Benchmarks e melhores práticas da cadeia de suprimentos (Relatório)
UNIVERSIDADE FEDERAL DO CEARÁ - UFC CURSO DE PÓS-GRADUAÇÃO EM … · 2019-07-24 ·...
Transcript of UNIVERSIDADE FEDERAL DO CEARÁ - UFC CURSO DE PÓS-GRADUAÇÃO EM … · 2019-07-24 ·...
0
UNIVERSIDADE FEDERAL DO CEARÁ - UFC
CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA - CAEN MESTRADO PROFISSIONAL EM ECONOMIA - MPE
CAUÊ MÁRCIO DOS REIS
ESTRATÉGIA ATIVA NO MERCADO ACIONÁRIO BRASILEIRO: OTIMIZAÇÃO OU APOSTA NAS WINNERS?
FORTALEZA 2011
1
CAUÊ MÁRCIO DOS REIS
ESTRATÉGIA ATIVA NO MERCADO ACIONÁRIO BRASILEIRO: OTIMIZAÇÃO OU APOSTA NAS WINNERS?
Dissertação submetida à Coordenação do Curso de Pós-Graduação em Economia – Mestrado Profissional – da Universidade Federal do Ceará - UFC, como requisito parcial para a obtenção do grau de Mestre em Economia. Área de Concentração: Economia de Empresas Orientador: Prof. Dr. Paulo Rogério Faustino Matos
FORTALEZA 2011
2
CAUÊ MÁRCIO DOS REIS
ESTRATÉGIA ATIVA NO MERCADO ACIONÁRIO BRASILEIRO: OTIMIZAÇÃO OU APOSTA NAS WINNERS?
Dissertação submetida à Coordenação do Curso de Pós-Graduação em Economia – Mestrado Profissional – da Universidade Federal do Ceará - UFC, como requisito parcial para a obtenção do grau de Mestre em Economia. Área de Concentração: Economia de Empresas
Data de Aprovação: 17 de setembro de 2010.
BANCA EXAMINADORA
_____________________________________ Prof. Dr. Paulo Rogério Faustino Matos
Orientador
_____________________________________ Prof. Dr. Andrei Gomes Simonassi
Membro
_____________________________________ Dr. Éverton Chaves Correia
Membro
3
RESUMO
Este artigo analisa gráfica e quantitativamente a performance, mensurada sob várias métricas de risco-retorno, de estratégias ativas disponíveis para um investidor brasileiro que opte por compor carteiras dinâmicas de ações transacionadas na Bolsa de Valores de São Paulo. As estratégias adotadas se baseiam: (i) em “apostar” em ações que se mostraram vencedoras em Sharpe e Treynor no ano anterior, compondo carteiras equal-weighted ou (ii) em definir os pesos a partir da otimização destas duas métricas de performance, as mais usuais no mercado financeiro. Em suma, em períodos de boom econômico-financeiro, ou seja, até 2007 e durante 2009, ao lidar com o trade-off entre o uso de técnicas mais sofisticadas de composição de carteira, o investidor brasileiro teria obtido um retorno nominal acumulado bastante superior quando do uso da otimização do Índice de Sharpe – acima de 4000% entre julho de 1995 e dezembro de 2007, por exemplo –, vis-à-vis as demais estratégias e mesmo quando comparado aos maiores fundos de investimento em ações ou ainda aos benchmarks de mercado e setoriais, ao quais não ultrapassaram 2500%. Em termos de performance risco-retorno, as estratégias de aposta nas vencedoras em Sharpe ou Treynor se mostram as mais adequadas. Em períodos de crise financeira, analisando sob todas as métricas de ganho ou performance, o investidor deveria ter optado por uma postura passiva. Palavras-Chave: Mercado Acionário Brasileiro. Índices de Sharpe e de Treynor. Alocação de Ativos Financeiros. Estratégia Ativa. Otimização de Performance.
4
ABSTRACT
This paper analyzes the risk-return performance, graphically and quantitatively - measured under various metrics, of active strategies available for a Brazilian investor who chooses to compose dynamic portfolios with stocks traded in BOVEPSA, Bolsa de Valores de São Paulo. The strategies used here are based on: (i) "betting" in Sharpe and Treynor winners securities the previous year, composing an equal-weighted portfolio or (ii) optimizing these two widely used performance metrics, and the defining the weights. To summarize, in periods of economic boom - until 2007 and during 2009 - when dealing with the trade-off between using more sophisticated portfolio composition techniques, the Brazilian investor would have gotten a much higher accumulated nominal return when using the Sharpe index optimization – over 4000% between July 1995 and December 2007, for example – vis-à-vis other strategies and even when compared to larger stock mutual funds or to the market and industry benchmarks, which does not exceed 2500%. In terms of risk-return performance, the betting strategies based on Sharpe and Treynor winners are the most appropriate. In periods of financial crisis, observing any performance measure, an investor should have chosen for a passive strategy. Keywords: Brazilian Stock Market. Sharpe and Treynor Indices. Financial Asset Allocation. Active Strategy. Performance Optimization.
5
LISTA DE TABELAS
TABELA 1 - Estatísticas descritivas financeiras das 40 ações utilizadas na composição das carteiras a............................................................... 42
TABELA 2 - Estatísticas descritivas financeiras das 40 ações utilizadas na composição das carteiras a............................................................... 43
TABELA 3 - Estatísticas descritivas financeiras das 40 ações utilizadas na composição das carteiras a............................................................... 44
TABELA 4 - Estatísticas Descritivas (anos entre 1995 e 2007) a,b,c,d................... 45
TABELA 5 - Estatística descritiva: carteiras teóricas, índices de mercado e Winners (ano de 2008) a................................................................... 48
TABELA 6 - Estatística descritiva: carteiras teóricas, índices de mercado e Winners (ano de 2009) a................................................................... 48
6
LISTA DE FIGURAS
FIGURA 1 - Retorno acumulado carteiras teóricas versus IBOV e IEE a............... 46
FIGURA 2 - Retorno acumulado Carteiras Teóricas versus Fundos Winners a..... 46
FIGURA 3 - Retorno acumulado Carteiras Teóricas versus IBrX a........................ 47
FIGURA 4 - Retorno acumulado Carteiras Teóricas versus FGV 100 a................. 47
FIGURA 3 - Retorno acumulado Carteiras Teóricas versus FIA versus Índices de Mercado (ano de 2008) a............................................................... 49
FIGURA 4 - Retorno acumulado Carteiras Teóricas versus FIA versus Índices de Mercado (ano de 2009) a............................................................... 49
7
SUMÁRIO
1 INTRODUÇÃO.............................................................................................. 8
2 MERCADO ACIONÁRIO BRASILEIRO....................................................... 10
2.1 Breve Histórico............................................................................................ 10
2.2 O Mercado Acionário Brasileiro e a Última Crise Financeira.................. 12
3 LITERATURA RELACIONADA.................................................................... 13
3.1 Teoria de Carteira........................................................................................ 13
3.2 Índice de Sharpe.......................................................................................... 15
3.3 Índice de Treynor......................................................................................... 16
3.4 Estratégias Ativas de Seleção de Ações................................................... 16
3.5 Estratégias Ativas de Seleção de Ações: Estudos Aplicados no Brasil............................................................................................................. 17
3.6 Este Artigo e a Literatura............................................................................ 19
4 BASE DE DADOS......................................................................................... 20
5 CONSTRUÇÃO DAS CARTEIRAS DE AÇÕES TEÓRICAS....................... 23
6 EXERCÍCIO EMPÍRICO................................................................................ 26
6.1 Estatísticas Descritivas das Ações Individuais........................................ 26
7 RESULTADOS.............................................................................................. 31
7.1 Estatísticas Descritivas das Carteiras Teóricas vis-à-vis os Benchmarks................................................................................................. 31
7.1.1 Carteiras Teóricas......................................................................................... 31
7.1.2 Índices de Mercado....................................................................................... 32
7.1.3 Fundos Winners............................................................................................. 32
7.2 Análise Gráfica das Carteiras Teóricas vis-à-vis os Benchmarks.......... 33
8 CONCLUSÃO................................................................................................ 38
REFERÊNCIAS....................................................................................................... 40
APÊNDICES............................................................................................................ 42
8 1 INTRODUÇÃO
O consumidor, como agente econômico, após ter lidado com escolha de o
quanto de sua renda consumir ou poupar intertemporalmente, decisão comumente
abordada em modelos macroeconômicos, se depara com a questão de alocar sua
poupança dentre os diversos ativos financeiros existentes.
Neste sentido, aspectos idiossincráticos e pessoais do investidor
influenciam nesta decisão de carteira: o nível de conhecimento financeiro do
investidor, o tempo disponível para acompanhamento e rebalanceamento, o nível de
aversão ao risco e à incerteza, a capacidade de se alavancar, dentre outros.
A própria característica do valor poupado também pode ser informativa
sobre a postura a ser adotada: o destino e o horizonte do montante a ser resgatado
quando da realização das posições da aplicação e a ordem de grandeza do valor
aplicado, tendo em vista as oportunidades disponíveis, além dos custos de
transação e a indivisibilidade de ativos com altos preços unitários.
Além das características do investidor e seus recursos, aspectos comuns
a todos, porém ponderados de forma diferentes, também influenciam as decisões de
portfolio: liquidez, ganho, risco, assimetria, curtose, dentre outras métricas
informativas sobre a distribuição do retorno associado.
Neste contexto, atendo-se às mais tradicionais e acessíveis estratégias
ativas de alocação fundamentadas na Moderna Teoria de Carteira, desde seus
primórdios com Markowitz (1952), aos avanços com as métricas de performance
propostas em Treynor (1965) e Sharpe (1966), este artigo visa analisar os principais
indicadores estatísticos associados às estratégias ativas de rebalanceamento
quadrimestral de um investidor com elevado nível de conhecimento financeiro e
poupança suficiente, de forma que os custos de transação possam ser tidos como
de terceira ordem, e assim ignorados.
9
Mais especificamente, durante o período de julho de 1995 a dezembro de
2009, analisou-se graficamente e quantitativamente, através de métricas de ganho,
volatilidade, assimetria, curtose e performance risco-retorno, o desempenho de
portfolios dinâmicos compostos apenas pelas ações mais transacionadas na Bolsa
de Valores de São Paulo (Bovespa), comparando-os com benchmarks de mercado e
setoriais e com ao maiores fundos de investimento em ações no Brasil.
Adotou-se como uma estratégia mais refinada de composição de carteira
a otimização do Índice de Sharpe e do Índice de Treynor. Como estratégias ativas
mais acessíveis, a composição equal-weighted de ações winners nestas métricas de
performance.
Segundo os principais resultados observados, a estratégia de otimização
de Treynor se mostra mal sucedida quando comparada com todas as demais
independente do período analisado. Limitando-se aos períodos de boom ou de
recuperação econômica, a estratégia baseada na otimização do Índice de Sharpe
gerou os maiores ganhos acumulados, tendo sido possível transformar R$ 1,00 em
mais de R$ 45,00 entre meados de 1995 e início de 2008, valor este bem superior
ao R$ 20,00 que teriam sido gerados investindo-se no Índice da Bolsa de Valores de
São Paulo (Ibovespa).
Quando da análise de todo o período, o qual é caracterizado por booms e
crises financeiras, as estratégias equal-weighted em ações com as melhores
performances no ano anterior se mostram com maior ganho acumulado e ainda com
melhor desempenho descontado pelo risco. Em períodos de crise financeira,
qualquer uma das posturas ativas deveria ter sido fortemente evitada.
Este estudo segue a seguinte estrutura: a próxima seção aborda a
evolução do mercado acionário brasileiro, enquanto a terceira traz o referencial
teórico. Na quarta seção, detalha-se a metodologia da construção dos portfólios. Nas
duas últimas seções, tem-se a discussão dos resultados obtidos no exercício
empírico proposto e as considerações finais, respectivamente.
10 2 MERCADO ACIONÁRIO BRASILEIRO
2.1 Breve Histórico
Com um avanço lento o mercado acionário brasileiro, que na década de
60 tinha como principal investimento, ativos reais (imóveis), e um ambiente de
inflação crescente com uma lei que limitava uma remuneração máxima pela taxa de
juro de 12% ao ano, lei conhecida como Lei da Usura, começa a avançar quando em
1964, Castello Branco assume o governo e propõem grandes reformas na economia
nacional, sendo as principais: Lei nº 4.537/64, que instituiu a correção monetária,
através da criação das ORTN, a Lei nº 4.595/64, denominada lei da reforma
bancária, que reformulou todo o sistema nacional de intermediação financeira e criou
o Conselho Monetário Nacional e o Banco Central e, principalmente, a Lei nº 4.728,
de 14.04.65, primeira Lei de Mercado de Capitais, que disciplinou esse mercado e
estabeleceu medidas para seu desenvolvimento.
Em 1970, com ajuda de incentivos fiscais do Governo Federal, houve um
aumento muito rápido na demanda por ações por parte dos investidores, até que em
julho de 1971 começa uma crescente oferta de ações na bolsa assusta os
investidores fazendo com que estes investidores procurassem vender os títulos que
possuíam.
O mercado só volta apresentar uma recuperação quando em 1975 o
governo cria a Sociedades de Investimento, Decreto Lei nº 1401 para captar
recursos externos e aplicar no mercado de ações, dentre vários outros incentivos
foram criados pelo governo.
Na década de 90, com a abertura da economia brasileira há um aumento
de investidores na bolsa, inclusive investidores estrangeiros, porém há também um
número grande de investidores brasileiros investindo no mercado exterior,
principalmente no mercado financeiro americano, onde as empresas brasileiras
foram obrigadas pela SEC - Securities and Exchange Commission, órgão regulador
11 do mercado de capitais norte-americano a apresentar dados contábeis de forma
transparente na divulgação de informações.
Ainda nesta década, com a crise no mercado de ações no país o número
de companhias listadas na Bovespa caiu de 550 em 1996 para 440 em 2001 e o
volume negociado caiu de R$191 bilhões em 1997 para R$101 bilhões em 2000 e
depois para R$65 bilhões em 2001, além de ter mais empresas fechando capital do
que abrindo.
No final desta década, com a aprovação de leis que visavam proteger o
investidor e a criação do Novo Mercado estabeleceram regras que melhorariam as
divulgações de informações, nos direitos dos acionistas e na governança das
companhias, fazendo com que os investidores nacionais e internacionais voltassem
a investir sabendo que o risco corrido seria menor.
Segundo Graciosa (2007) “com a aprovação destas leis, o mercado
acionário brasileiro vem crescendo de forma acentuada a partir do final de 2003.”
Fenômeno este que aconteceu até o ano de 2007, ano em que a Bovespa
apresentou um dos maiores índices de ocorrências de IPOs, passando de 60 só
neste ano. Dentre esses 60 IPOs estão as empresas que abriram capital e as que
apenas anunciaram a abertura. Esse fato foi consagrado como o Boom dos IPOs no
mercado acionário brasileiro, o número pode não ser tão expressivo, mas quando
comparado com os períodos entre 1995 e 2003, 2004, 2005 e 2006, onde ocorreram
apenas seis, sete, nove e 28 IPOs respectivamente esse número passa a ser muito
representativo.
Em 2007, a movimentação na Bovespa bate recorde atingindo quase o
dobro em movimentações passando de R$530,8 bilhões, em 2006, para R$1,019
trilhões, em 2007. Apesar do inicio da crise no mercado americano em 2008 a
Bovespa ainda continuou aumentando o número de negociações passando para
R$1,37 trilhões. Refletindo a crise, no ano de 2009 o volume de negociações caiu
apenas R$0,7 trilhões. Esses números colocam a Bovespa como a maior bolsa de
valores da America latina e a quarta maior bolsa de valores do mundo, ficando atrás
apenas da Frankfurt, Chicago (CME) e Hong Kong. Isso até a capitalização da
12 Petrobrás, que fez com que a Bovespa passasse a segunda maior bolsa de valores
do mundo em valor de mercado.
2.2 O Mercado Acionário Brasileiro e a Última Crise Financeira
Com a crise iniciada no mercado americano, investidores estrangeiros
começaram resgatar seus títulos a fim de cobrir prejuízos nos países de origem,
acarretando quase que instantaneamente a baixa da cotação das ações brasileiras e
com isso o aumento repentino do dólar.
Como na década de 90, no governo do Fernando Henrique Cardoso, já
tinha sido implementado o PROER (Programa de Estímulo à Reestruturação e ao
Fortalecimento do Sistema Financeiro Nacional) o Brasil foi menos afetado pela
crise. Assim, está mais preparado para tais eventualidades, apoiado pelo modelo
econômico adotado pelo governo, que fez com que os impactos causados por essas
crises fossem amortecidos.
Os maiores prejuízos foram para empresas que apostaram em derivativos
de câmbio e como o governo adotou a postura de não interferir em tais apostas, não
cobrindo com dinheiro público essas perdas, estas tiveram que arcar com suas
apostas mal sucedidas.
George Soros (2008) comentou que passava-se por uma crise que desde
29 não se via e em um trecho de seu livro fala:
[...] desgraçadamente temos a idéia de fundamentalismo de livre mercado, que hoje é a ideologia dominante, e que pressupõe que os mercados se corrigem; e isso é falso porque geralmente é a intervenção das autoridades que salvam os mercados quando eles se atrapalham. Desde 1980 tivemos cinco ou seis crises: a crise bancária internacional de 1982, a falência do banco Continental Illinois em 1984 e a falência do Long-Term Capital Management em 1998, para citar três. Cada vez são as autoridades que salvam os mercados, ou organizam empresas para fazê-lo. As autoridades têm precedentes para se basear. Mas, de alguma maneira, essa idéia de que os mercados tendem ao equilíbrio e que seus desvios são aleatórios ganhou aceitação geral e todos estes instrumentos sofisticados de investimentos foram baseados nela.
13 3 LITERATURA RELACIONADA 3.1 Teoria de Carteira
A teoria de carteira pode ser definida como sendo a análise quantitativa
para a administração eficiente do risco, avaliando as compensações entre benefícios
e custos da redução do mesmo. Esta teoria abrange o problema de como fazer uma
escolha entre as alternativas financeiras a fim de maximizar as preferências
declaradas, escolha essa que envolve avaliar a compensação entre receber um
retorno esperado mais elevado e assumir um risco maior.
A Teoria do Portfólio trata da seleção de aplicações financeiras capazes de maximizar a utilidade esperada de um investido, que é medida em termos de retorno esperado e risco. Através de métodos quantitativos e dados históricos, esta teoria estima valores para o retorno esperado e o risco de diversos tipos de investimentos e, a partir de tais informações, indica como construir uma carteira condizente com a combinação risco-retorno mais apropriada para cada perfil de investidor. (MATTOS, 2000).
Segundo Oda (2000),
Markowitz propôs medidas formais para o risco de um ativo, construindo um modelo consistente que permite explicar e postular os princípios básicos envolvidos na construção de carteiras e determinar, de forma normativa, a relação existente entre risco e retorno e a percepção de utilidade do investidor.
Estudos empíricos como o de Markowitz (1952), pioneiro nos estudos
sobre diversificação, mostram evidências de que quanto maior o número de ações
que compõem uma carteira menor será o risco do portfólio (BRIGHAM; GAPENSKI;
EHRHARDT, 2001) citado por Matsumoto et al. (2005) fala que “teoricamente é
possível combinar ações que são bastante arriscadas individualmente quando
medidas por seus desvios-padrão e formar uma carteira livre de risco.” Fato esse
explicado por Brigham et al. (2001) onde diz que:
A razão pela qual as ações mantidas em carteira podem ser combinadas para formar uma carteira sem riscos, é que seus retornos movem-se contraciclicamente um em relação ao outro e a tendência de duas variáveis
14
moverem-se juntas é chamada correlação, e o coeficiente de correlação mede essa tendência.
A redução de risco em um portfólio segundo Bruni e Famá (1998) se da
pelo fato de que “enquanto o retorno de um portfólio resulta, simplesmente, da média
ponderada dos retornos dos ativos individuais, o risco do conjunto envolve, além da
análise dos riscos individuais, considerações sobre as covariâncias dos ativos,
calculadas de dois a dois ativos”.
Quando a diversificação é feita analisando a correlação entre as ações,
para diminuir o risco é interessante a buscar por ações que possuam correlação nula
ou negativa, supondo uma analise de duas ações em uma carteira e essas possuem
correlação negativa, assim quando uma ação perder o valor outra possivelmente irá
ganhar valor e vice-versa.
Sanvicente e Bellato (2004) investigam o grau de diversificação
necessário para uma carteira no mercado financeiro brasileiro, utilizando como
dados os retornos diários entre o período de 1997 e 2002, das 100 ações mais
negociadas na BOVESPA e com o método de diversificação Equal Weighted.
Apresentam resultados que mostram que o nível de diversificação no mercado
brasileiro para ser eficiente não deve ser muito grande, pois o custo de transação é
muito alto quando comparado com o dos EUA.
Uma das formas de se analisar o retorno de carteiras de mercado é
através de métricas de performance, dentre estas métricas destacam-se os índices
de Sharpe, Treynor, Sortino e o Alpha de Jensen.
O Alpha de Jensen, como todos os outros índices de retorno ajustado ao
risco, mede o ganho adicional sobre um determinado risco. Este modelo é usado
para ajustar o risco do beta, fazendo com que os portfólios mais arriscados tenham
mais segurança e tenham melhores retornos.
Como os mais tradicionais, mais conhecidos e utilizados nos meios
acadêmico e financeiro, estão os Índices de Sharpe (IS) e Treynor (IT), criados em
1966 e 1965 respectivamente. Estes índices também analisam o retorno excedente
15 sobre um determinado investimento. Estes são os mais utilizados pelo fato de que
vários estudos empíricos comprovaram sua eficácia, ao longo de mais de quatro
décadas.
Diferenciando do Índice de Sharpe apenas pela medida de risco o Índice
de Sortino, que aponta como risco apenas os retornos abaixo de uma taxa de risco,
denominada de taxa mínima de atratividade, apresenta o retorno excedente de um
portfólio com base na TMA.
3.2 Índice de Sharpe
Criado por Willian Sharpe em 1966 é o mais comum entre os índices de
retorno ajustado ao risco e um dos mais utilizados e conhecidos mundialmente no
mercado financeiro, este índice foi extraído do CAPM. Segundo Matsumoto e
Gonzalez (2005) este índice “mede a remuneração adicional obtida pela carteira
para cada unidade de risco total assumido”. Coutinho et al. (2006) falam que o índice
“é uma medida que contempla o risco total (sistemático e não-sistemático)”. Esse
índice informa se o ativo ou fundo oferece rentabilidade compatível com o risco a
que expõe o investidor.
Para Adcock et al. (2009) o IS mede a relação entre o excesso de retorno
e o desvio padrão dos retornos gerados por uma carteira para cada portfólio no
âmbito da avaliação com base em valores estimados a partir de uma amostra de
retornos diários. Segundo Castro e Baidya (2009) o IS “baseia-se na teoria de
seleção de carteira, apontando pontos na linha do mercado de capitais que
correspondem a carteiras ótimas”.
Segundo Mattos e Filho (2006):
Um resultado positivo no Índice de Sharpe significa que um determinado bem ofereceu um prêmio para o risco assumido. Se o índice for superior a 1, o prêmio oferecido foi proporcionalmente maior do que o risco assumido. Para valores entre 0 e 1, o índice indica que o prêmio oferecido foi proporcionalmente menor do que o risco assumido. Portanto, os ativos com
16
maiores Índices de Sharpe são preferíveis do que aquelas com valores mais baixos.
3.3 Índice de Treynor
Nome devido à contribuição de Jack L. Treynor (1965), esta métrica
mensura a compensação do ganho adicional relativo ao ativo livre de risco por
unidade de risco sistêmico (em vez do risco total que incorpora também o risco
idiossincrático), de mercado incorrido, sendo o mesmo capturado pelo β de
mercado, obtido quando da regressão do CAPM.
Oda (2000) em um trecho de sua pesquisa fala:
conforme demonstrou Sharpe (1964) com o CAPM, em condições de equilíbrio, a medida correta para a remuneração de risco de investimentos é o beta, pois a parcela de risco próprio de qualquer ativo pode ser eliminada por diversificação, e, portanto, não deve receber prêmio de retorno. Dessa forma, o Índice de Treynor (1965), também conhecido como prêmio por volatilidade, é calculado como a razão entre o retorno do portfólio acima da taxa livre de risco e o risco de mercado do portfólio, medido por seu beta.
Barbosa e Borges (2001) definem assim o IT: “trata-se de outro indicador
que mede o excesso de retorno por unidade de risco sistemático em vez de risco
total como no IS”. Matsumoto e Gonzalez (2005) definem o IT como a “performance
que relaciona o excesso de retorno da carteira em relação a um ativo livre de risco
com o seu risco sistemático, representado pelo Beta (β) do ativo”.
3.4 Estratégias Ativas de Seleção de Ações
Existe hoje uma vasta literatura publicada com diversas estratégias
utilizadas na seleção dos ativos de composição de carteiras. Essa sessão visa
ilustrar algumas dessas estratégias com o intuito de despertar a curiosidade do leitor
em buscar novas e melhores formas de criação de carteiras.
17
Fernandes e Santos (2001) testaram a metodologia de Leland (1999) em
seis estratégias dinâmicas em cobertura de risco com opções. A amostra foi
composta por opções sobre o Índice FTSE 100, transacionadas na LIFFE (London
International Financial Futures and Options Exchange), e os respectivos preços à
vista do Índice. Com o estudo chegaram a vários resultados positivos e negativos,
sendo interessante para este estudo ressaltar que essas estratégias utilizadas levam
a retornos e risco menores do que o índice FTSE.
Estrada (2009) discorre sobre a eficiência, ou não, da utilização da
maximização da média geométrica (GMM, Geometric mean maximization) para a
decisão dos pesos a serem investidos em ações que compõem uma carteira. Utiliza
uma base de dados com 25 ações Australianas entre o período de 1998 e 2008. Em
seu estudo utiliza como medida comparativa a maximização do Índice de Sharpe
(estratégia utilizada neste estudo) e chega a resultados que evidenciam um alto
desvio padrão chegando a 42,6% e um retorno de 15,8% para a GMM. Logo o Índice
de Sharpe gerado muito baixo, e que com a maximização do Índice de Sharpe ele
obteve um retorno não tão alto 6%, porém um risco bem menor 6,1%, gerando um
Índice de Sharpe três vezes maior do que a GMM.
3.5 Estratégias Ativas de Seleção de Ações: Estudos Aplicados no Brasil
Bueno (2002) em seu estudo criou três carteiras, sendo elas: zero, baixo e
alto yield (dividendos). O período analisado foi entre 1994 e 1999 e os resultados
relevantes a serem comentados neste estudo são os seguintes: para a carteira que
não paga dividendos o retorno é consideravelmente maior tanto em retorno médio
quanto em retorno acumulado e seu desvio padrão não tão alto quando comparado
com as outras carteiras. Com o retorno intermediário vem a carteira baixo yield e
IBOVESPA com retorno e risco muito similar e com resultados inferiores vem a
carteira com alto yield.
Caetano e Portugal (2006) investigam a eficiência do uso dos modelos
Markov como estratégia de investimento no mercado financeiro brasileiro. Para a
18 pesquisa, os autores utilizam como dados o retorno de quatro ações negociadas na
BOVESPA, sendo ela Telemar, Eletrobrás, Bradesco e Vale do Rio Doce entre o
período de 1998 e 2002. Os resultados sugerem que para as séries financeiras
estudadas inviabiliza a possibilidade de arbitragem e a obtenção de ganhos
excessivos nas compras e vendas das ações da Telemar, Bradesco, Vale do Rio
Doce e Eletrobrás.
Almeida et al. (2008) em seu estudo criam uma carteira composta por 12
ações que compõem o índice IBOVESPA, utilizando como base de dados o preço
das ações entre o período de 1995 e 2004. A métrica utilizada, proposta por
Alexander e Dimitriu (2002), foi uma estratégia de indexação dinâmica chamada de
Cointegration Based Index Traking, e para fins de comparação foi criada outra
carteira o modelo Markov. Concluem que a estratégia adotada gera resultados
superiores aos da carteira de mercado, no caso o IBOVESPA e também a carteira
criada através do modelo Markov sem aumentar o seu risco.
Matos e Castro (2010) criam dezesseis carteiras compostas por fundos de
investimentos em ação, para a seleção dos fundos foram escolhidos os 10 melhores
e os 10 piores Índices de Sharpe, de Treynor, Sortino e Calmar com o método Equal
Weighted e da mesma forma mais 20 carteiras utilizando o método Value Weighted,
onde os pesos a serem investidos são proporcionais ao patrimônio liquido do fundo.
A base de dados utilizada foi a série histórica mensal dos retornos reais e PL’s entre
o período de 1998 e 2009. Os resultados apontam valores satisfatórios para os 10
melhores fundos de todas as carteiras, tanto Equal como Value Weighted, se
tratando de retorno acumulado, retorno médio, risco e retorno ajustado ao risco. Ao
analisar-se as carteiras com piores índices, observa-se que, comparadas ao
IBOVESPA, não apresentaram resultados ruins. Embora a maioria não tenha
superado o IBOVESPA, obtiveram resultados próximos a ele.
E também como uma estratégia de seleção de ativos aplicados ao
mercado financeiro brasileiro, o presente estudo se encaixa nesta seção, aplicando
métricas simples e acessíveis, propondo ao investidor leigo mais uma opção de
investimento. Caberá a ele escolher entre otimizar ou apenas escolher as ações com
os índices Winners, a quantidade de ações, colocar o período de rebalanceamento
19 e tantos outros detalhes que podem ser ajustados de acordo com a aversão ao risco
do investidor.
3.6 Este Artigo e a Literatura
Existem inúmeras estratégias de investimentos e muitas métricas
utilizadas para a composição de carteiras. Portanto, dentre tantas métricas distintas,
é difícil para um investidor comum e até mesmo para um especialista em
investimento relacionar as melhores estratégias, devido às incertezas do mercado
financeiro. E mesmo que algumas métricas mostrem resultados bons, uma série de
questionamentos surge com o intuito de obter retornos ainda melhores. Algumas
estratégias, mencionadas no presente estudo fazem com que se pergunte: “é melhor
optar por estratégias ativas ou passivas?”, “o que fazer em um período de crise?”,
“qual a melhor forma para se investir; otimizar ou apostar nas Winners?”, “qual
métrica utilizar?”, dentre outros questionamentos.
As estratégias adotadas neste estudo visam direcionar investidores
comuns à opções de investimentos acessíveis e menos complexas, proporcionando,
através das análises feitas de acordo com as carteiras teóricas, a oportunidade
deste investidor conhecer mais sobre estratégias utilizadas no mercado financeiro
nacional e internacional.
20 4 BASE DE DADOS
Para que fosse possível a realização da estimação dos retornos dos
ativos e da comparação com os índices e fundos de mercado, fez-se necessário
uma coleta de dados ampla, oriunda de instituições financeiras e não-financeiras.
Para a captação do retorno de ativos individuais, dos índices de mercado
Índice de Energia Elétrica (IEE), Índice Brasil (IbrX) e Índice da Bolsa de Valores de
São Paulo (IBOVESPA), utilizou-se o economática.
O índice IEE é constituído pelas empresas abertas mais significativas do
setor de energia, representando uma medida do comportamento agregado deste
segmento. Para as empresas selecionadas é atribuida a metodologia Equal
Weighted, onde pesos iguais são distribuidos para todas as ações.
O índice IBrX, Índice Brasil, é um índice de preços que mede o retorno de
uma carteira teórica composta por 100 ações selecionadas entre as mais
negociadas na BOVESPA, em termos de número de negócios e volume financeiro.
Essas ações são ponderadas na carteira do índice pelo seu respectivo número de
ações disponíveis à negociação no mercado.
O indice IBOVESPA, criado em 1968, é o mais importante indicador do
desempenho médio das cotações do mercado de ações brasileiro. Esse índice
representa uma carteira de mercado composta pelos ativos que possuem um índice
de negociabilidade superior a 80%, participação, em termos de volume, nos pregões
da Bovespa superior a 0,1% e ter sido negociada em mais de 80% do total de
pregões do período, exceto aquelas que estiverem sob regime de recuperação
judicial, processo falimentar, situação especial ou sujeitas a prolongado período de
suspensão de negociação.
Foram extraídos apenas os ativos individuais com cotações diárias, que
desde julho de 1994 permaneceram sendo negociados nos pregões da Bolsa de
Valores de São Paulo (BOVESPA) até o ano de 2009, podendo ter no máximo 4045
21 observações. Dessas ações foram selecionadas as que possuíam no mínimo 3800
observações o que levou a 43 ações, dessas foram excluídas as que possuíam
menos participações nos anos de 2008 e 2009, chegando a 40 ações e 3784
observações, cujas estatísticas descritivas estão listadas na Tabela 1.
Também foram extraídos os dados da poupança, que será utilizada na
presente pesquisa como uma Proxy da taxa livre de risco. Segundo Matos e Silva
(2010):
Comumente os estudos empíricos para o Brasil incorrem no uso da taxa SELIC associada à remuneração dos títulos públicos do Tesouro Nacional, assim como retornos de operações de aquisição de títulos do governo americano de curto prazo (Treasury-Bill) travadas com futuro cambial ou ainda os índices IMA de renda fixa, cujo cálculo se baseia na evolução do valor de mercado de carteiras compostas por títulos públicos prefixados e atrelados à Taxa SELIC (LFT), ao IPCA (NTN-B) e ao IGP-M (NTN-C).
Considerando as incertezas de uma nova gestão no país não assumir o
compromisso com os títulos públicos, a maioria dos investidores serem fundos de
investimentos, uma possível crise e uma série de fatores que levariam o não
cumprimento assumido pelo governo faz com que acredite-se que este é um
investimento mais arriscado quando comparado com a poupança.
A poupança não é um investimento atraente por possuir retornos baixos,
porém este investimento é isento de imposto de renda e imposto sobre operação
financeira em aplicações até R$50.000 (até 2009), como a maioria de investimentos
nesse setor são realizados por pequenos investidores, mais de 90% dos
investimentos brasileiros, acredita-se que esta seja uma melhor Proxy para a taxa
livre de risco.
Para os índices de mercado, foram coletados todos o dados entre o
período de julho de 1994 a dezembro de 2009, exceto para o índice IBrX que foi
coletado apenas entre o período de janeiro de 1996 a dezembro de 2009, pois este
índice teve inicio do dia 28 de dezembro de 1995 atingindo 3654 observações .
Do site www.fortuna.com.br, foram extraídas as séries temporais de
cotação (end-of-day) para o índice criado pela Fundação Getulio Vargas o FGV 100,
22 criado no inicio do ano de 1996, logo os dados extraídos estão entre o período de
janeiro de 1996 a dezembro de 2009, obtendo 3649 observações.
O índice FGV100 é formado por 100 papéis de 100 empresas privadas
não-financeiras, negociadas na Bolsa de Valores de São Paulo seguindo os critérios:
Excelência Empresarial: considera a dimensão e o desempenho de
cada empresa a partir de resultados expressos em seus balanços
patrimoniais.
Liquidez em Bolsa: considera a liquidez dos papéis de cada empresa
segundo a assiduidade nos pregões e nas negociações de balcão,
número de negócios realizados e títulos transacionados, bem como o
volume de recursos movimentado.
Tipo de conteúdo: O peso de cada empresa selecionada para fazer
parte da carteira teórica do índice FGV100 é definido com base em seu
patrimônio líquido. A composição e estrutura de ponderação da carteira
são revistas e atualizadas anualmente, ou a qualquer momento, na
eventualidade de interrupção da negociação de algum dos papéis que
a integram.
Do mesmo site foram extraídos os fundos Winners, o que possuem os
maiores retornos médios, entre o período de janeiro de 1998 a dezembro de 2009 os
dados selecionados foram dados mensais, o que leva a 144 observações.
Os fundos são: Comercial Master Fundo de Investimentos em Ações, com
o código COME; Dynamo Cougar, com código DYNA; Prosper Adinvest Fundo de
Investimento em Ações, com o código PROS; Opportunity Lógica II Fundo de
Investimento em Ações, com o código OPPO e Smal Cap Valuetion IB, com o código
SMAL.
23 5 CONSTRUÇÃO DAS CARTEIRAS DE AÇÕES TEÓRICAS
Nesta sessão descrevem-se as metodologias de construção das carteiras
teóricas propostas pelo presente estudo.
Para a realização desta pesquisa serão criadas quatro carteiras teóricas
baseadas em quatro métricas distintas, baseadas em dois índices de retorno
ajustado ao risco, discorridas a seguir.
O primeiro índice a ser utilizado é o Índice de Sharpe, escolhido por ser o
mais comum entre os estudiosos e o mais utilizado na avaliação das ações por
profissionais do mercado financeiro. Este índice possui uma vantagem em termo de
cálculo, podendo ser calculado a partir de uma série temporal de qualquer ativo
financeiro, pois não necessita de informações além do retorno do ativo. Ainda
possibilita para sua otimização uma forma linear que possibilita uma forma
computacional acessível e mais robusta.
O segundo índice a ser utilizado é o Índice de Treynor, escolhido por
corrigir o risco idiossincrático apresentados pelas as ações individuais, pagando
apenas por unidade de risco sistemático assumido. Este índice também não
apresenta dificuldades de cálculos por falta de dados, sendo também calculado com
base nos retornos das ações e da carteira de mercado, apresenta em sua
otimização uma forma computacional simples.
Outras métricas além dessas podem ser utilizadas para a criação de
novas carteiras, tais como o Índice de Sortino, utilizado neste estudo apenas para
avaliar as carteiras teóricas, e o Índice de Calmar, não abordado no presente estudo.
As primeiras métricas serão utilizadas de forma similar para as duas
primeiras carteiras, com apenas uma diferença. Com base nas ações citadas na
tabela 1 serão criadas carteiras re-balanceadas de quatro em quatro meses entre o
período de Julho de 1995 a dezembro de 2009, analisando o ano anterior, no caso
começando de julho de 1994 a junho de 1995 e para o próximo de novembro de
24 1994 a outubro de 1995 e assim por diante, projeta-se para os próximos quatro
meses, gerando 45 carteiras com quatro meses e uma com apenas dois meses.
As carteiras serão re-balanceadas a cada quatro meses de acordo com o
rebalanceamento do IBOVESPA e o período analisado será apenas um ano anterior,
pois conforme os resultados obtidos por Bruni e Famá (1999) análises com maior
período gera resultados insatisfatórios quando comparados com análises com menor
período.
Para a primeira carteira teórica inicialmente calcula-se o índice de Sharpe
para as 40 ações para todos os períodos, classifica-se em ordem decrescente e
selecionam-se as 20 primeiras ações. Para essas ações é utilizado o método Equal
Weighted, ou seja, 5% investido de forma igual para cada ação.
Para a segunda carteira teórica inicialmente calcula-se o índice de
Treynor para as 40 ações para todos os períodos, classifica-se em ordem
decrescente e selecionam-se as 20 primeiras ações. Para essas ações é utilizado o
método Equal Weighted, ou seja, 5% investido de forma igual para cada ação.
Para a terceira carteira teórica inicialmente calcula-se o retorno médio
para as 40 ações para todos os períodos, classifica-se em ordem decrescente e
selecionam-se as 20 primeiras ações. Para essas ações é utilizado o método Value
Weighted, onde todas as ações possuem pesos distintos a serem investidos em
cada ação, esses valores são gerados através da otimização do índice de Sharpe.
Com o intuito de obter melhores resultados e uma maior diversificação das carteiras
foram impostas algumas restrições, a primeira que a soma dos pesos tem que ser
igual a 100% e a segunda que não pode ser investido em um único ativo mais de
50% do total.
Para a quarta carteira teórica inicialmente calcula-se o retorno médio para
as 40 ações para todos os períodos, classifica-se em ordem decrescente e
selecionam-se as 20 primeiras ações. Para essas ações é utilizado o método Value
Weighted, onde todas as ações possuem pesos distintos a serem investidos em
cada ação, esses valores são gerados através da otimização do índice de Treynor.
25 Essa otimização é realizada com a ferramenta Solver do Microsoft Office Excel, onde
os resultados dessas otimizações serão os pesos a serem investidos em cada ação.
Para o cálculo não sair da realidade e não deixar de diversificar a carteira, são
impostas duas restrições, a primeira que a soma dos pesos tem que ser igual a
100% e a segunda que não pode ser investido em um único ativo mais de 50% do
total.
26 6 EXERCÍCIO EMPÍRICO
6.1 Estatísticas Descritivas das Ações Individuais
Para que se implementem os exercícios aqui propostos, serão usados os
retornos nominais diários entre o período de julho de 1994 a dezembro de 2009,
4045 observações temporais, para as 40 ações em atividade regular durante este
período, com um mínimo de observações igual ou superior a 3800 participações nos
pregões da Bolsa de Valores de São Paulo (Bovespa), segundo a base de dados
disponível no economática, cujas principais estatísticas descritivas encontram-se na
Tabela 1, Tabela 2 e Tabela 3, composta por 11 painéis divididos pelo setor de cada
ação, sendo possível observar padrões de comportamento de métricas de média,
risco, índice de retorno ajustado ao risco, amplitude, assimetria e curtose.
Analisando o período entre 1994 e 2007 a estatística descritiva mostra os
seguintes resultados, os retornos médios oscilam, em média, aproximadamente
entre 0,10% e 0,17% ao dia. Evidenciando que o retorno médio difere de setor para
setor, tendo como setor com maior retorno médio o siderúrgico e o menor, energia e
saneamento. Para a análise de risco foram consideradas três métricas: Desvio
padrão, Beta e Semivariância cuja apresentação dos cálculos segue nas relações
(1), (2) e (3), respectivamente.
(1)
(2)
(3)
27 onde, t corresponde ao período em questão, significa o retorno nominal do ativo i
em t, é o retorno nominal da carteira de mercado em t, E(.) é o operador
esperança e RMA é retorno mínimo aceitável em t.
Considerando o desvio padrão como medida de risco tem-se que as
ações do setor industrial, em média, são as que apresentam maior risco e a ação do
setor de holdings apresenta menor risco.
Quando analisado o Beta, tem-se que as ações do setor de energia e
saneamento, em média, apresentam um beta mais próximo de 1, uma correlação
positiva com o mercado, quase proporcional. Já as ações do setor de celulose e
papel, em média, apesar de apresentarem correlação positiva com o mercado não
demonstram tanta variação quando o mercado oscila.
Tratando de Semivariância as ações do setor de energia e saneamento,
em média, apresentam um maior risco e a ação do setor de holdings apresenta o
menor risco.
Dos índices de retorno ajustado ao risco temos o índice de Sharpe,
denotado por (IS), o índice de Treynor, denotado por (IT), e do índice de Sortino,
denotado por (ISO).
Entre as medidas de avaliação de performance mais conhecida está o
Índice de Sharpe (IS). Extremamente celebrado entre os acadêmicos e praticantes
do mercado financeiro, o IS tem sido amplamente utilizado na avaliação de fundos
de investimento. Formulado por William Sharpe (1966), o IS se baseia na teoria de
seleção de carteira, apontando pontos na linha do mercado de capitais que
correspondem a carteiras ótimas e mostram o prêmio de risco pago pelo ativo em
questão.
O IS do ativo i é definido na Equação (4):
(4)
28 onde, rf é a proxy da taxa livre de risco.
No caso do Índice de Treynor, nome devido à contribuição de Jack L.
Treynor (1965), esta métrica mensura a compensação do ganho adicional relativo ao
ativo livre de risco por unidade de risco sistêmico (em vez do risco total que
incorpora também o risco idiossincrático), de mercado incorrido, sendo o mesmo
capturado pelo β de mercado, obtido quando da regressão do CAPM.
(5)
De acordo com Sortino (1994), o índice que leva seu nome difere do
Índice de Sharpe por abordar o conceito de risco denominado de Downside Risk
(DR), denominado por semivariância, representado na Equação (3), que considera
no cálculo da variância apenas as perdas financeiras, definidas a partir de um
Retorno Mínimo Aceitável (RMA).
Sortino percebeu que o desvio padrão media tão somente o risco de não
se atingir uma média. Porém, o mais importante seria capturar o risco de se não
atingir o ganho em relação a uma meta (RMA). Logo, o ISO define-se segundo a
Equação (6):
(6)
Quando analisadas por estes índices, as ações do setor industrial, em
média, apresentaram o maior índice de Sharpe, o que sugere que essas ações
apresentam uma melhor recompensa ao risco incorrido em tal investimento, e as
empresas do setor de holdings, em média, são as que apresentam menor
recompensa ao risco, ou seja, menor índice de Sharpe.
O resultado obtido através do índice de Treynor, segundo Gonzalez e
Matsumoto (2005) “representa o prêmio de retorno ganho por unidade de risco
sistemático assumido”. E definido por Matos e Silva (2010) como uma “métrica que
mensura a compensação do ganho adicional do ativo C relativo ao ativo livre de
29 risco por unidade de risco sistêmico de mercado incorrido, sendo o mesmo
capturado pelo beta de mercado, obtido quando da regressão do CAPM”. As ações
do setor industrial, em média, apresentam o maior índice de Treynor, logo
apresentam um prêmio de retorno maior por unidade de risco sistemático assumido,
e ao contraio estão as ações do setor de holding.
Observando pelo índice de Sortino, definido por Matos e Silva (2010)
como a “métrica de performance que oferece um valor para a compensação do
ganho adicional relativo a um benchmark minimamente atrativo por unidade de risco
assimétrica, a qual penaliza apenas desvios abaixo da média ou do referencial
definido”, tem-se que as ações do setor de industrial apresentam os melhores
desempenhos e as ações do setor de holding, em média, possuem os menores
índices.
Vale ressaltar que para os cálculos a Proxy para retorno de mercado é
utilizado o Índice da Bolsa de Valores de São Paulo (Ibovespa) e para a taxa mínima
de atratividade e para a taxa livre de risco faz-se o uso da Poupança.
Observando o período da crise de 2008, Tabela 2, estas mesmas ações
apresentam as seguintes estatísticas descritivas. Analisando o retorno médio o único
setor que apresentou resultados positivos foi o de telecomunicações, logo o que
apresentou melhor resultado, oposto a este setor o de celulose e papel foi o que
obteve o menor retorno médio neste período de crise.
Quando observado o risco, medido pelo desvio padrão o setor de
mineração apresentou o maior risco e o setor de telecomunicações o menor, quando
medido pelo beta o setor siderúrgico foi o que apresentou o maior, passando de 1,2,
já o de telecomunicações, que apresentou o menor beta, não passou de 0,5. Com a
semivariância o setor de telecomunicações também apresentou o menor risco e o
setor de mineração apresentou o maior.
Se tratando dos índices de retorno ajustado ao risco o setor de
telecomunicações, como consequência por apresentar os menores riscos,
30 apresentou os maiores índices, e o setor industrial apresentou os piores índices,
todos negativos.
Analisando a recuperação do mercado em 2009, Tabela 3, as estatísticas
são as seguintes. Retorno médio melhor para o setor de industrial e pior para
telecomunicações, desvio padrão maior para o setor de celulose e papel e menor
para o setor de telecomunicações, beta maior para o setor siderúrgico e menor para
o setor de telecomunicações, semivariância maior para celulose e papel e menor
para telecomunicações.
O índice de Sharpe apresentou melhores resultados para o setor industrial
e pior para o setor de telecomunicações, o índice de Treynor gerou melhores
resultados para o setor de mineração e piores para o setor de petróleo e gás, já o
índice de Sortino melhor para o setor industrial e pior para o setor de
telecomunicações.
Todos os resultados podem ser observados nas tabelas encontradas no
apêndice.
31 7 RESULTADOS
7.1 Estatísticas Descritivas das Carteiras Teóricas vis-à-vis os Benchmarks
7.1.1 Carteiras Teóricas
Conforme a tabela 4, em geral, as carteiras teóricas possuem ganhos
moderados em torno de 1,69% a 2,44% ao mês, com desvio padrão entre 8,56% e
14,3% ao mês. Quando ponderado pelo � de mercado como métrica de risco
sistêmico, as carteiras apresentam uma homogeneidade pouco menor, com ordem
de grandeza entre 0,2824 e 0,7584.
A semivariância, medida que penaliza apenas desvios abaixo da média ou
do referencial definido, das carteiras teóricas variam de 5,42% a 9,09% ao mês,
valores que mostram um risco não tão elevado das carteiras teóricas.
Ainda com base na tabela 4, para a análise dos índices de retorno
ajustado ao risco foram utilizadas três métricas, Índice de Sharpe, Índice de Treynor
e Índice de Sortino. Acredita-se que com esses índices a seleção dos ativos seja
mais eficiente, o que é um dos objetivos do presente estudo é justamente verificar a
eficiência na seleção dos ativos utilizando essas duas dessas métricas.
A estatística descritiva das carteiras teóricas mostra que há alguns
indícios que comprovam a eficácia do método utilizado para seleção e diversificação
de três dos quatro índices propostos, a recompensa pelo risco incorrido nas carteiras
que utilizaram o método Equal Weighted é maior do que as demais quando
analisado pelos índices de Sharpe e Sortino, já com o índice de Treynor mostra um
retorno menor pelo risco sistemático incorrido na aplicação, mesmo assim os valores
das duas carteiras são muito próximos. Ao contrario das carteiras Equal Weighted as
carteiras Value Weighted mostram resultados distantes pelo fato do balanceamento
ser feito através de cálculos distintos. Para a carteira que utiliza o Índice de Sharpe
32 para gerar os pesos os índices são 0,234, 0,042 e 0,388 para Sharpe, Treynor e
Sortino respectivamente, valores muito próximos das carteiras Equal Weighted
diferenciando apenas no Índice de Treynor, resultado que supera as duas primeiras
carteiras em retorno ajustado ao risco.
7.1.2 Índices de Mercado
Não tão diferente das carteiras teóricas os índices mais conhecidos no
mercado financeiro apresentam um retorno médio entre 2,17% e 2,71% ao mês,
porém o risco que o investidor corre ao investir nesses índices é superior, mesmo
sendo carteiras bem diversificadas, inferior apenas no FGV100, variando entre
7,92% e 14,83% ao mês no desvio padrão, 0,7265 e 0,9943 para o beta e 4,64% e
6,51% ao mês na semivariância, com índices assumindo valores que oscilam entre
0,1729 e 0,2603 para o Índice de Sharpe, 0,0199 e 0,0284 para p Índice de Treynor
e 0,3191 e 0,4449 para o Índice de Sortino.
É interessante notar que mesmo não possuindo o maior retorno médio o
índice FGV100 é o que apresenta melhores recompensas por risco assumido e
menores riscos, independente da métrica utilizada, sendo a melhor opção de
investimento quando se trata de Índices de Mercado, podendo ser explicado pelo
fato de que a carteira é composta por 100 ações.
7.1.3 Fundos Winners
Com o retorno similar aos Índices de Mercado e carteiras teóricas, em
torno de 2,3% ao mês, os fundos de investimento em ações não apresentam bons
resultados quando se trata de risco, logo o retorno ajustado ao risco também não,
com exceção do fundo Dyna que apresentou os melhores resultados tanto em risco
como em retorno ajustado ao risco. O desvio padrão dos fundos oscilou entre 6,9% e
11,5% ao mês, o beta variou entre 0,5472 e 0,902 e a semivariância entre 3,99% e
33 5,93. Os índices para esses fundos variam entre 0,1972 e 0,287 para o Índice de
Sharpe, 0,0226 e 0,0362 para o Índice de Treynor e 0,3495 e 0,4958 para o Índice
de Sortino.
Desses cinco fundos analisados vale ressaltar o Fundo Dyna que supera,
em termo de risco e retorno ajustado ao risco, todos o índices de mercado e todas
as carteiras teóricas, exceto pelo beta.
7.2 Análise Gráfica das Carteiras Teóricas vis-à-vis os Benchmarks
De forma geral, o exercício empírico aqui proposto, busca analisar a
efetividade de carteiras e suas formas de seleção e balanceamento, visava gerar
evidencias de melhores resultados através de métricas conhecidas no mercado
financeiro e compará-las com os índices de mercado e os principais fundos de
investimentos em ativos.
As Figuras em anexo apresentam o retorno acumulado das carteiras
teóricas propostas por este estudo versus os índices de mercado e fundos Winners.
Pode-se observar que as carteiras teóricas que utilizaram o método Equal Weighted
superaram todos comparativos. Já quando observada a carteira teórica que utiliza o
método Value Weighted apenas para a carteira que foi balanceada utilizando o
Índice de Sharpe obteve bons retornos, encontrados também por Estrada (2009) que
em seu estudo mostrou que a carteira criada através da otimização apresenta
retorno e risco baixo.
As carteiras criadas através de otimizações em período de alta no
mercado financeiro apresentam bons resultados, porém quando o mercado está em
baixa os resultados apresentados são ruins, ou seja, quando utilizada as otimizações
os retornos são valores em módulo altos, em época de alta valores altamente
positivos e em queda valore altamente negativos, como mostra a estatística
descritiva apresentada na tabela 4, a carteira chega a cair em um mês o até 53,8%
e subir até 42,57%.
34
Outro ponto que vale ressaltar é por que a carteira criada através da
otimização do Índice de Treynor não apresentou resultados semelhantes ao da
carteira criada através da otimização do Índice de Sharpe. A otimização realizada
através da ferramenta Solver se referenciou nas seguintes fórmulas:
s.a., , para todos (7)
s.a., e para todos (8)
A fórmula para a maximização do Índice de Sharpe faz com que os dados
se cruzem e seus resultados não vão para solução de canto, ou seja, resultados no
limite da restrição em que o software joga pesos de 50% para duas ações e não
aproveita as 18 ações restantes, fato ocorrido quando se maximiza o Índice de
Treynor em muitas das carteiras geradas.
A carteira criada através dessa maximização apresenta resultados abaixo
dos resultados obtidos pelos índices de mercado, isso pode ter ocorrido pela falta de
robustez do software utilizado, por possuir poucas informações que dêem mais
segurança nos resultados.
É interessante notar que as carteiras Equal Weighted tiveram uma
evolução no retorno acumulado similar, isso se deve pelo fato de que a maioria das
ações que possuem o Índice de Sharpe maior, também apresentam um Índice de
Treynor maior e vice-versa.
Outro fato que chama atenção é que as carteiras Equal Weighted a partir
do ano de 2002 apresentaram comportamento similar ao comportamento do
IBOVESPA, momentos de crescimento para IBOVESPA sempre acompanhado por
crescimento das carteiras teóricas e para momentos de queda também.
Apesar de alguns índices e fundos apresentarem um melhor resultado na
estatística descritiva nenhum gerou retornos acumulados iguais ou superiores aos
35 das carteiras teóricas, exceto pela carteira criada utilizando a maximização do Índice
de Treynor que apresentou os piores resultados.
Resultados interessantes de serem abordados é o impacto que a crise no
mercado financeiro apresenta nas carteiras teóricas e sua recuperação, para isso
são realizados os cálculos da estatística descritiva das carteiras e os retornos
acumulados de cada uma delas. A tabela 5 apresenta a estatística descritiva
realizada com base nos retornos mensais no período de 2008, ano afetado pela
crise.
Bruni e Famá (1999) em seu estudo criaram uma carteira utilizando a
mesma métrica aqui proposta na otimização do Índice de Sharpe e não diferente dos
resultados aqui encontrados obteve um retorno acumulado superior ao IBOVESPA,
o rebalanceamento da carteira foi feito mensalmente. Observou também que quanto
maior o período analisado pior os resultados futuros, o teste foi feito com três
observações temporais, analisando períodos de 12, 24 e 36 meses passados, como
explicativas para o retorno futuro.
Observando a tabela 5 percebe-se o impacto negativo da crise no
mercado financeiro brasileiro e consequentemente nas carteiras teóricas aqui
propostas, observado pelo retorno médio e o risco, mostrando que em períodos
assim esta não seria a melhor alternativa de investimento. Mesmo gerando
resultados negativos as carteiras criadas neste estudo não apresentaram resultados
ruins quando comparados com os fundos de investimentos e IBOVESPA, mantendo
valores próximos, tanto em risco como em retorno. A Figura 5 mostra a evolução do
retorno acumulado neste período.
Para as carteiras utilizando o método Equal Weighted o retorno
acumulado neste período ficou próximo do IBOVESPA, apesar de apresentar um
risco pouco superior, o que não invalida a eficiência dessas carteiras, já que as
mesmas são compostas apenas por 20 ativos, o que já as torna teoricamente mais
arriscadas.
36
Quando analisadas as carteiras Value Weighted os resultados foram
piores, tanto para risco como para retorno, apenas dois fundos de investimentos
ficaram abaixo da carteira balanceada através do Índice de Sharpe, indicando que
em períodos de crise financeira essa estratégia também não apresenta bons
resultados.
Outro ponto interessante a ser observado é que a maioria das carteiras
que apresentam o Índice de Sortino superior também apresentam um retorno
acumulado mais elevado, podendo ser observado na Figura 5.
A tabela 6 apresenta a estatística descritiva do ano de 2009, período de
recuperação do mercado financeiro brasileiro.
Com base nos resultados da tabela 6, pode-se observar que apesar de
não obter retorno acumulado elevado as carteiras criadas apresentam um risco
abaixo da maioria dos comparativos descritos na mesma tabela.
Para o Fundo de Investimento em Ativos brasileiros Dinamo Cougar, cujo
código Dyna, não foi possível realizar o cálculo do Índice de Sortino, pois a
semivariância apresentou um valor nulo, por não possuir nenhum retorno abaixo da
TMA, no caso a poupança, Securato et al. (1998) em um trecho de seu trabalho
sobre a análise dos perfis de fundos de renda fixa,
O único problema apresentado por esse índice é se os retornos do fundo forem superiores aos retornos mínimos aceitáveis em todos os períodos, fazendo com que a semivariância seja igual a zero. No entanto, pode-se considerar que se os retornos dos fundos nunca estiveram abaixo do retorno mínimo aceitável, o fundo teve desempenho eficiente.
Coincidentemente as carteiras que apresentaram o maior Índice de
Sortino neste período também apresentaram um retorno acumulado maior. As
carteiras teóricas apresentaram um risco abaixo dos demais comparativos, seguido
pelo retorno médio, o que pode ter feito com que o seu retorno acumulado não
apresentasse bons resultados, o que pode ser observado na Figura 6.
37
Além das métricas aqui utilizadas, novas carteiras podem ser criadas
através da otimização ou da seleção pelo Ranking das ações com a utilização dos
índices de Sortino, Calmar e alfa de Jensen, carteiras que poderiam gerar resultados
interessantes. Além de utilizar novas métricas para a geração dos portfólios sugere-
se também que as carteiras podem ser criadas com mais ou menos dinamismo, ou
seja, seu rebalanceamento feito em períodos mensais, bimestrais, etc. Utilizando
mais ativos ou menos ativos, como forma de investigar a viabilidade de acordo com
os custos de transações na compra e venda de ativos.
38 8 CONCLUSÃO
Inicialmente o que se pode concluir é que as carteiras criadas no presente
estudo apresentaram um bom resultado, quando se analisado o retorno acumulado,
exceto pela carteira criada através da maximização do Índice de Treynor.
Como os cálculos das maximizações foram realizados através da
ferramenta Solver do MS Excel seu resultado gerado através do Índice de Treynor
não apresentou robustez, os pesos gerados pelo software levou a soluções de
canto, o que pode ser explicado pelo fato de que as informações para a realização
dos cálculos não foram suficientes ou por não haver uma relação cruzada entre os
dados na fórmula apresentada, fica aqui uma sugestão para próximas pesquisas,
realizar de outra forma a maximização do Índice de Treynor e compará-las
novamente com outras métricas.
Fato esse que não ocorreu com a maximização do Índice de Sharpe,
acredita-se que o motivo seja pelo fato dos dados se cruzarem, esse cruzamento é
realizado através da fórmula encontrada no denominador da equação: ,
onde o alfa é o peso a ser investido em cada ação e o αi = αj dificultando que o
software leve os resultados a soluções de canto.
Observa-se no estudo que mesmo com uma quantidade menor de ações
as carteiras não se apresentaram tão arriscadas, mantendo o sempre o risco
próximo do risco da maioria dos comparativos e em alguns casos inferior.
Através do calculo das carteiras Equal Weighted nota-se que ações que
possuem um Índice de Sharpe alto também possuem um Índice de Treynor alto na
maioria dos casos e que justamente por esse fato as carteiras apresentam
resultados muito próximos, o que pode ser observado nas Figuras de um a quatro
onde são apresentados o retorno acumulado dessas carteiras.
39
O período a ser investigado inicialmente seria entre 1994 e 2007, mas
para observar os efeitos da crise e pós-crise nas carteiras o período foi estendido até
2009. E uma análise destes dois períodos foi feita na seção anterior, onde os
números extraídos mostram que, em períodos que o mercado financeiro apresenta
resultados negativos, a opção de investir em qualquer uma das carteiras teóricas
proposta por este estudo não é a melhor escolha, pois estas apresentam resultados
negativos e um risco muito alto. Esses números ainda mostram que as carteiras
apresentam uma recuperação mais lenta do que os comparativos, mantendo a
mesma faixa de risco e o retorno menor.
40
REFERÊNCIAS
ADCOCK, C.; AREAL, N.; ARMADA, M.; CORTEZ, M.; OLIVEIRA, B.; SILVA, F. Does the use of downside risk-adjusted measures impact performance rankings of UK investments trusts? 6th PFN, Azores Island, 2010. ALMEIDA, Patrícia M. R.; MARTIN, Diogenes M. L.; KIMURA, Herbert; NAKAMURA, Wilson T. Construção de uma Carteira de Ações por Meio de Cointegração com a Carteira de Referência: Evidência a Partir de Ações na Bolsa de Valores de São Paulo. Revista de Economia Mackenzie, v. 6, n. 1, p. 41-65, 2008. BARBOSA, Diego M.; BORGES, Gustavo M. Cálculo do Retorno Esperado da Carteira de Mercado e do Retorno do Ativo Livre de Risco para o Brasil. Disponível em: http://www.arnaldopoggi.com/artigos.htm. Acesso em maio/2010. BRUNI, Adriano L.; FAMÁ, Rubens. Moderna Teoria de Portfólios: É Possível Captar, na Prática, os Benefícios Decorrentes da sua Utilização. Resenha da BmF, v. 1, p. 19-34, 1999. BRUNI, Adriano L.; FUENTES, Júnio; FAMÁ, Rubens. A Moderna Teoria de Portfólios e a Contribuição dos Mercados Latinos na Otimização da Relação Risco Versus Retorno de Carteiras Internacionais: Evidências Empíricas Recentes (1996-1997). In: III Semead – Seminários em Administração da FEA/USP, 1998, São Paulo. Anais... São Paulo: FEA/USP, 1998. BUENO, Artur F. Os Dividendos como Estratégia de Investimentos em Ações, Revista Contabilidade & Finanças, USP, São Paulo, n. 28, p. 39-55, 2002. CAETANO, Sidney M.; PORTUGAL, Marcelo S. Estratégias de Investimentos em Ativos Financeiros: Encontrando a Hora Certa da Mudança de Posição. Tese de doutorado, UNISUL, Santa Catarina, 2006. COUTINHO, Eduardo S.; AMARAL, Hudson F.; BERTUCCI, Luiz A. O Impacto da Estrutura de Propriedade no Valor de Mercado de Empresas Brasileiras. RAUSP, São Paulo, v. 41, n. 2, 2006. ESTRADA, Javier. Geometric Mean Maximization: An Overlooked Portfolio Approach? 6th PFN, Azores Island, 2009.
41 FERNANDES, Ana C.; SANTOS, Carlos M. Avaliação de Estratégias de Investimento com Opções. 2001. 135f. Dissertação (Mestrado em Economia). FEP. Porto, Portugal, 2001. MATOS, Paulo R. F.; NAVE, Artur. On the stock mutual funds management expertise. Working paper Caen/UFC, 2010. MATSUMOTO, Alberto Shiguero; GONZALEZ, Ricardo A. Vale a Pena Correr Risco em Fundos de Investimentos Alavancados no Brasil? In: 5º Congresso USP Controladoria e Contabilidade, 2005, São Paulo. Anais... São Paulo: USP, 2005. MATSUMOTO, Alberto Shiguero; SANTOS, Tatiana Gargur dos; COROA, Utilan S. R. Estratégias de Investimentos: Uma Análise da Diversificação Internacional de Portfólios e a Integração dos Mercados na América Latina. In: 5º Congresso USP Controladoria e Contabilidade, 2005, São Paulo. Anais... São Paulo: USP, 2005. MATTOS, Fabio L. de. Utilização de contratos futuros agropecuários em carteira de investimentos: Uma análise de viabilidade. 2000. Dissertação de Mestrado. USP, São Paulo. 2000. MATTOS, Fabio L.; FERREIRA FILHO, Joaquim B. S. Use of Crops and Livestock Futures Contracts in Portfolios: an Analysis of Feasibility, Rev. Econ. Sociol. Rural, Brasília, v. 41, n. 1, 2003. ODA, André Luiz. Analise da persistência de performance dos fundos de ações brasileiros no período 1995 – 1998. 2000. Dissertação de Mestrado. USP, São Paulo, 2000. SANVICENTE, Antonio Z.; BELLATO, Leticia L. N. Determinação do Grau Necessário de Diversificação de uma Carteira de Ações no Mercado de Capitais Brasileiro. In: III Semead – Seminários em Administração da FEA/USP, 1998, São Paulo. Anais... São Paulo: FEA/USP, 1998. SECURATO, José Roberto; CHÁRA, Alexandre N.; SENGER, Maria C. M. Análise do Perfil dos Fundos de Renda Fixa do Mercado Brasileiro. In: III Semead – Seminários em Administração da FEA/USP, 1998, São Paulo. Anais... São Paulo: FEA/USP, 1998. SILVA, Felipe. Fundos de investimento em ações no Brasil: performance e tamanho fazem diferença? 2010. 66f. Dissertação (Mestrado em Economia). CAEN – Universidade Federal do Ceará, 2010.
42
APÊNDICES
APÊNDICE A – TABELAS 1, 2, 3 e 4 Tabela 1 - Estatísticas descritivas financeiras das 40 ações utilizadas na composição das carteiras a
Desvio Beta Semi‐var Sharpe Treynor Sortino Mín Máx Assimetria Curtose
AMBV4 0,14% 2,32% 0,51 1,54% 0,055 0,003 0,084 ‐16% 18% 0,286 7,868
CRUZ3 0,14% 2,42% 0,46 1,57% 0,036 0,002 0,060 ‐16% 22% 0,504 5,373
LAME4 0,16% 3,08% 0,48 1,94% 0,033 0,001 0,049 ‐15% 25% 0,829 5,734
SDIA4 0,12% 2,48% 0,47 1,63% 0,055 0,002 0,085 ‐22% 14% 0,156 3,887
CESP3 0,10% 3,60% 0,72 2,40% 0,052 0,002 0,080 ‐20% 28% 0,451 5,078
CESP5 0,12% 3,82% 0,96 2,51% 0,013 0,001 0,021 ‐20% 32% 0,535 4,850
CLSC6 0,09% 3,06% 0,75 2,01% 0,030 0,001 0,045 ‐19% 20% 0,495 4,339
CMIG3 0,15% 3,28% 0,88 2,18% 0,033 0,001 0,051 ‐19% 31% 0,489 6,829
CMIG4 0,12% 3,08% 1,03 2,02% 0,025 0,001 0,038 ‐24% 30% 0,746 9,591
ELET3 0,09% 3,46% 1,18 2,28% 0,028 0,001 0,043 ‐16% 33% 0,847 7,800
ELET6 0,11% 3,47% 1,22 2,25% 0,027 0,001 0,041 ‐17% 38% 1,095 11,120
LIGT3 0,04% 3,50% 0,82 2,31% 0,041 0,002 0,061 ‐23% 27% 0,592 5,958
BBAS3 0,11% 2,99% 0,66 2,02% 0,035 0,001 0,053 ‐27% 15% 0,074 4,526
BBDC3 0,15% 2,49% 0,60 1,60% 0,054 0,003 0,084 ‐15% 16% 0,473 3,639
BBDC4 0,15% 2,62% 0,77 1,71% 0,060 0,002 0,092 ‐19% 33% 0,623 10,881
ITUB4 0,16% 2,49% 0,67 1,61% 0,023 0,001 0,035 ‐15% 16% 0,361 3,291
Holding ITSA4 0,14% 2,41% 0,65 1,57% 0,027 0,001 0,042 ‐19% 19% 0,328 5,008
BOBR4 0,06% 3,36% 0,36 2,11% 0,068 0,004 0,105 ‐23% 41% 1,265 12,061
FJTA4 0,17% 3,27% 0,44 2,07% 0,050 0,004 0,079 ‐18% 30% 0,810 7,660
INEP4 0,07% 4,27% 0,83 2,73% 0,060 0,003 0,093 ‐25% 45% 1,047 9,886
KLBN4 0,12% 3,11% 0,61 1,98% 0,063 0,003 0,098 ‐14% 22% 0,856 5,261
RAPT4 0,15% 3,32% 0,51 2,11% 0,012 0,001 0,019 ‐17% 40% 0,957 9,693
PMAM4 0,08% 4,07% 0,48 2,54% 0,055 0,002 0,084 ‐23% 36% 1,290 9,626
VALE3 0,17% 2,69% 0,56 1,72% 0,058 0,002 0,090 ‐19% 35% 0,908 13,400
VALE5 0,16% 2,67% 0,78 1,67% 0,033 0,002 0,052 ‐12% 47% 1,935 30,358
ARCZ6 0,11% 2,85% 0,42 1,71% 0,047 0,003 0,074 ‐22% 55% 3,510 62,429
VCPA4 0,11% 2,65% 0,44 1,70% 0,008 0,000 0,012 ‐17% 21% 0,712 6,488
VCPA4+FIBR3 0,11% 2,65% 0,44 1,70% 0,056 0,002 0,085 ‐17% 21% 0,712 6,488
PETR3 0,18% 3,01% 0,86 1,99% 0,052 0,002 0,078 ‐20% 23% 0,238 6,803
PETR4 0,16% 2,78% 0,95 1,84% 0,017 0,001 0,027 ‐19% 24% 0,351 7,585
BRKM5 0,10% 2,80% 0,64 1,86% 0,041 0,003 0,065 ‐14% 22% 0,353 3,779
FFTL4 0,18% 2,50% 0,46 1,61% 0,044 0,002 0,067 ‐19% 23% 0,391 7,537
UNIP6 0,14% 2,94% 0,59 1,83% 0,041 0,001 0,062 ‐13% 23% 0,900 5,255
CSNA3 0,18% 2,81% 0,70 1,83% 0,034 0,001 0,053 ‐16% 17% 0,295 2,987
GGBR4 0,18% 2,87% 0,61 1,84% 0,043 0,002 0,069 ‐14% 23% 0,534 4,404
GOAU4 0,18% 2,69% 0,51 1,73% 0,043 0,002 0,065 ‐24% 24% 0,400 8,148
USIM5 0,15% 3,14% 0,87 2,07% 0,059 0,003 0,092 ‐17% 17% 0,294 2,801
BRTO4 0,11% 3,05% 0,82 2,01% 0,057 0,002 0,091 ‐15% 22% 0,373 3,688
TLPP3 0,13% 2,89% 0,81 1,90% 0,037 0,002 0,058 ‐19% 34% 0,620 10,959
TLPP4 0,11% 2,98% 0,97 1,91% 0,037 0,002 0,058 ‐19% 50% 1,881 31,991
Papel e Celulose
Setor AçõesRisco Índices Amplitude
Média
Consumo e Varejo
Energia e Saneamento
Financeiro
Industrial
Mineração
Petróleo e Gás
Petroquímico
Siderúrgico
Telecomunica‐ções
a. Painel contendo séries temporais diárias de retornos reais de 40 ativos negociados na Ibovespa.(1994.7 a 2007.12, 3522 observações)
Fonte: Elaboração do autor Nota: a Painel contendo séries temporais diárias de retornos reais de 40 ativos negociados na Ibovespa (1994.7 a 2007.12, 3522 observações)
43 Tabela 2 - Estatísticas descritivas financeiras das 40 ações utilizadas na composição das carteiras a
Desvio Beta Semi‐var Sharpe Treynor Sortino Mín Máx Assimetria Curtose
AMBV4 ‐0,03% 3,00% 0,57 1,99% ‐0,0117 ‐0,0006 ‐0,0176 ‐11,28% 11,52% 0,5068 2,0755
CRUZ3 0,04% 3,22% 0,56 2,13% 0,0116 0,0007 0,0175 ‐9,93% 13,21% 0,4431 1,6792
LAME4 ‐0,23% 4,85% 1,19 3,21% ‐0,0490 ‐0,0020 ‐0,0739 ‐15,97% 28,04% 1,1480 6,1909
SDIA4 ‐0,26% 4,42% 0,82 3,53% ‐0,0607 ‐0,0033 ‐0,0761 ‐35,48% 15,12% ‐1,8471 15,8809
CESP3 ‐0,35% 4,51% 0,76 3,40% ‐0,0779 ‐0,0046 ‐0,1034 ‐19,09% 16,96% ‐0,2443 3,6413
CESP5 ‐0,20% 4,73% 0,53 3,39% ‐0,0445 ‐0,0039 ‐0,0620 ‐22,29% 28,71% 0,4389 10,3936
CLSC6 ‐0,04% 2,44% 0,50 1,71% ‐0,0186 ‐0,0009 ‐0,0264 ‐10,37% 9,24% 0,1202 2,9521
CMIG3 ‐0,05% 2,81% 0,50 2,04% ‐0,0184 ‐0,0010 ‐0,0253 ‐14,17% 12,36% ‐0,2836 3,8719
CMIG4 0,06% 2,92% 0,60 1,97% 0,0186 0,0009 0,0275 ‐12,18% 11,56% 0,2366 2,4403
ELET3 0,10% 3,57% 0,73 2,24% 0,0259 0,0013 0,0414 ‐15,06% 14,75% 0,7683 3,7582
ELET6 0,10% 3,37% 0,71 2,12% 0,0274 0,0013 0,0436 ‐12,55% 13,16% 0,6704 2,3781
LIGT3 0,00% 3,30% 0,67 2,25% ‐0,0024 ‐0,0001 ‐0,0035 ‐11,45% 14,32% 0,3123 1,5173
BBAS3 ‐0,17% 4,31% 1,11 2,93% ‐0,0398 ‐0,0015 ‐0,0585 ‐15,37% 20,71% 0,5823 3,2757
BBDC3 ‐0,13% 3,42% 0,87 2,31% ‐0,0388 ‐0,0015 ‐0,0575 ‐9,61% 16,72% 0,7919 3,9415
BBDC4 ‐0,11% 3,74% 1,02 2,42% ‐0,0307 ‐0,0011 ‐0,0474 ‐11,50% 22,13% 1,1703 5,8144
ITUB4 ‐0,02% 4,19% 1,09 2,63% ‐0,0072 ‐0,0003 ‐0,0114 ‐12,14% 23,37% 1,1769 5,1185
Holding ITSA4 ‐0,01% 4,14% 1,07 2,58% ‐0,0046 ‐0,0002 ‐0,0074 ‐11,55% 25,15% 1,2460 6,0423
BOBR4 ‐0,44% 2,75% 0,33 2,24% ‐0,1624 ‐0,0137 ‐0,1996 ‐13,44% 10,15% ‐0,3866 3,9273
FJTA4 ‐0,32% 3,50% 0,65 2,70% ‐0,0930 ‐0,0050 ‐0,1209 ‐17,30% 14,71% ‐0,2428 3,1120
INEP4 ‐0,31% 3,03% 0,34 2,46% ‐0,1034 ‐0,0092 ‐0,1272 ‐19,23% 11,24% ‐1,3230 9,6643
KLBN4 ‐0,18% 3,51% 0,82 2,41% ‐0,0539 ‐0,0023 ‐0,0785 ‐12,30% 18,21% 0,8631 5,6787
RAPT4 ‐0,30% 3,76% 0,74 2,85% ‐0,0822 ‐0,0041 ‐0,1084 ‐12,30% 17,92% 0,0426 3,0865
PMAM4 ‐0,32% 6,16% 0,57 4,24% ‐0,0530 ‐0,0057 ‐0,0770 ‐28,71% 29,97% 0,6488 5,5051
VALE3 ‐0,19% 4,14% 1,15 3,00% ‐0,0479 ‐0,0017 ‐0,0661 ‐18,58% 14,52% 0,0995 2,9235
VALE5 ‐0,20% 3,89% 1,11 2,84% ‐0,0524 ‐0,0018 ‐0,0717 ‐15,16% 13,39% 0,0858 2,3879
ARCZ6 ‐0,50% 4,67% 0,93 3,67% ‐0,1084 ‐0,0054 ‐0,1382 ‐24,81% 24,38% ‐0,2659 6,8012
VCPA4 ‐0,33% 4,32% 0,90 3,06% ‐0,0777 ‐0,0037 ‐0,1095 ‐13,65% 18,60% 0,5389 3,1815
VCPA4+FIBR3 ‐0,33% 4,32% 0,90 3,06% ‐0,0777 ‐0,0037 ‐0,1095 ‐13,65% 18,60% 0,5389 3,1815
PETR3 ‐0,15% 4,16% 1,10 2,96% ‐0,0368 ‐0,0014 ‐0,0518 ‐13,85% 13,77% 0,2026 1,5210
PETR4 ‐0,16% 4,01% 1,08 2,88% ‐0,0403 ‐0,0015 ‐0,0562 ‐13,76% 13,85% 0,1551 1,5619
BRKM5 ‐0,28% 3,67% 0,77 2,44% ‐0,0785 ‐0,0037 ‐0,1179 ‐11,84% 21,24% 1,3350 6,6288
FFTL4 ‐0,12% 4,14% 0,92 2,91% ‐0,0296 ‐0,0013 ‐0,0421 ‐17,41% 25,83% 0,5153 7,8201
UNIP6 ‐0,28% 2,90% 0,57 2,24% ‐0,0998 ‐0,0050 ‐0,1293 ‐12,28% 15,19% ‐0,0998 5,9048
CSNA3 ‐0,10% 4,79% 1,28 3,32% ‐0,0228 ‐0,0009 ‐0,0328 ‐17,11% 21,69% 0,4877 3,3505
GGBR4 ‐0,10% 4,39% 1,21 3,09% ‐0,0239 ‐0,0009 ‐0,0340 ‐14,90% 18,40% 0,2985 2,0242
GOAU4 ‐0,10% 4,45% 1,20 3,11% ‐0,0243 ‐0,0009 ‐0,0349 ‐14,75% 19,33% 0,3260 1,9851
USIM5 ‐0,15% 4,41% 1,18 3,09% ‐0,0365 ‐0,0014 ‐0,0521 ‐14,76% 18,09% 0,3886 2,9268
BRTO4 0,01% 4,40% 0,88 3,02% 0,0015 0,0001 0,0022 ‐16,48% 23,31% 0,4111 4,1286
TLPP3 ‐0,02% 2,35% 0,26 1,65% ‐0,0100 ‐0,0009 ‐0,0142 ‐8,06% 8,54% 0,0870 2,3587
TLPP4 0,08% 2,56% 0,35 1,70% 0,0271 0,0020 0,0408 ‐6,23% 9,16% 0,3139 0,4106
Setor Ações MédiaRisco Índices Amplitude
Consumo e Varejo
Energia e Saneamento
Financeiro
Industrial
Mineração
Papel e Celulose
Petróleo e Gás
Petroquímico
Siderúrgico
Telecomunica‐ções
a. Painel contendo séries temporais diárias de retornos reais de 40 ativos negociados na Ibovespa.(2008.1 a 2008.12, 262 observações) Fonte: Elaboração do autor Nota: a Painel contendo séries temporais diárias de retornos reais de 40 ativos negociados na Ibovespa (2008.1 a 2008.12, 262 observações)
44 Tabela 3 - Estatísticas descritivas financeiras das 40 ações utilizadas na composição das carteiras a
Desvio Beta Semi‐var Sharpe Treynor Sortino Mín Máx Assimetria Curtose
AMBV4 0,24% 1,77% 0,52 1,12% 0,1332 0,0045 0,2107 ‐6,01% 5,91% ‐0,0119 1,0890
CRUZ3 0,16% 1,95% 0,43 1,22% 0,0776 0,0035 0,1244 ‐6,28% 5,85% 0,2988 0,7440
LAME4 0,38% 2,61% 0,90 1,53% 0,1450 0,0042 0,2471 ‐6,89% 10,05% 0,4853 1,0686
SDIA4 0,23% 2,35% 0,38 1,33% 0,0968 0,0060 0,1710 ‐7,12% 13,86% 1,1671 5,0500
CESP3 0,25% 1,86% 0,43 1,13% 0,1305 0,0057 0,2146 ‐5,80% 6,87% 0,3904 1,8184
CESP5 0,36% 2,64% 0,22 1,60% 0,1327 0,0162 0,2198 ‐9,26% 10,67% 0,3365 3,8382
CLSC6 0,04% 1,76% 0,37 1,23% 0,0202 0,0010 0,0291 ‐6,24% 9,06% 0,1975 2,5286
CMIG3 0,12% 1,62% 0,34 1,10% 0,0680 0,0033 0,1000 ‐4,51% 4,76% ‐0,0612 0,7521
CMIG4 0,12% 1,82% 0,43 1,23% 0,0636 0,0027 0,0940 ‐5,11% 4,88% ‐0,0745 0,3064
ELET3 0,17% 2,17% 0,50 1,34% 0,0775 0,0034 0,1252 ‐6,24% 7,34% 0,4569 0,7070
ELET6 0,15% 1,90% 0,50 1,17% 0,0735 0,0028 0,1197 ‐5,12% 8,55% 0,6533 2,1323
LIGT3 0,13% 1,80% 0,36 1,16% 0,0674 0,0034 0,1043 ‐5,90% 7,41% 0,3212 2,0507
BBAS3 0,33% 2,47% 0,89 1,57% 0,1302 0,0036 0,2046 ‐8,15% 7,72% ‐0,0147 0,9827
BBDC3 0,19% 2,07% 0,84 1,39% 0,0884 0,0022 0,1316 ‐8,56% 5,75% ‐0,2153 1,3478
BBDC4 0,22% 2,25% 0,98 1,42% 0,0946 0,0022 0,1501 ‐6,04% 10,18% 0,3967 1,6313
ITUB4 0,23% 2,55% 1,11 1,62% 0,0875 0,0020 0,1381 ‐7,57% 11,03% 0,3611 2,4023
Holding ITSA4 0,24% 2,40% 1,04 1,50% 0,0976 0,0023 0,1566 ‐7,17% 9,29% 0,4054 2,3105
BOBR4 0,33% 3,04% 0,27 1,72% 0,1081 0,0121 0,1904 ‐9,56% 12,82% 0,8495 2,4812
FJTA4 0,28% 2,65% 0,59 1,42% 0,1043 0,0047 0,1952 ‐5,48% 13,52% 1,3404 4,5105
INEP4 0,47% 2,77% 0,48 1,58% 0,1677 0,0097 0,2941 ‐7,74% 9,43% 0,4932 1,6861
KLBN4 0,25% 3,18% 1,05 2,06% 0,0756 0,0023 0,1165 ‐8,49% 9,72% 0,1605 0,6517
RAPT4 0,40% 2,55% 0,62 1,48% 0,1546 0,0063 0,2677 ‐7,10% 12,97% 0,5780 2,2481
PMAM4 0,49% 4,88% 0,14 2,85% 0,0992 0,0346 0,1696 ‐20,50% 23,00% 0,7563 5,2286
VALE3 0,27% 2,84% 1,33 1,78% 0,0940 0,0020 0,1499 ‐7,97% 10,86% 0,4372 1,8848
VALE5 0,26% 2,58% 1,22 1,61% 0,0994 0,0021 0,1598 ‐7,26% 9,69% 0,4834 2,0685
ARCZ6 0,21% 3,67% 0,98 2,43% 0,0561 0,0021 0,0849 ‐12,77% 13,57% 0,1477 2,3540
VCPA4 0,20% 3,40% 0,82 2,19% 0,0571 0,0024 0,0888 ‐11,18% 12,03% 0,3518 2,7469
VCPA4+FIBR3 0,34% 3,82% 1,10 2,45% 0,0862 0,0030 0,1347 ‐11,18% 12,03% 0,1866 0,9795
PETR3 0,20% 2,29% 1,05 1,42% 0,0830 0,0018 0,1333 ‐7,31% 8,62% 0,4807 1,9124
PETR4 0,22% 2,07% 0,97 1,27% 0,1014 0,0022 0,1650 ‐6,50% 7,44% 0,4014 1,4131
BRKM5 0,40% 2,97% 0,81 1,73% 0,1332 0,0049 0,2280 ‐6,69% 10,71% 0,4687 0,4770
FFTL4 0,20% 3,08% 0,98 2,02% 0,0620 0,0020 0,0945 ‐8,20% 8,62% 0,1451 0,0818
UNIP6 0,26% 2,46% 0,40 1,42% 0,1043 0,0065 0,1807 ‐6,45% 15,05% 1,1144 5,2042
CSNA3 0,32% 2,77% 1,24 1,69% 0,1129 0,0025 0,1851 ‐7,21% 9,38% 0,3662 1,0978
GGBR4 0,30% 2,99% 1,33 1,91% 0,0991 0,0022 0,1554 ‐8,80% 8,92% 0,1150 0,3157
GOAU4 0,26% 3,00% 1,31 1,93% 0,0858 0,0020 0,1331 ‐8,09% 10,38% 0,1529 0,5739
USIM5 0,29% 2,77% 1,12 1,75% 0,1031 0,0025 0,1628 ‐6,45% 8,26% 0,1852 0,1638
BRTO4 0,11% 2,44% 0,82 1,63% 0,0421 0,0013 0,0629 ‐6,69% 6,66% 0,0848 0,2632
TLPP3 0,05% 1,31% 0,09 0,92% 0,0334 0,0051 0,0476 ‐4,99% 3,67% ‐0,2419 1,2456
TLPP4 0,02% 1,37% 0,17 0,95% 0,0102 0,0008 0,0147 ‐3,62% 5,84% 0,2051 1,0755
Setor Ações MédiaRisco Índices Amplitude
Consumo e Varejo
Energia e Saneamento
Financeiro
Industrial
Mineração
a. Painel contendo séries temporais diárias de retornos reais de 40 ativos negociados na Ibovespa.(2009.1 a 2009.12, 261 observações)
Papel e Celulose
Petróleo e Gás
Petroquímico
Siderúrgico
Telecomunica‐ções
Fonte: Elaboração do autor Nota: a Painel contendo séries temporais diárias de retornos reais de 40 ativos negociados na Ibovespa (2009.1 a 2009.12, 261 observações)
45 Tabela 4 - Estatísticas Descritivas (anos entre 1995 e 2007) a,b,c,d
Carteiras Média Risco Índices Amplitude Assi- metria CurtoseDesvio Beta Semi-var Sharpe Treynor Sortino Mín Máx
Carteiras Teóricas
S_Equal 2,44% 8,69% 0,7584 5,57% 0,2582 0,0296 0,4033 -30,64% 30,56% -0,6707 2,2996T_Equal 2,41% 8,56% 0,7421 5,42% 0,2596 0,0299 0,4101 -30,64% 26,52% -0,6251 1,8010S_Solver 2,30% 8,98% 0,4916 5,42% 0,2344 0,0428 0,3884 -36,77% 37,48% -0,1508 3,0161T_Solver 1,69% 14,30% 0,2824 9,09% 0,1048 0,0531 0,1650 -53,80% 42,57% 0,0319 1,2965
Índices de
Mercado
IBOV 2,17% 9,41% 0,9943 6,20% 0,2101 0,0199 0,3191 -39,55% 24,05% -0,7324 1,8761IBrX 2,25% 8,72% 0,8708 5,78% 0,2355 0,0236 0,3555 -38,98% 22,70% -0,9330 2,9959IEE 2,76% 14,83% 0,9166 6,51% 0,1729 0,0280 0,3936 -38,19% 150,70% 5,5437 57,2013FGV100 2,25% 7,92% 0,7265 4,64% 0,2603 0,0284 0,4449 -26,42% 28,68% -0,0819 1,3283
Fundos Winners
FIA_Pros 2,57% 11,50% 0,8787 5,76% 0,2063 0,0270 0,4122 -32,56% 88,29% 2,6255 21,0478FIA_Smal 2,27% 9,32% 0,8265 5,93% 0,2226 0,0251 0,3495 -39,21% 33,86% -0,4949 3,4407FIA_Oppo 2,23% 10,32% 0,9020 5,68% 0,1972 0,0226 0,3580 -21,16% 49,32% 0,7081 2,4680FIA_Come 2,21% 9,09% 0,7966 4,91% 0,2223 0,0254 0,4117 -29,08% 44,12% 0,6618 3,8748FIA_Dyna 2,17% 6,90% 0,5472 3,99% 0,2870 0,0362 0,4958 -25,00% 23,67% -0,2304 2,3184
Fonte: Elaboração do autor Notas: a O período de análise das carteiras teóricas, do IBOV e do IEE tiveram início no mês Jul/95. b O período de análise do IBrX e do FGV 100 tiveram início no mês Jan/96. c O período de análise do Fundos Winners tiveram início no mês Jan/98. d Valores gerados mensalmente.
46 APÊNDICE B – FIGURAS 1, 2, 3 e 4
0
5
10
15
20
25
30
35
40
45
50
jul‐95 jul‐96 jul‐97 jul‐98 jul‐99 jul‐00 jul‐01 jul‐02 jul‐03 jul‐04 jul‐05 jul‐06 jul‐07 jul‐08 jul‐09
Sharpe_Equal Treynor_Equal Sharpe_Solver Treynor_Solver IBOV IEE
Figura 1 - Retorno acumulado carteiras teóricas versus IBOV e IEE a
Fonte: Elaboração do autor Nota: a O gráfico representa o retorno bruto nominal acumulado diário entre o período de julho de 1995 e dezembro de 2009 das carteiras teóricas, IBOV e IEE.
0
5
10
15
20
25
30
35
40
45
jan‐98 jan‐99 jan‐00 jan‐01 jan‐02 jan‐03 jan‐04 jan‐05 jan‐06 jan‐07 jan‐08 jan‐09
Sharpe_Equal Treynor_Equal Sharpe_Solver Treynor_Solver FIA_pros FIA smal FIA oppo FIA come FIA dyna
Figura 2 - Retorno acumulado Carteiras Teóricas versus Fundos Winners a Fonte: Elaboração do autor Nota: a O gráfico representa o retorno nominal bruto acumulado mensal entre o período de janeiro de 1998 e dezembro de 2009 das carteiras teóricas e os cinco fundos de investimento em ações classificados como Winners.
47
0
10
20
30
40
50
60
70
jan‐96 jan‐97 jan‐98 jan‐99 jan‐00 jan‐01 jan‐02 jan‐03 jan‐04 jan‐05 jan‐06 jan‐07 jan‐08 jan‐09
Sharpe_Equal Treynor_Equal Sharpe_Solver Treynor_Solver IBRX
Figura 3 - Retorno acumulado Carteiras Teóricas versus IBrX a Fonte: Elaboração do autor Nota: a O gráfico representa o retorno nominal bruto acumulado diário entre o período de dezembro de 1995 e dezembro de 2009 das carteiras teóricas e IBrX.
0
10
20
30
40
50
60
jan‐96 jan‐97 jan‐98 jan‐99 jan‐00 jan‐01 jan‐02 jan‐03 jan‐04 jan‐05 jan‐06 jan‐07 jan‐08 jan‐09
Sharpe_Equal Treynor_Equal Sharpe_Solver Treynor_Solver FGV100
Figura 4 - Retorno acumulado Carteiras Teóricas versus FGV 100 a Fonte: Elaboração do autor Nota: a O gráfico representa o retorno nominal bruto acumulado diário entre o período de janeiro de 1996 e dezembro de 2009 das carteiras teóricas e FGV100.
48 APÊNDICE C – TABELAS 5 e 6 Tabela 5 - Estatística descritiva: carteiras teóricas, índices de mercado e Winners (ano de 2008) a
Carteiras Média Risco Índices Amplitude
Assimetria CurtoseDesvio Beta Semi- variância Sharpe Treynor Sortino Mín. Máx.
S_Equal -3,66% 10,91% 0,9129 9,50% -0,3537 -0,0423 -0,4063 -24,73% 10,59% -0,2556 -0,3365T_Equal -4,02% 10,34% 0,8809 9,46% -0,4077 -0,0478 -0,4455 -24,73% 10,83% -0,3577 0,0276S_Solver -4,79% 14,74% 0,9758 13,30% -0,3383 -0,0511 -0,3748 -36,77% 14,43% -0,8772 0,7255T_Solver -8,99% 21,22% 0,9377 20,08% -0,4328 -0,0979 -0,4572 -53,80% 22,79% -0,4824 0,4649IBOV -3,89% 9,54% 0,9167 9,06% -0,4276 -0,0445 -0,4500 -23,19% 8,11% -0,3701 -0,1425IBRX -3,90% 10,17% 0,9246 9,18% -0,4023 -0,0442 -0,4456 -25,11% 11,82% -0,3513 0,4032IEE -0,78% 7,32% 0,3805 5,00% -0,1327 -0,0255 -0,1941 -12,30% 9,81% 0,0946 -1,2598FGV100 -3,09% 8,14% 0,7006 7,68% -0,4037 -0,0469 -0,4279 -18,56% 8,05% -0,4147 -0,3259FIA_Pros -5,91% 10,92% 0,9025 9,76% -0,5584 -0,0676 -0,6246 -23,78% 11,13% 0,0905 -0,8953FIA_Smal -5,84% 11,42% 0,8887 10,97% -0,5279 -0,0678 -0,5494 -24,73% 10,40% -0,3091 -0,8499FIA_Oppo -3,32% 10,87% 0,8391 8,78% -0,3230 -0,0418 -0,4001 -19,93% 15,84% 0,3550 -0,8378FIA_Come -2,62% 10,18% 0,9164 8,32% -0,2762 -0,0307 -0,3380 -21,31% 13,68% -0,0447 -0,3287FIA_Dyna -3,03% 8,80% 0,6354 7,82% -0,3663 -0,0507 -0,4125 -20,48% 8,90% -0,4955 -0,1202
Fonte: Elaboração do autor Nota: a Valores gerados mensalmente.
Tabela 6 - Estatística descritiva: carteiras teóricas, índices de mercado e Winners (ano de 2009) a
Carteiras Média Risco Índices Amplitude
Assimetria CurtoseDesvio Beta Semi-variância Sharpe Treynor Sortino Mín. Máx.
S_Equal 4,33% 4,78% 0,4749 0,94% 0,8648 0,0871 4,3920 -2,00% 11,62% 0,1949 -0,9679T_Equal 4,13% 4,69% 0,4659 1,03% 0,8389 0,0845 3,8353 -2,05% 11,68% 0,1445 -0,9291S_Solver 2,12% 6,10% -0,6041 2,63% 0,3152 -0,0318 0,7309 -5,65% 14,51% 0,5686 -0,1462T_Solver 0,82% 9,05% -0,8411 5,25% 0,0693 -0,0075 0,1194 -12,80% 19,68% 0,4059 0,6157IBOV 5,40% 7,64% 0,9167 2,45% 0,6823 0,0569 2,1261 -6,29% 15,85% -0,1302 -1,2772IBRX 4,79% 5,25% 0,5698 1,22% 0,8745 0,0806 3,7515 -3,97% 13,17% 0,0198 -0,9600IEE 4,00% 3,61% 0,0884 0,35% 1,0562 0,4307 10,9476 -1,09% 12,63% 0,9821 2,3290FGV100 5,55% 6,18% 0,5715 1,36% 0,8663 0,0937 3,9375 -3,50% 19,12% 0,6341 1,0755FIA_Pros 6,25% 8,40% 0,7895 2,19% 0,7207 0,0767 2,7592 -7,46% 23,02% 0,4964 0,0943FIA_Smal 7,22% 7,86% 0,5617 0,24% 0,8946 0,1252 29,8180 -0,68% 26,81% 1,5410 2,6589FIA_Oppo 5,52% 8,16% 0,7907 2,49% 0,6527 0,0674 2,1418 -6,65% 19,21% 0,1072 -0,9838FIA_Come 4,95% 4,18% 0,4615 0,33% 1,1373 0,1030 14,2978 -1,01% 10,50% -0,0970 -1,7038FIA_Dyna 5,15% 3,53% 0,2583 - 1,4054 0,1919 - 0,69% 13,94% 1,1384 3,0671Fonte: Elaboração do autor Nota: a Valores gerados mensalmente.
49 APÊNDICE D – FIGURAS 5 e 6
0
0,2
0,4
0,6
0,8
1
1,2
1,4
dez‐07 abr‐08 ago‐08 dez‐08
S_Equal T_Equal S_Solver T_Solver ibov IBRX IEE
FGV100 pros_ret smal_ret oppo_ret come_ret dyna_ret
Figura 5 - Retorno acumulado Carteiras Teóricas versus FIA versus Índices de Mercado (ano de 2008) a Fonte: Elaboração do autor Nota: a O gráfico representa o retorno nominal bruto acumulado mensal entre o período de janeiro de 2008 e dezembro de 2008 das carteiras teóricas, IBOV, FGV100, IBrX, IEE e os cinco fundos de investimento em ações classificados como Winners.
0
0,5
1
1,5
2
2,5
dez‐08 abr‐09 ago‐09 dez‐09
S_Equal T_Equal S_Solver T_Solver ibov IBRX IEE
FGV100 pros_ret smal_ret oppo_ret come_ret dyna_ret
Figura 6 - Retorno acumulado Carteiras Teóricas versus FIA versus Índices de Mercado (ano de 2009) a Fonte: Elaboração do autor Nota: a O gráfico representa o retorno nominal bruto acumulado mensal entre o período de janeiro de 2009 e dezembro de 2009 das carteiras teóricas, IBOV, FGV100, IBrX, IEE e os cinco fundos de investimento em ações classificados como Winners.