EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL
-
Upload
ze-cantinha -
Category
Documents
-
view
218 -
download
1
description
Transcript of EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL
FUNDAÇÃO GETULIO VARGAS
ESCOLA DE ECONOMIA DE SÃO PAULO
FABRICIO ROSAS TARIKI
EVIDÊNCIA DO EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL NA
INDÚSTRIA DE FUNDOS BRASILEIRA
SÃO PAULO
2014
FABRICIO ROSAS TARIKI
EVIDÊNCIA DO EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL NA
INDÚSTRIA DE FUNDOS BRASILEIRA
Dissertação apresentada à Escola de Economia da
Fundação Getúlio Vargas (FGV/EESP) como
requisito para obtenção do título de Mestre em
Macroeconomia.
Orientador: Prof. Ricardo Ratner Rochman
SÃO PAULO
2014
Rosas Tariki, Fabricio. EVIDÊNCIA DO EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL NA INDÚSTRIA DE FUNDOS BRASILEIRA / Fabricio Rosas Tariki. - 2014. 52 f. Orientador: Ricardo Ratner Rochman Dissertação (MPFE) - Escola de Economia de São Paulo. 1. Finanças – Processo decisório. 2. Fundos de investimento - Brasil. 3.
Investimentos - Análise. 4. Mercado financeiro - Brasil. I. Rochman, Ricardo Ratner.
II. Dissertação (MPFE) - Escola de Economia de São Paulo. III. Título.
CDU 336.76(81)
FABRICIO ROSAS TARIKI
EVIDÊNCIA DO EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL NA
INDÚSTRIA DE FUNDOS BRASILEIRA
Dissertação apresentada à Escola de Economia da
Fundação Getúlio Vargas (FGV/EESP) como requisito
para obtenção do título de Mestre em Macroeconomia.
Data de aprovação:
__ / __ / ____
Banca Examinadora:
______________________________________
Prof. Ricardo Ratner Rochman
Orientador
EESP - FGV
______________________________________
Prof. Bruno Ferman
EESP - FGV
______________________________________
Prof. William Eid Jr.
EAESP - FGV
AGRADECIMENTOS
Este trabalho não poderia ser possível sem o incentivo, o amor e o carinho da minha
família, meus pais, irmãos e minha linda namorada. Para vocês, o meu mais profundo
agradecimento.
Aos meus amigos, que compreenderam minha ausência nesses últimos dois anos de
estudos. Aos colegas do Itaú Asset Management, pelo apoio e compreensão para que
este trabalho pudesse ser construído. E aos colegas do mestrado, em especial ao
grande amigo Caio Guitton, que trilharam este árduo caminho comigo. Sem dúvida,
sem a presença de todos vocês a jornada não teria sido tão enriquecedora quanto foi.
Agradeço também aos diversos professores com quem tive o privilégio de aprender
durante este curso. E por fim, agradeço meu professor orientador, Ricardo Rochman,
por sugerir o tema de estudo e pela orientação, atenção e paciência dispensadas não
somente no período de pesquisa, mas também ao longo do curso todo.
RESUMO
Este trabalho tem por objetivo identificar e quantificar o comportamento de manada
(herd behavior) nos fundos de ações ativos do mercado financeiro brasileiro, valendo-
se da medida LSV, proposta por Lakonishok et al (1992).
Para tanto, analisamos a composição das carteiras de 642 fundos de ação, de 214
gestores diferentes, de setembro de 2007 até outubro de 2013.
Em linha com a literatura relevante, há fortes evidências da ocorrência de efeito
manada de forma heterogênea na amostra analisada. Encontramos indícios de que a
intensidade do efeito manada varia de acordo com o tamanho do fundo e a
capitalização da ação negociada.
ABSTRACT
This present study seeks to identify and quantify herding behavior in actively managed
equity funds in the Brazillian financial market. Therefore, we used the LSV herd
measure, first proposed by Lakonishok et al (1992).
Thus, we analyzed 642 fund’s holdings, from 214 different equity managers, from
September 2007 to October 2013.
Consistent with the existing relevant studies, there is strong evidence of herding in a
heterogeneous distribution within the sample. We found that the intensity of the herding
behavior varies according to the fund’s size and equity’ size.
SUMÁRIO
LISTA DE ABREVIAÇÕES ................................................................................................................. 1
LISTA DE ILUSTRAÇÕES E GRÁFICOS ........................................................................................ 2
LISTA DE TABELAS ............................................................................................................................ 3
1 INTRODUÇÃO .............................................................................................................................. 4
2 REVISÃO BIBLIOGRÁFICA ....................................................................................................... 6
3 METODOLOGIA ......................................................................................................................... 13
3.1. Dados Amostrais .................................................................................................................... 13
3.2. Critérios de Seleção ............................................................................................................... 15
3.3. Período de Análise ................................................................................................................. 19
3.4. Estatísticas Descritivas .......................................................................................................... 20
3.5. Medida de avaliação do efeito manada 𝑯(𝒊) ..................................................................... 23
4 RESULTADOS ............................................................................................................................ 26
4.1. Toda amostra .......................................................................................................................... 26
4.2. Tamanho dos fundos ............................................................................................................. 28
4.3. Tamanho das ações ............................................................................................................... 29
4.4. Ações individuais – Ultra Large Cap ................................................................................... 32
5 CONCLUSÃO ............................................................................................................................. 39
REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................................ 41
1
LISTA DE ABREVIAÇÕES
ANBIMA: Associação Brasileira das Entidades dos Mercados Financeiro e de
Capitais
CAPM: Capital Asset Pricing Model
CVM: Comissão de Valores Mobiliários
HME: Hipótese dos Mercados Eficientes
IBOV: Índice Bovespa (Ibovespa)
IBrX: Índice BM&FBOVESPA Brasil 100
LSV: Lakonishok, Shleifer e Vishny
MCLX: Índice BM&FBOVESPA MidLarge Cap
MTF: Moderna Teoria de Finanças
SMLL: Índice BM&FBOVESPA Small Cap
TUE: Teoria da Utilidade Esperada
2
LISTA DE ILUSTRAÇÕES E GRÁFICOS
Gráfico 3.3.1: Percentual do Volume dos Trades da amostra vs. BM&F Bovespa (mensal) . 19
Gráfico 3.4.1: Percentual do Volume dos Trades da amostra segregado por quintis vs. BM&F
Bovespa (mensal) ............................................................................................................................... 22
Gráfico 3.4.2: Percentual do Patrimônio Líquido dos fundos da amostra segregado por
quintis vs. Free Float Market Capitalization da BM&F Bovespa ................................................. 22
Gráfico 4.1.1: Medida do efeito manada 𝐻(𝑖) ................................................................................ 27
Gráfico 4.4.1 Ambev PN .................................................................................................................... 34
Gráfico 4.4.2: Brasil Foods ON ........................................................................................................ 34
Gráfico 4.4.3: Petrobras ON ............................................................................................................. 34
Gráfico 4.4.4: Petrobras PN .............................................................................................................. 35
Gráfico 4.4.5: Itaú PN ........................................................................................................................ 35
Gráfico 4.4.6: Itausa PN .................................................................................................................... 35
Gráfico 4.4.7: Banco do Brasil ON ................................................................................................... 36
Gráfico 4.4.8: Bradesco PN .............................................................................................................. 36
Gráfico 4.4.9: Cielo ON ..................................................................................................................... 36
Gráfico 4.4.10: Embraer ON ............................................................................................................. 37
Gráfico 4.4.11: Cosan ON ................................................................................................................. 37
Gráfico 4.4.12: Gerdau ON ............................................................................................................... 37
Gráfico 4.4.13: VALE ON .................................................................................................................. 38
Gráfico 4.4.14: VALE PN ................................................................................................................... 38
3
LISTA DE TABELAS
Tabela 3.2.1: Patrimônio Líquido (R$ Bi) por Instituição Administradora. Data base: junho
2014 ...................................................................................................................................................... 18
Tabela 3.4.1: Descrição da amostra por classificação Anbima. Data base: outubro 2013 .... 20
Tabela 3.4.2: Descrição da amostra por instituição gestora. Data base: outubro 2013 .......... 21
Tabela 4.1.1: Medida do efeito manada 𝐻(𝑖) de toda amostra ................................................... 26
Tabela 4.1.2 Teste-t de igualdade de médias – por ações mais líquidas ................................. 27
Tabela 4.2.1: Medida do efeito manada 𝐻(𝑖) segregada por tamanho do fundo ..................... 28
Tabela 4.2.2: Teste-t de igualdade de médias – por tamanho dos fundos ............................... 29
Tabela 4.3.1: Medida do efeito manada 𝐻(𝑖) segregada por market cap ................................. 31
Tabela 4.3.2: Teste-t de igualdade de médias – por capitalização bursátil das ações ........... 31
Tabela 4.4.1: Maiores participações no IBrX (set/2007 a out/2013) .......................................... 32
Tabela 4.4.2: Teste-t de igualdade de médias – ações individuais vs. segmento Ultra Large
Cap ....................................................................................................................................................... 33
4
1 INTRODUÇÃO
O estudo recente da economia financeira é dominado em grande parte por um
arcabouço teórico comumente chamado de Modern Finance Theory, ou Moderna
Teoria de Finanças (MTF). Este corpo teórico não é o resultado de um surto de
brilhantismo de uma pessoa apenas, mas sim fruto do trabalho de diversos
pesquisadores, como narrado por Samuelson (2009) em sua retrospectiva da MTF.
A MTF é baseada na racionalidade dos agentes econômicos, ou seja, assume que os
indivíduos identificam e ordenam consistente e corretamente suas preferências,
procuram sempre maximizar o resultado de suas escolhas e são coerentes e
consistentes quando confrontados com alguma escolha que envolva incertezas
referentes a eventos futuros. Estes pressupostos, porém, têm-se mostrado
insuficientes para explicar diversos fenômenos empíricos observados em estudos de
economia financeira. Assim, surge o estudo das Finanças Comportamentais, que se
contrapõe ao pressuposto de racionalidade dos tomadores de decisão.
As Finanças Comportamentais têm apresentado sucesso em descrever o
comportamento do investidor; no caso, de quais tipos de portfolios estes tendem a ter,
e como seu comportamento de negociação de ativos muda ao longo do tempo. O
objeto de estudo deste trabalho é, portanto, testar empiricamente a ocorrência do
efeito manada na gestão de fundos de investimento em ações no Brasil. Ainda que já
exista um número de estudos empíricos sobre a evidência do efeito manada em outros
mercados, a literatura sobre o assunto no Brasil é incipiente.
A literatura existente aponta sobre diferenças da ocorrência e intensidade de efeito
manada entre mercados desenvolvidos e mercados emergentes. Desta maneira, este
trabalho visa mensurar a ocorrência do efeito manada no mercado brasileiro de ações.
Para tanto, buscamos neste estudo verificar se os investidores se movem em conjunto
em suas decisões de investimento, comprando ou vendendo de forma correlacionada
os ativos. Este é um problema levantado pela literatura existente: caso ocorra um
5
movimento generalizado dos investidores, a pressão de compra ou de venda de ativos
pode levar a desequilíbrios (WERMERS 1999)?
Este trabalho está dividido em cinco capítulos. Além desta Introdução, os capítulos
adicionais são: (i) a revisão bibliográfica no capítulo 2, no qual é apresentado os
conceitos da MTF e seus pilares, o surgimento do estudo das Finanças
Comportamentais, e alguns estudos sobre efeito manada; (ii) o capítulo 3, que detalha
a metodologia empregada mostrando os passos seguidos neste estudo, assim como
uma estatística descritiva da amostra e sua representatividade; (iii) o capítulo 4, no
qual os principais resultados obtidos são descritos e analisados; e (iv) o capítulo 5 no
qual são apresentadas as principais conclusões, feitas as considerações finais e
discutidas propostas para estudos futuros
6
2 REVISÃO BIBLIOGRÁFICA
A partir de uma abordagem microeconômica neoclássica, um dos pilares da Moderna
Teoria de Finanças (MTF) é a eficiência dos mercados, ancorado pelas premissas
acerca a racionalidade ilimitada, a aversão ao risco e a maximização da utilidade
esperada dos agentes econômicos. Na hipótese da eficiência de mercado, ou
Hipótese de Mercados Eficientes (HME), assume-se que uma nova informação é
incorporada instantaneamente e corretamente nas expectativas dos agentes (FAMA
1970, 1991).
Desta forma, é impossível a um agente auferir ganhos acima do mercado
consistentemente, e todos os preços no mercado estão sempre em equilíbrio. Ainda
segundo Fama (1970, 1991), há três formas de eficiência de mercado: Fraca, Semi-
Forte e Forte. A forma fraca ocorre em mercados onde os preços atuais refletem os
preços passados. Na forma semi-forte, há informações disponíveis publicamente,
sendo refletidas completamente nos preços de hoje. Com base exclusivamente nas
informações divulgadas publicamente, não seria possível ter desempenho melhor que
a do mercado. Já na forma forte, os preços atuais refletem toda a informação existente
no mercado, inclusive informações privilegiadas (inside information).
Existem evidências da forma fraca em muitos mercados emergentes e a forma semi-
forte em outros mercados. Porém, não se conseguiram evidências da forma forte de
eficiência de mercado em nenhum mercado. No Brasil, a literatura refuta a hipótese
de eficiência de mercado forte (ROCHMAN, EID 2007).
No tema informacional da eficiência de mercado, Freeman (2001) aborda a questão
da informação por outro prisma:
“One of the fallacies which underlie the simplistic view of information
technology and its supposed role in providing more perfect information
to all agents in various markets is a confusion between information and
knowledge. Indeed, the two terms were often used interchangeably.
Information about price movements does not in itself convey
understanding of the market’s behavior, essential though this
7
information may be to the development of such understanding. Still less
does information in itself confer the power to predict future movements
or changes in the markets.” (FREEMAN, 2001, p. 5)
Este é um ponto sutil, mas essencial no mercado financeiro. Acesso à informação e a
incorporação da informação em seu processo decisório são duas coisas diferentes.
Ainda que as informações estejam disponíveis em grande quantidade e para inúmeros
agentes participantes do mercado, o que diferencia a atuação de cada participante e
os resultados obtidos é o conhecimento específico. Segundo Freeman (2001),
conhecimento é a capacidade de compreender as informações obtidas e saber usá-
las. Deste modo, a informação em si tem pouco valor. Os agentes que compreendem
melhor as informações disponíveis a todo o mercado obtêm melhores resultados,
mesmo sem o uso de inside information.
Segundo Fama (1998), eventuais desvios do resultado esperado que eventualmente
sejam observados são explicados no curto prazo pelos limites da arbitragem e a
tendência dos mercados de reagirem de maneira exacerbada (overreaction e
underreaction); ou atribuídos a aberrações estatísticas, erros de metodologia e
modelos inadequados, no caso de divergências observadas no longo prazo.
No campo da alocação em ativos financeiros, Markowitz (1952) propôs o conceito de
fronteira eficiente, utilizando os mesmos conceitos de aversão ao risco, maximização
da utilidade e racionalidade para descrever a escolha na alocação de ativos
financeiros dos agentes econômicos. Os ativos financeiros eram descritos em termos
de risco; ou seja, a volatilidade dos retornos obtidos; e retorno destes ativos. Deste
modo, Markowitz postulou que existia uma fronteira eficiente, composta pelos ativos
e carteiras diversificadas de menor risco para cada nível de retorno esperado exigido.
Dada a racionalidade, aversão a risco e maximização da utilidade, todos agentes
econômicos convergiriam para a fronteira eficiente. A carteira eficiente, também
chamada de carteira de mínima variância, é determinada pelo ponto em que sua curva
de preferência tangencia a fronteira eficiente.
8
Este conceito foi expandido no modelo CAPM (Capital Asset Pricing Model), de
Sharpe (1964). Neste, é introduzido o conceito que, além da carteira eficiente, todos
agentes também se valem do ativo livre de risco na sua alocação.
Porém, nos últimos anos, um corpo de evidências empíricas mostrou que esta
abordagem proposta pela MTF não é mais suficiente para modelar o comportamento
dos agentes. Modelos tradicionais, baseados na racionalidade ilimitada dos agentes
econômicos, e que, no passado, que foram tão utilizados pela facilidade da
modelagem do comportamento dos mesmos, já não bastavam para explicar uma
gama de fenômenos regularmente observados nos mercados financeiros
(YOSHINAGA et al, 2008).
Desta forma, surge o estudo das Finanças Comportamentais, que postula que estes
fenômenos observados, que divergem das conclusões esperadas do MTF, podem ser
explicados por modelos que assumem uma racionalidade limitada dos agentes. A
princípio, o estudo das Finanças Comportamentais se ancorou em duas vertentes: a
formalização dos limites à arbitragem, o que impediria agentes racionais explorarem
desequilíbrios nos preços causados por agentes menos racionais; e a psicologia dos
agentes (BARBERIS, THALER 2002).
Na segunda vertente, o estudo da psicologia dos agentes, busca incorporar alguns
vieses em seus modelos de racionalidade. Estes vieses presentes no comportamento
humano, relacionados ao processo decisório dos indivíduos, se apresentam de
maneira sistemática, portanto passíveis de caracterização e modelagem teórica.
Tversky e Kahneman (1974) propuseram que os indivíduos se valem de heurísticas,
ou regras simplificadoras, para responder de maneira mais rápida e eficiente a
problemas complexos. Assim sendo, os agentes estão sujeitos a cometer erros de
cognição durante a obtenção da informação e o processo de decisão. A
caracterização das preferências inconsistentes dos agentes foi primeiramente
estudada por Kahneman e Tversky (1979).
9
Em Finanças, o comportamento de manada (herd behavior) se caracteriza pelo
movimento correlacionado dos investidores, resultante de uma intenção ou ação de
um grupo de investidores de imitar ou copiar o comportamento de outro grupo
(BIKHCHANDANI, SHARMA 2001).
A distinção entre o efeito manada intencional (intentional herding) e o efeito manada
espúrio (spurious herding) também foi discutida por Bikchandani et al (2001). No
primeiro, um grupo de investidores ativamente buscam emular a decisão de
investimento de outro grupo de investidores. Já o segundo tipo pode ser descrito como
um movimento racional de agentes econômicos com o mesmo objetivo de
investimento, de posse do mesmo conjunto de informações, e por meio de um
processo decisório racional, autônomo e independente, acabam por tomar decisões
de investimento semelhantes, movimentando-se no mesmo sentido. Ainda mais, o
efeito manada intencional pode decorrer de restrições de acesso dos investidores a
alguns mercados. Enquanto o efeito manada espúrio não viola os preceitos da MTF,
o efeito manada intencional o faz.
A natureza desse efeito manada é chamada de cascata informacional, onde indivíduos
não observam o processo decisório dos outros indivíduos, apenas os movimentos em
si. Sem ter acesso às informações privadas dos que motivaram as decisões dos outros
agentes, as ações prévias passam a ser os sinais que os demais agentes se utilizam.
O autor ainda argumenta que, mesmo em um ambiente desprovido de assimetria de
informação, o movimento ainda tem uma importância muito grande:
“Individuals can observe each other’s actions but not the private
information or signals that each player receives. (Even if individuals
communicate their private information to each other, the idea that
“actions speak louder than words” provides justification for this
assumption.) If individuals have some view about the appropriate course
of action, then inferences about a player’s private information can be
made from the actions chosen.” (BIKHCHANDANI, SHARMA, 2001, p.
284)
10
Scharfstein e Stein (1990) propõem outra explicação teórica para a origem do efeito
manada, oriunda dos incentivos oferecidos à remuneração dos profissionais do
mercado financeiro; tais como gestores de fundos de investimento, analistas e
consultores. Uma vez que a remuneração tende a ser baseada no desempenho
relativo do profissional, ou seja, seu desempenho quando comparado com
profissionais do mesmo perfil de instituições diferentes (peer group), há uma tendência
dos profissionais menos competentes imitarem o comportamento dos mais
competentes, a fim de melhorar sua reputação no sistema.
Além do mais, assumindo que há um componente de incerteza na avaliação de ativos
financeiros, o esquema de remuneração acaba por incentivar o comportamento
homogêneo. Por conta da existência de choques imprevisíveis sistemáticos afetando
os preços dos ativos financeiros, o ônus de errar na decisão de investimento quando
se “segue o mercado”, aqui no sentido de peer group, é muito menor do que errar
quando se foi “contra o mercado”, ou seja, na contramão do peer group. Deste modo,
há um incentivo a esses gestores de adotar uma estratégia alinhada com os
concorrentes; o autor chama este comportamento de sharing-the-blame effect.
(SCHARFSTEIN, STEIN 1990).
Trueman (1994) também analisou o efeito manada pelo prisma do comportamento dos
analistas. O autor encontrou evidências de que as previsões produzidas não refletem
as informações disponíveis de uma maneira imparcial. O resultado disso é o
surgimento de um comportamento de manutenção do status quo, ou seja, de produzir
previsões em linha com os resultados passados de uma empresa, ainda que essas
previsões se desviem do que seriam esperadas dadas as informações atuais.
Avaliando o comportamento dos gestores de recursos, Lakonishok, Shleifer e Vishny
(1992) avaliaram o tema do efeito manada no mercado de ações, analisando os ativos
detidos por 769 fundos americanos, na sua maioria fundos de pensão, de 341 gestores
no período de 1985 a 1989. A periodicidade da composição dos fundos é
quadrimestral. Os autores não encontraram evidências significativas da presença de
efeito manada no comportamento desses gestores. Quando avaliando o
comportamento em relação ao tamanho das ações, ou seja, a capitalização bursátil,
11
eles encontraram uma evidência fraca de efeito manada em ações de menor
capitalização (small cap).
De maneira semelhante e se valendo da mesma metodologia e métrica (LSV) do
estudo citado acima, Wermers (1999) analisou o comportamento dos gestores de
4848 fundos no mercado americano, em um período entre 1975 a 1994. Em sua
análise, o autor introduziu também a avaliação do estilo de gestão (ações growth vs.
value), além do tamanho das ações (large, mid e small cap).
Da mesma maneira que Lakonishok et al (1992), o autor observou um nível de efeito
manada baixo no agregado, porém mais significativo entre as ações de menor
capitalização (small cap), de menor liquidez e entre os fundos orientados a ações de
maior crescimento (growth).
Em relação ao tema de efeito manada em mercados emergentes, vários estudos na
literatura apontam níveis de efeito manada superiores em mercados emergentes,
quando comparado com métricas similares em mercados maduros.
Como um exemplo de um estudo em um mercado em amadurecimento, Lobão e Serra
(2002) analisaram 32 fundos no mercado português, no período entre 1998 a 2000.
Em seu estudo, identificaram um nível de efeito manada significativamente mais
elevado que o encontrado em mercados maduros. Valendo-se da métrica LSV, eles
observaram também que a medida era primariamente sensível à volatilidade do
mercado e ao desempenho recente do mercado acionário.
No mercado brasileiro, estudando o comportamento do investidor, podemos citar o
trabalho de Kutchukian, Eid Jr. e Dana (2010), que identificou evidências da
ocorrência de efeito manada em diferentes grupos de investidores, segregados de
acordo com o porte médio de seu investimento, por meio de uma metodologia baseada
na direção das captações líquidas de um grande número de fundos de investimento:
ações, renda fixa e multimercado.
12
Também no mercado brasileiro, Sanches (2013) investigou a ocorrência de efeito
manada no mercado brasileiro de ações em relação ao índice de mercado, através da
medida de dispersão transversal dos betas (beta herding) das ações de 645 fundos
no período de janeiro de 1994 a maio de 2012. Os resultados obtidos por este trabalho
sugerem que existe um nível base ou estacionário de efeito manada, independente
das condições do mercado. Um achado do estudo que contraria o senso comum,
segundo o autor, foi a redução dos níveis de efeito manada durante os períodos
marcados por crises financeiras.
13
3 METODOLOGIA
Neste capítulo, descreveremos a metodologia utilizada para medir o efeito manada.
Descreveremos a natureza dos dados utilizados, o critério de seleção e exclusão dos
mesmos, assim como a origem dos dados. Apresentaremos também a estatística
descritiva da amostra estudada. Por fim, descreveremos a métrica utilizada para a
avaliação do efeito manada.
3.1. Dados Amostrais
Os dados utilizados são as informações da composição da carteira dos fundos de
investimento em ação, no período compreendido entre jan/2006 a dez/2013, com
periodicidade mensal. Por conta da Instrução CVM nº 409/2004, no assunto de
interesse alterada pelos Incisos IV e V da Instrução CVM nº522/2012, os fundos são
obrigados a divulgar a composição da carteira todo mês, podendo o administrador
omitir a divulgação da carteira em até 90 dias.1
As seguintes informações foram coletadas do sistema Quantum Axis, que replica a
base de informação presente na CDA 3.0 (Composição e Diversificação das
Aplicações) da CVM, agregando algumas outras. As informações coletadas dos
fundos de investimento são:
a. Código ANBID: código único identificador do fundo no SI-ANBID
b. Data de competência: data de referência das informações da carteira
c. Patrimônio Líquido do Fundo: valor de todos ativos financeiros menos as
obrigações do fundo, na data de competência.
d. Nome do Ativo: nome do ativo (não padronizado).
e. Valor do Ativo: valor do ativo na data de competência.
f. Quantidade Total: quantidade do ativo na data de competência.
1 Do texto integral da Instrução CVM nº 409, de 18 de agosto de 2004, com alterações introduzidas pelas Instruções CVM nº 411/04, 413/04, 450/07, 456/07, 465/08, 512/11, 522/12, 524/12 e 536/13. Obtida em http://www.cvm.gov.br/asp/cvmwww/Atos/Atos/inst/inst409consolid.doc
14
g. Participação do Ativo: percentual do valor do ativo no Patrimônio Líquido do
fundo.
h. Quantidade Aquisição: quantidade comprada no mês de competência do ativo
em questão.
i. Valor Aquisição: valor financeiro comprado no mês de competência do ativo
em questão.
j. Quantidade Venda: quantidade vendida no mês de competência do ativo em
questão.
k. Valor Venda: valor financeiro vendido no mês de competência do ativo em
questão.
l. Tipo do Ativo: classe do ativo.
m. Tipo de Aplicação: classificação contábil.
n. Data da Divulgação: data de envio das informações à CVM.
Adicionalmente, também utilizamos a composição e o retorno dos índices de ações,
assim como o retorno das ações componentes dos índices da BM&F BOVESPA,
obtidos diariamente do sistema de informação da BM&F Bovespa. Os índices
utilizados são:
a. IBrX: Índice BM&FBOVESPA Brasil 100
b. MCLX: Índice BM&FBOVESPA MidLarge Cap
c. SMLL: Índice BM&FBOVESPA Small Cap
Para os índices supracitados, também obtivemos a capitalização bursátil livre (free
float market capitalization), medida que mostra a quantidade realmente disponível no
mercado para negociação. Esta medida exclui as ações que compõem a capitalização
de mercado, mas que não são negociadas (locked-in shares), como as ações detidas
pelo controlador, ações detidas por órgãos governamentais (ie. BNDES), entre outros.
15
Para as ações que compõem os índices no período estudado, também obtivemos o
volume diário de negociação. Ambas as medidas foram obtidas do terminal de
informação Bloomberg.
3.2. Critérios de Seleção
O primeiro critério de seleção da amostra de fundos foi baseado na classificação CVM
sobre a composição da carteira dos fundos e sua modalidade legal. Selecionamos os
fundos de ação, ou seja, que mantenham em seu patrimônio líquido um percentual
mínimo de 67% nos seguintes ativos financeiros:
a) ações admitidas à negociação em bolsa de valores ou entidade do
mercado de balcão organizado;
b) bônus ou recibos de subscrição e certificados de depósito de ações
admitidas à negociação nas entidades referidas na alínea “a”;
c) cotas de fundos de ações e cotas dos fundos de índice de ações
negociadas nas entidades referidas na alínea “a”; e
d) Brazilian Depositary Receipts classificados como nível II e III, de acordo
com o art. 3º, §1º, incisos II e III da Instrução CVM nº 332, de 04 de abril
de 2000.2
Importante notar que a instrução normativa não prevê qualquer restrição de
concentração em qualquer ativo listado acima, inclusive a ativos de emissão da
instituição gestora, administradora ou custodiante:
§ 2º Sem prejuízo do disposto no caput, o investimento nos ativos
financeiros listados no inciso I do § 1º não estará sujeito a limites de
concentração por emissor, desde que o regulamento e o prospecto,
quando houver, contenham, com destaque, alerta de que o fundo pode
2 Instrução CVM nº 409/2004 e suas revisões subsequentes. Art. 95-B. Parágrafo 1º. Inciso I.
16
estar exposto a significativa concentração em ativos financeiros de
poucos emissores, com os riscos daí decorrentes.3
Também excluímos os fundos que têm modalidade legal Fundo de Investimento em
Cotas de Fundos de Investimento (FICFI), tal como disposto no Capítulo XIII da
Instrução CVM nº409/2004. Esta instrução dispõe que estes fundos devem manter,
no mínimo, 95% de seu patrimônio investido em cotas de fundos de investimento de
uma mesma classe, excetuando-se os fundos de investimentos em cotas classificados
como multimercado.
A razão disto é que a indústria de fundos no Brasil apresenta uma particularidade, que
é bastante relevante para a seleção da amostra a ser estudada. Por não permitir mais
de uma classe de cota em um mesmo fundo, uma instituição que deseja vender uma
estratégia para mais de um segmento comercial, variando as taxas cobradas dos
cotistas, é obrigada a montar uma série de fundos cujo objetivo único é a venda, e um
outro fundo que concentra a gestão dos ativos de fato. Na indústria, esta estrutura tem
o nome coloquial de fundos-mãe e fundos-filho, ou master fund e feeder fund, ambos
casos respectivamente se referindo aos fundos de investimento onde é realmente feita
a gestão; e aos fundos de investimento cujo objetivo é a venda.
Uma vez que nosso objeto de estudo é o comportamento do gestor, introduzir fundos
de investimento de cota equivale a realizar uma dupla contagem. Por este mesmo
motivo, retiramos os chamados fundos-espelho. Ainda que não seja uma classificação
legal, este tipo de fundo busca replicar o retorno de outro fundo, investindo a maior
parte de seu patrimônio em um único fundo de investimento, com o objetivo de
oferecer condições diferentes de investimento ao cotista, como perfil de liquidez ou
aplicação mínima diferentes daqueles encontrados no fundo original.
Buscamos também selecionar os fundos de investimento em ações no qual a gestão
seja discricionária, ou seja, inteiramente a cargo da instituição gestora. Por conta
disso, retiramos os fundos de modalidade previdenciária, por introduzir limitações à
3 Instrução CVM nº 409/2004 e suas revisões subsequentes. Art. 95-B. Parágrafo 2º.
17
gestão e à escolha de ativos. Limitados pelas normas que regem as Entidades
Fechadas de Previdência Complementar (EFPC)4 e a instrução que rege o
funcionamento dos fundos de investimento, temos que fundos de ação destinados à
EFPC, diferentemente dos fundos de ação normais, possuem uma limitação de deter
ações das empresas coligadas a sua administradora:
I – é vedada a aquisição de ações de emissão do administrador, exceto
no caso do fundo cuja política de investimento consista em buscar
reproduzir índice de mercado do qual as ações do administrador ou de
companhias a ele ligadas façam parte, caso em que tais ações poderão
ser adquiridas na mesma proporção de sua participação no respectivo
índice;5
Uma vez que o serviço de administração de recursos no Brasil é concentrado nos
grandes conglomerados financeiros, e as ações destas empresas se encontram entre
as de maior capitalização bursátil e liquidez no mercado, a grande maioria dos fundos
previdenciários está exposta a este tipo de restrição.
Quando analisamos os dados de junho de 2014, vemos que as 10 maiores instituições
administradoras concentram 84% de todos os recursos financeiros. No caso de fundos
de previdência, mais de 95% dos recursos financeiros encontra-se em instituições
com ações negociadas na BM&F Bovespa, portanto sujeitas à limitação descrita
acima.6
4 Resolução CMN nº 3.792/2009 e suas revisões subsequentes. 5 Instrução CVM nº 409/2004 e suas revisões subsequentes. Art. 86. Parágrafo 2º. Inciso I 6 A lista de administradoras que possuem ações de emissão própria ou de coligadas negociadas em Bolsa de Valores é: BB, Itaú Unibanco (e sua controlada Intrag), Bradesco (e sua controlada BEM), Caixa e Santander.
18
Tabela 3.2.1: Patrimônio Líquido (R$ Bi) por Instituição Administradora. Data base: junho 2014
Fonte: Elaboração própria, dados obtidos junto à Anbima.
Também retiramos da amostra os fundos single-stock, ou seja, aqueles fundos que
investem grande parte de seu patrimônio em apenas uma ação, além dos Fundos
Mútuos de Privatização FGTS (FMP-FGTS), regulamentado pela Instrução CVM nº
279/1998. Por ter um escopo de atuação tão limitado, e ter a negociação de seu único
ativo ditado unicamente por aportes, resgates ou recebimento de dividendos, a
inclusão de dados de negociação provenientes deste tipo de fundo traria para a
análise um elemento espúrio na avaliação do efeito manada.
Por este mesmo motivo também retiramos os fundos indexados, abertos (open ended
funds) e fechados (close ended funds). Por seguirem um índice de mercado, o padrão
da negociação de seus ativos também responde mais a eventos de aporte, resgate e
recebimento de dividendos. Mais problemático, os fundos fechados somente recebem
aportes e honram resgates por meio de uma cesta de integralização, composta pelos
ativos que compõe o índice de referência.7
7 Instrução CVM nº 359/2002 e suas revisões subsequentes.
AdministradorCurto Prazo
+ Ref. DIRenda Fixa
Multimercado
+ CambialAções Previdência Outros Total
BB 126,2 218,0 11,6 58,2 94,6 19,2 527,8
Itau Unibanco 84,1 109,0 38,0 10,7 88,5 21,8 352,1
Bradesco 76,2 89,4 16,6 4,3 98,3 1,6 286,4
Caixa 32,5 104,0 16,5 22,7 22,4 26,8 225,0
BTG Pactual 6,1 16,5 71,9 13,9 0,1 48,4 156,8
BEM 4,0 43,0 73,3 10,9 2,3 23,2 156,7
Santander 50,9 36,6 17,0 3,3 22,0 11,6 141,5
BNY Mellon 6,8 14,2 52,1 33,2 4,7 18,5 129,5
Intrag 1,0 12,8 46,9 13,5 3,2 23,6 100,9
HSBC 28,6 25,6 10,7 2,0 11,7 7,3 85,9
416,4 668,9 354,6 172,7 347,9 201,9 2.162,5
90,9% 90,5% 71,3% 85,0% 96,7% 64,0% 84,0%
Total 458,1 739,4 497,3 203,3 359,8 315,4 2.573,2
(em R$ Bilhões)
10 Maiores
19
Assim, a seleção da amostra a ser estudada visa selecionar apenas os fundos com
gestão ativa, desta forma minimizando a possibilidade de capturar o efeito manada
espúrio (BIKHCHANDANI, SHARMA 2001).
3.3. Período de Análise
Foram coletadas informações referentes à composição dos fundos de investimentos
selecionados do período de jan/2006 a dez/2013. Ao se verificar a representatividade
do volume de negociação mensal da amostra ante o volume apresentado pela Bolsa
BM&F Bovespa no mesmo período, observamos que capturamos um percentual muito
pequeno da movimentação antes de set/2007.
Gráfico 3.3.1: Percentual do Volume dos Trades da amostra vs. BM&F Bovespa (mensal)
Fonte: Elaboração própria, dados da pesquisa.
Observamos também uma queda desta medida após out/2013. Na data de obtenção
dos dados, as posições acionárias dos fundos para os meses de nov/2013 e dez/2013
estavam ocultadas pelos administradores, que possuem a prerrogativa de omitir por
90 dias a divulgação da carteira para os órgãos competentes (CVM).8
Por estes motivos, restringimos o período de estudo para set/2007 a out/2013.
8 Instrução CVM nº 409/2004 e suas revisões subsequentes.
0,00%
1,00%
2,00%
3,00%
4,00%
5,00%
6,00%
7,00%
20
3.4. Estatísticas Descritivas
Podemos observar, pela tabela abaixo, a distribuição dos fundos da amostra por
classificação Anbima. Vemos que a categoria Ações Livre é responsável por cerca de
50% da quantidade de fundos e de recursos financeiros. A categoria dos fundos de
Ações Setoriais detém a terceira posição na quantidade de fundos, e a segunda
posição quanto ao patrimônio líquido.
Tabela 3.4.1: Descrição da amostra por classificação Anbima. Data base: outubro 2013
Fonte: Elaboração própria, dados obtidos junto à Anbima.
Assim como os fundos de Ação Ibovespa Ativo, IBrX Ativo, Dividendos, Small Caps e
Sustentabilidade/Governança, os fundos denominados Ações Setoriais possuem uma
política de investimento bastante clara:
Fundos que investem em empresas pertencentes a um mesmo setor ou
conjunto de setores afins da economia. Estes fundos devem explicitar
em suas políticas de investimento os setores, subsetores ou segmentos
elegíveis para aplicação, conforme classificação setorial definida pela
Bovespa.9
9 Classificação ANBIMA de Fundos: http://portal.anbima.com.br/fundos-de-investimento/classificacao-de-fundos
Classificação Anbima
Ações Livre 311 48,4% 29.856,3 50,7%
Ações Setoriais 78 12,1% 7.802,4 13,2%
Ações Ibovespa Ativo 121 18,8% 7.787,5 13,2%
Ações Dividendos 56 8,7% 6.050,0 10,3%
Ações IBrX Ativo 43 6,7% 4.762,4 8,1%
Ações Small Caps 30 4,7% 2.556,2 4,3%
Ações Sustentabilidade/Governança 3 0,5% 73,9 0,1%
Total 642 58.888,7
(em R$ Bilhões)
Patrimônio
Líquidonº fundos
21
Já em relação às instituições gestoras, vemos que as maiores instituições financeiras
ocupam as primeiras posições tanto de patrimônio, quanto de gestão.
Tabela 3.4.2: Descrição da amostra por instituição gestora. Data base: outubro 2013
Fonte: Elaboração própria, dados obtidos junto à Anbima.
Verificamos também que, quando separamos os fundos por seu patrimônio líquido em
quintis, mês a mês, a representatividade dos mesmos é uniforme no período
estudado, tanto em relação ao percentual do patrimônio líquido quanto ao volume,
tende a ser razoavelmente constante.
Gestor
Itaú Asset Management 53 8,3% 5.324,7 9,0%
BRAM 35 5,5% 3.953,6 6,7%
BB 27 4,2% 3.731,1 6,3%
Dynamo Asset Management 4 0,6% 2.768,9 4,7%
Vinci Partners 12 1,9% 2.586,0 4,4%
BTG Pactual 16 2,5% 2.037,5 3,5%
Santander Asset Management 20 3,1% 1.915,7 3,3%
Solidus Asset Management 3 0,5% 1.733,6 2,9%
Western Asset Management 9 1,4% 1.697,6 2,9%
ARX Asset Management 8 1,2% 1.560,8 2,7%
Credit Suisse Hedging-Griffo 9 1,4% 1.507,9 2,6%
Caixa 10 1,6% 1.392,4 2,4%
Demais (202 gestores) 436 67,9% 28.678,9 48,7%
Total 642 58.888,7 (em R$ Bilhões)
nº fundosPatrimônio
Líquido
22
Gráfico 3.4.1: Percentual do Volume dos Trades da amostra segregado por quintis vs. BM&F Bovespa (mensal)
Fonte: Elaboração própria, dados da pesquisa.
Gráfico 3.4.2: Percentual do Patrimônio Líquido dos fundos da amostra segregado por quintis vs. Free Float Market Capitalization da BM&F Bovespa
Fonte: Elaboração própria, dados da pesquisa.
0%
1%
2%
3%
4%
5%
6%
7%
Q1 Q2 Q3 Q4 Q5
0%
1%
2%
3%
4%
5%
6%
Q1 Q2 Q3 Q4 Q5
23
3.5. Medida de avaliação do efeito manada 𝑯(𝒊)
Para a mensuração do efeito manada, utilizamos a métrica apresentada por
Lakonishok, Shleifer, Vishny (1992) (LSV).
Esta métrica busca medir o comportamento de compras e vendas líquidas realizadas
por um conjunto de fundos de investimento em um período 𝒕, para cada ação 𝒊 detida
em carteira.
Assim, avalia-se a diferença entre a probabilidade observada de uma ação 𝒊 ser
comprada ou vendida por um gestor de fundos de investimento em um período 𝒕 e a
probabilidade de que o mesmo ativo 𝒊 seja comprado ou vendido caso cada gestor
agisse de forma independente.
Procura-se então medir como o comportamento de compra ou venda de um
determinado ativo diverge do esperado, ou seja, diverge da hipótese da não
ocorrência do efeito manada.
A medida é definida por:
𝑯(𝒊,𝒕) = |𝑩(𝒊,𝒕)
𝑩(𝒊,𝒕)+𝑺(𝒊,𝒕)− 𝒑(𝒊,𝒕)| − 𝑨𝑭(𝒊,𝒕) Equação (1)
𝑨𝑭(𝒊,𝒕) = Ε |𝑩(𝒊,𝒕)
𝑩(𝒊,𝒕)+𝑺(𝒊,𝒕)− 𝒑
(𝒊,𝒕)| Equação (2)
Onde:
𝑩(𝒊,𝒕)= número de gestores que aumentaram suas posições no ativo 𝒊 no período 𝒕
(compradores líquidos);
24
𝑺(𝒊,𝒕)= número de gestores que diminuíram suas posições no ativo 𝒊 no período 𝒕
(vendedores líquidos);
𝒑(𝒊,𝒕)= é a proporção esperada de gestores comprando ações no período em relação
ao número total de gestores;
𝑨𝑭(𝒊,𝒕)= termo de ajuste, a esperança do primeiro termo sob a premissa de não
ocorrência de efeito manada.
A medida consiste na proporção de fundos que foram compradores líquidos, ou seja,
aumentaram sua participação da ação 𝒊 no período 𝒕, em relação a todos os fundos
que negociaram a ação 𝒊 no período 𝒕.
Na hipótese de não ocorrência de efeito manada, ou seja, que todos os fundos
negociam de forma independente, esta medida tem um valor esperado nulo, ou seja,
metade dos gestores é compradora líquida, e a outra metade é vendedora líquida.
Ainda mais, ao menos que assumirmos que a indústria de fundos de ações tenha
crescimento nulo, ou seja, não sofra variações em seu patrimônio por conta de aportes
e resgates, a medida da proporção dos compradores líquidos 𝑩(𝒊,𝒕)
𝑩(𝒊,𝒕)+𝑺(𝒊,𝒕) poderá divergir
tanto para cima quanto para baixo, sem a ocorrência de efeito manada (BELLANDO
2012).
Desta forma, sob a hipótese nula da não ocorrência de efeito manada, espera-se que
o comportamento de compra e venda seja homogêneo no período 𝒕. Portanto:
Ε|𝒑(𝒊,𝒕)| = 𝒑(𝒕) Equação (3)
Onde 𝒑(𝒕) é calculado obtendo o número de fundos que foram compradores líquidos
no período pelo número de gestores que transacionou alguma ação no período.
25
𝒑(𝒕) =𝐵(𝑡)
𝐵(𝑡)+𝑆(𝑡) Equação (4)
Uma vez que o comportamento de 𝑩(𝒊,𝒕) para cada ação e fundo segue uma
distribuição binomial, esta medida é viesada para ações que são detidas por um
pequeno número de fundos. Portanto, utiliza-se o termo de ajuste 𝑨𝑭(𝒊,𝒕), o valor
esperado de |𝑩(𝒊,𝒕)
𝑩(𝒊,𝒕)+𝑺(𝒊,𝒕)− 𝒑(𝒊,𝒕)| sob a hipótese nula de não ocorrência de efeito
manada. Como dito antes, este termo segue uma distribuição binomial com
probabilidade de sucesso 𝒑(𝒊,𝒕), e quantidade de tentativas dada por 𝑩(𝒊,𝒕) + 𝑺(𝒊,𝒕), ou
seja, o número de fundos que negociaram o ativo 𝒊 no período 𝒕. Utilizamos o módulo
dos dois termos para evitar compensações do efeito manada no sentido de compra
com o de venda.
Desta maneira, conhecendo o número de fundos ativos em uma ação e a proporção
de fundos que são compradores líquidos no mês, facilmente se calcula o termo de
ajuste 𝑨𝑭(𝒊,𝒕).
Por fim, o roteiro de construção da métrica é:
1. Contagem do número de fundos que foram compradores líquidos, vendedores
líquidos e que negociaram a ação 𝒊 no mês 𝒕;
2. Apuração de 𝒑(𝒕) e 𝒑(𝒊,𝒕);
3. Simulação e cálculo de 𝑨𝑭(𝒊,𝒕);
4. Cálculo de 𝑯(𝒊,𝒕);
5. Apuração da média, erro-padrão e significância estatística da medida 𝑯(𝒊,𝒕)
para:
a. Toda amostra;
b. Grupo de fundos, segregados em quintis por seu patrimônio líquido;
c. Grupo de ações 𝒊, segregados por sua capitalização bursátil;
d. Ações individuais, selecionadas as de maior representatividade no
índice de mercado acionário, ou seja, as de maior capitalização
bursátil.
26
4 RESULTADOS
Neste capítulo são analisados os principais resultados e as características obtidos na
análise da amostra para indícios de ocorrência do efeito manada.
Investigamos a ocorrência do efeito manada primeiramente em (i) toda amostra,
depois (ii) segregando os fundos em quintis por seu patrimônio líquido, (iii) dividindo
pela capitalização bursátil das ações e finalmente (iv) analisando o comportamento
individual das dez maiores ações em termos de capitalização bursátil.
4.1. Toda amostra
A tabela 4.1.1 apresenta o resultado o efeito manada para toda a amostra. No caso,
temos um total de 74 observações mensais, abrangendo 172 ações de 149 empresas
diferentes. Observamos que todos valores são significativamente diferentes de zero a
um nível de significância de 1%.
Tabela 4.1.1: Medida do efeito manada 𝑯(𝒊) de toda amostra
Fonte: Elaboração própria, dados da pesquisa.
Em linha com Lakonishok et al (1992), a medida de efeito manada tende a decrescer
com o aumento no número de gestores ativos na ação em cada período. Observamos
que a amostra estudada apresenta este mesmo comportamento.
Na tabela 4.1.2 apresentamos o p-value de um teste t, onde testamos se as médias
dos diferentes níveis são iguais. Formalizando:
{𝐻0: 𝐻(𝑇𝑜𝑑𝑜𝑠) = 𝐻(>20)
𝐻𝑎: 𝐻(𝑇𝑜𝑑𝑜𝑠) ≠ 𝐻(>20) e {
𝐻0: 𝐻(𝑇𝑜𝑑𝑜𝑠) = 𝐻(>50)
𝐻𝑎: 𝐻(𝑇𝑜𝑑𝑜𝑠) ≠ 𝐻(>50)
nº
empresas
nº
açõesTodas ações
Ações detidas por
mais de 20 gestores
Ações detidas por
mais de 50 gestores
Média 0,1048 0,1015 0,0898
(DP) (0,0079) (0,0102) (0,0107)
Mediana 0,1045 0,0990 0,0905
Toda amostra 149 / 172
27
A um nível de significância de 5%, vemos que a métrica 𝐻(𝑖) para o grupo de ações
detida por 20 ou mais fundos é significativamente diferente das duas demais.
Tabela 4.1.2 Teste-t de igualdade de médias – por ações mais líquidas
Fonte: Elaboração própria, dados da pesquisa.
O gráfico 4.1.1 mostra a evolução da medida ao longo do tempo, indicando a
persistência temporal destes níveis de efeito manada, sem tendência de aumento ou
queda.
Gráfico 4.1.1: Medida do efeito manada 𝑯(𝒊)
Fonte: Elaboração própria, dados da pesquisa.
Todos >20 >50
Todos 1
>20 0,0288 1
>50 0,0000 0,0000 1
2%
3%
4%
5%
6%
7%
8%
9%
10%
11%
12%
28
4.2. Tamanho dos fundos
A tabela 4.2.1 apresenta o resultado do efeito manada para os fundos segregados por
seu tamanho. Dividimos a cada final do mês a amostra de fundos em cinco quintis
pelo patrimônio líquido. A amostra é rebalanceada mensalmente.
Tabela 4.2.1: Medida do efeito manada 𝑯(𝒊) segregada por tamanho do fundo
Fonte: Elaboração própria, dados da pesquisa.
Os fundos posicionados no primeiro quintil, ou seja, com menor patrimônio líquido
apresentam um nível de efeito manada menor que o observado em toda a amostra.
Entre os fundos classificados no segundo ao quinto quintil, vemos pouca diferença no
nível da medida 𝐻(𝑖).
Na tabela 4.2.2 apresentamos o p-value de um teste t, onde testamos se as médias
dos diferentes níveis são iguais. Os valores em negrito indicam aqueles que não
podemos rejeitar a hipótese nula de igualdade de médias a um nível de significância
de 5%.
nº
empresas
nº
açõesTodas ações
Média 0,1048
(DP) (0,0079)
Mediana 0,1045
Média 0,0965
(DP) (0,0202)
Mediana 0,0970
Média 0,1023
(DP) (0,0145)
Mediana 0,1025
Média 0,1019
(DP) (0,0125)
Mediana 0,1034
Média 0,1041
(DP) (0,0103)
Mediana 0,1053
Média 0,1037
(DP) (0,0133)
Mediana 0,1051
Toda amostra
153
134 / 155
150
/ 151
172
/ 146
149
1364
5(Maior)
/
/
/
136
133
1301
(Menor)
2
3
29
Tabela 4.2.2: Teste-t de igualdade de médias – por tamanho dos fundos
Fonte: Elaboração própria, dados da pesquisa.
Observamos que a maioria dos fundos, com exceção dos 20% menores fundos, são
homogêneos no que tange o nível do efeito manada.
4.3. Tamanho das ações
Investigamos também como a métrica 𝐻(𝑖) varia em relação à segmentação da
capitalização bursátil das ações (market capitalization, ou abreviado, market cap).
Para tanto, utilizamos a definição da BM&F Bovespa para o que são as ações de
menor capitalização (Small Cap, ou SMLL) e maior capitalização (Mid Large Cap, ou
MLCX).
As empresas que, em conjunto, representarem 85% do valor de
mercado total da Bolsa são elegíveis para participarem do índice MLCX.
As demais empresas que não estiverem incluídas nesse universo são
elegíveis para participarem do índice SMLL. (BM&F Bovespa, 2013) 10
Adicionalmente, segmentamos as ações de maior capitalização em três níveis:
enorme capitalização (Ultra Large Cap), maior capitalização (Large Cap) e média
capitalização (Mid Cap), análogo às restrições de investimentos obtidas na definição
do que é um Fundo Small Cap para a ANBIMA.
10 Conforme obtido na página da BM&F Bovespa: http://www.bmfbovespa.com.br/indices/ResumoIndice.aspx?Indice=SMLL
Q1 Q2 Q3 Q4 Q5 Total
Q1 1
Q2 0,0480 1
Q3 0,0569 0,8388 1
Q4 0,0049 0,3878 0,2358 1
Q5 0,0115 0,5289 0,3735 0,8599 1
Total 0,0014 0,1915 0,0868 0,6267 0,5497 1
30
Fundos cuja carteira investe, no mínimo, 90% em ações de empresas
que não estejam incluídas entre as 25 maiores participações do IBrX -
Índice Brasil, ou seja, ações de empresas com relativamente baixa e
média capitalização de mercado. Os 10% remanescentes podem ser
investidos em ações de maior liquidez ou capitalização de mercado,
desde que não estejam incluídas entre as dez maiores participações do
IBrX – Índice Brasil, ou em caixa. (ANBIMA, 2013) 11
Assim sendo, segmentamos as ações de acordo com sua capitalização bursátil,
agregando a participação de todas as classes de ações de emissão de uma mesma
companhia. Deste modo, temos os seguintes níveis:
1. Ultra Large Cap: as ações correspondentes às dez maiores participações do
índice IBrX.
2. Large Cap: as ações que correspondem à 11ª até a 25ª maior participação do
índice IBrX.
3. Mid Cap: todas ações que compõem o índice MCLX e que não se enquadram
em nenhuma das demais categorias aqui descritas.
4. Small Cap: as ações que compõem o índice SMLL.
As ações são reclassificadas ao final de cada mês. Desta maneira, migrações de
segmento de capitalização bursátil são capturadas e refletidas corretamente nas
avaliações das métricas. A tabela 4.3.1 apresenta o resultado do efeito manada das
ações segregados pelo tamanho.
11 Conforme obtido na página da ANBIMA: http://portal.anbima.com.br/fundos-de-investimento/classificacao-de-fundos/classificacao-anbima-de-fundos/Pages/classificacao.aspx?classificacaoId=23
31
Tabela 4.3.1: Medida do efeito manada 𝑯(𝒊) segregada por market cap
Fonte: Elaboração própria, dados da pesquisa.
Também em linha com os resultados obtidos por Lakonishok et al (1992), observamos
que o nível do de efeito manada é maior para as ações Small Cap, e também menor
com o aumento no número de gestores ativos na ação no período em questão.
Na tabela 4.2.2 apresentamos o p-value de um teste t, onde testamos se as médias
dos diferentes níveis são iguais. Os valores em negrito indicam aqueles que não
podemos rejeitar a hipótese nula de igualdade de médias.
Tabela 4.3.2: Teste-t de igualdade de médias – por capitalização bursátil das ações
Fonte: Elaboração própria, dados da pesquisa.
nº
empresas
nº
açõesTodas ações
Ações detidas por
mais de 20 gestores
Ações detidas por
mais de 50 gestores
Média 0,1048 0,1015 0,0898
(DP) (0,0079) (0,0102) (0,0107)
Mediana 0,1045 0,0990 0,0905
Média 0,0828 0,0810 0,0764
(DP) (0,0171) (0,0184) (0,0190)
Mediana 0,0787 0,0792 0,0751
Média 0,0954 0,0877 0,0832
(DP) (0,0207) (0,0191) (0,0181)
Mediana 0,0939 0,0887 0,0783
Média 0,0980 0,0991 0,0911
(DP) (0,0158) (0,0176) (0,0196)
Mediana 0,0977 0,0968 0,0917
Média 0,1147 0,1153 0,1038
(DP) (0,0133) (0,0202) (0,0263)
Mediana 0,1134 0,1119 0,1016
Média 0,0900 0,0846 0,0800
(DP) (0,0138) (0,0120) (0,0125)
Mediana 0,0889 0,0834 0,0800
Média 0,0944 0,0922 0,0853
(DP) (0,0099) (0,0109) (0,0113)
Mediana 0,0953 0,0920 0,0870
Média 0,0971 0,0953 0,0880
(DP) (0,0123) (0,0139) (0,0140)
Mediana 0,0988 0,0953 0,0895
/ 84
/ 68
/ 46
/ 88
/ 38
/ 172
/ 16
/ 2216
10
Toda amostra 149
Large + Mid Cap 53
63
26
86
37
Ultra Large Cap
Large Cap
Mid Cap
Small Cap
Ultra + Large
Cap
Ultra + Large +
Mid Cap
Ultra Large Mid Small Total
Ultra 1
Large 0,0001 1
Mid 0,0000 0,3806 1
Small 0,0000 0,0000 0,0000 1
Total 0,0000 0,0003 0,0012 0,0000 1
32
4.4. Ações individuais – Ultra Large Cap
Aqui apresentamos a métrica do efeito manada 𝐻(𝑖) para uma seleção das ações Ultra
Large Cap, definidas pelas 10 maiores participações históricas do IBrX. Comparamos
com o retorno da ação e a representatividade do volume mensal negociado dos fundos
da amostra com o total apurado. A análise é realizada no período de set/2007 a
out/2013, devido às exclusões da base, tal como descrito na seção 3.2.
Todos valores são significativamente diferentes de zero a um nível de significância de
1%.
Tabela 4.4.1: Maiores participações no IBrX (set/2007 a out/2013)
Fonte: Elaboração própria, dados da pesquisa.
Maior
Nome Setor posição H(i) % Trades
AMBV4 Ambev PN Consumo Não Cíclico 3 0,0749 5,43%
BRFS3 Brasil Foods ON Consumo Não Cíclico 7 0,0717 6,75%
PETR3 Petrobras ON Petróleo, Gás e Biocombustíveis 2 0,0983 7,10%
PETR4 Petrobras PN Petróleo, Gás e Biocombustíveis 1 0,0705 2,88%
ITUB4 Itaú PN Financeiro 1 0,0754 4,56%
ITSA4 Itausa PN Financeiro 7 0,0860 6,72%
BBAS3 Banco do Brasil ON Financeiro 8 0,0897 6,03%
BBDC4 Bradesco PN Financeiro 3 0,0742 4,05%
BVMF3 BMF Bovespa ON Financeiro 7 0,0863 3,39%
CIEL3 Cielo ON Financeiro 11 0,0994 6,48%
EMBR3 Embraer ON Bens Industriais 11 0,1018 5,87%
CSNA3 Cosan ON Materiais Básicos 7 0,0909 4,72%
GGBR4 Gerdau PN Materiais Básicos 7 0,0714 5,58%
VALE3 Vale ON Materiais Básicos 4 0,0976 9,01%
VALE5 Vale PN Materiais Básicos 1 0,0728 3,30%
CMIG4 Cemig PN Utilidade Pública 10 0,0754 6,73%
Média 0,0835 5,54%
Média
33
Na tabela 4.4.2 apresentamos o p-value de um teste t, onde testamos se as médias
das ações individuais são iguais à média para o segmento Ultra Large Cap. Os valores
em negrito indicam aqueles que não podemos rejeitar a hipótese nula de igualdade
de médias, a um nível de significância de 5%.
Assim, verificamos também que, com a exceção de uma ação, Embraer ON (EMBR3),
a medida de efeito manada das ações Ultra Large Cap possuem um comportamento
homogêneo.
Tabela 4.4.2: Teste-t de igualdade de médias – ações individuais vs. segmento Ultra Large Cap
Fonte: Elaboração própria, dados da pesquisa.
Nome Setor p-value
AMBV4 Ambev PN Consumo Não Cíclico 0,8299
BRFS3 Brasil Foods ON Consumo Não Cíclico 0,1129
PETR3 Petrobras ON Petróleo, Gás e Biocombustíveis 0,0603
PETR4 Petrobras PN Petróleo, Gás e Biocombustíveis 0,2247
ITUB4 Itaú PN Financeiro 0,1589
ITSA4 Itausa PN Financeiro 0,7447
BBAS3 Banco do Brasil ON Financeiro 0,4543
BBDC4 Bradesco PN Financeiro 0,2808
BVMF3 BMF Bovespa ON Financeiro 0,2682
CIEL3 Cielo ON Financeiro 0,2371
EMBR3 Embraer ON Bens Industriais 0,0224
CSNA3 Cosan ON Materiais Básicos 0,2746
GGBR4 Gerdau PN Materiais Básicos 0,1244
VALE3 Vale ON Materiais Básicos 0,1128
VALE5 Vale PN Materiais Básicos 0,1929
CMIG4 Cemig PN Utilidade Pública 0,3129
34
Gráfico 4.4.1 Ambev PN12
Gráfico 4.4.2: Brasil Foods ON13
Gráfico 4.4.3: Petrobras ON
12 Na data de 11/nov/2013, tanto as ações ordinárias quanto as preferenciais da Ambev (AMBV) foram convertidas em ações ordinárias ABEV3, a um fator de 5 ações recebidas para cada 1 detida. 13 Na data de 22/set/2009, Sadia (SDIA) foi incorporada por BR Foods (PRGA), antiga Perdigão. Em 10/dez/2009, seu código de negociação mudou de PRGA para BRFS3.
-
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
90,00
100,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
10,00
20,00
30,00
40,00
50,00
60,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
16,0%se
t/2
00
7
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
10,00
20,00
30,00
40,00
50,00
60,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
35
Gráfico 4.4.4: Petrobras PN
Gráfico 4.4.5: Itaú PN14
Gráfico 4.4.6: Itausa PN
14 Na data de 03/nov/2008, foi anunciado o acordo de fusão entre Itaú e Unibanco, formando o Itaú Unibanco. Em 30/mar/2009, as units
do Unibanco (UBBR11) foram convertidas em ações do Itaú (ITAU). Em 20/mai/2009, seu código de negociação mudou de ITAU para ITUB.
-
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
45,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
1,0%
2,0%
3,0%
4,0%
5,0%
6,0%
7,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
45,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
1,0%
2,0%
3,0%
4,0%
5,0%
6,0%
7,0%
8,0%
9,0%se
t/2
00
7
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
36
Gráfico 4.4.7: Banco do Brasil ON
Gráfico 4.4.8: Bradesco PN
Gráfico 4.4.9: Cielo ON15
15 Na data de 29/jun/2009, foi realizado o IPO de Visanet. Em 18/dez/2009, as ações de Visanet (VNET3) foram convertidas em Cielo (CIEL3).
-
5,00
10,00
15,00
20,00
25,00
30,00
35,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
16,0%
18,0%
20,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
1,0%
2,0%
3,0%
4,0%
5,0%
6,0%
7,0%
8,0%
9,0%
10,0%se
t/2
00
7
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
37
Gráfico 4.4.10: Embraer ON
Gráfico 4.4.11: Cosan ON
Gráfico 4.4.12: Gerdau ON
-
5,00
10,00
15,00
20,00
25,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
16,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
5,00
10,00
15,00
20,00
25,00
30,00
35,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%se
t/2
00
7
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
1,0%
2,0%
3,0%
4,0%
5,0%
6,0%
7,0%
8,0%
9,0%
10,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
38
Gráfico 4.4.13: VALE ON
Gráfico 4.4.14: VALE PN
-
10,00
20,00
30,00
40,00
50,00
60,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
-
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
45,00
50,00
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
set/
20
07
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
h(i) Preço Ação
0,0%
1,0%
2,0%
3,0%
4,0%
5,0%
6,0%
7,0%se
t/2
00
7
de
z/2
00
7
mar
/20
08
jun
/20
08
set/
20
08
de
z/2
00
8
mar
/20
09
jun
/20
09
set/
20
09
de
z/2
00
9
mar
/20
10
jun
/20
10
set/
20
10
de
z/2
01
0
mar
/20
11
jun
/20
11
set/
20
11
de
z/2
01
1
mar
/20
12
jun
/20
12
set/
20
12
de
z/2
01
2
mar
/20
13
jun
/20
13
set/
20
13
Trades Amostra vs. Fundo (mês)
39
5 CONCLUSÃO
Este trabalho se propôs a testar empiricamente a ocorrência de efeito manada entre
os gestores de fundos de renda variável com gestão ativa no Brasil por meio da análise
da composição das carteiras de 642 fundos de ação no período de setembro de 2007
a outubro de 2013.
Em linha com a literatura relacionada ao comportamento de manada em mercados
emergentes, encontramos fortes evidências da ocorrência deste fenômeno. Ao
analisar a dinâmica da amostra segmentada por (i) tamanho dos fundos, (ii) tamanho
das ações e (iii) ações individuais dentro do segmento Ultra Large Cap, obtivemos os
seguintes resultados:
(i) Com exceção para os 20% menores fundos, o comportamento é homogêneo;
(ii) Com exceção de Large Cap vs. Mid Cap, o comportamento é heterogêneo;
(iii) Com exceção de uma ação, para o segmento Ultra Large Cap, o
comportamento das ações individuais é homogêneo.
Assim como os resultados encontrados por Lobão e Serra (2002), os níveis do efeito
manada encontrados na indústria de fundos de ações no Brasil são compatíveis com
os encontrados em mercados emergentes. Verificamos que o efeito manada é mais
pronunciado nas ações de menor capitalização bursátil (Small Cap), assim como o
observado em estudos em mercados maduros (LAKONISHOK et al 1992; WERMERS
1999).
As limitações deste estudo podem dar indicações de estudos futuros. Ainda que o
efeito manada seja de fácil entendimento, a maior parte das medidas propostas pela
literatura não permite identificar corretamente o efeito manada espúrio, onde
investidores se utilizam das mesmas informações públicas, do efeito manada
intencional, que decorre de agentes econômicos emulando o comportamento de outro.
Adicionalmente, existe um problema da qualidade e abrangência da informação. Os
dados referentes à composição dos fundos, obtidos da CVM, são de difícil manuseio.
40
É necessário dispender um tempo precioso em tarefas tão banais quanto a
padronização do nome dos ativos.
Em relação à abrangência da informação, vimos que, na melhor das hipóteses,
conseguíamos capturar 6,5% do volume de negociação mensal. Com uma série de
veículos financeiros que não necessitam ter o mesmo grau de abertura, por exemplo,
carteiras administradas; e agentes econômicos cujos hábitos de negociação são muito
heterogêneos, por exemplo, grandes tesourarias com uma mesa de algorithmic
trading. Assim, sempre haverá um grande pedaço do mercado que não observamos.
Dado que um dos motivadores do efeito manada é o da cascata informacional, uma
sugestão de estudo futuro é a investigação se a localização geográfica dos gestores
possui alguma influência na medida estudada. Como o mercado brasileiro de gestão
de recursos se concentra basicamente no eixo São Paulo – Rio de Janeiro, diferenças
no comportamento do gestor carioca ou paulistano é um ponto interessante de ser
investigado.
41
REFERÊNCIAS BIBLIOGRÁFICAS
BANERJEE, A. V. A Simple Model of Herd Behavior. The Quarterly Journal of
Economics, v. 107, n. 3, p. 797-817, ago 1992.
BARBERIS, N.; THALER, R. A Survey of Behavioral Finance. National Bureau Of
Economic Research, Working Paper 9222, set 2001.
BELLANDO, R. The bias in a standard measure of herding. Economics Bulletin, v. 32,
n. 2, p. 1537-1544, mai 2012.
BIKHCHANDANI, S.; HIRSHLEIFER, D.; WELCH, I. Learning from the Behavior of
Others: Conformity, Fads, and Informational Cascades. The Journal of Economic
Perspectives, v. 12, n. 3, p. 151-170, jul 1998.
BIKHCHANDANI, S.; SHARMA, S. Herd behavior in financial markets. IMF Staff
Papers, v. 47, n. 3, p. 279-310, 2001.
BROWN, N. C; WEI, K. D.; WERMERS, R. Analyst Recommendations, Mutual Fund
Herding, and Overreaction in Stock Prices. Management Science, Forthcoming; AFA
2010 Atlanta Meetings Paper. Disponível em :<http://ssrn.com/abstract=1363837>.
mar 2013.
FAMA, E. F. Efficient Capital Markets: A Review of Theory and Empirical Work.
Journal of Finance, v.25, n. 2, p. 383-417, 1970.
__________. Stock Returns, Expected Returns, and Real Activity. The Journal of
Finance, v. 45, n. 4, p. 1089-1108, set 1990.
__________. Efficient Capital Markets: II. Journal of Finance, v.46, n. 5, p. 1575-1617,
dez 1991.
42
__________. Market efficiency, long-term returns, and behavioral finance. Journal of
Financial Economics, v.49, n. 3, p. 283-306, set 1998.
FAMA, E. F.; FRENCH, K. R. The Cross-Section of Expected Stock Returns. The
Journal of Finance, v. 47, n. 2, p. 427-465, jun 1992.
FREEMAN, C. A Hard Landing for the “New Economy”? Information Technology and
the United States National System of Innovation. Structural Change and Economic
Dynamics, v. 12, n. 2, p. 115-139, jul 2001.
FREY, S.; HERBST, P.; WALTER, A. Measuring mutual fund herding – A structural
approach. Journal of International Financial Markets, Institutions and Money,
Forthcoming. v. 32, p. 219-239, set 2014. Disponível em:
<http://ssrn.com/abstract=984828>
KAHNEMAN, D.; TVERSKY, A. Prospect Theory: An Analysis of Decision under Risk.
Econometrica, v. 47, n. 2, p. 263-292, mar 1979.
KUTCHUKIAN, E.; EID JR., W.; DANA, S. O Efeito Manada nas Captações de Fundos
de Investimento no Brasil entre 2005 e 2009. Anais do X Encontro Brasileiro de
Finanças, São Paulo. Sociedade Brasileira de Finanças. v.1, 2010
LAKONISHOK, J.; SHLEIFER, A.; VISHNY, R. W. The impact of institutional trading
on stock prices. Journal of Financial Economics, v.32, n. 1, p. 23-43, ago 1992.
LOBÃO, J.; SERRA, A. P. Herding Behavior: Evidence from Portuguese Mutual
Funds. Working paper, Instituto de Estudos Financeiros e Fiscais. mar 2002.
MARKOWITZ, H.M. Portfolio Selection. The Journal of Finance, v. 7, n. 1, Março
1952.
PARK, A.; SABOURIAN, H. Herding and contrarian behavior in financial markets.
Econometrica, v. 79, n. 4, p. 973-1026, jul 2011.
43
QUANTUM AXIS ONLINE: sistema de informações sobre fundos. Quantum.
Disponível em: < http://www.quantumaxis.com.br/>. Acesso em fev 2014.
ROCHMAN, R. R.; EID JR., W. Insiders conseguem retornos anormais?: Estudos de
eventos sobre as operações de insiders das empresas de governança corporativa
diferenciada da Bovespa. 7º Encontro Brasileiro de Finanças. São Paulo: Sociedade
Brasileira de Finanças, v.1, 2007.
SAMUELSON, P. A. An Enjoyable Life Puzzling Over Modern Finance Theory. Annual
Review of Financial Economics, v.1, 2009
SANCHES, M. V. Comportamento de manada em direção ao índice de mercado:
evidências no mercado brasileiro de ações. Dissertação (Mestrado em
Administração), FEA-USP, Disponível em: <http://www.teses.usp.br/teses/disponiveis/12/
12139/tde-14112013-170840/>, 2013.
SCHARFSTEIN, D. S.; STEIN, J. C. Herd behavior and Investment. The American
Economic Review, v. 80, n. 3, jun 1990.
SHARPE, W. F. Capital Asset Prices: A Theory of Market Equilibrium under
Conditions of Risk. The Journal of Finance, v.19, n. 3, p. 425-442, 1964.
SHILLER, R. J. Conversation, information, and herd behavior. The American
Economic Review, v.85, n. 2, p. 181-185, 1995.
TRUEMAN, B. Analyst Forecasts and Herding Behavior. The Review of Financial
Studies, v. 7, n. 1, p. 97-124, 1994.
TVERSKY, A.; KAHNEMAN, D. Judgment Under Uncertainty: Heuristics and Biases.
Science, New Series, v. 185, n. 4157, p. 1124-1131, set 1974.
WERMERS, R. Mutual Fund Herding and the Impact on Stock Prices. The Journal of
Finance, v.54, n. 2, p. 581-622, abr 1999.
44
YOSHINAGA, C. E.; OLIVEIRA, R. F.; SILVEIRA, A. M. S.; BARROS, L. A. B. C.
Finanças Comportamentais: Uma Introdução. REGE. Revista de Gestão USP, v.15,
p. 25-35, 2008.