PREVISÕES DE CRESCIMENTO ECONÔMICO EM MERCADOS EMERGENTES ... · produção com menor confiança...
Transcript of PREVISÕES DE CRESCIMENTO ECONÔMICO EM MERCADOS EMERGENTES ... · produção com menor confiança...
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
INSTITUTO COPPEAD DE ADMINISTRAÇÃO
MIGUEL ANDRÉS RUBIANO MURILLO
PREVISÕES DE CRESCIMENTO ECONÔMICO EM MERCADOS EMERGENTES
BASEADO NOS MERCADOS DE AÇÕES, RENDA FIXA E DERIVATIVOS
Dissertação de Mestrado em Administração
Orientador: Prof. André Luiz Carvalhal da Silva
(COPPEAD – UFRJ)
RIO DE JANEIRO
2011
Miguel Andrés Rubiano Murillo
PREVISÕES DE CRESCIMENTO ECONÔMICO EM MERCADOS EMERGENTES
BASEADO NOS MERCADOS DE AÇÕES, RENDA FIXA E DERIVATIVOS
Dissertação de Mestrado apresentada ao Instituto de
Pós-Graduação e Pesquisa em Administração
(COPPEAD) da Universidade Federal do Rio de
Janeiro (UFRJ), como requisito parcial à obtenção do
grau de Mestre em Administração.
Orientador: Prof. André Luiz Carvalhal da Silva
Rio de Janeiro
2011
Murillo, Miguel Andrés Rubiano. Previsões de Crescimento Econômico em Mercados Emergentes Baseado nos Mercados de Ações, Renda Fixa e Derivativos / Miguel Andrés Rubiano Murillo – 2011. 36 f.: il. Dissertação (Mestrado em Administração) - Universidade Federal do Rio de Janeiro, Instituto Coppead de Administração, Rio de Janeiro, 2011.
Orientador: André Luiz Carvalhal da Silva.
1. Finanças 2. Crescimento Econômico 3. Previsões – Teses. I. Carvalhal da Silva, André Luiz (Orient.). II. Universidade Federal do Rio de
Janeiro. Instituto COPPEAD de Administração. III. Título.
Miguel Andrés Rubiano Murillo
PREVISÕES DE CRESCIMENTO ECONÔMICO EM MERCADOS EMERGENTES
BASEADO NOS MERCADOS DE AÇÕES, RENDA FIXA E DERIVATIVOS
Dissertação de Mestrado apresentada ao Instituto de
Pós-Graduação e Pesquisa em Administração
(COPPEAD) da Universidade Federal do Rio de
Janeiro (UFRJ), como requisito parcial à obtenção do
grau de Mestre em Administração.
Aprovada por:
_______________________________________________Orientador
Prof. André Luiz Carvalhal da Silva, D. Sc. (COPPEAD/UFRJ)
____________________________________________________
Prof. Otavio Henrique dos Santos Figueiredo, D. Sc. (COPPEAD/UFRJ)
____________________________________________________
Prof. Myrian Beatriz Eiras das Neves, D. Sc. (BACEN)
AGRADECIMENTOS
Acima de tudo, gostaria de agradecer aos meus pais por todo o carinho e
apoio brindado ao longo destes anos. Suas experiências, conhecimento e conselhos
me guiarão sempre.
Ao meu orientador, André, agradeço pelo apoio, objetividade e paciência ao
longo do processo da dissertação. Ele me ensinou a apreciar as técnicas
econométricas que servem como fundamento deste trabalho.
Agradeço a todos os professores do COPPEAD com quem tive o privilégio
de aprender, suas orientações e conhecimento ao longo do mestrado serão de
grande valor em meus novos desafios profissionais.
Aos meus colegas de mestrado, agradeço pelas discussões e sugestões
apresentadas ao longo da nossa experiência acadêmica no COPPEAD. Também
agradeço a atmosfera de amizade que criamos em tão curto tempo e que, ainda
hoje, continua presente na minha vida.
RESUMO
RUBIANO, Miguel Andrés. Previsões de crescimento econômico em mercados
emergentes baseado nos mercados de ações, renda fixa e derivativos.
Dissertação (Mestrado em Administração de Empresas) – Universidade Federal do
Rio de Janeiro, Instituto COPPEAD de Administração. Rio de Janeiro, 2011.
O objetivo deste trabalho é construir um modelo de estimação da atividade
econômica real para um grupo de economias emergentes, especificamente o Brasil,
a Índia, o México e a Rússia, baseado nas informações contidas nos seus mercados
de capitais. Outras possíveis variáveis explicativas reconhecidas pela literatura como
a variação no preço do petróleo ou as mudanças na base monetária M1 também são
exploradas. A análise utiliza as premissas adotadas por Hamilton e Kim (2002) e
Chen, Wang e Yen (2005) no seu modelo de estimação para nações industrializadas
e asiáticas.
O modelo desenvolvido neste trabalho estima a variação no índice de
produção industrial anualizada dos mercados emergentes ao longo de diferentes
horizontes de tempo futuros junto com a medição das variáveis do mercado
financeiro e outras variáveis explicativas reconhecidas pela literatura, visando
mesurar a sua relevância nas previsões sobre a atividade econômica. As variáveis
financeiras em questão são a curva de rendimento da taxa de juros esperados, via
títulos públicos e/ou derivativos, e os retornos dos índices acionários.
A presente dissertação utiliza as informações relevantes contidas nos
mercados de ações, renda fixa e derivativos na construção de modelos de previsão
da atividade econômica real do Brasil, Índia, México e Rússia. Os resultados
sugerem que os mercados de renda fixa e ações revelam informações sobre o
crescimento econômico futuro no Brasil e Índia. No caso do México e a Rússia, os
resultados são forma significativos.
Palavras-chave: Crescimento econômico. Mercados emergentes. Previsão.
ABSTRACT
RUBIANO, Miguel Andrés. Previsões de crescimento econômico em mercados
emergentes baseado nos mercados de ações, renda fixa e derivativos.
Dissertação (Mestrado em Administração de Empresas) – Universidade Federal do
Rio de Janeiro, Instituto COPPEAD de Administração. Rio de Janeiro, 2011.
The objective of this dissertation is to build a forecasting model for real
economic activity for a group of emerging economies (Brazil, India, Mexico and
Russia) based on the information contained in their capital markets. Other
independent variables recognized by the literature, such as the change in oil prices
or money supply M1, are also explored. This analysis uses the assumptions
developed by Hamilton and Kim (2002) and Chen, Wang e Yen (2005) in their
forecasting model for both industrialized and East Asian nations.
The model developed in this dissertation forecasts the variations in the
annualized industrial production index in emerging markets throughout different
future time horizons along with the cotemporaneous measurement of key financial
market and economic variables. This facilitates forecasting efforts regarding future
real economic activity. The financial variables utilized in the model refer to the
expected interest rate yield curve, measured either through information from
marketable Treasury securities or interest rate derivatives, and the return on stock
market indexes.
This dissertation uses information contained in stock, fixed-income, and
derivative markets to calculate forecasting models for real economic activity in Brazil,
India, Mexico, and Russia. The results suggest that both fixed-income and stock
markets reveal information regarding future economic growth in Brazil and India. The
results are not significant in Mexico and Russia.
Keywords: Economic growth. Emerging markets. Forecast.
SUMÁRIO
1 INTRODUÇÃO.............................................................................................. ....9
2 REVISÃO DE LITERATURA......................................................................... ..11
3 DADOS E METODOLOGIA.......................................................................... ..17
4 RESULTADOS…………………………………………………………………… ..18
5 CONCLUSÃO............................................................................................... ..32
6 REFERÊNCIAS BIBLIOGRÁFICAS.............................................................. ..34
9
1. INTRODUÇÃO
O processo de tomada de decisões efetuado pelos diversos agentes
econômicos de uma nação é fundamentado mediante a compreensão do estado
atual e futuro da atividade econômica, geralmente sintetizada pelas estatísticas das
contas nacionais. Quando uma nova série sobre a produção de um país é divulgada,
os agentes atualizam suas análises sobre a evolução da economia e refazem seus
prognósticos, os quais impactam suas decisões de curto e longo prazo.
Apesar dos avanços relativos à divulgação das estatísticas oficiais, os dados
trimestrais das contas nacionais de diferentes países são publicados com um atraso
que varia de 30 dias até 90 dias após o final do trimestre. No entanto, uma enorme
quantidade de informação sobre a evolução financeiro-econômica torna-se
disponível aos agentes econômicos. Essa informação tempestiva alimenta as
expectativas e o comportamento do setor privado e, em conseqüência, se reflete nos
preços dos ativos. As expectativas dos agentes econômicos no nível agregado,
contidas na precificação de ativos financeiros em mercados de capitais eficientes,
podem ser utilizadas para se obter um panorama mais imediato da evolução da
atividade econômica real futura.
1.1. Contexto do estudo
Diversos autores tem documentado que o yield spread, a diferença entre os
rendimentos das taxas de juros de longo e curto prazo, é alimentado pelas
expectativas dos participantes do mercado financeiro. Como resultado, esses
autores cogitam a possibilidade que o yield spread contenha informações relevantes
sobre a atividade real futura independente de informações sobre política monetária
atual ou futura. Harvey (1989) foi o primeiro a oferecer uma estrutura teórica robusta
para utilizar o yield spread na previsão do crescimento econômico. Ele argumenta
que as previsões da atividade real baseadas na curva de rendimento da taxa de
juros de títulos públicos se comparam favoravelmente contra as previsões baseadas
em outras variáveis do mercados financeiro, tais como o retorno do mercado
acionário, no caso específico da economia norte-americana. A partir da
disponibilidade de dados financeiros em mercados de capitais desenvolvidos, vários
pesquisadores também têm abordado o problema da construção de modelos de
10
previsão para tentar capturar os movimentos dos ciclos econômicos em diversas
nações industrializadas (CAMBA-MENDEZ, KAPETANIOS, SMITH e WEALE, 2001;
HAMILTON e KIM, 2002, RUNSTLER e SEDILLOT, 2003).
Chen, Wang e Yen (2005) realizam uma analise similar para nações asiáticas.
Contudo, abordagens que consideram o estudo de economias emergentes sempre
apresentam desafios dadas as dificuldades na obtenção de séries históricas
necessárias para a estimação dos modelos. O recente aprimoramento nos métodos
de divulgação de dados estatísticos e financeiros em mercados emergentes permite
a aplicação de modelos de previsão da atividade real baseados nas informações
contidas nos seus mercados de capitais.
No entanto, a utilização de variáveis originadas dos mercados financeiros na
estimação do estado da economia futura em mercados emergentes não é isento de
objeções. A principal delas é que existem sérias dificuldades de comunicação do seu
significado aos usuários e aos tomadores de decisão que preferem, ou estão mais
acostumados, a entender as oscilações dos ciclos econômicos em termos da
movimentação da produção realizada. Ou seja, seria importante estabelecer uma
correspondência entre as variáveis disponíveis nos mercados financeiros e a
produção nacional que seja de fácil compreensão pelos agentes econômicos. Por
outro lado, se for possível utilizar dados financeiros para extrair inferências sobre o
estado da economia futura, seria desejável que existisse algum procedimento
destinado a tentar estimar o que, de fato, estaria acontecendo com a produção
nacional. É claro que tal procedimento é suscetível a produzir estimativas da
produção com menor confiança do que aquelas que poderiam ser obtidas por
medição direta. Contudo, seria certamente mais satisfatório do que simplesmente
fazer uma inferência informal no caso das economias emergentes.
1.2. Objetivos do estudo
É justamente aqui que reside o objetivo deste trabalho: evidenciar a
relevância das informações contidas nos mercados de capitais sobre a atividade
econômica futura em nações emergentes, mediante a aplicação de modelos de
estimação seguindo as premissas adotadas por Hamilton e Kim (2002), Chen, Wang
e Yen (2005) e Harvey (1989). Em outras palavras, a presente dissertação visa
mensurar as informações relevantes contidas no mercado de ações, renda fixa e
11
derivativos na previsão da atividade econômica real do Brasil, México, Índia, e
Rússia e as compara contra outras possíveis variáveis explicativas. O poder
preditivo do yield spread e dos retornos dos mercados acionários é analisado
levando em consideração informações adicionais tais como a política monetária
(ANDERSON E VAHID, 2001) e os preços do petróleo (HAMILTON e KIM, 2002). Os
resultados apresentados sugerem que o mercado de renda fixa ou swaps revelam
mais informações sobre o crescimento econômico futuro para o Brasil e a Índia do
que o mercado acionário. No caso do México e a Rússia, outras variáveis
explicativas como a variação nos preços do petróleo ou na base monetária M1
chegam a explicar mais sobre a movimentação da produção nesses países.
1.3. Organização do estudo
O trabalho, além desta introdução, está divido em mais quatro seções. Na
seção 2, são apresentados formalmente os modelos de previsão do crescimento
econômico real assim como o seu referencial bibliográfico. Na seção 3, se discutirá a
metodologia utilizada no processo de estimação do crescimento da produção
nacional anualizada para cada nação, baseado nas informações disponíveis nos
seus respectivos mercados de capitais. Os dados utilizados para a análise também
são descritos na seção 3. Na seção 4, são apresentados os resultados dos modelos
de previsão obtidos para cada uma das economias emergentes mencionadas. Por
fim, a seção 5 apresenta as principais conclusões.
2. REVISÃO BIBLIOGRÁFICA
2.1. A curva de rendimento da taxa de juro e o crescimento econômico
A teoria de precificação de ativos sugere que a inclinação da curva de
rendimento de juros, calculada com base na estrutura a termo dos títulos públicos no
mercado de renda fixa, contêm informações sobre as expectativas de crescimento
econômico por parte dos investidores. Esse elo entre o mercado de ativos
financeiros e o crescimento econômico real foi formalizado pela primeira vez por
Fisher (1907). Em seu trabalho seminal, Fisher descreve a noção que, no equilíbrio,
a taxa de juro a doze meses reflete o valor marginal do ingresso de hoje com relação
12
ao valor marginal do ingresso no próximo ano. Como exemplo, se identifica a
situação em que, caso os indivíduos esperem uma recessão econômica no próximo
ano, existe um incentivo para sacrificar parte do seu consumo hoje para investir em
uma nota de tesouro com resgate durante o período da contração econômica.
Consequentemente, um investimento em um título público cupom-zero é um
exemplo dessa possível estratégia.
A intensidade com a qual os indivíduos trocam o consumo atual pelo consumo
futuro - a taxa marginal de substituição - é alimentada pelas expectativas sobre o
ciclo econômico e se reflete no preço dos ativos. Se existe consenso no nível
agregado sobre a possibilidade de queda econômica, os investidores comprarão
títulos públicos cupom-zero de longo prazo e venderão títulos de curto prazo. Como
resultado, os preços dos títulos de curto prazo sofrerão uma queda enquanto
aqueles de longo prazo experimentaram um aumento. Ou seja, em termos de yield-
to-maturity, a curva de rendimento se tornará mais plana, ou se inverterá.
Consequentemente, a teoria sugere que mudanças na estrutura a termo das taxas
de juro no mercado de renda fixa, mesuradas através do yield spread entre os títulos
de longo e curto prazo, fornecem informações relevantes sobre o crescimento
econômico futuro. Em particular, se esperaria que inversões na curva de rendimento
correspondessem a períodos de recessão econômica.
Kessel (1965) observa que a estrutura de termo se desloca junto com o ciclo
de negócios. Ele mostra que a diferença entre os yields anualizados para títulos
públicos americanos de longo e curto prazo são menores imediatamente depois de
uma recessão. Essa diferença aumenta de magnitude antes e durante o período de
recuperação. Fama (1986) também observa que as estruturas de termo dos retornos
esperados com inclinação ascendente durante épocas favoráveis mudam as
estruturas de termo com inclinação invertida durante uma recessão. Ele cogita que
tal fenômeno sugere evidência do poder preditivo dos modelos de estrutura a termo
dos ativos de renda fixa.
Como resultado, as teorias modernas de precificação de ativos sugerem uma
relação entre o retorno esperado dos ativos e as expectativas de consumo dos
investidores. Os fundamentos dos modelos de precificação de ativos baseado no
consumo de Rubinstein (1976), Breeden e Litzenberger (1978), Lucas (1978), e
Breeden (1979) tem sua origem em Fisher (1907). A ideia subjacente é que os
investidores obtêm um maior beneficio de certa quantidade de dinheiro durante uma
13
recessão (quando os níveis de consumo são baixos) que da mesma quantidade
durante o pico do ciclo de negócios (quando o consumo é alto). Como resultado,
durante épocas favoráveis, os indivíduos tenderão a investir em ativos que forneçam
um seguro, ou hedge, contra uma queda esperada na economia. Os pagamentos
desses investimentos são planejados para ajustar os padrões de consumo ao longo
do tempo. Ou seja, o modelo de precificação de ativos baseado no consumo sugere
que mudanças cíclicas no consumo pessoal também são evidenciadas nos
movimentos cíclicos dos retornos esperados dos ativos. A teoria sugere que as taxas
de retorno real dos ativos contêm informações sobre as expectativas do crescimento
econômico futuro.
A maioria dos estudos do modelo de precificação de ativos baseados no
consumo visa testar as restrições derivadas das séries temporais do consumo real e
dos retornos dos ativos. Por exemplo, Hansen e Singleton (1982, 1983) derivam uma
representação da série temporal do retorno dos ativos e do consumo que é
consistente com o modelo, utilidade isoelástica separada no tempo e dados
distribuídos na forma logaritmo-natural. Eles estimam os parâmetros da função-
utilidade e testam as restrições do modelo. Algumas das premissas distribucionais
são posteriormente relaxadas nos testes de Hansen e Singleton (1984). Dunn e
Singleton (1986) testam o modelo evitando a dissociação da função utilidade para
bens de consumo duráveis e não duráveis.
A abordagem de Harvey (1988) é diferente. Sua versão do modelo de
precificação de ativos baseado no consumo sugere que os retornos esperados e o
consumo esperado estão relacionados. Se os retornos dos ativos financeiros podem
ser estimados, essas estimativas, por sua vez, contêm informações sobre o aumento
esperado no consumo futuro. Harvey fornece evidência que a estrutura a termo e os
retornos acionários contêm informações que podem ser utilizadas para prever o
aumento no consumo na economia. Assim, os modelos de regressão aplicados pelo
Harvey tentam documentar o co-movimento entre os rendimentos dos ativos e o
aumento no consumo. E, dada sua alta relevância dentro da estatística da produção,
Harvey substitui o componente do consumo pelo PIB, criando assim um modelo de
previsão da atividade real. Ele conclui que a estrutura de termo real contém maior
informação para a previsão do crescimento real da economia norte-americana que
as duas medidas alternativas: o aumento no consumo e o retorno do mercado de
ações.
14
2.2. Poder preditivo da curva de rendimento em nações desenvolvidas
A evidência empírica sobre a hipótese que a curva de rendimento sinaliza a
possibilidade de uma recessão tem precedentes desde a década dos anos 80 para
os Estados Unidos (HARVEY, 1989; MISHKIN, 1990a, 1990b; ESTRELLA e
HARDOUVELIS, 1991). A explicação econômica para essa observação é que a
inclinação da curva de rendimento é um indicador da política monetária. A redução
da oferta monetária resulta em taxas de juros de curto prazo que são relativamente
maiores que aquelas de longo prazo. Por sua vez, altas taxas de juro de curto prazo
contribuem para uma desaceleração no ritmo de crescimento econômico
(BERNANKE; BLINDER, 1992). Aliás, rendimentos de longo prazo baixos também
podem refletir rendimentos reais menores baseados nas expectativas de uma
desaceleração do crescimento da produção (ARNWINE, 2004), o que leva a uma
inversão da curva de rendimento na ponta de longo prazo do espectro de
maturidade. Em linha com essas premissas, a curva de rendimento previu cada
recessão nos Estados Unidos no período pós-guerra corretamente, exceto a crise de
liquidez e desaceleração da produção no final dos anos 60 (ESTRELLA, 2005,
2006).
Além dos Estados Unidos, evidências sobre a habilidade da curva de
rendimento para prever o crescimento econômico se limita a um número pequeno de
nações industriais (PLOSSER e ROUWENHORST, 1994; BONSER-NEAL e
MORLEY, 1997; KOZICKI, 1997; ESTRELLA e MISHKIN, 1997; ESTRELLA,
RODRIGUES e SCHICH, 2003). Em geral, os resultados confirmam que a inclinação
da curva de rendimento tem conteúdo preditivo para o crescimento das nações em
questão, pelo menos in-sample.
2.3. Poder preditivo da curva de rendimento em mercados emergentes
Ao analisar a escassez de evidência comparativa disponível sobre o papel da
curva de rendimento como fator preditivo do crescimento econômico das nações,
Stock e Watson (2003) e Hamilton e Kim (2002) concluem que a universalidade do
tema ainda não está completamente testada. Chen, Wang e Yen (2005) visam
analisar o efeito da curva de rendimento na atividade econômica futura para um
15
grupo de nações asiáticas em rápido desenvolvimento, incluindo a inclusão de
outras variáveis explicativas como a variação na base monetário e os preços do
petróleo para isolar efeitos. Os autores não encontram informações significativas nos
yield spreads domésticos para prever a atividade real da maioria desses países
asiáticos.
A evidência para outras economias emergentes, tais como o Brasil, México,
Índia ou Rússia, é quase inexistente dado que os mercados de renda fixa nessas
nações só têm amadurecido significativamente após o inicio do novo milênio. O
desenvolvimento recente do mercado de títulos públicos nessas economias reflete
os esforços dos governos para se proteger contra interrupções repentinas nos fluxos
de capital internacional após as crises dos anos 1990 e 2000 (INTERNATIONAL
MONETARY FUND, 2002, 2003, 2005, 2006; JEANNE e GUSCINA, 2006).
Prévio a essas mudanças, os mercados de dívida doméstica eram
considerados pelos agentes em economias emergentes como uma fonte alternativa
de financiamento para amortecer uma eventual falta de acesso ao financiamento
externo. Desde uma perspectiva macroeconômica, um mercado de renda fixa
maduro era necessário para aumentar os instrumentos disponíveis contra as
defasagens entre o tipo de câmbio e a maturidade dos títulos públicos, o que reduz
riscos de crise econômica. Refletindo esses esforços, relativo ao PIB, a quantidade
de títulos de dívida doméstica em mercados emergentes quase tem dobrado nos
últimos anos. Muitas economias emergentes aumentaram os prazos da dívida e
agora oferecem títulos com maturidades prolongadas (MEHL e REYNAU, 2005;
JEANNE e GUSCINA, 2006). Com o passar do tempo, dados sobre as taxas de
juros domésticas de longo prazo e as suas respectivas curvas de rendimento estão
se tornando mais disponíveis.
2.4. O mercado acionário e o crescimento econômico
Por outro lado, também existe um consenso geral na literatura que o mercado
acionário possui informações importantes sobre a atividade econômica real. Vários
estudos empíricos demonstram o co-movimento dos retornos das ações e o PIB real
nos Estados Unidos (FAMA, 1981), (KAUL, 1987). Na medida em que o lucro das
empresas esteja correlacionado positivamente com o crescimento econômico, os
pesquisadores sugerem que os preços das ações fornecem informações relevantes
16
sobre as expectativas da atividade econômica futura. Essa associação entre o
mercado acionário e a atividade real se origina da avaliação fundamental do equity
onde o preço de uma ação é o valor descontado dos seus fluxos de caixa futuros.
A robustez da economia determina a magnitude dos fluxos de caixa
associados aos dividendos. Assim, o preço do equity reflete as expectativas sobre a
atividade real futura enquanto as mudanças no valor das ações refletem
parcialmente as revisões dessas expectativas. Uma recessão significa lucros e
dividendos menores para a maioria das ações. Seguindo a equação aqui
apresentada, os preços das ações apresentariam uma queda fundamentada na
redução das expectativas de lucro e dividendos para empresas operando num
cenário de possível recessão. Contudo, uma mudança na avaliação do equity das
empresas também pode ser causada por uma mudança na taxa de desconto, o que
pode chegar a confundir os efeitos.
Variações nos preços das ações refletem tanto mudanças nas expectativas
do crescimento econômico como mudanças na percepção de risco sobre os fluxos
de caixa futuro das empresas. Mudanças sobre a percepção de risco dos fluxos de
caixa das empresas também podem afetar os preços das ações e os seus
rendimentos, distorcendo informações sobre expectativas de crescimento econômico
futuro. Embora a maioria dos investidores acredite que o mercado acionário serve
como um importante indicador, sua precisão e confiabilidade são constantemente
questionadas.
Uma hipótese baseada em variáveis da economia real que mantém a
robustez diante de evidência empírica nos Estados Unidos é a hipótese
desenvolvida por Fama (1981). Fama estuda a relação entre as variáveis reais
consideradas como determinantes fundamentalistas dos retornos das ações. Na
teoria financeira, o número de investimentos disponíveis às empresas com taxas de
retorno esperado maiores que o custo de capital é um importante determinante do
valor das ações. Fama avalia empiricamente um modelo de alocação de recursos
em investimentos, nos quais os incrementos na produção aumentam as taxas
médias reais do retorno sobre o capital, o que por sua vez induz aumentos nos
investimentos.
Os testes de Fama corroboraram o fato que a produção lidera a taxa média
real de retorno sobre o capital e que ambas variáveis lideram os investimentos.
Utilizando esta metodologia, Fama testa os retornos das ações americanas frente
17
outras variáveis reais. Os retornos reais das ações são relacionados positivamente
com variáveis reais como o valor dos investimentos, a taxa real de retorno sobre o
capital e a produção. Uma conclusão interessante é que os retornos das ações
lideram todas as variáveis reais, o que sugere que o mercado acionário faz
previsões racionais sobre o setor real. Em conclusão, Fama sugere que existe um
elo entre o setor real e os modelos de expectativas racionais. O resultado de um
mercado acionário racional também abrange as previsões dos valores esperados
das variáveis reais na determinação dos preços das ações. Conseqüentemente, a
evidência do setor real fornecida por Fama sugere que a relação entre os retornos
das ações e as taxas de crescimento esperadas da economia real é positiva.
3. DADOS E METODOLOGIA
Dadas as limitações na obtenção de dados econômico-financeiros para
nações emergentes, a maioria dos estudos utilizam series trimestrais ou anuais de
baixa freqüência para examinar as informações contidas no yield spread. Contudo, a
agregação temporal pode dificultar a identificação de qualquer condição verdadeira
entre o spread e a economia. Ao utilizar uma maior freqüência, como a literatura
recomenda, pode se atingir uma melhor descrição das relações dinâmicas e
melhorar o poder preditivo das variáveis relevantes. Para aumentar a freqüência da
amostra, o presente trabalho utiliza dados mensais que abrangem o período
examinado, incluindo o índice de produção industrial, a taxa de juros de curto, médio
e longo prazo, a oferta monetária, o preço do petróleo e os retornos do mercado
acionário. Todos os dados, com exceção de algumas taxas de juros a serem
identificadas posteriormente, foram extraídos da base de dados do IFS (International
Financial Statistics) do Fundo Monetário Internacional.
A presente investigação foca em quatro nações emergentes, Brasil, Rússia,
India e México, que vem experimentando um processo de liberalização nas suas
políticas econômicas desenhadas para facilitar o investimento e fluxo de capital
internacional. Baseado em parte nas análises realizadas por Estrella e Hardouvelis
(1991), Estrella e Mishkin (1997), Dotsey (1998), Hamilton e Kim (2002), e Chen,
Wang e Yen (2005), a metodologia utilizada para examinar o poder preditivo do yield
spread sobre a atividade real futura está fundamentada na criação de modelos de
regressão do crescimento real do índice da produção industrial de 1 a 24 meses no
18
futuro, com intervalos de 1, 6, 12 e 24 meses, junto com o yield spread
correspondente em tempo t. O modelo estimado está reportado a seguir:
tttt
M
t
A
ttt
k
t
uPetrΔbΔMbCrescIPb
tAcbtAcbdLYieldSpreabdMYieldSpreabbCrescIP
Pr1
ReRe
76
1
15
43210
onde:
k
tCrescIP é o crescimento anual do índice de produção do período t até o
período k: )]IP/IP)[log(/1200(CrescIP tkt
k
t k ;
tdMYieldSprea é a diferença entre os yields-to-maturity de médio e curto prazo
em tempo t: C
t
M
tt iidMYieldSprea ;
tdLYieldSprea é a diferença entre os yields-to-maturity de longo e curto prazo
em tempo t:C
t
L
tt iidLYieldSprea ;
A
tRetAc é o retorno do índice do mercado acionário no mês atual contra o mesmo
mês do ano anterior;
M
tRetAc é o retorno do índice do mercado acionário no mês atual contra o mês
anterior;
1
1CrescIPt é o crescimento defasado em um período da produção industrial real;
t1M é o crescimento em 12 meses da base monetária M1;
tPrPetr é a variação em 12 meses do preço do petróleo.
Seguindo as premissas de Plosser e Rouwenhorst (1994), o crescimento no
índice de produção industrial é calculado para representar as atividade econômicas.
A variável dependente, k
tCrescPI , na regressão de horizonte amplo é a variação
anualizada do índice de produção industrial real desazonalizado nos próximos k
meses, onde ktIP denota o índice de produção industrial real desazonlizado no mês
t+k. A variação logarítmica da produção industrial no período k é multiplicada por
(1200/k) para garantir que a taxa de crescimento percentual esteja representada em
termos anualizados. Adicionalmente, o modelo utiliza diversos prazos nas taxas de
19
juros para construir a inclinação da curva de rendimento, taxas de médio prazo (1-3
anos) e de longo prazo (5-10 anos) baseado nos títulos públicos governamentais
(variável L
ti ), e uma taxa de curto prazo baseado nas letras do tesouro a 90 dias
(variável C
ti ). Tanto L
ti como C
ti se referem aos rendimentos equivalentes dos títulos
públicos anualizados, onde C
t
L
t ii representa a inclinação da curva de rendimento.
Adicionalmente, seguindo a metodologia desenvolvida por Hamilton e Kim
(2002) e Chen, Wang e Yen (2005), as estruturas de defasagem da variável
produção industrial também são consideradas dentro da análise. Os resultados
empíricos mencionados pelos autores apontam que o crescimento defasado a um
período da produção industrial real tem as informações com o maior potencial para
prever a atividade futura. Conseqüentemente, 1
1CrescIPt é incluída na equação de
estimação.
Vários estúdios, incluindo Estrella e Hardouvelis (1991), Plossner e
Rouwenhorst (1994), Estrella e Mishkin (1997), Dotsey (1998), e Hamilton e Kim
(2002), examinam se o yield spread contem informações adicionais sobre outras
variáveis econômicas além da relação com a política monetária. Seguindo a
Hamilton e Kim (2002), consideramos a influência do crescimento a 12 meses na
base monetária M1 ( t1M ) e variação a 12 meses no preço do petróleo ( tPrPetr ). É
do interesse do presente trabalho avaliar se o yield spread contem maiores
informações que outras variáveis sobre as condições econômicas reais futuras.
Finalmente, para avaliar o efeito do rendimento das bolsas de valores na
previsão do crescimento econômico real futuro, também é considerada na equação o
retorno do índice do mercado acionário em dois períodos (no mês atual contra o mês
anterior - M
tRetAc - e no mês atual contra o mesmo mês do ano anterior - A
tRetAc ),
tudo em tempo t.
Os dados coletados e suas respectivas fontes em parênteses são os seguintes:
Série histórica do índice de produção industrial desazonalizado para Brasil,
Índia, México e Rússia (IFS)
Série histórica do retorno dos principais índices de bolsa das nações em
questão (retorno de 1 e 12 meses):
o Brasil: Ibovespa (IFS)
o Índia: BSE-SENSEX 30 (IFS)
20
o México: IPyC (IFS)
o Rússia: MICEX (IFS)
Série histórica mensal do yield spread das taxas de juros com diferentes
prazos utilizando como referência títulos públicos com taxa de juros pré-
fixados em moeda nacional ou os swaps de taxa de juro pré-fixado (% a.a.),
conforme a disponibilidade dos dados de cada país:
o Brasil: Taxa referencial swap DI pré-fixada de 90, 360, e 1800 dias
(BM&FBovespa)
o Índia: T-Bill de 91 e 364 dias e taxas das obrigações governamentais
CG de 5 anos (Reserve Bank of India)
o México: CETES de 91 e 364 dias e Bonos taxa fixa de 3 anos (Banco
de Mexico)
o Rússia: Rendimentos cupom zero das obrigações governamentais de
0,25 e 10 anos (IFS)
Série histórica mensal da variação a 12 meses na base monetária M1 (IFS)
para as nações analisadas
Série histórica mensal do índice global de preços spot do petróleo (IFS) para
as nações analisadas.
4. RESULTADOS
4.1. Brasil
A Tabela 1 mostra os resultados do modelo de regressão para verificar o
poder preditivo das variáveis financeiras no Brasil de 2000 a 2011. As variáveis de
yield spread de médio prazo possuem significância estatística a 1% no horizonte de
tempo de 6 meses. Os resultados indicam que, para este horizonte de tempo
específico, a mensuração da curva de rendimento explica parte das variações no
crescimento econômico. Os retornos do mercado acionário (no último ano)
apresentaram significância estatística entre 1% e 5% para os horizontes de tempo a
1, 12 e 24 meses.
21
Tabela 1: Modelo de Crescimento no Índice da Produção Industrial no Brasil
Modelos de regressão em que a variável dependente é a variação futura do índice da produção industrial no Brasil de 2000 a 2011. Os coeficientes e o valor-p (em parênteses) estão reportados. ***, ** e * indicam significância estatística a 1%, 5% e 10%, respectivamente.
Painel A: Previsão 1 Mês a Frente
I II II IV V VI VII
0b 1,56 1,27 1,91 2,26 1,06 -0,80 -0,86
(0,11) (0,16) (0,42) (0,33) (0,64) (0,74) (0,72)
tdMYieldSprea -0,42 -0,38 0,36 0,65
(0,45) (0,54) (0,57) (0,32)
tdLYieldSprea 0,00 0,00 0,00 0,00
(0,95) (0,98) (0,49) (0,40)
M
tRetAc 0,87 0,69
(0,00)*** (0,03)**
A
tRetAc 0,32 0,26
(0,00)*** (0,01)**
1
1CrescIPt 0,11 0,10 0,08 0,03 0,02
(0,23) (0,23) (0,37) (0,77) (0,84)
t1M -0,07 -0,17 -0,04 0,13 0,08
(0,86) (0,63) (0,90) (0,74) (0,84)
tPrPetr -0,01 -0,01 0,00 -0,20 -0,15
(0,85) (0,92) (0,96) (0,03)** (0,10)*
R2 Ajustado 0,00 0,00 0,00 0,00 0,04 0,05 0,07
Painel B: Previsão 6 Meses a Frente
I II II IV V VI VII
0b 1,86 1,26 0,35 0,67 0,58 0,25 0,25
(0,00)*** (0,00)*** (0,51) (0,21) (0,28) (0,66) (0,67)
tdMYieldSprea -0,85 -0,41 -0,40 -0,39
(0,00)*** (0,00)*** (0,00)*** (0,01)***
tdLYieldSprea 0,00 0,00 0,00 0,00
(0,77) (0,47) (0,34) (0,32)
M
tRetAc 0,08 0,04
(0,27) (0,63)
A
tRetAc 0,01 0,01
(0,66) (0,71)
1
1CrescIPt 0,74 0,77 0,75 0,73 0,72
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
t1M 0,10 -0,01 0,00 0,11 0,11
(0,25) (0,87) (0,99) (0,22) (0,23)
tPrPetr -0,07 -0,06 -0,06 -0,08 -0,08
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
R2 Ajustado 0,10 0,00 0,74 0,73 0,73 0,74 0,74
22
Painel C: Previsão 12 Meses a Frente
I II II IV V VI VII
0b 1,56 1,20 0,64 0,68 0,67 0,87 0,87
(0,00)*** (0,00)*** (0,03)** (0,02)** (0,03)** (0,01)** (0,01)**
tdMYieldSprea -0,49 -0,05 -0,10 -0,10
(0,00)*** (0,49) (0,20) (0,20)
tdLYieldSprea 0,00 0,00 0,00 0,00
(0,73) (0,48) (0,91) (0,92)
M
tRetAc -0,02 0,00
(0,66) (0,94)
A
tRetAc -0,03 -0,03
(0,02)** (0,03)**
1
1CrescIPt 0,79 0,80 0,81 0,83 0,83
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
t1M -0,04 -0,05 -0,05 -0,06 -0,06
(0,43) (0,23) (0,24) (0,19) (0,19)
tPrPetr -0,03 -0,03 -0,02 -0,01 -0,01
(0,00) (0,00) (0,01) (0,66) (0,66)
R2 Ajustado 0,08 0,00 0,82 0,82 0,82 0,82 0,82
Painel D: Previsão 24 Meses a Frente
I II III IV V VI VII
0b 1,31 1,26 0,51 0,46 0,48 0,70 0,68
(0,00)*** (0,00)*** (0,02)** (0,02)** (0,02)** (0,00)*** (0,00)***
tdMYieldSprea -0,08 0,03 -0,01 -0,02
(0,31) (0,46) (0,73) (0,64)
tdLYieldSprea 0,00 0,00 0,00 0,00
(0,51) (0,94) (0,61) (0,57)
M
tRetAc -0,03 -0,01
(0,15) (0,57)
A
tRetAc -0,02 -0,02
(0,01)** (0,02)**
1
1CrescIPt 0,84 0,84 0,85 0,82 0,83
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
t1M -0,05 -0,04 -0,04 -0,06 -0,06
(0,11) (0,16) (0,13) (0,04)** (0,05)*
tPrPetr 0,00 0,00 0,00 0,01 0,01
(0,40) (0,30) (0,31) (0,27) (0,34)
R2 Ajustado 0,00 0,00 0,79 0,79 0,79 0,80 0,80
23
4.2. Índia
A Tabela 2 mostra os resultados do modelo de regressão para verificar o
poder preditivo das variáveis financeiras na Índia de 1996 a 2011. As variáveis de
yield spread possuem significância estatística a 1% (yield spread de 1 ano) e entre 1
e 10% (yield spread de 3 anos) para os horizontes de tempo de 12 e 24 meses.
Adicionalmente, os retornos do BSESN possuem significância entre 1% e 10% no
horizonte de tempo de 12 meses. Portanto, os resultados indicam que os yield
spreads explicam parte das variações no crescimento econômica na Índia no
horizonte de tempo de um e dois anos. Os retornos do mercado acionário também
chegam a explicar parte dessa variação no horizonte de tempo a 24 meses.
Tabela 2: Modelo de Crescimento no Índice da Produção Industrial na Índia
Modelos de regressão em que a variável dependente é a variação futura do índice da produção industrial na Índia de 1996 a 2011. Os coeficientes e o valor-p (em parênteses) estão reportados. ***, ** e * indicam significância estatística a 1%, 5% e 10%, respectivamente.
Painel A: Previsão 1 Mês a Frente
I II II IV V VI VII
0b 4,46 -1,27 3,86 -2,09 -1,79 3,37 2,37
(0,12) (0,90) (0,22) (0,84) (0,85) (0,78) (0,85)
tdMYieldSprea -1,24 -0,91 -2,49 -2,15
(0,57) (0,64) (0,60) (0,65)
tdLYieldSprea -0,29 -0,29 0,88 0,71
(0,83) (0,81) (0,76) (0,81)
M
tRetAc 0,70 0,59
(0,25) (0,37)
A
tRetAc 0,17 0,09
(0,46) (0,70)
1
1CrescIPt -0,52 -0,52 -0,52 -0,52 -0,52
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
t1M 1,21 1,30 1,11 0,30 0,46
(0,46) (0,43) (0,49) (0,88) (0,82)
tPrPetr -0,06 -0,06 -0,04 -0,10 -0,06
(0,68) (0,65) (0,74) (0,53) (0,69)
R2 Ajustado 0,00 0,27 0,00 0,24 0,24 0,23 0,23
24
Painel B: Previsão 6 Meses a Frente
I II II IV V VI VII
0b 2,99 -0,27 2,58 -0,54 0,16 -1,30 -1,31
(0,00)*** (0,91) (0,00)*** (0,82) (0,94) (0,65) (0,65)
tdMYieldSprea 0,13 0,22 -0,69 -0,69
(0,80) (0,63) (0,54) (0,54)
tdLYieldSprea 0,30 0,22 0,64 0,64
(0,33) (0,42) (0,35) (0,35)
M
tRetAc -0,01 0,00
(0,93) (0,99)
A
tRetAc -0,03 -0,03
(0,58) (0,61)
1
1CrescIPt 0,49 0,48 0,49 0,48 0,48
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
t1M 0,32 0,34 0,29 0,46 0,46
(0,40) (0,37) (0,45) (0,33) (0,34)
tPrPetr -0,05 -0,04 -0,05 -0,03 -0,03
(0,13) (0,14) (0,14) (0,37) (0,38)
R2 Ajustado 0,00 0,24 0,00 0,24 0,24 0,23 0,23
Painel C: Previsão 12 Meses a Frente
I II II IV V VI VII
0b 3,49 0,74 3,29 0,40 -0,09 -0,61 -0,80
(0,00)*** (0,24) (0,00)*** (0,54) (0,88) (0,41) (0,28)
tdMYieldSprea -0,56 -0,48 -1,36 -1,29
(0,00)*** (0,00)*** (0,00)*** (0,00)***
tdLYieldSprea -0,18 -0,18 0,62 0,59
(0,05)** (0,02)** (0,00)*** (0,00)***
M
tRetAc 0,06 0,10
(0,10)* (0,01)**
A
tRetAc -0,04 -0,05
(0,01)** (0,00)***
1
1CrescIPt 0,00 0,00 -0,01 0,00 0,00
(0,30) (0,30) (0,24) (0,38) (0,28)
t1M 0,51 0,55 0,57 0,71 0,74
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
tPrPetr -0,07 -0,07 -0,07 -0,05 -0,05
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
R2 Ajustado 0,08 0,37 0,02 0,34 0,32 0,43 0,45
25
Painel D: Previsão 24 Meses a Frente
I II III IV V VI VII
0b 3,42 0,91 3,40 0,82 0,39 0,49 0,55
(0,00)*** (0,01)** (0,00)*** (0,02)** (0,19) (0,20) (0,15)
tdMYieldSprea -0,50 -0,20 -0,49 -0,51
(0,00)*** (0,00)*** (0,01)*** (0,00)***
tdLYieldSprea -0,26 -0,09 0,20 0,21
(0,00)*** (0,02)** (0,07)* (0,06)*
M
tRetAc -0,03 -0,03
(0,09)* (0,19)
A
tRetAc -0,01 -0,01
(0,11) (0,34)
1
1CrescIPt 0,68 0,71 0,75 0,65 0,66
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
t1M 0,05 0,05 0,07 0,13 0,11
(0,42) (0,43) (0,21) (0,08) (0,12)
tPrPetr -0,01 -0,01 -0,01 0,00 0,00
(0,13) (0,12) (0,18) (0,51) (0,41)
R2 Ajustado 0,18 0,59 0,13 0,58 0,58 0,60 0,60
4.3. México
A Tabela 3 mostra os resultados do modelo de regressão para verificar o
poder preditivo das variáveis financeiras no México de 2000 a 2011. No caso do
México, as variáveis de yield spread e dos retornos do mercado acionário
apresentam pouca significância estatística nos diversos horizontes de tempo. A
variável com maior relevância estatística no horizonte de tempo de 12 e 24 meses foi
a variação nos preços do petróleo, com significância entre 1% e 10%.
26
Tabela 3: Modelo de Crescimento no Índice da Produção Industrial no México
Modelos de regressão em que a variável dependente é a variação futura do índice da produção industrial no México de 2000 a 2011. Os coeficientes e o valor-p (em parênteses) estão reportados. ***, ** e * indicam significância estatística a 1%, 5% e 10%, respectivamente.
Painel A: Previsão 1 Mês a Frente
I II III IV V VI VII
0b -0,85 -9,60 0,61 -7,91 -11,63 2,66 2,34
(0,96) (0,75) (0,97) (0,79) (0,70) (0,93) (0,94)
tdMYieldSprea 2,40 2,29 32,92 33,39
(0,89) (0,87) (0,15) (0,15)
tdLYieldSprea -0,16 -5,47 -22,68 -22,67
(0,99) (0,50) (0,10)* (0,10)*
M
tRetAc 2,37 1,22
(0,52) (0,76)
A
tRetAc 1,54 1,40
(0,15) (0,23)
1
1CrescIPt -1,01 -1,01 -1,01 -1,03 -1,03
(0,00)*** (0,00)*** (0,00)*** (0,00)*** (0,00)***
t1M 0,27 1,01 0,61 -3,29 -3,29
(0,96) (0,85) (0,91) (0,58) (0,58)
tPrPetr -0,17 -0,25 -0,15 -0,92 -0,85
(0,78) (0,68) (0,80) (0,22) (0,28)
R2 Ajustado 0,00 0,49 0,00 0,49 0,49 0,49 0,49
Painel B: Previsão 6 Meses a Frente
I II II IV V VI VII
0b -1,65 -5,53 -1,44 -5,73 -5,56 -5,85 -5,78
(0,40) (0,29) (0,43) (0,27) (0,28) (0,28) (0,29)
tdMYieldSprea 1,01 0,31 0,57 0,44
(0,64) (0,90) (0,89) (0,91)
tdLYieldSprea 0,50 0,35 -0,15 -0,15
(0,71) (0,80) (0,95) (0,95)
M
tRetAc -0,05 -0,32
(0,94) (0,64)
A
tRetAc 0,16 0,19
(0,40) (0,34)
1
1CrescIPt -0,02 -0,02 -0,02 -0,02 -0,03
(0,83) (0,83) (0,83) (0,78) (0,77)
t1M 0,78 0,80 0,82 0,69 0,69
(0,41) (0,37) (0,35) (0,50) (0,50)
tPrPetr 0,00 0,00 -0,01 -0,07 -0,08
(0,97) (0,99) (0,95) (0,61) (0,54)
R2 Ajustado 0,00 0,00 0,00 0,00 0,00 0,00 0,00
27
Painel C: Previsão 12 Meses a Frente
I II II IV V VI VII
0b -0,47 -2,01 -0,43 -1,81 -2,02 -1,93 -1,97
(0,65) (0,46) (0,65) (0,50) (0,46) (0,49) (0,49)
tdMYieldSprea 0,08 -0,51 -0,13 -0,07
(0,94) (0,67) (0,95) (0,97)
tdLYieldSprea 0,01 -0,28 -0,28 -0,28
(0,98) (0,69) (0,82) (0,82)
M
tRetAc 0,16 0,12
(0,62) (0,74)
A
tRetAc 0,04 0,02
(0,70) (0,82)
1
1CrescIPt -0,01 -0,01 -0,02 -0,02 -0,02
(0,89) (0,89) (0,83) (0,86) (0,82)
t1M 0,44 0,39 0,37 0,39 0,39
(0,37) (0,40) (0,42) (0,45) (0,45)
tPrPetr -0,09 -0,09 -0,09 -0,11 -0,10
(0,08)* (0,08)* (0,09)* (0,10)* (0,14)
R2 Ajustado 0,00 0,00 0,00 0,00 0,00 0,00 0,00
Painel D: Previsão 24 Meses a Frente
I II III IV V VI VII
0b -0,24 -0,06 -0,30 -0,24 -0,08 -0,33 -0,19
(0,67) (0,97) (0,55) (0,87) (0,96) (0,82) (0,89)
tdMYieldSprea 0,29 0,63 -0,35 -0,49
(0,62) (0,32) (0,75) (0,66)
tdLYieldSprea 0,37 0,61 0,75 0,76
(0,32) (0,11) (0,27) (0,26)
M
tRetAc -0,25 -0,37
(0,14) (0,04)**
A
tRetAc 0,03 0,08
(0,52) (0,15)
1
1CrescIPt -0,08 -0,09 -0,09 -0,09 -0,11
(0,38) (0,36) (0,35) (0,36) (0,24)
t1M -0,15 -0,13 -0,06 -0,12 -0,13
(0,56) (0,60) (0,81) (0,67) (0,63)
tPrPetr 0,08 0,08 0,07 0,07 0,05
(0,01)** (0,01)** (0,02)** (0,05)** (0,15)
R2 Ajustado 0,00 0,02 0,00 0,04 0,04 0,03 0,06
28
4.4. Rússia
A Tabela 4 mostra os resultados do modelo de regressão para verificar o
poder preditivo das variáveis financeiras na Rússia de 1999 a 2010. No caso do
Rússia, as variáveis de yield spread e dos retornos do mercado acionário
apresentam não apresentam significância estatística nos diversos horizontes de
tempo. As variáveis com maior relevância estatísticas foram a variação nos preços
do petróleo (significância entre 5% e 10%) no horizonte a 6 meses e a variação na
base monetária M1 (significância entre 1% e 5%) no horizonte a 12 meses.
Tabela 3: Modelo de Crescimento no Índice da Produção Industrial no México
Modelos de regressão em que a variável dependente é a variação futura do índice da produção industrial no México de 2000 a 2011. Os coeficientes e o valor-p (em parênteses) estão reportados. ***, ** e * indicam significância estatística a 1%, 5% e 10%, respectivamente.
Painel A: Previsão 1 Mês a Frente
I II V VI VII
0b 1,69 0,36 -0,57 0,36 -0,22
(0,90) (0,99) (0,98) (0,99) (0,99)
tdLYieldSprea 0,09 0,07 0,08 0,06
(0,90) (0,91) (0,91) (0,93)
M
tRetAc 0,33 0,30
(0,89) (0,91)
A
tRetAc -0,01 -0,03
(0,99) (0,97)
1
1CrescIPt -0,49 -0,49 -0,49 -0,49
(0,00)*** (0,00)*** (0,00)*** (0,00)***
t1M 0,14 0,23 0,15 0,19
(0,95) (0,91) (0,95) (0,93)
tPrPetr 0,10 0,12 0,11 0,14
(0,89) (0,87) (0,90) (0,89)
R2 Ajustado 0,00 0,22 0,22 0,21 0,21
29
Painel B: Previsão 6 Meses a Frente
I II V VI VII
0b 0,06 -2,72 -3,47 -2,68 -2,74
(0,97) (0,48) (0,36) (0,49) (0,49)
tdLYieldSprea 0,07 0,08 0,06 0,06
(0,40) (0,40) (0,54) (0,57)
M
tRetAc 0,18 0,03
(0,60) (0,93)
A
tRetAc 0,08 0,08
(0,45) (0,48)
1
1CrescIPt -0,02 -0,01 -0,02 -0,02
(0,83) (0,88) (0,78) (0,78)
t1M 0,33 0,42 0,29 0,30
(0,27) (0,14) (0,34) (0,34)
tPrPetr -0,22 -0,20 -0,28 -0,27
(0,05)* (0,07)* (0,04)** (0,05)*
R2 Ajustado 0,00 0,01 0,00 0,00 0,00
Painel C: Previsão 24 Meses a Frente
I II V VI VII
0b 0,70 -4,05 -4,25 -4,03 -4,20
(0,42) (0,04)** (0,03)** (0,04)** (0,04)**
tdLYieldSprea 0,05 0,01 0,01 0,00
(0,25) (0,82) (0,87) (0,95)
M
tRetAc 0,09 0,08
(0,59) (0,66)
A
tRetAc 0,01 0,00
(0,83) (0,93)
1
1CrescIPt -0,02 -0,02 -0,02 -0,02
(0,81) (0,80) (0,82) (0,81)
t1M 0,42 0,44 0,42 0,43
(0,01)** (0,00)*** (0,01)** (0,01)**
tPrPetr -0,05 -0,05 -0,06 -0,05
(0,36) (0,38) (0,38) (0,44)
R2 Ajustado 0,00 0,04 0,04 0,03 0,03
30
Painel D: Previsão 6 Meses a Frente
I II V VI VII
0b 1,03 -1,64 -1,94 -0,82 -1,30
(0,05)** (0,47) (0,35) (0,72) (0,58)
tdLYieldSprea 0,03 0,01 0,00 -0,01
(0,25) (0,67) (0,89) (0,81)
M
tRetAc 0,21 0,18
(0,05)* (0,11)
A
tRetAc 0,05 0,04
(0,11) (0,20)
1
1CrescIPt 0,15 0,07 0,11 0,04
(0,11) (0,51) (0,26) (0,67)
t1M 0,20 0,22 0,12 0,16
(0,20) (0,11) (0,45) (0,33)
tPrPetr -0,03 -0,02 -0,06 -0,05
(0,50) (0,52) (0,16) (0,24)
R2 Ajustado 0,00 0,03 0,06 0,04 0,06
5. CONCLUSÕES
O objetivo deste trabalho é tentar mesurar as informações contidas nos
mercados financeiros na previsão da atividade econômica para um grupo de
economias emergentes (Brasil, Índia, México e Rússia). O modelo desenvolvido
neste trabalho estima a variação do índice de produção industrial em função da
curva de rendimento da taxa de juros esperados, via títulos públicos e/ou derivativos,
e os retornos dos índices acionários.
Os resultados apresentados sugerem que o mercado de renda fixa ou swaps
revelam informações sobre o crescimento econômico futuro para o Brasil e a Índia
em horizontes de tempo específicos. Essa relação é particularmente significativa
para o Brasil (yield spread de 1 ano baseado nas taxas referenciais do mercado de
swaps DI pré-fixados) no horizonte de tempo a 6 meses e para a Índia (yield spread
de 1 e 5 anos baseado nos títulos públicos) no horizonte de tempo de 12 e 24
meses. No Brasil, o mercado acionário revela informações tem relação com o
crescimento econômico nos horizontes de 1, 12 e 24 meses. Na Índia, tanto o yield
spread como o retorno acionário possuem poder preditivo no horizonte de 12 meses.
31
Por último, o yield spread e o mercado acionário não foram significativos na previsão
do crescimento econômico futuro no México e Rússia.
A falta de séries históricas de yield spreads e retornos acionários em
mercados emergentes impossibilitou por muitos anos o estudo dessas variáveis
como possíveis indicadores de tendência para o crescimento real da economia no
curto prazo. O recente aprimoramento nos métodos de divulgação de dados
estatísticos e financeiros em mercados emergentes, assim como o amadurecimento
dos seus mercados de capitais, permitem finalmente a aplicação de modelos de
previsão da atividade real similares aos desenvolvidos neste trabalho. Na medida
que os horizontes de tempo das séries históricas aumentem, a robustez dos
modelos de estimação poderão ser testados com maior nível de confiança
estatística.
O presente trabalho explorou os primeiros indícios de uma possível
correspondência entre as variáveis disponíveis nos mercados financeiros e a
produção industrial para mercados emergentes. Os resultados incentivam a
discussão e sinalizam o desenvolvimento dos mercados de capitais em algumas das
nações estudadas. No futuro, a curva de rendimento da taxa de juros para mercados
emergentes pode chegar a ser considerado um indicador de tendência da atividade
econômica real, variável já utilizada em nações industrializadas. Essa variável, de
fácil compreensão pelos agentes econômicos, poderia se tornar mais uma
ferramenta de análise para os tomadores de decisões. Essa possibilidade se
concretizará no futuro com o aprofundamento da evidência empírica fundamentada
no aumento dos elementos das séries históricas.
Como sugestões que ficam para posteriores desenvolvimentos, o primeiro
ponto que merece atenção é a questão de prolongar os horizontes de tempo das
séries históricas utilizadas no modelo de estimação. Um vez que horizontes maiores
se tornem disponíveis, a robustez estatística dos modelos poderá ser testada com
maior profundidade. Outra sugestão seria aumentar o escopo de análise para
considerar a inclusão de outras economias emergentes, condicionado à
disponibilidade de informações financeiras agregadas. Desta forma, futuras
pesquisas enriquecerão as observações apresentadas no presente trabalho.
32
6. REFERÊNCIAS BIBLIOGRÁFICAS
ANDERSON, H.; VAHID, F. Predicting the probability of a recession with nonlinear
autoregressive leading indicator models. Macroeconomic Dynamics, v. 5, p. 482-
505, 2001.
ARNWINE, N. The Fisher Equation and Output Growth. Departmental Working
Papers, v. 0408, 2004.
BERNANKE, B; BLINDER, A. The Federal Funds Rate and the Channels of
Monetary Transmission. American Economic Review, v. 82, n. 4, p. 901–921,
1992.
BONSER-NEAL, C.; T. MORLEY, T. Does the Yield Spread Predict Real Economic
Activity? A Multicountry Analysis. Federal Reserve Bank Kansas City Economic
Review, v. 82, n. 3, p. 37-53. 1997.
BREEDEN, D.T. An Intertemporal Asset Pricing Model with Stochastic Consumption
and Investment Opportunities. Journal of Financial Economics, v. 7, p. 265-296,
1979.
______. Consumption, Production and Interest Rates: A Synthesis. Journal of
Financial Economics, v. 16, p. 3-39, 1986.
BREEDEN, Douglas T.; LITZENBERGER, Robert H. Prices of state-contingent
claims implicit in options prices. Journal of Business, v. 51, p. 621-652, 1978.
______. “An intertemporal asset pricing model with stochastic consumption and
investment opportunities, Journal of Financial Economics, v. 7, p. 265-296, 1979.
CAMBA-MENDEZ, Gonzalo; KAPETANIOS, George; SMITH, Richard J.; WEALE,
Martin R. An automatic leading indicator of economic activity: forecasting GDP
growth for European countries. Econometrics Journal, v. 4, n. 1, p. 1-37. 2001.
CHEN, M.; WANG, K.; YEN, M. The predictive power of the term structures of
interest rates: evidences for the developed and Asian emerging markets. Working
Paper, 2005.
DOTSEY, M. The predictive content of the interest rate term spread for future
economic growth, Federal Reserve Bank of Richmond Economic Quarterly, 84,
1998.
33
DUNN, Kenneth B.; SINGLETON, Kenneth J. Modeling the term structure of interest
rates under non-separable utility and durability of goods. Journal of Financial
Econometrics, v. 17, p. 27-56, 1986.
ESTRELLA A.; RODRIGUES, A.; SCHICH, S. How Stable is the Predictive Power of
the Yield Curve? Evidence from Germany and the United States. Review of
Economic and Statistics, v. 85, n. 3, p. 629-644, ago. 2003.
______. Why Does the Yield Curve Predict Output and Inflation? The Economic
Journal, v. 115, n. 505, p. 722-744, jul. 2005.
______.; TRUBIN, Mary R. The Yield Curve as a Leading Indicator: Some Practical
Issues. Current Issues in Economics and Finance, Federal Reserve Bank of New
York, jul. 2006.
______.; MISHKIN, F. The Predictive Power of the Term Structure of Interest Rates
in Europe and the United States: Implications for the European Central Bank.
European Economic Review, v. 41, p. 1375-1401, 1997.
______.; HARDOUVELIS, G. The Term Structure as a Predictor of Real Economic
Activity. Journal of Finance, v. 46, n. 2, p.555-576, 1991.
FAMA, Eugene F. Stock Returns, Real Activity, Inflation, and Money. American
Economic Review, v. 71, p. 545-565, 1981.
______. Term premiums and default premiums in money markets. Journal of
Financial Economics, v. 17, p. 175-198, 1986.
FISHER, Iriving. The Rate of Interest. New York: Macmilian, 1907.
HAMILTON, J.; KIM, D. A re-examination of the predictability of economic activity
using the yield spread. Journal of Money, Credit and Banking, v. 34, p. 340-60,
2002.
HANSEN, Lars P.; SINGLETON, Kenneth J. Generalized instrumental variables
estimation of nonlinear rational expectations models. Econometrica, v. 50, p. 1269-
1285, 1982.
______.; SINGLETON, Kenneth J. Stochastic consumption, risk aversion, and the
temporal behavior of asset returns. Journal of Political Economy, v. 91, p. 249-265,
1983.
HARVEY, Campbell R. Forecasts of Economic Growth from the Bond and Stock
Markets. Financial Analysts Journal, p. 38-45, 1989.
34
______. The real Term Structure and Consumption Growth. Journal of Financial
Economics, v. 22, p. 305-334, 1988.
INTERNATIONAL MONETARY FUND. Emerging Local Bond Markets. Global
Financial Stability Report, Washington D.C., set. 2002.
______. Local Securities and Derivatives Markets in Emerging Markets: Selected
Policy Issues. Global Financial Stability Report, Washington D.C., mar. 2003.
______. Global Financial Market Developments. Global Financial Stability Report,
Washington D.C., abr. 2005.
______. Structural Changes in Emerging Sovereign Debt and Implications for
Financial Stability. Global Financial Stability Report, Washington D.C., abr. 2006.
JEANNE, O.; GUSCINA, A. Government Debt in Emerging Market Countries: a New
Data Set. IMF Working Paper, No. 6/98, abr 2006.
KAUL, G. Stock Returns and Inflation; The Role of the Monetary Sector. Journal of
Financial Economics, v. 18, p. 253-276, 1987.
KESSEL, Reuben. 1965. The Cyclical Behavior of the Term Structure of Interest
Rates. NBER Books, no. kess65-1, 1965.
KOZICKI, S. Predicting Real Growth and Inflation with the Yield Spread. Federal
Reserve Bank Kansas City Economic Review, v. 82, p. 39–57, 1997.
LUCAS, Robert E., Jr. Asset prices in an exchange economy. Econometrica, v. 46,
p. 1429-1445, 1978.
MEHL, A.; REYNAUD, J. The determinants of domestic original sin in emerging
market economies. ECB Working Paper, no. 560, dec. 2005.
MISHKIN, F. What Does the Term Structure Tell Us About Future Inflation? Journal
of Monetary Economics, v. 25, p. 77-95, 1990a.
______. The Information in the Longer-Maturity Term Structure About Future
Inflation. Quarterly Journal of Economics, v. 55, p.815-828, 1990b.
PLOSSER, C.I.; ROUWENHORST, K.G. International term structures and real
economic growth. Journal of Monetary Economics, v. 33, p. 133-155, 1994.
35
RUBINESTEIN, Mark. The valuation of uncertain income streams and the pricing of
options. Bell Journal of Economics, v. 1, p. 407-425, 1976.
RÜNSTLER, Gerhard; SÉDILLOT, Franck. Short-term estimates of euro area real
GDP by means of monthly data. Working Paper Series, no. 276, European Central
Bank, 2003.
STOCK, J.; WATSON, M. Forecasting Output and Inflation: the Role of Asset Prices.
Journal of Economic Literature, v. 41, p. 788-829, set. 2003.