differential equations
models as presented in Oliveira (2018). Thus, the GBM
model will be adopted to simulate the price of variable
income assets. The covariance structure of the assets will
be estimated by the sample covariance matrix Σ̂ of the
historical assets’ series of returns. The assets’ prices modeled
with SDE will be described by:
=d ξit µ (ξit , t ) dt + σ (ξit , t ) dWit , (7)
where Wit is a Wiener process, N (0, ∆), in which t < t + ∆. To
generate the correlated asset prices, it is necessary to use
the residuals’ covariance structure of the assets’ returns,
as presented in Dempster et al. (2003). The correlation
between two assets i and j is defined by:
dWi .dW j = ρij dt
(8)
, will be based on the actuarial targets of 6% p.a., since all
where ρii = 1 for any i. Without loss of generality, variable-
income assets ξ1t and fixed-income assets ξ2t will be
presented. Using the GBM model to simulate the prices
of variable-income assets ξ1t, we have the following:
d ξ1t µξ1t dt + σξ1t dW1t ,
=
and, knowing that the GBM model offers a closed form
solution to estimate the price ξ1t (NEFTCI, 2013) when
the underlying distribution is a log-normal of mean μ
and variance σ2, the exact value of ξ1t is:
 1 2
 µ − σ  dt +σε dt
ξ1t = ξ1( t −1) e 2  (9)
, 3
where ε ∼ N ( 0,1).
734
4. ANALYSIS OF RESULTS
4.1. DATABASE
To fit the ALM models, two main groups of data
are needed: (a) the market data of the asset returns and
(b) the data on the RPPS actuarial liabilities. The asset
returns data were obtained from several data sources such
as [B]3, ANBIMA, IBGE, BACEN, Bloomberg, and
CETIP. The RPPS data (both the investment positions
of the mathematical provisions’ guarantee assets related
to the granting of benefits, as well as the future cashflows
of the actuarial liabilities) were obtained directly from
the managers. Contacts within four RPPSs provided the
data to execute this work, as long as their names were
kept anonymous.
Using the long-term real interest curves to calculate
the additional rates of return (itk ), it is observed that the
annual discount rates that are in force in Brazil today
(3.7% p.a.), when the assets and liabilities are mark-
to-market, accentuate the actuarial gap of the RPPSs.
Table 2 shows the itk and rtoptimal ,k
portfolio
rates calculated
for each of the RPPS that provided the information.
It is possible to note that, for three out of the
four RPPSs, the discount rates for assets and liabilities
are different, revealing the need to obtain higher rates
of returns on the portfolios to offset the actuarial deficit
effect ( Atk < Lkt ). Thus, the subsequent comparative analysis
RPPSs present this order of magnitude for the difference
between itk and rtoptimal
,k
portfolio
, so that the conclusions and
results are sufficiently generalized.
Table 3 presents the summary of the market
assets used to represent the investment classes permitted
by the RPPS legislation. The last five years of price
k
Table 2 – Additional annual return rates y it
and target return rtoptimal
,k
portfolio
Target return
Additional annual
RPPS rtoptimal portfolio
return rate itk ,k
1 0.00% 6.00%
2 5.34% 11.66%
1.61% 7.71%
4 1.30% 7.38%
Source: own elaboration, based on information provided by
the managers of the RPPS.
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Assessment of the new investment limits for assets of Social Security Regimes for Public Servants established by Resolution CMN 3,922/2010

Table 3 – Descriptive statistics for assets associated with investment classes

Annual Return Annual
Spread Over
Assets Assets Class Standard Rate for the
Mean Med. Min. Max. CDI
Deviation Period
Federal
IMAB Government 12.82% 13.67% -14.29% 27.34% 8.86% 16.29% 1.50%
Bonds
DI-indexed
IDA_DI 10.61% 10.74% 5.41% 15.59% 2.62% 10.81% 0.75%
Credit
IPC-indexed
IDA_IPCA 12.09% 12.44% -3.08% 19.91% 4.77% 13.12% 1.57%
Credit
Stock
IBOVESPA 6.29% 6.72% -30.82% 56.30% 16.83% 19.57% 6.00%
Exchange
Institutional
IFM_I Multimarket 9.50% 9.75% 5.57% 32.05% 2.32% 10.01% 1.15%
Funds
Real Estate
IFIX 11.25% 11.57% -27.01% 40.24% 13.79% 19.09% 4.00%
Funds
Private
IBX (PE) 9.18% 8.75% -28.55% 53.97% 14.45% 19.92% 11.00%
Equity Funds
Investment
MSCI_W 18.29% 19.57% -22.62% 51.18% 13.99% 15.79% 5.28%
Abroad
Source: own elaboration, based on Bloomberg’s historical records.

Table 4 – Correlation matrix between the assets considered in the analysis

IMAB IDA_DI IDA_IPCA IBOV IFM_I IFIX IBX (PE) MSCI_W
IMAB 100.00% 21.51% 93.63% 51.19% 41.74% 85.85% 47.83% -51.45%
IDA_DI 21.51% 100.00% 28.70% 4.73% 91.96% 31.08% -5.21% -28.44%
IDA_IPCA 93.63% 28.70% 100.00% 29.11% 47.51% 84.86% 27.42% -38.92%
IBOV 51.19% 4.73% 29.11% 100.00% 9.01% 50.61% 97.20% -63.70%
IFM_I 41.74% 91.96% 47.51% 9.01% 100.00% 46.38% -1.13% -23.33%
IFIX 85.85% 31.08% 84.86% 50.61% 46.38% 100.00% 52.72% -45.73%
IBX (PE) 47.83% -5.21% 27.42% 97.20% -1.13% 52.72% 100.00% -61.81%
MSCI_W -51.45% -28.44% -38.92% -63.70% -23.33% -45.73% -61.81% 100.00%
Source: own elaboration, based on Bloomberg’s historical records.

quotations and interest rates, counted retrospectively as
of 12/31/2019, have been used as a history. These data
were used to calculate annual returns and estimate the
dependency structure between market assets.
Table 3 shows that the class of variable income
assets – assets that can be allocated on the stock exchange
(IBOVESPA), in real estate funds (IFIX), in private equity
funds (IBX_PE), and in stock exchanges abroad (MSCI_W)
– have higher average returns and dispersion than the fixed
income asset class, represented by federal government bonds
(IMAB), credit (IDA_DI and IDA_IPCA), and institutional
multimarket funds (IFM_I). This behavior was expected
according to the classical theory of finance, which argues
that there is a positive relationship between risk and return.
Table 4 shows that MSCI_W is the asset class
with the highest negative correlation with the others. That
is, it is the asset that diversifies risk the most.
As in the Brazilian market there is no benchmark
to represent the private equityv (PE) investment class, the
results presented by Minardi, Bortoluzzo, and Moreira
(2017) were used to estimate the mean and the volatility
of the returns on this asset class. In their work, descriptive
statistics were estimated on the performance and duration
of investments made by PE funds in Brazil from 1994 to
2014. The study adopted the multiple on invested capital
(MOIC) as a measure of performance, calculated in BRL
and deflated by the IPCA, and, for the measurement of
investment duration, they used the holding period in

735

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
years (difference in years between the entry and exit of
investments).
With these statistics for the MOIC and the PE
investment holding period, the internal rate of return
(IRR) statistics were calculated, using an approximation
used by Minardi and Moreira (2014), as according to
Equation (10). The average and standard deviation of
the IRR of these investments were, respectively, 21.36%
and 33.01%.
  1  
IRR  ( MOIC ) Holding Period  − 1
   .
 
We chose to use the IBX historical series (Brazil
Index), a variable-income index, as a proxy for PE assets,
but with volatility adjustments to the values as e​​ stimated
by Minardi, Bortoluzzo, and Moreira (2017).
4.2. EFFICIENT PORTFOLIOS
To model the efficient frontiers, as well as to
implement the optimization problem, the R software
version 3.6.1 was used. To obtain the efficient portfolios,
the initial parameters were: (i) the investment limits shown
in Table 1, which defined the restrictions and allocation
limits for the RPPS; and (ii) governance levels I, II, III,
Figure 1 – Efficient frontiers for the real interest rates of the free model, standard model, and four
levels of governance instituted by Res. CMN 3,922/2010, considering CVaRü .
Source: own elaboration.
736
and IV. According to the legal provisions, the higher the
level of governance of the RPPS is, the greater the limits
are for investment in risk asset classes.
Additionally, for the sake of comparison, a “free
model” was considered, in which it would be possible to
allocate resources freely in all investment classes without
restrictions. As mentioned in sections 3.2 and 3.3, the
optimization model implemented was the mean-CVaR
efficient model, according to the optimization problem
given by the set of equations 5. Figure 1 shows the efficient
(10) frontiers obtained as a result of the six optimization models.
The y-axis in Figure 1 is presented in the form
of a real interest rate, in order to facilitate comparison
with the actuarial targets of the RPPS, which are also real
interest. It is important to note that full allocation in some
of the assets is inadmissible for restricted models, due to
legal restrictions, and all the presented frontiers already
consider the limits stipulated for each level of governance.
For each point on the efficient frontiers an optimal
portfolio is established, from which the percentage of
allocation in each of the risk assets can be extracted.
Figure 2 shows these efficient portfolio allocations for
each of the frontiers obtained by the optimization models
shown in Figure 1. Through Figure 2, it is possible to see
that the restricted model (with the lowest risk limit) forces
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Assessment of the new investment limits for assets of Social Security Regimes for Public Servants established by Resolution CMN 3,922/2010
Figure 2 – Composition of efficient portfolios, for each of the six models
Source: own elaboration.
the RPPSs to allocate from 70% to 80% of their funds in
federal government bonds, meaning the expected return
falls far below the rate of the current actuarial goals (less
than 6% p.a.).
Figure 3, which shows the expected return and risk
of each of the 90,000 simulations of random portfolios
for each model, provides evidence that the current
investment rules (Res. CMN 3,922/2010) restrict RPPSs
so much that they fail to achieve the return necessary to
meet their actuarial goals. This conclusion is particularly
stronger for those classified in lower levels of governance.
Among the simulated portfolios, only 0.21% of the level
IV restricted model portfolios were able to achieve the
expected return of 6% p.a. and, in the case of the level III
restricted model, no single portfolio was able to achieve
the goal. Moreover, even models with higher risk limits
(higher levels of governance, i.e. levels III and IV) can
only obtain portfolios with returns close to the actuarial
target (6% p.a. in real interest) if they assume portfolio
allocations with the highest-level possible risk. The other
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
models are unable to offer allocations capable of exceeding
the profitability of the actuarial goal.
Analyzing the risk values o​​ f the efficient portfolios
in Table 5, one thing is notable: the risk offered by the
free model portfolio is less than half the risk of the level
III and IV portfolios, showing that investment restrictions
bring risk to governance models that is at least twice that
of the free model.
4.3. VIABILITY
The viability of portfolios is associated with
the possibility of those portfolios achieving real interest
rates above 6% p.a. According to the results presented by
Figures 1 and 3, we verify that only the free model offers a
diversity of portfolios that easily achieve the actuarial goal.
Models III and IV can only achieve the return objective
at the maximum risk limit of their frontiers.
Another interesting finding when analyzing
the data in Table 5, which provides information on the
portfolios’ composition and the risk and return measures
737
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho

Figure 3 – Simulation of 90,000 random portfolios for levels I, II, III, and IV and the free and re-
stricted models
Source: own elaboration.

Table 5 – Statistics of the portfolios of the to having greater illiquidity as a result of allocating 50%
restricted models for governance levels III to real estate assets and FIP. But the comparative exercise
and IV and the free model that reached the provides evidence that relaxing investment limits for RPPS
actuarial target of 6% p.a. in real returns. allocations, in addition to enabling the achievement of
return targets, would also offer RPPSs the possibility of
Portfolio
building portfolios with less risk exposure.
Level III Level IV
Free Model Observing the allocation suggested by the free
Model Model
Mean 5,32% 5,80% 6,06% model, attention is drawn to the 48% allocation in the
Standard Deviation 10,15% 11,22% 5,56% “investments abroad” asset class. This class is the one that
IMAB 30% 20% 0% most diversifies the portfolio and, consequently, reduces
IDA_DI 0% 0% 0%
its risk. This is a result of the negative correlations of the
IDA_IPCA 15% 20% 6%
return on these assets shown in Table 4. Two other points
IBOV 35% 35% 15%
IFM_I 0% 0% 12% are important. The first is that the current legislation allows
IFIX 0% 0% 9% 10% to be invested in this asset class (which is little, given
PE 10% 15% 10% the results). The second is that the allocation into this
MSCI_W 10% 10% 48% asset class by Brazilian RPPSs, according to a report by
Source: own elaboration. the Secretariat of Social Security, is currently less than 1%.
Generally, investments abroad are made in foreign
for each portfolio, is that the free model achieves a real currency and, when there are situations of crisis or great
return of 6% p.a. with almost half of the volatility (risk) uncertainty in the Brazilian economy (such as an increase
of the level III and IV models. In other words, portfolios in basic interest rates, inflation, events related to politics,
from the models with regulatory restriction levels III and among others), the USD rate tends to rise. Thus, whoever
IV need to be exposed to twice the risk of the free model has investments indexed to the exchange rate is able to
to offer the same expected return. Obviously, the free obtain returns that offset the losses in other traditional
model is a hypothetical and theoretical model, in addition investments, thus diversifying their portfolio.
738

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Assessment of the new investment limits for assets of Social Security Regimes for Public Servants established by Resolution CMN 3,922/2010

4.4. BEHAVIOR AND HISTORICAL
EVOLUTION
This section presents the behavior over time of
the profitability of the optimal portfolios of the free model
and restricted models III and IV. As presented in section
3.4, the models of stochastic differential equations were
used to simulate risk asset price scenarios. These models
for generating returns and prices were also implemented
in the R software, as well as the portfolio reallocation
algorithm. Portfolio reallocations are scheduled to occur
annually, which emulates the entities’ investment decisions,
as RPPSs annually review their investment policies. With
these datasets, and the percentage allocations of the
optimal portfolios, the portfolio results were projected,
considering the portfolio’s annual reallocation.
Figure 4 shows the historical behavior of the
simulation of 1,000 future scenarios for these portfolios.
It is possible to see that the portfolios carry an enormous
risk of generating low returns and even negative returns
in the short term. Through Table 6, it is noted that the
probability that the optimal portfolio of restricted model
III will obtain negative returns at the end of the 12, 36,
and 120 months is 34.2%, 21.4%, and 6.4%, respectively.

Figure 4 – Simulation of the future temporal evolution of the optimal portfolios of the free model and
the level III and IV models that achieved real profitability of 6% p.a, in horizons of 1, 3, and 10 years.
Source: own elaboration.

Table 6 – Estimated probabilities of the future performance of the optimal portfolio of the free
model and the level III and IV restricted models that achieved 6% p.a. in real interest.
Probability
Period
Real return portfolio profitability to be negative at the end Portfolio profitability exceeds 6% p.a. (real interest)
(months)
Level III Model Level IV Model Free Model Level III Model Level IV Model Free Model
12 0.342 0.359 0.153 0.463 0.450 0.516
36 0.214 0.233 0.038 0.418 0.445 0.485
120 0.064 0.068 0.000 0.381 0.429 0.515
Source: own elaboration.

739

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
Table 7 – Summary results of the 1,000 simulations of future performance of the free model and
level III and IV models that reached 6% p.a. in real interest.
Period Level III Model
(Months) Min Max Mean
12 -25.68% 50.87% 5.47%
36 -34.41% 116.80% 18.63%
120 -36.25% 371.83% 71.95%
Source: own elaboration.
That is, this is evidence of the high risk to which the RPPSs
would be exposed when implementing these allocations.
The same is true for the level IV restricted model.
However, the free model has probabilities of
obtaining negative returns equal to 15.3%, 3.8%, and
0.0%, at the end of the 12-, 36-, and 120-month period,
respectively. This is always much lower than the values​​
presented for restricted models III and IV. This is expected,
since the current investment limits imposed on RPPSs
end up also generating greater volatility in results.
Table 7 shows the statistics and the magnitudes of
the returns resulting from the application of the optimal
allocations in the scenarios over time. This analysis is
interesting because it indicates the dimension of the
stress scenario to which the portfolios would be exposed.
For example, for the level III and IV models, there were
situations in which they could generate strongly negative
returns, evidencing the possibility of the RPPS presenting
a significant reduction in equity.
As for the expected returns from the portfolios,
it should be noted that the longer the horizon is, the
greater the accumulated return must be, as well as the
associated risk measure. It is interesting to note that the
standard deviation in the level IV model – a more flexible
portfolio – is always smaller than its equivalent for level
III. On the other hand, the free model presents expected
returns very similar to the level III and IV models with legal
restrictions, both in the short and long terms. However,
its great advantage over the others is the level of risk to
which it is exposed: in addition to presenting a lower
magnitude of negative results, the standard deviations
are approximately half those of the restricted models.
With the presented results, and under the current
economic scenario of a significant reduction in real
interest rates provided by fixed income assets, there is a
great need to revise the current legislation regarding the
investment limits of RPPSs. In addition to not enabling
the achievement of actuarial targets in the case of RPPSs
740
Level IV Model
SD Min Max Mean SD
10.94% -23.67% 84.56% 5.74% 12.95%
22.46% -31.37% 138.95% 19.52% 25.06%
58.46% -54.64% 436.30% 80.62% 70.35%
that do not have any level of governance (restricted
model), nor those that have levels I and II, nor even those
classified as levels III and IV, the risk of entities failing to
achieve short-term actuarial goals is high. This implies
several negative accounting and economic consequences
for those insured by these entities, which may not have
covered expectations of future payments of benefits,
precisely due to the entities not being able to sufficiently
monetize their assets.
5. FINAL REMARKS
The drastic change in the structure of the interest
rate curve that occurred recently in Brazil had a significant
impact on RPPS investment portfolios. By implementing
an ALM model, via a nonlinear programming problem,
it was possible to empirically assess the ability of RPPSs
to achieve the actuarial target of 6% p.a. in real interest.
The results show that only the RPPSs classified as governance
levels III and IV would be able to build portfolios with the
expected returns capable of achieving the actuarial target
of 6% p.a. However, it was only possible to achieve this
at the limit of the efficient frontier, where the risk is as
high as possible. The risk exposure of these portfolios is
extremely high, which may expose entities to situations
in which there is a high probability of equity reductions,
which could generate or aggravate actuarial deficits.
The results obtained show that, under this new
economic and financial scenario, the current RPPS
investment limits do not offer satisfactory conditions
for building sufficiently diversified investment portfolios
with returns capable of achieving – and exceeding – the
current actuarial goals. Thus, there is evidence that it is
necessary for the appropriate regulators and autarchies
to revise Res. CMN 3,922/2010 in order to increase the
investment limits for the risky asset classes. On the other
hand, it is essential to adopt good practices, policies, and
processes that aim to raise RPPS governance, because the
higher the level of governance is, the greater the chances
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Assessment of the new investment limits for assets of Social Security Regimes for Public Servants established by Resolution CMN 3,922/2010
of building efficient portfolios capable of achieving the
actuarial goals.
Finally, this work should not be understood
as a wholehearted defense of leveraging investment
funds, but rather be used to understand the economic
and social context that serves this type of institution.
RPPSs are pension systems of federal entities set up
to manage the granting of social security benefits to
provide income to elderly civil servants when they
retire. As they are entities that do not have profit as
their primary objective, all the consequences of poor
financial performance fall directly on the participants.
Thus, only three possibilities are viable: either (i) the
contribution rate of active participants rises; or (ii) retirees
have their benefits reduced (by a nominal reduction
in the amount of benefits, or by a contribution in the
inactive phase); or even (iii) the sponsor – the public
treasury of the federative entity – must bear the loss,
redirecting public funds from other areas that have a
higher priority for society. There would be no other
way out.
Notes
i
A comprehensive article on the subject can be found at:
https://www.valor.com.br/financas/5684331/cvm-aperta-
cerco-regimes-de-previdencia-dos-estados>. Accessed on
April 19 of 2019.
ii
Duration is the first-order derivative of the present value
as a function of the interest rate variable. It is an indicator
used to measure the sensitivity of the value of a security to
changes in interest rates in the market.
iii
Convexity is an indicator of the curvature of the present
value as a function of the interest rate. It is obtained by
the second-order derivative of the present value in rela-
tion to changes in the interest rate, divided by the present
value.
iv
Mark-to-market (MtM) is the current fair value of one
or more future values ​​and is calculated by discounting the
flow of future values ​​at market interest rates.
v
Private Equity is an alternative investment class that in-
vests in companies not listed on a public exchange. PE is
composed of funds (FIP) and investors that invest directly
in private companies or that are involved in acquisitions
of public companies. Institutional and retail investors
provide capital for PE funds, and this capital can be used
to finance growth, invest in new technologies, make
acquisitions, expand working capital, and strengthen and
solidify a balance sheet.
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
6. REFERENCES
Andongwisye, J., Torbjörn, L., Singull, M., & Mushi, A.
(2018). Asset liability management for Tanzania pension
funds by stochastic programming. Afrika Statistika, 13(3),
1733–1758. doi:10.16929/as/1733.13.
Cho, W. N. (2008). Robust portfolio optimization using
conditional value at risk. London, UK: Imperial College
London.
DATAPREV (Ed.) (2017). Anuário estatístico da previdência
social: 2017, 24. Recuperado de http://sa.previdencia.gov.
br/site/2019/04/AEPS-2017-abril.pdf
Dempster, M. A. H., Germano, M., Medova, E. A., &
Villaverde, M. (2003). Global asset liability management.
British Actuarial Journal, 9(01), 137-195. doi: 10.1017/
S1357321700004153
Drijver, S. J., Haneveld, W. K., & van der Vlerk, M. H. (2002).
ALM model for pension funds: numerical results for a
prototype model. (SOM Research Reports; No. A44).
University of Groningen, SOM
Dutta, G., Rao, H. V., Basu, S., & Tiwari, M. K. (2019).
Asset liability management model with decision support
system for life insurance companies: Computational
results. Computers and Industrial Engineering, 128, 985-
998.doi:10.1016/j.cie.2018.06.033
Ferstl, R., & Weissensteiner, A. (2011). Asset-liability
management under time-varying investment opportunities.
Journal of Banking and Finance, 35(1), 182-192.
doi:10.1016/j.jbankfin.2010.07.028
Geyer, A., & Ziemba, W. T. (2008). The innovest Austrian
pension fund financial planning model InnoALM. Operations
Research, 56(4), 797-810. doi:10.1287/opre.1080.0564
Hirsa, A., & Neftci, S. N. (Ed.) (2013). An Introduction to
the mathematics of financial derivatives (3rd ed.). London:
Academic Press.
Hosseinzadeh, M. M., & Consigli, G. (2017). Optimal
asset-liability management for defined benefit pension fund
under stochastic correlation. (Thesis of Doctor). Universitá
Degli Studi di Bergamo, Bergamo, Itália.
741
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
Hurtado, N. H. (2008). Análise de metodologias de gestão
de ativos e passivos de planos de benefício definido em fundos
de pensão: Uma abordagem financeiro-atuarial (Tese de
Doutorado). Universidade Federal do Rio de Janeiro -
UFRJ, Rio de Janeiro, RJ, Brasil.
Kouwenberg, R. (2001). Scenario generation and stochastic
programming models for asset liability management.
European Journal of Operational Research, 134(2), 279–292.
doi:10.1016/S0377-2217(00)00261-7
Krokhmal, P., Uryasev, T., & Palmquist, J. (2001).
Portfolio optimization with conditional value-at-risk
objective and constraints. The Journal of Risk, 4(2), 43-
68. doi.:10.21314/JOR.2002.057
Lauria, D., & Consigli, G. (2017). A defined benefit
pension fund ALM model through multistage stochastic
programming. International Journal of Finance and
Managerial Accounting, 2(7), 1-10.
Leibowitz, M. L., Fabozzi, F. J., & Sharpe, W. F. (1992).
Investing : the collected works of Martin L. Leibowitz.
Chicago: Probus Publishing.
Minardi, A. M. A. F., Bortoluzzo, A., & Moreira, L. do. A.
(2017). Private equity and venture capital growth and
performance in emerging markets. SSRN Electronic
Journal, 1-21. doi:10.2139/ssrn.2894543
Minardi, A., & Moreira, L. do A. (2014). Determinantes
do retorno de private equity e venture capital no Brasil
(Trabalho de conclusão de curso). Instituto de Ensino e
Pesquisa - INSPER, São Paulo, SP, Brasil.
Oliveira, A. D. de. (2018). Essays on Multistage Stochastic
Programming applied to Asset Liability Management (Tese
de Doutorado). Universidade Federal do Rio Grande do
SUL - UFRGS. Porto Alegre, RS, Brasil.
Oliveira, A. D. de, Filomena, T. P., Perlin, M. S.,
Lejeune, M., & Macedo, G. R. de (2017). A multistage
stochastic programming asset-liability management
model: An application to the Brazilian pension fund
industry. Optimization and Engineering, 18(2), 349-368.
doi:10.1007/s11081-016-9316-3
Rao, H. V., Dutta, G., & Basu, S. (2018). New asset
liability management model with decision support system
742
for life insurance companies: Interface design issues for
database and mathematical models. International Journal
of Revenue Management, 10(3-4), 259-289. doi.: 10.1504/
IJRM.2018.096319
Ribeiro, G. X. K. (2015). Asset liability management em
um plano aberto de previdência complementar tradicional
(Dissertação). Instituto Nacional de Matemática Pura e
Aplicada - IMPA. Rio de Janeiro, RJ, Brasil. Recuperado
de file:///C:/Users/Administrador/Desktop/2%20
ano/1%20semestre/Reconceitua%C3%A7%C3%A3o/
documento.pdf
Resolução CMN nº3922, de 25 de novembro de 2010.
Dispõe sobre as aplicações dos recursos dos regimes
próprios de previdência social instituídos pela União,
Estados, Distrito Federal e Municípios. Recuperado de
https://www.bcb.gov.br/estabilidadefinanceira/exibenorm
ativo?tipo=Resolu%C3%A7%C3%A3o&numero=3922
Resolução CMV nº4604, de 19 outubro de 2017. Altera
a Resolução nº 3.922, de 25 de novembro de 2010, que
dispõe sobre as aplicações dos recursos dos regimes próprios
de previdência social instituídos pela União, Estados,
Distrito Federal e Municípios. Recuperado https://www.
bcb.gov.br/estabilidadefinanceira/exibenormativo?tipo=R
esolu%C3%A7%C3%A3o&numero=4604
Resolução CMV nº4695, de 25 de novembro de 2018.
Altera a Resolução nº 3.922, de 25 de novembro de 2010,
que dispõe sobre as aplicações dos recursos dos regimes
próprios de previdência social instituídos pela União,
Estados, Distrito Federal e Municípios e a Resolução
nº 4.661, de 25 de maio de 2018, que dispõe sobre as
diretrizes de aplicação dos recursos garantidores dos planos
administrados pelas entidades fechadas de previdência
complementar. Recuperado de http://sa.previdencia.gov.
br/site/2018/12/Resolucao-No-4695_2018.pdf
Rockafellar, R. T., & Uryasev, S. (2000). Optimization
of conditional value-at-risk. The Journal of Risk, 2(3),
21-41. doi:10.21314/JOR.2000.038
Ryan, R. J. (2013). The evolution of asset/liability
management. Research Foundation Literature Review, 8(2)
doi: 10.2470/rflr.v8.n2.1
Saad, N., & Ribeiro, C. O. (2004). Modelos determinísticos
de gestão de ativo/passivo: uma aplicação no Brasil. Revista
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Assessment of the new investment limits for assets of Social Security Regimes for Public Servants established by Resolution CMN 3,922/2010

Contabilidade & Finanças, (34), 50-62. doi:10.1590/
S1519-70772004000100004
Saad, N. S., & Ribeiro, C. de O. (2006). Um modelo de gestão
de ativo/passivo: aplicação para fundos de benefício definido
com ativos de fluxo incerto. Revista Contabilidade & Finanças,
17(spe2), 75-87. doi:10.1590/s1519-70772006000500006
Valladão, D. M. (2008). Alocação ótima e medida de
risco de um ALM para fundo de pensão via programação
estocástica multi-estágio e bootstrap(Dissertação de Mestrado).
Pontificia Universidade Católica do Rio de Janeiro - PUC.
Rio de Janeiro, RJ, Brasil. Recuperado de https://www.
maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultad
o&nrSeq=12253@1

Toukourou, Y. A. F., & Dufresne, F. (2018). On Integrated Ziemba, W. T. (2003). The stochastic programming approach
chance constraints in ALM for pensions funds. ASTIN to asset, liability, and wealth management. United States:
Bulletin, 48(02), 571- 609. doi:10.1017/asb.2017.49 AIMR Publisher.

Conflicts of interest:
The authors have no conflict of interest to declare.

Copyrights:
RBGN owns the copyrights of this published content.

Plagiarism analysis:
RBGN performs plagiarism analysis on all its articles at the time of submission and after approval of the manuscript using
the iThenticate tool.

Authors:
1. Alexandre Teixeira Damasceno, BSc. in Actuarial Science, Universidade de São Paulo, São Paulo, Brazil.
E-mail: aledamac@gmail.com
2. João Vinícius de França Carvalho, PhD in Statistics, Universidade de São Paulo, São Paulo, Brazil.
E-mail: jvfcarvalho@usp.br

Authors’ Contributions:
1st author: definition of research problem; development of hypotheses or research questions (empirical studies); definition of
methodological procedures; data collection; literature review; statistical analysis; analysis and interpretation of data; critical
revision of the manuscript; manuscript writing.
2nd author: definition of research problem; development of hypotheses or research questions (empirical studies); definition
of methodological procedures; data collection; literature review; statistical analysis; analysis and interpretation of data; critical
revision of the manuscript; manuscript writing.

743

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 RBGN REVISTA BRASILEIRA DE GESTÃO DE NEGÓCIOS

ISSN 1806-4892
e-ISSN 1983-0807
© FECAP

728

Avaliação dos novos limites de investimentos Recebimento:

29/06/2020
de ativos dos Regimes Próprios de Previdência Aprovação:
18/01/2021
Social estabelecidos pela Resolução Editor responsável:
CMN 3.922/2010 Prof. Dr. Joelson Sampaio

Avaliado pelo sistema:

Alexandre Teixeira Damasceno1  Double Blind Review
João Vinícius de França Carvalho2 
Revisores:
Elizabeth Borelli; Roberto Cazzari
Resumo
Objetivo – Verificar se os novos limites de investimentos dos Regimes Próprios de
Previdência Social (RPPS) trazidos pela Resolução CMN 3.922/2010 oferecem
condições para que se construam carteiras de investimentos com retornos capazes
de atingir e superar metas atuariais dessas entidades.
Referencial teórico – Baseou-se na moderna Teoria do Risco Atuarial, cujo objetivo
principal é avaliar (in)solvência de longo prazo de entidades securitárias e previdenciárias.
Metodologia – Utilizou-se modelo de ALM de otimização não linear estocástica
com mean-CVaR para se construir as fronteiras eficientes relativas a cada tipo de
Nível de Governança definido pela legislação. Em seguida, verificou-se se essas
carteiras são suficientemente capazes de oferecer retornos esperados requeridos.
Resultados – Os resultados apontam que somente os níveis NIII e NIV de governança
conseguiriam construir portfólios com retornos esperados capazes de atingir a meta
atuarial. Isso só foi possível, contudo, no limite máximo de risco da fronteira eficiente.
Implicações práticas e sociais da pesquisa – Há evidências da necessidade
de revisão dos parâmetros dos limites de investimento por parte dos órgãos
competentes, uma vez que ajustes na legislação de investimentos dos RPPS podem
trazer benefícios de ordem social, pois evitariam situações problemáticas de déficits
atuariais dos RPPS que poderiam colocar em risco a capacidade de provimento
de benefícios aos aposentados.
Contribuições – Este trabalho é o pioneiro a avaliar a (in)adequação normativa
dos limites de alocação de ativos garantidores dos RPPS, usando a metodologia
de otimização não linear asset-only.
Palavras-chave – Modelos de ALM; Regimes Próprios de Previdência Social;
metas atuariais; modelos atuariais; políticas de investimentos.

1. Universidade de São Paulo, Departamento de Contabilidade e Atuária, São Paulo, Brasil

2. Universidade de São Paulo, Departamento de Contabilidade e Atuária, São Paulo, Brasil
Revista Brasileira de Gestão de
Negócios
Como citar:
Damasceno, A. T.; Carvalho, J. V. F. (2021). Avaliação dos novos limites de https://doi.org/10.7819/rbgn.v23i4.4128
investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela
Resolução CMN 3.922/2010. Revista Brasileira de Gestão de Negócios, 23(4), p.728-743.

728

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Avaliação dos novos limites de investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela Resolução CMN 3.922/2010
1 Introdução
Um Regime Próprio de Previdência Social (RPPS)
é um sistema previdenciário, estabelecido no âmbito de
cada ente federativo – União, Estados, Distrito Federal
e Municípios –, que assegure aos servidores titulares de
cargo efetivo pelo menos os benefícios de aposentadoria
e pensão por morte. Cada RPPS possui uma unidade
gestora responsável por organizar a previdência dos
servidores públicos, tanto daqueles em atividade como
daqueles já em gozo de benefício (aposentados) e dos
pensionistas, cujos benefícios estejam sendo pagos pelo
ente federativo. Os principais objetivos que os RPPS
possuem são a administração e gestão dos recursos e fundos
previdenciários, o gerenciamento e a operacionalização do
regime próprio, incluindo a concessão, o pagamento e a
manutenção dos benefícios de seus participantes.
Atualmente, no Brasil, há 2.216 RPPS instituídos,
que, em conjunto, possuem cerca de R$ 277,33 bilhões
(Dataprev, 2017), aproximadamente 4,07% do PIB do
Brasil, de recursos investidos em ativos garantidores das
provisões técnicas. O Conselho Monetário Nacional (CMN),
pelas Resoluções nº 4.604/2017 e nº 4.695/2018, alterou
a Resolução nº 3.922, 2010, definindo novos limites
para as aplicações dos recursos dos RPPS. O período
que antecedeu essas alterações foi marcado por inúmeros
problemas de governança e ingerência que envolveram
os fundos de pensão de estatais e os RPPS, amplamente
noticiados pela imprensa.i Sob esse ambiente problemático,
o novo normativo trouxe regras mais rígidas e restritivas
de investimentos aos RPPS, podendo implicar redução
significativa nas rentabilidades dos portfólios admissíveis.
Atualmente, pela Resolução nº 3.922, 2010 modificada,
há quatro níveis de governança a que os RPPS podem aderir,
representando diferentes graus de complexidade, desde o nível
I, o mais simples, até o nível IV, o mais avançado. Para que
um RPPS obtenha um determinado nível de governança é
necessário que ele se qualifique e seja aprovado no programa
Pró-Gestão da Secretaria de Previdência. Para atingir os níveis
mais altos de governança (III e IV), deverá haver uma estrutura
organizacional robusta, com maior número de técnicos e maior
custo de manutenção do quadro de funcionários da unidade
responsável pela gestão de investimentos do RPPS. Para cada
um desses níveis foram estipuladas condições precedentes de
governança a serem implementadas e comprovadas. Quanto
maior o nível de governança dos RPPS, maiores serão os
limites de investimentos que poderão assumir em ativos de
riscos, como mostra a Tabela 1.
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
Essas mudanças regulatórias foram feitas em
momento histórico de queda nas taxas de juros reais.
Atualmente, os títulos públicos federais brasileiros oferecem
taxas reais inferiores às metas atuariais dos RPPS. Os RPPS,
portanto, precisarão buscar investimentos em ativos de risco
que ofereçam maiores retornos para garantir o pagamento
dos benefícios previdenciários pactuados. Dentre os ativos
permitidos pela Resolução nº 3.922/2010 destacam-se os
fundos de investimentos: de renda fixa de crédito privado
(FI RF CP), os multimercados (FIM), em ações (FIA), de
participação (FIP), imobiliários (FII), no exterior (FIM IE)
e de infraestrutura (FIP-IE), que podem oferecer retornos
superiores às taxas de metas atuariais, porém com mais risco.
A hipótese central do trabalho é que mesmo a
flexibilização recente dos limites de investimentos atual
dos RPPS (Tabela 1), perante o atual cenário de baixa taxa
de juros, ainda não possibilita que os RPPS desempenhem
resultados econômicos satisfatórios capazes de gerar
portfólios que superem suas metas atuariais. Portanto, o
objetivo deste trabalho é verificar se os novos limites de
investimentos dos RPPS que alteraram a Resolução CMN
3.922/2010 oferecem condições para que os RPPS construam
carteiras de investimentos diversificadas com retornos capazes
de atingir e superar suas metas atuariais. Adicionalmente,
o trabalho também visa mensurar a probabilidade de
esses portfólios atingirem as metas atuariais. Assim, será
possível compreender o trade-off entre o aumento de custo
de implementação de políticas de governança vis-à-vis o
benefício econômico e atuarial oferecido pelo aumento
dos limites de investimentos em classes de ativos de risco.
2 Fu n d a m e n t a ç ã o t e ó r i c a e
literatura empírica
A gestão de ativos e passivos em entidades gestoras
de planos de previdência (englobando tanto as Entidades
Fechadas de Previdência Complementar quanto os RPPS)
é um problema de escolhas de alocação intertemporal em
longo prazo. Para isso, os modelos determinísticos são
limitados para essa tarefa, pois as projeções econômicas
e atuariais necessárias para se estimar os ativos e passivos
são baseadas em parâmetros estáticos e, naturalmente,
inadequadas para tratar incerteza de variáveis, como taxas
juros, inflação, crescimento dos salários, projeção de preços,
taxas de mortalidade e outras variáveis econômicas e atuariais
(Ribeiro, 2015; Valladão, 2008). Outro detalhe é que esses
modelos não permitem o uso de ativos com fluxo de caixa
incerto, como ativos de renda variável. Adicionalmente, as
729
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho

Tabela 1 - Novos limites de investimento dos RPPS

LIMITES DA RESOLUÇÃO Limite
Res Limite PL RPPS
CMN 3922/2010 PL do
3922
TIPOS DE ATIVOS Nível I Nível II Nível III Nível IV fundo
Títulos Públicos de
PÚBLICOS

7Ia 100% 100% 100% 100% 100%

TÍTULOS

emissão do TN (Selic)
Operações
7 II 5% 5% 5% 5% 5%
compromissadas
Fundos 100% Títulos
7Ib
Públicos
Fundos de índices 100% 100% 100% 100% 100%
carteira 100% Títulos 7Ic
Públicos
Fundos referenciados 7
FUNDOS DE INVESTIMENTO

em indicadores RF* III a

Fundos de índices 60% 65% 70% 75% 80% 15%
7 III
(ETF) em indicadores
b
RENDA FIXA

títulos
Fundos Renda fixa 7
em geral* IV a
Fundos de Índices 40% 45% 50% 55% 60%
7
(ETF) – quaisquer
IV b
Indicadores
Fundos Renda fixa – 7 VII
5% 10% 15% 20% 25%
Crédito Privado* b
FIDCs – Aberto
7
ou Fechado – Cota 5% 15% 5% 20% 10% 25% 15% 30% 20% 35% 5%
VII a
Sênior**
Fundos de debêntures 7
5% 5% 10% 15% 20%
de infraestrutura VII c
CDB ou Poupança
OUTROS

nos limites garantidos 7 VI a 15% 15% 15% 15% 15%

pelo FGC
Letra Imobiliária
7Vb 20% 20% 20% 20% 20%
Garantida – LIG
Fundo de Ações –
Índices c/ no mínimo 8Ia
50 ações* 30% 35% 40% 45% 50%
ETF (Índices c/ no
8Ib
mínimo 50 ações)
FUNDOS DE INVESTIMENTO

15%
Fundos de Ações em
8 II a
RENDA VARIÁVEL

geral*
20% 25% 30% 35% 40%
ETF (Índices em
8 II b
geral)
30% 35% 40% 45% 50%
Fundos
8 III 10% 10% 10% 10% 15%
Multimercado*
FIPs (que
8
atendam requisito 5% 5% 20% 5% 20% 10% 20% 15% 20%
IV a
governança)*; *** 5%
FI Ações – Mercado
8 IV c 5% 5% 5% 10% 15%
de Acesso
Fundo Imobiliário 8
5% 5% 10% 15% 20%
*; **** IV b
FIC e FIC FI – Renda
9aI
Fixa – Dívida Externa
EXTERIOR

FUNDOS

FIC – Aberto -
Investimento no 9 a II 10% 10% 10% 10% 10%
Exterior
Fundos de Ações –
9aI
BDR Nível I
Nota. * Ativos crédito privado emitidos por instituição financeira ou sociedades abertas ou cotas sêniores de FIDC; não pode investir exterior. ** Gestor já tenha feito 10
ofertas públicas encerradas e liquidadas, que os RPPS participem somente até 50% do total cotas. *** Avaliação empresa independente; taxa performance após devolução
capital; gestor participe c/ 5% e que já realizou nos últimos 10 anos, desinvestimento de 3 companhias. **** Limites de 5% do PL do RPPS e de 5% do PL do fundo não se
aplicam para cotas integralizadas por imóveis. Limite válido para todos os fundos: recursos dos RPPS devem corresponder a até 20% do PL do fundo. Os totais de recursos
de um RPPS devem corresponder no máximo a 5% do total de recursos da gestora ou administradora de carteira. Os RPPS somente poderão aplicar seus recursos em fundos
de investimento em que figurarem, como administradora OU gestora, instituições autorizadas a funcionar pelo Banco Central do Brasil, obrigadas a instituir comitê de
auditoria e comitê de riscos, nos termos das Resoluções CMN nº 3.198, de 2004, e nº 4557, de 2017.
Fonte: Res. CMN 3922/2010. Secretaria de Previdência do Ministério da Economia.

730

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Avaliação dos novos limites de investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela Resolução CMN 3.922/2010
regulações sob as quais os fundos de pensão são submetidos
impõem inúmeras de restrições na alocação de ativos com as
quais os modelos determinísticos dificilmente conseguem lidar.
Por isso, iniciou-se na década de 1990 o desenvolvimento
de modelos de ALM estocásticos mais complexos e com
maior controle sobre as variáveis envolvidas, fundamentais
para fazer frente e lidar com esses desafios.
O desenvolvimento dos modelos de ALM não é recente.
Leibowitz, Fabozzi e Sharpe (1992) fazem uma importante e
abrangente revisão histórica dessa evolução. Os primeiros modelos
de ALM voltados a fundos de pensão foram os Dedication
Models (DM) e surgiram em um ambiente econômico de altas
taxas de juros. Esses modelos eram determinísticos e tinham
como principal objetivo construir um portfólio de títulos de
renda fixa de menor preço possível, visando alocar para cada
um dos fluxos de caixa do passivo um título de renda fixa com
mesma data de vencimento. As principais vantagens desses
modelos são: previsibilidade dos fluxos de caixa, redução de
riscos de reinvestimento e de mercado, gestão passiva (menos
custosa) e, finalmente, alocação de ativos mais simplificada
(100% em títulos de renda fixa). Como desvantagens, têm:
dificuldade de construção de portfólio (encontrar títulos com
vencimentos adequados ao passivo), complexidade matemática
dos modelos, necessidade de se projetar de forma precisa o
passivo atuarial e eficiência econômica da estratégia que se
limita a cenários de alta taxas de juros (Ryan, 2013).
O modelo DM é mais adequado em situações
em que as taxas de juros do mercado são maiores do que
as taxas das metas atuariais. Consequentemente, no atual
cenário isso não se aplica ao Brasil. Os Immunization
Models (IM) passaram gradativamente a substituir os DM
(Ryan, 2013). Essa nova geração de modelos IM tinha
como objetivo construir carteiras de títulos de renda fixa
com a maior rentabilidade possível sujeitos à restrição
de que a duraçãoii e a convexidadeiii do portfólio ótimo
fossem iguais às do fluxo do passivo.
No Brasil, com o Plano Real ocorreu a estabilização
da inflação, possibilitando que as projeções atuariais fossem
mais precisas e confiáveis. Com isso, os modelos de ALM
começaram, com mais frequência, a ser experimentados
pelos investidores institucionais. Saad e Ribeiro (2004),
por exemplo, utilizaram dois modelos da família IM
e um modelo DM. Os modelos IM em sua primeira
versão utilizaram modelos de otimização de carteiras
com restrições de duration e, posteriormente, incluíram
também a restrição de convexity. Para mitigar as limitações
do modelo determinístico em lidar com a variabilidade
de cenários futuros, Saad e Ribeiro (2006) apresentaram
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
uma variante do DM, na qual os autores incluíram dois
fatores de penalidade aplicados aos ativos: primeiro, de
volatilidade, e segundo, de aversão a risco.
Alguns modelos de ALM tratam o passivo de forma
determinística (parâmetros de entrada) e a modelagem
estocástica se aplica sobre os retornos dos ativos e a curva
de juros. Esses modelos são denominados método do ativo
(asset only method). Na literatura também se observam os
modelos que tratam tanto as variáveis dos ativos como
as do passivo de forma aleatória, estabelecendo modelos
estocásticos para simular comportamento dos retornos,
crescimento de salário, inflação, taxa de juros e taxa de
mortalidade, com o objetivo de se estimar o ativo e o
passivo de forma estocástica (Dempster, Germano, Medova
& Villaverde, 2003; Drijver, Haneveld & Van der Vlerk,
2002; Hurtado, 2008; Valladão, 2008; Ziemba, 2003).
Os modelos de ALM passaram a conjugar modelagem
estocástica com técnicas de otimização sob cenários de incerteza,
ou seja: modelos de tomada de decisão aplicados a cenários
simulados que ajustam com mais precisão o comportamento
das variáveis aleatórias dos ativos e dos passivos. Essas técnicas
e métodos de otimização denominadas stochastic linear
programming (SLP) passaram a ser aplicadas à gestão de
ativos e passivos. Esse tipo de modelo possibilita a inclusão
de regras e restrições complexas necessárias à implementação
das situações reais que investidores encontram, fornecendo
modelos mais precisos de ALM (Geyer & Ziemba, 2008;
Hosseinzadeh & Consigli, 2017; Lauria & Consigli, 2017).
Para que os modelos de otimização fossem exequíveis
e eficientes passou-se a focar em técnicas de redução da
dimensionalidade dos dados, como a construção de cenários
em árvores multinomiais. Os modelos de última geração
passaram a utilizar técnicas, como a decision support system
(DSS) em conjunto com SLP, para tratar a grande quantidade
de variáveis, restrições e cenários (Dutta, Rao, Basu &
Tiwari, 2019; Rao, Dutta & Basu, 2018). Uma aplicação
interessante dos modelos de ALM com uso de SLP foi
desenvolvida por Andongwisye, Torbjörn, Singull e Mushi
(2018), na qual se avaliou um sistema previdenciário pay-
as-you-go quanto a seu equilíbrio de longo prazo.
Ferstl e Weissensteiner (2011) desenvolveram um
modelo de ALM utilizando SLP para construir portfólios
ótimos que minimizam CVaR (Conditional Value at Risk)
da diferença do valor de marcação a mercado entre o ativo
e o passivo. O modelo estocástico utilizado para simular
as realizações dos retornos das ações e das taxas de juros
foi o vetor autorregressivo de ordem 1 – VAR(1) – e os
parâmetros da curva de juros foram estimados pelo modelo
731
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
de Cox-Ingersoll-Ross (CIR). Já o fluxo do passivo foi
tratado de forma determinística, de modo que o tratamento
estocástico do artigo se restringe a parte do ativo.
Outro trabalho que usa o CVaR como restrição
quantitativa de risco em ALM para fundos de pensão é
o de Toukourou e Dufresn (2018). Eles utilizam duas
restrições de risco do tipo CVaR: a primeira foi denominada
chance integrada de um período (OICC); a segunda, chance
integrada multiperiódica (MICC). Os autores modelam
de forma estocástica as variáveis do ativo (caixa, títulos,
imóveis e ações) e do passivo (crescimento do salários),
utilizando o modelo VAR baseado nos resultados obtidos
por Kouwenberg (2001) e os fluxos como inputs para
otimização do modelo SLP, tendo como restrições as
medidas OICC e MICC. Embora as decisões ótimas
(portfólios) do OICC e do MICC não sejam as mesmas,
os custos totais são muito próximos, evidenciando que o
MICC pode ser uma boa alternativa, por ser menos volátil.
No Brasil, a técnica SLP também tem sido aplicada
em modelos de ALM estocástico para avaliar fundos de
pensão no país. Oliveira, Filomena, Perlin, Lejeune e
Macedo (2017) usaram equações diferenciais estocásticas
(EDE) considerando movimento browniano geométrico
(MBG) para a geração dos cenários de preço das ações,
e para simular a estrutura de curva de juros foi usado o
modelo CIR de reversão à média. Neste trabalho, tanto
as regras regulatórias brasileiras de limite de investimento
por ativo como a regulação de exigência mínima de razão
de solvência (que determina que essa razão não pode
ser inferior a 1 durante dois anos consecutivos) foram
incorporadas por meio da inclusão de restrições no modelo
de otimização. Os resultados sugerem que, nos cenários de
taxas de juros declinantes (abaixo de 6% a.a.), os portfólios
ótimos sugeridos pelo modelo ALM recomendam alocação
maiores em ativos de renda variável (maiores do que 40%).
Para alcançar os objetivos deste trabalho, será utilizado
o modelo de otimização de mean-CVaR como implementado
em Ferstl e Weissensteiner (2011), para obter os portfólios
ótimos que emularão cenários futuros verificando a hipótese
de que essas carteiras são suficientemente rentáveis para atingir
ou superar as metas atuariais. O modelo de otimização será
implementado com dois tipos de restrições: (i) regulatórias,
que contemplarão os limites de investimento por classe de
ativo dado um nível de governança; e (ii) medidas de risco,
cujo representante é o CVaR da carteira de ativos para um
dado um nível de confiança α. Adicionalmente, serão gerados
cenários de preço para os ativos que possibilitarão simular
a evolução das carteiras ótimas e medir as probabilidades
732
de os portfólios atingirem as metas atuariais ao longo do
tempo. Para a simulação de preço dos ativos serão utilizadas
equações diferenciais estocásticas (MBG).
3 Metodologia
Para este trabalho foram obtidas informações de
quatro RPPS que se dispuseram a fornecer anonimamente seus
fluxos do passivo atuarial, fluxos das receitas previdenciárias
e metas atuariais. Dispondo dessas informações e do valor
da carteira de investimento, pôde-se verificar se os RPPS
estão em equilíbrio atuarial, ou seja, se seus ativos são
suficientes para honrar os compromissos de pagamentos dos
benefícios presentes e futuros. Sejam Atk e Ptk respectivamente
os fluxos resultantes da marcação a mercado (MtMiv) dos
ativos e dos passivos do k-ésimo RPPS, k = 1, 2, 3, 4 , medido
no instante t , o equilíbrio atuarial é calculado pela razão
( )
−1
de solvência definida por Stk = Atk . Ptk . Para que Stk tenha
sentido econômico, é necessário que os mesmos métodos
k
de precificação incidam sobre Atk e Ptk . Por isso, tanto At
como Ptk foram mensurados via MtM.
Destaca-se que os RPPS reconhecem contabilmente
o valor do passivo descontado por uma taxa de juros fixa e
igual a sua taxa de meta atuarial. Como implicação imediata,
esse tratamento subestimará o valor do passivo sempre que
as taxas das metas atuariais forem maiores do que as taxas de
juros de mercado, fundamentais para a mensuração MtM.
Em relação a Stk , quando Atk = Ptk, então a entidade
está em equilíbrio atuarial. Se Atk > Ptk, há superávit atuarial,
e quando Atk < Ptk , está apurado déficit atuarial. Dispondo
dos fluxos do passivo atuarial é possível mensurar a duration
de cada RPPS, que será denominado Dk .
Nos casos em que há déficit atuarial ( Atk < Ptk ), Stk
pode ser interpretado como o percentual necessário para que
Atk seja igual a Ptk . Ou seja, que taxa adicional de retorno (itk )
é necessária para que Atk (ativos) seja suficiente para satisfazer o
equilíbrio atuarial. Algebricamente, como Stk . Atk = Ptk, e fazendo
Stk = itk , tem-se que itk . Atk = Ptk , em que itk é a taxa de retorno
adicional necessária para atingir Stk = 1. Como itk é uma taxa
efetiva, é preciso transformá-la em uma taxa anual fazendo:
( )
1/ D k
k
y it =+( 1 itk − 1). Assim, y it será interpretado como a taxa
de retorno adicional anual, que, composta em D anos, é
equivalente à taxa efetiva itk . Logo, a taxa de retorno requerida,
denominada rt ,portfólio ótimo
, a ser utilizada para a escolha do
k
portfólio ótimo de um referido RPPS no instante t, será:
rt ,portfolio ótimo
=
( )
 (1 + y itk ) × 1 + MAtk − 1, se Atk < Pt k
(1)
k
 MAt
k
, se Atk ≥ Pt k
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Avaliação dos novos limites de investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela Resolução CMN 3.922/2010

em que MAtk é a taxa de meta atuarial (anual) do k-ésimo
RPPS no instante t .
O modelo matemático de ALM escolhido para a
construção dos portfólios ótimos será o modelo mean-CVaR,
como definido na Equação (6), considerando o retorno
requerido ao portfólio ótimo igual ao estabelecido pela Equação
(1). O objetivo deste trabalho consiste em verificar se existe
solução viável para a obtenção do portfólio ótimo, ou seja, se
é possível construir um portfólio capaz de estabelecer carteiras
com retorno igual ou superior a rt ,portfólio
k
ótimo
, respeitando
as restrições de investimentos, impostas aos RPPS pela
Resolução CMN nº 3922, 2010 e suas alterações. Caso sejam
encontrados os portfólios ótimos que atendam às restrições
portfólio ótimo
de investimentos capazes de prover o retorno rt , k
necessário ao equilíbrio atuarial, serão realizadas simulações
de evolução da carteira ao longo do tempo, utilizando-se a
geração de cenários futuros de preços dos ativos.
Com as simulações futuras para Atk, será possível obter
estimativas da rentabilidade dos portfólios ótimos e, também,
com o vetor de pesos w da alocação do portfólio, Σ representa
a matriz de correlações lineares entre os ativos e zα é o quantil
de ordem α à esquerda de uma distribuição Normal (0,1).
É importante ressaltar que o VaR calculado
pelo método paramétrico assume a premissa de que os
retornos dos ativos seguem uma distribuição Normal e são
estacionários de segunda ordem. No entanto, os retornos,
quando estimados pelos dados de mercados, muitas vezes
podem apresentar assimetria e elevada curtose, sobretudo
em mercados mais voláteis. Além disso, o VaR é um quantil,
não capturando os piores casos. A implicação imediata é
de que as estimativas (VaR) do risco ficam subavaliadas.
Essa é a razão básica pela qual o CVaR é uma medida
mais adequada do que o VaR.
De modo análogo a Rockafellar e Uryasev (2000),
o CVaR pode ser aproximado usando cenários, conforme
a Equação (4):
∫ξ
−1 +
CVaRα ( w,ζ ) = ζ + (1 − α )  f ( w, ξ ) − ζ  p (ξ ) d ξ
 
∈R
S

∑  f ( w,ξ ) − ζ 
−1 +
mensurar as probabilidades de essas carteiras atingirem o ≈ ζ + (1 − α ) s ps (4)
retorno esperado. Outra avaliação será a análise comparativa s =1 ,
dos resultados considerando as imposições normativas e o +
espaço irrestrito de investimentos. Dessa maneira, os impactos em que f ( w, ξ s ) é a função perda do portfólio e  f ( w, ξ s ) − ζ 
das restrições de investimento poderão ser avaliados. denota o evento de excesso em relação ao quantil global ζ .
+
O termo  f ( w, ξ s ) − ζ  ps da Equação (4) pode
3.1 Medidas de risco ser reduzido a:

Uma medida de risco importante e muito utilizada em +

 f ( w, ξ s ) − ζ  =
  zs
finanças é o expected shortfall (ES), que também é conhecido
como CVaR (condicional value at risk). Essa medida é calculada zs ≥ f ( w,ξ s ) − ζ

como a média ponderada das perdas extremas, na cauda da

zs ≥ 0
distribuição f dos retornos de um portfólio com vetor de pesos w,
além do quantil (de ordem α) estabelecido pelo VaR. O CVaR é 3.2 O problema de otimização
definido (Krokhmal, Uryasev & Palmquist, 2001) por:
Neste trabalho, o problema de otimização a
ser utilizado é análogo ao de Cho (2008). A definição
∫ξ
−1 +
CVaRα ( w,ζ ) = ζ + (1 − α )  f ( w, ξ ) − ζ  p (ξ ) d ξ
  (2)
∈R matemática desse modelo de otimização de mean-CVaR
é estabelecida por:
A Equação (2) guarda uma relação intrínseca S
com o VaR, uma vez que: minimizar {ζ + (1 − α )
−1
∑ s =1
z s ps (5)

n
CVaRα ( w,ζ ) =E ξ | ξ ≥ ζ α (ξ )  =E ξ | ξ ≥ VaR 
, (3) Sujeito a ∑ i =1
wi = 1

n
em que ∑ i =0
wi E ξi  ≥ R

ζα (= zs ≥ f ( w, ξ s ) − ζ
ξ ) VaR
= inf {ζ | P (ξ ≤ −ζ ) ≥ α }

 VaR = − zα wT Σw zs ≥ 0

733

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
em que R é a meta atuarial de cada RPPS. A implementação
e a discussão da otimização desse modelo são encontradas
em Krokhmal et al. (2001).
3.3 O espaço de restrições nos portfólios
O problema de otimização definido pelo conjunto
de Equações (5) terá dois conjuntos de restrições. O primeiro
conjunto é formado pelas restrições definidas pela legislação
de investimento vigente para os RPPS, que, dependendo do
nível de governança, estabelece limites mínimos e máximos
de alocação para cada tipo de ativos. Desse modo, os limites
de alocações dos ativos teriam restrições definidas por:
min max
wG , n ≤ wG , n ≤ wG , n
,
com G = 1, 2, 3 e 4 – representando os níveis de governança
dos RPPS –, e = n 1, 2,…, N , denotando a quantidade de
ativos oferecidos para investimento.
Já o segundo conjunto refere-se às restrições
da medida de risco definidas por um nível de confiança
α aplicado ao CVaR. Por premissa, α será 95%, ou seja,
os portfólios ótimos a serem selecionados serão os mais
eficientes com medida de risco de CVaR95% .
3.4 Geração de cenários
Os cenários a serem gerados para cada instante de
tempo t serão compostos pelas séries de preços dos N ativos
simulados de forma correlacionadas. Para a geração dos preços
dos ativos, serão utilizados os modelos de equações diferenciais
estocásticas como apresentado em Oliveira (2018). Dessa
forma, será adotado o modelo MBG para simular preço
de ativos de renda variável. A estrutura de covariâncias dos
ativos será estimada pela matriz de covariâncias amostrais Σ̂
das séries históricas de retornos dos ativos. Já os preços dos
ativos modelados com EDE serão descritos por:
=d ξit µ (ξit , t ) dt + σ (ξit , t ) dWit
,
em que Wit é um processo de Wiener, N(0, ∆ ), com t < t + ∆ .
Para a geração de preços de ativos correlacionados é necessário
utilizar a estrutura de covariância dos resíduos dos retornos
dos ativos, como apresentado em Dempster et al. (2003).
A correlação entre dois ativos i e j é definida por:
dWi .dW j = ρij dt
,
com ρii = 1 para qualquer i . Sem perda de generalidade,
serão apresentados os ativos de renda variável como ξ1t e
734
os ativos de renda fixa de ξ2t. Usando modelo MBG para
simular os preços dos ativos de renda variável ξ1t , tem-se que:
d ξ1t µξ1t dt + σξ1t dW1t
=
,
e, sabendo que o modelo de MBG oferece uma solução
fechada para se estimar o preço ξ1t (Hirsa & Neftci, 2013)
quando a distribuição subjacente é uma log-normal de
média μ e variância σ2, o valor exato de ξ1t é:
 1 2
 µ − σ  dt +σε dt (9)
ξ1t = ξ1( t −1)e 2 
,
com ε ∼ N ( 0,1).
(6)
4 Análise de resultados
4.1 Dados
Para ajustar os modelos ALM são necessários dois
principais grupos de dados: (a) os dados de mercado dos
retornos dos ativos; e (b) os dados dos passivos atuariais dos
RPPS. Os dados de retorno dos ativos foram obtidos de
diversas fontes de dados, como [B]3, (http://www.b3.com.
br/pt_br/), ANBIMA (https://www.anbima.com.br/pt_br/
pagina-inicial.htm), IBGE (https://www.ibge.gov.br/), BACEN
(https://www.bcb.gov.br/), Bloomberg e CETIP (https://
www.bloomberg.com e http://www.b3.com.br/pt_br/,
recuperados em 30 de abril, 2021). Já os dados dos RPPS
(tanto as posições de investimentos dos ativos garantidores das
provisões matemáticas relacionados à concessão de benefícios
quantos os fluxos futuros dos passivos atuariais) foram obtidos
diretamente com os gestores. Foram efetuados contatos com
quatro RPPS que cederam os dados para a execução deste
trabalho, desde que seus nomes fossem mantidos em sigilo.
Utilizando as curvas de juros reais de longo
prazo para calcular as taxas adicionais de retorno (itk ),
(7) observa-se que as taxas anuais de desconto que vigoram
no Brasil atualmente (3,7%), quando marcados a mercado
os ativos e passivos, acentuam o gap atuarial dos RPPS.
A Tabela 2 mostra as taxas itk e rt ,portfólio
k
ótimo
calculadas para
cada um dos RPPS que cederam as informações.
É possível perceber que, para três dos quatro RPPS,
as taxas de desconto dos ativos e passivos são distintas,
revelando a necessidade de se obter maiores taxas de retornos
(8) aos portfólios para compensar o efeito de déficit atuarial
( Atk < Ptk ). Assim, as análises comparativas subsequentes
serão tomadas tendo como base as metas atuariais de 6%
a.a., uma vez que todos os RPPS apresentam essa ordem de
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Avaliação dos novos limites de investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela Resolução CMN 3.922/2010

grandeza para a diferença entre itk e rt , k

portfólio ótimo
, de modo Pela Tabela 3, é possível verificar que a classe
que as conclusões e os resultados ficam suficientemente de ativos de Renda Variável – ativos alocáveis em Bolsa
generalizados. (IBovespa), Fundos Imobiliários (Ifix), Fundos de
A Tabela 3 apresenta o resumo dos ativos de mercado Participação (FIP) e Bolsa no Exterior (MSCI_W) –
utilizados para representar as classes de investimentos apresentam média de retornos e dispersão maiores do
permitidas pela legislação dos RPPS. Utilizaram-se como que a classe de ativos de Renda Fixa, representados pelo
histórico os últimos cincos anos de cotações de preços e Títulos Públicos Federais (Imab), Crédito (IDA_DI
de taxas de juros, contados retrospectivamente a partir e IDA_IPCA) e Fundos Multimercado Institucional
de 31/12/2019. Esses dados foram usados para calcular (IFM_I). Esse comportamento era esperado de acordo
os retornos anuais e estimar a estrutura de dependência com a teoria clássica de finanças, que preconiza a relação
entre os ativos de mercado. positiva entre risco e retorno.
A Tabela 4 mostra que o MSCI World é a classe de
ativos com maior correlação negativa com as demais – ou
Tabela 2 - Taxas de retorno anuais Adicional seja, é o ativo que mais diversifica risco.
k portfólio ótimo
y it e Retorno alvo rt , k Como no mercado brasileiro não há benchmark
Retorno alvo
para representar a classe de investimento em private equityv
Taxa adicional de
retorno itk rt portfólio
,k
ótimo (PE), utilizaram-se os resultados apresentados por Minardi,
RPPS 1 0,00% 6,00%
Bortoluzzo e Moreira (2017) para se estimar a média
RPPS 2 5,34% 11,66% e a volatilidade do retorno dessa classe de ativo. Neste
RPPS 3 1,61% 7,71% trabalho, foram estimadas estatísticas descritivas sobre
RPPS 4 1,30% 7,38% o desempenho e a duração de investimentos realizados
Nota. Informações cedidas pelos gestores dos RPPS. por fundos de PE no Brasil no período de 1994 a 2014.

Tabela 3 - Estatísticas descritivas dos ativos associados às classes de investimentos

Retorno anual Prêmio
Taxa anual
Ativos Classes de investimento Desvio sobre o
Média Med. Min. Máx. do período
padrão CDI
IMAB Títulos Públicos Federais 12,82% 13,67% -14,29% 27,34% 8,86% 16,29% 1,50%
IDA_DI Crédito indexado ao DI 10,61% 10,74% 5,41% 15,59% 2,62% 10,81% 0,75%
IDA_IPCA Crédito indexado ao IPCA 12,09% 12,44% -3,08% 19,91% 4,77% 13,12% 1,57%
IBOVESPA Bolsa de Valores 6,29% 6,72% -30,82% 56,30% 16,83% 19,57% 6,00%
Fundos Multimercado
IFM_I 9,50% 9,75% 5,57% 32,05% 2,32% 10,01% 1,15%
Institucional
IFIX Fundos Imobiliários 11,25% 11,57% -27,01% 40,24% 13,79% 19,09% 4,00%
IBX (PE) Fundos Participação (FIP) 9,18% 8,75% -28,55% 53,97% 14,45% 19,92% 11,00%
MSCI_W Investimento no Exterior 18,29% 19,57% -22,62% 51,18% 13,99% 15,79% 5,28%
Nota. Elaboração própria a partir dos registros históricos da Bloomberg.

Tabela 4 - Matriz de correlação entre os ativos considerados na análise

Imab IDA_DI IDA_IPCA IBov IFM_I Ifix IBX (PE) MSCI_W
Imab 100,00% 21,51% 93,63% 51,19% 41,74% 85,85% 47,83% -51,45%
IDA_DI 21,51% 100,00% 28,70% 4,73% 91,96% 31,08% -5,21% -28,44%
IDA_IPCA 93,63% 28,70% 100,00% 29,11% 47,51% 84,86% 27,42% -38,92%
IBov 51,19% 4,73% 29,11% 100,00% 9,01% 50,61% 97,20% -63,70%
IFM_I 41,74% 91,96% 47,51% 9,01% 100,00% 46,38% -1,13% -23,33%
Ifix 85,85% 31,08% 84,86% 50,61% 46,38% 100,00% 52,72% -45,73%
IBX (PE) 47,83% -5,21% 27,42% 97,20% -1,13% 52,72% 100,00% -61,81%
MSCI_W -51,45% -28,44% -38,92% -63,70% -23,33% -45,73% -61,81% 100,00%
Nota. Elaboração própria a partir dos registros históricos da Bloomberg.

735

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
O estudo adotou como medida de desempenho o Multiple
of Money (MoM), calculado em BRL (reais) e deflacionado
pelo IPCA; para a medida de duração dos investimentos,
utilizaram o holding period em anos (diferença em anos
entre a entrada e a saída dos investimentos).
De posse dessas estatísticas do MoM e do
holding period dos investimentos de PE, calcularam-se
as estatísticas do internal rate of return (IRR), por meio
de uma aproximação utilizada em Minardi e Moreira
(2014), conforme a Equação (10). Assim, estimaram-se
a média e o desvio-padrão do IRR desses investimentos,
que foram, respectivamente, iguais a 21,36% e 33,01%.
  1   eficiente de mean-CVaR, segundo o problema de otimização
IRR  ( MoM ) Holding Period  − 1
    (10)
 .
Optou-se por utilizar a série histórica do IBX
(Índice Brasil), um índice de renda variável como proxy
dos ativos de PE, porém com ajustes na volatilidade para
os valores estimados por Minardi et al. (2017).
4.2 Portfólios eficientes
Para a modelagem das fronteiras eficientes,
como para a implementação do problema de otimização,
Figura 1. Fronteiras eficientes para os juros reais dos modelos livre, padrão e dos quatro níveis de
governança instituídos pela Resolução CMN 3.922/2010, considerando CVaR95% .
Fonte: elaboração própria.
736
utilizou-se o software R versão 3.6.1. Para a obtenção
dos portfólios eficientes, os parâmetros iniciais foram:
(i) os limites de investimento trazidos na Tabela 1, que
definem as restrições e limites de alocação para o RPPS;
e (ii) os níveis NI, NII, NIII e NIV de governança. Pela
norma, quanto maior o nível de governança, maiores são
os limites de investimentos que os RPPS podem assumir
em classes de ativos de riscos.
Adicionalmente, para fins de comparação, foi
considerado um modelo denominado Modelo Livre, no
qual seria possível alocar recursos livremente em todas
as classes de investimento com limites de 0% a 100%,
sem restrições. Como mencionado nas seções 3.2 e 3.3,
o modelo de otimização implementado foi o modelo
dado pelo conjunto de equações 5. A Figura 1 mostra as
fronteiras eficientes obtidas como resultados dos 6 modelos
de otimização.
As ordenadas da Figura 1 são apresentadas na
forma de taxa real de juros, com o intuito de facilitar
a comparação com as metas atuariais dos RPPS, que
também são juros reais. É importante notar que a alocação
integral em alguns dos ativos é inadmissível para modelos
restritos, por força legal, e todas as fronteiras apresentadas
já consideram os limites estipulados para cada nível de
governança.
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Avaliação dos novos limites de investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela Resolução CMN 3.922/2010
Figura 2. Composição dos portfólios eficientes, para cada um dos seis modelos
Fonte: elaboração própria.
Para cada ponto das fronteiras eficientes é estabelecido
um portfólio ótimo do qual se extrai o percentual de
alocação em cada um dos ativos de risco. A Figura 2 traz
essas alocações dos portfólios eficientes para cada uma das
fronteiras obtidas pelos modelos de otimização dispostos na
Figura 1. Pela Figura 2 é possível perceber que o Modelo
Restrito (de menor limite de risco) obriga os RPPS a
alocarem seus recursos de 70% a 80% em títulos públicos
federais, fazendo que o retorno esperado fique bem abaixo
da taxa das metas atuariais vigentes (inferior a 6% a.a.).
A Figura 3, que traz o retorno e o risco esperado
de cada uma das 90.000 simulações de portfolios aleatórios
para cada modelo, mostra evidências de que a atual regra de
investimento (Resolução CMN 3.922/2010) restringe tanto
os RPPS, especialmente os de níveis inferiores de governança,
que eles não conseguem atingir o retorno necessário para
alcançar suas metas atuariais. Dentre os portfólios simulados,
somente 0,21% dos portfólios do Modelo Restrito NIV foram
capazes de atingir o retorno esperado de 6% a.a., e no caso
do Modelo Restrito NIII, nenhum portfólio foi capaz de
atingir a meta. Mais ainda: mesmo os modelos com maiores
limites de risco (maiores níveis de governança, níveis NIII e
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
NIV) só conseguem obter portfólios com retorno próximo à
meta atuarial (6% a.a. em juros reais) se tomarem alocações
de carteira com o maior nível de risco possível. Os demais
modelos não conseguem oferecer alocações capazes de superar
a rentabilidade da meta atuarial.
Analisando os valores de risco dos portfólios
eficientes da Tabela 4, há um fato notável: o risco
oferecido pelo portfólio do Modelo Livre é menos do
que a metade do risco dos portfólios dos Modelos NIII
e NIV, evidenciando que as restrições de investimento
imprimem aos modelos de governança um risco que é,
no mínimo, o dobro do Modelo Livre.
4.3 Viabilidade
A viabilidade dos portfólios está associada à
capacidade de essas carteiras atingirem taxas reais de
juros superiores a 6% a.a. De acordo com os resultados
apresentados pelas Figuras 1 e 3, verifica-se que somente o
Modelo Livre oferece diversidade de portfólios para atingir
com facilidade essa meta de rentabilidade. Os Modelos
NIII e NIV só conseguem alcançar o objetivo de retorno
no limite máximo de risco de suas fronteiras.
737
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho

Figura 3. Simulação de 90.000 portfólios aleatórios para os níveis NI, NII, NIII e NIV e os Modelos
Livre e Restrito
Fonte: elaboração própria.

Tabela 5 - Estatísticas dos portfólios dos da volatilidade (risco) dos Modelos NIII e NIV. Ou seja, as
Modelos Restritos NIII e NIV de governança carteiras provenientes dos Modelos com restrições regulatórias
e Modelo Livre que atingiram a meta atu- NIII e NIV precisam se expor ao dobro de risco do Modelo
arial de 6% a.a. de rentabilidade real Livre para oferecer o mesmo retorno esperado. Obviamente,
o Modelo Livre é um modelo hipotético e teórico, além de
possuir maior iliquidez alocando em ativos imobiliários e em
Portfólios
Modelo FIP um percentual de 50%. Mas o exercício comparativo
Modelo NIII Modelo NIV
Livre entre os portfólios fornece evidências de que a flexibilização
Média 5,32% 5,80% 6,06% dos limites de investimento das alocações dos RPPS, além
Desvio padrão 10,15% 11,22% 5,56% de propiciar o atingimento das metas de retorno, também
Imab 30% 20% 0%
ofereceria aos RPPS a possibilidade de construir portfólios
IDA_DI 0% 0% 0%
IDA_IPCA 15% 20% 6%
com menor exposição a risco.
IBov 35% 35% 15% Observando a alocação sugerida pelo Modelo
IFM_I 0% 0% 12% Livre, chama a atenção a alocação de 48% na classe de
Ifix 0% 0% 9% ativo “investimentos no exterior”. Essa classe é a que mais
PE 10% 15% 10% diversifica o portfólio e, consequentemente, reduz o risco
MSCI_W 10% 10% 48%
das carteiras. Esse é resultado das correlações negativas do
Fonte: elaboração própria.
retorno desses ativos mostrada na Tabela 4. Outros dois
apontamentos são importantes. O primeiro é que a legislação
Outra constatação interessante ao se analisar os dados da atual permite investir 10% nessa classe de ativo (pequeno,
Tabela 5, que traz as informações da composição dos portfólios e diante dos resultados). O segundo é que a alocação dos
as medidas de risco e retorno de cada portfólio, é que o Modelo RPPS do Brasil nessa classe, segundo relatório da Secretaria
Livre atinge retorno real de 6% a.a. com praticamente metade da Previdência,vi atualmente é menor do que 1%.
738

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Avaliação dos novos limites de investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela Resolução CMN 3.922/2010

Geralmente, investimentos no exterior são
realizados em moeda estrangeira e, quando há situações
de crise ou grande incerteza na economia brasileira (como
aumento de juros básicos, inflação, eventos relacionados
a política, entre outros), a cotação do dólar tende a subir.
Assim, quem possui investimentos indexados ao câmbio
consegue auferir retornos que compensam as perdas em
outros investimentos tradicionais, diversificando o portfólio.
4.4 Comportamento e evolução histórica
Adotando os portfólios ótimos do Modelo Livre,
Modelos Restritos NIII e NIV, são apresentados os resultados
de comportamento da rentabilidade dessas carteiras ao
tempo. Como apresentado na seção 3.4, foram utilizados os
modelos de equações diferenciais estocásticas para simular
cenários de preços dos ativos de risco. Esses modelos para
geração dos retornos e preços também foram implementados
em R, assim como o algoritmo de realocação do portfólio.
As realocações das carteiras foram programadas para ocorrer
anualmente, o que emula as decisões de investimento das
entidades, pois todo ano os RPPS revisam suas políticas de
investimento. De posse desses conjuntos de dados, e das
alocações percentuais dos portfólios ótimos, projetaram-se
os resultados de rentabilidade das carteiras, considerando
a realocação anual da carteira.
A Figura 4 traz o comportamento histórico da
simulação de 1.000 cenários futuros dessas carteiras.
É possível perceber que os portfólios no curto prazo

Figura 4. Simulação da evolução temporal futura dos portfólios ótimos dos Modelos Livre, NIII e
NIV que atingiram rentabilidade real de 6% a.a., em horizontes de 1, 3 e 10 anos.
Fonte: elaboração própria.

Tabela 6 - Probabilidades estimadas do desempenho futuro dos portfólios ótimos do Modelo

Livre e Modelos Restritos NIII e NIV que atingiram 6% a.a. de juros reais

Probabilidade
Janela
Rentabilidade real do portfólio ser negativa ao final Rentabilidade do portfólio ser superior a 6% a.a. de juros reais
(em meses)
Modelo NIII Modelo NIV Modelo Livre Modelo NIII Modelo NIV Modelo Livre
12 0,342 0,359 0,153 0,463 0,450 0,516
36 0,214 0,233 0,038 0,418 0,445 0,485
120 0,064 0,068 0,000 0,381 0,429 0,515
Fonte: elaboração própria.
739

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
Tabela 7 - Resumo dos resultados das 1.000 simulações de desempenho futuro dos portfólios (em
%) do Modelo Livre e dos níveis NIII e NIV que atingiram 6% a.a. de juros reais
Modelo NIII
Horizonte
Mín Máx Média
12 meses -25,68% 50,87% 5,47%
36 meses -34,41% 116,80% 18,63%
120 meses -36,25% 371,83% 71,95%
Fonte: elaboração própria.
trazem um enorme risco de gerar baixo retorno e até
mesmo retornos negativos. Por meio da Tabela 6, nota-
se que a probabilidade de a carteira ótima do Modelo
Restrito NIII atingir rentabilidade negativa ao final de
12, 36 e 120 meses é respectivamente de 34,2%, 21,4% e
6,4%. Ou seja, essa é uma evidência do alto risco a que os
RPPS ficariam expostos ao implementar essas alocações.
O mesmo fato se verifica para o Modelo Restrito NIV.
No entanto, o Modelo Livre possui probabilidades
de rentabilidade negativa iguais a 15,3%, 3,8% e 0,0%, ao
final do período de 12, 36 e 120 meses, respectivamente,
sempre muito inferiores aos valores apresentados para
os Modelos Restritos NIII e NIV. Esse fato é esperado,
uma vez que os limites de investimento vigentes impostos
aos RPPS acabam gerando também maior volatilidade
ao resultado.
A Tabela 7 traz as estatísticas e as magnitudes
das rentabilidades resultantes da aplicação das alocações
ótimas sob os cenários ao longo do tempo. Essa análise é
interessante porque dá a dimensão do cenário de estresse
a que as carteiras estariam expostas. Por exemplo, para
os modelos NIII e NIV houve situações em que esses
portfólios poderiam gerar retornos fortemente negativos,
evidenciando a possibilidade de os RPPS apresentarem
redução relevante de patrimônio.
Já para os retornos esperados dos portfólios, nota-se
que, quanto maior o horizonte, maiores devem ser tanto
o retorno acumulado quanto a medida de risco associada.
Não deixa de ser interessante notar que o desvio padrão no
modelo NIV – portfólio mais flexível – é sempre menor
do que seu análogo para o NIII. Por outro lado, o Modelo
Livre apresenta retornos esperados muito similares aos
modelos com restrição legal NIII e NIV, tanto no curto
como no longo prazo. Sua grande vantagem frente aos
demais é, contudo, o nível de risco a que ele está sujeito:
além de apresentar resultados negativos com menor
magnitude, os desvios padrões são aproximadamente
metade dos modelos restritos.
740
Modelo NIV
DP Mín Máx Média DP
10,94% -23,67% 84,56% 5,74% 12,95%
22,46% -31,37% 138,95% 19,52% 25,06%
58,46% -54,64% 436,30% 80,62% 70,35%
Diante dos resultados apresentados, e sob o atual
cenário econômico de redução expressiva de taxas de juros
reais proporcionado pelos ativos de renda fixa, verifica-se
a grande necessidade de revisão da atual legislação em
vigor para os limites de investimentos dos RPPS. Além
de não possibilitar o atingimento das metas atuariais
para o caso dos RPPS que não possuem qualquer nível
de governança (Modelo Restrito), nem aos que possuem
níveis NI e NII, mesmo para aqueles enquadrados como
NIII e NIV, o risco de as entidades não conseguirem
atingir as metas atuariais de curto prazo é elevado. Esse
fato implica diversas consequências negativas contábeis
e econômicas aos segurados dessas entidades, que podem
não ter cobertas as expectativas de pagamento futuro de
benefícios, justamente pela impossibilidade de as entidades
conseguirem rentabilizar suficientemente seus ativos.
5 Considerações finais
A drástica mudança na estrutura da curva de taxa
de juros que ocorreu recentemente no Brasil impactou de
forma relevante e significativa os portfólios de investimentos
dos RPPS. Por meio da resolução de um modelo de ALM,
via problema de programação não linear, foi possível avaliar
empiricamente a capacidade de os RPPS atingirem a meta
atuarial de 6% a.a. de juros reais. Os resultados evidenciam
que apenas os RPPS enquadrados como NIII e NIV de
governança conseguiriam construir portfólios com retornos
esperados capazes de fazer frente à meta atuarial de 6%
a.a. Contudo, só puderam ser alcançados no limite da
fronteira eficiente, em que o risco é o mais alto possível.
A exposição a risco dessas carteiras é extremamente alta,
podendo expor as entidades a situações de alta probabilidade
de redução patrimonial, o que poderia gerar ou agravar
déficits atuariais.
Os resultados obtidos evidenciam que, sob esse
novo cenário econômico e financeiro, os atuais limites
de investimentos dos RPPS não oferecem condições
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Avaliação dos novos limites de investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela Resolução CMN 3.922/2010
satisfatórias para que se construam carteiras de investimentos
suficientemente diversificadas com retornos capazes de
atingir – e superar – as atuais metas atuariais. Dessa
forma, há evidências de que é necessária por parte dos
órgãos e autarquias competentes a revisão da Resolução
CMN 3.922/2010 visando ao aumento dos limites de
investimento das classes de ativos de risco. Por outro
lado, é fundamental a adoção de boas práticas, políticas
e processos que visem elevar a governança dos RPPS,
pois quanto maior seu nível de governança, maiores serão
suas chances de construir portfólios eficientes capazes de
atingir suas metas atuariais.
Finalmente, não se deve entender este trabalho
como uma defesa irrestrita de alavancagem dos fundos de
investimentos, mas sim como compreensão do contexto
econômico e social a que serve esse tipo de instituição.
Os RPPS públicos são sistemas previdenciários dos entes
federativos constituídos para gerenciar a concessão de
benefícios previdenciários para prover renda a servidores
idosos, quando eles se aposentarem. Por serem entidades
que não possuem o lucro como objetivo precípuo, todas
as consequências sobre os maus desempenhos financeiros
recaem diretamente sobre os participantes. Assim, somente
três possibilidades são viáveis: (i) ou se eleva a alíquota
contributiva dos participantes ativos; ou (ii) os aposentados
têm seus benefícios reduzidos (pela redução nominal no
valor dos benefícios, ou pela contribuição na fase inativa);
ou ainda (iii) o patrocinador – o tesouro público do ente
federativo – tem de arcar com o prejuízo, redirecionando
verba pública de outras áreas mais prioritárias para a
sociedade. Não haveria outra saída.
Notas
i Uma matéria abrangente sobre o assunto pode ser recu-
perada em: https://www.valor.com.br/financas/5684331/
cvm-aperta-cerco-regimes-de-previdencia-dos-estados.
Acesso em: 19 de abril de 2019.
ii Duração (duration) é a primeira derivada do valor pre-
sente em função da variável taxa de juros. É um indicador
utilizado para mensurar a sensibilidade do valor de um
título às variações da taxa de juros no mercado.
iii Convexidade (convexity) é um indicador da curvatura
do valor presente em função da taxa de juros. Sua obten-
ção é pela segunda derivada do valor presente em relação a
variações na taxa de juros, dividido pelo valor presente.
iv Marcação a mercado é o valor corrente de um ou mais
valores futuros e seu cálculo é efetuado descontando o
fluxo de valores futuros por taxas de juros de mercado.
v Private Equity é uma classe de investimento alternativa
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
que investe em empresas não listadas em bolsa pública.
PE é composta por fundos (FIP) e investidores que
investem diretamente em empresas privadas ou que se
envolvem em aquisições de empresas públicas. Investi-
dores institucionais e de varejo fornecem o capital para
os fundos de PE, e esse capital pode ser utilizado para fi-
nanciar crescimento e novas tecnologias, fazer aquisições,
expandir capital de giro e reforçar e solidificar um balanço
patrimonial.
vi Recuperado de http://www.previdencia.gov.br/dados-
abertos/estatisticas-e-informacoes-dos-rpps/
Referências
Andongwisye, J., Torbjörn, L., Singull, M., & Mushi, A.
(2018). Asset liability management for Tanzania pension
funds by stochastic programming. Afrika Statistika, 13(3),
1733–1758. doi:10.16929/as/1733.13.
Cho, W. N. (2008). Robust portfolio optimization using
conditional value at risk. London, UK: Imperial College
London.
DATAPREV (Ed.) (2017). Anuário estatístico da previdência
social: 2017, 24. Recuperado de http://sa.previdencia.gov.
br/site/2019/04/AEPS-2017-abril.pdf
Dempster, M. A. H., Germano, M., Medova, E. A., &
Villaverde, M. (2003). Global asset liability management.
British Actuarial Journal, 9(01), 137-195. doi: 10.1017/
S1357321700004153
Drijver, S. J., Haneveld, W. K., & van der Vlerk, M. H. (2002).
ALM model for pension funds: numerical results for a
prototype model. (SOM Research Reports; No. A44).
University of Groningen, SOM
Dutta, G., Rao, H. V., Basu, S., & Tiwari, M. K. (2019).
Asset liability management model with decision support
system for life insurance companies: Computational
results. Computers and Industrial Engineering, 128, 985-
998.doi:10.1016/j.cie.2018.06.033
Ferstl, R., & Weissensteiner, A. (2011). Asset-liability
management under time-varying investment opportunities.
Journal of Banking and Finance, 35(1), 182-192.
doi:10.1016/j.jbankfin.2010.07.028
741
 Alexandre Teixeira Damasceno / João Vinícius de França Carvalho
Geyer, A., & Ziemba, W. T. (2008). The innovest Austrian
pension fund financial planning model InnoALM. Operations
Research, 56(4), 797-810. doi:10.1287/opre.1080.0564
Hirsa, A., & Neftci, S. N. (Ed.) (2013). An Introduction to
the mathematics of financial derivatives (3rd ed.). London:
Academic Press.
Hosseinzadeh, M. M., & Consigli, G. (2017). Optimal
asset-liability management for defined benefit pension fund
under stochastic correlation. (Thesis of Doctor). Universitá
Degli Studi di Bergamo, Bergamo, Itália.
Hurtado, N. H. (2008). Análise de metodologias de gestão
de ativos e passivos de planos de benefício definido em fundos
de pensão: Uma abordagem financeiro-atuarial (Tese de
Doutorado). Universidade Federal do Rio de Janeiro -
UFRJ, Rio de Janeiro, RJ, Brasil.
Kouwenberg, R. (2001). Scenario generation and stochastic
programming models for asset liability management.
European Journal of Operational Research, 134(2), 279–292.
doi:10.1016/S0377-2217(00)00261-7
Krokhmal, P., Uryasev, T., & Palmquist, J. (2001).
Portfolio optimization with conditional value-at-risk
objective and constraints. The Journal of Risk, 4(2), 43-
68. doi.:10.21314/JOR.2002.057
Lauria, D., & Consigli, G. (2017). A defined benefit
pension fund ALM model through multistage stochastic
programming. International Journal of Finance and
Managerial Accounting, 2(7), 1-10.
Leibowitz, M. L., Fabozzi, F. J., & Sharpe, W. F. (1992).
Investing : the collected works of Martin L. Leibowitz.
Chicago: Probus Publishing.
Minardi, A. M. A. F., Bortoluzzo, A., & Moreira, L. do. A.
(2017). Private equity and venture capital growth and
performance in emerging markets. SSRN Electronic
Journal, 1-21. doi:10.2139/ssrn.2894543
Minardi, A., & Moreira, L. do A. (2014). Determinantes
do retorno de private equity e venture capital no Brasil
(Trabalho de conclusão de curso). Instituto de Ensino e
Pesquisa - INSPER, São Paulo, SP, Brasil.
Oliveira, A. D. de. (2018). Essays on Multistage Stochastic
Programming applied to Asset Liability Management (Tese
742
de Doutorado). Universidade Federal do Rio Grande do
SUL - UFRGS. Porto Alegre, RS, Brasil.
Oliveira, A. D. de, Filomena, T. P., Perlin, M. S., Lejeune,
M., & Macedo, G. R. de (2017). A multistage stochastic
programming asset-liability management model: An
application to the Brazilian pension fund industry.
Optimization and Engineering, 18(2), 349-368. doi:10.1007/
s11081-016-9316-3
Rao, H. V., Dutta, G., & Basu, S. (2018). New asset
liability management model with decision support system
for life insurance companies: Interface design issues for
database and mathematical models. International Journal
of Revenue Management, 10(3-4), 259-289. doi.: 10.1504/
IJRM.2018.096319
Ribeiro, G. X. K. (2015). Asset liability management em
um plano aberto de previdência complementar tradicional
(Dissertação). Instituto Nacional de Matemática Pura e
Aplicada - IMPA. Rio de Janeiro, RJ, Brasil. Recuperado de
file:///C:/Users/Administrador/Desktop/2%20ano/1%20
semestre/Reconceitua%C3%A7%C3%A3o/documento.pdf
Resolução CMN nº3922, de 25 de novembro de 2010.
Dispõe sobre as aplicações dos recursos dos regimes
próprios de previdência social instituídos pela União,
Estados, Distrito Federal e Municípios. Recuperado de
https://www.bcb.gov.br/estabilidadefinanceira/exibenorm
ativo?tipo=Resolu%C3%A7%C3%A3o&numero=3922
Resolução CMV nº4604, de 19 outubro de 2017. Altera
a Resolução nº 3.922, de 25 de novembro de 2010, que
dispõe sobre as aplicações dos recursos dos regimes próprios
de previdência social instituídos pela União, Estados,
Distrito Federal e Municípios. Recuperado https://www.
bcb.gov.br/estabilidadefinanceira/exibenormativo?tipo=R
esolu%C3%A7%C3%A3o&numero=4604
Resolução CMV nº4695, de 25 de novembro de 2018.
Altera a Resolução nº 3.922, de 25 de novembro de 2010,
que dispõe sobre as aplicações dos recursos dos regimes
próprios de previdência social instituídos pela União,
Estados, Distrito Federal e Municípios e a Resolução
nº 4.661, de 25 de maio de 2018, que dispõe sobre as
diretrizes de aplicação dos recursos garantidores dos planos
administrados pelas entidades fechadas de previdência
complementar. Recuperado de http://sa.previdencia.gov.
br/site/2018/12/Resolucao-No-4695_2018.pdf
R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
 Avaliação dos novos limites de investimentos de ativos dos Regimes Próprios de Previdência Social estabelecidos pela Resolução CMN 3.922/2010

Rockafellar, R. T., & Uryasev, S. (2000). Optimization Toukourou, Y. A. F., & Dufresne, F. (2018). On Integrated
of conditional value-at-risk. The Journal of Risk, 2(3), chance constraints in ALM for pensions funds. ASTIN
21-41. doi:10.21314/JOR.2000.038 Bulletin, 48(02), 571- 609. doi:10.1017/asb.2017.49

Ryan, R. J. (2013). The evolution of asset/liability

management. Research Foundation Literature Review, 8(2)
doi: 10.2470/rflr.v8.n2.1
Saad, N., & Ribeiro, C. O. (2004). Modelos determinísticos
de gestão de ativo/passivo: uma aplicação no Brasil. Revista
Contabilidade & Finanças, (34), 50-62. doi:10.1590/
S1519-70772004000100004
Saad, N. S., & Ribeiro, C. de O. (2006). Um modelo de gestão
de ativo/passivo: aplicação para fundos de benefício definido
com ativos de fluxo incerto. Revista Contabilidade & Finanças,
17(spe2), 75-87. doi:10.1590/s1519-70772006000500006
Valladão, D. M. (2008). Alocação ótima e medida de
risco de um ALM para fundo de pensão via programação
estocástica multi-estágio e bootstrap(Dissertação de Mestrado).
Pontificia Universidade Católica do Rio de Janeiro - PUC.
Rio de Janeiro, RJ, Brasil. Recuperado de https://www.
maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultad
o&nrSeq=12253@1
Ziemba, W. T. (2003). The stochastic programming approach
to asset, liability, and wealth management. United States:
AIMR Publisher.

Conflito de interesse:
Os autores declaram não possuir conflitos de interesse.

Copyrights:
A RBGN detém os direitos autorais deste conteúdo publicado.

Análise de plágio:
A RBGN realiza análise de plágio em todos os seus artigos no momento da submissão e após a aprovação do manuscrito, por
meio da ferramenta iThenticate.

Autores:
1. Alexandre Teixeira Damasceno, graduado em Ciências Atuariais, Universidade de São Paulo, São Paulo, Brasil.
E-mail: aledamac@gmail.com
2. João Vinícius de França Carvalho, Doutor em Estatística, Universidade de São Paulo, São Paulo, Brasil.
E-mail: jvfcarvalho@usp.br

Contribuição dos autores:

1º autor: Definição do problema de pesquisa; Desenvolvimento das hipóteses ou questões de pesquisa (trabalhos empíricos);
Fundamentação teórica/Revisão de literatura; Definição dos procedimentos metodológicos; Coleta de dados; Análise
estatística; Análise e interpretação dos dados; Revisão crítica do manuscrito; Redação do manuscrito.
2º autor: Definição do problema de pesquisa; Desenvolvimento das hipóteses ou questões de pesquisa (trabalhos empíricos);
Fundamentação teórica/Revisão de literatura; Definição dos procedimentos metodológicos; Coleta de dados; Análise
estatística; Análise e interpretação dos dados; Revisão crítica do manuscrito; Redação do manuscrito.

743

R. Bras. Gest. Neg., São Paulo, v.23, n.04, p.728-743, out.-dez. 2021
Copyright of Revista Brasileira de Gestão de Negócios is the property of Fundacao Escola de
Comercio Alvares Penteado - FECAP and its content may not be copied or emailed to
multiple sites or posted to a listserv without the copyright holder's express written permission.
However, users may print, download, or email articles for individual use.