UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE CIÊNCIAS ECONÔMICAS CENTRO DE PÓS-GRADUAÇÃO E PESQUISAS EM ADMINISTRAÇÃO TESE DE DOUTORADO Elisa Elaine Moreira Teixeira RELAÇÃO ENTRE AS EXPECTATIVAS ECONÔMICAS PUBLICADAS NO RELATÓRIO FOCUS E O RETORNO E VOLATILIDADE DAS PRINCIPAIS AÇÕES NEGOCIADAS NO BRASIL Belo Horizonte 2011 2 Elisa Elaine Moreira Teixeira RELAÇÃO ENTRE AS EXPECTATIVAS ECONÔMICAS PUBLICADAS NO RELATÓRIO FOCUS E O RETORNO E VOLATILIDADE DAS PRINCIPAIS AÇÕES NEGOCIADAS NO BRASIL Tese apresentada ao Centro de Pós-Graduação e Pesquisas em Administração da Faculdade de Ciências Econômicas da Universidade Federal de Minas Gerais, como requisito parcial à obtenção do título de Doutora em Administração. Área de Concentração - Finanças Orientador - Prof. Francisco Vidal Barbosa, Ph.D Co-orientador - Prof. Antônio Artur de Souza, Ph.D Belo Horizonte 2011 3 4 5 Ao Pedro Henrique,meu filho 6 AGRADECIMENTOS A gratidão é algo que nos faz lembrar que não estamos sozinhos. Por isso, a todos os que, direta ou indiretamente, contribuíram para a realização deste trabalho, deixo registrados os meus sinceros agradecimentos. Em especial... Ao Prof. Dr. Francisco Vidal Barbosa e ao Prof. Dr. Antônio Artur de Souza, pela disposição em orientar e co-orientar o trabalho. Aos Prof. Dr. Márcio Augusto Gonçalves, Profa Dra Patrícia Bernardes, Prof. Dr. Wanderley Ramalho e Prof. Dr. Wilson Toshiro Nakamura, por aceitarem o convite para participar da banca examinadora do projeto e da banca de defesa da tese e pelas valiosas contribuições, tanto durante a execução do trabalho, quanto nas defesas. A todos os professores do CEPEAD que, nestes quatro anos, contribuíram, de alguma forma, para a construção do conhecimento da trajetória do doutorado. A todos os funcionários do CEPEAD/UFMG, em especial, Érika, Fátima, Vera, Fernanda e Maristela, sempre atenciosas e cordiais. Ao pessoal da biblioteca da FACE, em destaque, Marialice e Mirtes. A Adriana e Nayane da copiadora, sempre prestativas. Ao pessoal do Banco Central, tão gentis em prestar esclarecimentos sobre a coleta de dados para a pesquisa. Aos colegas de doutorado, sobretudo, Flávio Rocha e Bruno pelas sugestões para o trabalho. Ao Prof. José Maria Malta Lima, pela criteriosa revisão do trabalho. Ao Emerson, meu marido, pelo carinho e paciência demonstrados em todo o percurso. A todos os meus familiares e amigos que sempre torceram para o meu sucesso, em especial, Eliel, Elisangela, Eliamar e Sirlene. E, acima de tudo, a Deus, por iluminar-me nesta árdua tarefa. 7 RESUMO Os estudos feitos sobre investimentos no mercado acionário mostram que esta é uma decisão que deve ser tomada cuidadosamente, tendo em vista o risco no qual os investidores incorrem ao optarem por investimentos em renda variável em detrimento dos investimentos em renda fixa. Nesta tese, foi analisada a relação entre as expectativas econômicas publicadas no Relatório Focus e a volatilidade e o retorno das principais ações negociadas na Bolsa de Valores de São Paulo (Bovespa), considerando-se dados de expectativa e dados macroeconômicos efetivamente observados. Utilizou-se uma amostra de 21 empresas representantes de nove setores da economia. Como vaiáveis dependentes teve-se a volatilidade e o retorno das ações. Como variáveis preditoras, além das apresentadas acima, utilizaram-se também o tamanho e o endividamento das empresas da amostra e a liquidez das ações. Foram estimados dois modelos utilizando a variável dependente volatilidade e dois modelos utilizando a variável dependente retorno, em um total de quatro modelos. Dentre os resultados encontrados, foi possível observar que, das 16 variáveis macroeconômicas estudadas, 10 não permaneceram nos modelos finais, seja por estarem altamente correlacionadas umas com as outras, seja por não se apresentarem siginificativas nos modelos obtidos. As variáveis que permaneceram nos modelos finais foram: saldo da balança comercial, taxa de juros e taxa de câmbio (nos quatro modelos obtidos); Resultado primário e PIB Industrial (em três modelos) e investimento estrangeiro (em 2 modelos). Quanto às outras variáveis, o endividamento não se mostrou significativo em nenhum dos quatro modelos, a liquidez permaneceu nos modelos de retorno e o tamanho continuou nos modelos de volatilidade. Os resultados para o saldo da balança comercial, assim como esperado, mostraram que, quanto maior esse saldo, maior o retorno das ações e menor a volatilidade. Para a taxa de juros, em relação à variável dependente retorno, os resultados foram que, ao utilizar no modelo os dados efetivamente observados, ficou evidenciado que, em momentos em que a taxa de juros é maior, os retornos são maiores, porém, quando os dados são de expectativa, essa relação é negativa, ou seja, se a expectativa é de que a taxa de juros irá subir, os retornos tendem a ser menores. Nos modelos de volatilidade, diferentemente do previsto pelas teorias, a taxa de juros também apresentou relação negativa, tanto para os dados efetivamente observados, quanto para os de expectativa, ou seja, se a taxa de juros sobe, ou se a expectativa é de que vá subir, a volatilidade tende a cair. Quanto à taxa de câmbio, ficou evidenciado que um incremento nessa taxa ou mesmo a expectativa de um incremento tende a incrementar tanto a volatilidade quanto o retorno das ações. A variável investimento estrangeiro permaneceu apenas nos modelos finais de volatilidade, com resultados contraditórios. Os resultados mostraram que, se está aumentando o investimento estrangeiro no País, a volatilidade diminui, porém, se a expectativa é de que esse investimento irá aumentar, a volatilidade aumenta. A variável resultado primário também apresentou esse mesmo resultado, além de mostrar-se com sinal negativo também para a previsão dos retornos, o que é o contrário do esperado, ou seja, de acordo com o referencial teórico, um aumento no resultado primário tenderia a aumentar o retorno das ações possivelmente pela perspectiva de mais saldo para pagamento dos juros da dívida líquida do setor público, o que demonstraria o esforço fiscal do governo e conduziria a uma maior confiança do investidor no governo. A última variável macroeconômica que se mostrou significativa no estudo foi o PIB. No modelo de volatilidade usando séries de expectativa, os resultados apontaram que uma expectativa de redução no PIB tende a incrementar a volatilidade das ações, possivelmente em virtude de uma queda na produção, o que poderia ser sinal de futura recessão ou instabilidade econômica. Quanto aos modelos de retorno, essa 8 variável também apresentou resultado contraditório: o retorno aumentou em momentos em que o PIB aumentou, porém, se a expectativa é que o PIB irá subir, o retorno se mostra em queda. Ainda, quanto as variáveis incluídas nos modelos, as variáveis fundamentais apresentaram os seguintes resultados: para a liquidez, esperava-se que, quanto maior esta, menor seria o retorno. O resultado, porém, foi inverso. Em relação ao tamanho, tal como em estudos anteriores, os resultados apontaram que, quanto maior o tamanho da empresa, menor a volatilidade. Por fim, ao verificar a qualidade preditiva dos modelos finais no período entre 2007 e 2010, verificou-se que, para a previsão de volatilidade, o modelo com dados efetivamente observados parece apresentar um melhor desempenho que o modelo considerando os indicadores do Relatório Focus. Quanto aos modelos de previsão de retornos, o modelo com dados efetivamente observados parece apresentar um pior desempenho que o modelo considerando as séries do Relatório Focus. 9 LISTA DE GRÁFICOS Gráfico 1 - Evolução das cotações de fechamento do Ibovespa entre 1994 a 2008 .......................................19 Gráfico 2 - Evolução da quantidade de negócios realizados na Bovespa entre 1994 a 2008 ........................19 Gráfico 3 - Boxplot para as volatilidades dos retornos entre as ações, anos, trimestres e classificações de tamanho e liquidez..............................................................................................................................115 Gráfico 4 - Boxplot para os retornos entre as ações, anos, trimestres e classificações de tamanho e liquidez ............................................................................................................................................................117 Gráfico 5 - Comportamento da volatilidade do retorno e log retorno para cada ação ao longo do período de aprendizagem e de previsão...........................................................................................................118 Gráfico 6- Efeito aleatório de cada ação - para volatilidade - FOCUS.......................................................121 Gráfico 7 - Análise de resíduos (within-group error) para modelo linear misto final – Volatilidade dos retornos - FOCUS...............................................................................................................................122 Gráfico 8 - Análise de resíduos (efeitos aleatórios) para modelo linear misto final – Volatilidade dos retornos -FOCUS................................................................................................................................123 Gráfico 9 - Efeito aleatório de cada ação para volatilidade – dados efetivamente observados ..................127 Gráfico 10 - A Análise de resíduos (within-group error) para modelo linear misto final – Volatilidade dos retornos - dados efetivamente observados ........................................................................................129 Gráfico 11 - Análise dos resíduos (efeitos aleatórios) para modelo linear misto final – Volatilidade dos retornos – dados efetivamente observados.........................................................................................129 Gráfico 12 - Gráficos para o perfil de cada empresa e o valor médio predito no período de aprendizagem e previsão – volatilidade – FOCUS e dados efetivamente observados..................................................130 Gráfico 13 - Efeito aleatório de cada ação – retorno - FOCUS...................................................................135 Gráfico 14 - Análise de resíduos para modelo linear misto final para retorno – FOCUS.........................136 Gráfico 15 - Análise dos resíduos (efeitos aleatórios) para modelo linear misto final para retorno- FOCUS ............................................................................................................................................................137 Gráfico 16 - Efeito aleatório de cada ação – retorno – dados efetivamente observados.............................142 Gráfico 17 – Análise de resíduos para modelo linear misto final – retorno – dados efetivamente observados ............................................................................................................................................................143 Gráfico 18: Análise de resíduos (efeitos aleatórios) para modelo linear misto final – retorno – dados efetivamente observados.....................................................................................................................143 Gráfico 19: Gráficos para o perfil de cada empresa e o valor médio predito no período de aprendizagem e de previsão – retorno – FOCUS e dados efetivamente observados....................................................144 10 LISTA DE QUADROS Quadro 1 - Pesquisas utilizando fatores fundamentais no mercado nacional e no mercado internacional .55 Quadro 2 - Variáveis estudadas, argumentos, autores e resultados (continua)............................................68 Quadro 3 - Resumo dos trabalhos no mercado brasileiro (Continua)..........................................................71 Quadro 4 - Relação de empresas e ações constantes na amostra ..................................................................80 Quadro 5 - Indicadores e séries divulgadas no Relatório Focus ..................................................................83 Quadro 6 - Sistema de informações e variáveis da pesquisa. ........................................................................84 Quadro 7 - Variável, sigla e descrição das variáveis (continua) ...................................................................93 Quadro 8 - Variável, sigla, sinal esperado para coeficiente nos modelos de volatilidade e interpretação teórica ...................................................................................................................................................98 Quadro 9 - Variável, sigla, sinal esperado para coeficiente nos modelos de retorno e interpretação teórica ..............................................................................................................................................................99 Quadro 10 – Indicadores, periodicidade e séries do Relatório FOCUS......................................................108 Quadro 11 - Autores, os termos/indicadores do Relatório Focus utilizado e o local da publicação do trabalho. .............................................................................................................................................108 Quadro 12 - Indicadores macroeconômicos do Relatório Focus. ...............................................................110 Quadro 13 - Modelos estimados e respectivas variáveis .............................................................................148 Quadro 14 - Quadro comparativo das hipótese entre o esperado e o confirmado para o sinal dos coeficientes nos modelos finais. ..........................................................................................................151 11 LISTA DE TABELAS Tabela 1 - Amostra completa das ações selecionadas....................................................................................79 Tabela 2 - Amostra utilizada na pesquisa .....................................................................................................80 Tabela 3 - Correlações de Pearson para seleção inicial dos indicadores macroeconômicos do Relatório FOCUS .................................................................................................................................................87 Tabela 4 - Evolução da meta para inflação – 1999 a 2011. .........................................................................103 Tabela 5 - Distribuição setorial das empresas da amostra..........................................................................109 Tabela 6 - Correlações de Pearson entre os indicadores macroeconômicos do Relatório Focus................111 Tabela 7 - Correlações de Pearson para a volatilidade e retorno trimestral entre os indicadores macroeconômicos do relatório FOCUS..............................................................................................111 Tabela 8 - Correlações de Pearson entre as variáveis independentes quantitativas – Relatório FOCUS ..112 Tabela 9 - Correlações de Pearson entre as variáveis independentes quantitativas após mudanças – Relatório FOCUS ...............................................................................................................................112 Tabela 10 - Classificação das ações quanto ao tamanho e liquidez.............................................................113 Tabela 11 - Medidas descritivas para as variáveis utilizadas no estudo.....................................................114 Tabela 12 - Correlações de Pearson entre as variáveis independentes quantitativas – Dados efetivamente observados trimestrais........................................................................................................................115 Tabela 13 - Modelo linear misto completo para volatilidade (FOCUS)......................................................119 Tabela 14 - Modelo linear misto final para volatilidade (FOCUS) .............................................................120 Tabela 15 - Modelo linear misto completo para a volatilidade – dados efetivamente observados .............124 Tabela 16 - Modelo linear misto final para a volatilidade – dados efetivamente observados.....................125 Tabela 17 - Resíduo padronizado médios das predições de cada ação no período de previsão e raiz do erro quadrático médio - volatilidade – FOCUS e dados efetivamente observados ..................................133 Tabela 18 - Modelo linear misto completo para retorno (FOCUS) ...........................................................134 Tabela 19 - Modelo linear misto final para retorno (FOCUS)....................................................................135 Tabela 20 - Modelo linear misto completo para retorno – dados efetivamente observados.......................138 Tabela 21 - Modelo linear misto final para retorno – dados efetivamente observados ..............................139 Tabela 22 - Resíduo padronizado médios das predições de cada ação no período de previsão e erro quadrático médio – retorno – FOCUS e dados efetivamente observados .........................................147 12 LISTA DE ABREVIATURAS E SIGLAS AMEX - American Stock Exchange APT – Arbitrage Pricing Theory BC – Banco Central BOVESPA - Bolsa de Valores de São Paulo CAPM - Capital Asset Pricing Model CVM - Comissão de Valores Mobiliários HEM – Hipótese da Eficiência de Mercado Ibovespa – Índice da Bolsa de Valores de São Paulo IPCA - Índice Nacional de Preços ao Consumidor Amplo NASDAQ- National Association of Securities Dealers Automated Quotation. NYSE - New York Stock Exchange PIB – Produto Interno Bruto IPCA – Índice de Preços ao Consumidor Amplo 13 SUMÁRIO 1 INTRODUÇÃO............................................................................................................... 15 1.1 Contextualização .......................................................................................................... 15 1.2 Problematização ........................................................................................................... 20 1.2 Objetivos....................................................................................................................... 24 1.3 Justificativa .................................................................................................................. 25 1.4 Estrutura da Tese......................................................................................................... 29 2 REFERENCIAL TEÓRICO .......................................................................................... 30 2.1 Risco e retorno.............................................................................................................. 30 2.2 Hipótese da Eficiência do Mercado (HEM)................................................................. 36 2.3 Modelos de fatores........................................................................................................ 41 2.3.2 Modelos multifatoriais ..................................................................................................45 2.3.2.1 Modelos de fatores estatísticos......................................................................... 46 2.3.2.2 Modelos de fatores fundamentais ..................................................................... 46 2.3.2.3 Modelos de fatores macroeconômicos.............................................................. 56 2.4 Efeitos da liquidez sobre a volatilidade e o retorno das ações .................................... 73 2.5 Efeitos da volatilidade defasada sobre a volatilidade das ações ................................. 74 3 METODOLOGIA ........................................................................................................... 76 3.1 Método e técnica de pesquisa....................................................................................... 76 3.2 Universo e amostra da pesquisa................................................................................... 77 3.3 Coleta dos dados.......................................................................................................... 81 3.4 Descrições das variáveis e hipóteses testadas .............................................................. 84 14 4 SISTEMA DE EXPECTATIVAS DE MERCADO – RELATÓRIO FOCUS........... 101 5 APRESENTAÇÃO E DISCUSSÃO DOS RESULTADOS DA PESQUISA ............. 109 5.1 Análise descritiva e exploratória ............................................................................... 109 5.2 Resultados para os modelos de volatilidade .............................................................. 119 5.2.1 Volatilidade dos retornos - Relatório Focus ............................................................. 119 5.2.2 Volatilidade dos retornos – Dados efetivamente observados...................................... 124 5.2.3 Previsões – Volatilidade...............................................................................................130 5.3 Resultados para os modelos de retorno ..................................................................... 134 5.3.1 Log retornos – Relatório FOCUS..................................................................................134 5.3.2 Log retornos – Dados efetivamente observados ..........................................................138 5.3.3 Previsões – Log retorno ............................................................................................ 144 6 CONSIDERAÇÕES FINAIS........................................................................................ 148 REFERÊNCIAS............................................................................................................... 156 15 1 INTRODUÇÃO 1.1 Contextualização “Mercados de Capitais oscilam. O nosso oscila mais profundamente e, se não temos o poder de corrigir isso, podemos suprir os investidores de instrumentos e informações que os façam tomar decisões adequadas. Com isso, evitaremos comprometer o futuro do próprio mercado.” (CASTRO, 2008, p. 135) No mercado financeiro, os investidores são sempre orientados a minimizar o risco. Ao contrário do que ocorre, por exemplo, com títulos de renda fixa, em que o valor de resgate é preestabelecido no momento da aplicação, o investimento em ações é denominado renda variável, pois, no momento da aplicação, o investidor não sabe quanto irá resgatar, em função da volatilidade no mercado acionário, isto é, a variação das cotações daquele ativo no qual houve investimento. Pode-se entender o mercado financeiro como um conjunto de instituições e instrumentos financeiros destinados a possibilitar a transferência de recursos dos ofertadores para os tomadores, criando condições de liquidez no mercado. De acordo com Ross, Westerfield e Jaffe (2007), os mercados financeiros se dividem em duas categorias básicas: o mercado monetário, composto pelos títulos de dívida ao curto prazo, e o mercado de capitais, no qual são transacionados títulos de dívida de longo prazo e as ações das empresas. As ações representam a menor fração do capital social de uma empresa, negociadas em bolsas de valores. Portanto, há de um lado um grupo de poupadores, aqueles cuja renda lhes permite satisfazer suas necessidades de consumo imediato e, ainda, reservar parte para aplicar no mercado. De outro, estão aqueles que necessitam de recursos adicionais para fazer frente a suas necessidades imediatas, sejam elas para consumo ou para investimentos produtivos. Há, ainda, um terceiro grupo de participantes no mercado financeiro: os intermediários, 16 instituições responsáveis por criar o mercado, isto é, reunir os diversos tomadores e investidores e propiciar a realização de negócios, pelos quais auferem uma comissão. Resumindo, o mercado financeiro compreende um grupo organizado de intermediários e instituições de apoio – o Sistema Financeiro Nacional – que fazem convergir os interesses de tomadores e emprestadores, levando o capital a fluir pela economia e exercendo quatro funções (NAIK, 2001). A primeira seria a de permitir a decisão entre consumos atual e futuro. Poupadores ou emprestadores abdicam do consumo imediato em troca de rendimento futuro. Tomadores necessitam antecipar o consumo para satisfazer necessidades pessoais ou para investimento em atividades produtivas. Por essa antecipação, eles se dispõem a pagar juros ou a dividir sua renda futura com aqueles que lhes emprestam tais recursos. A segunda função é o gerenciamento ou compartilhamento de risco. Isto é, empresas ou indivíduos mantêm ativos expostos a riscos e procuram, no mercado, instrumentos que os minimizem, seja pela diversificação de suas carteiras, seja pela transferência do risco a outras empresas ou indivíduos que se dispõem a assumi-los em troca de um prêmio. O mercado financeiro tem a função, nesse caso, de garantir uma oferta constante de ativos e de criar operações que permitam a troca de riscos entre seus participantes. A garantia de ofertas se dá por meio das bolsas de valores, bancos, corretoras e distribuidoras; pela regulamentação de operações com títulos de dívida e ações por parte dos órgãos reguladores instituídos pelo governo e pela criação de fundos mútuos e clubes de investimento. A terceira função do mercado financeiro é permitir a separação entre investidores e a administração das empresas. Pela liquidez do mercado de ações, investidores cumprem seu papel de doadores de recursos sem estarem obrigados a administrar as companhias nas quais mantêm seus investimentos. Por outro lado, a administração é feita por meio de indivíduos a quem cabe investir os recursos da empresa em projetos que venham a aumentar a riqueza dos investidores. Em decorrência dessa última função, o mercado financeiro torna-se uma relevante forma de avaliação do desempenho da administração corporativa da empresa. O mercado, via preço, demonstra a aprovação ou não das ações e dos investimentos realizados pela administração. 17 Por outro lado, a administração pode sentir a reação do mercado a potenciais projetos que estão por realizar e, assim, ter mais informações para balizar suas decisões de investimentos. O Brasil, com seu histórico de hiperinflação e sua condição permanente de economia emergente, ainda não conta com um mercado acionário difundido entre sua população como alternativa de poupança e investimento. Percebe-se, porém, um constante crescimento na participação do pequeno investidor brasileiro na Bolsa de Valores de São Paulo, como mostram os boletins divulgados pela própria Bolsa (BOVESPA, 2009). A economia brasileira, ao passar, durante a década de 90, por uma abertura sem precedentes, contribuiu de forma relevante para o aumento da participação de investidores e instituições financeiras estrangeiras no mercado interno, acontecimento que também impulsionou a modernização do mercado de capitais brasileiro. Contudo, a economia brasileira ainda apresenta um conjunto de fatores que influencia negativamente o seu crescimento de maneira sustentável: 1) baixa capitalização no mercado de capitais; 2) reduzido nível de poupança interna; 3) aparato regulatório ainda ineficiente; 4) carência de fontes de financiamento de longo prazo, sejam públicas ou privadas; 5) elevado custo de captação de recursos. Santos (2008) alerta que é necessário compreender o mercado antes de investir e que promover a educação é a mais eficiente iniciativa para a proteção do investidor. O conhecimento do mercado é o melhor instrumento para assegurar o progresso ordenado e virtuoso do mercado brasileiro de capitais. Cavalcante, Misumi e Rudge (2005, p.195) complementam ainda que “[...] o sucesso do investimento em ações depende fundamentalmente da capacidade de análise do investidor. À medida que o mercado de capitais se desenvolve, diminuem as chances do incauto que baseia suas decisões em ‘boatos ou dicas’.” Ao longo das últimas décadas, a economia brasileira tem passado por importantes alterações dentre as quais se destacam: 1) abertura ao capital estrangeiro no início da década de 90 e modificações no conceito de empresa nacional que permitiram o aumento do capital externo no parque industrial brasileiro; 2) estabilidade econômica e liberação cambial; 3) implantação de políticas neoliberais, como o Plano Nacional de Desestatização (PND); 4) as novas regras de investimento por parte dos fundos de pensão; e o projeto de reforma das demonstrações 18 contábeis. Tal cenário faz com que o mercado de capitais brasileiro ganhe destaque e se torne um ambiente favorável tanto ao investimento interno quanto ao externo. Outras razões para o crescimento do mercado de capitais brasileiro que se destacam: grande avanço a partir de 2002 em matéria de regulação (CVM e BC, essencialmente) e autorregulação (Bolsas, ANDIMA, ANDIB etc.); avanço também em termos de Governança Corporativa das empresas abertas; ação eficaz de muitos agentes do mercado, privados e estatais; prioridade do governo ao mercado de capitais; algumas iniciativas de incentivo pontuais do governo como o uso do FGTS. Rocca (2008) relata que existem motivos para acreditar que o crescimento do mercado de capitais observado nos últimos anos tem características que podem configurar a fase inicial de um processo de desenvolvimento de longo prazo. Comparado aos ciclos anteriores de crescimento, o atual evidencia consideráveis diferenças de qualidade, principalmente no ambiente regulatório, que demonstra o surgimento de condições necessárias para a sustentação do crescimento do mercado de capitais. O crescimento desse mercado é apresentado nos gráficos 1 e 2. O gráfico 1 mostra a evolução na pontuação do Ibovespa entre os anos de 1994 a 2011. O Gráfico 2 deixa claro que está havendo um aumento considerável na quantidade de negócios realizados na Bolsa de Valores de São Paulo em tal período. O crescente desenvolvimento do mercado acionário, como pode ser visualisado nos gráficos, pelo crescimento, tanto da pontuação do Ibovespa, quanto o aumento na quantidade de negócios, pode ter relação, possivelmente, com indicadores macroeconômicos nacionais. 19 Gráfico 1 - Evolução das cotações de fechamento do Ibovespa entre 1994 a 2011 0 10000 20000 30000 40000 50000 60000 70000 80000 ju n/ 94 ju n/ 96 ju n/ 98 ju n/ 00 ju n/ 02 ju n/ 04 ju n/ 06 ju n/ 08 ju n/ 10 Data Fe ch am en to Ib ov es pa Fonte - Elaboração da autora da tese com dados do banco de dados Economática. Gráfico 2 - Evolução da quantidade de negócios realizados na Bovespa entre 1994 a 2011 0 1000000 2000000 3000000 4000000 5000000 6000000 7000000 8000000 9000000 10000000 ju n/ 94 ju n/ 96 ju n/ 98 ju n/ 00 ju n/ 02 ju n/ 04 ju n/ 06 ju n/ 08 ju n/ 10 Data Q ua nt id ad e de N eg óc io s Fonte - Elaboração da autora da tese com dados do banco de dados Economática. Com o decorrer da crise americana e os temores dos investidores sobre a economia mundial, a Bolsa de Valores passou por uma rápida e intensa desvalorização dos seus ativos quando comparados ao topo histórico de maio de 2008. Ao final de 2008 o mercado voltou a recuperar-se. De acordo com Mendes (2004), o mercado de capitais tem ganhado relevância tanto no âmbito empresarial quanto acadêmico, sendo cada vez mais utilizadas análises da volatilidade e dos retornos proporcionados por uma empresa ou investimento. 20 1.2 Problematização Em 1981, Tanabe e Fonseca (1981) escreveram que, no Brasil, o estudo do comportamento do preço de ações negociadas em bolsa não estava atraindo tanta atenção dos estudiosos quanto o assunto merecia, embora fosse um tema de interesse de um contingente expressivo de pessoas. O autor defendia que havia investidores interessados em ter conhecimento do assunto, com vistas a tomarem suas decisões de compra e venda. Por outro lado, as empresas com títulos negociados em bolsa deveriam interessar-se pelo assunto, tendo em vista que as emissões de ações novas constituem fonte importante de recursos financeiros, sendo que o seu custo está direta ou indiretamente ligado ao preço das ações em circulação. O autor completava que a maximização da riqueza do proprietário se traduz, em última análise, pela maximização do valor das ações da empresa. Esse é o objetivo básico da teoria de finanças, ideia compartilhada também por outros autores, tais como Ehrbar (1999) e Assaf Neto (2003). Portanto, “[...] dentro desta linha de idéias, a política financeira da empresa fica condicionada pelo preço das ações e torna-se vital, para a mesma, conhecer as variáveis que afetam o comportamento do mercado acionário” (TANABE e FONSECA, 1981, p.21). O bem-estar econômico dos acionistas, conforme salientam Brigham, Gapenski e Ehrhardt (2006) também promove benefícios para toda a sociedade, argumentando que: a) de modo geral, os acionistas das empresas representam a própria sociedade. O elevado crescimento dos participantes de mercado, representado por fundos de pensão, fundos mútuos e outros investidores de grande porte, controlam mais de 60% do total de ações negociadas. Portanto, sempre que uma empresa tem sucesso em seu objetivo de maximizar o valor de mercado de suas ações, atinge o bem-estar econômico da sociedade; b) a busca de maximização do preço das ações requer maior eficiência das empresas, promovendo a redução de custos e melhorias de qualidade dos produtos e serviços prestados, beneficiando a todos os seus consumidores; c) ao longo prazo, o crescimento do preço das ações traz benefícios aos empregados, melhorando a estabilidade e a oferta de empregos, o que beneficia a toda a sociedade. Nesse mesmo sentido, Assaf Neto (2003) afirma que a construção de empresas mais fortes e competitivas promove padrões de vida mais elevados e melhores oportunidades de crescimento econômico para as nações. 21 Uma das mais antigas e intrigantes questões em finanças diz respeito à previsibilidade dos retornos em ativos. O fato de muitos matemáticos e cientistas terem aplicado suas habilidades para prever preços de ativos financeiros atesta a fascinação e desafios desse problema. Ou seja, prever mudanças nos preços futuros utiliza desde apenas mudanças nos preços passados até uma infinidade de informações com as quais os investidores são diariamente bombardeados, sejam elas específicas da empresa em questão, do setor, ou da economia como um todo. Os modelos de previsão variam dos mais simples aos mais sofisticados, tais como aquele que incluem variáveis econômicas na construção de modelos de previsão (CAMPBELL, LO e MACKINLAY, 1997). Em anos recentes, o tema tem ganhado grande relevo na literatura em finanças a partir da publicação de trabalhos que procuram identificar quais são os determinantes da movimentação dos preços no mercado acionário. Um marco para a literatura em finanças foi o trabalho feito por Markowitz (1952) – Teoria da carteira. Com a teoria da carteira, iniciaram-se estudos com foco em grupos de ações. Outra mudança foi nas variáveis utilizadas para elaborar tais modelos de previsão: inicialmente utilizavam apenas um fator, tal como o beta do mercado, difundido pelo modelo CAPM (Capital Asset Pricing Model), proposto por Sharpe (1964), Lintner (1965) e Mossin (1966). Todavia, com a definição de que o valor de um investimento é o valor presente de seus fluxos de caixa esperados, com base na taxa de retorno exigida pelo investidor, admite-se que quaisquer forças que afetem os fluxos de caixa da empresa ou a taxa de retorno exigida afetarão o valor da empresa e também o valor de suas ações. Portanto, tendo em vista que as empresas conduzem seus negócios em um ambiente econômico em que são expostas a forças externas sobre as quais não têm controle, as decisões sobre investimentos devem ser feitas levando em consideração as condições do ambiente econômico. Sob esse ponto de vista mais amplo, foram surgindo modelos multifatoriais (modelos de fatores estatísticos, econômicos e fundamentais), na tentativa de inserir maior quantidade de variáveis que impactem o valor presente do fluxo de caixa futuro da empresa e que 22 representem tanto o risco sistemático quanto o risco não sistemático1 aos quais as empresas estão expostas. Fatores macroeconômicos tais como PIB, taxa de juros e taxa de câmbio têm sido utilizados em tais modelos de previsão. Esses fatores não são especificados na literatura. Afirma-se que devem ser de âmbito setorial ou macroeconômico responsáveis pela parte do risco que não pode ser anulada com a diversificação da carteira. Como é possível observar pelo exposto acima, a informação, seja ela relativa à empresa ou ao mercado, é matéria-prima para o do mercado financeiro. Tanto administradores quanto investidores tomam decisões de investimento, estimam rendimentos futuros, dimensionam o tamanho dos riscos no qual incorrerão com base em informações, sejam elas do passado, presente ou expectativas para o futuro. O investimento em ações envolve a aceitação de certo grau de risco com relação às oscilações de suas cotações de mercado. De acordo com Assaf Neto (2001), podem ser identificados dois grandes tipos de risco no investimento em ações: risco da empresa captadora de recursos e risco do mercado. O risco da empresa refere-se àqueles associados à própria atividade da empresa, às características do mercado em que ela opera e também à capacidade em liquidar seus compromissos financeiros assumidos. Quanto ao risco de mercado, Assaf Neto (2001, p. 213) comenta que: “[...] é identificado pela variabilidade dos retornos de um título em relação ao seu valor médio, denotando menor confiança ao investidor quanto maior for essa variância. Investimentos com retornos mais centrados em seu ponto médio são capazes de oferecer uma melhor aproximação do desempenho esperado futuro. Assim, quanto maior for a variância de uma ação, maior será seu risco.” A crescente volatilidade dos mercados a partir da década de 1970 suscitou grande interesse pelos riscos. Essa flutuação dos preços de mercado dos ativos tem sido objeto de um embate entre duas correntes diferentes de pensamento: de um lado, estão os que defendem que os preços se formam aleatoriamente com base em informações novas e que os investidores 1 Ross, Westerfield e Jaffe (2007) definem risco sistemático como sendo qualquer risco que afeta um grande número de ativos, cada um com maior ou menor intensidade. Por outro lado, risco não sistemático é um risco que afeta especificamente um único ativo ou um pequeno grupo de ativos. 23 tomam decisões racionais, dentro dos pressupostos da Hipótese de Eficiência de Mercado. De outro lado, há os que consideram que a realidade é muito mais complexa e que ninguém é capaz de levar em conta todas as variáveis na hora de investir e que parte dessa decisão tem também um componente humano ou emocional. Esses últimos são os defensores das teorias ligadas às finanças comportamentais. Na presente pesquisa, a ênfase é dada à primeira corrente. Gallant, Rossi e Tauchen (1992) também afirmam que a história do mercado acionário tem sido caracterizada pelo aumento da volatilidade. A pesquisa sobre esse tema realizada por Campbell, et al. (2001), englobando o período de 1962 a 1997, corroboram tal pensamento ao documentarem um aumento dramático nas últimas três décadas na volatilidade do retorno das ações. Esses autores dizem que é natural questionar quais forças são responsáveis por essa mudança no comportamento do mercado acionário. No mercado acionário, o mais comum é utilizar informações passadas para prever o comportamento futuro de determinado ativo. Nesta pesquisa, utiliza-se a liquidez das ações, o endividamento e o tamanho das empresas como parte desse tipo de informação. Existe porém no Brasil uma importante fonte de dados que ainda não foi utilizada para prever o comportamento futuro de determinado ativo: é o Relatório Focus, publicado pelo Banco Central do Brasil. O Sistema de Expectativas de Mercado - Relatório Focus – foi criado inicialmente com o objetivo de obter subsídios para as decisões sobre política monetária. Esses dados são gerados a partir de inserção, por parte de diversos agentes de mercado, de suas expectativas quanto a diversos índices/indicadores econômicos que afetam a economia brasileira. Portanto, esses são fatores que afetam também as empresas listadas em bolsa, em relação ao risco de mercado. Isto é, é possível que tais informações impactem o valor presente do fluxo de caixa futuro da empresa e que representem o risco a que praticamente todas as empresas estão expostas. Ou seja, é possível que as variáveis divulgadas no Relatório Focus impactem o preço das ações negociadas na bolsa de valores brasileira. Os dados divulgados no Relatório Focus, pelo pesquisado na literatura até o presente momento, foram utilizados como fonte de algumas pesquisas. Dentre elas, citam-se as de 24 Sicsú (2002), Mendonça (2003 ), Pires (2006) e Liu (2007). Uma das limitações dessas pesquisas é que utilizam apenas três dos onze grupos de indicadores apresentados pelo Relatório Focus. Contudo, nenhuma pesquisa vista até o momento utiliza tais dados na previsão da volatilidade do retorno das ações. A presente pesquisa insere-se nesse ponto, ao propor a seguinte questão a ser investigada. Qual é a relação entre as expectativas econômicas publicadas no Relatório Focus e a volatilidade e o retorno das principais ações negociadas no Brasil no período de 2002 a 2010? 1.2 Objetivos 1.2.1 Objetivo geral Analisar a relação entre as expectativas econômicas publicadas no Relatório Focus e a volatilidade e o retorno das principais ações negociadas na Bolsa de Valores de São Paulo (Bovespa). 1.2.2 Objetivos Específicos Como objetivos específicos, elencam-se os seguintes: selecionar, dentre as séries divulgadas no Relatório Focus, quais poderiam compor os modelos de previsão de volatilidade e de retorno das ações mais negociadas na Bovespa no período estudado; analisar a relação entre as variáveis selecionadas do Relatório Focus com o retorno e volatilidade das principais ações negociadas na Bovespa; analisar a relação entre as variáveis macroeconômicas observadas e a volatilidade e o retorno e das ações ; analisar a relação entre liquidez, endividamento, tamanho da empresa, retorno e volatilidade passada com a volatilidade das ações; analisar a relação entre liquidez, endividamento e tamanho da empresa com o retorno das ações; verificar a qualidade preditiva dos modelos finais no período entre 2007 e 2010. 25 1.3 Justificativa Mais de 40 anos depois do inovador trabalho de Fama (1970), é surpreendente quão pouco é conhecido sobre o comportamento dos preços dos ativos no mercado acionário. Apesar de a literatura nesse campo estar evoluindo, um consenso ainda está por emergir. A questão da precificação de ativos encontra-se ainda cercada de incertezas e indefinições quanto à forma como ela deve ser feita. A incerteza por parte dos investidores quanto aos resultados a serem obtidos em suas aplicações no mercado financeiro gera forte demanda por modelos mais precisos quanto à capacidade de quantificação do retorno esperado e risco incorrido. Embora em alguns países a pesquisa nesse campo tenha proliferado, no Brasil, além do pequeno investidor, também as pesquisas acadêmicas estiveram afastadas do mercado de capitais. Somente nos últimos anos a academia passou a se interessar com maior consistência e a investigar as nuances do mercado acionário nacional, de forma que há vastos campos de pesquisa ainda pouco explorados. Tal fato pode estar relacionado à condição de mercado emergente em que o Brasil se encontra. Terra (2007) considera que mercados emergentes apresentam problemas tais como negociação infrequente (baixa liquidez), financiamento externo restrito, legislação mal- elaborada e de aplicação leniente e estrutura institucional incompleta. O autor considera, no entanto, que esses fatos não devem servir como desculpa para a não-realização de pesquisas empíricas. Portanto, tendo em vista esses fatores, porém aliados ao fato de o Brasil vir tendo um crescimento econômico expressivo, é relevante para a literatura estudar esse mercado. Finalmente, a determinação dos fatores com maior poder de explicar o comportamento dos preços das ações em um mercado diferente daquele dos países desenvolvidos, como é o caso do mercado de capitais brasileiro, é importante para verificar se há diferenciação dos fatores ou se esses permanecem inalterados mesmo em um mercado com características distintas. Adicionalmente, por meio da apresentação de um modelo de previsão de volatilidade, promove-se maior compreensão do processo de formação do preço dos ativos nesse tipo de mercado. Pode-se dizer que a informação é o principal insumo dos modelos de precificação de ativos. Como afirmado por Damodaran (1997, p.1), “ [...] todo ativo, seja financeiro ou real, tem 26 valor. A chave para investir nesses ativos e gerenciá-los com sucesso não reside na compreensão do montante desse valor, mas nas fontes de valor”. Dessa forma, saber identificar as informações relevantes, com o objetivo de proporcionar aos modelos poder de previsão, é um nobre desafio para os pesquisadores. Na previsão da volatilidade dos retornos, há que se considerar o risco sistemático e o risco não sistemático. É possível reduzir o risco não sistemático com a diversificação de ativos em carteira. O risco sistemático não pode ser diversificado, pois afeta a todas as empresas. São, portanto, duas fontes para pesquisas e ambas são relevantes. Ross, Westerfield e Jaffe (2007) citam que a incerteza a respeito de condições econômicas gerais, tais como Produto Interno Bruto (PIB), taxa de juros ou inflação, é um exemplo de risco sistemático. Essas condições afetam, de algum modo, praticamente todas as ações negociadas em bolsa de valores. Essas forças às quais todas as empresa são suscetíveis formam a essência do risco sistemático. Verifica-se o esforço contínuo de executivos e pesquisadores no sentido de entender o risco de mercado (sistemático) para gerenciar e diminuir os riscos do investimento. O risco sistemático, direta ou indiretamente, influencia o custo de capital dos projetos, impactando os retornos esperados e, finalmente, a capacidade de criar valor para a empresa. Portanto, pesquisas são feitas com o intuito de verificar em que extensão o ambiente macroeconômico determina tanto o retorno quanto a volatilidade das ações. A presente pesquisa avança o estudo da relação entre fatores macroeconômicos e mercado de capitais, ao investigar se expectativas do mercado em relação a fatores macroeconômicos são pertinentes na previsão da volatilidade dos retornos. O Brasil é particularmente interessante para o problema em questão, pois, além de ser um bom exemplo de economia emergente, passou por uma variedade de ambientes macroeconômicos num período relativamente curto de tempo. Se as condições macroeconômicas são de alguma forma importantes para as decisões de investimentos, então é provável que as ações de empresas brasileiras tenham experimentado esses feitos. Esta pesquisa busca trazer contribuições para a pesquisa em finanças, uma vez que relaciona as informações divulgadas por um órgão do governo brasileiro – o Banco Central -com o comportamento das ações no mercado de capitais brasileiro, tratando-se de uma abordagem 27 inédita no Brasil. Segundo pesquisa efetuada para subsidiar este trabalho, não se identificou estudos anteriores que utilizassem o relatório FOCUS sob o ponto de vista de previsão da volatilidade e do retorno das ações. A realização deste estudo pode contribuir para o melhor entendimento da dinâmica de riscos associados aos ativos negociados no mercado acionário brasileiro. A partir desse conhecimento, pode-se entender melhor a precificação dos ativos negociados no País. Verificando quais fatores são capazes de fornecer aos modelos que os utilizam maior poder de prognosticar retornos de ações, pode-se oferecer subsídios para gerenciar e minimizar os riscos associados aos ativos transacionados no mercado acionário brasileiro. Desse modo, este estudo justifica-se pela necessidade de constatar, via pesquisa empírica, se as informações divulgadas pelo Relatório Focus impacta na volatilidade dos retorno das ações negociadas na Bovespa, ou seja, se essas informações são importantes para a o gerenciamento e minimização do risco sistemático. A pesquisa utiliza também os dados efetivamente observados, de modo a comparar qual modelo prevê com mais acurácia a volatilidade do retorno das ações. Outras variáveis importantes são também utilizadas na pesquisa, tendo em vista sua relevância para o estudo do retorno e da volatilidade: liquidez das ações, endividamento, tamanho das empresas da amostra e volatilidade passada. A justificativa para a inclusão da liquidez está em que, quanto mais líquido o ativo, de forma mais rápida ele incorpora aos preços as informações divulgadas. De acordo com Brito (1977), o mercado de capitais pode apresentar diferentes graus de desenvolvimento quando se considerma a velocidade e a precisão com que os preços refletem as informações disponíveis. Quanto mais rápida e precisa for essa incorporação, mais desenvolvido é o mercado. Do ponto de vista do investidor, a liquidez se reflete na capacidade de negociação do ativo, dando-lhe a garantia de que haverá facilidade em fazer transações em determinado ativo. Quanto ao endividamento, ressalte-se que estudos que avaliam o impacto de informações contábeis nas variáveis do mercado de ações têm adquirido grande relevância na literatura contábil e se constituído em instrumento de avaliação da utilidade da informação contábil. Espera-se, com este trabalho, ter contribuído para a ainda escassa literatura nacional sobre a relevância das informações macroeconômicas para o mercado de capitais e as relações entre 28 os indicadores macroeconômicos e a volatilidade das ações, estendendo-se o estudo ao utilizar expectativas do mercado sobre os dados macroeconômicos no mercado brasileiro. O estudo das variáveis que afetam o comportamento das ações é bastante relevante e tem atraído, nas últimas décadas, a atenção de acadêmicos, profissionais, legisladores e acionistas e atingido, atual ou potencialmente, amplos setores do empresariado e administrações nacionais. Como estudos empíricos brasileiros a respeito do assunto, embora razoavelmente abundantes na literatura estrangeira, são escassos no Brasil, pretende-se, com este trabalho, contribuir para melhor compreensão do mercado acionário nacional. De acordo com Martins (2002), a escolha de um tema a ser pesquisado em uma tese deve ser norteada por três critérios: importância, originalidade e viabilidade. A importância de um tema é observada na associação deste com as questões que polarizam ou afetam um segmento substancial da sociedade. Nota-se que o foco principal desta pesquisa, o risco de investimentos, diz respeito ao interesse de parcela considerável de pessoas afetadas direta ou indiretamente quanto a decisões de investimento em ações, seja ela participante de um fundo de investimentos de uma instituição financeira etc. ou, até mesmo, aquelas pessoas que queiram investir parte de seu FGTS em ações, embora haja restrições às empresas beneficiárias de tais investimentos. Ou seja, neste caso específico, os milhares de acionistas das empresas pesquisadas. Além disso, trata-se de um tema relevante para o crescimento do País, na medida em que sinaliza os fatores que afetam esse importante mercado. A originalidade desta tese está na tentativa de identificar a relação entre expectativas de mercado e a volatilidade e o retorno das ações no mercado acionário. Há que se destacar que a pesquisa poderá resultar em algumas implicações gerenciais e de ordem prática, tendo em vista que pode indicar os melhores fatores a serem avaliados no momento de fazer investimentos em ações podendo vir a ser útil na orientação de decisões estratégicas por parte de gestores de carteiras de investimento e acionistas. Sob o ponto de vista do mercado internacional, os países representam oportunidades de investimentos com riscos e retornos distintos. O que os diferencia é a percepção do investidor sobre a qualidade dos fundamentos econômicos e da solidez do sistema financeiro de cada país. Assim, o investidor internacional tende a diversificar a sua carteira, optando por países que apresentem a relação risco e retorno que seja mais adequada aos seus anseios. 29 A contribuição para a academia também é relevante, tendo em vista que a pesquisa procura colaborar no entendimento de uma controversa área do conhecimento, ao oferecer uma visão mais detalhada do impacto ocasionado pelas diferentes variáveis nos níveis de preços dos ativos, contribuindo, dessa forma, para o avanço de um arcabouço teórico ainda em construção. 1.4 Estrutura da tese Esta tese está dividida em sete seções principais. Na primeira, Introdução, foram mostrados o tema, o problema, os objetivos e a justificativa do estudo. Na seção 2, referencial teórico, é apresentado o arcabouço teórico da pesquisa empírica. A metodologia da pesquisa,traz, na seção 3, o método e técnica de pesquisa, as unidades de análise, a amostra e as variáveis utilizadas, assim como as hipóteses testadas. Na seção 4 é visto o Relatório Focus. Na seção 5, a pesquisa empírica. São feitas, na seção 6, as considerações finais. Na seção 7 se encontram as referências consultadas para elaboração do estudo. Por fim é apresentado o Apêndice, que traz um glossário com alguns termos utilizados no decorrer da pesquisa e as tabelas de previsões para os modelos estimados na tese. 30 2 REFERENCIAL TEÓRICO O referencial teórico desta tese se baseia nos seguintes tópicos principais: uma breve discussão sobre risco (volatilidade) e retorno, Hipótese da Eficiência Do Mercado (HEM) e Modelos de fatores estatísticos, econômicos e fundamentais, apresentados e discutidos a seguir. 2.1 Risco e retorno O risco é uma variável determinante da evolução humana. A sua ausência implica em certeza de resultados. Em economia e em finanças, risco é diferente de incerteza: risco é mensurável, incerteza, não. A concepção atual de risco tem origem nos números que permitem quantificar o valor incerto, antes abstrato, produzido por determinada ação. A questão da administração do risco está presente na vida de todos. Vaughan (1997) observa que a história da espécie humana é uma cronologia de exposições ao infortúnio e às adversidades e de esforços para conviver com eles. A continuidade da história humana, então, é uma testemunha do sucesso de nossos ancestrais em administrar o risco. Em finanças, o risco refere-se à probabilidade de se obter um retorno diferente do esperado, seja superior ou inferior. O risco é definido como a própria variância do retorno. Quanto maior a amplitude desse desvio, maior será o resultado exigido para compensar o risco assumido. Basicamente, dois fatores causam o desvio do retorno. Um referente às características intrínsecas da operação ou da contraparte, chamado de risco idiossincrático, não-sistemático ou diversificável. E outro, não-controlável, inerente ao ambiente ou ao sistema, conhecido como risco sistemático ou não-diversificável (MARTINS e ASSAF NETO, 1986). ( 2.1.1 Risco sistemático e risco não sistemático No mercado financeiro, o investidor pode optar por dois tipos de aplicações: renda fixa e renda variável. Nas aplicações de renda fixa, o seu dinheiro será remunerado a uma taxa livre de risco, e ele já sabe, com certa segurança, qual será o seu retorno. Nas aplicações de renda variável, esse retorno é incerto, podendo ser, até mesmo, negativo. 31 Um dos tipos de renda variável é o investimento em ações, em que o investidor deveria ser recompensado por aceitar/assumir os vários riscos associados ao investir em em um ativo. Tal afirmativa pode ser expressa na seguinte equação: E(Ri ) = f(F1 , F2,, F3,… FN) [Equação 1] Em que E(Ri ), Fk, e N denotam o retorno esperado no ativo i, o k-th fator de risco, e o número de fatores de risco, respectivamente. Essa equação representa algumas características comuns aos modelos de precificação de ativos utilizados nas finanças modernas (FABOZZI, FOCARDI e KOLM, 2006). Assim sendo, ao optarem por um ativo que não seja livre de risco, os investidores demandarão um prêmio acima da taxa livre de risco. Ou seja, o retorno esperado que o investidor demandará é: E(Ri ) = Rf + prêmio de risco [ Equação 2] Em que o Rf é a taxa livre de risco. Ou seja, ele espera obter um retorno acima daquele que obteria ao fazer o investimento em um ativo no qual não fosse necessário assumir risco, por este ser renda fixa. O prêmio de risco, ou excesso de retorno esperado sobre a taxa livre de risco, depende dos fatores de risco associados ao investimento no ativo. Assim, pode-se reescrever a forma geral do modelo de precificação de ativos acima como: E(Ri ) = = Rf + g(F1 , F2,, F3,… FN) [Equação 3] Os fatores de risco aos quais os investidores estão expostos podem ser divididos em duas categorias gerais (FABOZZI, FOCARDI e KOLM, 2006). - sistemático, ou fatores de risco não diversificáveis; - não sistemático, ou fatores de risco diversificáveis. Ross, Westerfield e Jaffe (2007) definem risco sistemático como sendo qualquer risco que afeta um grande número de ativos, cada um com maior ou menor intensidade. Por outro lado, risco não sistemático é um risco que afeta especificamente um único ativo ou um pequeno grupo de ativos. Complementando, de acordo com Grinblatt e Titman (2005), o risco sistemático (de mercado) de um título é a parcela da variância do retorno do título que é 32 explicada pelos movimentos do mercado. O risco não sistemático (que não é de mercado) é a porção da variância do retorno que não pode ser explicada por movimentos de mercado. Ressalte-se que os riscos não sistemáticos da ação de uma empresa x podem não ter relação com o risco não sistemático da empresa y. Por exemplo, a descoberta de petróleo pela empresa x pode não ter relação alguma com a movimentação do preços das ações da empresa y. Entender as múltiplas fontes de risco que podem afetar um retorno de investimento é importante para que os investidores não sofram perdas significativas. 2.1.2 Análise e gerenciamento do risco A análise e o gerenciamento do risco na gestão de investimentos são desafios permanentes tanto para o meio acadêmico quanto para administradores de ativos que atuam nos mercados financeiros e de capitais. Bruni e Famá (1998) apontam que um dos primeiros acadêmicos a considerar a importância do risco na gestão de ativos foi Harry Markowitz, em artigo clássico, Portfolio selection de 1952. O modelo proposto por Markowitz (1952) tem a expectativa de reduzir os riscos por intermédio da diversificação de ativos. O principal objetivo é maximizar o retorno esperado para um dado nível de risco ou minimizar o risco esperado para um dado nível de retorno esperado. H. Markovitz essencialmente propõe a utilização de variância de taxas de retorno como medida de risco de títulos e mostra que essa medida de risco reduz à proporção que o número de títulos em carteira aumenta2 . De acordo com Brito e Brito (2002) o princípio a ser examinado é o de que o risco de uma carteira de n ações diminui à medida que o número de ativos n aumenta até alcançar um patamar de risco a partir do qual os ganhos de diversificação deixam de existir mesmo com o aumento do número de ativos em carteira. Markovitz (1952) preconiza que o retorno esperado para um conjunto de ativos é a média ponderada dos retornos esperados para cada ativo individual. Já o risco desse conjunto de ativos é uma função das variâncias individuais de cada ativo e de uma parcela das 2 Isto ocorrerá em situações em que os retornos dos títulos não sejam perfeitamente correlacionados. 33 covariâncias entre os ativos, calculadas dois a dois, e não a média dos riscos dos ativos individuais. Após a elaboração do modelo por Markovitz (1952), seguiu-se um período até a obtenção de evidência empírica estruturada sobre o efeito diversificação, o que ocorreu no trabalho de Evans e Archer (1968). Os autores obtiveram os desvios-padrão médios de carteiras com diversos números de ações e verificaram que essa medida de risco reduz-se rapidamente com o aumento do número de títulos em carteira. Ao introduzir a noção de risco e de diversificação na formação de carteira de ações, Markovitz (1952) revolucionou a gestão de riscos. A inserção do conceito de diversificação na estratégia de investimentos proporcionou a obtenção da carteira eficiente, diminuindo os efeitos dos riscos idiossincráticos de cada um dos ativos. A genialidade do modelo foi provar que a volatilidade de uma carteira pode ser minimizada pela aplicação em ativos que sejam negativamente correlacionados entre si. ( Contudo, a dificuldade existente para a aplicação da teoria proposta por H.Markowitz naquela época, dado o elevado número e certa complexidade dos cálculos necessários ao seu desenvolvimento, levou W. Sharpe, anos mais tarde, a desenvolver um modelo simplificado. No modelo, W. Sharpe, diferentemente da proposição de H. Markowitz, segue o princípio de que os retornos entre os ativos estão correlacionados entre si, parte de um índice único e representativo do retorno de todo o mercado onde são transacionados aqueles ativos. Com esse pressuposto, o número de cálculos a serem efetuados cai sensivelmente, mesmo que ao custo de eventual perda de precisão, dadas as simplificações introduzidas (ZANINI e FIGUEIREDO, 2005). Portanto, há uma enorme diferença entre o proposto por H. Markovitz e o proposto por W. Sharpe. O objetivo de H. Markovitz seria o de reduzir o risco não sistemático, aquele que afeta, em grande medida, as empresas e são específicos a ela. Daí a diversificação dos ativos, em que o investidor não deve alocar o capital em apenas um tipo de investimento. Há uma discussão sobre até que ponto é possível reduzir realmente o risco, dado o valor disponível para investimentos e os custos incorridos em cada negociação. 34 Sharpe (1964), por sua vez, pretende minimizar o risco de mercado, aquele que afeta a todas as empresas, em maior ou menor grau. O modelo mede a exposição ao risco de mercado por um beta β do mercado, identificado como o coeficiente angular de uma regressão linear dos retornos do ativo em relação aos retornos da carteira diversificada de mercado. Outros modelos de risco e retorno foram apresentados posteriormente por outros pesquisadores: os modelos multifatoriais. Brito e Brito (2002) salientam que ao comporem carteiras diversificadas de investimento, o nível de exposição ao risco é, em geral, menor do que o nível de risco de uma carteira concentrada em um só título, o que não exime o investidor de analisar o risco no qual está incorrendo em cada investimento feito. De acordo com esses autores, diversificar adequadamente contempla a pulverização dos recursos não só entre diversas alternativas de investimento, como também entre ativos pertencentes a setores econômicos diferentes. Damodaran (2002) indica que um bom modelo de risco e retorno: a. deve proporcionar uma medida de risco que se aplique a todos os ativos, não sendo específica apenas a um deles; b. deve estabelecer claramente quais tipos de risco são recompensados e quais não são, assim como fornecer um fundamento lógico para essa distinção; c. deve proporcionar medidas de risco padronizadas, isto é, um investidor diante de uma medida de risco para um ativo específico deve ser capaz de tirar conclusões a respeito de se o ativo está acima ou abaixo da média em termos de risco; d. deve traduzir a medida de risco em uma taxa de retorno que o investidor deve exigir como compensação por assumir o risco; e. deve funcionar bem não apenas ao explicar retornos passados, mas também ao prever retornos futuros. O modelo proposto por Sharpe (1964) e os modelos multifatoriais satisfazem a todos esses requisitos, com a ressalva de apenas recompensarem o risco de mercado. Hoje, entende-se que diversos fatores influenciam os preços das ações, tanto internos, como os relacionados ao 35 desempenho da empresa emissora, quanto externos, relacionados à economia do País e à expectativa dos agentes econômicos. Tanto o risco não sistemático quanto o sistemático tem sido amplamente estudado. As pesquisas para identificar quais são os fatores que explicam o risco não sistemático usam, em geral, informações relativas às empresas, principalmente aquelas provenientes dos balanços. O seu objetivo é formar carteiras diversificadas que irão reduzir esse tipo de risco. Por outro lado, há também uma diversidade de pesquisas cujo objetivo é identificar os fatores que explicam o risco sistemático. O principal indicador de risco utilizado no mercado financeiro é a volatilidade (simbolizada pela letra grega σ, ou sigma), também conhecida em estatística como desvio-padrão. O desvio-padrão é um indicador que mensura o quanto um valor varia em torno de sua média (µ). De acordo com Malacrida e Malacrida JR (2007), volatilidade, variância e risco tornaram-se sinônimos após o artigo escrito por Harry Markovitz, em 1952. Markovitz (1952) quantificou o risco de investir ao transformar em fórmulas o desejo do investidor em ter o mais alto retorno possível. Este autor instituiu o gerenciamento de risco ao colocar no mesmo patamar a importância do risco (que advém da volatilidade do investimento) e do retorno. O estudo da volatilidade tem grande importância na área de finanças, em especial, no apreçamento de derivativos e no gerenciamento de risco. A literatura de extração de volatilidade inclui métodos com diversos graus de dificuldade de implementação. O estimador mais simples é o desvio-padrão histórico, que atribui peso uniforme a todas as observações. Em contraste, o alisamento exponencial (EWMA) aloca peso maior para as observações mais recentes, mas apresenta o inconveniente da escolha arbitrária do grau de suavização (MOTA e FERNANDES, 2004). Nesta pesquisa, optou-se por utilizar o desvio-padrão dos retornos como forma de calcular o risco (volatilidade) das ações das empresas pesquisadas. 36 2.2 Hipótese da Eficiência do Mercado (HEM) Prever o movimento dos preços das ações é, possivelmente, desde que se organizou o mercado bursátil, um dos objetivos dos participantes desse mercado. No entanto, os resultados das pesquisas empíricas apontam para a dificuldade em obter lucros extraordinários utilizando séries de preços históricos ou informações publicamente disponíveis. A HEM tem sido testada para explicar tais constatações. Essa hipótese, de acordo com Fama (1970), está baseada na premissa de que os preços dos títulos refletem todas as informações relevantes disponíveis no mercado. Samuelson (1965) acrescenta que, em um mercado informacionalmente eficiente, as mudanças nos preços devem ser imprevisíveis se as informações são propriamente antecipadas, isto é, se os preços incorporam completamente as expectativas e informações de todos os participantes do mercado. Portanto, seria impossível, tendo em vista a HEM, obter ganhos financeiros negociando com base em um conjunto de informações. A origem da HEM teve, possivelmente, sua primeira contribuição na tese de doutoramento do francês Louis Bachelier, em 1900, e na pesquisa empírica de Cowles, em 1934. Bachelier observou o caráter randômico das variações de preços no mercado acionário e afirmou que seria um exercício inútil tentar descobrir o valor futuro de um título com base em seu comportamento passado. Kendall (1953) também observou tal caráter randômico ao procurar identificar regularidades nos ciclos de preços. A surpresa inicial sobre o comportamento aleatório dos preços cedeu lugar à explicação de que o comportamento dos preços era aquele que deveria ser esperado em um mercado competitivo, com agentes bem-informados e motivados a maximizar seus lucros (GALDÃO e FAMÁ , 1998). Na década de 70, E. F. Fama envidou esforços no sentido de operacionalizar a noção de eficiência do mercado ao tentar classificar tipos de informações relevantes na formação dos preços Em primeiro lugar, Fama (1970, p. 383) sumarizou essa ideia em sua clássica pesquisa ao escrever: A market in wich prices always “fully reflect” available information is called “efficient’. Nesse contexto, Roberts (1967) e Fama (1970) definiram três subconjuntos de informações relevantes a serem considerados nos testes de eficiência, diferenciando-as quanto 37 à relevância no processo de precificação dos ativos: 1) testes na forma fraca, no qual são consideradas apenas as séries históricas dos preços dos títulos; 2) testes da forma semiforte: os preços se ajustam a todas as informações publicamente disponíveis) e ; 3) testes na forma forte: referem-se a possível monopólio, por parte de investidores ou grupos, de informação relevante para a formação dos preços. Nas palavras de Fama (1970): This paper reviews the theoretical and empirical literature on the efficient markets model. After a discussion of the theory, empirical work concerned with the adjustment of security prices to three relevant information subsets is considered. First, weak form tests, in wich the information set is just historical prices, are discussed. Yhen semi-strong form tests, in wich the concern is whether prices efficiently adjust to other information that is obviously publicly available (e.g., announcements of annual earnings, stock splits, etc.) are considered. Finally, strong form tests concerned with whether given investors or groups have monopolistic access to any information relevant for price formation are reviewed. We shall conclude that, with but a few exceptions, the efficient markets model stands up well (FAMA, 1970, P. 383). Assim sendo, os testes utilizando qualquer um dos três subconjuntos de dados poderiam chegar à conclusão de que ao investidor não seria permitido obter ganhos em excesso ao desenvolver regras de negociação baseadas: 1) em históricos de preços (forma fraca); 2) em informações publicamente disponíveis, tais como os dados contábeis das empresas, emissão de dividendos ou bonificações, splits, inplits etc., (forma semiforte); 3) usando qualquer informação, seja ela pública ou não (forma forte) Acrescente-se que, no artigo escrito em 1970, Fama (1970) determinou as condições suficientes para que a HEM verifique: 1) inexistência de custos de transação nas negociações de títulos; 2) disponibilização de todas as informações sem custos para todos os participantes do mercado; 3) concordância geral de expectativas entre os investidores quanto aos efeitos das informações sobre os preços atuais das ações, assim como sobre suas distribuições futuras (não haveria divergência de opinião entre os participantes do mercado a respeito do efeito daquela informação sobre os preços). Em tal mercado, o preço corrente de um título reflete toda informação disponível. Fama (1970) ressalta que tais condições não descrevem o mercado na prática. Felizmente, elas são suficientes, mas não necessárias. O autor acrescenta que mesmo elevados custos de transação não impedem o ajuste dos preços às novas informações. O mercado pode ser eficiente se um número suficiente (parcial) de investidores tiver acesso à informação. 38 Sanvicente (1984) faz uma relação entre a noção de mercado eficiente, tal como definida por Fama (1970), e as duas principais correntes de análise de preços, taxas de retorno e valores de títulos negociados nos mercados de capitais: a análise técnica (ou gráfica) e a análise fundamentalista. Sanvicente (1984) assevera que, em ambas as correntes de análise, o objetivo do analista é identificar títulos que proporcionem oportunidade de lucro extraordinário. O autor destaca que a razão de ser de ambas as análises contrariam a hipótese do mercado eficiente, embora “[...] ainda se pode admitir que a análise tenha utilidade enquanto atividade processadora de informações, e que assim torne o mercado eficiente” (SANVICENTE, 1984, p.20). Em 1991, E. F. Fama propôs mudanças na denominação das formas de eficiência informacional. Ele basicamente renomeou as categorias propostas por ele em 1970. O primeiro grupo, testes de eficiência da forma fraca, foram ampliados e renomeados como testes de previsibilidade de retornos, que inclui prever retornos com variáveis tais como dividendos e taxas de juros. Aos testes da forma semiforte propôs o título de estudos de evento, relacionados a mudanças de preços resultantes da divulgação pública de informações. Quanto aos testes da forma forte, sugeriu testes de informação privada, que examinam a existência de informações mantidas por certos grupos e ainda não incorporadas aos preços do mercado. De acordo com Camargos e Barbosa (2007, p.03), os testes do último grupo [...]consistem em detectar operações no mercado de capitais denominadas insider trading, que correspondem à utilização de informações privilegiadas sobre uma firma por parte das pessoas que, por força do exercício profissional, estão por dentro de seus negócios, para transacionar com suas ações antes que tais informações sejam de conhecimento do público. Tabak (2002) argumenta, entretanto, que a hipótese do mercado eficiente pode não estar sempre correta. É possível existirem determinadas anomalias - tais como o efeito tamanho, o efeito janeiro, o efeito dia da semana, dentre outras, de tal forma que o comportamento do mercado possa conter componentes que tornam possíveis alguma predição. Sanvicente e França (1989) justificaram a ineficiência no mercado financeiro brasileiro como sendo em função da disponibilidade relativamente limitada de informações sobre os ativos negociados nas bolsas de valores do Brasil, o que conferiria vantagens de custo a investidores institucionais e de maior porte, quando comparados aos investidores individuais e de menor porte. A vantagem dos investidores institucionais estaria no fato de terem acesso privilegiado 39 a informações tendo em vista a facilidade de contato com a administração das empresas com ações negociadas nas bolsas. Tais fatos poderiam explicar os resultados encontrados na pesquisa que o autor fez ao observar que os investidores institucionais apresentaram capacidade superior de seleção de ativos para uma carteira. Leal e Amaral (2000) complementam que, até o início da década de 1990, o mercado de capitais brasileiro não apresentava um nível de eficiência informacional compatível com o de países desenvolvidos devido à sua baixa liquidez, grande concentração do volume negociado em poucos papéis nas mãos de poucos investidores e uma regulação operacionalmente deficiente. Na presente pesquisa, parte-se do pressuposto de que as mudanças pelas quais a economia brasileira passa desde 1994 (pós-Plano Real) tenha resultado em uma melhora da eficiência de seu mercado de capitais. Entre essas mudanças, destacam-se, segundo Camargos e Barbosa (2006, p. 44): • maior integração econômico-financeira, enfraquecimento das fronteiras nacionais e intensificação do comércio internacional, característicos dessa década; • internamente, a economia brasileira passou a ser caracterizada por relativa estabilidade econômica, reestruturação e concentração patrimonial (privatização), maior participação de investidores individuais e estrangeiros, maior transparência nas negociações no mercado de capitais. À medida que o mercado evolui, a tendência é de redução da ineficiência. Ceretta e Costa JR (2002) afirmam que, na hipótese do mercado eficiente, está implícito que os mercados estão abertos a todo tipo de público e que os preços devem refletir a maior disponibilidade de informação. Esses autores enfatizam que a análise da eficiência no processo de formação de preços no mercado de ações continua sendo uma das grandes áreas de pesquisa da Moderna Teoria de Finanças. Para citar alguns exemplos do caso brasileiro, Muniz (1980), Brito (1985) e Perobelli e Ness (2000) realizaram estudos nos quais foram constatadas as formas fraca e semiforte de eficiência . Os estudos sobre a eficiência do mercado podem contribuir para a elaboração de estratégias de investimento. Se o mercado acionário for eficiente, o investidor optará por estratégias passivas de compra e manutenção de carteiras diversificadas (estratégia buy and hold), aguardando tempo suficiente para que a carteira seja remunerada (FAMA, 1991). Em caso 40 contrário, será necessário que o investidor adote uma estratégia ativa de identificação de ações mal precificadas para, dessa forma, auferir lucros expressivos. Mishkin (2000) aponta que, se existem influências sistemáticas de variáveis econômicas sobre o Ibovespa, a hipótese de mercados eficientes pode, portanto, ser questionada. De acordo com Ferreira e Yu (2003), como o surgimento de notícias é imprevisível, os retornos deveriam ser imprevisíveis e não deveria ser possível estabelecer uma estratégia com retornos maiores que o mercado, sem incorrer em aumento de risco. Contudo, trabalhos têm mostrado evidências da existência de alterações de preços sem razão aparente (SHILLER, 1989; CUTLER, POTERBA e SUMMERS,1989), além de estratégias de investimentos, baseadas em informações públicas, que são capazes de gerar retornos anormais (DE BONDT e THALER, 1985; BERNARD, 1993; JEGADEESH e TITMAN, 1993). A importância do conceito de eficiência de mercado nos modelos de precificação de ativos é notória. Esse conceito tem sido utilizado como base teórica na maioria dos modelos de precificação desenvolvidos, embora haja controvérsia acerca da eficiência de mercado, o que dá margem a vertentes distintas sobre como precificar ativos, bem como sobre a possibilidade ou não de previsão da variação dos preços das ações. Tendo em vista que a pesquisa em pauta tem por objetivo utilizar expectativas de variáveis macroeconômicas, assim como os dados efetivamente observados, na previsão da volatilidade e do retorno das ações, pode-se classificá-la no primeiro grupo proposto por Fama (1970): teste de eficiência na forma fraca. Esse grupo foi renomeado, pelo autor, em 1991, tornando-se teste de previsibilidade de retornos, em que são utilizadas variáveis macroeconômicas tais como taxa de juros. Portanto, é o grupo em que a pesquisa mais se adéqua. 41 2.3 Modelos de fatores Os modelos de fatores são ferramentas úteis para analisar riscos, fazer hedging e administrar carteiras de investimentos. Tais modelos são equações que quebram os retornos dos títulos em dois componentes: fatores comuns e componentes específicos à empresa. Um modelo de fatores, de acordo com Grinblatt e Titman (2005), especifica que o retorno de cada investimento de risco é determinado por: um pequeno número de fatores comuns, que são aproximações para aqueles eventos na economia que afetam um grande número de investimentos diferentes; um componente de risco que é único no investimento. Por exemplo, as mudanças nos preços das ações da Petrobras podem ser atribuídas a um conjunto de variáveis macroeconômicas, como mudanças nas taxas de juros, de inflação e produtividade, que são fatores comuns porque afetam os preços da maioria das ações. Ademais, mudanças nos preços das ações da Petrobras podem ser causadas por eventos internos a ela, tais como o sucesso das inovações de seus produtos, pelos esforços na contenção de custos, por uma greve, pela mudança na administração e assim por diante. Esses componentes de retorno da Petrobras são considerados componentes específicos à empresa porque afetam somente essa empresa e, não, os retornos de outros investimentos. Assim, é possível dizer que os modelos de fatores são equações que levam em consideração, tanto o risco sistemático (de mercado), quanto o risco não sistemático (diversificável- da empresa), conforme visto em seção anterior. Em muitas situações, é possível ignorar os componentes específicos à empresa (que respondem pelo risco diversificável) dos retornos de carteiras que consistem em um grande número de ações. As variâncias do retorno dessas carteiras são, em grande medida, determinadas por fatores comuns e não são afetadas pelos componentes específicos à empresa. Possivelmente, o modelo de fator mais simples derivado da teoria econômica é o que foi desenvolvido por Sharpe (1964), Lintner (1965) e Mossin (1966), o Capital Asset Pricing Model (CAPM). Este modelo pressupõe que a taxa de retorno de todos os ativos de risco é função do beta de mercado, sendo esse o único fator de medição de risco 42 Se as ações fossem, porém, sensíveis a um único fator comum, os retornos da maioria dos fundos, por exemplo, seriam altamente correlacionados uns com os outros. Entretanto, as ações estão sujeitas a fontes múltiplas de risco de fator, que é a variabilidade de retorno gerada pelos fatores comuns. Alguns fatores tendem a afetar empresas grandes e pequenas diferentemente. Alguns afetam empresas orientadas ao crescimento de forma diferente do que afetariam as ações em indústrias de baixo crescimento. Isso significa que, ao longo do tempo, é possível testemunhar alguns fundos com bom desempenho, enquanto outros, com desempenho ruim. Um fundo, como uma empresa, deveria estar muito consciente do fator de risco ao qual está exposto (GRINBLATT e TITMAN, 2005). Embora os modelos de um fator, tal como o CAPM, não captem com rigor o risco sistemático, têm a vantagem de ser simples. Após o surgimento desse modelo, outros estudiosos tentaram pesquisar outros fatores de risco que impactariam o desempenho das ações das empresas listadas em bolsa. Esses são os modelos multifatoriais. Connor (1995) distingue três diferentes tipos de modelos multifatores de risco: 1. modelos de fatores estatísticos; 2. modelos de fatores fundamentais; 3. modelos de fatores macroeconômicos. Os modelos de fatores estatísticos usam procedimentos exclusivamente estatísticos para estimar fatores e sensibilidade do retorno a eles. Os modelos de fatores fundamentais utilizam características e dados contábeis da empresa. Os modelos de fatores macroeconômicos empregam séries temporais macroeconômicas. Embora os fatores comuns afetem o retorno de vários investimentos, as sensibilidades dos retornos de um investimento aos fatores diferem de investimento para investimento. Por exemplo, o preço da ação de uma empresa do setor de construção civil pode ser muito mais sensível às mudanças nas taxas de juros do que o de uma empresa do setor elétrico. Esses betas do fator (ou carregamentos fatoriais), ou as sensibilidades fatoriais, são similares aos betas de mercado, que também são diferentes de ação para ação. 43 2.3.1 Modelo de um fator De acordo com Grinblatt e Titman (2005), uma das razões para desenvolver um modelo de mercado de um fator era reduzir o esforço computacional necessário para determinar as covariâncias. Pesquisadores, no entanto, verificaram que o modelo de mercado trouxe mais do que a simplicidade computacional. As correlações e, conseqüentemente, as covariâncias, todas estimadas pelo modelo de um fator, eram, em média, melhores previsores das correlações futuras do que as correlações calculadas diretamente dos dados passados (ELTON, GRUBER E URICH, 1978). As correlações e covariâncias baseadas em modelos multifatoriais podem fazer ainda melhor de acordo com esses autores. Como exposto anteriromente, o primeiro modelo de precificação de ativos derivado da teoria econômica, o Capital Asset Pricing Model (CAPM), utiliza apenas um fator e foi desenvolvido por Sharpe (1964), Lintner (1965) e Mossin (1966). Sharpe (1964), foi agraciado com Prêmio Nobel em Economia em 1990, devido ao desenvolvimento do Modelo. O CAPM, pressupõe que a taxa de retorno de todos os ativos de risco é função do beta de mercado, sendo este o único fator de medição de risco. The Capital Asset Pricing Model -CAPM O risco inerente a negociações de ativos no mercado de capitais tem gerado debates intensos, tanto no ambiente acadêmico, quanto fora dele. Embora o senso comum indique que investimentos de risco, como aqueles feitos no mercado acionário, geram retornos mais elevados do que os investimentos em renda fixa, isto é , em investimentos livre de risco, foi apenas com o desenvolvimento do CAPM que foi possível a quantificação do equilíbrio entre risco e retorno esperado e a descoberta do prêmio por aceitá-lo. O CAPM, proposto originalmente por Sharpe (1964), é um modelo de precificação de ativos com risco, em equilíbrio. No CAPM, o retorno esperado de um título está positiva e linearmente relacionado à covariância do seu retorno com o retorno de uma carteira de mercado. As bases para o CAPM foram traçadas por Markovitz (1952), que lançou o problema do investidor em selecionar carteiras em termos de retorno esperado e variância do retorno. O 44 autor argumenta que investidores deteriam uma carteira com maior retorno esperado para um dado nível de variância. No CAPM, Sharpe (1964) e Lintner (1965) expõem que o retorno esperado do ativo i, E[Ri ] = Rf + βim(E [Rm ]- Rf ) [Equação 4] e [Equação 5] βim = Cov [Ri, Rm ] Var [Rm ] Onde E[Ri ] é o retorno esperado do ativo, Rf é a taxa de juros livre de riscos, Rm é o retorno esperado da carteira de mercado por exemplo o Ibovespa), βim é o coeficiente beta, descrito na equação 5, (E [Rm ]- Rf ) é o prêmio de risco, que é a diferença entre a taxa de retorno esperada da carteira e a taxa de retorno livre de riscos. De acordo com Grinblatt e Titman (2005), as duas pressuposições que embasam a análise da média e variância são as seguintes: 1) os investidores se preocupam somente com a média e a variância do retorno de suas próprias carteiras; 2) os mercados não têm atrito. Os autores citam que, para desenvolver o CAPM, é necessária uma pressuposição adicional: os investidores têm expectativas homogêneas, o que significa que todos eles obtêm as mesmas conclusões sobre as médias e os desvios-padrão de todas as carteiras possíveis. Portanto, a partir dessas três pressuposições, os teóricos foram capazes de desenvolver o Modelo de Precificação de Ativos Financeiros, o qual conclui que a carteira de tangência deve ser a carteira de mercado. De acordo com Málaga (2003), até o final dos anos 70, o resultado da pesquisa era favorável ao modelo linear de risco-retorno imposto pelo CAPM e a medida de risco beta. Entretanto, após esse período, outros estudos foram conduzidos, e os resultados levaram muitos pesquisadores a questionar o CAPM. Em diversos casos, ações de baixo beta (baixo risco) pareciam obter taxas de retorno superiores àquelas previstas pelo modelo, enquanto ações de alto beta (alto risco) pareciam obter taxas de retorno inferiores às previstas. Desse modo, essas evidências negavam o modelo desenvolvido por Sharpe (1964), Lintner (1965) e Mossin (1966). 45 Outra crítica ao CAPM é que diversas características das ações explicam os retornos médios históricos de maneira mais acurada do que o beta do CAPM. Essas características incluem, entre outras, a capitalização de mercado da empresa, o quociente de valor de mercado da empresa com o seu valor contábil, ou o quociente de valor de mercado/valor contábil. A interpretação desses resultados empíricos é que o CAPM não descreve propriamente a relação entre o risco e o retorno esperado. Grinblatt e Titman (2005 p. 160) resumem a discussão sobre se o CAPM pode ser testado (e sobre a carteira de mercado) da seguinte forma: O teste do CAPM pode ser complicado porque a carteira de mercado não é diretamente observável. As aplicações das teorias usam as várias aproximações para o Mercado. Embora os resultados dos testes empíricos do CAPM que usam essas aproximações não possam ser considerados conclusivos, eles fornecem idéias importantes sobre a adequação da teoria quando da implementação de aproximações específicas usadas no teste. De acordo com esses autores, existem duas explicações para a baixa capacidade do CAPM de explicar os retornos médios acionários. A primeira delas diz ser essa uma falsa teoria porque os investidores talvez não ajam tão racionalmente quanto a teoria parece sugerir. Uma segunda explicação tem a ver com a possibilidade de várias aproximações para a carteira de mercado não captarem todos os fatores de risco relevantes da economia. Se esse for o caso, o CAPM poderia ser usado, mas incorporado por fatores adicionais que captem esses aspectos de risco. Seriam esses os modelos multifatoriais utilizados nesta pesquisa. 2.3.2 Modelos multifatoriais A representação algébrica do modelo multifatorial, ou seja de modelo fatorial com mais de um fator comum, é dada na equação 6. e (GRINBLATT e TITMAN, 2005). ri = αi+βi1F1 + βi2F2 +...+ βik Fk + ε [Equação 6] A pressuposição que envolve a Equação 6 é que os retornos dos títulos são gerados por um número relativamente pequeno de fatores comuns, cada fator simbolizado por um F subscrito, para o qual ações diferentes têm sensibilidades distintas, ou ßs, juntamente com componentes específicos à empresa não-correlacionados, os εs, que contribuem com uma variância irrisória em carteiras bem diversificadas. 46 Os modelos fatoriais formam três grupos distintos: modelos de fatores estatísticos, modelos de fatores fundamentais e modelos de fatores econômicos, como apresentados a seguir. 2.3.2.1 Modelos de fatores estatísticos Em um modelo de fatores estatísticos, dados cross-sectional e históricos em retorno são inseridos em um modelo estatístico. O objetivo do modelo estatístico é explicar o retorno observado do ativo com fatores que são combinação linear de retorno e não correlacionadas entre si. Isto é tipicamente efetuado por meio da análise dos componentes principais (PCA). Em modelos de fatores estatísticos, o número de fatores é normalmente entre quatro e oito, o que é considerado um número pequeno quando comparado aos modelos de fatores macroeconômicos e fundamentais. De acordo com Fabozzi Focardi e Kolm (2006), devido a problemas de interpretação, é difícil usar os fatores de um modelo de fatores estatísticos para avaliação de empresas (valuation), construção de portfólios e controle de risco. Portanto, é preferível utilizar os outros dois tipos de modelos, que permitem especificar fatores significativos, e então produzir um modelo mais intuitivo. Roll e Ross (1980) publicaram um dos primeiros testes com a APT usando a análise fatorial. Devido às limitações computacionais dos programas de análise estatística, eles tiveram de se debruçar sobre a estimação dos fatores de um pequeno número de ações. Roll e Ross concluíram que pelo menos três fatores são importantes para a relação de risco e retorno da APT, mas provavelmente não mais do que quatro. 2.3.2.2 Modelos de fatores fundamentais De acordo com Fabozzi, Focardi e Kolm (2006), típicos modelos de fatores fundamentais utilizam características e dados contábeis da empresa como variáveis preditoras. Nesta pesquisa, utilizam-se o tamanho da empresa e o seu endividamento como representantes do modelo de fatores fundamentais. Tamanho da Empresa De acordo com o CAPM, o risco sistemático de uma ação é capturado por apenas um fator: pelo beta da ação. Dessa forma, o efeito tamanho poderia ser visto como uma anomalia, ou 47 então, uma má especificação do CAPM. Assim, a existência do efeito tamanho seria interpretada como uma anomalia ou uma má especificação do CAPM, uma vez que a confirmação empírica indicaria “[...] algum risco não medido, ou medido inadequadamente [pelo beta]” (CHAN, CHEN e HSIEH, 1985, p. 464). O efeito tamanho também sugeriria a ineficiência de mercado, tendo em vista que os agentes não conseguiriam antecipar esse maior retorno. Os agentes racionais deveriam revisar as expectativas e optar por deixar nas carteiras de investimento as ações de empresas menores (maior retorno esperado). Esse aumento da demanda por ações de empresas menores (queda na demanda por ações de empresas grandes) elevaria (reduziria) o preço dessas ações hoje, diminuindo (aumentando) o retorno futuro, de tal forma que o preço seria alterado no momento em que os agentes incorporassem a informação acerca do efeito tamanho, e o retorno futuro das empresas pequenas e grandes seria igual. O efeito tamanho, documentado inicialmente por Banz (1981) e Reinganum (1981), consiste na evidência empírica de que ações de empresas pequenas apresentam maior retorno médio do que as de empresas grandes. Banz (1981), Reinganum (1981) estudaram a relação entre tamanho3 da firma e retorno utilizando dados americanos e concluíram que as firmas com pequena capitalização de mercado alcançavam retornos expressivamente maiores do que as firmas maiores. De acordo com Fama e French (1992) e Jegadeesh (1992), na análise de dados internacionais, não havia correlação entre os fatores de risco (beta) e tamanho da empresa. Fama e French (1992) desenvolveram um trabalho visando verificar a influência conjunta das variáveis Beta (β) – tal como calculada no CAPM -, tamanho da empresa, índice preço/lucro, alavancagem financeira e índice valor contábil/valor de mercado na variação dos retornos das ações. Os resultados encontrados indicaram que o tamanho da empresa colabora para a explicação da variação do retorno das ações. 3 Tamanho em Bonomo e Dall’Agnol (2003) é medido pela capitalização de mercado, que é igual ao preço da ação multiplicado pelo número de ações existentes. É o que é utilizado na presente pesquisa. 48 Modelo de três fatores Fama-French (1993) Um dos mais conhecidos modelo de fatores fundamentais é o modelo de três fatores de Fama-French (1993). Além da carteira de mercado, os outros dois fatores que os autores utilizam na pesquisa são o fator tamanho e o fator book-to-market. Desde a formulação do CAPM, pesquisadores procuram evidenciar a validade do modelo por meio de testes empíricos. Muitos desses estudos identificaram que o risco, tal como medido pelo modelo, explica as variações nos retornos dos ativos. Outros fatores influenciariam significativamente esses retornos e são chamados anomalias (FAMA e FRENCH, 1996). Fama e French (1993), baseados nas anomalias identificadas em trabalhos anteriores, dentre eles os de Reinganum (1981), Banz (1981), Basu (1977), Chan e Chen (1991) e Fama e French (1992), formularam um modelo de três fatores que, segundo eles, explicaria significativamente as variações dos retornos dos ativos. Os três fatores são: 1) o risco de mercado, conforme definido por Sharpe (1964) e incluído no CAPM; 2) o tamanho da empresa; 3) o índice B/M (book to market), que é a relação entre o valor contábil e o valor de mercado das ações ordinárias da empresa. Os autores pretendiam determinar o prêmio de cada fator de risco e analisar sua influência sobre o retorno das ações. Chan, Chen e Hsieh (1985) examinaram o efeito de tamanho da empresa criando 20 carteiras classificadas por tamanho e estimando as sensibilidades a fatores macroeconômicos tais como PIB, mudanças no prêmio de risco, taxa de juros e inflação. Eles chegaram à conclusão de que a diferença nos resíduos entre a carteira de empresas menores e a de empresas maiores é positiva, mas não estatisticamente significante. Também conduziram um teste usando o logaritmo do tamanho da empresa como uma variável independente e chegaram a um coeficiente insignificantemente diferente de zero no modelo multifatorial. Os autores concluíram que esse modelo explica a anomalia no tamanho. Fama e French (1993) disputam o crédito por essa conclusão. Eles dizem que os fatores macroeconômicos de Chen, Roll e Ross (1986) não conseguem explicar o efeito de tamanho da empresa. Fama e French (1993) tiveram como amostra as ações das empresas listadas na NYSE, AMEX e NASDAQ para o período de 1963 a 1991 (NASDAQ a partir de 1972). As empresas foram ordenadas de acordo com o valor de mercado de suas ações ordinárias. O 49 valor mediano dessa ordenação foi então utilizado para dividir a amostra em dois grupos, classificados como B (big ) e S (Small), que continham as empresas de maior e menor valor de mercado respectivamente. As ações foram ordenadas também de acordo com o índice B/M das empresas representadas. Após a ordenação, a amostra era então segmentada em três grupos: 30% inferior (Low-L), 40% médio (Medium – M)e 30% superior (High – H) de acordo com o valor do índice B/M. Com essas ordenações, em junho de cada ano, construíam-se seis carteiras decorrentes da intersecção dos dois grupos da variável valor de mercado e dos três grupos da variável B/M. Os autores observaram que, apesar de as carteira de menor tamanho conterem o maior número de empresas, elas respondiam por menos de 0,7% do valor total de mercado de todas as empresas da amostra, enquanto as carteiras de maior tamanho continham o menor número de empresas, mas o maior valor de mercado. Tal fato seria possível em virtude da inclusão de ações da AMEX e NASDAQ que, em sua maioria, eram pequenas em valor de mercado e tendiam a apresentar índices B/M menores que aqueles das ações listadas na NYSE. Dentre os resultados encontrados por Fama e French (1993), confirmaram-se as evidências de trabalho anterior desses autores (Fama e French, 1992) de que haveria uma relação negativa entre tamanho e retorno médio e uma relação positiva entre índice B/M e retorno médio. De acordo com Fama e French (1993), com exceção de uma carteira, em todas as demais os retornos médios diminuíram da carteira de menor para a de maior tamanho. Para verificar a validade do modelo, Fama e French (1993) testaram a influência de cada um dos fatores de risco sobre a variação dos retornos, analisando, em primeiro lugar, o efeito de cada um deles isoladamente e, em seguida, o efeito combinado dos fatores sobre o retorno. A variável explicativa tamanho, claramente capta variações nos retornos. Fama e French (1993) conjecturaram que a variável tamanho estaria relacionada aos maiores riscos das pequenas empresas e à incapacidade dos gestores em manter uma carteira diversificada e eficiente. Fama e French (1995) estudaram as ações de Companhias norte-americanas no período de junho de 1963 a junho de 1992 para verificar a relação entre o retorno apresentado e o tamanho da empresa. Os resultados apontaram que o fator tamanho colabora na explicação dos retornos. 50 Jagannathan e Wang (1996) usam alguns dos macrofatores do modelo de Chen, Roll e Ross (1986)para prever mudanças das séries temporais nos prêmios de risco associados aos fatores e adicionam mais um macrofator, que é a renda do trabalho agregada, para explicar os retornos acionários médios. Um número significativo de observações advém dos artigos de Jagannathan e Wang (1996), que fornecem algumas ideias interessantes sobre o efeito de tamanho da empresa. São elas: os retornos acionários de pequenas empresas parecem estar altamente correlacionados com mudanças no spread entre títulos de dívida Baa e títulos de default; o spread parece prever de forma bem razoável os retornos dos mercados futuros; pequenas empresas têm betas de mercado superiores quando o spread é superior; retornos acionários de empresas de pequeno porte parecem covariar mais com a renda per capita do trabalho do que com os retornos acionários de grandes empresas. O primeiro e o último ponto implicam a ideia de que é possível, pelo menos em parte, explicar o efeito de uma empresa pequena usando um modelo do tipo APT. -. Em uma outra tese para explicar o efeito tamanho, Berk (1997) argumentou que o efeito tamanho é consequência da proxy de tamanho utilizada. Assim, esse efeito não seria uma anomalia, pois; “[...] não há explicação teórica sobre o porquê de firmas pequenas gerarem retornos maiores porque nenhuma explicação é necessária [já que] a moderna teoria de fi nanças prediz que o valor de mercado da firma e seu retorno devem ter correlação negativa”. (BERK, 1997, p. 12). Ainda, segundo Berk (1997), isso acontece porque não há definição formal acerca do tamanho das empresas. Bauman, Conover e Miller (1998) afirmam que, no período estudado, de 1986 a 1996, o retorno médio anual mostrado pelas empresas consideradas pequenas era de 22%, enquanto o apresentado pelas empresas grandes era de 10,8%. Os autores acabam confirmando a superioridade do retorno de ações tipo value sobre o das ações tipo Growth. A relação entre tamanho da firma e retorno foi estudada no Brasil por Costa Jr e O’Hanlon (1991) Costa Jr e Neves (2000), Mellone Jr (1999) e Braga e Leal(2002), dentre outros. Os resultados de Costa Jr e O’Hanlon (1991), para o período de 1970 a 1989, Costa Jr e Neves (2000), para o período de 1986 a 1996, e os resultados de Mellone Jr (1999), para o período de 1994 a 1998 apontaram a existência do efeito tamanho. No entanto, os resultados obtidos 51 por Braga e Leal (2002) para o período de 1991 a 1998 não indicaram a existência do efeito tamanho. Costa Jr e Neves (2000) verificaram se as variáveis valor de mercado da empresa (tamanho), o índice preço/lucro e o índice valor patrimonial da ação/preço da ação - além do beta - , poderiam explicar o retorno dos ativos, utilizando ações negociadas na Bovespa janeiro/86 a fevereiro/96. A amostra continha 117 ações negociadas na Bovespa. Os resultados do estudo apontaram que as variáveis mais relevantes foram VM e o índice VPA/P, resultado semelhante ao verificado por Fama e French (1992). O índice P/L, apesar de significativo, apresentou menor poder de explicação, enquanto que o beta pareceu mais significante do que os resultados do estudo de Fama e French (1992). O estudo apontou uma relação negativa entre a rentabilidade média das carteiras e as variáveis índice P/L e valor de mercado. Quanto ao VPA/P, a relação encontrada foi positiva. Os autores concluíram que, apesar da contribuição de tais variáveis fundamentalistas para a explicação das variações dos retornos das ações, foi o coeficiente beta que apresentou o melhor poder de explicação. Entretanto, afirmaram que o CAPM está mal especificado, já que foi possível incluir outros fatores para explicar o comportamento dos retornos. ( Málaga) Rodrigues (2000) verificou a existência do efeito valor e do efeito tamanho como determinantes do risco das ações. A amostra foi formada por 180 ações negociadas na Bovespa no período de 06/1991 a 05/1999. Foram formadas carteiras de ações com base no indicador valor de mercado/valor patrimonial e também com base apenas no valor de mercado. Os resultados apontaram que o efeito tamanho foi favorável às ações de empresas de maior valor de mercado. Braga e Leal (2002) buscaram novas evidências da superioridade da estratégia de investimento em ações de valor. Neste estudo, além da variável valor contábil/valor de mercado, foi utilizado o fator tamanho para selecionar os portfólios no período de junho de 1991 a junho de 1998. Os resultados não confirmam o efeito tamanho encontrado por Costa Jr. e Neves (2000). Bonomo e Dall’Agnol (2003) também detectaram a presença do efeito tamanho. Entretanto, o mesmo não foi suficiente para explicar a diferença de retornos encontrados. 52 Endividamento / alavancagem O conceito de alavancagem é derivado do significado de alavanca na física. Relaciona-se com o alcance de um resultado final mais do que proporcional ao esforço aplicado. Dantas, Medeiros e Lustosa (2006) destacam dois tipos de alavancagem no ambiente econômico- financeiro: a operacional (relacionada com a estrutura de ativos) e a financeira (relativa à estrutura de capitais). Na presente pesquisa, relaciona-se a alavancagem financeira à volatilidade e ao retorno das ações. Pode-se afirmar que, no Brasil, existe uma baixa oferta de financiamento. Cicogna, Toneto Junior e Valle (2007) destacam alguns elementos macroeconômios que explicam, pelo menos em parte, esta situação: a inconstância institucional, altas taxas de juros, títulos públicos com elevada atratividade, inflação historicamente alta e crescimento econômico inconstante. Também no que se refere aos aspectos microeconômicos, os autores ponderam que existe incentivos à informalidade na empregabilidade e a permanência de problemas legais dentre outros. Esses autores afirmam que, no Brasil, está surgindo um movimento para a criação de um ambiente legal favorável ao desenvolvimento de mecanismos de financiamento, tais como a nova lei de falências, a revisão da Lei das Sociedades Anônimas (S.A.s) e a reforma do judiciário. Cicogna, Toneto Junior e Valle (2007, p. 53) afirmam no entanto, que as empresas têm evidenciado um “[...] baixo interesse em recorrer a recursos de terceiros pelas condições adversas que encontram”. A questão do endividamento das empresas listadas em bolsa interessa particularmente o mercado acionário, tendo em vista a sua possível relação com a volatilidade e com o retorno das ações. Essa é um questão um tanto ou quanto controversa, tendo em vista as opiniões divergentes quanto à real relação entre endividamento e volatilidade e o retorno: é possível que o endividamento seja benéfico ao desempenho da empresa, tendo em vista que proporcionaria mais recursos a serem aplicados, o que daria condições para que a empresa auferisse maiores lucros do que aquele que auferiria sem o endividamento. Por outro lado, o risco poderia ser maior em casos de crise, portanto, os investidores tenderiam a preferir aquelas empresa menos alavancadas (endividadas), tendo em vista que suas ações poderiam apresentar menor volatilidade. 53 Portanto, a questão do endividamento da empresa nos remete à questão de como o mercado reage a esse tipo de informação contábil. É uma questão que interessa, tanto a quem elabora políticas contábeis (accounting policy making), quanto a pessoas que estudam a eficiência dos mercados financeiros. Aquelas que se interessam pela elaboração de políticas contábeis possivelmente desejam saber se os dados contábeis, nesse caso o endividamento, trazem informações relevantes para os investidores tomarem suas decisões de alocação de recursos. E, em caso positivo, se o endividamento da empresa seria útil para essa finalidade. Os interessados na eficiência de mercado possivelmente querem saber se os ativos financeiros estão sendo apreçados de tal forma que reflitam corretamente essa informação veiculada pela empresa. Caso o mercado seja ineficiente nesse sentido, haveria ativos mal precificados e, como consequência, uma alocação não otimizada dos recursos financeiros. Cite-se que em pesquisa divulgada na Revista Exame Maiores e Melhores, o endividamento geral estava entre as variáveis que mais explicaram o desempenho alcançado por essas empresas em 2000. A questão do endividamento é amplamente estudada no meio acadêmico e empresarial. O modelo clássico previa a existência de uma combinação entre capital próprio e de terceiros em que o valor da firma seria maximizado. Em contraposição a esse modelo, Modigliane e Miller (1958), tendo como base os pressupostos do mercado perfeito e sem imposto, fizeram a proposição da irrelevância da estrutura de capital na determinação do valor de mercado da empresa. Essa proposição deriva da ideia de que o valor da empresa é determinado pela qualidade das decisões de investimento e, não, pela forma como elas se financiam. Ou seja, uma firma alavancada tem o mesmo valor de mercado de uma firma não alavancada. A despeito dessa proposição, outras correntes teóricas indicam que é possível que o endividamento possa exercer influência sobre o valor das empresas. Durand (1959) assevera ser possível estabelecer uma estrutura de capital ótima que possibilite a maximização da riqueza dos acionistas. Cinco anos após terem escrito sobre a irrelevância da estrutura de capital, os próprios Modigliane e Miller (1963) admitiram a possibilidade de que os benefícios fiscais advindos da dívida exerceriam efeitos positivos sobre o valor da empresa. No entanto, esses benefícios fiscais, pelo ponto de vista do trade-off, seriam gradativamente reduzidos devido às dificuldades financeiras (MYERS, 1984), o que faria com que a contribuição do endividamento fosse limitada a um ponto ótimo a partir do qual começa a 54 ser reduzido o valor da empresa. De acordo com Meyers (1984), mantidos constantes os ativos e os planos de investimento da empresa, o limite para o uso de capital de terceiros se dá quando os custos gerados pelo endividamento (que podem causar dificuldades financeiras) são maiores que os benefícios gerados pela economia fiscal. Sob outra perspectiva, Jensen e Meckling (1976), na célebre teoria da agência – que se baseia no relacionamento entre principal e agente, em que o primeiro contrata o seguinte para execução de algum tipo de trabalho - dizem que a maior utilização das dívidas, em certas condições, em especial na fase de maturidade das empresas, poderia amenizar o conflito entre os acionistas (principal) e os gestores (agentes). Entretanto, nem sempre o agente atua com vistas à maximização da riqueza do principal. Nesse caso, o endividamento exerceria o papel de disciplinador do gestor, tendo em vista que este teria controle sobre um nível menor de recursos financeiros, obrigando-o a adotar estratégias mais alinhadas aos interesses dos acionistas (JENSEN, 1986). Sob este ponto de vista, o endividamento exerce, sobre o valor da empresa, um efeito positivo ao reduzir os problemas de sobreinvestimento gerados pelo excesso de caixa disponível. Tanto a teoria da agência, quanto a perspectiva do trade-off aludem a uma relação positiva entre endividamento e valor da empresa. É possível que essa relação possa ser extrapolada para a análise de risco das ações, medida pelo desvio-padrão de seus retornos. A hipótese do presente trabalho é que o endividamento exerce um efeito positivo sobre a volatilidade. As dívidas poderiam ser vistas como um disciplinador em relação às decisões tomadas pelos gestores que se espera, fariam uso adequado dos recursos, investindo em projeto que, após ser comparado a outros investimentos, pudesse ter maior probabilidade de gerar riqueza para o acionista, em termos de retorno acionário. Portanto, investir em projetos que poderiam ter maior possibilidade de dar certo mesmo em ambiente turbulento, que é quando o risco de mercado aumenta. Dessa forma, a importância do endividamento decorre do risco a ele associado, por exemplo, se aumenta o risco de inadimplência da empresa, tendo em vista que, caso o risco de mercado aumente, a empresa possa vir a sentir dificuldades em honrar seus compromissos. Ainda sobre endividamento, Christie (1982) argumenta que queda no preço de uma ação (retorno negativo) aumenta a alavancagem financeira da empresa na medida em que altera a 55 proporção de capital de terceiros em relação ao capital próprio, o que leva ao aumento do risco e da volatilidade da ação. Christie (1982) testou a hipótese de que a volatilidade dos retornos de uma ação seria função crescente do grau de alavancagem financeira. Os resultados da pesquisa desse autor evidenciaram que há relação negativa entre a volatilidade dos retornos das ações e o valor das ações. O autor atribuiu essa relação à alavancagem financeira4 da empresa. Sendo assim, é possível afirmar que, para o mercado acionário, o endividamento é uma variável relevante em modelos que têm por escopo prever a volatilidade do retorno das ações. No Brasil, Mellone Jr. (1999), utilizou os fatores alavancagem financeira, tamanho (patrimônio líquido) , índice lucro/preço e valor patrimonial sobre o valor de mercado, além do beta do CAPM, para explicar o retorno das ações . O estudo compreendeu o período entre os meses de 01/94 a 08/98, com uma amostra formada por 233 ações negociadas na Bolsa de valores de São Paulo. Os resultados apontaram, em relação ao CAPM, que não existe relação linear entre os retornos das ações e seus respectivos betas e, quanto ao modelo de multifatores, as variáveis lucro/preço e valor patrimonial sobre o valor de mercado seriam relevantes na explicação dos retornos das ações, estando de acordo com os resultados de Fama e French (1992). As demais variáveis estudadas representando tamanho e alavancagem financeira não se mostraram relevantes na determinação dos retornos. No Quadro 1 são apresentadas pesquisas utilizando fatores fundamentais no mercado nacional e no mercado internacional. Quadro 1 - Pesquisas utilizando fatores fundamentais no mercado nacional e no mercado internacional Pesquisas Variáveis de análise Pesquisas internacionais Pesquisadas nacionais Tamanho da empresa Fama e French (1992) ; CHAN et al., 1985, Banz (1981) e Reinganum (1981), Basu (1977), Chan e Chen (1991);Bauman, Conover e Miller (1998); Keim e Stambaugh (1986) (Costa Jr e O’Hanlon (1991), Costa Jr e Neves (2000), Mellone Jr (1999), Braga e Leal(2002), Bonomo e Dall’Agnol (2003), Nagano, Merlo e Silva (2003) endividamento (alavancagem financeira) Christie (1982) (para volatilidade) Mellone Jr. (1999), Caselani (2005) (para volatilidade) (nmc Fonte – Elaborado pela autora da tese. 4 Alavancagem financeira: aumento do uso de recursos de terceiros em relação aos próprios (Dicionário de Finanças – Bovespa). 56 2.3.2.3 Modelos de fatores macroeconômicos Os negócios da empresa, as condições financeiras e o resultado de operações podem ser afetados adversamente por mudanças na política econômica, tais como impostos e variações cambiais, ou ainda, por problemas como: flutuações da moeda, política tributária e outras questões políticas, diplomáticas e sociais, dentro do País ou que o afetem. As variáveis econômicas contêm informações agregadas da economia e são utilizadas para avaliar diversos aspectos como crescimento, produção, investimentos, endividamento, capacidade de pagamento, taxas de juros e de câmbio, saldos em reservas internacionais e em conta corrente, exportações e importações, poupança e crédito, inflação, enfim, tudo que serve de parâmetro à análise econômica de um País (IMF, 1996). Como o risco de mercado está possivelmente relacionado a essas variáveis, os modelos de fatores macroeconômicos se propõem a analisar tal relação. Em um modelo de fatores macroeconômicos, as variáveis utilizadas são os retornos históricos dos ativos e variáveis macroeconômicas observáveis. O objetivo é determinar quais variáveis macroeconômicas são persistentes em explicar o retorno histórico do ativo. As variáveis que explicam o retorno tornam-se então os fatores que serão incluídos no modelo (FABOZZI, FOCARDI e KOLM, 2006). Os autores que estudam a relação entre variáveis macroeconômicas e volatilidade partem do pressuposto de que, uma vez que o valor presente das ações de uma empresa reflete a expectativa em relação ao seu fluxo de caixa futuro, qualquer variável que exerça influência sobre esse fluxo de caixa influenciará, indiretamente, os preços das ações e definirão, assim, sua volatilidade. Como afirma Schwert (1989, p.116), “[...] se os dados macroeconômicos provêem informação sobre a volatilidade dos fluxos de caixa futuros esperados ou sobre as taxas de desconto futuras, eles podem ajudar a explicar por que a volatilidade dos retornos das ações muda através do tempo”. Chen, Roll e Ross (1986) questionaram e empiricamente mostraram que variáveis macroeconômicas afetam os dividendos futuros assim como as taxas de desconto, afetando, dessa forma, o preço das ações. Fama (1970) argumentou que mudanças nas atividades 57 econômicas afetam o consumo e as oportunidades de investimento. Tendo em vista que mudanças no consumo e oportunidades de investimento são precificados no mercado de capital, mudanças no preço das ações estão relacionadas em mudanças nas variáveis macroeconômicas, ver também Chen (1991). De outra forma, Ross (1976) argumenta que ativos afetados por tais fatores de risco não diversificáveis deveriam então obter um prêmio de risco em uma economia avessa ao risco. De um modo geral, como concluem Moolman e DuToit (2003), as variáveis mais utilizadas na literatura para explicar o desempenho do mercado de capitais de um País são o desempenho macroeconômico, a taxa de câmbio, o risco-país, o desempenho dos mercados de capitais internacionais, a inflação e a taxas de juros doméstica. Muitos trabalhos tentaram mostrar associações confiáveis entre variáveis macroeconômicas e preço das ações. Um dos primeiros trabalhos que tratam da relação entre variáveis macroeconômicas e volatilidade no mercado acionário foi proposto por Officer (1973). O autor estudou o período de 1897 a 1969, utilizando os retornos das ações listadas na NYSE. O estudo evidenciou que a volatilidade do retorno das ações estava relacionada às flutuações na economia. Ross (1976) e Roll e Ross (1980) foram alguns dos primeiros trabalhos a darem continuidade aos estudos sobre a relação entre mercado acionário e variáveis macroeconômicas. Os estudos de Roll e Ross (1980) tinham por objetivo identificar o número adequado de fatores a serem usados no modelo. Por outro lado, os estudos de Chen, Roll e Ross (1986) ocuparam- se da determinação desses fatores. Desde então, diversos autores têm estudado a relação entre os indicadores econômicos e o mercado de capitais, inclusive no Brasil (PIMENTA JR e HIGUCHI, 2008; NUNES, COSTA e MEURER, 2005; GROPPO, 2004; BRUNI, 1998 e outros). Sobre o trabalho de Officer (1973), Geske e Roll (1983) concordam, ao afirmarem que, ao cair o nível da produção, há incremento no déficit fiscal, o que leva ao aumento da instabilidade econômica. Ou seja, o aumento da dívida pública traz incertezas quanto aos fundamentos macroeconômicos e à capacidade de o governo administrar a dívida, o que não 58 favorece o mercado de capitais, de acordo com Medeiros e Ramos (2004), tendo em vista que, segundo Geske e Roll (1983), o esforço fiscal do governo se reflete no mercado acionário. Pires (2006) sugere que há um ganho de credibilidade na política fiscal quando a dívida é menor, o que gera expectativas de que haja um aumento no superávit primário. Se a credibilidade aumenta, seria possível que a variação no retorno diminuísse. Chen, Roll e Ross (1986) correlacionaram variáveis macroeconômicas com os retornos das ações negociadas na Bolsa de Valores de Nova Iorque (NYSE) para o período de 1958 a 1984. O estudo evidenciou quatro variáveis significativas na determinação do retorno dos ativos: um indicador de produção industrial (nesse caso, a taxa de crescimento do PIB); mudanças no prêmio de risco (medida pela diferença nas taxas de rendimento de títulos corporativos de empresas de risco AAA e de empresas de risco Baa); variações na estrutura a termo da taxa de juros (medida pela diferença entre os rendimentos de títulos governamentais de curto e longo prazo) e a inflação. Eles também realizaram testes usando o consumo e os preços de petróleo como fatores e concluíram que nenhum afetava os retornos esperados das ações ordinárias. Além disso, quando adicionado à regressão, o retorno do índice de mercado não teve efeito na explicação dos retornos esperados. Ferson e Korajczyk (1995) utilizaram variáveis semelhantes às utilizadas por Chen, Roll e Ross (1986) para determinar o retorno nas ações listadas na NYSE e AMEX no período de 1926 a 1989, e todas elas se mostraram representativas: retorno do índice Standard & Poor’s 500 como índice de mercado, taxa de juro real (medida pela diferença entre a variação percentual mensal ex post do índice de preços ao consumidor e o resultado de um modelo de séries temporais para a taxa esperada de inflação), um indicador de risco de default corporativo (medido pela diferença entre as remunerações de bonds de empresas de alto padrão e baixo padrão – high e low grade corporate bonds) e a estrutura a termo das taxas de juros (medida pela diferença entre as remunerações de títulos do governo norte-americano de longo prazo e as T-bills de um mês). Beenstock e Chan (1988) utilizaram regressões múltiplas para definir quais e quantas variáveis apresentavam influência relevante para a precificação de um conjunto de ações para o período de 1977 a 1983. Esses autores evidenciaram quatro fatores relevantes: a taxa de 59 juros, um indicador de custo de materiais e combustível para a indústria, a oferta monetária e a inflação. Kaul (1990) pesquisou a relação entre inflação esperada e retornos do mercado de ações. Seus resultados apontaram que essa relação no mercado americano é significativa e negativa. Outro autor que estudou sobre taxa de juros foi Christie (1982), que testou a hipótese de que taxas de juros têm impacto sobre a volatilidade dos retornos das ações. Os resultados apontaram uma relação positiva entre essas variáveis. O fato de o resultado de pesquisas ter demonstrado o impacto das taxas de juros sobre a movimentação dos preços dos ativos, de acordo com Medeiros e Ramos (2004), pode ter sua explicação no fato de o aumento na taxa de juros fortalece a remuneração no mercado de renda fixa, o que atrai investidores para esses tipos de investimento em detrimento do mercado de renda variável. O aumento na taxa de juros, além disso, aumenta a incerteza e o risco dos investidores em relação ao retorno dos investimentos em renda variável. Como visto nos autores pesquisados, a taxa de juros está relacionada ao mercado acionário, embora a política do governo sobre taxa de juros não seja feita, por assim dizer, para o mercado acionário. Segundo Bresser-Pereira e Nakano (2002), o que se pretende fazer por meio da taxa de juros é: reduzir os investimentos e a demanda agregada quando aquecida, de forma a evitar pressão salarial e aceleração da inflação; limitar a desvalorização da taxa de câmbio para evitar a inflação de custos; atrair capital externo para fechar o balanço de pagamentos; induzir investidores internos a comprar títulos para financiar déficit público; reduzir o déficit comercial através do controle da demanda interna. Esses autores complementam, ainda, que “[...] é evidente que um único instrumento não pode alcançar todos esses objetivos. Além do mais, esses objetivos são contraditórios” (BRESSER- PEREIRA e NAKANO, 2002 p. 163). Por exemplo, um aumento na taxa de juro com finalidade de atrair o capital externo pode ajudar a obtenção de contas mais favoráveis no Balanço de Pagamentos do País, mas a própria valorização cambial decorrente da citada política pode provocar um déficit comercial e, consequentemente, prejudicar outras contas do mesmo Balanço de Pagamentos. 60 Já para Leichsenring (2004), esses objetivos que podem ser momentaneamente contraditórios, num contexto de política monetária que visa ao controle da inflação, passam a ser complementares. Para o autor, o controle da demanda agregada, a intervenção branca no câmbio e a atração de capital para fechar o balanço de pagamento são mecanismos de transmissão da política monetária que fazem com que a inflação convirja para as metas estabelecidas. De acordo com Brigham e Houston (1999), as taxas de juros influenciam os preços das ações por causa dos seus efeitos sobre os lucros das empresas. Talvez mais importante, tal como afirmado por Medeiros e Ramos (2004), é que elas têm um efeito devido à concorrência, no mercado, entre as ações e os títulos. Se as taxas de juros se elevam acentuadamente, os investidores podem obter retornos mais altos no mercado de títulos, o que os induz a vender as ações e a transferir os fundos do mercado acionário para o mercado de títulos. Tal estratégia deprime o preço das ações. De acordo com esses autores, ocorre o oposto se as taxas de juros declinarem. Kwon e Bacon (1997) pesquisaram o mercado acionário sul-coreano para o periodo de janeiro de 1980 a dezembro de 1992. As variáveis independentes foram oferta monetária, produção industrial, inflação, prêmio pelo risco, balança commercial, taxa de câmbio, dividendos e preço do petróleo. A variável independente foi composta pelos retornos mensais do índice Corano Composite Stock Price Index (KOSPI). Os resultados mostraram que o mercado acionário sul-coreano foi sensível às variáveis econômicas e comércio exterior, medidos em termos de taxa de câmbio e balança comercial entre outros. O fato de a taxa de câmbio e de a balança comercial terem se mostrado relevantes para o mercado acionário nos estudos de Kwon e Bacon (1997) pode ser em virtude da relevância que tais fatores têm na economia de um país. O saldo da balança comercial, calculado como a diferença entre importações e exportações, tem relação estreita com a taxa de câmbio, como exposto por Vasconcellos e Garcia (1998) ao apontarem os fatores que mais influenciam as importações e as exportações. 61 1. Exportações preços externos em moeda estrangeira: se os preços dos produtos nacionais se elevarem no exterior, o valor das exportações nacionais deverão se elevar; preços internos em moeda nacional: uma elevação dos preços internos de produtos exportáveis pode desestimular as exportações e incentivar a venda no mercado interno; taxa de câmbio: o aumento da taxa de câmbio (desvalorização cambial) deve estimular as exportações, seja porque os exportadores receberão mais reais pelos mesmos dólares anteriores, seja porque os compradores externos, com os mesmos dólares anteriores, poderão comprar mais produtos nacionais; renda mundial: um aumento da renda mundial possivelmente estimulará o comércio internacional e, em consequência, as exportações nacionais; subsídios e incentivos às exportações: seja de ordem fiscal (isenções de impostos), seja de ordem financeira (taxas de juros subsidiadas, disponibilidade de financiamentos etc.) quase sempre representam um fator de estímulo às exportações. 2. Importações preços externos em moeda estrangeira: se os preços dos produtos importados se elevarem no exterior em dólares, haverá uma retração das importações nacionais; preços internos em moeda nacional: um aumento no preço dos produtos produzidos internamente incentivará a compra de similares no mercado externo, elevando as importações; taxa de câmbio: o aumento da taxa de câmbio (desvalorização cambial) acarretará maior despesa aos importadores, pois pagarão mais reais pelos mesmos produtos antes importados, os quais, embora mantenham seus preços em dólares, exigirão mais moeda nacional por dólar; renda e produto nacional: enquanto as exportações são mais afetadas pelo que ocorre com a renda mundial, as importações estão mais relacionadas à renda nacional. Um aumento da produção e da renda nacional significa que o País está 62 crescendo e demandará mais produtos importados, seja na forma de matérias- primas, bens de capital ou bens de consumo; tarifas e barreiras às importações: a imposição de barreiras quantitativas (elevação de tarifas sobre importações) ou qualitativas (proibição da importação de certos produtos, estabelecimento de quotas ou entraves burocráticos) ocasionam uma inibição nas compras de produtos importados. Em seus estudos, Bittlingmayer (1998) confirmou que a volatilidade dos retornos está associada com a incerteza política. O autor indica que a incerteza política afeta também o nível de produção futura de um país, o que pode levar à redução do crescimento econômico. Além disso, como ficou evidenciado nos estudos de Campbell et al. (2001), a volatilidade das ações tende a ser maior em momentos de recessão. Na Austrália, Kearney e Daly (1998) estudaram, para o período de julho de 1972 a janeiro de 1994, a relação entre volatilidade e algumas variáveis macroeconômicas. Os autores encontraram como resultado uma relação direta entre a volatilidade do mercado acionário e inflação e taxas de juros e inversa com a produção industrial, déficit em conta corrente e oferta monetária. Não foi verificada evidência estatisticamente significativa em relação ao mercado de moeda estrangeira. Jefferis e Okeahalam (2000) pesquisaram a influência das taxas de câmbio sobre os preços das ações. Os resultados empíricos na África do Sul indicaram que os preços das ações são positivamente relacionados à taxa de câmbio real. É possível que a apreciação cambial fortaleça a lucratividade dos produtores domésticos de tradables (substitutos de exportações e importações) em relação aos competidores estrangeiros. Como resultado, a taxa de câmbio influenciaria positivamente os lucros e, consequentemente os preços das ações. Fang (2002) obteve resultado oposto. Os resultados de seu estudo apontaram que a depreciação da moeda afetou adversamente os retornos das ações e aumentou a volatilidade do mercado durante o período das crises asiáticas (1997-1999). Entretanto, esse estudo cobriu apenas período de crise, e os resultados podem ser diferentes para períodos normais. Portanto, é possível observar que, com relação à influência da taxa de câmbio, os resultados são contraditórios. 63 De acordo com Medeiros e Ramos (2004), um acréscimo no PIB aumentaria os lucros das empresas e, consequentemente, os preços das ações. Portanto, o impacto esperado do desempenho macroeconômico deve ser positivo. Diversos estudos empíricos confirmam essa hipótese (ANSETOGUI e ESTEBAN 2002; LEUNG, DOUK e CHEN 2000; CHEN 1991; BLACK e FRASER 1995; MCQUEEN e ROLEY 1990; JARVINEN 2000). No entanto, evidências sugerem que a volatilidade dos retornos do mercado acionário está negativamente relacionada com o crescimento macroeconômico (HAMILTON e LIN, 1996; SCHWERT, 1989). Tweneboah e Anokye (2008); Errunza (1983); Yartey (2008), dentre outras variáveis macroeconômicas, estudaram a questão sobre investimento direto estrangeiro. Para esses autores, investimento estrangeiro está associado a reformas regulatórias e institucionais, transparência, requerimentos de listagem e práticas justas de negociações que inspiram confiança nos mercados domésticos. Isso aumenta a base de participação de investidores estrangeiros, o que conduz a um maior fluxo de capital. Quanto à questão da volatilidade, dependerá que tipo de capital entrante é este, se investimento ao longo prazo ou especulativo. De modo geral, os capitais internacionais tendem a fluir para os países que lhes ofereçam maior remuneração. Para Simonsen e Cysne (2007), essa entrada de capitais, entretanto, implica maiores transferências futuras de renda para o exterior, sob a forma de juros e remessas de lucros, elevando os déficits dos países em transações correntes futuras. Diante disso, para que os déficits dos países em desenvolvimento não sejam exacerbados, os capitais recebidos necessitam ser aplicados em projetos de investimento que gerem reduções de importações ou exportações adicionais capazes de compensar os encargos de juros e remessas de lucros. Ainda, de acordo com Simonsen e Cysne (2007), contrariamente ao que supunham as teorias de desenvolvimento econômico mais antigas, os capitais internacionais não necessariamente se deslocam dos países mais ricos para os mais pobres. Os países pobres, em tese, tendo em vista a escassez de seu estoque de capital, tornariam os investimentos mais lucrativos. Todavia, os capitais internacionais estão à procura, além da lucratividade potencial, da lucratividade efetiva e liberdade de movimentação, o que depende da estabilidade política, 64 institucional, e de boa qualidade da mão de obra e administração econômica, fatores escassos em muitos países em desenvolvimento. A confiança dos investidores internacionais em um País devedor jovem depende de aspectos quantitativos e qualitativos. Entre os primeiros se destacam o potencial de crescimento de sua produção e de suas exportações, a estabilidade de suas instituições políticas e econômicas e a qualidade de sua administração pública. Para o mercado brasileiro, Schor, Bonomo e Pereira (1998) utilizaram a taxa de crescimento da produção industrial, inflação, risco de crédito (medido pela diferença entre a taxa de juros de juros de capital de giro mensal média e a taxa de juros dos CDI diários acumulada no mês) e a taxa real de juros. Concluíram que esses fatores são estatisticamente significantes para a maioria dos portfólios. Ao desenvolver um modelo de fatores, diversas considerações são importantes. Fabozzi, Focardi e Kolm (2006) consideram que, em particular, dever-se-ia verificar se todos os fatores utilizados no modelo são estatística e economicamente significantes. Esses autores relatam que alguns fatores talvez tenham poder explicativo para certos períodos e, embora um fator possa ter funcionado nos últimos 20 anos, é importante questionar quão bem ele tem funcionado no período recente, por exemplo, nos últimos três anos. Fatores persistentes são frequentemente os mais desejáveis. Uma das principais vantagens de utilizar a abordagem das variáveis macroeconômicas é que ela nomeia os fatores, diferentemente dos modelos de fatores estatísticos. Como resultado, os administradores de empresas que desejam intuição econômica sobre fontes de risco capazes de afetar seus custos de capital tendem a preferir essa abordagem (GRINBLATT E TITMAN, 2005). Omran (2003) estudou o impacto das taxas de juro real sobre o desempenho do mercado de ações egípcio, tanto em termos de atividade do mercado quanto de liquidez. Os resultados da análise de co-integração através de mecanismos de correção de erros (ECM) apontaram significativas relações de longo prazo e de curto prazo entre as variáveis, o que implica que as taxas de juros reais têm um impacto sobre o desempenho do mercado de ações. 65 Nishat e Shaheen (2004) estudaram arelação entre as variáveis produção industrial e índice de preços ao consumidor no mercado acionário do Paquistão para o período 1973 a 2004. Os resultados indicaram que há relação entre o mercado acionário no Paquistão e a economia, ao indicar que produção industrial é positivamente relacionada aos preços dos ativos, enquanto a inflação afeta negativamente os preços dos ativos. Zhang, Yong, Lee e Gan (2006) examinaram as relações entre um Índice de Ações na Nova Zelândia e um conjunto de sete variáveis macroeconômicas de janeiro de 1990 a janeiro de 2003, utilizando testes de cointegração. Os resultados dos testes indicaram causalidade unilateral das seguintes variáveis sobre o índice de ações: taxa de juros, oferta monetária e PIB real. Porém, conforme afirmam os autores, não há evidências que o índice da bolsa da Nova Zelândia seja explicado por mudanças nas variáveis macroeconômicas. Maghrebi, Holmes e Pentecost (2006) examinaram a relação entre taxa de câmbio e volatilidade no mercado acionário nos países da Bacia do Pacífico para o período de janeiro de 1988 a dezembro de 2004. Os autores encontraram evidências de que apreciações na moeda local conduzem à baixa volatilidade e que a volatilidade tende a aumentar durante crises financeiras. Ressaltam, porém, que é possível que a taxa de câmbio, assim como as crises internacionais afete as empresas de forma diferente, isto é, o fluxo de caixa será afetado tendo em vista a dependência dessa empresa em relação ao mercado externo, o que será refletido na volatilidade se suas ações negociadas no mercado. Gunsel e Çukur (2007) investigaram a relação entre variáveis macroeconômicas, dentre elas, a taxa de câmbio e o retorno das ações na Bolsa de Londres para o período de 1980 a 1993. Os autores argumentam que a taxa de câmbio é um importante fator na determinação da competitividade internacional. Uma empresa ou setor talvez esteja exposto a ele se negociar livremente além das fronteiras nacionais. Para os autores, de acordo com o movimento da taxa de câmbio, as empresas podem ganhar ou perder em posição competitiva. Contudo, embora a taxa de câmbio pareça ser um importatnte fator, não significa necessariamente que afetará os retornos. Isso porque a empresa talvez use ferramentas tais como derivativos para reduzir o risco. Portanto, não será surpresa se não for encontrada nenhuma relação entre taxa de câmbio e retorno das ações. Os resultados da pesquisa desses autores apontaram que o 66 setor de materiais para construção é negativamente afetado pela taxa de câmbio, enquanto que a indústria química é afetada positivamente. Horobet e Dumitrescu (2008) investigaram a relação entre variáveis macroeconômicas PIB, Índice de preço ao consumidor, taxa de juros, taxa de câmbio e oferta monetária e o mercado acionário para países situados na Europa para o período de janeiro de 1998 a setembro de 2007. Os resultados apontaram que o Índice de preço ao consumidor é positivamente relacionado ao preço das ações, enquanto a taxa de câmbio é relacionada negativamente, exceto na Romênia. A variável taxa de juros na República Tcheca, Polônia e Romênia é positivamente correlacionada aos preços das ações, o que deve ser interpretado cuidadosamente frente à falta de liquidez no mercado acionário nestes países. Adam e Tweneboah (2009) estudaram a relação entre investimento estrangeiro direto e e o mercado acionário em Gana para o período de janeiro de 1991 a dezembro de 2006. Os resultados apontaram uma relação positiva entre investimento estrangeiro direto e o mercado acionário, o que, de acordo com o autor, não corroborou estudos prévios feitos no mesmo mercado. Pilinkus (2009) analisou a relação entre um grupo de variáveis macroeconômica e o retorno do OMX Vilnius Índex, índice do mercado acionário da Lituânia. O período estudado foi de dezembro de 1999 a março de 2008 e dentre as variáveis estudadas, figuraram exportação, importação e Investimento Estrangeiro Direto (IED). Os resultados apontaram que essas três variáveis podem ser utilizadas para prever flutuações nos preços no mercado acionário, o que confirma a existência de relações ente retorno no mercado acionário e variáveis macroeconômicas na Lituânia. Frimpong (2009) estudou a relação entre taxa de câmbio, índice de preço ao consumidor, inflação e taxa de juros no mercado acionário de Gana. Os resultados indicaram que, com exceção da taxa de câmbio, as outras variáveis impactaram negativamente os preços das ações. Para o autor, uma moeda doméstica forte diminui o custo de insumos e permite aos produtores locais ser mais competitivos internacionalmente, gerando retorno positivo no mercado acionário. Quanto à inflação, consistente com a teoria, essa variável tem um significativo impacto negativo na bolsa de Gana. Para esse autor, tem havido diversas 67 instâncias em que a economia em Gana tem sido pontuada por tendências desafiantes em termos de inflação, tornando impossível a previsão para o futuro dos investimentos. Em reação a essa situação, investidores optam por outros investimentos que não ações. Como consequência, o mercado acionário desenvolve-se menos. Quanto à relação negativa entre taxa de juros e preço das ações, isso é esperado porque os títulos do tesouro age como taxa de retorno ofereciso por ativo livre de risco. A troca de fundos entre ativos de risco e ativos livres de risco pelos gerentes de carteiras de investimento é esperada como consequência. Quando a taxa dos títulos do tesouro é alta, investidores racionais possivelmente irão optar por investimentos em ativos menos arriscados e com altos retornos. Este foi o caso em Gana, especialmente entre 1995 e 1999. O autor afirma que uma das mais importantes deduções advinda dos resultados empíricos é a conclusão de que a hipótes do mercado eficiente (HME) é, colocada em dúvida. Inicialmente, o comportamento do mercado acionário pode ser predito, contrariando as conclusões da HME. Por esta razão, o autor afirma que esses resultados talvez tenham importantes implicações políticas porque eles poderiam ser relevantes em áreas tais como definir programas de estabilização e ajustes estruturais. Horng e Chen (2010) estudaram a relação entre a taxa de câmbio e o retorno no mercado acionário tailandês. O coeficiente encontrado foi de -0,1650, cujo resultado indica que a taxa de câmbio afeta negativamente o retorno das ações naquele mercado. Tunali (2010) analisou a relação entre variáveis macroeconômicas e retorno do mercado acionário Turkish (Istanbul), entre elas taxa de câmbio (moeda nacional vs. Dólar), produção industrial e importações. O período estudado foi de janeiro de 2002 a agosto de 2008. Os resultados apontaram que aumentos na produção industrial e nas importações elevam o retorno, enquanto um aumento na taxa de câmbio leva a um decréscimo no retorno. Agrawal, Srivastav e Srivastava (2010) analisaram a relação entre a taxa de câmbio e ao retorno no mercado acionário na Índia para o período de outubro de 2007 a março de 2009. Os resultados apontaram correlação negativa entre as variáveis estudadas. No quadro 2 são apresentadas as variáveis estudadas, argumentos, referências na literatura e resultados das pesquisas apresentadas no referencial teórico . 68 Quadro 2 - Variáveis estudadas, argumentos, autores e resultados (continua) Variável Argumentos (da literatura) Referências na literatura Resultados Goswami e Jung (1998) Embora esperassem que fosse positivo, não se mostrou significante para retorno com dados observados Karamustafa e Kucukkale (2003) Negativo para retorno com dados observados Kwon Bacon(1997) Embora esperassem que fosse positivo, não se mostrou significante para retorno com dados observados Saldo da balança comercial - programas de estabilização promovidos pelo governo para dar suporte à produção industrial e à exportação contribuem para a alta no saldo da balança comercial e, com isso, para o aumento no retorno das ações, devido ao crescimento da demanda por produtos nacionais - fatores macroeconômicos tais como o saldo da balança afetam o fluxo de caixa das empresas Flannery e Protopapadakis (2002) Negativo em relação a retorno e volatilidade para dados de expectativa Hondroviannis e Papapetrou (2001) para o mercado grego. Negativo para retorno no Mercado grego com dados observados Groppo (2004) Negativo para retorno IBOV com dados observados Horng e Chen (2010) Negativo para retorno com dados observados Chen, Naylor e Lu (2004) Afeta o retorno de acordo com o setor da empresa, se importadora ou exportadora Maghrebi at al (2006) Afeta o retorno de acordo com o setor da empresa, se importadora ou exportadora Taxa de câmbio - pode influenciar diretamente a competitividade das empresas, tendo em vista o seu impacto nos preços dos insumos e produtos. A depreciação da moeda levaria a um gasto maior com importação de insumos e equipamentos por parte das empresas -influencia o valor da firma tendo em vista que o fluxo de caixa futuro muda de acordo com a flutuação da taxa de câmbio -quando há uma apreciação da moeda, os exportadores irão perder competitividade no mercado internacional tendo em vista que os lucros e as vendas irão reduzir, e o preço das ações irá cair. Por outro lado, os importadores irão aumentar a competitividade no mercado interno, por conseguinte, os lucros e o preço das ações irão subir. Com a depreciação da moeda, exportadores terão vantagens no mercado externo, aumentarão as vendas e o preço das ações subirá -há argumentos para que a relação seja tanto positiva quanto negativa: associação positiva com o argumento de que uma depreciação cambial incrementa as exportações: se a demanda for suficientemente elástica há um acréscimo no preço dos produtos, o que aumenta o fluxo de caixa das empresas Jefferis e Okeahalam (2000) Positivo 69 Quadro 2 - Variáveis estudadas, argumentos, autores e resultados (Continua) Variável Argumentos (da literatura) Referências na literatura Resultados Taxa de Câmbio - a questão é saber se o saldo desses dois movimentos contraditórios será positivo ou negativo, o que faz parte da investigação empírica Caselani (2005) Negativo para dados observados e volatilidade Flannery e Protopapadakis (2002) Positivo para volatilidade PIB - relação positiva para retorno e negativa para volatilidade - uma queda no PIB traz como consequência um aumento da incerteza com relação à conjuntura econômica de um País. Aumentando a incerteza, cresce o prêmio pelo risco exigido pelos investidores e, consequentemente, a volatilidade dos retornos das ações negociadas no mercado - tendo em vista que se trata de um indicador que mede a produção industrial de um País, espera-se que haja uma relação positiva entre PIB e retorno das ações, tendo em vista que esse aumento pode diminuir a incerteza com relação à conjuntura econômica de um País - caso esses sejam os resultados encontrados: corrobora o argumento macroeconômico de que existe uma relação positiva entre PIB e retorno das ações e negativa entre o retorno das ações e volatilidade Fama (1981) Positivo para dados observados e retorno Goswami e Jung (1998) Positivo para dados observados e retorno Maghayereh (2003); Chen et al. (1986); Gjerde e Saettem (1999) Negativo para dados observados e retorno Fama (1981) Positivo para dados observados e retorno Taxa de juros - taxa de juros: o efeito no preços não é tão claro. Um aumento na taxa de juros pode ou não reduzir a atividade econômica, portanto, podendo ou não ter ou não um efeito negativo nos preços das ações - um aumento na taxa de juros aumenta o custo de oportunidade e conduz à substituição do investimento em ações para outros investimentos menos arriscados, reduzindo o retorno das ações - se a taxa de juros sofre um incremento, isso deve ser em decorrência de uma percepção maior de risco por parte do mercado, levando a maior volatilidade -aumento na taxa de juros eleva o custo de financiamento e reduz a atratividade do mercado acionário Schor, Bonomo e Pereira (1998) Positivo 70 Quadro 2 -Variáveis estudadas, argumentos, autores e resultados (Conclusão) Variável Argumentos (da literatura) Referências na literatura Resultados Investimento estrangeiro -investimento estrangeiro está associado a reformas regulatórias e institucionais, transparência, requerimentos de listagem e práticas justas de negociações que inspiram confiança nos mercados domésticos. Isso aumenta a base de participação de investidores estrangeiros, o que conduz a um maior fluxo de capital e, conseqüentemente, maiores retornos Tweneboah e Anokye (2008); Errunza (1983); Yartey (2008) Positivo para dados observados e retorno Resultado primário - o esforço fiscal do governo se reflete no mercado acionário - há um ganho de credibilidade na política fiscal quando a dívida é menor, o que gera expectativas de que haja um aumento no superávit primário. Se a credibilidade aumenta, seria possível que o retorno também aumentasse Geske e Roll (1983); Pires (2006) Positivo para retornos Liquidez - ações menos líquidas seriam avaliadas de forma a permitir maiores níveis de retornos esperados, o que significaria a existência de um ‘prêmio’ para compensar os custos de transação, decorrentes da falta de liquidez do título - o investidor deve preferir, em tese, as ações que apresentem maior liquidez, pois isso facilitará a realização das operações desejadas e proporcionará “maior segurança do investimento feito”. Portanto, é possível que as ações mais líquidas sejam menos voláteis Corwin et al., (2004) Bruni e Famá (1998) Tanabe e Fonseca (1981) Negativo para retorno e para volatilidade Tamanho - as ações de empresas pequenas apresentam maior retorno médio do que as de empresas grandes Banz (1981); Reinganum (1981); Fama e French (1995); Bauman, Conover e Miller (1998); Costa Jr e O’Hanlon (1991) Costa Jr e Neves (2000), Mellone Jr (1999) e Braga e Leal(2002) negativo Volatilidade defasada retroalimentação da volatilidade: a volatilidade passada aumenta a volatilidade futura Caselani (2005) positiva Fonte - elaborado pela autora da tese 71 Möller e Callado (2003) analisaram a relação entre o comportamento do mercado acionário brasileiro, representado pelo Ibovespa, e os fluxos de capitais estrangeiros direcionados para investimentos em carteira de ações, no período de janeiro de1995 a junho de 2004, período posterior à implantação do Plano Real. Os resultados apontaram evidências de influência sistemática dos fluxos de capital estrangeiro em carteira de ações sobre o Ibovespa. Embora os autores advoguem que tais resultados possam ser em virtude do período analisado, que reflete a alta volatilidade dos fluxos de capitais estrangeiros por causa de crises externas e internas. No mercado acionário brasileiro Meurer (2006) testou empiricamente a influência do fluxo de recursos de investidores estrangeiros, ındice da bolsa de valores dos Estados Unidos, taxas de juros internas e externas, liquidez do mercado, taxa de câmbio e risco País sobre o índice Bovespa da Bolsa de Valores de São Paulo no período de janeiro de 1995 a julho de 2005. A influência do fluxo de investidores estrangeiros foi medida pela diferença entre as compras e vendas de estrangeiros no mercado a vista ou pela sua participação na capitalização do mercado brasileiro. De acordo com os autores, o efeito da entrada de recursos não foi detectado diretamente, mas através de aumentos da liquidez. A entrada de recursos, por outro lado, antecipa o comportamento do índice. As variáveis risco País e taxa de câmbio foram relevantes para explicar variações do Ibovespa. No quadro 3 estão expostos o resumo dos trabalhos no mercado brasileiro. Quadro 3 - Resumo dos trabalhos no mercado brasileiro (Continua) Autores/ Ano Período Variáveis/fatores/indicadores Conclusão Santos (2009) 1995 a 2007 taxa de câmbio, taxa de juros, inflação, risco País, atividade econômica e oferta monetária Relação positiva da inflação e da atividade econômica, e negativa do risco-país, com o IBOVESPA. Também foram estimados os modelos GARCH-M, que confirmaram a causalidade das volatilidades dessas variáveis com a volatilidade do retorno do IBOVESPA. Esses resultados evidenciam que o mercado acionário brasileiro não pode ser considerado eficiente, no que diz respeito à divulgação de informações sobre variáveis macroeconômicas 72 Quadro 3- Resumo dos trabalhos no mercado brasileiro (Continua) Autores/ Ano Período Variáveis/fatores/indicadores Conclusão Bertella, Silva e Pereira (2009) as variáveis macroeconômicas locais analisadas foram: índice de produção industrial, índice de inflação, taxa de juros real, risco de crédito doméstico e taxa de câmbio real. As variáveis externas foram: Standard and Poor´s 500, a taxa de juros americana e o preço de petróleo. Observou-se, entre outros resultados, que há uma relação positiva entre a Bovespa e a bolsa americana, uma relação negativa entre a taxa de juros americana e a bolsa brasileira e uma relação positiva entre o preço do petróleo e a Bovespa. Do lado doméstico, apenas a taxa de câmbio real mostrou uma relação negativa e significante com a bolsa brasileira. Caselani (2005) 1995 a 2003 PIB, taxa de juros, endividamento, tamanho da empresa, volume negociado, quantidade de ações, Dow Jones, tipo de ação, câmbio (dummy) nível de governança Os resultados indicaram ainda clara influência de algumas variáveis macroeconômicas sobre a volatilidade dos retornos das ações. Uma redução no Produto Interno Bruto do Brasil tende a incrementar a volatilidade dos retornos das ações, possivelmente fruto de uma perspectiva de instabilidade econômica ou recessão. A volatilidade dos retornos no mercado acionário também aumentou quando da alteração do regime cambial implementada no início de 1999 Pimenta Jr e Higuchi (2008) 1994 a 2005. taxa de juros (SELIC), taxa de câmbio (PTAX) inflação (IPCA), e o retorno do mercado acionário brasileiro representado pelo Índice da Bolsa de Valores de São Paulo (Ibovespa) Os resultados dos testes mostraram que a taxa de câmbio (PTAX) é, dentre as variáveis selecionadas, a que apresentou nível de causalidade mais elevado em relação ao Ibovespa. Apesar disso, nenhuma das variáveis selecionadas apresentou uma relação de causalidade estatisticamente significativa em relação ao Ibovespa Nunes, Costa Jr. e Meurer (2005) 1995 a 2004 Inflação, taxa de juros, PIB, taxa de câmbio verificou-se uma relação negativa entre a taxa de juros e os retornos de mercado, mesmo que de forma insignificante. A inflação também apresentou relação negativa. Mostrou-se, também, que variações do Ibovespa e PIB real não apresentaram relação significativa Groppo (2004) 1995 a 2003 taxa de câmbio real, preço do barril de petróleo no mercado internacional, taxa de juros de curto prazo (SELIC), índice de produção industrial, indice médio mensal de ações ibovespa- fechamento Os resultados apontaram que taxa de câmbio e a taxa de juros de curto prazo (SELIC), apresentam as relações mais significativas com o Ibovespa 73 Quadro 3- Resumo dos trabalhos no mercado brasileiro (Conclusão) Autores/ Ano Período Variáveis/fatores/indicadores Conclusão Medeiros e Ramos (2004) 1995 a 2003 inflação, taxa real de juros (SELIC), taxa de câmbio, PIB, Risco-país afetam positivamente o mercado acionário brasileiro:o crescimento econômico, a taxa de câmbio e o desempenho do mercado internacional; afetam negativamente : taxas de juros nacionais e o risco-país. Ou seja, maior atividade macroeconômica, desvalorizações do real em relação ao dólar e o desempenho positivo das bolsas internacionais favorecem o aumento do Ibovespa. Por outro lado, aumentos na taxa real de juros doméstica e aumentos no risco- país provocam quedas neste índice Fonte - elaborado pela autora da tese Nesta pesquisa utilizam-se o segundo e o terceiro grupos de fatores, isto é, variáveis macroeconômicas – nesse caso, as expectativas do Relatório Focus – e características da empresa: tamanho e endividamento. Além dessas variáveis, usou-se também a liquidez das ações e a teoria da retroalimentação da volatilidade. 2.4 Efeitos da liquidez sobre a volatilidade e o retorno das ações A liquidez das ações é uma importante questão, tanto sob o ponto de vista da empresa, quanto do ponto de vista do investidor. A liquidez mais alta pode reduzir os custos de transação no qual os investidores incorrem ao negociar as ações; reduzir a volatilidade e atrair mais investidores para ofertas acionárias, o que melhora o acesso das empresas ao mercado de capitais (CORWIN, HARRIS e LIPSON 2004); underwriters cobram comissões menores para emissões de ações mais líquidas (BUTLER, GRULLON e WESTON, 2005); os investidores aceitam menores retornos das ações de maior liquidez, tendo em vista que incorrem em menor risco (AMIHUD e MENDELSON, 1986). Baixa liquidez no mercado secundário pode reduzir o interesse dos investidores em manter ou negociar uma determinada ação. De modo oposto, alta liquidez pode atrair mais investidores, resultando em persistente alta liquidez. E é possível que as ações de maior liquidez sejam menos arriscadas, pois, com a frequência de negociação, os preços se ajustam mais rapidamente às notícias, dando pouca margem para grandes desvios nos preços. 74 Bruni e Famá (1998) fizeram um importante e extenso estudo com o objetivo de analisar a relação entre a liquidez de uma ação e o seu retorno, tendo por base todas as ações negociadas na Bolsa de Valores de São Paulo entre os anos de 1988 e 1996. Os resultados obtidos pelos autores permitiram a conclusão de que existiu relação negativa estatisticamente significativa entre retornos e liquidez, medida pela negociabilidade média da ação em bolsa, naquele período. Foi constatado ainda que a liquidez apresentou níveis de significância maiores do que o próprio risco sistemático (beta), o que demonstra a importância da análise da liquidez sobre a análise do risco sistemático no mercado acionário brasileiro. Ações menos líquidas seriam avaliadas de forma a permitir maiores níveis de retornos esperados, o que significaria a existência de um prêmio para compensar os custos de transação decorrentes da falta de liquidez do título. Por outro lado, Roll (1983) afirma que a maior volatilidade das firmas pequenas faz com que apresentem mais perdas no curto prazo, ou seja, um menor retorno. De acordo com Tanabe e Fonseca (1981, p. 25), o investidor deve preferir, em tese, as ações que apresentem maior liquidez, pois isso facilitará a realização das operações desejadas e proporcionará “[...] maior segurança do investimento feito”. Portanto, é possível que as ações mais líquidas sejam menos voláteis. Portanto, o coeficiente dessa variável, na presente pesquisa, deveria apresentar-se ser negativo nos modelos de volatilidade (quanto maior a liquidez, menor a volatilidade das ações). 2.5 Efeitos da volatilidade defasada sobre a volatilidade das ações A teoria da retroalimentção da volatilidade (volatility feedback) tem, como principais expoentes, os pesquisadores Pindyck (1984), French, Schwert e Stambaugh (1987), Campbell e Hentschel (1992) e Bekaert e Wu (2000). Esses autores advogam que os retornos das ações exibem volatilidade assimétrica, isto é, a tendência da volatilidade de aumentar em situações de retornos negativos (queda no preço dos papéis). Nessa teoria é utilizado o argumento de que é a variação na volatilidade dos retornos que causa as mudanças nos preços das ações. Ponto fundamental nessa teoria é o tipo de novas informações que chega ao mercado, com o qual o comportamento da volatilidade está relacionado. As novas informações adicionam volatilidade ao retornos da ação, fazendo aumentar o retorno exigido pelos acionistas (incremento do prêmio pelo risco), o que leva à queda no preço do ativo e ao aumento da volatilidade dos retornos futuros da ação. 75 De acordo com Pindyck (1984), há uma forte relação entre os retornos das ações e a volatilidades desses retornos. Para esse autor, o declínio no preço das ações é resultado do incremento no prêmio pelo risco proveniente de maior volatilidade. French, Schwert e Stambaugh (1987) encontraram evidências de uma relação positiva entre o prêmio pelo risco das ações e o nível de volatilidade. Campbell e Hentschel (1992) também afirmam que o retorno exigido pelos investidores é afetado por alterações na volatilidade dos retornos das ações. Para a teoria da retroalimentção da volatilidade, tanto as notícias boas quanto as ruins afetam negativamente o retorno das ações. Em momento de notícias ruins, o aumento da volatilidade dos retornos amplia o impacto negativo das informações ruins, ocasionando retornos ainda mais negativos para a ação (queda no preço da ação). Em momento de notícias boas, um aumento no preço dos papéis é inibido pelo risco crescente de que o movimento de alta seja seguido pela queda dos preços. Isso está de acordo com a descoberta feita por Brown, Harlow e Tinic (1988) e Haugen, Talmor e Torous (1991): a reação dos preços das ações a notícias desfavoráveis tende a ser maior do que a reação dos preços a eventos favoráveis. Em outras palavras, enquanto as notícias ruins fazem o preço cair rapidamente, as notícias boas ocasionam um aumento limitado (e provisório) do preço da ação, mas com grandes possibilidades de esse preço voltar a cair rapidamente. Ou seja, o incremento na quantidade de informações – seja a notícia boa ou ruim – tende a aumentar a volatilidade dos retornos da ação, reduzindo o preço do ativo. 76 3 METODOLOGIA A seção anterior apresentou a base teórica sobre a qual se fundamenta esta pesquisa. Nesta seção, detalham-se os procedimentos metodológicos que serão utilizados para a efetivação da pesquisa. Inicia-se com uma explanação sobre o método e a técnica de realização da pesquisa; apresentam-se a amostra estudada, a coleta de dados e por fim descreve-se as variáveis e apresentam-se as hipóteses testadas. 3.1 Método e técnica de pesquisa Esta é uma pesquisa descritiva, com utilização de dados secundários. Tem como escopo tornar um fato inteligível, à medida que tem por objetivo esclarecer quais fatores contribuem para a ocorrência de um determinado fenômeno. Para Mattar (2006), a pesquisa descritiva visa prover o pesquisador de dados sobre as características de grupos, estimar proporções de determinadas características e verificar a existência de relações entre variáveis. Quando o pesquisador se utiliza desse tipo de pesquisa para identificar e observar fenômenos, visa, geralmente, descrever e interpretar determinada realidade, sem contudo fazer-lhe intervenções ou modificações. Segundo Cooper e Schindler (2003), esse tipo de pesquisa atende os seguintes de seus objetivos: 1. descrições de fenômenos ou características associadas com a população-alvo (o que, quem, quando, onde e como de um tópico); 2. estimativas de proporções de uma população que tenha essas características; 3. descoberta de associações entre as diferentes variáveis; 4. descoberta e mensuração de relações de causa e efeito entre as variáveis. Utiliza-se, nesta pesquisa, um conjunto de empresas brasileiras de capital aberto analisadas em um período aproximado de nove anos. O período analisado inicia-se após a implantação do Sistema de Expectativas do Banco Central, tendo em vista que os dados divulgados no Relatório Focus serão utilizados como variáveis independentes na pesquisa. Esta pesquisa se estende do primeiro trimestre do ano de 2002 ao terceiro trimestre do ano de 2010. A escolha por esse período inicial se deu em função da publicação do Relatório Focus: embora alguns índices macroeconômicos tenham tido sua divulgação iniciada em 1999, apenas em 2002, com exceção da série preços administrados, a listagem completa estava sendo divulgada. Esse critério é o que atende a proposta da pesquisa em utilizar variáveis de todos os grupos apresentadas no Relatório. Portanto, está pesquisa é causal e longitudinal. 77 Como abordagem, é utilizada a quantitativa, ao propor-se trabalhar com cotações de ações no mercado acionário e com indicadores micro e macroeconômicos, buscando verificar a sua influência sobre a volatilidade e o retorno de papéis de empresas listadas na Bovespa. 3.2 Universo e amostra da pesquisa O objetivo deste estudo é identificar, dentre um conjunto de variáveis microeconômicas e expectativas macroeconômicas, os determinantes do comportamento do retorno e da volatilidade das ações que compõem o IBOVESPA. Portanto, tem como unidade de análise as companhias de capital aberto que têm ações negociadas na Bolsa de Valores de São Paulo e que fizeram parte do IBOVESPA em pelo menos 80% das carteiras teóricas no período estudado. Como unidades de observação têm-se os demonstrativos financeiros das empresas pesquisadas e a cotação das suas ações no mercado e as variáveis divulgadas no Relatório Focus, assim como os dados efetivamente observados. A população dessa pesquisa são as ações que compõem a carteira teórica do Índice da Bolsa de Valores de São Paulo (Ibovespa5). Conforme Martins (2002), os métodos de amostragem se dividem em:1. probabilístico: no qual a coleta dos dados se dá de maneira aleatória, sem nenhuma interferência do pesquisador; 2. não-probabilístico: no qual não existe aleatoriedade na coleta os dados. Sobre esse segundo método, acrescenta que a amostragem pode ser por conveniência (baseada na disponibilidade de dados) ou por julgamento (do pesquisador). Na definição da amostra dessa pesquisa foi utilizado método não-probabilístico com amostragem, por conveniência e por julgamento, no intuito de obter a amostra mais representativa da bolsa de valores brasileira para ser analisada. 5 O Índice Bovespa é o somatório dos pesos (quantidade teórica da ação multiplicada pelo último preço da mesma) das ações integrantes de sua carteira teórica. Assim sendo, pode ser apurado, a qualquer momento, por meio da seguinte fórmula: (2) onde: Ibovespa t = Índice Bovespa no instante t; n = número total de ações componentes da carteira teórica; P = último preço da ação “i” no instante t; Q = quantidade teórica da ação “i” na carteira no instante t. 78 Assim sendo, a amostra desta pesquisa será composta por ações que tenham estado presentes em 80% das carteiras teóricas no período pesquisado. Esse é um tipo de amostra não probabilística, selecionada por tipicidade, isto é, constituída pela seleção de elementos considerados representativos da população-alvo. O período a ser pesquisado, escolhido de forma intencional, são os últimos nove anos (2002 a 2010). Não foram objetos dessa pesquisa as empresas dos setores de Finanças e Seguros, Fundos e Outros, visto que estas apresentam peculiaridades nos seus demonstrativos financeiros, que poderiam viesar os resultados, não permitindo comparações entre os resultados obtidos. Por se tratarem basicamente de firmas da área financeira, cujo endividamento decorre da captação de depósitos, por definição, essas empresas operam estritamente alavancadas. O alto grau de endividamento, normal para esse tipo de setor, não tem o mesmo significado que o alto grau de endividamento de empresas não-financeiras . Foi utilizado o período entre 2002 e 2007 para realizar os modelos de regressão (Aprendizagem) e o período entre 2007 e 2010 para predição (Validação). A participação de cada ação na carteira tem relação direta com a representatividade desse título no mercado a vista – em termos de número de negócios e volume financeiro – ajustada ao tamanho da amostra que compõe o índice. Essa representatividade é obtida pelo índice de negociabilidade da ação calculado pela seguinte fórmula, em que: [Equação 7] IN = índice de negociabilidade; ni = número de negócios com a ação “i” no mercado a vista (lote-padrão); N = número total de negócios no mercado à vista da BOVESPA (lote-padrão); vi = volume financeiro gerado pelos negócios com a ação “i” no mercado à vista (lote- padrão); V = volume financeiro total do mercado à vista da BOVESPA (lote-padrão). A carteira teórica do Ibovespa é composta pelas ações que atenderam cumulativamente os seguintes critérios, com relação aos 12 meses anteriores à formação da carteira: 79 1. estar incluída em uma relação de ações cujos índices de negociabilidade somados representem 80% do valor acumulado de todos os índices individuais; 2. apresentar participação, em termos de volume, superior a 0,1% do total; 3. ter sido negociada em mais de 80% do total de pregões do período. Para que a representatividade do Ibovespa se mantenha ao longo do tempo, sua carteira é reavaliada ao final de cada quadrimestre, utilizando-se os procedimentos e critérios integrantes dessa metodologia. Nas reavaliações, identificam-se as alterações na participação relativa de cada ação no índice, bem como sua permanência ou exclusão, e a inclusão de novos papéis. A carteira teórica do Ibovespa tem vigência de quatro meses, vigorando para os períodos de janeiro a abril, maio a agosto e setembro a dezembro. Observa-se que, com a utilização dessa amostra, o risco de liquidez é reduzido. A exigênca de que a amostra seja composta por ações mais líquidas leva a um viés de sobrevivência (SANVICENTE e SANCHES, 2002). Opta-se, porém, por manter um caráter restritivo de liquidez na amostra, tendo em vista que os modelos abordados neste estudo partem da ideia de que as ações necessitam ser negociadas com frequência. Portanto, foi priorizado o caráter restritivo da liquidez em detrimento do viés de sobrevivência. Dessa forma, haverá condições para realizar os testes necessários à execução da pesquisa. A relação das empresas e papéis constantes na amostra é apresentada no quadro 2. Ressalte-se que compõe a amostra apenas a ação mais líquida de cada empresa. A amostra foi coleta no período entre o primeiro trimestre de 2002 ao terceiro trimestre de 2010, composta pelas principais ações negociadas na Bovespa, sendo elas como apresentado na TAB.1: Tabela 1 - Amostra completa das ações selecionadas Amostra completa AMBV4 CLSC6 ELET3 KLBN4 TCSL4 TNLP4 VALE5 BRKM5 CMIG4 ELET6 PETR3 TLPP4 TRPL4 FIBR3 BRTO4 CPLE6 EMBR3 PETR4 TMAR5 USIM5 CGAS5 CSNA3 GGBR4 TCSL3 TNLP3 VALE3 Fonte – Dados da pesquisa. / Elaborada pela autora da tese. Ressalte-se que, no caso de a empresa ter mais de um tipo de ação selecionada, utilizou-se na amostra apenas o tipo de maior negociação de modo a ter cada empresa representada apenas 80 uma vez. Diante disso, permaneceram na amostra apenas as ações mais líquidas de cada empresa. Dessa forma a amostra final de ações é conforme a TAB.2 : Tabela 2 - Amostra utilizada na pesquisa Amostra final da pesquisa AMBV4 CLSC6 CPLE6 FIBR3 PETR4 TMAR5 TRPL4 BRTO4 CMIG4 ELET6 GGBR4 CSNA3 TLPP4 USIM5 BRKM5 CGAS5 EMBR3 KLBN4 TNLP4 TCSL4 VALE5 Fonte – Dados da pesquisa. / Elaborada pela autora da tese. No quadro 4, apresentam-se as empresas que compõem a amostra, a classe da ação, o código e o setor ao qual pertencem. Quadro 4 - Relação de empresas e ações constantes na amostra Nome Classe Código Setor|Economática 1 Ambev PN AMBV4 Alimentos e Bebidas 2 Brasil Telec PN BRTO4 Telecomunicações 3 Braskem PNA BRKM5 Química 4 Celesc PNB CLSC6 Energia Elétrica 5 Cemig PN CMIG4 Energia Elétrica 6 Comgas PNA CGAS5 Petróleo e Gas 7 Copel PNB CPLE6 Energia Elétrica 8 Eletrobras PNB ELET6 Energia Elétrica 9 Embraer ON EMBR3 Veiculos e peças 10 Fibria ON FIBR3 Papel e Celulose 11 Gerdau PN GGBR4 Siderur & Metalur 12 Klabin S/A PN KLBN4 Papel e Celulose 13 Petrobras PN PETR4 Petróleo e Gas 14 Sid Nacional ON CSNA3 Siderur & Metalur 15 Telemar PN TNLP4 Telecomunicações 16 Telemar N L PNA TMAR5 Telecomunicações 17 Telesp PN TLPP4 Telecomunicações 18 Tim Part S/A PN TCSL4 Telecomunicações 19 Tran Paulist PN TRPL4 Energia Elétrica 20 Usiminas PNA USIM5 Siderur & Metalur 21 Vale PNA VALE5 Mineração Fonte: Elaborado pela autora. O período da amostra vai de janeiro de 2002 a setembro de 2010. A amostra inclui companhias consideradas líquidas, ou seja, aquelas que participaram em pelo menos 80% das carteiras teóricas do Ibovespa no período. A Tabela apresenta as empresas que foram incluídas no estudo, especificando qual a ação mais líquida da referida empresa, a classe desta ação – se preferencial ou ordinária - e o setor econômico ao qual pertence de acordo com a classificação do banco de dados economática. 81 Observa-se que estão representados nessa amostra nove setores da economia de acordo com a classificação fornecida pelo banco de dados Economática. Há a predominância do setor de telecomunicações (23,8%), seguido por energia elétrica (19%) e siderurgia e metalurgia (14,3%). 3.3 Coleta dos dados Foram objetos da pesquisa somente as companhias de capital aberto não-financeiras cujas ações estavam listadas na Bovespa entre janeiro de 2002 a setembro de 2010, pois a baixa liquidez pode, além de comprometer premissas das séries de dados (normalidade), viesar os resultados, visto que títulos de baixa liquidez podem apresentar menor precisão como referência do valor de mercado. Damodaran (2002) defende a adoção do preço de mercado das ações como referência ao objetivo de maximização da riqueza salientando que: 1. o preço da ação é a medida mais identificável para uma companhia de capital aberto, incorporando frequentes atualizações, de maneira a refletir as novas informações e estimativas de desempenho que venham a surgir. Todas as informações relevantes que venham a ser anunciadas têm imediata resposta do mercado, aumentando ou reduzindo o seu valor, a depender das expectativas dos investidores em relação aos seus resultados esperados; 2. o preço da ação reflete, em um mercado racional, o desempenho das medidas de longo prazo tomadas pela empresa. O valor de uma ação relaciona-se pouco com os resultados correntes; seu significado mais importante é exprimir, em termos monetários, as perspectivas de longo prazo da empresa; 3. ao visualizar o preço de uma ação como uma medida real da sua riqueza, os acionistas podem negociar suas ações e realizar ganhos imediatos. Portanto, as ações mais líquidas seriam as mais indicadas para observar se as informações macroeconômicas estão sendo incorporadas ao preço das ações. As ações menos negociadas poderiam não apresentar essa incorporação de informação, tendo em vista a demora em suas negociações. (ver mais em Mac) Para cada ação presente na amostra foram extraídos da base de dados Economática dados referentes ao preço de fechamento diário da ação, os graus de alavancagem trimestrais das companhias incluídas na amostra e a quantidade de ações ordinárias e preferenciais por empresa, para que fosse feito o cálculo da capitalização de mercado de cada empresa. Na 82 base de dados Economática, a alavancagem financeira é calculada dividindo-se o capital de terceiros (soma do passivo circulante com o exigível ao longo prazo) pelo ativo total da empresa. A capitalização de mercado da companhia foi calculada multiplicando-se o número de ações da companhia pelo preço da ação. Para a variável liquidez, a coleta foi feita trimestral, fez-se a média, seguida por tercis para s segmentação. No cálculo das variáveis que envolvem dados contábeis, foram utilizados dados trimestrais, obtidos de demonstrações financeiras não consolidadas. Foram utilizadas cotações de fechamento diárias, em real, ajustadas por proventos, inclusive dividendos, visando evitar que tais eventos influenciem os resultados. Os testes com a amostra foram realizados levando-se em conta a periodicidade trimestral, de forma a possibilitar a inclusão de índices de endividamento (alavancagem) divulgados pelas companhias, assim como variáveis econômicas efetivamente observadas que são apresentadas em base trimestral. Detalhes sobre as variáveis incluídas no estudo são apresentadas posteriormente. Além dos dados específicos sobre cada uma das ações da amostra, os modelos desenvolvidos neste estudo fizeram uso das expectativas sobre variáveis macroeconômicas divulgadas no Relatório Focus pelo Banco Central e foram coletadas no próprio site do Banco Central, como está apresentado no quadro 5. 83 Quadro 5 - Indicadores e séries divulgadas no Relatório Focus Termo/indicador Séries 1- Balança Comercial - Importação - Exportação - Saldo 2- Balanço de pagamentos - Conta Corrente - Investimento Estrangeiro 3- Fiscal - Resultado Primário - Resultado Nominal - Dívida líquida do setor público 4- Indices de preços - IGP-DI - IGP-M - INPC - IPA-DI - IPA-M - IPCA - IPCA-15 - IPC - Fipe 5 e 6 Inflação acumulada p os próximos 12 meses (e suavizada) As mesmas do item 4. 7- Meta para taxa over-selic - Meta para taxa over-selic 8- PIB - PIB Agropecuária - PIB Industrial - PIB Serviços - PIB Total 9- Preços administrados por contrato e monitorados - Preços administrados por contrato e monitorados 10- Produção industrial - Produção Industrial 11- Taxa de câmbio - Taxa de Câmbio Fonte: Compilado do site do BCB Inicialmente, foram utilizadas todas as variáveis do RF para observar a previsão de volatilidade e retorno de cada ativo da amostra, com exceção da série Preços administrados por contrato e monitorados, tendo em vista que sua série se iniciou em maio de 2003. Com o desenvolvimento da pesquisa, observou-se que nem todas as séries poderiam ser utilizadas, tendo em vista problemas de correlação entre elas. As séries apresentadadas no Relatório Focus referem-se às expectativas dos agentes do mercado. No site, pode-se optar por coletar essas séries nas seguintes formas: pela média, mediana, desvio-padrão e coeficiente de variação. A coleta de dados para esta pesquisa foi feita utilizando as séries mostradas pela mediana, por apresentarem as seguintes vantagens: 1. não sofre influência de valores extremos; 2. a mediana é utilizada especialmente para distribuições assimétricas, mas pode ser utilizada para dados com distribuição simétrica também. 84 No Relatório Focus são apresentadas as expectativas dos analistas para o final do ano em que está sendo feita a projeção e para os anos seguintes. Para esta pesquisa, foram coletados os dados trimestrais das expectativas para o final do ano posterior à projeção. Por exemplo: no ano de 2002, no Relatório Focus estavam sendo divulgadas as projeções para o término de 2002 e para o término dos anos seguintes. Para o ano de 2002, coletaram-se, trimestralmente, os dados de expectativa para o término de 2003, e assim sucessivamente. Em um segundo momento, utilizaram-se as variáveis macroeconômicas efetivamente observadas para as quais o Relatório Focus apresentava a expectativa. Essas variáveis foram também coletadas no site do Banco Central. No quadro 6, vê-se a fonte de coleta das variáveis da pesquisa. Quadro 6 - Sistema de informações e variáveis da pesquisa. Variáveis de análise Fonte da Coleta dos dados Endividamento Valor de mercado da empresa Liquidez Fechamento da ação Base de dados Economática Focus (Expectativa) Dados macroeconômicos efetivamente observados Site do Banco Central Fonte – elaborada pela autora da tese. 3.4 Descrições das variáveis e hipóteses testadas DESCRIÇÃO DAS VARIÁVEIS Neste estudo o objetivo é explicar e predizer o retorno e a volatilidade as ações. A primeira variável dependente é logaritmo do retorno Ln(retorn)r. Considera-se como o retorno do logarítmico do preço do fechamento do trimestre t. [Equação 8] Sendo ud o último dia do fechamento do trimestre. A segunda variável dependente é , que é o logaritmo da volatilidade dos retornos das ações, calculado com base nos retornos diários dos preços de fechamento de uma 85 ação ao longo de um determinado trimestre. Tendo-se o fechamento diário das ações, foram calculados os retornos diários e estimou-se o desvio-padrão (volatilidade) desses retornos. Finalmente, tirou-se o logaritmo da volatilidade, uma vez que assim as propriedades do modelo linear utilizado serão satisfeitas. Considera-se como o logaritmo do desvio-padrão dos retornos diários da ação, em que se pode calculá-lo da seguinte forma: o retorno do dia i é calculado [Equação 9] O desvio padrão dos retornos trimestral é: [Equação 10] Com i variando dentro do trimestre T e sendo a média do retorno no trimestre. Então, [Equação 11] Após apresentar as variáveis a serem explicadas, mostram-se as variáveis preditoras dos modelos representadas pelas variáveis macroeconômicas, fundamentais e a liquidez das ações. As variáveis macroeconômicas estão demonstradas pelas expectativas divulgadas no Relatório Focus, retratando as variáveis do modelo de fatores econômicos, assim como as variáveis efetivamente observadas dessas expectativas. As variáveis fundamentais são representadas pelo endividamento e pelo tamanho das empresas constantes na amostra. Por fim, tem-se a variável liquidez. Segue-se a exposição da definição destas variáveis e as hipóteses de pesquisa. Nesta tese, foi feito um modelo utilizando variáveis macroeconômicas efetivamente observadas e outro modelo empregando expectativas para as variáveis macroeconômicas 86 (Relatório Focus), divulgadas pelo Banco Central, tendo como variáveis a serem explicadas a volatilidade e o retorno das ações. Portanto, foram feitos quatro modelos: Modelo 1 – tendo como variável a ser explicada a volatilidade das ações, utilizando como variáveis preditoras as expectativas sobre as variáveis macroeconômicas (Relatório Focus) e as outras variáveis escolhidas. Modelo 2 – tendo como variável a ser explicada a volatilidade das ações, usando como variáveis preditoras as variáveis macroeconômicas observadas e as outras variáveis escolhidas. Modelo 3 - como variável a ser explicada o retorno das ações, empregando como variáveis preditoras as expectativas sobre as variáveis macroeconômicas (Relatório Focus) e as outras variáveis escolhidas. Modelo 4 - tendo como variável a ser explicada o retorno das ações, aplicando como variáveis preditoras as variáveis macroeconômicas observadas e as outras variáveis escolhidas. O ponto de partida para a escolha das variáveis macroeconômicas a serem inseridas nos modelos foi o conjunto de variáveis para as quais o Relatório Focus divulga as expectativas dos agentes do mercado, tendo em vista que o objetivo inicial da pesquisa era analisar as relações entre as expectativas de mercado e o retorno e a volatilidade das ações. Após uma análise inicial, observou-se que nem todas as variáveis poderiam permanecer no modelo, tendo em vista a literatura pesquisada e as correlações entre as variáveis. Na TAB.3 apresenta-se a correlação entre as expectativs divulgadas no Relatório Focus 87 Tabela 3 - Correlações de Pearson para seleção inicial dos indicadores macroeconômicos do Relatório FOCUS FONTE: elaboração própria. (Saída do software R) O objetivo da tabela 3 foi escolher, entre as variáveis do Relatório Focus, quais permaneceriam nos modelos. Assim sendo, foi selecionada 1 (uma) variável de cada grupo do Relatório de acordo com a correlação dentro daquele grupo: BCEXP (que foi trocada posteriormente por saldo da balança comercial), BPIE, FRP, IPCA, MTOS, PIBIND e TXCAM. Em trabalhos sobre mercado acionário brasileiro geralmente utilizam-se modelos de series temporais. Especificadamente no caso da volatilidade dos retornos, o modelo GARCH é o mais empregado, pois na maioria dos trabalhos utilizam-se dados de alta frequência. Dados de alta frequência são segundo Moreira e Lemgruber (2002), observações que ocorrem continuamente em intervalos distintos de tempo entre uma e outra observação, por exemplo, dados intradiários. Modelos de series temporais tem como ênfase utilizar dados passados para predizer o comportamento futuro. Dessa forma, não é o tipo de modelo adequado para o presente estudo, uma vez que as observações são coletadas trimestralmente e utilizam-se diversas variáveis independentes para explicar e predizer as variáveis volatilidade dos retornos e o log retorno. Sendo assim, a melhor opção seria utilizar um modelo de regressão múltipla. Pretende-se, porém, realizar a predição para cada ação, ao longo do tempo. Dessa forma, deve-se utilizar um modelo linear misto, pois, de acordo com Gelman e Hill (2007) contabiliza-se na estimativa dos coeficientes da regressão a variação ao nível do grupo, nesse caso, das ações. Logo, as estimativas dos coeficientes tornam-se mais eficientes, ou seja, com menor incerteza. Na regressão linear múltipla, somente seria possível fazer isso se fossem 88 incluídos indicadores para as ações, o que seria impraticável nesse caso, pois o modelo ficaria saturado, além de encontrar problemas de colinearidade. Dessa forma, para a volatilidade dos retornos têm-se os seguintes modelos completos para o tempo t=1,2,..., 21, (primeiro trimestre de 2002 ao primeiro trimestre de 2007) e para j-ésima ação com j=1,2,...,21. Modelos 1 e 2 – Previsão da volatilidade utilizando, no modelo 1, as variáveis de expectativa do Relatório Focus e, no modelo 2, utilizando os dados efetivamente observados. Relatório Focus: - [Equação 12] Sendo que , com j=1,2,..., 21 ações com i=1,2,...,441 Xjtβ = β0 + β1Ln(Volat.retorn.def)jt + β2Ln(retor)jt + β3VarEndivjt + β4I(Tamanho)Médiojt + β5I(Tamanho)Maiorjt + β6I(Liquidez)Médiojt + β7I(Liquidez)Maiorjt + β8 BCSLDjt + β9 BPIEjt + β10FRPjt + β11IPCAjt + β12MTOSjt + β13PIBINDjt + β14TXCAMjt [Equação 13] Dados efetivamente observados trimestrais: - [Equação 14] Sendo que , com j=1,2,..., 21 ações com i=1,2,...,441 89 Xjtβ = β0 + β1Ln(Volat.retorn.def)jt + β2Ln(retor)jt + β3VarEndivjt + β4I(Tamanho)Médiojt + β5I(Tamanho)Maiorjt + β6I(Liquidez)Médiojt + β7I(Liquidez)Maiorjt + β8 BCSLD_Rjt + β9 BPIE_Rjt + β10FRP_Rjt + β1011IPCA_Rjt + β12MTOS_Rjt + β13PIBIND_Rjt + β14TXCAM_Rjt [Equação 15] Para o Log retorno, tem-se o seguinte modelo para o tempo t=1,2,...,21, e para a j-ésima ação com j=1,2,...,21. Modelos 3 e 4 – Previsão do retorno utilizando, no modelo 3, as variáveis de expectativa do Relatório Focus e, no modelo 4, utilizando os dados realizados. Relatório Focus: - [Equação 16] Sendo que: , com j=1,2,..., 21 ações com i=1,2,...,441 Xjtβ = β0 + β1VarEndivjt + β2I(Tamanho)Médiojt + β3I(Tamanho)Maiorjt + β4I(Liquidez)Médiojt + β5I(Liquidez)Maiorjt + β6 BCSLDjt + β7 BPIEjt + β8FRPjt + β9IPCAjt + β10MTOSjt + β11PIBINDjt + β12TXCAMjt [Equação 17] Dados efetivamente observados trimestrais: [Equação 18] Sendo que: , com j=1,2,..., 21 ações com i=1,2,...,441 90 Xjtβ = β0 + β1VarEndivjt + β2I(Tamanho)Médiojt + β3I(Tamanho)Maiorjt + β4I(Liquidez)Médiojt + β5I(Liquidez)Maiorjt + β6 BCSLD_Rjt + β7 BPIE_Rjt + β8FRP_Rjt + β9IPCA_Rjt + β10MTOS_Rjt + β11PIBIND_Rjt + β12TXCAM_Rjt [Equação 19] Para maiores informações sobre formulações de Modelos Lineares Mistos, buscar em Laird e Ware (1982) e Pinheiro e Bates (2000). Os parâmetros dos modelos foram estimados pelo software R, utilizando o pacote nlme, pelo método da máxima verossimilhança restrita. Para maiores informações sobre os procedimentos computacionais de estimação ver em Lindstrom e Bates (1988). Abaixo, descrevem-se as variáveis dos modelos. As variáveis Ln(Volat.retorn.def) e Ln(retor) fazem parte apenas dos modelos de volatilidade. As variáveis VarEndiv, I(Tamanho)Médio, I(Tamanho)Maior, I(Liquidez) Médio e I(Liquidez) Maior são comuns aos quatro modelos. As variáveis selecionadas do Relatório Focus são: BCSLDjt, BPIEjt, FRPjt, IPCAjt, MTOSjt, PIBINDjt e TXCAMjt. BCSLDjt. Para diferenciá-las nos modelos de dados , utiliza-se o subscrito _Rjt. Ln(Volat.retorn.def), que representa o logaritmo natural da volatilidade dos retornos da ação no trimestre t-1. Ou seja, Ln(Volat.retorn.def) é apenas uma defasagem da variável dependente (Volatilidade). Ln(retor) é o retorno logaritmo do preço de fechamento da ação no trimestre t. VarEndiv é a variação ocorrida no grau de alavancagem financeira da empresa entre os trimestres t-1 e t. Neste trabalho, entende-se que a alavancagem financeira é calculada dividindo-se o capital de terceiros (soma do passivo circulante com o exigível a longo prazo) pelo ativo total da empresa. Calcula-se a diferença entre os graus de alavancagem entre os dois trimestre, obtendo-se VarEndiv. As variáveis I(Tamanho)Médio e I(Tamanho)Maior representa a capitalização de mercado da companhia ao finaldo trimestre t. Neste estudo, a capitalização de mercado serviu como proxy para o tamanho das companhias. A capitalização de mercado de uma companhia é formada pelo valor de suas ações no mercado, multiplicado pelas suas respectivas 91 quantidades. Nesta pesquisa, o endividamento e o tamanho das empresas são representantes dos modelos de fatores fundamentais inseridos nos modelos. As variáveis (Liquidez) Médio e (Liquidez) Maior - Liquidez das ações – representam a frequência com a qual a ação é negociada. Espera-se uma relação negativa entre liquidez e retorno. As variáveis seguintes fazem parte do Relatório Focus e são elas: BCSLD, BPIE, FRP, IPCA, MTOS, PIBIND e TXCAM. BCSLD representa o saldo da balança comercial, que é a diferença entre importações e exportações. Exportação é a saída de bens, produtos e serviços além das fronteiras do País de origem. BPIEjt representa uma conta do balanço de pagamentos, o Investimento Estrangeiro, que é a entrada de capital externo no País. Essa conta engloba a participação no capital total ou parcial de empresas sediadas no País e os empréstimos intercompanhia, concedidos pelas matrizes no exterior a suas filiais no País e os recebidos pelas matrizes no exterior concedidos por suas filiais no Brasil (site do Banco Central). A variável FRP representa uma conta fiscal do governo, Resultado Primário, que é a economia feita pelo governo para pagar os juros da dívida pública. Trata-se da diferença entre as receitas e despesas do setor público, não computadas as despesas com rolagem da dívida e operações de crédito ativas e passivas. Reflete o esforço fiscal do governo. IPCA representa a inflação. Diversos índices são apresentados no Relatório Focus e este é o escolhido para permanecer nos modelos por ser o índice de inflação oficial do governo. O IPCA (Índice de Preços ao Consumidor Amplo) é o índice que verifica as variações dos custos com os gastos das pessoas que ganham de um a quarenta salários mínimos nas regiões metropolitanas de Belém, Belo Horizonte, Curitiba, Fortaleza, Porto Alegre, Recife, Rio de Janeiro, Salvador, São Paulo, município de Goiânia e Distrito Federal. Esse índice mede a variação dos custos no período do primeiro ao último dia de cada mês de referência. MTOS, representa a taxa de juros de curto prazo. A MTOS (Meta para Taxa Over Selic) é fixada pelas autoridades monetárias e tem o papel de sinalizar para os agentes econômicos o nível básico de remuneração dos títulos federais. Seu nível efetivo é definido pela média ponderada do volume diário das operações lastreadas em títulos públicos federais de curto, 92 médio e longo prazos no tempo presente. Tais títulos são emitidos pelo Tesouro ou pelo Banco Central, negociados e registrados pelo Serviço Especial de Liquidação e Custódia, Selic, na forma de operações compromissadas. Notadamente a taxa de juros Over-Selic tem a função de orientar as demais taxas de juros de curto prazo da economia, agindo como um limite mínimo. PIBIND representa a produção industrial de um País. O PIBIND (Produto Interno Bruto Industrial) é um indicador que mede a produção de um País levando em conta a indústria, que engloba áreas extrativa mineral, de transformação, serviços industriais de utilidade pública e construção civil. Por fim, TXCAM representa a taxa de câmbio. Trata-se da relação de valor entre duas moedas. A Taxa de Câmbio indica o preço, em moeda nacional, de uma moeda estrangeira. Neste caso, o dólar. Nos modelos que utilizam o Relatório Focus, todas as variáveis macroeconômicas representam a expectativa dos agentes do mercado para aquela variável ao final do ano seguinte da projeção. Assim sendo, a série começa em 2002, com projeção trimestal para o término de 2003, e termina com as projeções trimestrais em 2010, para o final de 2011, coletadas pela mediana. A coleta dos dados macroeconômicos efetivamente observados, assim como a coleta dos dados de expectativa (Relatório Focus) foram feitas no site do Banco Central do Brasil. Contudo, enquanto no Relatório Focus são apresentadas as expectativas anuais, para as variáveis macroeconômicas efetivamente observadas foram coletados os dados efetivamente observados trimestrais. Ressalte-se que, para a taxa de câmbio, foi coletada a série taxa de câmbio – livre – dólar americano (venda)- diário. Como os dados são trimestrais, permaneceram na base de dados da pesquisa os fechamentos trimestrais para o dólar. De acordo com Kerlinger (1979), há dois tipos de definição de variáveis: constitutiva e operacional. Uma definição constitutiva é a definição do dicionário, define palavras com 93 palavras. A definição operacional atribui significado a uma variável especificando as atividades ou operações necessárias para medi-la ou manipulá-la. É apresentada, no quadro 7, a variável, sigla e definição constitutiva de cada variável escolhida para figurarem nos modelos. Quadro 7 - Variável, sigla e descrição das variáveis (continua) Fatores Variável Sigla Descrição da variável Endividamento VarEndiv é a variação ocorrida no grau de alavancagem financeira da empresa entre os trimestres t-1 e t Fatores fundamentais Tamanho da empresa I(Tamanho) capitalização de mercado da companhia ao finaldo trimestre t. Obtida ao multiplicar o número de ações da companhia pelo preço da ação Balança comercial- exportação BCEXP exportação é a saída de bens, produtos e serviços além das fronteiras do País de origem. A balança comercial é o resultado das exportações menos as importações Balanço de Pagamentos_ Investimento Estrangeiro BPIE engloba a participação no capital total ou parcial de empresas sediadas no País e os empréstimos intercompanhia, concedidos pelas matrizes no exterior a suas filiais no País e os recebidos pelas matrizes no exterior concedidos por suas filiais no Brasil (Site BC) Fiscal – Resultado Primário FRP o Resultado Primário é a diferença entre as receitas e despesas do setor público, não computadas as despesas com rolagem da dívida e operações de crédito ativas e passivas. Reflete o esforço fiscal do governo Índice de Preços ao Consumidor Amplo IPCA Índice de inflação oficial do governo, que verifica as variações dos custos com os gastos das pessoas que ganham de um a quarenta salários mínimos nas regiões metropolitanas de Belém, Belo Horizonte, Curitiba, Fortaleza, Porto Alegre, Recife, Rio de Janeiro, Salvador, São Paulo, município de Goiânia e Distrito Federal. O IPCA mede a variação dos custos no período do primeiro ao último dia de cada mês de referência Meta para Taxa Over Selic MTOS a taxa de juros Over-Selic é fixada pelas autoridades monetárias e tem o papel de sinalizar para os agentes econômicos o nível básico de remuneração dos títulos federais. Seu nível efetivo é definido pela média ponderada do volume diário das operações lastreadas em títulos públicos federais de curto, médio e longo prazo no tempo presente Produto Interno Bruto Industrial PIBIND indicador que mede a produção de um País levando em conta a indústria, que engloba áreas extrativa mineral, de transformação, serviços industriais de utilidade pública e construção civil. Fatores macroeconômicos Taxa de Câmbio TXCAM é a relação de valor entre duas moedas. A Taxa de Câmbio indica o preço, em moeda nacional, de uma moeda estrangeira 94 Quadro 7 - Variável, sigla e descrição das variáveis (conclusão) Fatores Variável Sigla Descrição da variável Liquidez das ações Liquidez das ações I(Liquidez) representa a frequência com a qual a ação é negociada Volatilidade defasada (só para modelos de volatilidade) Volatilidade Defasada Ln(Volat.retorn.def) representa o logaritmo natural da volatilidade dos retornos da ação no trimestre t-1. Ou seja, é apenas uma defasagem da variável dependente (Volatilidade) Retorno (só para modelos de volatilidade) Logaritmo do retorno Ln(retor) é o retorno logaritmo do preço de fechamento da ação no trimestre t Fonte: Elaboração própria BETAS para os modelos de volatilidade e retorno Observando-se os coeficientes das equações apresentadas para volatilidade, um sinal positivo para β1 Ln(Volat.retorn.def) apoiaria o argumento da persistência da volatilidade tal como expresso pela teoria da retroalimentação. Se a volatilidade passada realmente influencia a volatilidade presente, então a hipótese é que β1 deve apresentar sinal positivo. Com relação ao coeficiente β2 da regressão, as teorias expostas sustentam que ele deva apresentar sinal negativo. Na teoria da alavancagem, o endividamento (grau de alavancagem financeira) crescente de uma empresa reduz o preço de suas ações (retorno negativo), aumentando a volatilidade dos retornos. Igualmente, na teoria da retroalimentação, um aumento persistente da volatilidade tende a estar associado com reduções nos preços dos ativos. O sinal do coeficiente β3 está relacionado à teoria da alavancagem. Se os investidores exigem um retorno maior para as ações mais alavancadas, é possível que isso ocorra devido ao maior risco que tais ações indicam. O nível do risco, por sua vez, está diretamente relacionado com a volatilidade do retorno dos ativos. Por conseguinte, um sinal positivo para β3 indicaria que o grau de alavancagem de uma ação produz um aumento no desvio-padrão dos retornos do papel. Essa variável se mostrou como tendo poder de explicação para a volatilidade (CASELANI, 2005). 95 Os coeficientes β4 e β5 buscam investigar se existe alguma relação entre o tamanho da empresa e o seu grau de volatilidade. Neste estudo, o tamanho da empresa está representado pela Proxy capitalização de mercado. Em princípio, é de esperar que empresas maiores indiquem um grau menor de risco, o que geraria um sinal negativo para β4 e β5 . Essa variável se mostrou como tendo poder de explicação para a volatilidade (CASELANI, 2005). Os coeficientes β6 e β7 buscam investigar se existe alguma relação entre a liquidez das ações e o seu grau de volatilidade. Em princípio, é de se esperar que empresas mais líquidas indiquem um grau menor de risco, o que geraria um sinal negativo para β6 e β7. Em relação ao coeficiente β8 da regressão, entende-se que o aumento da demanda por produtos nacionais eleva os preços dos mesmos no mercado externo, favorecendo maior retorno para as ações. Quanto maior o valor do saldo da balança comercial, maior o retorno. Goswami e Jung (1998) obtiveram esse resultado ao relacionar retorno acionário e saldo da balança comercial. Flannery e Protopapadakis (2002) evidenciaram o efeito do saldo da balança comercial para a volatilidade das ações. O sinal esperado para β8 seria, portanto, negativo. No que diz respeito ao coeficiente β9 , espera-se que ele apresente sinal negativo, isto é, quanto maior o investimento estrangeiro, menor a volatilidade. Yartey (2008) considera que o investimento estrangeiro está associado a mudanças em marcos regulatórios, transparências na divulgação de informações pelas empresas, requerimentos para listagens em bolsa e práticas de negociação mais justas, o que inspira maior confiança nos agentes do mercado. Os resultados da pesquisa de Twenaboah e Anokye (2008) indicaram a existência de relação entre investimento estrangeiro direto e desenvolvimento do mercado acionário. O coeficiente β10 relaciona o resultado primário do governo e a volatilidade das ações brasileiras presentes na amostra. De acordo com Geske e Roll (1983), o aumento da dívida pública traz incertezas quanto aos fundamentos macroeconômicos e à capacidade de o governo administrar a dívida, o que não favorece o mercado de capitais. Tendo em vista que, quanto maior o resultado primário, maior a sobra para pagar os juros da dívida - o que demonstraria que o governo estaria firmando esforços no sentido de diminuir a dívida pública 96 – menor deveria ser a volatilidade no mercado de ações. Espera-se, portanto, que o sinal para o coeficiente β10 seja negativo. O coeficiente β11 relaciona o IPCA e a volatilidade das ações. Espera-se que esse coeficiente seja positivo, ou seja, quanto maior o IPCA, maior tende a ser a volatilidade das ações. Esse resultado foi encontrado por Kearney e Daly (1998). Com relação ao coeficiente β12 espera-se que ele apresente sinal positivo, mostrando que um aumento na taxa de juros tende a incrementar a volatilidade. Isso faz sentido, uma vez que a taxa de juros nada mais é do que um termômetro de risco. Um risco maior pode ser oriundo de uma alavancagem financeira mais elevada, o que estaria relacionado com a teoria da alavancagem. Além disso, uma relação positiva entre taxa de juros e a volatilidade dos retornos das ações também endossaria uma associação negativa entre retorno e volatilidade, gerando um β5 negativo. Complementando, um aumento na taxa de juros incrementa o custo de oportunidade e leva à substituição dos investimentos em ações para outros tipos de investimentos menos arriscados. Espera-se uma relação negativa entre retorno e taxa de juros, o que seria consistente com os achados de Chen, Roll e Ross (1986) e Gjerde e Saettem (1999). De acordo com Christie (1982), o aumento na taxa de juros reduz o valor das empresas, fazendo crescer o seu grau de alavancagem e, com isso, a volatilidade das ações. Caselani (2005) afirma que, se a taxa de juros sofre um incremento, isso deve ser em decorrência de uma percepção maior de risco por parte do mercado, levando à maior volatilidade. Kearney e Daly (1998) também encontraram relação positiva entre a taxa de juros e volatilidade. O coeficiente β13 mede a relação entre a variação do PIB industrial e a volatilidade das ações no mercado brasileiro. Em princípio, é de se esperar que esse coeficiente seja negativo, caso se confirme a relação positiva entre PIB e o retorno das ações e negativa entre o retorno das ações e volatilidade. Complementando, espera-se que haja uma relação positiva entre PIB e retorno, tal como encontrado por Fama (1981). De acordo com Caselani (2005), a queda no PIB traz como consequência um aumento na incerteza com relação à conjuntura econômica de um País. A o aumentar a incerteza, aumenta o prêmio pelo risco exigido pelos investidores e, 97 consequentemente, a volatilidade das ações. Espera-se que haja uma relação negativa entre PIB e volatilidade. Tal resultado foi encontrado nos trabalhos de Schwert (1989) e Campbell et al. (2001), por exemplo. O último coeficiente da equação é coeficiente β14 . Não está claro o sinal que se deve esperar para esse coeficiente, possivelmente seria negativo. Para Maysami, Howe e Hamzah (2004), há uma relação positiva entre a desvalorização cambial e o aumento do retorno do mercado acionário. No quadro 8 são apontadas as variáveis para os modelos de volatilidade (ver equações 13 e 15) com respectiva sigla, sinal esperado para o coeficiente e interpretação teórica 98 Quadro 8 - Variável, sigla, sinal esperado para coeficiente nos modelos de volatilidade e interpretação teórica Co Variável Sigla Sinal esperado Interpretação teórica (para volatilidade) β1 Volatilidade defasada Ln(Volat.re torn.def) Positivo Quanto maior a volatilidade defasada, maior tende a ser a volatilidade das ações β2 Retorno Ln(retor) Negativo Quanto menor o retorno, maior tende a ser a volatilidade β3 Endividamen to VarEndiv Positivo Quanto maior o endividamento, maior tende a ser a volatilidade das ações β4 Tamanho da empresa (Tamanho) Médio Negativo Quanto maior o tamanho da empresa, menor tende a ser a volatilidade das ações β5 Tamanho da empresa (Tamanho) Maior Negativo Quanto maior o tamanho da empresa, menor tende a ser a volatilidade das ações β6 Liquidez das ações I(Liquidez) Médio Negativo Quanto maior a liquidez das ações, menor tende a ser a volatilidade das ações β7 Liquidez das ações I(Liquidez) Maior Negativo Quanto maior a liquidez das ações, menor tende a ser a volatilidade das ações β8 Saldo da balança comercial BCSLD Negativo Quanto maior o saldo da balnça comercial, menor tende a ser a volatilidade das ações β9 Investimento estrangeiro direto BPIE Negativo Quanto maior o investimento estrangeiro direto, menor tende a ser a volatilidade das ações β10 Resultado primário FRP Negativo Quanto maior o resultado primário, menor tende a ser a volatilidade das ações β11 Índice de Preços ao Consumidor Amplo (inflação) IPCA Positivo Quanto maior o IPCA (inflação), maior tende a ser a volatilidade das ações β12 Meta para taxa over SELIC MTOS Positivo Quanto maior a meta para taxa over selic (juros), maior tende a ser a volatilidade das ações β13 Produto interno bruto industrial PIBIND Negativo Quanto maior o produto interno bruto industrial, menor tende a ser a volatilidade das ações β14 Taxa de câmbio TXCAM Negativo Quanto maior a taxa de câmbio, menor tende a ser a volatilidade das ações Fonte: Elaboração própria As hipóteses levantadas nesta pesquisa foram elaboradas de acordo com o referencial estudado. Portanto, a escolha de tais variáveis se fundamenta no fato de que, em trabalhos anteriores, elas se mostraram como tendo poder de explicação para o retorno das ações e/ou para a volatilidade. Nos modelos para retorno, espera-se que os sinais dos betas para as variáveis sejam, com exceção dos betas para as variáveis tamanho, liquidez e endividamento, o inverso daqueles obtidos nos modelos de volatilidade, tendo em vista que, na literatura, é expresso que o sinal de β2 deve ser negativo, isto é, quanto menor o retorno, maior a volatilidade. No quadro 9 são apontadas as variáveis para os modelos de retorno com 99 respectiva sigla, sinal esperado para o coeficiente e interpretação teórica. As variáveis (Volat.retorn.def) e (retor) foram utilizadas apenas nos modelos de volatilidade. Quadro 9 - Variável, sigla, sinal esperado para coeficiente nos modelos de retorno e interpretação teórica Coe f Variável Sigla Sinal esperado Interpretação teórica (para retorno) β1 Endividame nto VarEndiv Negativo Quanto maior o endividamento, menor tende a ser o retorno das ações β2 Tamanho da empresa (Tamanho) Médio Negativo Quanto maior o tamanho da empresa, menor tende a ser o retorno das ações β3 Tamanho da empresa (Tamanho) Maior Negativo Quanto maior o tamanho da empresa, menor tende a ser o retorno das ações β4 Liquidez das ações I(Liquidez) Médio Negativo Quanto maior a liquidez das ações, menor tende a ser o retorno das ações β5 Liquidez das ações I(Liquidez) Maior Negativo Quanto maior a liquidez das ações, menor tende a ser o retorno das ações β6 Saldo da balança comercial BCSLD Positivo Quanto maior o saldo da balnça comercial, maior tende a ser o retorno das ações β7 Investiment o estrangeiro direto BPIE Positivo Quanto maior o investimento estrangeiro direto, maior tende a ser o retorno das ações β8 Resultado primário FRP Positivo Quanto maior o resultado primário, maior tende a ser o retorno das ações β9 Índice de Preços ao Consumido r Amplo IPCA Negativo Quanto maior o IPCA (inflação), menor tende a ser o retorno das ações β10 Meta para Taxa over SELIC MTOS Negativo Quanto maior a meta para taxa over selic (juros), menor tende a ser o retorno das ações β11 Produto interno bruto industrial PIBIND Positivo Quanto maior o produto interno bruto industrial, maior tende a ser o retorno das ações β12 Taxa de câmbio TXCAM Positivo Quanto maior a taxa de câmbio, maior tende a ser o retorno das ações Fonte: Elaboração própria Com a finalidade de identificar o efeito de variáveis fundamentais, variáveis macroeconômicas (de expectativas e dados efetivamenteobservados) e liquidez sobre a volatilidade e o retorno das ações mais líquidas da Bovespa e testar os modelos obtidos, dividiu-se o período analisado em dois. O primeiro período (denominado Aprendizagem) foi do 1° trimestre de 2002 ao 1° trimestre de 2007. O segundo foi do 2° trimestre de 2007 ao 3° trimestre de 2010 (chamado Validação). Essa divisão atendeu a dois critérios: 1) deixar, em cada período, quantidade suficiente de dados para que os testes estatísticos pudessem ser realizados; 2) dividir o período em antes e após a crise do Sub Prime em 2008. Presumia-se, 100 com isso, que as variáveis preditoras pudessem antecipar, ainda que pouco, a crise ocorrida. Para ambos os períodos a amostra foi a mesma. Ressalte-se que, para a análise estatística, foi utilizado o software R. 101 4 –SISTEMA DE EXPECTATIVAS DE MERCADO – RELATÓRIO FOCUS Em 1994, o governo brasileiro iniciou a implantação do Plano Real, que surgiu em um ambiente econômico mundial de elevada liquidez nos mercados financeiros desenvolvidos, provocada pelo alto crescimento da economia americana, pela grande geração de riqueza nos seus mercados de capitais e em decorrência de um grande volume de comércio mundial. Esse Plano provocou intensas modificações no sistema financeiro brasileiro e proporcionou o controle da inflação por meio de mecanismos que permitiram uma ampla abertura ao comércio exterior, da mesma forma como aumentou a integração do sistema financeiro nacional aos mercados financeiros internacionais (LAMEIRA, 2004). Internamente, o plano de estabilização tinha por objetivo controlar a inflação mediante a liberação da economia ao comércio mundial, especialmente às importações, com uma taxa de câmbio que apresentava elevada apreciação da moeda frente ao dólar americano. De acordo com Lameira (2004), as importações atendiam a demanda derivada do crescimento da renda que havia sido provocado pela queda da inflação. O Plano Real consistiu em uma estratégia de estabilização de preços que se fundamentou na adoção de um novo padrão monetário e na implementação de uma âncora cambial. Não se limitou, portanto, à simples criação de uma moeda nem à adoção de um regime monetário de metas cambiais (MODENESI, 2005). Com a introdução do regime de câmbio flutuante, os policymakers ganharam mais liberdade para a condução da política monetária e, com a posse da nova diretoria do BACEN, a instituição passou a trabalhar com dois objetivos principais. O primeiro deles era acalmar o mercado financeiro através de um rígido controle da inflação e da busca de credibilidade. A segunda iniciativa do Banco Central foi a implementação do sistema de metas inflacionárias no Brasil uma vez que a flutuação cambial necessitava de uma nova âncora nominal para a política econômica (Bogdanski, Tombini & Werlang, 2000). 102 Modenesi (2005) caracteriza o Plano Real como uma sucessão de três fases que marcaram a condução da política econômica no Brasil de 1993 até a crise cambial de janeiro de 1999: 1) o ajuste fiscal; 2) a reforma monetária; 3) a adoção de uma âncora cambial. De acordo com o autor, as duas primeiras fases podem ser consideradas como pré-requisitos da fase posterior, na medida em que eram indispensáveis para o sucesso do programa de estabilização dos preços. A terceira fase foi fundamentada na adoção do regime monetário de metas cambiais. O plano foi bem-sucedido, tendo em vista a redução drástica na inflação. Desde 1999, a política monetária no Brasil tem se baseado na consecução das metas estipuladas pelo programa de Metas de Inflação, instituído pela Lei n. 3.088, de junho de 1999. As metas são fixadas pelo Conselho Monetário Nacional (CMN). A Nova Zelândia foi o primeiro País a adotar o regime de metas inflacionárias, em 1990, seguida pelo Canadá, em 1991, Reino Unido, em 1992, Suécia e Finlândia, em 1993, e Austrália e Espanha, em 1994. De acordo com Silva (2002), as características primordiais do sistema de metas de inflação são: 1. anúncio público de meta quantitativa para a inflação de médio prazo; 2. comprometimento institucional com a estabilidade de preços em concordância com a meta estabelecida e como objetivo primário de longo prazo da política monetária. Para tal, as autoridades devem contar com, ao menos, independência de instrumento e não estar sujeitas à dominância fiscal nem terem objetivos nominais conflitantes; 3. uma estratégia inclusiva de informação, com papel reduzido para alvos intermediários, tais como a taxa de crescimento da moeda; 4. comunicação clara com os agentes econômicos acerca dos planos e objetivos dos gestores de política monetária aumentando, assim, a transparência da estratégia econômica adotada; 5. possibilidade de monitoramento da atuação do Banco Central. O Brasil adotou o regime de metas inflacionárias em 1999. O IPCA foi escolhido como índice de preços para o cálculo das metas, e a taxa de juros adotada foi a Selic com sua meta sendo definida pelo Copom. Também, foram admitidos intervalos de tolerância de dois pontos percentuais e a justificativa para tal estava no reconhecimento da incerteza sobre o processo inflacionário brasileiro e o fato de o IPCA ser um índice que poderia ser influenciado por choques temporários e por fatores sazonais. Houve mudança dos limites de tolerância de dois pontos percentuais, até 2001, para 2,5 pontos percentuais a partir de 2003. Em 2011 a tolerância é, novamente, de dois pontos. As metas estabelecidas para os anos de 1999 a 2011 103 encontram-se na tabela 4. Ressalte-se que para os anos de 2012 e 2013 a meta para inflação continua em 4,5%. Tabela 4 - Evolução da meta para inflação – 1999 a 2011 FONTE: site do Banco central Para que a inflação se situe no intervalo fixado pelo CMN, o controle monetário se dá de forma indireta, por meio do anúncio público de uma segunda meta, a meta de taxa de juros. Trata-se, portanto, de uma política monetária baseada em duas metas, ainda que com periodicidade e outras características diversas: a meta de inflação e a meta de juros. De acordo com Blanchard (2004), em um ambiente em que o endividamento é alto, o sistema de metas para inflação pode não funcionar bem, ou nem sequer funcionar. Taxas de juros mais elevados levam a uma dívida maior, a um maior risco de calote, e a depreciação cambial, ao invés de apreciação e, em última análise, a um aumento de inflação. Com base nisso, Leichsenring (2004) concluiu que, em resposta a uma elevação da inflação, o Banco Central se vê obrigado a elevar a taxa de juros, que eleva a dívida pública, aumenta o risco de calote, causando depreciação cambial. Quanto mais o Banco Central persegue essa política, mais incrementa a probabilidade de déficit na dívida pública e mais a moeda desvaloriza, causando inflação. 104 A taxa no mercado interbancário de reservas, principal instrumento de política monetária do Banco Central, é a taxa Selic. A origem do nome se deve ao fato de tratar-se esta taxa da taxa de juros média dos financiamentos diários lastreados por títulos públicos registrados em tal sistema (Selic). Em 1999, quando a área econômica do Banco Central desenvolvia estudos que fundamentariam o regime de metas para a inflação, foi criado o Sistema Banco Central de Expectativas de Mercado, com o objetivo de obter subsídios para as decisões de política monetária. As expectativas de mercado coletadas são, então, divulgadas por meio do Relatório Focus. Inicialmente, cerca de cinquenta instituições financeiras e consultorias eram contatadas pelo Grupo de Comunicação Institucional (GCI), criado pelo Banco Central, em abril de 1999, tendo como atribuição principal o monitoramento permanente das expectativas dos agentes econômicos. Coletavam as projeções anuais dos principais índices de preços (IGP-DI, IGP-M e IPA), além do crescimento do PIB. Posteriormente, a pesquisa de expectativas de mercado se sofisticou, tanto pelo maior número de instituições pesquisadas, como pela incorporação à pesquisa de novas variáveis (outros indicadores de inflação, taxa de câmbio, taxa de juros, dados fiscais e variáveis do Balanço de Pagamentos), e ainda pela coleta de dados mensais ou trimestrais, além dos anuais. Com a crescente importância do monitoramento das expectativas para a política monetária, foi criada, em novembro de 2001 a página na internet do Sistema Expectativas de Mercado (www.bcb.gov.br/expectativa), (MARQUES, FACHADA E CAVALCANTI, 2003). Nessa página, as instituições previamente cadastradas podem inserir suas expectativas semanalmente. O sistema só considera os dados informados nos últimos trinta dias. Ou seja, se uma determinada instituição não reinformar suas expectativas no prazo de trinta dias, o sistema automaticamente descarta os dados. O objetivo é evitar que as estatísticas carreguem previsões desatualizadas, especialmente para as variáveis que apresentem maior grau de volatilidade. Assim, mesmo que as expectativas não tenham sofrido modificação, a instituição habilitada deverá confirmar o dado no intervalo máximo de trinta dias. 105 Para aferir a precisão das projeções informadas ao Sistema Expectativas pelos participantes da pesquisa, incentivar a qualidade e premiar a excelência das projeções, a Gerência de relacionamento com investidores (Gerin) elabora, desde setembro de 2001, rankings das instituições de acordo com o desvio de suas estimativas de curto, médio e longo prazos frente aos resultados efetivos dos principais indicadores. Alguns critérios aplicáveis a todos os tipos de classificação das instituições participantes foram definidos com o propósito de impor penalidades às instituições que não cumprem um mínimo de regularidade: a instituição será excluída do ranking se não tiver confirmado ou atualizado no período de trinta dias anteriores à data crítica, pelo menos três projeções mensais ou uma anual. As estatísticas produzidas pelo sistema são divulgadas toda segunda-feira pelo Banco Central. Incluem a mediana, a média, o desvio-padrão e o intervalo máximo/mínimo para as seguintes séries especificadas no quadro 10: 106 Quadro 10 - indicadores, periodicidade e séries no Relatório Focus Termo/indicador Periodicidade* Séries 1 Balança Comercial Anual - Importação - Exportação - Saldo 2 Balanço de pagamentos Anual - Conta Corrente - Investimento Estrangeiro 3 Fiscal Anual - Resultado Primário - Resultado Nominal - Dívida líquida do setor público 4 Indices de preços Mensal e anual - IGP-DI - IGP-M - INPC - IPA-DI - IPA-M - IPCA - IPCA-15 - IPC - Fipe 5 e 6 Inflação acumulada p os próximos 12 meses (e suavizada) Não se aplica As mesmas do item 4. 7- Meta para taxa over-selic Mensal e anual - Meta para taxa over-selic 8- PIB Trimestral e anual - PIB Agropecuária - PIB Industrial - PIB Serviços - PIB Total 9- Preços administrados por contrato e monitorados Anual - Preços administrados por contrato e monitorados 10- Produção industrial Mensal e anual - Produção industrial 11- Taxa de câmbio Mensal e anual - Taxa de câmbio FONTE: elaboração própria com dados do site do Banco Central do Brasil. * a periodicidade, neste caso, refere-se para quando são feitas as projeções. Observa-se que as expectativas de mercado divulgadas no Relatório Focus são para aquelas variáveis utilizadas nos modelos de fatores macroeconômicos, como visto nas pesquisas apresentadas anteriormente. Os dados coletados pela Gerin permitem avançar na investigação sobre o processo de formação de expectativas na economia brasileira. Esse é um tópico que vem merecendo atenção especial no âmbito da pesquisa acadêmica no Brasil. Embora este Relatório não tenha sido ainda utilizado para fazer previsões para o mercado acionário brasileiro – e é nisso que consiste a originalidade dessa tese -, alguns trabalhos já foram feitos utilizando tais dados. Entre os trabalhos nessa direção, Alves (2001) testa a eficiência das previsões do mercado para o IPCA com dados até o terceiro trimestre de 2000, concluindo que apresentam erros reduzidos até dois trimestres à frente. O trabalho aponta ainda uma comparação entre a 107 capacidade de projeção do modelo estrutural do Banco Central vis-à-vis das expectativas do mercado. Freitas et al. (2002) apresentam duas conclusões importantes a partir do exame econométrico dos dados das expectativas de inflação do mercado para o período de janeiro de 2000 a junho de 2002: 1) as metas de inflação efetivamente ancoram as expectativas no período, cumprindo o principal objetivo do regime monetário; e 2) a autoridade monetária reage às expectativas inflacionárias, conduzindo uma política monetária forward-looking. O uso dos dados de expectativas divulgados pelo Banco Central do Brasil, por meio do Relatório Focus para a análise de credibilidade em política macroeconômica, ganhou respaldo empírico a partir dos trabalhos de Sicsú (2002) e de Mendonça (2003). Utilizando os dados de expectativa de inflação oriundos dessa pesquisa, esses autores construíram um índice de credibilidade, avaliando os objetivos da política monetária e o que os agentes esperavam que a política monetária fosse alcançar. Quanto menor essa distância, maior a credibilidade da autoridade monetária. Seus resultados indicam perda de credibilidade na presença de choques. Rodrigues (2009) pesquisou a inter-relação entre inflação, expectativas inflacionárias e taxa de juros no Brasil no período de 2001 a 2008. A série de expectativas de inflação utilizadas foi coletada no site do Banco Central, no Sistema de Expectativas de Mercado - Relatório Focus. Foi utilizado o relatório da última semana de cada mês, com as expectativas referentes ao próximo mês. O quadro 11 apresenta os autores, os termos/indicadores do Relatório Focus utilizado e o local da publicação do trabalho. 108 Quadro 11 - Autores, os termos/indicadores do Relatório Focus utilizado e o local da publicação do trabalho Autores Termo/indicador Relatório Focus Publicação Alves (2001) IPCA Trabalhos para Discussão 16, Banco Central do Brasil. Freitas et al. (2002) Expectativas de inflação Trabalhos para Discussão 53, Banco Central do Brasil. Sicsú (2002) Expectativas de inflação Artigo na revista Economia Aplicada FEA-USP Mendonça (2003) Expectativas de inflação Artigo na revista Economia Aplicada Pires (2006) Fiscal (resultado primário, resultado nominal e dívida do público) Artigo na revista Economia Aplicada FEA-USP Liu (2007) Taxa de câmbio Dissertação – Economia - FGV Rodrigues (2009) Expectativas de inflação Dissertação – Economia - FGV Fonte: Elaborado pela autora 109 5 – APRESENTAÇÃO E DISCUSSÃO DOS RESULTADOS DA PESQUISA 5.1 Análise descritiva e exploratória A TAB. 5 apresenta a distribuição setorial das empresas da amostra, observando-se a quantidade de ações estudadas por setor. As 21 empresas distribuem-se entre nove setores da economia com destaque para telecomunicações e setor elétrico (23,81% cada uma), que juntos correspondem a 47,8% da amostra e Siderurgia e Metalurgia (14,28%). Observa-se também que há uma prevalência de ações preferenciais (PN), correspondendo a 85,71% da amostra. Tabela 5 - Distribuição setorial das empresas da amostra Setor Quantida de ações Participação Código das ações Classe Nome 1 Alimentos e ebidas 1 4,76% AMBV4 PN Ambev CLSC6 PNB Celesc CMIG4 PN Cemig CPLE6 PNB Copel ELET6 PNB Eletrobras 2 Energia elétrica 5 23,81% TRPL4 PN Tran Paulist 3 Mineração 1 4,76% VALE5 PNA Vale KLBN4 PN Klabin S/A 4 Papel e celulose 2 9,52% FIBR3 ON Fibria CGAS5 PNA Comgas 5 Petróleo e gas 2 9,52% PETR4 PN Petrobras 6 Química 1 4,76% BRKM5 PNA Braskem CSNA3 ON Sid Nacional GGBR4 PN Gerdau 7 Siderurgia & metalurgia 3 14,28% USIM5 PNA Usiminas BRTO4 PN Brasil Telec TCSL4 PN Tim Part S/A TLPP4 PN Telesp TMAR5 PNA Telemar N L 8 Telecomunicações 5 23,81% TNLP4 PN Telemar 9 Veículos e peças 1 4,76% EMBR3 ON Embraer Total de ações 21 100% Fonte: elaborada pela autora da tese Os resultados da pesquisa serão apresentados, dentro do possível, na sequência em que foram mostrados os objetivos específicos. Veja-se o primeiro objetivo: selecionar, dentre as séries divulgadas no Relatório Focus, quais delas poderiam compor os modelos de previsão de volatilidade e retorno das ações mais negociadas na Bovespa no período estudado. O quadro 12 apresenta as séries macroeconômicos divulgados no Relatório Focus. 110 Quadro 12 - Indicadores macroeconômicos do Relatório Focus. Relatório FOCUS BCEXP Balança comercial - exportação BCIMP Balança comercial - importação BCSLD Saldo da balança comercial BPCC Conta corrente BPIE Investimentos estrangeiros FRP Resultado primário FRN Resultado nominal FDLSP Divida liquida setor publico Índices de Preços IGP-DI, IGP-M, INPC, IPA-DI, IPA-M, IPCA, IPCA-15, IPC-Fipe MTOS Meta taxa over SELIC PIBT Produto interno bruto total PIBIND Produto interno industrial PIBSER Produto interno de serviço PIBAG Produto interno agropecuário PACM Preços administrados por contrato e monitorados PRODI Produção industrial TXCAM Taxa de cambio FONTE: elaboração própria. Para a pesquisa, inicialmente optou-se por trabalhar com o IPCA como representante das séries de Índices de Preços. Portanto, foram excluídas as outras séries de índice de preço. A escolha pelo IPCA deu-se em virtude de ser o índice oficial de inflação do governo. Excluiu- se também a série Preços administrados por contrato e monitorados, tendo em vista que ela só começou a ser divulgada em maio de 2003. Uma das exigências de qualquer modelo de regressão linear é a de que não exista multicolinearidade entre as variáveis independentes do modelo. A ocorrência de multicolinearidade vicia os coeficientes da regressão, bem como seus níveis de significância. Autores como Kennedy (2003) afirmam que problemas de multicolinearidade são particularmente sérios para correlações superiores a 0,80. Portanto, dando continuidade à execução do primeiro objetivo, foram selecionados apenas alguns indicadores do Relatório Focus, para evitar o problema de multicolinearidade do modelo, uma vez que existem indicadores altamente correlacionados. As correlações são apresentadas na TAB. 6. 111 Tabela 6 - Correlações de Pearson entre os indicadores macroeconômicos do Relatório Focus FONTE: dados da pesquisa Avaliando a TAB. 6, observa-se que existem correlações superiores a 0,8 entre os indicadores macroeconômicos do Relatório Focus, principalmente entre os grupos que tratam sobre o mesmo tema como balança comercial, balança de pagamentos, indicadores fiscais e o PIB. Dessa forma, de acordo com a TAB. 7, selecionaram-se dentro de cada grupo os indicadores mais correlacionados com as variáveis dependentes, volatilidade dos retornos e log retorno trimestral. Logo, foi possível escolher então as seguintes séries: BCEXP, BPIE, FRP, IPCA, MTOS, PIBIND e TXCAM. Tabela 7 - Correlações de Pearson para a volatilidade e retorno trimestral entre os indicadores macroeconômicos do relatório FOCUS. FONTE: Dados da Pesquisa. NOTA: A Primeira linha representa as correlações com a volatilidade dos retornos e a segunda com o log retorno trimestral Em resposta ao primeiro objetivo, foram selecionados, dentre as séries divulgados no Relatório Focus, as seguintes séries que poderão compor os modelos de previsão de volatilidade e de retorno das ações da amostra: balança comercial – exportação, investimentos estrangeiros, resultado primário, IPCA, meta taxa over SELIC, produto interno bruto industrial e taxa de cambio Como os modelos fazem uso de outras variáveis além daquelas divulgadas no Relatório Focus, é necessário ver a correlação das séries selecionadas do Focus em relação a essas variáveis. 112 Portanto, na TAB. 8, têm-se as correlações entre as variáveis independentes quantitativas de acordo com a seleção explicada acima. Nota-se, porém, que a variável BCEXP é muito correlacionada com BPIE e TXCAM. Dessa forma, optou-se por substituir a variável BCEXP por BCSLD. Com isso, avaliando a TAB. 9, nota-se que não há nenhuma correlação superior a 0,80. Tabela 8 - Correlações de Pearson entre as variáveis independentes quantitativas – Relatório FOCUS Volat. Log retor. Volat.def VarEndiv BCEXP BPIE FRP IPCA MTOS PIBIND Volat. 1 Log retor. 0,23 1 Volat.def 0,56 0,13 1 VarEndiv 0,13 0,06 0,02 1 BCEXP -0,13 -0,14 -0,15 -0,02 1 BPIE -0,18 -0,18 -0,17 -0,01 0,83 1 FRP 0,18 0,13 0,05 0,00 -0,49 -0,79 1 IPCA 0,11 0,18 0,18 -0,01 -0,49 -0,34 0,23 1 MTOS 0,17 0,07 0,11 0,05 -0,72 -0,59 0,54 0,74 1 PIBIND -0,44 -0,31 -0,41 -0,11 0,37 0,43 -0,33 -0,55 -0,43 1 TXCAM 0,18 0,22 0,20 -0,01 -0,91 -0,78 0,57 0,71 0,78 -0,51 FONTE: dados da pesquisa Tabela 9 - Correlações de Pearson entre as variáveis independentes quantitativas após mudanças – Relatório FOCUS Volat. Log retor. Volat.def VarEndiv BCSLD BPIE FRP IPCA MTOS PIBIND Volat. 1 Log retor. 0,23 1 Volat.def 0,56 0,13 1 VarEndiv 0,13 0,06 0,02 1 BCSLD -0,12 0,01 -0,15 -0,05 1 BPIE -0,18 -0,18 -0,17 -0,01 -0,46 1 FRP 0,18 0,13 0,05 0 0,57 -0,79 1 IPCA 0,11 0,18 0,18 -0,01 -0,23 -0,34 0,23 1 MTOS 0,17 0,07 0,11 0,05 -0,08 -0,59 0,54 0,74 1 PIBIND -0,44 -0,31 -0,41 -0,11 0,11 0,43 -0,33 -0,55 -0,43 1 TXCAM 0,18 0,22 0,20 -0,01 -0,06 -0,78 0,57 0,71 0,78 -0,51 FONTE: dados da pesquisa Na TAB. 10, é possível verificar a classificação de cada ação quanto ao tamanho e liquidez. Dessa forma, nota-se que, entre as 21 ações selecionadas, as maiores são: AMBV4, CSNA3, ELET6, GGBR4, PETR4, TLPP4 e VALE5. Já as mais líquidas são: CMIG4, CSNA3, CGBR4, PETR4, TNLP4, USIM5 e VALE5. 113 Tabela 10 - Classificação das ações quanto ao tamanho e liquidez Tamanho Liquidez Ações Menor Média Maior Menor Média Maior AMBV4 X X BRKM5 X X BRTO4 X X CGAS5 X X CLSC6 X X CMIG4 X X CPLE6 X X CSNA3 X X ELET6 X X EMBR3 X X GGBR4 X X KLBN4 X X PETR4 X X TCSL4 X X TLPP4 X X TMAR5 X X TNLP4 X X TRPL4 X X USIM5 X X VALE5 X X FIBR3 X X FONTE: elaboração própria Após a análise acima, utilizou-se como variáveis explicativas nas duas etapas do estudo, os seguintes indicadores macroeconômicos do Relatório Focus: BCSLD, BPIE, FRP, IPCA, MTOS, PIBIND e TXCAM. Na tabela 11, apresentam-se as principais medidas descritivas das variáveis quantitativas que participarão do processo de modelagem. Dessa forma, têm-se as medidas descritivas da variável resposta da primeira etapa do estudo, , assim como da segunda etapa, . Têm-se também as medidas descritivas das variáveis explicativas, como o endividamento, os indicadores macroeconômicos do Relatório Focus e os indicadores macroeconômicos efetivamente observados trimestrais. É interessante observar que os indicadores macroeconômicos são os mesmos entre os dados trimestrais observados e do Relatório Focus. São, porém, variáveis distintas. O indicadores do Relatório Focus são para cada trimestre a expectativa do fechamento anual do indicador. Já 114 os dados observados trimestrais são os fechamentos observados trimestrais. Dessa forma, somando-se os quatro trimestres do ano, obtem-se o valor real do fechamento anual de alguns indicadores, valor esse que o Relatório Focus prediz, tal como coletado para a tese, em cada trimestre. Omitiu-se a variável explicativa da TAB. 11, pois é somente uma defasagem da variável . Tabela 11 - Medidas descritivas para as variáveis utilizadas no estudo Variáveis Média Mediana Coeficiente de variação Mínimo Máximo Número de observações 0,01 0,01 234,10% -0,08 0,15 735 -3,75 -3,75 8,60% -4,83 -2,59 735 Endividamento -0,12 -0,4 4145,40% -44,1 23,3 735 Expectativa anual retirada por trimestre Relatório Focus BCSLD 21,57 19,50 49,30% 3,55 38,00 35 BPIE 20,78 16,75 39,90% 12,00 40,00 35 FRP 3,77 3,80 14,50% 2,50 4,30 35 IPCA 5,08 4,79 26,30% 4,00 11,00 35 MTOS 13,17 13,00 19,00% 9,25 20,00 35 PIBIND 4,01 4,00 17,70% 2,00 5,80 35 TXCAM 2,50 2,34 24,50% 1,75 3,73 35 Dados macroeconômicos efetivamente observados trimestrais BCSLD 7,59 8,3 46,28% 0,88 14,68 35 BPIE 5,91 5,07 56,91% 1,31 14,29 35 FRP -0,03 -0,03 57,36% -0,06 0,01 35 IPCA 1,57 1,34 75,91% 0,1 6,56 35 MTOS 3,62 3,58 28,88% 2,02 5,81 35 PIBIND 0,93 1,1 330,96% -10,42 5,41 35 TXCAM 2,36 2,22 24,43% 1,59 3,89 35 FONTE: elaboração própria. A seguir, na TAB. 12 verifica-se que entre os indicadores selecionados para os dados efetivamente observados trimestrais, também não existem problemas sérios de multicolinearidade, uma vez que não há valores maiores que 0,80. 115 Tabela 12 - Correlações de Pearson entre as variáveis independentes quantitativas – Dados efetivamente observados trimestrais Volat. Log.retor Volat._def VarEndiv BCSLD BPIE FRP IPCA MTOS PIBIND Volat. 1,00 Log.retor 0,23 1,00 Volat._def 0,56 0,13 1,00 VarEndiv 0,13 0,06 0,02 1,00 BCSLD -0,15 -0,07 -0,14 -0,04 1,00 BPIE 0,07 0,03 -0,07 0,07 0,02 1,00 FRP -0,03 -0,01 0,04 0,19 0,09 0,17 1,00 IPCA 0,12 0,09 0,20 0,01 -0,31 -0,28 0,02 1,00 MTOS 0,17 0,20 0,16 0,02 0,03 -0,56 -0,16 0,44 1,00 PIBIND -0,37 -0,22 -0,28 -0,11 0,15 -0,15 -0,05 -0,04 -0,17 1,00 TXCAM 0,26 0,23 0,24 0,07 -0,16 -0,55 -0,10 0,60 0,78 -0,13 FONTE: elaboração própria. A seguir, no gráfico 3, verifica-se graficamente a variação da volatilidade dos retornos entre as ações, anos, trimestres e das classificações de tamanho e liquidez. Gráfico 3 - Boxplot para as volatilidades dos retornos entre as ações, anos, trimestres e classificações de tamanho e liquidez 116 FONTE: elaboração própria. Com o gráfico 3, observa-se que a volatilidade dos retornos variam de forma considerável entre as ações, sendo que a menor mediana da volatilidade dos retornos é da AMBV4 e as maiores são das ações, BRKM5, ELET6, KLBN4 e USIM5. Nota-se também que as volatilidades dos retornos também variam de forma considerável entre os anos de 2002 e 2010, sendo que o ano de 2008 apresentou o maior valor mediano da volatilidade das ações e 2010, o menor. Já entre os trimestres assim como nas classificações de tamanho e liquidez, a volatilidade dos retornos não varia muito. No gráfico 4 apresetam-se boxplot para os retornos entre as ações, anos, trimestres e classificações de tamanho e liquidez. 117 Gráfico 4 - Boxplot para os retornos entre as ações, anos, trimestres e classificações de tamanho e liquidez Fonte: Elaborado pela autora 118 Verifica-se -se graficamente o efeito de cada ação, dos anos, dos trimestres e das classificações de tamanho e liquidez sobre o log retorno trimestral. Logo, observa-se que o log retorno varia menos que a volatilidade das ações ao longo dos anos e das ações estudadas. Entretanto, o log retorno varia mais entre as ações e entre os anos do que entre os trimestres e as classificações de liquidez e tamanho. No gráfico 5, apresenta-se o comportamento da volatilidade e do retorno para cada ação ao longo do período de aprendizagem e previsão. Gráfico 5 - Comportamento da volatilidade do retorno e log retorno para cada ação ao longo do período de aprendizagem e de previsão Fonte: Elaborado pela autora No gráfico 5 visualiza-se o comportamento da volatilidade de cada ação ao longo do tempo, assim como o comportamento do log retorno, no período denominado como aprendizagem, primeiro trimestre de 2002 ao primeiro trimestre de 2007, em que se aplicou o modelo linear misto. E o período de previsão, em que foi utilizado o modelo proposto, para realizar previsões entre o período do segundo trimestre de 2007 e terceiro trimestre de 2010. Dessa forma, é interessante observar que, tanto no gráfico da volatilidade do retorno, como no log retorno, apresenta-se uma diferenciação do padrão no ano de 2008, ano da crise financeira. Como esse ano está no período de previsão da modelagem, há o real interesse de verificar se os modelos ajustados irão acompanhar o padrão visualizado. 119 5.2 Resultados para os modelos de volatilidade 5.2.1 Volatilidade dos retornos - Relatório Focus Na TAB.13 apresenta-se o modelo completo para volatilidade dos retornos, considerando os indicadores macroeconômicos do Relatório Focus, ou seja, mostram-se todos os parâmetros de interesse para explicar e predizer a volatilidade do retorno. Dessa forma, é possível nesse momento verificar os sinais de todos os parâmetros e discutir as hipóteses formuladas. Tabela 13 - Modelo linear misto completo para volatilidade (FOCUS) Fonte β E.P T p-valor Intercepto -3,991 0,424 -9,42 0,0000 Liquidez - médio -0,002 0,069 -0,03 0,9789 Liquidez - maior 0,004 0,079 0,05 0,9577 Tamanho - médio -0,019 0,074 -0,26 0,7967 Tamanho - maior -0,116 0,077 -1,50 0,1533 Log retorno -0,077 0,364 -0,21 0,8318 Volatilidade defasada 0,254 0,047 5,46 0,0000 Endividamento 0,001 0,002 0,38 0,7059 BCSLD -0,005 0,003 -1,75 0,0814 FRP 0,190 0,074 2,57 0,0104 BPIE 0,047 0,011 4,41 0,0000 IPCA -0,033 0,021 -1,58 0,1154 MTOS -0,014 0,008 -1,71 0,0879 PIBIND -0,098 0,027 -3,69 0,0003 TXCAM 0,219 0,068 3,20 0,0015 FONTE: elaboração própria. Assim, é possível avaliar que as variáveis liquidez, tamanho, log retorno, endividamento, IPCA e MTOS não são significativos ao nível de 5% de significância. Sendo assim, aplica-se o método backward para seleção, ou seja, retiram-se por vez do modelo, as variáveis com maior p-valor e repete-se esse procedimento até que o modelo tenha somente variáveis significativas. Sendo assim, a TAB 13, apresenta todos os parâmetros que são significativos. Optou-se por manter a variável tamanho no modelo, uma vez que o nível tamanho-maior apontou p-valor de 0,0710 no modelo final, que é apresentado na TAB.14. 120 Tabela 14 - Modelo linear misto final para volatilidade (FOCUS) Fonte β E.P T p-valor β -padronizado Intercepto -4,167 0,396 -10,53 0,0000 0,167 Tamanho - médio -0,018 0,057 -0,31 0,7572 -0,069 Tamanho - maior -0,110 0,057 -1,92 0,0710 -0,431 Volatilidade defasada 0,274 0,045 6,02 0,0000 0,277 BCSLD -0,008 0,002 -3,82 0,0002 -0,327 FRP 0,255 0,062 4,09 0,0001 0,330 BPIE 0,055 0,010 5,72 0,0000 0,399 MTOS -0,022 0,006 -3,57 0,0004 -0,175 PIBIND -0,071 0,019 -3,68 0,0003 -0,168 TXCAM 0,141 0,051 2,80 0,0054 0,264 FONTE: elaboração própria. Com o modelo final apresentado na TAB. 14, tem-se que, controlando por todas as variáveis mantidas no modelo, os indicadores macroeconômicos BCSLD, MTOS, PIBIND mostraram sinais negativos, ou seja, quanto maior os valores desses, menor será a volatilidade. A variável tamanho também apresentou sinal negativo, tanto as empresas do nível médio como as empresas do nível maior. Ou seja, as empresas do nível médio diminuem a volatilidade quando comparadas com o nível pequeno. Essa diferença, porém, não é significativa, já o nível maior difere de forma marginalmente significativa do nível pequeno. As variáveis volatilidade defasada, FRP, BPIE e TXCAM são significativas, com efeito positivo, ou seja, quanto maiores esses indicadores macroeconômicos, maior será a volatilidade do retorno. Os coeficientes da TAB.14 permitem montar a equação do modelo e estimar os valores médios para a volatilidade de todas as ações da amostra. A equação vale para todas as ações. Observa-se que no modelo (TAB.14) estão inseridas variáveis no nível do tempo (variáveis do Relatório Focus), que são válidas para todas as ações e variáveis no nível da ação (variável tamanho), que são específicas a cada ação. Portanto, dada uma ação específica, ela terá um efeito aleatório, isto é, um efeito que diz respeito apenas a ela. Se o efeito aleatório é positivo (> 0), o valor especificado irá aumentar a volatilidade da ação, pois será somado na equação. 121 Se o efeito aleatório é negativo (< 0), o valor especificado irá diminuir a volatilidade da ação. No gráfico 6 apresenta-se o efeito aleatório atribuído a cada ação. Gráfico 6- Efeito aleatório de cada ação - para volatilidade dos retornos - FOCUS Fonte: elaborado pela autora da tese Como o efeito aleatório é específico a cada ação, e no modelo está inserida a variável tamanho, que é referente a cada ação, pode-se entender, pelo gráfico 6, que, dentre as ações de tamanho maior, a AMBV4 é a menos volátil (efeito aleatório -0,15) e a ELET6 é a mais volátil (0,20). Dentre as empresas de tamanho médio, a menos volátil é TNLP4 ((-0,10) e a mais volátil é USIM5 (0,10). E, dentre as empresas de tamanho menor, a FIBR3 (- 0,15) é a menos volátil e a BRKM5 (0,06 aproximadamente) é a menos volátil. Ressalte-se que a classificação das empresas pelo tamnaho foi apresentada na TAB.10. Análise dos resíduos – Relatório Focus De acordo com Pinheiro e Bates (2000) antes de realizar as inferências sobre o modelo linear misto ajustado, deverse-ia checar se as suposições subjacentes são validas. Em modelos lineares mistos têm-se basicamente duas suposições relevantes: 122 1ª suposição – Os erros dentro dos grupos (within-group error), em nosso caso, as ações, são independentes, identicamente distribuídos, com média zero e variância constante e, ainda, são independentes dos efeitos aleatórios. 2ª suposição – Os efeitos aleatórios são normalmente distribuídos com média zero e matriz de covariância ψ não dependente dos grupos. Essas suposições podem ser verificadas no gráfico 7 e no gráfico 8. Gráfico 7 - Análise de resíduos (within-group error) para modelo linear misto final – Volatilidade dos retornos - FOCUS FONTE: elaboração própria. 123 Dessa forma, visualiza-se no gráfico 7 que não existe nenhum desvio considerável dos requisitos da primeira suposição, ou seja, nos primeiro e segundo gráficos, tem-se a suposição de normalidade válida, tendo-se em vista que, no histograma (primeiro gráfico), é possível visualizar uma simetria, o que é uma evidência de normalidade. Essa evidência é confirmada no segundo gráficos, ao observar-se que os pontos estão em cima da reta. Já nos terceiro e quarto gráfico, verifica-se que não existem indícios de heterocedasticidade dos resíduos dentro dos grupos. Isso pode ser observado no terceiro gráfico, em que os pontos estão distribuídos aleatoriamente em torno do zero. A linha vermelha, nesse gráfico, é uma suavização dos resíduos, o que reforça a ideia da distribuição em torno do zero. O quarto gráfico mostra que não existe dispersão muito grande dentro de cada ação, tendo em vista que o tamanho das caixas é semelhante. E, por fim, no último gráfico, tem-se a função empírica de autocorrelação dos resíduos dentro dos grupos, em que é possível observar que não há lags significativos da função de autocorrelação, não gerando, assim, indícios de dependência. Isso é visualizado ao observar que nenhuma linha vertical ultrapassa o intervalo de confiança (linhas pontilhadas). No gráfico 8 verificam-se os requisitos de normalidade da 2ª-suposição. Gráfico 8 - Análise de resíduos (efeitos aleatórios) para modelo linear misto final – Volatilidade dos retornos -FOCUS Fonte: Elaboração própria 124 Utilizando o teste de Jarque-Bera (CROMWELL, LABYS, e TERRAZA, 1994) para normalidade, é possível verificar que, tanto os resíduos dentro dos grupos (p-valor = 0,5457), quanto os efeitos aleatórios (p-valor = 0,9515) apresentam uma distribuição normal. No pacote nlme do R, pode-se acrescentar nos modelos estruturas de dependência nos erros assim como de heterocedasticidade e testar, via razão de verossimilhança, o melhor modelo. Como, porém, não há indícios de heterocedasticidade nem de dependência dos erros, não foram implementados modelos mais complexos. Para mais informações sobre estruturas de dependência e heterocedasticidade em modelos lineares misto, veja-se em Pinheiro e Bates (2000). 5.2.2 Volatilidade dos retornos – dados efetivamente observados A seguir realizam-se os mesmos procedimentos do modelo anterior, considerando, porém, os indicadores macroeconômicos efetivamente observados. Na TAB.15 tem-se o modelo completo, observando-se os indicadores macroeconômicos efetivamente observados trimestrais, (ver em equação - 2) ou seja, têm-se todos os parâmetros de interesse para explicar e predizer a volatilidade do retorno. Dessa forma, pode-se, nesse momento, verificar os sinais de todos os parâmetros e discutir as hipóteses formuladas, assim como comparar com o modelo anterior, considerando os indicadores macroeconômicos do Relatório Focus. Tabela 15 - Modelo linear misto completo para a volatilidade – dados efetivamente observados Fonte β E.P T p-valor Intercepto -2,953 0,218 -13,55 0,0000 Liquidez - média -0,003 0,075 -0,03 0,9737 liquidez - maior 0,004 0,086 0,05 0,9636 Tamanho - média -0,020 0,081 -0,25 0,8055 Tamanho - maior -0,126 0,084 -1,50 0,1523 log(Retorno_T) -0,120 0,322 -0,37 0,7107 Volatilidade defasada 0,188 0,041 4,59 0,0000 Endividamento 0,002 0,001 1,10 0,2726 BCSLD - Observado -0,006 0,003 -2,01 0,0447 FRP - Observado -3,753 0,550 -6,83 0,0000 BPIE - Observado -0,038 0,006 -6,38 0,0000 IPCA - Observado 0,005 0,008 0,55 0,5850 MTOS - Observado -0,073 0,014 -5,08 0,0000 PIBIND - Observado 0,007 0,005 1,59 0,1122 TXCAM - Observado 0,122 0,025 4,82 0,0000 FONTE: elaboração própria. 125 Aplicando o método backward para seleção, mantendo no modelo somente as variáveis significativas para explicar a volatilidade do retorno, tem-se que todos os parâmetros são significativos, conforme TAB.16. Com o modelo final apresentado na próxima tabela, têm-se os mesmos indicadores do Relatório Focus, exceto pelo PIBIND. Controlando por todas as variáveis mantidas no modelo, os indicadores macroeconômicos, BCSLD, MTOS, assim como o modelo para o Relatório Focus, apresentaram sinais negativos, ou seja, quanto maior os valores desses, menor será a volatilidade. A variável tamanho mostrou o mesmo resultado do modelo com os indicadores do Relatório Focus. As empresas do nível médio diminuem a volatilidade quando comparadas com o nível pequeno, essa diferença, porém, não é significativa. Já o nível maior difere de forma marginalmente significativa do nível pequeno. As variáveis volatilidade defasada e TXCAM são significativas, com efeito positivo, ou seja, quanto maiores esses indicadores macroeconômicos, maior será a volatilidade do retorno, assim como o modelo utilizando o Relatório Focus. Os indicadores CFRP e BBPIE são significativos, com efeito negativo, diferentemente do modelo com os indicadores do Relatório Focus. Tabela 16 - Modelo linear misto final para a volatilidade – dados efetivamente observados Fonte β E.P T p-valor β -padronizado Intercepto -2,811 0,204 -13,79 0,0000 0,182 Tamanho - média -0,019 0,062 -0,31 0,7584 -0,075 Tamanho - maior -0,120 0,062 -1,94 0,0688 -0,469 Volatilidade defasada 0,213 0,039 5,50 0,0000 0,216 BCSLD - Real -0,008 0,003 -2,71 0,0070 -0,104 FRP - Real -3,317 0,486 -6,83 0,0000 -0,226 BPIE - Real -0,036 0,006 -6,37 0,0000 -0,243 MTOS - Real -0,080 0,014 -5,88 0,0000 -0,236 TXCAM - Real 0,127 0,021 5,94 0,0000 0,247 FONTE: elaboração própria. Observa-se que, no modelo final, permaneceram as variáveis tamanho, volatilidade defasada, Saldo da Balança Comercial (BCSLD), Resultado Primário (FRP), Investimento Estrangeiro(BPIE), Meta para taxa over SELIC (MTOS) e Taxa de Câmbio. 126 A variável tamanho apresenta-se no modelo como uma variável significativa (p-valor 0,0688) e com efeito negativo (β - 0,120), indicando que, quanto maior o tamanho da empresa, menor a volatilidade das ações. De acordo com Amihud e Mendelson (1986), os investidores aceitam menores retornos das ações de maior liquidez, tendo em vista que incorrem em menor risco. Portanto, o resultado encontrada na pesquisa não corrobora tais argumentos. A variável Volatilidade defasada apresenta-se no modelo como uma variável significativa (p- valor 0,0000) e com efeito positivo (β 0,213), indicando que, quanto maior a volatilidade defasada, maior a volatilidade das ações. O saldo da balança comercial apresenta-se no modelo como uma variável significativa (p- valor 0,0070) e com efeito negativo (β - 0,008) . Ou seja, quanto maior o saldo da balança comercial, menor a volatilidade das ações. Esse resultado vem ao encontro do que foi encontrado por outros autores, tais como Goswami e Jung (1998). É possível que, tendo em vista que o saldo da balança comercial é a diferença entre as importações e exportações, ao ter saldo positivo, a balança comercial sinalize aos investidores maior aceitação dos produtos nacionais no mercado externo e, com isso, haja um aumento no retorno das ações. Outra explicação seria que, em vista da maior demanda possivelmente sinalizada pelo saldo maior nas exportações, caso este tenha sido o motivo de tal aumento no saldo, os preços dos produtos internos tenham se valorizado no mercado externo pelo aumento da demanda, elevando, dessa forma, o retorno das ações no mercado interno. Resultado Primário (FRP) apresenta-se no modelo como uma variável significativa (p-valor 0,0000) e com efeito negativo (β -3,317). Ou seja, quanto maior o Resultado Primário, menor a volatilidade das ações. Geske e Roll (1983) asseveram que o esforço fiscal do governo se reflete no mercado acionário. De acordo com Pires (2006), há um ganho de credibilidade na política fiscal quando a dívida é menor, o que gera expectativas de que haja um aumento no superávit primário. Se a credibilidade aumenta, seria possível que o retorno também aumentasse. Todavia, diferentemente do resultado esperado, o resultado do presente estudo não corrobora o argumento de que existe maior retorno em momentos de resultados primários maiores. 127 Seria possível o mercado ver com bons olhos o aumento da dívida pública, na esperança de que fossem dívidas para alavancar o crescimento do País? Investimento estrangeiro apresenta-se no modelo como uma variável significativa (p-valor 0,0000) e com efeito negativo (β -0,036). Ou seja, quanto maior o investimento estrangeiro, menor a volatilidade das ações. A Meta para taxa over SELIC (MTOS) apresenta-se no modelo como uma variável significativa (p-valor 0,0000) e com efeito negativo (β - 0,080). Ou seja, quanto maior a Meta para taxa over SELIC (MTOS), menor a volatilidade das ações. Esperava-se um sinal negativo, tendo em vista que um aumento na taxa de juros incrementa o custo de oportunidade e leva à substituição dos investimentos em ações para outros tipos de investimentos menos arriscados. A variável Taxa de Câmbio (KTXCAM) apresenta-se no modelo como uma variável significativa (p-valor 0,0000) e com efeito positivo (β 0,127). Ou seja, quanto maior a taxa de câmbio, maior a volatilidade das ações. De acordo com Maghrebi, Holmes e Pentecost (2006), este resultado é em função da dependência das empresas em relação ao mercado externo. No gráfico 9 encontra-se o efeito aleatório atribuído a cada ação. Gráfico 9 - Efeito aleatório de cada ação para volatilidade – dados efetivamente observados Fonte: elaborado pela autora da tese. 128 Como o efeito aleatório é específico a cada ação, e no modelo está inserida a variável tamanho, que é referente a cada ação, pode-se entender, pelo gráfico 9, que, dentre as ações de tamanho maior, a AMBV4 é a menos volátil (efeito aleatório -0,18 aproximadamente) e a ELET6 é a mais volátil (0,21 aproximadamente). Dentre as empresas de tamanho médio, a menos volátil é TNLP4 (-0,12 aproximadamente) e a mais volátil é USIM5 (0,11 aproximadamente). E, dentre as empresas de tamanho menor, a FIBR3 (- 0,18) é a menos volátil e a BRKM5 (0,07 aproximadamente) é a menos volátil. Ressalte-se que a classificação das empresas pelo tamanho foi apresentada na TAB.10. Verifica-se que os resultados apresentados para esse modelo utilizando as variáveis macroeconômicas observadas são similares aos verificados ao utilizar as variáveis de expectativa (Relatório Focus), sendo que as ações permaneceram as mesmas para os três tamanhos. Análise dos resíduos – dados efetivamente observados Pode-se verificar, com a análise dos resíduos, que, assim como no modelo utilizando os indicadores macroeconômicos do Relatório Focus, não se teve problemas consideráveis com as suposições: 1ª suposição – Os erros dentro dos grupos (within-group error), em nosso caso, as ações, são independentes, identicamente distribuídos, com média zero e variância constante e, ainda, são independentes dos efeitos aleatórios. 2ª suposição – Os efeitos aleatórios são normalmente distribuídos com média zero e matriz de covariância ψ não dependente dos grupos. No gráfico 10 e no gráfico 11 Essas suposições podem ser verificadas. 129 Gráfico 10 - A Análise de resíduos (within-group error) para modelo linear misto final – Volatilidade dos retornos - dados efetivamente observados Fonte: Elaboração própria Gráfico 11 - Análise dos resíduos (efeitos aleatórios) para modelo linear misto final – Volatilidade dos retornos – dados efetivamente observados Fonte: Elaboração própria 130 Utilizando o teste de Jarque Bera (CROMWELL, LABYS, e TERRAZA, 1994) para normalidade, é possível verificar que, tanto os resíduos dentro dos grupos (p-valor= 0,9552), quanto os efeitos aleatórios (p-valor=0,1895) apresentam distribuição normal. 5.2.3 Previsões – Volatilidade No gráfico 12 é possível visualizar os dados efetivos de volatilidade dos retornos de cada ação no período de aprendizagem e, no período de previsão, assim como a média esperada dado cada ação, tanto no modelo com os indicadores do Relatório Focus, quanto no modelo com os indicadores efetivamente observados trimestrais. Gráfico 12 - Gráficos para o perfil de cada empresa e o valor médio predito no período de aprendizagem e previsão – volatilidade – FOCUS e dados efetivamente observados 131 132 Fonte: Elaboração própria 133 Na TAB.17, tem-se o resíduo padronizado médio para cada ação, ao longo do período de previsão, assim como a raiz do erro quadrático médio. A raiz do erro quadrático médio segundo Pindyck e Rubinfeld (2004) é uma medida do desvio da variável simulada em comparação com sua evolução temporal, dessa forma é possível comparar sua magnitude apenas com o valor médio da variável em questão. Tabela 17 - Resíduo padronizado médios das predições de cada ação no período de previsão e raiz do erro quadrático médio - volatilidade – FOCUS e dados efetivamente observados Período Indicadores Focus Dados efetivamente observados 2007 -2ª -1,114 0,216 2007 -3ª -0,077 0,547 2007 -4ª -1,31 -0,307 2008 -1ª -0,86 1,177 2008 -2ª -2,852 -0,812 2008 -3ª -1,31 0,721 2008 -4ª 0,687 1,24 2009 -1ª -1,982 0,077 2009 -2ª -1,389 -0,349 2009 -3ª -2,522 -0,329 2009 -4ª -2,175 1,554 2010 -1ª -5,23 0,729 2010 -2ª -4,401 0,461 2010 -3ª -4,558 0,697 Raiz do erro quadrático médio Aprendizagem 0,174 0,155 Até 2009 0,467 0,568 Depois de 2009 0,909 0,335 Previsão Total 0,773 0,482 FONTE: elaboração própria. Assim, é possível verificar pelos resíduos padronizados, para o modelo com os indicadores do Relatório Focus, que, na maioria dos tempos, os valores são maiores que 2, indicando uma distância de mais de dois desvios do valor efetivo. Para o modelo considerando os dados efetivamente observados, os resíduos padronizados são menores. Se se avaliar a raiz do erro quadrático médio, tem-se que o modelo usando os dados efetivamente observados, de fato, varia menos em torno do valor efetivo, tanto no período de aprendizagem, quanto no período de previsão. Desse modo, o modelo com os dados efetivamente observados parece apresentar um melhor desempenho que o modelo considerando os indicadores do Relatório Focus. 134 5.3 Resultados para os modelos de Retorno 5.3.1 Log retornos – Relatório Focus A seguir tem-se o modelo completo para predizer o log retorno, considerando os indicadores do Relatório Focus, ver em equação (3). Dessa forma, pode-se, nesse momento, constatar se o parâmetro é significativo ou não, assim como verificar os sinais de todos os parâmetros, avaliando então as hipóteses formuladas. Pode-se avaliar que somente BCSLD, PIBIND e TXCAM são significativos ao nível de 5% de significância. Sendo assim aplica-se o algoritmo backward para seleção, ou seja, retiram- se por vez, do modelo, as variáveis com maior p-valor e repete-se esse procedimento até que o modelo tenha somente variáveis significativas. Sendo assim, na TAB. 18, tem-se todos os parâmetros que são significativos. Optou-se por manter a variável liquidez no modelo, uma vez que o nível liquidez-média apresentou p-valor de 0,054. Tabela 18 - Modelo linear misto completo para retorno (FOCUS) Fonte β E.P T p-valor Intercepto 0,122 0,055 2,23 0,0260 Liquidez - média 0,007 0,003 2,10 0,0519 liquidez - maior 0,005 0,004 1,26 0,2267 Tamanho - média -0,001 0,003 -0,27 0,7926 Tamanho - maior -0,004 0,004 -1,04 0,3127 Endividamento 0,000 0,000 -0,06 0,9551 BCSLD 0,001 0,000 2,38 0,0178 FRP -0,015 0,010 -1,55 0,1228 BPIE -0,003 0,001 -1,81 0,0703 IPCA -0,005 0,003 -1,97 0,0489 MTOS -0,002 0,001 -1,43 0,1539 PIBIND -0,015 0,003 -4,39 0,0000 TXCAM 0,027 0,009 2,97 0,0031 FONTE: elaboração própria. Com o modelo final apresentado na TAB.19, tem-se que, controlando por todas as variáveis mantidas no modelo, os indicadores macroeconômicos MTOS e PIBIND apresentaram sinais negativos, ou seja, quanto maior os valores desses, menor será o Log retorno. Já a variável liquidez apresentou sinal positivo, tanto para as empresas do nível médio, quanto as empresas do nível maior. Isto é, as empresas do nível médio aumentam o log retorno quando 135 comparado com o nível pequeno, sendo essa diferença significativa; já o nível maior também aumenta, porém não sendo significativo. As variáveis TXCAM e BCSLD são significativas, com efeito positivo, ou seja, quanto maiores esses indicadores macroeconômicos, maior será o Log retorno. Tabela 19 - Modelo linear misto final para retorno (FOCUS) Fonte β E.P T p-valor β -padronizado Intercepto 0,030 0,018 1,656 0,0980 -0,111 Liquidez - média 0,006 0,003 2,059 0,0540 0,227 Liquidez - maior 0,003 0,003 0,970 0,3450 0,107 BCSLD 0,000 0,000 2,48 0,0134 0,146 MTOS -0,003 0,001 -3,46 0,0006 -0,222 PIBIND -0,011 0,002 -4,63 0,0000 -0,253 TXCAM 0,018 0,004 4,61 0,0000 0,338 FONTE: elaboração própria. No gráfico 13, visualiza-se o efeito aleatório atribuído a cada ação. Gráfico 13 - Efeito aleatório de cada ação – retorno - FOCUS Fonte: Elaboração própria 136 Análise dos resíduos – Relatório Focus Assim como realizado no modelos de volatilidade dos retornos, avaliam-se no gráfico 14 as suposições do modelo linear misto realizado. Gráfico 14 - Análise de resíduos para modelo linear misto final para retorno – FOCUS Fonte: Elaboração própria Dessa forma, pode-se visualizar, no gráfico 14, que não existe nenhum desvio considerável, dos requisitos da primeira suposição. Ou seja, nos primeiro e segundo gráficos, tem-se a 137 suposição de normalidade valida. Já nos terceiro e quarto gráficos, pode-se verificar que não existem indícios de heterocedasticidade dos resíduos dentro dos grupos e, por fim, no último gráfico, vê-se a função empírica de autocorrelação dos resíduos dentro dos grupos, em que se pode observar que não há lags significativos da função de autocorrelação, não gerando, assim, indícios de dependência. No gráfico 15 é possível verificar os requisito de normalidade da segunda suposição Gráfico 15 - Análise dos resíduos (efeitos aleatórios) para modelo linear misto final para retorno- FOCUS Fonte: Elaboração própria Utilizando o teste de Jarque Bera (CROMWELL, LABYS, e TERRAZA, 1994) para normalidade, pode-se verificar que, tanto os resíduos dentro dos grupos (p-valor= 0,4297), quanto os efeitos aleatórios (p-valor=0,4509) apresentam uma distribuição normal. No pacote nlme do R, pode-se acrescentar nos modelos estruturas de dependência nos erros, assim como de heterocedasticidade, e testar, via razão de verossimilhança, o melhor modelo. Como, porém, não há indícios de heterocedasticidade nem de dependência dos erros, não foram implementados modelos mais complexos. Para mais informações sobre estruturas de dependência e heterocedasticidade em modelos lineares misto ver em Pinheiro e Bates (2000). 138 5.3.2 Log retornos – Dados efetivamente observados A seguir foram executados os mesmos procedimentos do modelo anterior, considerando, todavia, os indicadores macroeconômicos efetivamente observados. Na tabela 20, tem-se o modelo completo, considerando os indicadores macroeconômicos efetivamente observados trimestrais, (ver em equação 19) ou seja, têm-se todos os parâmetros de interesse para explicar e predizer o log retorno. Dessa forma, é possível, nesse momento, verificar se o parâmetro é significativo ou não, assim como conferir os sinais de todos os parâmetros, avaliando, então, as hipóteses formuladas e, ainda, comparar os resultados obtidos com os resultados de pesquisas feitas por outros estudiosos utilizando as mesmas variáveis preditoras e, dentro do possível, comparar os resultados obtidos no modelo com dados efetivamente observados com os resultados obtidos utilizando os indicadores macroeconômicos do Relatório Focus. Sobre o modelo completo apresentado abaixo, aplica-se o algoritmo backward. Sendo assim, na TAB. 20, têm-se todos os parâmetros que são significativos. Optou-se por manter a variável liquidez no modelo, uma vez que o nível liquidez-média apresentou p-valor de 0,0539. Tabela 20 - Modelo linear misto completo para retorno – dados efetivamente observados Fonte β E.P T p-valor Intercepto -0,075 0,018 -4,291 0,0000 Liquidez - média 0,007 0,003 2,065 0,0555 liquidez - maior 0,005 0,004 1,265 0,2241 Tamanho - média -0,001 0,003 -0,255 0,8017 Tamanho - maior -0,004 0,004 -1,045 0,3116 Endividamento 0,000 0,000 0,478 0,6331 BCSLD - Observado 0,002 0,000 4,598 0,0000 FRP - Observado -0,308 0,081 -3,808 0,0002 BPIE - Observado -0,001 0,001 -0,805 0,4210 IPCA - Observado 0,002 0,001 1,467 0,1432 MTOS - Observado 0,007 0,002 3,255 0,0012 PIBIND - Observado 0,003 0,001 4,237 0,0000 TXCAM - Observado 0,009 0,004 2,406 0,0166 FONTE: elaboração própria. 139 Com o modelo final, mostrado na TAB. 21, tem-se que, controlando por todas as variáveis mantidas no modelo, os indicadores macroeconômicos MTOS e PIBIND apresentaram sinais positivos, diferentemente dos modelos com os indicadores do Relatório Focus. Já as variáveis liquidez, TXCAM e BCSLD são significativas, com efeito positivo idêntico ao modelo anterior para o log retorno, utilizando os indicadores do Relatório Focus. O indicador FRP, diferentemente do modelo com os indicadores do Relatório Focus, foi significativo para explicar o log retorno, sendo o efeito desse indicador negativo, ou seja, quanto maior o FRP, menor o log retorno. Observa-se que a variável tamanho apresenta-se no modelo como uma variável que não é significativa (p-valor 0,8017 e 0,3116 para tamanho maior e médio, respectivamente) e com efeito negativo (β -0,004 e -0,001 para tamanho maior e médio, respectivamente ). Em pesquisas anteriores sobre a relação entre tamanho da firma e retorno, os resultados de Costa Jr e O’Hanlon (1991), Costa Jr e Neves (2000) Mellone Jr (1999) apontaram para uma relação negativa e significativa. No entanto, os resultados obtidos por Braga e Leal (2002) não indicaram a existência do efeito tamanho. Bonomo e Dall’Agnol (2003) também detectaram a presença do efeito tamanho. Todavia, o mesmo não foi suficiente para explicar a diferença de retornos encontrados. As variáveis endividamento e outras não foram significativas no modelo. Tabela 21 - Modelo linear misto final para retorno – dados efetivamente observados Fonte β E.P T p-valor β - padronizado Intercepto -0,086 0,013 -6,434 0,0000 -0,111 Liquidez - média 0,006 0,003 2,062 0,0539 0,227 Liquidez - maior 0,003 0,003 0,971 0,3442 0,107 BCSLD - Real 0,002 0,000 4,481 0,0000 0,262 FRP - Real -0,280 0,074 -3,784 0,0002 -0,188 MTOS - Real 0,008 0,002 4,096 0,0001 0,229 PIBIND - Real 0,003 0,001 3,960 0,0001 0,197 TXCAM - Real 0,013 0,003 4,150 0,0000 0,244 FONTE: elaboração própria. Observa-se que, no modelo final, permaneceram as variáveis liquidez, Saldo da Balança Comercial (BCSLD), Resultado Primário (FRP), Meta para taxa over SELIC (MTOS) e Taxa de Câmbio. A variável liquidez apresenta-se no modelo como uma variável significativa (p- valor 0,0539) e com efeito positivo (β 0,006), indicando que quanto maior a liquidez, maior o 140 retorno das ações. De acordo Amihud e Mendelson (1986), os investidores aceitam menores retornos das ações de maior liquidez, tendo em vista que incorrem em menor risco. Portanto, o resultado encontrada na pesquisa não corrobora tais argumentos. O saldo da balança comercial apresenta-se no modelo como uma variável significativa (p- valor 0,0000) e com efeito positivo (β 0,002). Ou seja, quanto maior o saldo da balança comercial, maior o retorno das ações. Esse resultado vem ao encontro do que foi constatado por outros autores, tais como Goswami e Jung (1998). É possível que, tendo em vista que o saldo da balança comercial é a diferença entre as importações e exportações, ao ter saldo positivo, a balança comercial sinalize aos investidores maior aceitação dos produtos nacionais no mercado externo e, com isso, haja um aumento no retorno das ações. Outra explicação seria que, em vista da maior demanda possivelmente sinalizada pelo saldo maior nas exportações, caso este tenha sido o motivo de tal aumento no saldo, os preços dos produtos internos tenham se valorizado no mercado externo pelo aumento da demanda, elevando, dessa forma, o retorno das ações no mercado interno. Resultado Primário (FRP) apresenta-se no modelo como uma variável significativa (p-valor 0,0002) e com efeito negativo (β -0,280). Ou seja, quanto maior o Resultado Primário, menor o retorno das ações. Geske e Roll (1983) asseveram que o esforço fiscal do governo se reflete no mercado acionário. De acordo com Pires (2006), há um ganho de credibilidade na política fiscal quando a dívida é menor, o que gera expectativas de que haja um aumento no superávit primário. Se a credibilidade aumenta, seria possível que o retorno também aumentasse. Entretanto, diferentemente do resultado esperado, o resultado do presente estudo não corrobora o argumento de que existe maior retorno em momentos de resultados primários maiores. Seria possível o mercado ver com bons olhos o aumento da dívida pública, na esperança de que fossem dívidas para alavancar o crescimento do País? A Meta para taxa over SELIC (MTOS) apresenta-se no modelo como uma variável significativa (p-valor 0,0001) e com efeito positivo (β 0,008). Ou seja, quanto maior a Meta para taxa over SELIC (MTOS), maior o retorno das ações. Um aumento na taxa de juros faz crescer o custo de oportunidade e leva à substituição dos investimentos em ações para outros tipos de investimentos menos arriscados. Espera-se uma relação negativa entre retorno e taxa de juros, o que seria consistente com os achados de Chen, Roll e Ross (1986) e Gjerde e 141 Saettem (1999). Contudo, os resultados encontrados no presente estudo não corroboram tais resultados, e sim , os resultados de Goswami e Jung (1998) e Schor, Bonomo e Pereira (1998). A variável PIB Industrial apresenta-se no modelo como uma variável significativa (p-valor 0,0001) e com efeito positivo (β 0,003). Ou seja, quanto maior PIB Industrial, maior o retorno das ações. Tendo em vista que se trata de um indicador que mede a produção industrial de um País, espera-se que haja uma relação positiva entre PIB e retorno das ações, tendo em vista que esse aumento pode diminuir a incerteza com relação à conjuntura econômica de um País. O resultado encontrado nesta pesquisa corrobora o constatado por Fama (1981), que concluiu que os retornos acionários aumentam com o crescimento do PIB. A variável Taxa de Câmbio apresenta-se no modelo como uma variável significativa (p-valor 0,0000) e com efeito positivo (β 0,013). Ou seja, quanto maior a taxa de câmbio, maior o retorno das ações. Tal resultado corrobora o de Maysami, Howe e Hamzah (2004), que constataram que há uma relação positiva entre a desvalorização cambial e o aumento do retorno do mercado acionário. No entanto, Horng e Chen (2010) encontraram resultado negativo ((β -0,1650), indicando uma relação negativa entre a taxa de câmbio e o retorno no mercado acionário tailandês. Por outro lado, Gunsel e Çukur (2007), afirmam que não será surpresa não encontrar relações entre a taxa de câmbio e retorno, tendo em vista que as empresas podem usar ferrametnas, tais como os derivativos para reduzir os riscos. O resultado da pesquisa destes autores apontou uma relação negativa para o setor de construção e positivo para indústria química. Horgn e Chen (2010), Tunali (2010) e Agrawal, Srivastav e Srivastava (2010) encontraram sinal negativo. No gráfico 16, pode-se visualizar o efeito aleatório atribuído a cada ação. 142 Gráfico 16 - Efeito aleatório de cada ação – retorno – dados efetivamente observados Fonte: Elaboração própria Como o efeito aleatório é específico a cada ação e no modelo está inserida a variável liquidez, que é referente a cada ação, pode-se entender, pelo gráfico 16, que, dentre as ações de liquidez maior, a CMIG4 apresenta maior retorno e a VALE5 mostra o menor retorno. Dentre as empresas de liquidez média, a que evidencia menor retorno é a FIBR3 e a que indica maior retorno é TMAR5. E, dentre as empresas de liquidez menor, TRPL4 traz menor retorno e a BRKM5, maior retorno. Ressalte-se que a classificação das empresas pelo tamanho foi apresentada na TAB.10. Porém, em todos os casos, o efeito aleatório não é significativo, tendo em vista os baixos valores encontrados. Análise dos resíduos – dados efetivamente observados É possível verificar, com a análise dos resíduos, nos gráfico 17 e no gráfico 18, que, assim como no modelo utilizando os indicadores macroeconômicos do Relatório Focus, não houve problemas consideráveis com as suposições iniciais do modelo. 143 Gráfico 17 – Análise de resíduos para modelo linear misto final – retorno – dados efetivamente observados Fonte: Elaboração própria Gráfico 18: Análise de resíduos (efeitos aleatórios) para modelo linear misto final – retorno – dados efetivamente observados Fonte: Elaboração própria 144 Utilizando o teste de Jarque Bera para normalidade, pode-se verificar que tanto os resíduos dentro dos grupos (p-valor= 0,0913), quanto os efeitos aleatórios (p-valor=0,4258) apresentam distribuição normal. 5.3.3 Previsões – Log retorno No gráfico 19 pode-se visualizar os dados efetivos de log retornos de cada ação no período de aprendizagem e no período de previsão, assim como a média esperada dado cada ação, tanto no modelo com os indicadores do Relatório Focus, quanto no modelo com os indicadores efetivamente observados trimestrais. Gráfico 19: Gráficos para o perfil de cada empresa e o valor médio predito no período de aprendizagem e de previsão – retorno – FOCUS e dados efetivamente observados 145 146 Fonte: Elaboração própria 147 Na tabela 22, tem-se o resíduo padronizado médio de cada ação, ao longo do período de previsão, assim como a raiz do erro quadrático médio. Tabela 22 - Resíduo padronizado médios das predições de cada ação no período de previsão e erro quadrático médio – retorno – FOCUS e dados efetivamente observados Período Indicadores Focus Dados efetivamente observados 2007 -2ª 0,2155 0,3957 2007 -3ª 0,547 1,1634 2007 -4ª -0,3073 0,2255 2008 -1ª 1,1769 1,8708 2008 -2ª -0,8119 -0,8747 2008 -3ª 0,7213 0,515 2008 -4ª 1,2399 4,1182 2009 -1ª 0,077 2,1147 2009 -2ª -0,3486 0,2456 2009 -3ª -0,3295 0,0441 2009 -4ª 1,5543 1,3524 2010 -1ª 0,7287 1,5528 2010 -2ª 0,4615 0,7525 2010 -3ª 0,6973 1,039 Raiz do erro quadrático médio Aprendizagem 0,0241 0,0241 Até 2009 0,0281 0,0498 Depois de 2009 0,0238 0,0278 Previsão Total 0,0264 0,0418 FONTE: elaboração própria. Dessa forma, pode-se verificar pelos resíduos padronizados que em módulo, o modelo para os dados efetivamente observados apresentam os maiores valores. Pode-se constatar esse fato, quando se avalia a raiz do erro quadrático médio no período de previsão. Assim, o modelo com os dados efetivamente observados parece apresentar um pior desempenho do que o modelo considerando os indicadores do Relatório Focus. 148 6 CONSIDERAÇÕES FINAIS O presente estudo teve por objetivo analisar a relação entre as expectativas econômicas publicadas no Relatório Focus e a volatilidade e o retorno das principais ações negociadas na Bolsa de Valores de São Paulo (Bovespa) no período compreendido entre janeiro de 2002 e setembro de 2010, considerando-se dados de expectiva e os dados macroeconômicos efetivamente observados. Portanto, ao final do trabalho, apresentam-se quatro modelos finais: o primeiro, refere-se à previsão da volatilidade das ações utilizando-se os dados de expectativa divulgados no Focus; o segundo modelo refere-se à previsão da volatilidade das ações utilizando-se os dados macroeconômicos efetivamente observados; o terceiro modelo, refere-se à previsão do retorno das ações utilizando-se os dados de expectativa divulgados no Focus; e o quarto modelo refere-se à previsão do retorno das ações utilizando-se os dados macroeconômicos efetivamente observados. Na obtenção desses quatro modelos, expostos no quadro 13, foram atendidos os cinco primeiros objetivos específicos da tese. O sexto e último objetivo foi verificar a qualidade preditiva dos modelos estimados. Quadro 13 - Modelos estimados e respectivas variáveis Modelos Estimados Variáveis Independentes Variável Dependente Modelo 1 Expectativas Macroeconômicas – Focus e outras Volatilidade Modelo 2 Variáveis Macroeconômicas observadas e outras Volatilidade Modelo 3 Expectativas Macroeconômicas – Focus e outras Retorno Modelo 4 Variáveis Macroeconômicas observadas e outras Retorno Fonte: Elaborado pela autora Em atendimento ao primeiro objetivo do estudo, - selecionar, dentre as séries divulgadas no Relatório Focus, quais delas poderiam compor os modelos de previsão de volatilidade e de retorno das ações mais negociadas na Bovespa no período estudado – concluiu-se, em um primeiro momento, que seriam as seguintes séries: saldo da balança comercial (BCSLD), investimento estrangeiro (BPIE) , resultado primário (FRP) , IPCA, meta taxa over SELIC (MTOS), produto interno bruto industrial (PIBIND) e taxa de cambio (TXCAM). Chegou-se a esses resultados após ter-se optado por trabalhar com o IPCA – índice de Preços ao Consumidor Amplo -, excluindo-se, dessa forma, as outras séries de índice de preços (IGP-DI, IGP-M, INPC, IPA-DI, IPA-M, IPCA-15 e IPC-Fipe). A escolha pelo IPCA deu-se em virtude de ser o índice oficial de inflação do governo. Excluiu-se também a série Preços 149 administrados por contrato e monitorados, tendo em vista que ela só começou a ser divulgada em maio de 2003. Em um segundo momento, foram feitas análises de correlação de Pearson. Para evitar problemas de multicolinearidade nos modelos, foram selecionadas apenas as séries que não fossem altamente correlacionadas (acima de 0,8). Dessa forma, foram excluídas as séries exportação, importação, conta corrente, resultado nominal, dívida líquida do setor público, PIB agropecuária, PIB Serviços, PIB total e produção industrial. Em atendimento ao segundo objetivo – estudar as relações entre as variáveis selecionadas (do Relatório Focus) com a volatilidade e com o retorno da ações - estimou-se um modelo final composto por seis variáveis do Focus (além das outras variáveis que serão comentadas em momento oportuno, tendo em vista que fazem parte dos objetivos gerais seguintes), BCSLD, MTOS, PIBIND, FRP, BPIE e TXCAM. Obtiveram-se os seguintes resultados: no modelo final para volatilidade, os indicadores macroeconômicos, BCSLD, MTOS, PIBIND apresentaram sinais negativos, ou seja, quanto maiores esses valores, menor será a volatilidade. As variáveis, FRP, BPIE e TXCAM são significativas, com efeito positivo, ou seja, quanto maiores esses indicadores macroeconômicos, maior será a volatilidade do retorno. O resultado encontrado para a variável BCSLD corrobora o resultado de Flannery e Protopapadakis (2002), que também constataram uma relação negativa entre saldo da balança comercial e volatilidade. Entretanto, o resultado verificado para PIBIND não corrobora os resultados encontrados por esses autores, tendo em vista que obtiveram uma relação positiva entre volatilidade e produto interno bruto em seus estudos. Ainda em relação ao segundo objetivo, especificamente sobre as variáveis selecionadas e o retorno das ações, estimou-se um modelo final para retorno composto por quatro variáveis do Focus (além das outras variáveis que serão comentadas em momento oportuno, tendo em vista que fazem parte dos objetivos gerais seguintes), BCSLD, TXCAM, MTOS e PIBIND. Chegou-se aos seguintes resultados: as variáveis BCSLD e TXCAM mostraram sinal positivo e significativo, indicando que, quanto maiores esses indicadores macroeconômicos, maior será o retorno. As variáveis MTOS e PIBIND apresentaram sinal negativo e significativo, indicando que, quanto maiores esses indicadores macroeconômicos, menor será o retorno. Em relação ao terceiro objetivo - verificar a relação entre as variáveis macroeconômicas observadas e a volatilidade e o retorno das ações – estimou-se um modelo final para 150 volatilidade composto por cinco variáveis macroeconômicas efetivamente observadas (além das outras variáveis que serão comentadas em momento oportuno, tendo em vista que fazem parte dos objetivos gerais seguintes), BCSLD, BBPIE, FRP, MTOS e TXCAM. Obtiveram- se os seguintes resultados: as variáveis BCSLD, BBPIE, FRP e MTOS apresentaram sinal negativo e significativo, indicando que, quanto maiores esses indicadores macroeconômicos, menor será a volatilidade. A variável TXCAM evidenciou sinal positivo e significativo, indicando que, quanto maior o valor dessa variável, maior a volatilidade. Dando continuidade ao alcance do terceiro objetivo, em relação à verificação da relação entre as variáveis macroeconômicas efetivamente observados e o retorno das ações, estimou-se um modelo final composto por cinco variáveis macroeconômicas efetivamente observadas (Modelo 4), BCSLD, MTOS, PIBIND, TXCAM e FRP. Chegou-se aos seguintes resultados: as variáveis BCSLD, MTOS, PIBIND e TXCAM apresentaram-se com sinal positivo e significativo e a variável FRP, com sinal negativo e significativo. Quanto ao quarto objetivo - verificar a relação entre liquidez, endividamento, tamanho da empresa, retorno e volatilidade passada com a volatilidade das ações, os resultados foram como segue. Liquidez não se mostrou significativa nos modelos de volatilidade. Endividamento apresentou sinal positivo, porém não significativo. Portanto, esta variável não permanceceu nos modelos finais. A variável tamanho permaneceu em dois modelos. A variável volatilidade defasada revelou sinal positivo e significativo. Havia uma expectativa de que variável retorno mostrasse sinal negativo e que fosse significativa no modelo. Entretanto, embora ela tenha indicado sinal negativo, não se manifestou significativa, tendo em vista seu p-value alto (0,71). No que se refere ao quinto objetivo – verificar a relação entre liquidez, endividamento e tamanho da empresa com o retorno das ações, encontrou-se como resultado que tamanho e endividamento não eram significativos, portanto, não permaneceram no modelo final. Liquidez apresentou sinal positivo e significativo, ficando no modelo final. Por fim, quanto ao último objetivo - Verificar a qualidade preditiva dos modelos finais no período entre 2007 e 2010, verificou-se que, para a previsão de volatilidade, o modelo com dados efetivamente observados parece apresentar um melhor desempenho que o modelo 151 considerando os indicadores do Relatório Focus. Quanto aos modelos de previsão de retornos, o modelo com dados efetivamente observados parece indicar um pior desempenho que o modelo considerando as séries do Relatório Focus. No quadro 14 está a comparação entre o esperado e obtido para o sinal dos coeficientes nos modelos finais. Quadro 14 - Quadro comparativo das hipótese entre o esperado e o confirmado para o sinal dos coeficientes nos modelos finais. Volatilidade dos retornos Log Retorno Sinal Obtido Sinal Obtido Variáveis Sinal Esperado Dados Efetivamente Observados Dados de Expectativa Sinal Esperado Dados Efetivamente Observados Dados de Expectativa Saldo da Balança Comercial Negativo Negativo Negativo Positivo Positivo Positivo Investimento Estrangeiro Negativo Negativo Positivo Positivo - - Dívida Líquida do Setor Público – resultado primário Negativo Negativo Positivo Positivo Negativo - Meta para taxa over-selic (taxa de juros) Positivo Negativo Negativo Negativo Positivo Negativo PIB Industrial Negativo - Negativo Positivo Positivo Negativo Taxa de Câmbio Negativo Positivo Positivo Positivo Positivo Positivo Liquidez Negativo - - Negativo Positivo Positivo Tamanho Negativo Negativo Negativo Negativo - - Volatilidade defasada Positivo Positivo Positivo FONTE: elaboração própria. Pode-se verificar que, dentre as séries selecionadas inicialmente para compor os modelos de previsão e de volatilidade, apenas o IPCA não se mostrou significativo em nenhum dos quatro modelos finais apresentados. As variáveis saldo da balança comercial, taxa selic e taxa de câmbio revelaram-se como significativas em todos os modelos. O sinal para o coeficiente do saldo da balança comercial era previsto negativo para volatilidade e positivo para retorno. Embora Goswami e Jung (1998) e Kwon e Bacon (1997) esperassem que o resultado fosse positivo e significativo em suas pesquisas, não foi esse o resultado encontrado por eles. Karamustafa e Kucukkale (2003) encontraram relação negativa entre essas variáveis. Portanto, o presente estudo não corrobora os resultados desses três estudos, embora tenha achado os resultados esperados. Tais resultados podem indicar que o saldo da balança comercial, ao aumentar, sinaliza que as exportações estão sendo em maior 152 proporção do que as importações, mostrando que as empresas nacionais estão fortes (impacto no fluxo de caixa), indicando maiores retornos e menor volatilidade. O sinal para a variável Meta para taxa over-selic (taxa de juros) era esperado positivo para volatilidade e negativo para retorno. No entanto, o resultado obtido foi um tanto ou quanto controverso, embora a literatura já sinalizasse isso, sendo negativo nos dois modelos de volatilidade, ou seja, o inverso do que era esperado, e positivo para o retorno quando utilizada a série com dados efetivamente observados (também inverso do esperado) e negativo para o retorno utilizando dados de expectativa (como esperado). Teoricamente, o aumento na taxa de juros incrementaria o custo de oportunidade e conduziria à substituição do investimento em ações, que é renda variável, para outros investimentos, possivelmente renda fixa, o que reduziria o retorno das ações. Portanto, os resultados encontrados nesta tese não corroboram, por exemplo, aqueles revelados por Maghayereh (2003). O sinal para o coeficiente da variável taxa de câmbio foi positivo em todos os modelos, quando o esperado era que fosse negativo para volatilidade e positivo para retorno. Todavia, há que se ponderar tais resultados, pois não é claro qual resultado esperar, tendo em vista que, quando há uma apreciação da moeda, os exportadores irão perder competitividade no mercado internacional tendo em vista que os lucros e as vendas irão reduzir, impactando o fluxo de caixa das empresa e, possivelmente, levando a menor retorno acionário. Por outro lado, os importadores irão aumentar a competitividade no mercado interno. Por conseguinte, os lucros e o preço das ações possivelmente irão subir. Portanto, o resultado é mais em função do setor de atuação da empresa, o que está de acordo com Chen, Naylor e Lu (2004) e Maghrebi, Holmes e Pentecost (2006). A variável investimento estrangeiro mostrou-se significativo apenas para volatilidade. No modelo de volatilidade utilizando dados efetivamente observados, o coeficiente foi negativo, tal como esperado. Como investimento estrangeiro está associado a reformas regulatórias e intitucionais, transparência, requerimentos para listagem e práticas mais justas de negociação, é possível que, tendo em vista o crescimento do mercado acionário nos últimos anos e, como visto na introdução, o esforço do governo em aumentar a transparência no mercado acionário – embora seja discutível a sua atuação em relação a algumas empresas listadas – é possível 153 que suas ações estejam levando o investidor estrangeiro a ter mais confiança no País, e, com isso, diminuindo a volatilidade no mercado acionário. A variável resultado primário mostrou-se significante em três modelos finais. Nos modelos de volatilidade, apresentou sinal negativo para a série de dados efetivamente observados, tal como esperado. Como afirma Pires (2006), a política fiscal do governo ganha credibilidade quando a dívida é menor. Logo, se o resultado primário aumenta, sinalizando que há mais dinheiro em caixa para pagar a dívida do governo, é possível que cresça a credibilidade na política fiscal por parte do mercado acionário, reduzindo, com isso, a volatilidade. Entretanto, quando se oserva o modelo feito a partir de dados de expectativas, o sinal do coeficiente é positivo, indicando que, se a expectativa é de que o resultado primário terá um incremento, a volatilidade tende a aumentar também. A possível explicação para isso é que talvez o mercado fique com a incerteza de onde sairá esse resultado primário. Pode ser do corte de despesas do governo ou do aumento de impostos que, inclusive, podem ser impostos sobre os próprios investimentos no mercado acionário, tal como visto recentemente a respeito das taxações sobre investimentos estrangeiros no País. O terceiro modelo cuja variável resultado primário se mostrou significativa foi o modelo de retorno utilizando a série macroeconômica realizada, que apresentou coeficiente negativo, sendo o oposto do esperado. No modelo de volatilidade usando séries de expectativa, a variável PIB evidenciou sinal negativo para o coeficiente, tal como esperado. Uma queda no PIB pode trazer como consequência um aumento da incerteza com relação à conjuntura econômica de um País, o que pode conduzir a uma volatilidade mais elevada no mercado acionário. Caselani (2005) encontrou essa relação para os dados efetivamente observados. Quanto aos modelos de retorno, o coeficiente para a variável realizada foi positivo, tal como esperado, isto é, ao aumentar o PIB, a tendência é haver um incremento no retorno também. Entretanto, para o modelo de retorno utilizando dados de expectativa, o sinal do coeficiente foi negativo. A possível explicação para tal resultado é ver o ponto de partida: se o PIB já está elevado e a expectativa é que cresça ainda mais, os investidores podem ficar receosos com o aumento da inflação, seja inflação de demanda ou de custo, o que pode levar o governo a aumentar a taxa de juros para conter o consumo. Tal medida poderia causar impacos negativos futuramente no faturamento da empresa, o que poderia levar a uma queda no retorno da ação. 154 A variável liquidez permaneceu apenas nos modelos finais de previsão de retorno, em que os coeficientes se mostraram positivos. Ou seja, quanto maior a liquidez, maior o retorno. Tal resultado não corrobora pesquisas anteriores, tendo em vista que se argumenta que ações menos líquidas seriam avaliadas de forma a permitir maiores níveis de retorno, o que significaria a existência de um prêmio pelo risco para compensar os custos de transação provenientes da falta de liquidez do título. Ressalte-se, porém, que a amostra desta pesquisa é composta pelas ações mais líquidas, o que pode ter contribuído para que o resultado se apresente diferente daquele esperado. A variável tamanho permaneceu apenas nos modelos finais de volatilidade, em que os coeficientes se mostraram negativos, o que já era esperado. É possível que as empresas maiores estejam mais consolidadas no mercado do que as empresas menores, o que poderia dar mais segurança ao investidor, diminuindo, dessa forma, a volatilidade das suas ações. A variável volatilidade defasada permaneceu nos modelos finais de volatilidade, em que os coeficientes se mostraram positivos, como esperado. Tal resultado corrobora os estudos de Caselani (2005), em que encontrou que a volatilidade passada aumenta a volatilidade futura. Pode-se concluir que, na maioria das ações, os modelos estimados acompanharam a alta na volatilidade no período da crise financeira do ano de 2008, porém após 2009, as previsões ficaram bem distantes dos valores efetivamente observados. Entretanto, os modelos apresentados mostraram, como um todo, baixo poder de explicação para o período posterior. Os resultados alcançados devem ser interpretados como um fator importante para que os investidores levem em consideração as informações publicadas no Relatório Focus em seus investimentos, o que contribuirá para um menor grau de risco e um maior grau de confiabilidade nas operações planejadas. Como limitações do estudo, uma possível crítica aos modelos obtidos é que tal grupo de variáveis possa ser limitado demais para descrever o ambiente macroeconômico adequadamente. Contudo, tais variáveis estão, seguramente, entre as variáveis mais importatnes para tal propósito. Outra limitação diz respeito à própria amostra, por ser altamente concentrada em empresas do setor elético e de telecomunicações. 155 Como sugestões para pesquisas futuras, ficam as seguintes: fazer entrevistas com agentes do mercado e comparar com os resultados obtidos nos modelos; utilizar só expectativas de mercado que sejam manifestadas para os resultados trimestrais para estimar novos modelos e comparar com modelos estimados a partir de dados efetivamente observados trimestrais; fazer estudo de sazonalidade, observando se há diferença de valorização dos ativos de acordo com o mês do ano; utilizar período mais recente para que empresas recém lançadas e que fazem parte do Ibovespa possam fazer parte da amostra; segmentar as empresas em relação à dependência ao câmbio ( se importadoras ou exportadoras). Essas sugestões parecem apontar para um novo caminho de pesquisa. 156 REFERÊNCIAS ADAM, A.M; TWENEBOAH, G.. Foreign Direct Investment and Stock Market Development: Ghana’s Evidence. International Research Journal of Finance and Economics. v.26, p. 178-185. 2009. AGRAWAL, G; SRIVASTAV, A. K.; SRIVASTAVA, A. A study of exchange rates movement and stock market volatility. International Journal of Business and Management. Vol. 5, n. 12, p. 62-73. Dec. 2010. ALVES, S. L. Avaliação das projeções do modelo estrutural do Banco Central do Brasil para a taxa de variação do IPCA. Banco Central do Brasil 2001. Trabalhos para Discussão 16. AMIHUD, Y.; MENDELSON, H. Liquidity, assets prices and financial policy. Financial Analysts Journal, v. 42, n. 3, p. 43-48, maio./jun., 1986. ANSOTEGUI, C. e ESTEBAN, M.V. Cointegration for market forecast in the Spanish Stock Market. Applied Economics, v.34, n.7, p. 843-57, 2002. ASSAF NETO, A. Contribuição ao estudo de avaliação de empresas no Brasil: uma aplicação prática. 2003. 203 f. Tese (Livre-Docência) - Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, Ribeirão Preto. ASSAF NETO, A. Mercado financeiro. 4. ed. São Paulo: Atlas, 2001. BANZ, R.. The relantionship between return and market value of common stocks. Journal of Financial Economics, n.9, p. 3-18, 1981. BASU, S. Investment performance of common stocks in relation to their price-earnings ratios: a test of market efficiency. Journal of Finance, 32, p. 663-82, jun. 1977. BAUMAN, W.S; CONOVER, M; MILLER, R.E. Growth versus value and large-cap versus small-cap stocks in international markets. Financial Analysts Journal, v.54, n.2, p. 75-89, Mar.1998. BEENSTOCK, M ; CHAN, K. Economic forces in the London stock market. Oxford Bulletin of Economics and Statistics, v. 50, n.1, p.27-39, 1988. BEKAERT, G.; WU, G.. Asymmetric volatility and risk in equity markets. Review of Financial Studies, v. 13, n. 1, p. 1-42, 2000. BERK, J. B.. Does size really matter? Financial Analyst Journal, p.12-18, sept./oct. 1997. BERNARD, V. Stock prices reactions to earnings announcements. In: THALER, R.H. (Ed.). Advances in behavioral finance. New York: Sage, 1993. 157 BERTELLA, M. A.; SILVA, R.; PEREIRA, R. A. M. Cointegração e Causalidade entre Indicadores Macroeconômicos e Índice Bovespa. Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo. 2009. Texto para discussão. BITTLINGMAYER, G.. Output, stock volatility, and political uncertainty in a natural experiment: Germany, 1880-1940. Journal of Finance, v. 53, n. 6, p. 2243-57, 1998. BLACK, A. e FRASER, P., U.K. Stock returns: predictability and business conditions, The Manchester School, Supplement 1995, p. 85-102, 1995. BLANCHARD, O.. Macroeconomia. 3.ed. São Paulo: Pearson Prentice Hall, 2004. BOGDANSKI, J, TOMBINI, A.A. & WERLANG, S.R. Implementing inflation target in Brazil. Banco Central do Brasil. Brasília, n. 1, 2000. Working paper. BONOMO, M.; Dall’AGNOL, I.. Retornos anormais e estratégias contrárias. Revista Brasileira de Finanças, v.1, n.2, p. 165-215 dez. 2003. BRAGA, C. A., LEAL, R. Ações de valor e de crescimento nos anos 90. In: BONOMO, M. A. C. Finanças aplicadas ao Brasil. Rio de Janeiro : Editora FGV, 2002, p.235-248. BRESSER-PEREIRA, L.C.; NAKANO Y. Uma estratégia de desenvolvimento com estabilidade. Revista de Economia Política, vol. 23, n. 3, 2002. Disponível em http://www.rep.org.br/pdf/87-10.pdf. Acesso em 14 jan. 2009. BRIGHAM, E. F.; GAPENSKI, L. C.; EHRHARDT, M. C. Administração financeira. Tradução da 10ª edição norte-americana. São Paulo: Pioneira Thomson Learning, 2006. BRIGHAM, E.F. e HOUSTON, J.F. Fundamentos da moderna administração financeira. Rio de Janeiro: Campus, 1999. BRITO, A. A.; BRITO, N.R. O.. Diversificação de risco e choques exógenos sobre o mercado de capitais brasileiro. Revista de Administração, São Paulo v.37, n.1, p.19-28, jan./mar. 2002. BRITO, N.R.O. A relevância de mercados de capitais eficientes e regulação. Rio de Janeiro, COPPEAD-UFRJ, maio 1977. Relatório Técnico n.13. BRITO, Ney Roberto Ottoni de. A eficiência informacional fraca no mercado à vista da BVRJ no período 1980/1984. Rio de Janeiro: COPPEAD, mar. 1985. Relatório COPPEAD 142. BROWN, K. C.; HARLOW, W. V.; TINIC, S. M. Risk aversion, uncertain information, and market efficiency. Journal of Financial Economics, v. 22, n. 2, p. 355-85, 1988. BRUNI, A. L. Risco, retorno e equilíbrio: uma análise do modelo de precificação de ativos financeiros na avaliação de ações negociadas na Bovespa (1988-1996).1998. 163 f. 158 Dissertação (Mestrado em Economia) – Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo. BRUNI, A. L.; FAMÁ, R. Liquidez e avaliação de ativos financeiros: evidências empíricas na Bovespa (1988-1996). In: ENCONTRO NACIONAL DE PROGRAMS DE PÓS- GRADUAÇÃO EM ADMINISTRAÇÃO, 1998, Foz do Iguaçu. Anais…, ENANPAD ,1998. BUTLER, A. W., GRULLON, G., e WESTON, J. P. Stock market liquidity and the cost of issuing equity. Journal of Financial and Quantitative Analysis, v. 40, p. 331–48, 2005. CAMARGOS, M. A. ; BARBOSA, F. V.. Análise empírica da reação do mercado de capitais brasileiro aos anúncios de fusões e aquisições ocorridos entre 1994 e 2001. Revista de Administração, São Paulo, v.42, n.4, p.468-81, out./nov./dez. 2007. CAMARGOS, M. A. ; BARBOSA, F. V.. Eficiência informacional do mercado de capitais brasileiro pós-Plano Real: um estudo de eventos dos anúncios de fusões e aquisições. Revista de Administração, São Paulo, v.41, n.1, p.43-58, jan./fev./mar. 2006. CAMPBELL, J. Y.; HENTSCHEL, L.. No news is good news: an asymmetric model of changing volatility in stock returns. Journal of Financial Economics, v. 31, n. 3, p. 281-318, 1992. CAMPBELL, J. Y. et al. Have individual stocks become more volatile? An empirical exploration of idiosyncratic risk. Journal of Finance, v. 56, n. 1, p. 1- 43, 2001. CAMPBELL, J. Y.; LO, A. W; MACKINLAY, A. C. The Econometrics of financial markets. Princeton, N. J.: Princeton University Press. 1997. CASELANI, C.N.. O efeito de determinantes microeconômicos e conjunturais sobre a volatilidade dos retornos das principais ações negociadas no brasil. 2005.92f. Tese (Doutorado em Administração) - Escola de Administração de Empresas de São Paulo da Fundação Getulio Vargas. São Paulo. CASTRO, A. D.C.. Mercado de capitais: volatilidade versus estabilidade. In: ROCCA, Carlos Antonio. Revolução no mercado de capitais do Brasil: o crescimento recente é sustentável? – Estudos IBMEC 5. Rio de Janeiro: Campus/Elsevier, 2008. CAVALCANTE, F.; MISUMI, J. Y.; RUDGE, L. F. . Mercado de capitais. Rio de Janeiro: Elsevier, 2005. CERETTA, P. S.; COSTA JÚNIOR, N. C.A. Caminho aleatório: revisão, síntese e novos resultados nos mercados de capitais da América Latina. Revista de Administração, São Paulo v.37, n.3, p.47-55, jul./set. 2002. CHAN, K. C.; CHEN, Nai-fu; HSIEH, D. A.. An explanatory investigation of the firm size effect. Journal of Financial Economics. v. 14, p. 451-71, 1985. 159 CHAN, L.; CHEN, N. Structural and return characteristics of small and large firms. Journal of Finance. v. 46, p. 1467-84, mar. 1991. CHEN, J., NAYLOR, M., e LU, X. Some insights into the foreign exchange pricing puzzle: evidence from a small open economy. Pacific-Basin Finance Journal. v. 12, p. 41– 64. 2004. CHEN, N.; ROLL, R.; ROSS, S. A. Economic forces and the stock market. Journal of Business, v.59, n.3, p.383-403, july. 1986. CHEN, N.F. Financial investment opportunities and the macroeconomy. Journal of Finance, v.46, n.2, p. 529-44, 1991. CHRISTIE, A. A. The stochastic behavior of common stock variances: value, leverage, and interest rate effects. Journal of Financial Economics, v. 10, n. 4, p. 407- 432, 1982. CICOGNA, M.P. V.;TONETO JR, R.; VALLE, M. R.. O impacto da adesão a padrões mais elevados de governança sobre o financiamento empresarial. Revista de Administração, São Paulo, v.42, n.1, p.52-63, jan./fev./mar. 2007. CONNOR, G. The three types of factor models: a comparison of their explanatory power. Financial Analysts Journal, p. 42-57, May-June 1995. CORWIN, S. A., HARRIS, J. H., e LIPSON, M. L. The development of secondary market liquidity for NYSE-listed IPOs. Journal of Finance, v. 59, p. 2339 – 74, 2004. COSTA Jr., N. C. A. da; NEVES, M. B. E. Variáveis fundamentalistas e retornos das ações. Revista Brasileira de Economia (FGV), v.54, n.1 , p. 123-37, jan./mar, 2000. COSTA JUNIOR, N. C. A.; O’HANLON, J.. O efeito tamanho versus o efeito mês-do-ano no mercado de capitais brasileiro: uma análise empírica. Revista Brasileira de Mercado de Capitais, v. 16, p. 61-74, 1991. COOPER, D. R; SCHINDLER, P. S. Métodos de pesquisa em administração. 7.ed. Porto Alegre: Bookman, 2003. COWLES, A. Can market forecasters forecast? Econometrica, v.1, p. 309-324, 1934. CROMWELL, J. B., LABYS, W. C., e TERRAZA, M.. Univariate tests for time series models. Thousand Oaks: Sage Publications. 1994. CUTLER, D.; POTERBA, J.; SUMMERS, L. What moves stock price? The Journal of Portfolio Management. p.4-12, Spring 1989. DAMODARAN, A. Avaliação de investimentos: ferramentas e tecnicas para a determinacao do valor de qualquer ativo. Rio de Janeiro: Qualitymark, 1997. 160 DAMODARAN, A. Finanças Corporativas aplicadas. Trad. Jorge Ritter. Porto Alegre: Bookman, 2002. DANTAS, J. A.; MEDEIROS, O. R.; LUSTOSA, P. R. B. Reação do mercado à alavancagem operacional: um estudo empírico no brasil. Revista Contabilidade e Finanças. – USP, São Paulo, n. 41, p. 72 – 86, mai/ago. 2006 DE BONDT,W.; THALER, R. Does stock market overreact? Journal of Finance, v.40, p.793-805, 1985. DURAND, D. The cost of capital, corporation finance, and the theory of investment: comment. American Economic Review, Nashville, v.49, n.4, p.639-55, Sept. 1959. EHRBAR, A. EVA - valor econômico agregado: a verdadeira chave para a criação de riqueza. Rio de Janeiro: Qualitymark, 1999. ELTON, E. J., GRUBER, M. J., URICH, T. J. Are betas best? The Journal of Finance,v.33, n. 5, p. 1375- 84, Dec. 1998. ERRUNZA, V.R.. Emerging Markets - A new opportunity for improving global portfolio performance. Financial Analysts Journal, v. 39, n.5, p. 51-58. 1983. EVANS, J.; ARCHER, S. Diversification and the reduction of dispersion: an empirical analysis. Journal of Finance, v.23, n.5, p.761-7, Dec. 1968. FABOZZI, F. J.; FOCARDI, S. M. KOLM, P. N. Financial modeling of the equity market: from CAPM to cointegration. New Jersey: John Wiley, 2006. Fabozzi Series. FAMA, E. F. Efficient capital markets: a review of theory and empirical work. The Journal of Finance, v. 25, n. 2, p. 383-417, May 1970. FAMA, E.F. Stock returns, real activity, inflation, and money. The American Economic Review, v. 71, n. 4, p. 545-65, 1981. FAMA, E. F. Efficient capital markets: II. Journal of Finance, Cambridge, v.46, n.5, p.1575- 617, Dec. 1991. FAMA, E. F.; FRENCH, K. R. The cross-section of expected returns. Journal of Finance, v.47, n.2, p.427-65, Jun. 1992. FAMA, E. F.; FRENCH, K. R. Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, v. 33, p. 3-56, 1993. FAMA, E. F.; FRENCH, K. Size and book-to-market factors in earnings and returns. Journal of Finance, v. 50, p.131-55, Jan. 1995. FAMA, E. F.; FRENCH, K. R. Multifactor explanations of asset pricing anomalies. The Journal of Finance, v.51, n.1, p. 55-84, Mar. 1996. 161 FANG, W. The effects of currency depreciation on stock returns: Evidence from five East Asian economies. Applied Economics Letters, v. 9, n. 3, p. 195-9, 2002. FERREIRA, C. F. ; YU, A.S.O. Todos acima da média: excesso de confiança em profissionais de finanças. Revista de Administração, São Paulo, v.38, n.2, p.101-11, abr./maio/jun. 2003. FERSON, W.E; KORAJCZYK, R.A. Do Arbitrage pricing models explain the predictability of stock returns? Journal of Business, v.68, n.3, 1995. FLANNERY, M. J. ; PROTOPAPADAKIS, A. A. Macroeconomic factors do influence aggregate stock returns Review of Financial Studies, v.15, n.3, p.751-82. FREITAS, P.S.; MINELLA, A; GOLDFAJN, I. MUINHOS, M.K.Inflation targeting in Brazil: lessons and challenges.. Banco Central do Brasil. Nov. 2002. Working Paper Series n. 53. FRENCH, K. R.; SCHWERT, G. W.; STAMBAUGH, R. F. Expected stock returns and volatility. Journal of Financial Economics, v. 19, n. 1, p. 3-29, 1987. FRIMPONG, J. M. Economic forces and the stock market in a developing economy: cointegration evidence from Ghana. European Journal of Economics, Finance and Administrative Sciences, v. 16, p. 1450-2275, 2009. GALDÃO, A.; FAMÁ, R. Avaliação da eficiência na precificação de ações negociadas no Brasil, por teste de volatilidade. Revista de Administração, v. 33, n. 2, p. 60-8, abr. / jun. 1998. GALLANT, A. R.; ROSSI, P. E.; TAUCHEN, G. Stock prices and volume. Review of Financial Studies, v. 5, n. 2, p. 199-242, 1992. GELMAN, A., ; HILL, J. Data analysis using regression and multilivel/hierarchical models. New York: Cambridge University Press.2007. GESKE, R.; ROLL, R. The fiscal and monetary linkages between stock returns and inflation. Journal of Finance, v. 38, n. 1, p. 1-34, 1983. GJERDE, O. SAETTEM, F.. Causal relations among stock retrurns and macroeconomic variables in a small, open economy. Journal of International Financial Markets, Institutions and Money, v. 9, p. 61-74, 1999. GOSWAMI, G. ; JUNG, Sung-Chang. Stock market and economic forces: evidence from Korea. In: PROCEEDINGS OF GLOBAL FINANCE CONFERENCE, 1998, México. Anais… Mexico, 1998. Disponível em: Acesso em: 16 fev. 2009. HAUGEN, R. A.; TALMOR, E.; TOROUS, W. N. The effect of volatility changes on the level of stock prices and subsequent expected returns. Journal of Finance, v. 46, n. 3, p. 985- 1007, 1991. HONDROYIANNIS, G. ; PAPAPETROU, E. Macroeconomics influences on the stock market. Journal of Economics and Finance, v. 25, n.1, p.33-49, 2001. HORNG, W. J; CHEN, C. H. DCC and Analysis of the exchange rate and the stock market returns volatility: an evidence study of Thailand country. iBusiness, v.2., p. 218-23, 2010. Banco Central do Brasil. Disponível em : http://www4.bcb.gov.br/?FOCUSERIES. Acesso em 2010. IMF - INTERNATIONAL MONETARY FUND - IMF. Guide to the data dissemination standards: the special data dissemination standard. Washington DC: IMF, 1996. JEGADEESH, N.; TITMAN, S. Returns to buy winners and selling losers: implications for stock market efficiency. Journal of Finance, v.48, p.65-91, 1993. JAGANNATHAN, R.; WANG Z. The conditional CAPM and the cross-section of expected returns. Journal of Finance, v.51, 3-53. 1996. 163 JARVINEN, J., Industry Portfolios, economic news and business conditions: evidence from the Finnish Stock Market. The Finnish Journal of Business Economics, v. 49, n.2, p. 209- 32, 2000. JEFFERIS, K.R.; OKEAHALAM, C. C. The impact of economic fundamentals on stock markets in southern Africa. Development Southern Africa, v. 17, n.1, p. 23-51, 2000. JEGADEESH, N.. Does market risk really explain the size effect? Journal of Financial and Quantitative Analisys, v. 27, n. 3, p. 337-351, Sept. 1992. JENSEN, M.C. Agency costs of free cash flow, corporate finance and takeovers. American Economic Review, Nashville, v.76, n.2, p.323- 29, May 1986. JENSEN, M.C.; MECKLING, W.H. Theory of the firm: managerial behavior, agency costs and ownership structure. Journal of Financial Economics, Amsterdam, v.3, n.4, p.305-360, Oct. 1976. KAUL, G., Monetary Regimes and the relation between stock returns and inflationary expectations. Journal of Financial and quantitative analysis, v. 15, p. 307-21, 1990. KEARNEY, C. DALY, K. The causes of stock market volatility in Austrália. Applied Financial Economics, v.8, n.6, p. 597-605, Dec.1998. KEIM, D. B.; STAMBAUGH, R. F. Predicting returns in the stock and bond markets. Journal Financial Econ., v. 17, n. 2, p.357- 90, Dec. 1986. KENDALL, M. G. The analysis of economic time series. Part I: prices. Journal of Royal Statistical Society, n. 96, p. 11-25, 1953. KENNEDY, P. A guide to econometrics. Cambridge: MIT Press. 2003. KERLINGER, F. N. Metodologia da pesquisa em ciências sociais: um tratamento conceitual. São Paulo: EPU: EDUSP, 1979. KWON, C.S.; BACON, F.W. The effect of macroeconomic variables on stock market returns in developing markets. Multinational Business Review, v.2, p.63–70. 1997. Disponível em: The effect of macroeconomic variables on stock market returns in developing markets. . Acesso em 14 fev. 2010. LAIRD, N.; WARE, J. Random-effects models for longitudinal data. Biometrics , v. 38, p. 963–74. 1982. LAMEIRA, V.J. Uma revisão sobre a economia brasileira e o mercado financeiro após o plano real: as mudanças e a evolução do mercado de capitais entre 1995 e 2002. Revista Contabilidade & Finanças - USP, São Paulo, n. 35, p. 96 - 110, mai./ago. 2004. LEAL, R.P.C. e AMARAL, A.S., Um momento para o insider trading: o período anterior ao anúncio de uma emissão pública de ações. In: LEAL, R.P.C., COSTA Jr., N.C.A. e 164 LEMGRUBER, E.F. (Orgs.), Finanças Corporativas, São Paulo: Atlas, 2000. Coleção COPPEAD de Administração. LEICHSENRING, D. R. Endogeneidade e mecanismos de transmissão entre a taxa de juros doméstica e o risco soberano: uma revisita aos determinantes do risco-Brasil. 2004. 139f. Dissertação (Mestrado em Economia) - Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo. LEUNG, M.T., DAOUK, H. e CHEN, A.S., Forecasting stock indices: a comparison of classification and level estimation models. International Journal of Forecasting, v. 16, p. 173-90, 2000. LINDSTROM, M., ; BATES, D. Newton-Raphson and EM algorithms for linear mixed- effects models for repeated-measures data. Journal of the American Statistical Association, v.83 p. 1014–22. 1988. LINTNER, J. The valuation of risk assets and the selection of risk investiments in stocks portfolios and capital budgets. Review of Economics and Statistics, v.47, p.13-37, 1965. LIU, J.. Diferencial de juros e taxa de câmbio: um estudo empírico sobre o brasil pós- plano real. 2007. 35f. Dissertação (Mestrado em Economia) - Escola de Economia da Fundação Getúlio Vargas. São Paulo. MAGHAYEREH, A. causal relations among stock prices and macroeconomic variables in the small, open economy of Jordan. JKAU: Econ. & Adm., v. 17, n. 2, p. 3-12. 2003. MAGHREBI, N.; HOLMES, M.J.; PENTECOST, E.J. Are the asymetries in the relationship between exchange rate fluctuations and stock market volatility in pacific basin countries? Review of Pacific Basin Financial Markets and Policies, v.9, n.2, p. 229-56, 2006. MALACRIDA JR., S. A.; MALACRIDA, M. J. C.. Risco de Mercado. In LIMA, I. S.; LIMA, G. A. S.F.; PIMENTEL, R. C.(Orgs). Curso de mercado financeiro: tópicos especiais. São Paulo, Atlas, 2007. MÁLAGA, F. K.. Aplicação do modelo de três fatores de Fama e French no mercado acionário brasileiro – um estudo empírico do período de 1995-2003. 2003. 158f. Dissertação (Mestrado em Economia) Departamento de Economia, Administração e Contabilidade da Universidade de São Paulo. São Paulo. MARKOVITZ, H.. Portfolio selection. The Journal of Finance, v. 7, n. 1, p. 77-91, Mar. 1952. MARQUES, A. B.C.; FACHADA, P.; CAVALCANTI, D. C.. Sistema Banco Central de Expectativas de Mercado. Brasília, n. 36, p. 1-27, jun. 2003. Notas técnicas do Banco Central do Brasil. MARTINS, E.; ASSAF NETO, A. Administração financeira: as finanças das empresas sob condições inflacionárias. São Paulo: Atlas, 1986. 165 MARTINS, G. A. Manual para elaboração de monografias e dissertações. 3. ed., São Paulo: Atlas, 2002. MATTAR, F. N. Pesquisa de marketing. 3. ed. São Paulo: Atlas, 2006. MCQUEEN, G. e ROLEY, V.V. Stock prices, news and business condition, Review of Financial Studies, v. 6, n. 3, p. 683-707, 1990. MEDEIROS, O. R.; RAMOS, Fl. C.. Determinantes do desempenho e volatilidade da bovespa: um estudo empírico. 4º CONGRESSO USP DE CONTROLADORIA E CONTABILIDADE. 07 e 08 outubro de 2004. Disponível em: Acesso em: 21 set. 2010. MELLONE JR., G. Evidências empíricas da relação cross-section entre retorno e earnigs to price ratio e book to market ratio no mercado de ações no Brasil no período de 1995 a 1998. In: ENCONTRO NACIONAL DE PROGRAMS DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO, 1999, Foz do Iguaçu (PR). Anais... Rio de Janeiro: ANPAD, 1999 (CD- ROM). MENDES, F. A gestão baseada no valor nas instituições financeiras: um modelo aplicado a bancos múltiplos. 2004. 145 f. Dissertação (Mestrado em Contabilidade e Controladoria) - Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo. São Paulo. MENDONÇA, H. F. de. Credibilidade das metas de inflação: uma análise aplicada ao caso brasileiro. Revista de Economia Aplicada, Departamento de Economia FEA-USP/FIPE: São Paulo, v. 7, n. 4, p. 729-42. out.dez. 2003. MEURER, R.. Fluxo de capital estrangeiro e desempenho do Ibovespa. Revista Brasileira de Finanças, v. 4 n. 1, p. 345-61, 2006. MISHKIN, F. S. Moedas, bancos e mercados financeiros. Rio de Janeiro: LTC, 2000. MODIGLIANI, F.; MILLER, M.H. The costs of capital, corporation finance, and the theory of investment. American Economic Review, Nashville, v.48, n.3, p.261-97, June 1958. MODENESI, A. M. Regimes Monetários: teoria e a experiência do Real. Barueri: Manole, 2005. MÖLLER, H. E.; CALLADO, A. A.C.. Investimentos estrangeiros em carteiras de ações, crise internacionais e Ibovespa RAM – Revista de Administração Mackenzie, v. 8, n.1, p. 156-92, 2007. MOOLMAN, E. ; DU TOIT, C. An econometric model of the South African stock market. In: EIGHT ANNUAL CONFERENCE ON ECONOMETRIC MODELING FOR AFRICA. Anais... 2003. 166 MOREIRA, J. M., ; LEMGRUBER, E. F. O uso de dados de alta freqüência na estimação da volatilidade e do valor em risco para o Ibovespa. Banco Central do Brasil, 2002. Trabalhos para Discussão. MOSSIN, J. Equilibrium in a Capital Asset Market. Econometrica, v.34, n.4, p.768-83, Oct. 1966. MOTA, B. S.; FERNANDES, M.. Desempenho de estimadores de volatilidade na bolsa de valores de São Paulo. Revista Brasileira de Economia, Rio de Janeiro, v. 58, n. 3, set. 2004. Disponível em: . Acesso em 23 nov. 2010. MUNIZ, C.J. Testes preliminares de eficiência do mercado de ações brasileiro. Revista Brasileira de Mercado de Capitais, Rio de Janeiro, v.6, n.16, p.80-94, jan./abr. 1980. MYERS, S.C. The capital structure puzzle. The Journal of Finance, Cambridge, v.39, n.3, p.575-92, July 1984. MAYSAMI , R. C; HOWE, L. C.; HAMZAH, M.A. Relationship between macroeconomic variables and stock market indices: cointegration evidence from stock exchange of Singapore’s all-s sector indices. Journal Pengurusan, v. 24, p. 47-77, 2004. NAGANO, M. S.; MERLO, E. M.; SILVA, M. C.. As variáveis fundamentalistas e seus impactos na taxa de retorno de ações no Brasil. Rev. FAE, Curitiba, v.6, n.2, p.13-28, maio/dez. 2003. NAIK, N. Eficiência de mercado: um espelho para as informações. In: Dominando finanças. São Paulo: Makron Books, 2001. NISHAT, M.; SHAHEEN, R.. Macroeconomic factors and Pakistani equity market, the Pakistan development review. Pakistan Institute of Development Economics, v. 43, n.4, p. 619-37, 2004. NUNES, M. S; COSTA Jr. A.C.A; MEURER, R. A relação entre o mercado de ações e as variáveis macroeconômicas: uma análise econométrica para o Brasil. Revista Brasileira de Economia, v.59, n. 4, p. 585-607, 2005. OFFICER, R.R.The variability of the market factor of the New York stock exchange. Journal of Business. v. 43, p. 434-53, July 1973. OMRAN, M. M. Time series analysis of the impact of real interest rates on stock market activity and liquidity in Egypt: co-integration and error correction model approach. International Journal of Business, v. 8, n.3, p. 360-74, 2003. PEROBELLI, F.F.C.; NESS Jr., W.L. Reações do mercado acionário a variações inesperadas nos lucros das empresas: um estudo sobre a eficiência informacional no mercado brasileiro. 167 In: ENCONTRO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 24., 2000, Florianópolis-SC. Anais... Florianópolis: ANPAD, 2000. PILINKUS, D. Stock market and macroeconomic variables: evidences from Lithuania. Economics & Management, v.14, p. 884-91, 2009. PIMENTA JR, T., HIGUCHI, R. H.. Variáveis macroeconômicas e o Ibovespa: um estudo da relação de causalidade. REAd, v. 14, n. 2, maio/ago. 2008. PINDYCK, R. S. Risk, inflation, and the stock market. American Economic Review, v. 74, n. 3, 334-51, 1984. PINDYCK, R. S.; RUBINFELD, D. L. Econometria modelos & previsões. Rio de Janeiro: Elsevier.2004. PINHEIRO, J.; BATES, D. Mixed-effects models in S and S-PLUS. New York: Springer, 2000. PIRES, M. C. C.. Credibilidade na política fiscal: uma análise preliminar para o Brasil. Revista Economia Aplicada, Ribeirão Preto, v.10, n.3, jul/set. 2006. REINGANUM, M. Misspecifications of capital asset pricing: empirical anomalies based on earnings yieldsand market value. Journal of Financial Economics, v.9, p. 19-46. 1981. ROBERTS, H. Statistical versus clinical predictin of the stock market. Chicago, May 1967. Conference of Securities Price Analysis. ROCCA, C. A.. Revolução no mercado de capitais do Brasil: o crescimento recente é sustentável? – Estudos IBMEC 5. Rio de Janeiro: Campus/Elsevier, 2008. RODRIGUES, M. O efeito valor, o efeito tamanho, e o modelo multifatorial: evidências do caso brasileiro. In: ENCONTRO NACIONAL DE PROGRAMS DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO. 2000, Florianópolis. Anais... Rio de Janeiro: ANPAD, 2000 (CD- ROM). RODRIGUES, T.. Descumprimento das metas, expectativas inflacionárias e taxa de juros: o caso brasileiro. 2009. Dissertação (Mestrado em Economia). Escola de Economia de São Paulo da Fundação Getulio Vargas. São Paulo. ROLL, R. ; ROSS, S.A. An empirical investigation of the arbitrage pricing theory. Journal of Finance, v.35, n.5, p.1073-103, Dec. 1980. ROLL, R. A critique of the asset pricing theory´s tests: part I. On past and potential testability of the theory. Journal of Financial Economics, 4, p. 129-76, March, 1977. ROLL, R. A. Vas ist das? The turn-of-the-year effect and the return premia of small firms. Journal of portfolio management, v.9, p. 18-28, 1983. 168 ROSS, S.A. The arbitrage theory of capital asset pricing. Journal of Economic Theory, v.13, n.3, p.341-60, Dec. 1976. ROSS, S.A.; WESTERFIELD, R.W.; e JAFFE, J.F. Administração financeira: Corporate finance. São Paulo, Atlas, 2007. SAMUELSON, P. A. Proof tha properly anticipated prices fluctuate randomly. Industrial Management Review, v.6 , p. 41-9, 1965. SANTOS, A. G. Q.. Fatores macroeconômicos e a eficiência informacional no mercado acionário brasileiro: uma abordagem por meio de vetores auto-regressivos. 2009. 89f. Dissertação (Mestrado em Economia) - Faculdade de Ciências Econômicas, Universidade Federal da Bahia,.Salvador. SANTOS, D. J.S.. Os 30 anos da CVM e a pujança do mercado de capitais. In: ROCCA, Carlos Antonio (Org.). Revolução no mercado de capitais do Brasil: o crescimento recente é sustentável? – Estudos IBMEC 5. Rio de Janeiro: Campus/Elsevier, 2008. SANVICENTE, A. Z. ; FRANÇA, E. G. A.. Desempenho de fundos de ações no mercado brasileiro: 1984/1985. Revista de Administração, v. 24, n. 4 p. 3-10, out. / dez. 1989. SANVICENTE, A. Z.. Como fazer e como não fazer uma análise dos fundamentos dos valores de ações ordinárias. Revista de Administração, v. 19, n.2, p. 20-6, abr./ jun.1984. SANVICENTE, A. Z.; SANCHES, F. A. M. Viés de seleção na análise de desempenho de ações no mercado brasileiro. Revista de Administração da USP, v. 37, n. 2, p. 38-45, 2002. SCHOR, A.; BONOMO, M.; PEREIRA, P. L. V.. Arbitrage Pricing Theory (APT) e variáveis macroeconômicas: um estudo empírico sobre o mercado acionário brasileiro. Rio de Janeiro: Departamento de Economia da Pontifícia Universidade Católica do Rio de Janeiro. Dez. 1998. Working Paper. SCHWERT, G. W. Why does stock market volatility change over time? Journal of Finance, v. 44, n. 5, p. 1115-53, 1989. SHARPE, Willian F. Capital asset prices: a theory of market equilibrium under conditions of risk. Journal of Finance, v. 19, n.3, p. 425-42, 1964. SHILLER, R. J. Market volatility. Cambridge: Massachussetts, The MIT Press, 1989. SICSÚ, J. Expectativas inflacionárias no regime de metas de inflação: uma análise preliminar do caso brasileiro. Economia Aplicada, Departamento de Economia FEA-USP/FIPE: São Paulo, v. 6, n. 4, p. 703-11, out./dez. 2002. SILVA, R.. Estabilidade econômica e metas de inflação: uma avaliação do caso brasileiro, São Paulo, 2002. 149p. Tese (Doutorado). Faculdade de Economia, administração e Contabilidade, Universidade de São Paulo. 169 SIMONSEN, M. H., CYSNE, R. P.. Macroeconomia. 3 ed. São Paulo: Atlas, 2007. TABAK, B. M. The random walk hypothesis and the behavior of foreign capital portfolio flows: the brazilian stock market case. Brasília: Banco Central do Brasil, 2002. (Working Paper Series, 58). Disponível em: . Acesso em: 27 nov. 2010. TANABE, M.; FONSECA, J. S.. Aplicação de análise de regressão no estudo do comportamento dos preços de ações. Revista de Administração, v. 16, n. 4 , p. 21-31. out./ dez. 1981. TERRA, P. R.S.. Estrutura de capital e fatores macroeconômicos na América Latina. Revista de Administração, São Paulo, v.42, n.2, p.192-204, abr./maio/jun. 2007. TUNALI, H.. The Analysis of relationships between macroeconomic factors and stock returns: evidence from Turkey using VAR model. International Research Journal of Finance and Economics. v 57, p.169-82. 2010. TWENEBOAH, G.; ANOYKE, A.. Do macroeconomic variable play any role in the stock market movement in Ghana? v. 28, n.3, 2008. MPRA Paper. VAUGHAN, Emmett J. Risk management. New York: John Willey, 1997. VASCONCELLOS, M. A. S.; GARCIA, H. M.. Fundamentos de economia. São Paulo: Saraiva, 1998. YARTEY, C. A.. The Determinants of stock market development in emerging economies: Is South Africa different? Washington DC: International Monetary Fund. 2008. IMF Working Paper 08/38. ZANINI, F.A.M.; FIGUEIREDO, A. C.. As teorias de carteira de markowitz e de Sharpe. Revista de Administração Mackenzie, v. 6, n.2, , p. 37-64, 2005. ZHANG, J.; YONG, H.H.A; LEE, M.; GAN, C.. Macroeconomics variables and stock market interactions: New Zealand evidence. Investment Management and Financial Innovations, v. 3, n.4, 2006. 170 APÊNDICES 171 APÊNDICES APÊNDICE A: Glossário de Termos e Siglas Ação: são títulos de propriedade que representam a menor parcela (fração) do capital social de uma S/A, negociáveis no mercado e que refletem a participação dos acionistas no capital social. Acionistas: são os proprietários genuínos de uma sociedade anônima, que ao subscreverem passam a ter alguns direitos, a depender do tipo de ação: participação nos lucros sociais, retirada da sociedade, por meio de alienação de usas ações, direito a voto, direito a informações sobre as operações e decisões da companhia, preferência na subscrição de novas ações, entre outros. Ações Ordinárias (ON): ações que conferem ao titular o direito de votar nas Assembléias Gerais (Extraordinárias e Ordinárias). Têm direito a: participação proporcional dos dividendos pagos, dos ativos (em caso de liquidação) e a qualquer nova emissão de ações. Ações Preferenciais (PN): ações que não dão ao seu titular o direito do voto, mas têm prioridade no recebimento de dividendos e aos ativos da empresa em caso de liquidação (reembolso de capital) e à manutenção proporcional de participação em caso de nova emissão de ações. Sob duas circunstâncias os acionistas preferenciais passam a ter direito a voto: 1) quando a empresa passa três anos consecutivos sem distribuir dividendos; 2) determinação estatutária. Ágio: valor pago acima do valor de face de um ativo ou título. Alavancagem Financeira: é o uso de dívidas de longo prazo (onerosas) para aumentar a rentabilidade da empresa. Alavancagem: é o uso de ativos operacionais ou recursos financeiros com um custo fixo, a fim de aumentar/alavancar os retornos dos proprietários da empresa. Análise de Regressão: técnica estatística que busca identificar e mensurar a relação entre os valores observados de uma variável (dependente) e uma (ou combinação) de valores de 172 outras variáveis (independentes). Esses parâmetros são os coeficientes estimados pela equação de regressão que melhor se ajusta aos dados. Arbitrage Pricing Theory (APT): é uma teoria de formação do preço dos ativos financeiros, proposta inicialmente por Ross (1976), na qual o preço de um título é resultante da combinação do seu retorno com vários fatores micro e macroeconômicos representantes do risco de mercado (modelo multi-fatorial), utilizando a diversificação e a arbitragem. Arbitragem: transação na qual um investidor compra um ativo em um mercado a um preço mais baixo e vende simultaneamente outro ativo no mesmo mercado ou em outro, por um preço mais elevado, garantindo assim um lucro isento de riscos. Balança Comercial: É a diferença entre o valor total das exportações e importações do País. Balanço de pagamentos: O Balanço de pagamentos é o registro contábil de todas as transações de um País com outros países do mundo. Capital Asset Pricing Model (CAPM): ou modelo de precificação de ativos financeiros, modelo no qual a taxa de retorno de um título é resultante da combinação do retorno de um ativo livre de risco com um prêmio pelo risco incorrido. Esse prêmio seria igual à diferença entre o retorno esperado de uma carteira de mercado e o retorno do ativo livre de risco, multiplicada pela divisão da covariância dos retornos do ativo e do mercado pela variância dos retornos do mercado, conhecida como coeficiente beta (β). Capital Próprio: representa no balanço patrimonial os investimentos realizados pelos acionistas preferenciais e ordinários na propriedade de uma empresa. É formado pelo patrimônio líquido (ações ordinárias e preferenciais + lucros acumulados + reservas). Coeficiente Beta (β): é um indicador do grau de variabilidade do retorno de um ativo em resposta a uma variação do retorno de mercado, utilizado no modelo CAPM como medida de risco sistemático. É calculado pela divisão da covariância dos retornos do ativo e do mercado pela variância dos retornos do mercado. Coeficiente de Correlação: medida estatística que mostra a proximidade da relação entre duas variáveis. 173 Comissão de Valores Mobiliários (CVM): autarquia federal vinculada ao Ministério da Fazenda que disciplina, normatiza e fiscaliza a atuação dos diversos integrantes do mercado de valores mobiliários (companhias abertas, intermediários financeiros e os investidores), com abrangência sobre todas as matérias referentes a esse mercado. COPOM: O Comitê de Política Monetária, ou Copom, é o órgão decisório da política monetária do Banco Central do Brasil, responsável por estabelecer a meta para a taxa Selic. Correlação: medida estatística padronizada da dependência entre duas variáveis aleatórias, definida pelo quociente entre a covariância e os desvios padrão das duas variáveis. Covariância: medida estatística de associação (relação) linear entre duas variáveis aleatórias. Custos de Agência: do inglês agency costs resultam dos diversos mecanismos de incentivo e monitoração do comportamento e desempenho dos agentes (gestores), oriundos de conflitos de interesses entre acionistas, credores e administradores, cujo objetivo é assegurar a maximização da riqueza dos proprietários. Custos de Transação: custos incorridos por empresas e investidores na venda de títulos negociáveis e na captação de recursos. Default: é o risco de perda pelo não pagamento de uma obrigação ou risco de inadimplência dos emissores avaliado por agências de rating, simbolizado geralmente pela letra D. Desvio-padrão: é uma medida da variabilidade de determinada variável, calculada pelo somatório da diferença entre cada valor da variável e sua média ao quadrado, ou pela raiz quadrada da variância. Em finanças, é utilizado como medida de risco. Expectativas: Valores informados pelas instituições para cada indicador como projeções futuras. Fiscal: Compreende as expectativas para o resultado primário do setor público consolidado, o resultado nominal e a relação dívida líquida do setor público/PIB. 174 Governança Corporativa (GC): é uma relação entre stakeholders utilizada para determinar a orientação da firma e controlar o seu desempenho. Pode-se dizer que ela tem como foco central tentar garantir que as decisões estratégicas sejam tomadas com eficiência, além de ser um instrumento de ordem entre acionistas e seus gerentes de alto nível, cujos interesses podem ser conflitantes. IGP-DI: O Índice Geral de Preços - Disponibilidade Interna, da FGV, reflete as variações de preços de todo o mês de referência. Ou seja, do dia 1 ao 30 de cada mês. Ele é formado pelo IPA (Índice de Preços por Atacado), IPC (Índice de Preços ao Consumidor) e INCC (Índice Nacional do Custo da Construção), com pesos de 60%, 30% e 10%, respectivamente. O indicador apura as variações de preços de matérias-primas agrícolas e industriais no atacado e de bens e serviços finais no consumo. IGP-M: Índice Geral de Preços do Mercado, também da FGV. Metodologia igual à do IGP- DI, mas pesquisado entre os dias 21 de um mês e 20 do seguinte. O IGP tradicional abrange o mês fechado. O IGP-M é elaborado para contratos do mercado financeiro. Índice da Bolsa de Valores de São Paulo (IBOVESPA): é o mais importante indicador do desempenho médio das cotações do mercado de ações brasileiro. É composto por ações cujo conjunto representa 80% do volume negociado à vista e que tem negociações em pelo menos 80% dos pregões e representa 70% da capitalização bursátil. Tem recomposição quadrimestral das empresas que o compõem. Inflação acumulada nos próximos 12 meses – suavizada: É a variação acumulada das projeções de um índice de preços para os próximos 12 meses (no formato 1+taxa), multiplicada pela razão entre a expectativa da variação do índice para o 13º mês à frente (que será o próximo a entrar no cálculo da variação em doze meses, quando da mudança de período móvel) e a expectativa da variação do índice do primeiro mês do período de 12 meses, que sairá do cálculo quando da mudança de período móvel, ambas no formato 1+taxa, razão esta elevada ao expoente representado pelo quociente entre o número de dias transcorridos no período desde a divulgação do último índice mensal e o número total de dias do período. Inflação acumulada nos próximos 12 meses: É o acúmulo das variações dos índices de preços para os próximos 12 meses. 175 Informação Privilegiada:conhecimento privado e antecipado a respeito de assuntos/eventos corporativos de uma empresa, detidos por pessoas em posição especial (relacionamento, atividade profissional, de consultoria, etc.) nessa empresa. Informação Relevante: também denominada fato relevante. É aquela que, quando tornada pública, provoca uma reação imediata no mercado, por afetar (positiva ou negativamente) o fluxo de caixa ou o desempenho futuro de uma determinada empresa e, conseqüentemente, a expectativa dos investidores e os preços dos seus títulos. INPC: O Índice Nacional de Preços ao Consumidor é calculado pelo Instituto Brasileiro de Geografia e Estatística (IBGE). Considera a variação dos preços em 11 regiões: Rio, São Paulo, Belo Horizonte, Brasília, Porto Alegre, Curitiba, Belém, Fortaleza, Salvador, Recife e Goiânia. Tem como base o orçamento de famílias com renda mensal entre um e oito salários mínimos. Insider Trading: é a utilização de informações relevantes sobre uma firma por parte das pessoas que, por força do exercício profissional, estão por dentro de seus negócios, para transacionar com suas ações antes que tais informações sejam de conhecimento do público. IPA-DI: O Índice de Preços por Atacado - Disponibilidade Interna, tem por objetivo medir o ritmo evolutivo de preços praticados no nível de comercialização atacadista, nas transações interempresariais, quer dizer, nas operações de comercialização a grosso, que antecedem as vendas no varejo. A pesquisa é realizada do dia 1 ao 30 de cada mês. IPA-M: O Índice de Preços por Atacado do Mercado tem metodologia igual à do IPA-DI, mas pesquisado entre os dias 21 de um mês e 20 do seguinte. IPCA: O Índice Nacional de Preços ao Consumidor Amplo verifica as variações dos custos com os gastos das pessoas que ganham de um a quarenta salários mínimos nas regiões metropolitanas de Belém, Belo Horizonte, Curitiba, Fortaleza, Porto Alegre, Recife, Rio de Janeiro, Salvador, São Paulo, município de Goiânia e Distrito Federal. O IPCA mede a variação dos custos dos gastos conforme acima descrito no período do primeiro ao último dia de cada mês de referência. No período do dia onze ao dia vinte do mês seguinte o IBGE divulga as variações. 176 IPCA-15: O IPCA-15 mede a variação dos custos dos gastos, conforme descrito no IPCA, no período aproximado do dia 15 de um mês ao dia 15 do mês subseqüente. IPC-Fipe: Índice de Preços ao Consumidor da Fundação Instituto de Pesquisas Econômicas, da USP, pesquisado no município de São Paulo. Reflete o custo de vida de famílias com renda de 1 a 20 salários mínimos. Divulga também taxas quadrissemanais. Master: Funcionário da instituição responsável pelo controle de acesso ao Sisbacen. Mercado Eficiente: é aquele em que os preços correntes de mercado se ajustam rapidamente às novas informações o(relevantes), refletindo integralmente o fluxo de informações disponíveis. Assim, os investidores que compram títulos em um mercado eficiente esperam obter uma taxa de retorno de equilíbrio, enquanto as empresas esperam receber um valor justo pelos títulos que vendem. A Hipótese da Eficiência de Mercado (HEM) foi proposta inicialmente por FAMA (1971 e 1990), que formulou as premissas e propôs os testes para sua aferição. Meta para a taxa over-selic: A taxa de juros Over-Selic é fixada pelas autoridades monetárias e tem o papel de sinalizar para os agentes econômicos o nível básico de remuneração dos títulos federais. Seu nível efetivo é definido pela média ponderada do volume diário das operações lastreadas em títulos públicos federais de curto, médio e longo prazo no tempo presente. Tais títulos são emitidos pelo Tesouro ou pelo Banco Central, negociados e registrados pelo Serviço Especial de liquidação e Custódia, Selic, na forma de operações compromissadas. Notadamente a taxa de juros Over-Selic tem a função de orientar as demais taxas de juros de curto prazo da economia, agindo como um limite mínimo. Modigliani e Miller (MM): revolucionaram a Teoria de Finanças com obras seminais publicadas nas década de 50 e 60 do século passado, as quais são consideradas como um divisor de águas, precursoras da chamada Moderna Teoria de Finanças. Nesses trabalhos, pela primeira vez a microeconomia foi aplicada às finanças corporativas, mostrando, em síntese, que o valor de mercado de uma empresa independe da forma como ela se financia e, também, da sua política de dividendos, mesmo com a existência de impostos. O argumento central da teoria desses autores era o de que não existe uma estrutura ótima de capital 177 maximizadora do valor de mercado da firma. Ambos foram ganhadores do Prêmio Nobel, separadamente, pela valiosa contribuição para a área de estrutura de capital. PIB agropecuária: Indicador que mede a produção de um País levando em conta a agropecuária, formado por agricultura extrativa vegetal e pecuária. PIB indústria: Indicador que mede a produção de um País levando em conta a indústria, que engloba áreas extrativa mineral, de transformação, serviços industriais de utilidade pública e construção civil. PIB serviços: Indicador que mede a produção de um País levando em conta serviços, que incluem comércio, transporte, comunicação, serviços da administração pública e outros. PIB total: É a soma de todas as riquezas produzidas por um País em um determinado intervalo de tempo, geralmente de um ano. O PIB total é expresso em valores do ano analisado. Preços administrados por contrato e monitorados: Preços administrados por contrato e monitorados são aqueles cuja sensibilidade a fatores de oferta e demanda é menor, o que não implica, necessariamente, serem diretamente regulados pelo governo. Prêmio pelo Risco: prêmio exigido por um investidor para investir em um ativo com risco, em detrimento de um ativo livre de risco. É a diferença entre o retorno esperado de um ativo com risco e o retorno de um ativo livre de risco. O Prêmio de Risco é um retorno financeiro excedente, correspondente à diferença entre a taxa de rentabilidade de um determinado ativo e a rentabilidade dos ativos sem risco associado (geralmente são considerados como ativos sem risco os títulos da dívida emitidos pelo Estado). Dessa forma, o prêmio de risco representa a rentabilidade adicional que um investidor espera obter por aceitar um determinado grau de risco. Em regra, quanto maior o risco associado a um ativo em particular, maior será o prêmio de risco exigido pelos investidores para adquirirem esse ativo. Problemas de Agência: do inglês agency problems, originam-se da maximização de interesses próprios nos diversos relacionamentos empresariais, ocasionando conflitos de 178 interesse entre administradores, acionistas, credores e demais stakeholders, cuja solução além de incentivos por resultados, é um constante monitoramento da gestão, levando ao surgimento de determinados custos para a empresa (custos de agência). O trabalho original que discute esse conflito gerencial foi desenvolvido por Jensen e Meckling (1976). Produção industrial: O Índice de Produção Industrial é divulgado mensalmente e se baseia na Pesquisa Industrial Mensal de Produção Física, cuja amostra é selecionada com base nas informações da Pesquisa Industrial Anual de Empresa e que cobre 63% do valor da transformação industrial das atividades das indústrias extrativas e de transformação. A amostra é composta de 3.725 unidades locais e 824 produtos. Ranking Top 5: Sistema de classificação das instituições baseado no índice de acerto de suas projeções de curto, médio e longo prazo. As medianas das variáveis projetadas pelas cinco instituições que mais acertam (as Top 5) são divulgadas no "Relatório de Mercado", buscando prover informações com diferencial de qualidade. Risco Específico ou Não-diversificável: representa a parte do risco de um ativo associado a causas aleatórias específicas de uma empresa (greves, ações judiciais, decisões de agências reguladoras, perda de um cliente importante etc.) e que pode ser eliminada com a diversificação da carteira. Risco Financeiro: reflete o risco associado às decisões de financiamento, isso é, a capacidade da empresa em liquidar os compromissos financeiros assumidos. É o risco adicional assumido pela empresa ao decidir financiar-se também com dívidas (passivos onerosos). Risco Operacional: inerente à própria atividade da empresa e às características do mercado em que opera. Independe da forma como a empresa é financiada, restringindo-se exclusivamente às decisões de investimento. Ou seja, é a probabilidade de que a empresa não seja capaz de cobrir custos ligados à sua operação. Risco Sistemático ou Diversificável: representa a parte do risco atribuível a fatores macroeconômicos de mercado (guerras, inflação, incidentes internacionais, fatores políticos 179 etc.) que afetam todas as empresas e não podem ser eliminados por meio da diversificação. Ou seja, é o risco de mercado específico do investidor. Risco: é a probabilidade de que os retornos obtidos sejam diferentes daqueles que foram projetados. Ou é a probabilidade de perda de um investimento. Em finanças, as duas medidas mais utilizadas para mensurá-lo são a variância e o desvio-padrão. Sociedades Anônimas: são organizações que têm o seu capital dividido em ações e a responsabilidade dos sócios ou acionistas é limitada ao preço da emissão das ações subscritas ou adquiridas. Podem ser de capital fechado (ações não negociadas em bolsa) ou aberto, quando têm valores mobiliários (ações, bônus de subscrição, debêntures etc) negociados em bolsas de valores ou no mercado de balcão. Stakeholder: termo ainda sem tradução para o oportuguês e que se refere a todos os agentes/pessoas interessados direta ou indiretamente em uma organização: acionistas, clientes, fornecedores, funcionários, governo, sociedade etc. Taxa de câmbio: É a relação de valor entre duas moedas. A Taxa de Câmbio indica o preço, em moeda nacional, de uma moeda estrangeira. Valor Justo de Mercado: montante ao qual uma ação ordinária trocaria de mãos entre um comprador e um vendedor, ambos conhecendo os fatos relevantes da empresa em questão. É também chamado de preço de mercado. Variância: é uma medida da variabilidade de determinada variável, calculada pela média quadrada do desvio-padrão. 180 APÊNDICE B: Previsões para o modelo linear misto final – FOCUS - Volatilidade Os asteriscos na tabela abaixo evidenciam que o observado está fora do intervalo de 95% de confiança calculado. Previsões para o modelo linear misto final – Volatilidade dos retornos Período Observado E(Y/AMBV4) Resíduo padronizado L.I L.S 2007 -2ª -4,145 -4,040 -0,376 -4,438 -3,656 2007 -3ª -3,896 -3,963 0,242 -4,375 -3,571 2007 -4ª -3,945 -3,636 -1,109 -4,063 -3,240 2008 -1ª -3,634 -3,590 -0,159 -3,992 -3,159 2008 -2ª -3,766 -3,262 -1,808 -3,719 -2,791 * 2008 -3ª -3,631 -3,233 -1,430 -3,721 -2,763 2008 -4ª -3,128 -3,429 1,082 -3,824 -3,045 2009 -1ª -3,805 -3,307 -1,786 -3,727 -2,904 * 2009 -2ª -4,059 -3,620 -1,577 -4,027 -3,209 * 2009 -3ª -4,347 -3,706 -2,304 -4,106 -3,309 * 2009 -4ª -3,983 -3,541 -1,589 -4,019 -3,075 2010 -1ª -4,195 -2,884 -4,709 -3,442 -2,369 * 2010 -2ª -4,338 -2,991 -4,839 -3,523 -2,426 * 2010 -3ª -4,427 -3,217 -4,349 -3,691 -2,694 * Período Observado E(Y/BRKM5) Resíduo padronizado L.I L.S 2007 -2ª -3,946 -3,507 -1,578 -3,896 -3,157 * 2007 -3ª -3,713 -3,580 -0,479 -3,946 -3,203 2007 -4ª -3,747 -3,258 -1,758 -3,649 -2,828 * 2008 -1ª -3,485 -3,207 -0,999 -3,635 -2,820 2008 -2ª -3,611 -2,893 -2,578 -3,324 -2,457 * 2008 -3ª -3,357 -2,862 -1,780 -3,334 -2,435 * 2008 -4ª -2,940 -3,025 0,305 -3,428 -2,611 2009 -1ª -3,462 -2,928 -1,921 -3,331 -2,527 * 2009 -2ª -3,342 -3,198 -0,516 -3,565 -2,788 2009 -3ª -3,577 -3,181 -1,423 -3,591 -2,749 2009 -4ª -3,624 -3,001 -2,238 -3,473 -2,529 * 2010 -1ª -3,994 -2,458 -5,519 -2,994 -1,967 * 2010 -2ª -3,841 -2,607 -4,432 -3,112 -2,088 * 2010 -3ª -4,024 -2,752 -4,569 -3,225 -2,224 * Período Observado E(Y/BRTO4) Resíduo padronizado L.I L.S * 2007 -2ª -3,900 -3,670 -0,827 -4,070 -3,280 2007 -3ª -3,447 -3,630 0,656 -4,028 -3,238 2007 -4ª -3,592 -3,247 -1,237 -3,660 -2,836 2008 -1ª -3,328 -3,227 -0,364 -3,641 -2,834 2008 -2ª -3,658 -2,912 -2,677 -3,335 -2,491 * 2008 -3ª -3,120 -2,937 -0,659 -3,400 -2,458 2008 -4ª -2,719 -3,023 1,090 -3,449 -2,615 2009 -1ª -3,448 -2,929 -1,864 -3,326 -2,514 * 2009 -2ª -3,659 -3,257 -1,445 -3,650 -2,882 * 2009 -3ª -4,095 -3,330 -2,748 -3,758 -2,903 * 2009 -4ª -3,732 -3,205 -1,891 -3,682 -2,748 * 2010 -1ª -3,858 -2,549 -4,700 -3,042 -2,020 * 2010 -2ª -3,875 -2,632 -4,466 -3,167 -2,115 * 2010 -3ª -4,128 -2,824 -4,683 -3,320 -2,350 * Período Observado E(Y/CGAS5) Resíduo L.I L.S * 181 padronizado 2007 -2ª -4,002 -3,775 -0,814 -4,168 -3,368 2007 -3ª -3,900 -3,663 -0,852 -4,050 -3,310 2007 -4ª -4,075 -3,377 -2,510 -3,799 -2,975 * 2008 -1ª -3,826 -3,365 -1,658 -3,750 -2,949 * 2008 -2ª -4,633 -3,054 -5,671 -3,503 -2,632 * 2008 -3ª -3,970 -3,209 -2,733 -3,672 -2,761 * 2008 -4ª -3,507 -3,261 -0,887 -3,660 -2,887 2009 -1ª -4,333 -3,150 -4,247 -3,561 -2,721 * 2009 -2ª -4,110 -3,504 -2,177 -3,907 -3,116 * 2009 -3ª -4,352 -3,459 -3,208 -3,917 -3,062 * 2009 -4ª -4,588 -3,281 -4,694 -3,745 -2,818 * 2010 -1ª -4,528 -2,789 -6,245 -3,354 -2,279 * 2010 -2ª -4,413 -2,821 -5,719 -3,340 -2,308 * 2010 -3ª -4,831 -2,976 -6,662 -3,453 -2,470 * Período Observado E(Y/CLSC6) Resíduo padronizado L.I L.S * 2007 -2ª -3,897 -3,747 -0,540 -4,135 -3,347 2007 -3ª -4,093 -3,647 -1,601 -4,027 -3,277 * 2007 -4ª -3,824 -3,442 -1,371 -3,871 -3,019 2008 -1ª -3,912 -3,308 -2,169 -3,715 -2,912 * 2008 -2ª -4,206 -3,090 -4,008 -3,520 -2,644 * 2008 -3ª -3,864 -3,105 -2,727 -3,569 -2,660 * 2008 -4ª -3,260 -3,244 -0,055 -3,632 -2,846 2009 -1ª -3,909 -3,095 -2,923 -3,471 -2,691 * 2009 -2ª -4,077 -3,401 -2,428 -3,793 -2,997 * 2009 -3ª -4,319 -3,462 -3,077 -3,895 -3,054 * 2009 -4ª -3,831 -3,285 -1,962 -3,721 -2,815 * 2010 -1ª -4,067 -2,594 -5,290 -3,057 -2,034 * 2010 -2ª -4,098 -2,707 -4,994 -3,229 -2,163 * 2010 -3ª -4,718 -2,903 -6,520 -3,375 -2,368 * Período Observado E(Y/CMIG4) Resíduo padronizado L.I L.S 2007 -2ª -4,140 -3,738 -1,444 -4,116 -3,347 * 2007 -3ª -3,814 -3,706 -0,390 -4,085 -3,272 2007 -4ª -3,731 -3,358 -1,340 -3,762 -2,939 2008 -1ª -3,636 -3,275 -1,296 -3,654 -2,871 2008 -2ª -3,711 -3,007 -2,528 -3,453 -2,522 * 2008 -3ª -3,649 -2,962 -2,468 -3,395 -2,547 * 2008 -4ª -3,194 -3,178 -0,060 -3,564 -2,761 2009 -1ª -3,809 -3,070 -2,655 -3,456 -2,675 * 2009 -2ª -3,927 -3,365 -2,019 -3,762 -2,974 * 2009 -3ª -4,528 -3,414 -4,002 -3,816 -3,003 * 2009 -4ª -3,920 -3,334 -2,106 -3,800 -2,876 * 2010 -1ª -4,252 -2,611 -5,895 -3,118 -2,042 * 2010 -2ª -4,188 -2,750 -5,164 -3,283 -2,264 * 2010 -3ª -4,148 -2,920 -4,410 -3,405 -2,436 * Período Observado E(Y/CPLE6) Resíduo padronizado L.I L.S 2007 -2ª -3,956 -3,705 -0,902 -4,060 -3,332 2007 -3ª -3,631 -3,610 -0,076 -3,961 -3,235 2007 -4ª -3,828 -3,262 -2,031 -3,650 -2,848 * 2008 -1ª -3,650 -3,256 -1,416 -3,668 -2,855 2008 -2ª -3,812 -2,965 -3,044 -3,427 -2,513 * 2008 -3ª -3,378 -2,944 -1,559 -3,404 -2,478 2008 -4ª -3,014 -3,058 0,157 -3,450 -2,654 2009 -1ª -3,855 -2,974 -3,163 -3,349 -2,571 * 182 2009 -2ª -3,782 -3,332 -1,614 -3,738 -2,911 * 2009 -3ª -4,374 -3,328 -3,758 -3,725 -2,914 * 2009 -4ª -4,045 -3,246 -2,869 -3,688 -2,767 * 2010 -1ª -4,428 -2,599 -6,568 -3,134 -2,088 * 2010 -2ª -4,201 -2,753 -5,204 -3,252 -2,224 * 2010 -3ª -4,283 -2,878 -5,050 -3,365 -2,366 * Período Observado E(Y/CSNA3) Resíduo padronizado L.I L.S 2007 -2ª -3,961 -3,608 -1,268 -4,022 -3,224 2007 -3ª -3,739 -3,638 -0,362 -4,035 -3,220 2007 -4ª -3,641 -3,318 -1,160 -3,713 -2,945 2008 -1ª -3,337 -3,232 -0,379 -3,650 -2,807 2008 -2ª -3,715 -2,906 -2,905 -3,363 -2,430 * 2008 -3ª -3,044 -2,944 -0,360 -3,434 -2,452 2008 -4ª -2,586 -2,993 1,462 -3,404 -2,612 * 2009 -1ª -3,226 -2,884 -1,228 -3,283 -2,425 2009 -2ª -3,560 -3,187 -1,340 -3,625 -2,804 2009 -3ª -3,951 -3,294 -2,361 -3,743 -2,881 * 2009 -4ª -3,887 -3,157 -2,621 -3,619 -2,687 * 2010 -1ª -3,989 -2,583 -5,050 -3,085 -2,056 * 2010 -2ª -3,795 -2,659 -4,078 -3,176 -2,123 * 2010 -3ª -4,154 -2,793 -4,888 -3,275 -2,292 * Período Observado E(Y/ELET6) Resíduo padronizado L.I L.S 2007 -2ª -4,156 -3,637 -1,867 -4,010 -3,260 * 2007 -3ª -3,640 -3,625 -0,054 -4,016 -3,237 2007 -4ª -3,615 -3,225 -1,401 -3,643 -2,821 2008 -1ª -3,447 -3,158 -1,037 -3,563 -2,737 2008 -2ª -3,710 -2,870 -3,020 -3,335 -2,410 * 2008 -3ª -3,408 -2,876 -1,909 -3,331 -2,428 * 2008 -4ª -3,065 -3,026 -0,141 -3,428 -2,634 2009 -1ª -3,875 -2,949 -3,326 -3,373 -2,553 * 2009 -2ª -3,958 -3,298 -2,370 -3,708 -2,896 * 2009 -3ª -4,530 -3,337 -4,286 -3,764 -2,906 * 2009 -4ª -3,707 -3,249 -1,645 -3,728 -2,750 2010 -1ª -3,616 -2,467 -4,125 -2,979 -1,956 * 2010 -2ª -4,150 -2,491 -5,959 -2,986 -1,987 * 2010 -3ª -4,379 -2,824 -5,585 -3,322 -2,362 * Período Observado E(Y/EMBR3) Resíduo padronizado L.I L.S 2007 -2ª -4,545 -3,841 -2,527 -4,247 -3,444 * 2007 -3ª -3,699 -3,876 0,633 -4,281 -3,477 2007 -4ª -4,012 -3,385 -2,249 -3,796 -2,997 * 2008 -1ª -3,963 -3,411 -1,985 -3,855 -3,020 * 2008 -2ª -3,965 -3,155 -2,910 -3,609 -2,709 * 2008 -3ª -3,386 -3,090 -1,061 -3,577 -2,661 2008 -4ª -2,933 -3,164 0,832 -3,582 -2,740 2009 -1ª -3,245 -3,057 -0,676 -3,465 -2,616 2009 -2ª -3,386 -3,270 -0,416 -3,648 -2,866 2009 -3ª -3,719 -3,324 -1,419 -3,751 -2,923 2009 -4ª -3,752 -3,172 -2,086 -3,620 -2,686 * 2010 -1ª -4,156 -2,624 -5,502 -3,143 -2,084 * 2010 -2ª -4,196 -2,783 -5,076 -3,291 -2,275 * 2010 -3ª -3,880 -2,981 -3,231 -3,485 -2,489 * Período Observado E(Y/GGBR4) Resíduo padronizado L.I L.S 2007 -2ª -3,989 -3,706 -1,018 -4,091 -3,310 183 2007 -3ª -3,831 -3,715 -0,418 -4,072 -3,307 2007 -4ª -3,720 -3,413 -1,101 -3,828 -3,002 2008 -1ª -3,471 -3,322 -0,534 -3,719 -2,901 2008 -2ª -3,562 -3,012 -1,977 -3,450 -2,564 * 2008 -3ª -3,128 -2,971 -0,563 -3,426 -2,519 2008 -4ª -2,707 -3,085 1,358 -3,489 -2,675 2009 -1ª -3,263 -2,987 -0,994 -3,420 -2,563 2009 -2ª -3,428 -3,267 -0,578 -3,656 -2,874 2009 -3ª -3,827 -3,327 -1,795 -3,796 -2,911 * 2009 -4ª -3,597 -3,193 -1,454 -3,614 -2,753 2010 -1ª -3,925 -2,573 -4,855 -3,073 -2,026 * 2010 -2ª -3,775 -2,711 -3,820 -3,227 -2,210 * 2010 -3ª -4,000 -2,857 -4,106 -3,354 -2,338 * Período Observado E(Y/KLBN4) Resíduo padronizado L.I L.S 2007 -2ª -3,899 -3,608 -1,045 -4,016 -3,231 2007 -3ª -3,580 -3,614 0,121 -3,998 -3,206 2007 -4ª -3,532 -3,268 -0,949 -3,682 -2,842 2008 -1ª -3,574 -3,195 -1,362 -3,584 -2,776 2008 -2ª -3,891 -2,964 -3,331 -3,405 -2,508 * 2008 -3ª -3,296 -2,985 -1,119 -3,396 -2,514 2008 -4ª -2,959 -3,055 0,344 -3,479 -2,648 2009 -1ª -3,187 -2,979 -0,747 -3,373 -2,552 2009 -2ª -3,489 -3,169 -1,149 -3,618 -2,737 2009 -3ª -3,739 -3,268 -1,692 -3,711 -2,874 * 2009 -4ª -3,424 -3,092 -1,192 -3,560 -2,633 2010 -1ª -3,735 -2,449 -4,617 -2,970 -1,930 * 2010 -2ª -3,544 -2,583 -3,452 -3,103 -2,055 * 2010 -3ª -4,278 -2,717 -5,606 -3,224 -2,228 * Período Observado E(Y/PETR4) Resíduo padronizado L.I L.S 2007 -2ª -4,309 -3,896 -1,484 -4,268 -3,499 * 2007 -3ª -3,807 -3,934 0,456 -4,306 -3,547 2007 -4ª -3,434 -3,538 0,376 -3,925 -3,115 2008 -1ª -3,429 -3,376 -0,193 -3,813 -2,935 2008 -2ª -3,794 -3,132 -2,377 -3,563 -2,698 * 2008 -3ª -3,244 -3,166 -0,278 -3,610 -2,697 2008 -4ª -2,782 -3,249 1,676 -3,619 -2,866 * 2009 -1ª -3,589 -3,139 -1,617 -3,576 -2,710 * 2009 -2ª -3,833 -3,487 -1,240 -3,884 -3,069 2009 -3ª -4,188 -3,570 -2,219 -3,962 -3,138 * 2009 -4ª -4,059 -3,423 -2,286 -3,875 -2,968 * 2010 -1ª -4,210 -2,831 -4,952 -3,337 -2,293 * 2010 -2ª -4,013 -2,921 -3,921 -3,434 -2,400 * 2010 -3ª -3,919 -3,054 -3,109 -3,563 -2,548 * Período Observado E(Y/TCSL4) Resíduo padronizado L.I L.S 2007 -2ª -3,942 -3,613 -1,180 -4,023 -3,192 2007 -3ª -3,881 -3,593 -1,033 -3,991 -3,224 2007 -4ª -3,505 -3,318 -0,672 -3,722 -2,904 2008 -1ª -3,246 -3,155 -0,327 -3,537 -2,707 2008 -2ª -3,677 -2,842 -3,001 -3,342 -2,380 * 2008 -3ª -3,453 -2,894 -2,010 -3,374 -2,417 * 2008 -4ª -2,646 -3,066 1,506 -3,476 -2,669 * 2009 -1ª -3,584 -2,861 -2,597 -3,287 -2,428 * 2009 -2ª -3,542 -3,246 -1,063 -3,646 -2,792 2009 -3ª -3,935 -3,250 -2,461 -3,655 -2,783 * 184 2009 -4ª -3,575 -3,113 -1,657 -3,586 -2,663 2010 -1ª -3,815 -2,458 -4,874 -2,990 -1,879 * 2010 -2ª -3,826 -2,572 -4,503 -3,123 -2,039 * 2010 -3ª -4,032 -2,762 -4,560 -3,256 -2,268 * Período Observado E(Y/TLPP4) Resíduo padronizado L.I L.S 2007 -2ª -4,124 -3,926 -0,713 -4,311 -3,542 2007 -3ª -3,601 -3,867 0,956 -4,261 -3,480 2007 -4ª -3,885 -3,466 -1,506 -3,893 -3,063 2008 -1ª -3,681 -3,483 -0,711 -3,900 -3,081 2008 -2ª -3,945 -3,185 -2,729 -3,642 -2,749 * 2008 -3ª -3,622 -3,191 -1,545 -3,627 -2,737 2008 -4ª -3,421 -3,336 -0,304 -3,742 -2,950 2009 -1ª -3,987 -3,297 -2,478 -3,689 -2,875 * 2009 -2ª -4,323 -3,580 -2,668 -3,975 -3,200 * 2009 -3ª -4,467 -3,688 -2,797 -4,099 -3,295 * 2009 -4ª -4,428 -3,483 -3,394 -3,980 -3,036 * 2010 -1ª -4,726 -2,916 -6,503 -3,446 -2,423 * 2010 -2ª -4,075 -3,046 -3,695 -3,581 -2,487 * 2010 -3ª -4,287 -3,055 -4,427 -3,560 -2,561 * Período Observado E(Y/TMAR5) Resíduo padronizado L.I L.S 2007 -2ª -3,946 -3,759 -0,671 -4,140 -3,374 2007 -3ª -3,720 -3,685 -0,125 -4,050 -3,296 2007 -4ª -3,773 -3,364 -1,466 -3,791 -2,964 2008 -1ª -3,660 -3,319 -1,226 -3,734 -2,910 2008 -2ª -3,643 -3,046 -2,145 -3,539 -2,611 * 2008 -3ª -3,223 -2,975 -0,890 -3,442 -2,543 2008 -4ª -2,800 -3,093 1,054 -3,487 -2,686 2009 -1ª -3,462 -2,994 -1,683 -3,439 -2,580 * 2009 -2ª -3,647 -3,303 -1,236 -3,703 -2,871 2009 -3ª -4,132 -3,369 -2,739 -3,815 -2,968 * 2009 -4ª -3,824 -3,258 -2,035 -3,737 -2,823 * 2010 -1ª -4,046 -2,617 -5,132 -3,174 -2,067 * 2010 -2ª -3,743 -2,726 -3,652 -3,285 -2,212 * 2010 -3ª -3,823 -2,830 -3,565 -3,348 -2,366 * Período Observado E(Y/TNLP4 Resíduo padronizado L.I L.S 2007 -2ª -3,744 -3,856 0,403 -4,245 -3,483 2007 -3ª -3,879 -3,722 -0,564 -4,092 -3,366 2007 -4ª -3,960 -3,501 -1,649 -3,875 -3,082 * 2008 -1ª -3,239 -3,463 0,803 -3,862 -3,068 2008 -2ª -3,750 -3,023 -2,612 -3,460 -2,551 * 2008 -3ª -3,303 -3,097 -0,738 -3,554 -2,659 2008 -4ª -2,926 -3,208 1,011 -3,601 -2,811 2009 -1ª -3,537 -3,121 -1,495 -3,529 -2,718 * 2009 -2ª -4,028 -3,416 -2,198 -3,809 -3,031 * 2009 -3ª -3,941 -3,566 -1,345 -3,934 -3,151 * 2009 -4ª -3,875 -3,298 -2,071 -3,767 -2,854 * 2010 -1ª -4,068 -2,724 -4,827 -3,237 -2,185 * 2010 -2ª -3,861 -2,825 -3,722 -3,380 -2,306 * 2010 -3ª -3,814 -2,955 -3,085 -3,430 -2,473 * Período Observado E(Y/TRPL4) Resíduo padronizado L.I L.S 2007 -2ª -4,183 -3,575 -2,184 -3,976 -3,204 * 2007 -3ª -3,640 -3,659 0,067 -4,039 -3,246 2007 -4ª -3,762 -3,251 -1,836 -3,686 -2,874 * 185 2008 -1ª -3,744 -3,225 -1,864 -3,644 -2,830 * 2008 -2ª -3,626 -2,977 -2,332 -3,418 -2,547 * 2008 -3ª -3,620 -2,879 -2,661 -3,326 -2,425 * 2008 -4ª -3,092 -3,111 0,069 -3,496 -2,695 2009 -1ª -3,918 -2,982 -3,360 -3,386 -2,588 * 2009 -2ª -3,980 -3,336 -2,312 -3,749 -2,920 * 2009 -3ª -4,553 -3,369 -4,251 -3,795 -2,976 * 2009 -4ª -3,983 -3,282 -2,521 -3,771 -2,809 * 2010 -1ª -4,585 -2,569 -7,240 -3,133 -2,012 * 2010 -2ª -4,410 -2,782 -5,845 -3,386 -2,271 * 2010 -3ª -4,498 -2,921 -5,662 -3,474 -2,441 * Período Observado E(Y/USIM5) Resíduo padronizado L.I L.S 2007 -2ª -3,906 -3,503 -1,447 -3,877 -3,109 * 2007 -3ª -3,580 -3,562 -0,067 -3,920 -3,164 2007 -4ª -3,659 -3,214 -1,599 -3,639 -2,780 * 2008 -1ª -3,393 -3,175 -0,783 -3,600 -2,786 2008 -2ª -3,578 -2,860 -2,581 -3,309 -2,401 * 2008 -3ª -3,044 -2,845 -0,714 -3,351 -2,387 2008 -4ª -2,754 -2,932 0,638 -3,356 -2,493 2009 -1ª -3,307 -2,869 -1,574 -3,294 -2,440 * 2009 -2ª -3,508 -3,148 -1,292 -3,545 -2,753 2009 -3ª -3,802 -3,219 -2,094 -3,626 -2,802 * 2009 -4ª -3,849 -3,055 -2,852 -3,489 -2,602 * 2010 -1ª -3,888 -2,511 -4,945 -3,028 -2,003 * 2010 -2ª -3,679 -2,570 -3,982 -3,118 -2,029 * 2010 -3ª -3,977 -2,700 -4,588 -3,195 -2,236 * Período Observado E(Y/VALE5) Resíduo padronizado L.I L.S 2007 -2ª -4,055 -3,827 -0,819 -4,223 -3,442 2007 -3ª -3,594 -3,844 0,899 -4,259 -3,444 2007 -4ª -3,592 -3,460 -0,476 -3,880 -3,016 2008 -1ª -3,406 -3,399 -0,025 -3,843 -3,008 2008 -2ª -3,820 -3,106 -2,568 -3,565 -2,636 * 2008 -3ª -3,205 -3,153 -0,185 -3,638 -2,681 2008 -4ª -2,854 -3,218 1,308 -3,617 -2,785 2009 -1ª -3,350 -3,138 -0,760 -3,572 -2,714 2009 -2ª -3,684 -3,402 -1,014 -3,797 -2,991 2009 -3ª -3,974 -3,509 -1,670 -3,951 -3,078 * 2009 -4ª -3,774 -3,344 -1,545 -3,795 -2,881 2010 -1ª -4,128 -2,733 -5,012 -3,265 -2,164 * 2010 -2ª -3,705 -2,878 -2,971 -3,416 -2,354 * 2010 -3ª -4,090 -2,949 -4,096 -3,445 -2,414 * Período Observado E(Y/VCPA4+FIBR3) Resíduo padronizado L.I L.S 2007 -2ª -4,126 -3,823 -1,087 -4,217 -3,434 2007 -3ª -3,744 -3,845 0,364 -4,245 -3,471 2007 -4ª -3,609 -3,482 -0,459 -3,891 -3,055 2008 -1ª -3,487 -3,385 -0,368 -3,796 -3,005 2008 -2ª -3,968 -3,109 -3,085 -3,560 -2,669 * 2008 -3ª -3,210 -3,175 -0,126 -3,642 -2,724 2008 -4ª -2,647 -3,200 1,986 -3,600 -2,782 * 2009 -1ª -3,212 -3,063 -0,537 -3,489 -2,659 2009 -2ª -2,929 -3,345 1,495 -3,756 -2,952 * 2009 -3ª -3,647 -3,283 -1,306 -3,724 -2,854 2009 -4ª -3,507 -3,236 -0,974 -3,686 -2,757 2010 -1ª -3,554 -2,641 -3,278 -3,174 -2,114 * 186 2010 -2ª -3,514 -2,702 -2,916 -3,210 -2,156 * 2010 -3ª -3,705 -2,878 -2,970 -3,366 -2,352 * 187 APÊNDICE C: Previsões para o modelo linear misto final – FOCUS - Retorno Os asteriscos na tabela abaixo evidenciam que o observado está fora do intervalo de 95% de confiança calculado. Previsões para o modelo linear misto final – Log retornos Período Observado E(Y/AMBV4) Resíduo padronizado L.I L.S 2007 -2ª -0,014 0,014 -1,143 -0,031 0,060 2007 -3ª 0,043 0,009 1,398 -0,039 0,054 2007 -4ª -0,004 0,002 -0,274 -0,047 0,052 2008 -1ª 0,035 0,003 1,322 -0,048 0,043 2008 -2ª -0,033 -0,006 -1,106 -0,056 0,043 2008 -3ª 0,005 -0,007 0,490 -0,056 0,044 2008 -4ª 0,050 0,027 0,943 -0,021 0,075 2009 -1ª 0,024 0,019 0,193 -0,027 0,067 2009 -2ª -0,015 0,014 -1,190 -0,036 0,062 2009 -3ª 0,018 -0,005 0,966 -0,053 0,040 2009 -4ª 0,018 -0,020 1,533 -0,069 0,028 2010 -1ª -0,003 -0,007 0,151 -0,054 0,037 2010 -2ª -0,005 -0,008 0,134 -0,056 0,039 2010 -3ª 0,014 -0,011 1,036 -0,061 0,033 Período Observado E(Y/BRKM5) Resíduo padronizado L.I L.S 2007 -2ª 0,048 0,008 1,626 -0,036 0,049 2007 -3ª -0,020 0,003 -0,937 -0,044 0,050 2007 -4ª -0,021 -0,003 -0,722 -0,046 0,042 2008 -1ª 0,009 -0,003 0,482 -0,049 0,045 2008 -2ª -0,051 -0,012 -1,614 -0,057 0,033 2008 -3ª 0,004 -0,013 0,697 -0,059 0,033 2008 -4ª 0,018 0,021 -0,124 -0,025 0,064 2009 -1ª 0,025 0,013 0,466 -0,035 0,062 2009 -2ª 0,000 0,008 -0,335 -0,037 0,049 2009 -3ª -0,022 -0,011 -0,477 -0,060 0,034 2009 -4ª 0,012 -0,026 1,543 -0,071 0,023 2010 -1ª 0,001 -0,013 0,549 -0,061 0,035 2010 -2ª 0,035 -0,014 2,003 -0,062 0,033 * 2010 -3ª 0,018 -0,017 1,448 -0,061 0,033 Período Observado E(Y/BRTO4) Resíduo padronizado L.I L.S 2007 -2ª 0,038 0,014 1,007 -0,032 0,060 2007 -3ª 0,011 0,009 0,089 -0,039 0,054 2007 -4ª -0,028 0,002 -1,239 -0,044 0,050 2008 -1ª 0,031 0,003 1,143 -0,046 0,046 2008 -2ª -0,043 -0,006 -1,489 -0,057 0,041 188 2008 -3ª -0,004 -0,007 0,138 -0,057 0,038 2008 -4ª 0,049 0,027 0,930 -0,021 0,071 2009 -1ª 0,037 0,019 0,745 -0,027 0,067 2009 -2ª 0,004 0,014 -0,419 -0,033 0,063 2009 -3ª -0,028 -0,005 -0,937 -0,050 0,040 2009 -4ª 0,016 -0,020 1,467 -0,070 0,030 2010 -1ª 0,004 -0,007 0,458 -0,054 0,039 2010 -2ª -0,022 -0,008 -0,580 -0,051 0,043 2010 -3ª 0,009 -0,011 0,816 -0,055 0,039 Período Observado E(Y/CGAS5) Resíduo padronizado L.I L.S 2007 -2ª -0,006 0,008 -0,580 -0,041 0,059 2007 -3ª 0,010 0,003 0,286 -0,043 0,048 2007 -4ª 0,039 -0,003 1,734 -0,049 0,044 2008 -1ª 0,014 -0,003 0,680 -0,050 0,044 2008 -2ª -0,004 -0,012 0,354 -0,064 0,033 2008 -3ª -0,034 -0,013 -0,882 -0,058 0,035 2008 -4ª 0,014 0,021 -0,290 -0,026 0,067 2009 -1ª 0,013 0,013 -0,002 -0,033 0,061 2009 -2ª 0,004 0,008 -0,159 -0,038 0,055 2009 -3ª -0,001 -0,011 0,397 -0,056 0,038 2009 -4ª 0,001 -0,026 1,095 -0,072 0,019 2010 -1ª 0,014 -0,013 1,094 -0,060 0,033 2010 -2ª 0,010 -0,014 0,998 -0,062 0,032 2010 -3ª -0,013 -0,017 0,145 -0,062 0,032 Período Observado E(Y/CLSC6) Resíduo padronizado L.I L.S 2007 -2ª 0,013 0,008 0,208 -0,041 0,054 2007 -3ª 0,008 0,003 0,190 -0,046 0,048 2007 -4ª -0,019 -0,003 -0,648 -0,049 0,039 2008 -1ª 0,018 -0,003 0,879 -0,050 0,042 2008 -2ª 0,000 -0,012 0,492 -0,059 0,035 2008 -3ª 0,024 -0,013 1,516 -0,060 0,034 2008 -4ª 0,028 0,021 0,292 -0,025 0,067 2009 -1ª 0,016 0,013 0,091 -0,034 0,059 2009 -2ª 0,035 0,008 1,109 -0,043 0,054 2009 -3ª -0,005 -0,011 0,253 -0,058 0,036 2009 -4ª 0,025 -0,026 2,079 -0,071 0,025 * 2010 -1ª -0,001 -0,013 0,473 -0,058 0,035 2010 -2ª -0,013 -0,014 0,041 -0,060 0,031 2010 -3ª -0,004 -0,017 0,514 -0,062 0,031 Período Observado E(Y/CMIG4) Resíduo padronizado L.I L.S 2007 -2ª 0,030 0,011 0,793 -0,034 0,061 2007 -3ª 0,011 0,006 0,207 -0,037 0,053 189 2007 -4ª 0,003 -0,001 0,156 -0,045 0,047 2008 -1ª 0,037 0,000 1,536 -0,047 0,047 2008 -2ª -0,004 -0,009 0,207 -0,053 0,038 2008 -3ª 0,018 -0,010 1,159 -0,056 0,042 2008 -4ª 0,047 0,024 0,950 -0,022 0,071 2009 -1ª 0,034 0,016 0,722 -0,033 0,059 2009 -2ª 0,007 0,011 -0,153 -0,031 0,058 2009 -3ª -0,011 -0,008 -0,127 -0,055 0,039 2009 -4ª -0,007 -0,023 0,636 -0,070 0,025 2010 -1ª -0,001 -0,010 0,377 -0,060 0,038 2010 -2ª 0,001 -0,011 0,519 -0,056 0,038 2010 -3ª 0,005 -0,014 0,800 -0,061 0,035 Período Observado E(Y/CPLE6) Resíduo padronizado L.I L.S 2007 -2ª 0,029 0,014 0,637 -0,033 0,059 2007 -3ª 0,002 0,009 -0,262 -0,036 0,052 2007 -4ª -0,007 0,002 -0,405 -0,045 0,048 2008 -1ª 0,038 0,003 1,445 -0,044 0,047 2008 -2ª -0,015 -0,006 -0,375 -0,052 0,039 2008 -3ª 0,041 -0,007 1,973 -0,053 0,040 * 2008 -4ª 0,068 0,027 1,715 -0,021 0,073 2009 -1ª 0,029 0,019 0,390 -0,029 0,066 2009 -2ª 0,002 0,014 -0,500 -0,037 0,061 2009 -3ª -0,010 -0,005 -0,203 -0,054 0,038 2009 -4ª 0,032 -0,020 2,130 -0,069 0,027 * 2010 -1ª 0,008 -0,007 0,604 -0,053 0,041 2010 -2ª -0,031 -0,008 -0,946 -0,057 0,038 2010 -3ª -0,004 -0,011 0,294 -0,059 0,037 Período Observado E(Y/CSNA3) Resíduo padronizado L.I L.S 2007 -2ª 0,016 0,011 0,214 -0,031 0,057 2007 -3ª 0,049 0,006 1,789 -0,042 0,051 2007 -4ª -0,017 -0,001 -0,649 -0,041 0,043 2008 -1ª 0,038 0,000 1,584 -0,044 0,049 2008 -2ª -0,045 -0,009 -1,471 -0,057 0,036 2008 -3ª -0,034 -0,010 -0,962 -0,056 0,037 2008 -4ª 0,090 0,024 2,714 -0,025 0,070 * 2009 -1ª 0,031 0,016 0,634 -0,032 0,062 2009 -2ª -0,001 0,011 -0,505 -0,035 0,055 2009 -3ª -0,027 -0,008 -0,786 -0,055 0,039 2009 -4ª 0,004 -0,023 1,090 -0,070 0,025 2010 -1ª 0,027 -0,010 1,519 -0,061 0,040 2010 -2ª 0,015 -0,011 1,092 -0,060 0,033 2010 -3ª 0,006 -0,014 0,842 -0,062 0,032 190 Período Observado E(Y/ELET6) Resíduo padronizado L.I L.S 2007 -2ª 0,011 0,014 -0,129 -0,033 0,060 2007 -3ª 0,041 0,009 1,316 -0,035 0,055 2007 -4ª 0,004 0,002 0,081 -0,044 0,054 2008 -1ª 0,031 0,003 1,169 -0,044 0,048 2008 -2ª -0,034 -0,006 -1,152 -0,052 0,043 2008 -3ª -0,007 -0,007 0,004 -0,053 0,040 2008 -4ª 0,055 0,027 1,167 -0,022 0,075 2009 -1ª 0,024 0,019 0,216 -0,030 0,065 2009 -2ª 0,005 0,014 -0,367 -0,032 0,061 2009 -3ª -0,022 -0,005 -0,696 -0,049 0,041 2009 -4ª 0,040 -0,020 2,435 -0,067 0,029 * 2010 -1ª 0,022 -0,007 1,171 -0,053 0,043 2010 -2ª -0,018 -0,008 -0,376 -0,053 0,039 2010 -3ª 0,000 -0,011 0,449 -0,057 0,036 Período Observado E(Y/EMBR3) Resíduo padronizado L.I L.S 2007 -2ª 0,002 0,008 -0,239 -0,040 0,054 2007 -3ª 0,025 0,003 0,905 -0,044 0,048 2007 -4ª -0,002 -0,003 0,041 -0,051 0,045 2008 -1ª -0,001 -0,003 0,078 -0,047 0,044 2008 -2ª -0,018 -0,012 -0,238 -0,059 0,035 2008 -3ª -0,003 -0,013 0,410 -0,058 0,035 2008 -4ª 0,146 0,021 5,123 -0,028 0,069 * 2009 -1ª 0,040 0,013 1,112 -0,032 0,065 2009 -2ª -0,005 0,008 -0,538 -0,039 0,054 2009 -3ª -0,026 -0,011 -0,610 -0,058 0,038 2009 -4ª 0,037 -0,026 2,577 -0,068 0,020 * 2010 -1ª -0,011 -0,013 0,086 -0,059 0,033 2010 -2ª 0,013 -0,014 1,113 -0,062 0,029 2010 -3ª -0,009 -0,017 0,305 -0,065 0,035 Período Observado E(Y/GGBR4) Resíduo padronizado L.I L.S 2007 -2ª 0,020 0,011 0,382 -0,032 0,058 2007 -3ª 0,036 0,006 1,233 -0,037 0,052 2007 -4ª -0,033 -0,001 -1,346 -0,049 0,046 2008 -1ª 0,053 0,000 2,208 -0,048 0,042 * 2008 -2ª 0,005 -0,009 0,590 -0,051 0,039 2008 -3ª -0,016 -0,010 -0,242 -0,059 0,038 2008 -4ª 0,068 0,024 1,825 -0,025 0,070 2009 -1ª 0,040 0,016 0,964 -0,032 0,062 2009 -2ª 0,004 0,011 -0,269 -0,038 0,062 2009 -3ª -0,027 -0,008 -0,790 -0,057 0,039 2009 -4ª 0,016 -0,023 1,580 -0,072 0,026 191 2010 -1ª 0,035 -0,010 1,830 -0,055 0,036 2010 -2ª 0,001 -0,011 0,524 -0,057 0,035 2010 -3ª 0,004 -0,014 0,721 -0,064 0,033 Período Observado E(Y/KLBN4) Resíduo padronizado L.I L.S 2007 -2ª 0,003 0,008 -0,206 -0,037 0,056 2007 -3ª 0,010 0,003 0,289 -0,047 0,049 2007 -4ª -0,009 -0,003 -0,232 -0,049 0,042 2008 -1ª 0,050 -0,003 2,197 -0,046 0,047 * 2008 -2ª -0,029 -0,012 -0,683 -0,058 0,032 2008 -3ª 0,000 -0,013 0,535 -0,060 0,033 2008 -4ª 0,056 0,021 1,436 -0,030 0,070 2009 -1ª -0,018 0,013 -1,274 -0,036 0,059 2009 -2ª -0,007 0,008 -0,611 -0,040 0,052 2009 -3ª -0,034 -0,011 -0,948 -0,061 0,034 2009 -4ª 0,000 -0,026 1,050 -0,074 0,022 2010 -1ª 0,000 -0,013 0,518 -0,065 0,032 2010 -2ª 0,002 -0,014 0,667 -0,065 0,035 2010 -3ª 0,019 -0,017 1,469 -0,067 0,027 Período Observado E(Y/PETR4) Resíduo padronizado L.I L.S 2007 -2ª 0,022 0,011 0,473 -0,038 0,055 2007 -3ª 0,019 0,006 0,557 -0,045 0,050 2007 -4ª -0,016 -0,001 -0,626 -0,048 0,045 2008 -1ª 0,024 0,000 0,983 -0,047 0,050 2008 -2ª -0,003 -0,009 0,280 -0,057 0,038 2008 -3ª -0,006 -0,010 0,187 -0,058 0,040 2008 -4ª 0,072 0,024 1,980 -0,027 0,075 2009 -1ª 0,029 0,016 0,546 -0,033 0,066 2009 -2ª -0,020 0,011 -1,280 -0,039 0,057 2009 -3ª -0,022 -0,008 -0,563 -0,054 0,041 2009 -4ª 0,017 -0,023 1,636 -0,068 0,028 2010 -1ª 0,010 -0,010 0,821 -0,055 0,038 2010 -2ª -0,015 -0,011 -0,160 -0,059 0,038 2010 -3ª 0,008 -0,014 0,891 -0,061 0,031 Período Observado E(Y/TCSL4) Resíduo padronizado L.I L.S 2007 -2ª 0,027 0,014 0,527 -0,032 0,060 2007 -3ª 0,026 0,009 0,724 -0,036 0,057 2007 -4ª 0,043 0,002 1,688 -0,045 0,048 2008 -1ª 0,036 0,003 1,377 -0,042 0,050 2008 -2ª -0,070 -0,006 -2,633 -0,055 0,044 * 2008 -3ª 0,042 -0,007 2,027 -0,056 0,038 * 2008 -4ª 0,059 0,027 1,336 -0,026 0,075 2009 -1ª -0,021 0,019 -1,649 -0,028 0,066 192 2009 -2ª -0,026 0,014 -1,653 -0,033 0,062 2009 -3ª -0,014 -0,005 -0,357 -0,053 0,041 2009 -4ª 0,016 -0,020 1,447 -0,063 0,025 2010 -1ª -0,008 -0,007 -0,054 -0,055 0,040 2010 -2ª 0,012 -0,008 0,850 -0,060 0,039 2010 -3ª 0,009 -0,011 0,825 -0,058 0,038 Período Observado E(Y/TLPP4) Resíduo padronizado L.I L.S 2007 -2ª -0,005 0,008 -0,524 -0,040 0,056 2007 -3ª -0,011 0,003 -0,576 -0,045 0,046 2007 -4ª 0,003 -0,003 0,253 -0,053 0,043 2008 -1ª 0,046 -0,003 2,011 -0,051 0,044 * 2008 -2ª -0,026 -0,012 -0,567 -0,062 0,034 2008 -3ª 0,044 -0,013 2,335 -0,060 0,034 * 2008 -4ª 0,023 0,021 0,083 -0,025 0,066 2009 -1ª 0,004 0,013 -0,368 -0,032 0,059 2009 -2ª -0,004 0,008 -0,495 -0,041 0,055 2009 -3ª 0,003 -0,011 0,564 -0,056 0,034 2009 -4ª 0,002 -0,026 1,124 -0,071 0,024 2010 -1ª 0,007 -0,013 0,816 -0,063 0,035 2010 -2ª 0,001 -0,014 0,608 -0,060 0,033 2010 -3ª -0,003 -0,017 0,583 -0,063 0,034 Período Observado E(Y/TMAR5) Resíduo padronizado L.I L.S 2007 -2ª 0,001 0,014 -0,529 -0,032 0,060 2007 -3ª 0,015 0,009 0,258 -0,036 0,054 2007 -4ª 0,000 0,002 -0,097 -0,045 0,050 2008 -1ª 0,022 0,003 0,778 -0,044 0,054 2008 -2ª -0,033 -0,006 -1,112 -0,055 0,042 2008 -3ª 0,048 -0,007 2,277 -0,056 0,041 * 2008 -4ª 0,025 0,027 -0,074 -0,023 0,075 2009 -1ª 0,011 0,019 -0,318 -0,026 0,064 2009 -2ª 0,002 0,014 -0,488 -0,032 0,063 2009 -3ª -0,009 -0,005 -0,185 -0,052 0,043 2009 -4ª 0,009 -0,020 1,191 -0,068 0,029 2010 -1ª 0,018 -0,007 1,033 -0,051 0,042 2010 -2ª -0,010 -0,008 -0,077 -0,056 0,040 2010 -3ª -0,002 -0,011 0,358 -0,059 0,037 Período Observado E(Y/TNLP4 Resíduo padronizado L.I L.S 2007 -2ª 0,004 0,011 -0,273 -0,035 0,056 2007 -3ª 0,005 0,006 -0,036 -0,042 0,048 2007 -4ª -0,007 -0,001 -0,272 -0,048 0,044 2008 -1ª -0,013 0,000 -0,521 -0,046 0,050 2008 -2ª -0,065 -0,009 -2,285 -0,058 0,036 * 193 2008 -3ª 0,047 -0,010 2,349 -0,054 0,037 * 2008 -4ª 0,018 0,024 -0,225 -0,023 0,072 2009 -1ª -0,006 0,016 -0,914 -0,029 0,062 2009 -2ª 0,019 0,011 0,344 -0,037 0,060 2009 -3ª -0,028 -0,008 -0,799 -0,059 0,042 2009 -4ª 0,016 -0,023 1,596 -0,070 0,024 2010 -1ª -0,014 -0,010 -0,173 -0,056 0,037 2010 -2ª -0,004 -0,011 0,304 -0,058 0,040 2010 -3ª -0,015 -0,014 -0,040 -0,062 0,033 Período Observado E(Y/TRPL4) Resíduo padronizado L.I L.S 2007 -2ª 0,028 0,008 0,807 -0,040 0,055 2007 -3ª -0,014 0,003 -0,675 -0,044 0,050 2007 -4ª -0,018 -0,003 -0,607 -0,051 0,042 2008 -1ª 0,014 -0,003 0,692 -0,052 0,044 2008 -2ª -0,035 -0,012 -0,956 -0,060 0,035 2008 -3ª 0,012 -0,013 1,028 -0,060 0,035 2008 -4ª 0,027 0,021 0,253 -0,027 0,068 2009 -1ª 0,011 0,013 -0,091 -0,035 0,060 2009 -2ª 0,015 0,008 0,267 -0,038 0,055 2009 -3ª 0,007 -0,011 0,734 -0,057 0,037 2009 -4ª -0,003 -0,026 0,946 -0,074 0,023 2010 -1ª -0,001 -0,013 0,474 -0,060 0,036 2010 -2ª -0,017 -0,014 -0,110 -0,061 0,034 2010 -3ª 0,011 -0,017 1,122 -0,064 0,030 Período Observado E(Y/USIM5) Resíduo padronizado L.I L.S 2007 -2ª 0,036 0,011 1,028 -0,035 0,059 2007 -3ª 0,059 0,006 2,183 -0,042 0,054 * 2007 -4ª -0,021 -0,001 -0,837 -0,052 0,045 2008 -1ª 0,038 0,000 1,589 -0,046 0,041 2008 -2ª -0,047 -0,009 -1,530 -0,059 0,036 2008 -3ª -0,025 -0,010 -0,595 -0,060 0,036 2008 -4ª 0,079 0,024 2,290 -0,023 0,071 * 2009 -1ª 0,016 0,016 0,017 -0,032 0,064 2009 -2ª 0,026 0,011 0,614 -0,034 0,056 2009 -3ª -0,019 -0,008 -0,440 -0,057 0,039 2009 -4ª 0,032 -0,023 2,255 -0,073 0,026 * 2010 -1ª 0,032 -0,010 1,719 -0,058 0,036 2010 -2ª 0,025 -0,011 1,501 -0,060 0,038 2010 -3ª -0,005 -0,014 0,377 -0,063 0,034 Período Observado E(Y/VALE5) Resíduo padronizado L.I L.S 2007 -2ª 0,027 0,011 0,679 -0,031 0,060 2007 -3ª 0,063 0,006 2,360 -0,043 0,055 * 194 2007 -4ª -0,029 -0,001 -1,162 -0,049 0,045 2008 -1ª 0,022 0,000 0,900 -0,047 0,045 2008 -2ª -0,035 -0,009 -1,068 -0,054 0,039 2008 -3ª 0,000 -0,010 0,410 -0,056 0,037 2008 -4ª 0,092 0,024 2,822 -0,024 0,070 * 2009 -1ª 0,011 0,016 -0,202 -0,032 0,060 2009 -2ª 0,009 0,011 -0,079 -0,038 0,055 2009 -3ª -0,026 -0,008 -0,725 -0,060 0,040 2009 -4ª 0,031 -0,023 2,202 -0,070 0,025 * 2010 -1ª 0,008 -0,010 0,735 -0,059 0,039 2010 -2ª 0,007 -0,011 0,763 -0,062 0,035 2010 -3ª 0,010 -0,014 0,974 -0,060 0,032 Período Observado E(Y/VCPA4+FIBR3) Resíduo padronizado L.I L.S 2007 -2ª 0,008 0,014 -0,230 -0,035 0,061 2007 -3ª 0,013 0,009 0,192 -0,037 0,053 2007 -4ª -0,029 0,002 -1,290 -0,043 0,045 2008 -1ª 0,056 0,003 2,185 -0,043 0,052 * 2008 -2ª -0,023 -0,006 -0,695 -0,054 0,040 2008 -3ª 0,000 -0,007 0,295 -0,053 0,042 2008 -4ª 0,048 0,027 0,893 -0,021 0,070 2009 -1ª 0,027 0,019 0,339 -0,033 0,067 2009 -2ª -0,001 0,014 -0,615 -0,032 0,062 2009 -3ª -0,034 -0,005 -1,189 -0,053 0,039 2009 -4ª 0,005 -0,020 1,030 -0,067 0,029 2010 -1ª 0,020 -0,007 1,103 -0,052 0,040 2010 -2ª 0,012 -0,008 0,820 -0,058 0,037 2010 -3ª 0,006 -0,011 0,715 -0,058 0,035 195 APÊNDICE D: Previsões para o modelo linear misto final – Dados efetivamente observados - Volatilidade Previsões para o modelo linear misto final – Volatilidade dos retornos Periodo Observado E(Y/AMBV4) Resíduo padronizado L.I L.S 2007 -2ª -4,145 -4,418 1,012 -4,796 -4,029 2007 -3ª -3,896 -4,247 1,306 -4,608 -3,888 2007 -4ª -3,945 -4,195 0,927 -4,557 -3,800 2008 -1ª -3,634 -4,070 1,620 -4,424 -3,700 2008 -2ª -3,766 -4,083 1,180 -4,430 -3,718 2008 -3ª -3,631 -4,397 2,845 -4,762 -3,993 2008 -4ª -3,128 -4,435 4,857 -4,787 -4,040 2009 -1ª -3,805 -3,825 0,077 -4,215 -3,480 2009 -2ª -4,059 -4,140 0,298 -4,517 -3,757 2009 -3ª -4,347 -4,155 -0,715 -4,529 -3,784 2009 -4ª -3,983 -4,208 0,836 -4,570 -3,841 2010 -1ª -4,195 -4,029 -0,617 -4,392 -3,672 2010 -2ª -4,338 -4,140 -0,736 -4,498 -3,752 2010 -3ª -4,427 -4,306 -0,452 -4,665 -3,913 Periodo Observado E(Y/BRKM5) Resíduo padronizado L.I L.S 2007 -2ª -3,946 -3,891 -0,202 -4,288 -3,512 2007 -3ª -3,713 -3,838 0,464 -4,182 -3,471 2007 -4ª -3,747 -3,789 0,156 -4,176 -3,442 2008 -1ª -3,485 -3,662 0,655 -4,008 -3,301 2008 -2ª -3,611 -3,685 0,277 -4,076 -3,333 2008 -3ª -3,357 -3,997 2,378 -4,354 -3,655 2008 -4ª -2,940 -4,010 3,974 -4,372 -3,640 2009 -1ª -3,462 -3,419 -0,161 -3,782 -3,055 2009 -2ª -3,342 -3,700 1,333 -4,061 -3,354 2009 -3ª -3,577 -3,636 0,218 -4,036 -3,244 2009 -4ª -3,624 -3,677 0,197 -4,070 -3,320 2010 -1ª -3,994 -3,586 -1,515 -3,958 -3,226 2010 -2ª -3,841 -3,731 -0,411 -4,089 -3,368 2010 -3ª -4,024 -3,834 -0,708 -4,172 -3,473 Periodo Observado E(Y/BRTO4) Resíduo padronizado L.I L.S 2007 -2ª -3,900 -4,038 0,513 -4,435 -3,663 2007 -3ª -3,447 -3,897 1,670 -4,271 -3,528 2007 -4ª -3,592 -3,801 0,777 -4,147 -3,393 2008 -1ª -3,328 -3,697 1,369 -4,098 -3,332 2008 -2ª -3,658 -3,720 0,232 -4,092 -3,367 2008 -3ª -3,120 -4,075 3,549 -4,465 -3,693 196 2008 -4ª -2,719 -4,028 4,862 -4,406 -3,653 2009 -1ª -3,448 -3,440 -0,031 -3,809 -3,054 2009 -2ª -3,659 -3,766 0,396 -4,132 -3,394 2009 -3ª -4,095 -3,772 -1,201 -4,148 -3,391 2009 -4ª -3,732 -3,856 0,462 -4,227 -3,518 2010 -1ª -3,858 -3,678 -0,670 -4,059 -3,305 2010 -2ª -3,875 -3,770 -0,393 -4,136 -3,403 2010 -3ª -4,128 -3,909 -0,812 -4,306 -3,539 Periodo Observado E(Y/CGAS5) Resíduo padronizado L.I L.S 2007 -2ª -4,002 -4,123 0,451 -4,518 -3,751 2007 -3ª -3,900 -3,926 0,094 -4,296 -3,541 2007 -4ª -4,075 -3,904 -0,636 -4,278 -3,555 2008 -1ª -3,826 -3,807 -0,073 -4,183 -3,438 2008 -2ª -4,633 -3,833 -2,971 -4,238 -3,462 2008 -3ª -3,970 -4,290 1,190 -4,670 -3,932 2008 -4ª -3,507 -4,216 2,632 -4,588 -3,814 2009 -1ª -4,333 -3,615 -2,666 -4,003 -3,245 2009 -2ª -4,110 -3,961 -0,554 -4,362 -3,573 2009 -3ª -4,352 -3,875 -1,773 -4,233 -3,496 2009 -4ª -4,588 -3,918 -2,489 -4,301 -3,546 2010 -1ª -4,528 -3,867 -2,454 -4,231 -3,515 2010 -2ª -4,413 -3,919 -1,833 -4,295 -3,535 2010 -3ª -4,831 -4,031 -2,974 -4,416 -3,609 Periodo Observado E(Y/CLSC6) Resíduo padronizado L.I L.S 2007 -2ª -3,897 -4,077 0,669 -4,439 -3,692 2007 -3ª -4,093 -3,889 -0,757 -4,226 -3,537 2007 -4ª -3,824 -3,931 0,400 -4,265 -3,546 2008 -1ª -3,912 -3,739 -0,644 -4,118 -3,369 2008 -2ª -4,206 -3,837 -1,369 -4,214 -3,465 2008 -3ª -3,864 -4,185 1,193 -4,565 -3,804 2008 -4ª -3,260 -4,179 3,416 -4,547 -3,773 2009 -1ª -3,909 -3,548 -1,340 -3,904 -3,170 2009 -2ª -4,077 -3,857 -0,817 -4,217 -3,478 2009 -3ª -4,319 -3,853 -1,730 -4,251 -3,484 2009 -4ª -3,831 -3,897 0,245 -4,272 -3,533 2010 -1ª -4,067 -3,691 -1,396 -4,057 -3,329 2010 -2ª -4,098 -3,807 -1,079 -4,127 -3,436 2010 -3ª -4,718 -3,949 -2,855 -4,312 -3,560 Periodo Observado E(Y/CMIG4) Resíduo padronizado L.I L.S 2007 -2ª -4,140 -4,096 -0,166 -4,461 -3,717 2007 -3ª -3,814 -3,960 0,542 -4,333 -3,578 2007 -4ª -3,731 -3,891 0,595 -4,245 -3,492 197 2008 -1ª -3,636 -3,738 0,380 -4,107 -3,392 2008 -2ª -3,711 -3,798 0,323 -4,167 -3,420 2008 -3ª -3,649 -4,099 1,672 -4,476 -3,698 2008 -4ª -3,194 -4,152 3,560 -4,541 -3,788 2009 -1ª -3,809 -3,553 -0,949 -3,914 -3,158 2009 -2ª -3,927 -3,854 -0,271 -4,236 -3,491 2009 -3ª -4,528 -3,841 -2,553 -4,198 -3,476 2009 -4ª -3,920 -3,960 0,149 -4,319 -3,587 2010 -1ª -4,252 -3,730 -1,941 -4,096 -3,341 2010 -2ª -4,188 -3,866 -1,197 -4,241 -3,473 2010 -3ª -4,148 -3,988 -0,593 -4,367 -3,623 Periodo Observado E(Y/CPLE6) Resíduo padronizado L.I L.S 2007 -2ª -3,956 -4,053 0,361 -4,445 -3,666 2007 -3ª -3,631 -3,869 0,883 -4,224 -3,513 2007 -4ª -3,828 -3,800 -0,103 -4,183 -3,439 2008 -1ª -3,650 -3,707 0,211 -4,053 -3,351 2008 -2ª -3,812 -3,748 -0,237 -4,104 -3,339 2008 -3ª -3,378 -4,068 2,566 -4,456 -3,688 2008 -4ª -3,014 -4,042 3,822 -4,447 -3,648 2009 -1ª -3,855 -3,463 -1,457 -3,853 -3,099 2009 -2ª -3,782 -3,812 0,113 -4,179 -3,425 2009 -3ª -4,374 -3,758 -2,292 -4,126 -3,395 2009 -4ª -4,045 -3,875 -0,629 -4,246 -3,505 2010 -1ª -4,428 -3,704 -2,689 -4,050 -3,314 2010 -2ª -4,201 -3,851 -1,301 -4,211 -3,500 2010 -3ª -4,283 -3,938 -1,281 -4,291 -3,575 Periodo Observado E(Y/CSNA3) Resíduo padronizado L.I L.S 2007 -2ª -3,961 -3,984 0,082 -4,341 -3,619 2007 -3ª -3,739 -3,896 0,585 -4,235 -3,547 2007 -4ª -3,641 -3,849 0,773 -4,224 -3,487 2008 -1ª -3,337 -3,693 1,324 -4,053 -3,319 2008 -2ª -3,715 -3,708 -0,024 -4,082 -3,326 2008 -3ª -3,044 -4,074 3,827 -4,417 -3,676 2008 -4ª -2,586 -3,998 5,246 -4,384 -3,620 2009 -1ª -3,226 -3,398 0,639 -3,800 -3,026 2009 -2ª -3,560 -3,704 0,537 -4,059 -3,353 2009 -3ª -3,951 -3,737 -0,797 -4,114 -3,381 2009 -4ª -3,887 -3,812 -0,279 -4,188 -3,425 2010 -1ª -3,989 -3,697 -1,085 -4,075 -3,320 2010 -2ª -3,795 -3,784 -0,040 -4,140 -3,437 2010 -3ª -4,154 -3,878 -1,024 -4,271 -3,499 Periodo Observado E(Y/ELET6) Resíduo padronizado L.I L.S 198 2007 -2ª -4,156 -3,980 -0,657 -4,338 -3,609 2007 -3ª -3,640 -3,860 0,818 -4,211 -3,513 2007 -4ª -3,615 -3,751 0,504 -4,128 -3,387 2008 -1ª -3,447 -3,610 0,608 -3,990 -3,222 2008 -2ª -3,710 -3,654 -0,209 -4,016 -3,290 2008 -3ª -3,408 -3,995 2,184 -4,408 -3,626 2008 -4ª -3,065 -3,998 3,464 -4,375 -3,630 2009 -1ª -3,875 -3,423 -1,681 -3,804 -3,061 2009 -2ª -3,958 -3,765 -0,717 -4,147 -3,397 2009 -3ª -4,530 -3,744 -2,920 -4,122 -3,386 2009 -4ª -3,707 -3,858 0,558 -4,248 -3,439 2010 -1ª -3,616 -3,581 -0,129 -3,936 -3,169 2010 -2ª -4,150 -3,627 -1,943 -4,003 -3,252 2010 -3ª -4,379 -3,876 -1,867 -4,231 -3,494 Periodo Observado E(Y/EMBR3) Resíduo padronizado L.I L.S 2007 -2ª -4,545 -4,196 -1,296 -4,572 -3,824 2007 -3ª -3,699 -4,112 1,535 -4,505 -3,762 2007 -4ª -4,012 -3,933 -0,294 -4,307 -3,586 2008 -1ª -3,963 -3,864 -0,369 -4,239 -3,500 2008 -2ª -3,965 -3,933 -0,119 -4,307 -3,588 2008 -3ª -3,386 -4,219 3,097 -4,578 -3,870 2008 -4ª -2,933 -4,162 4,568 -4,513 -3,790 2009 -1ª -3,245 -3,564 1,183 -3,940 -3,184 2009 -2ª -3,386 -3,800 1,539 -4,161 -3,457 2009 -3ª -3,719 -3,791 0,267 -4,153 -3,420 2009 -4ª -3,752 -3,854 0,377 -4,216 -3,524 2010 -1ª -4,156 -3,760 -1,471 -4,129 -3,409 2010 -2ª -4,196 -3,911 -1,058 -4,300 -3,534 2010 -3ª -3,880 -4,055 0,651 -4,443 -3,689 Periodo Observado E(Y/GGBR4) Resíduo padronizado L.I L.S 2007 -2ª -3,989 -4,083 0,349 -4,457 -3,723 2007 -3ª -3,831 -3,980 0,552 -4,344 -3,626 2007 -4ª -3,720 -3,947 0,845 -4,299 -3,573 2008 -1ª -3,471 -3,788 1,178 -4,126 -3,404 2008 -2ª -3,562 -3,815 0,937 -4,173 -3,426 2008 -3ª -3,128 -4,119 3,683 -4,474 -3,740 2008 -4ª -2,707 -4,094 5,150 -4,456 -3,713 2009 -1ª -3,263 -3,502 0,886 -3,875 -3,112 2009 -2ª -3,428 -3,790 1,348 -4,148 -3,412 2009 -3ª -3,827 -3,786 -0,151 -4,151 -3,439 2009 -4ª -3,597 -3,863 0,988 -4,219 -3,506 2010 -1ª -3,925 -3,713 -0,787 -4,083 -3,332 2010 -2ª -3,775 -3,848 0,273 -4,196 -3,471 199 2010 -3ª -4,000 -3,952 -0,180 -4,311 -3,572 Periodo Observado E(Y/KLBN4) Resíduo padronizado L.I L.S 2007 -2ª -3,899 -3,986 0,322 -4,374 -3,600 2007 -3ª -3,580 -3,880 1,114 -4,242 -3,522 2007 -4ª -3,532 -3,813 1,042 -4,182 -3,459 2008 -1ª -3,574 -3,667 0,347 -4,053 -3,301 2008 -2ª -3,891 -3,756 -0,503 -4,118 -3,367 2008 -3ª -3,296 -4,109 3,018 -4,461 -3,731 2008 -4ª -2,959 -4,049 4,047 -4,441 -3,689 2009 -1ª -3,187 -3,475 1,068 -3,854 -3,129 2009 -2ª -3,489 -3,693 0,758 -4,061 -3,332 2009 -3ª -3,739 -3,719 -0,075 -4,108 -3,369 2009 -4ª -3,424 -3,764 1,261 -4,153 -3,380 2010 -1ª -3,735 -3,595 -0,518 -3,992 -3,215 2010 -2ª -3,544 -3,727 0,681 -4,111 -3,369 2010 -3ª -4,278 -3,822 -1,695 -4,171 -3,468 Periodo Observado E(Y/PETR4) Resíduo padronizado L.I L.S 2007 -2ª -4,309 -4,279 -0,109 -4,639 -3,914 2007 -3ª -3,807 -4,199 1,457 -4,565 -3,863 2007 -4ª -3,434 -4,093 2,449 -4,460 -3,711 2008 -1ª -3,429 -3,878 1,666 -4,272 -3,519 2008 -2ª -3,794 -3,957 0,604 -4,324 -3,597 2008 -3ª -3,244 -4,320 3,997 -4,704 -3,954 2008 -4ª -2,782 -4,269 5,524 -4,669 -3,940 2009 -1ª -3,589 -3,669 0,296 -4,017 -3,314 2009 -2ª -3,833 -4,011 0,662 -4,383 -3,666 2009 -3ª -4,188 -4,024 -0,609 -4,412 -3,705 2009 -4ª -4,059 -4,091 0,117 -4,476 -3,759 2010 -1ª -4,210 -3,962 -0,919 -4,355 -3,624 2010 -2ª -4,013 -4,060 0,176 -4,454 -3,678 2010 -3ª -3,919 -4,154 0,870 -4,550 -3,783 Periodo Observado E(Y/TCSL4) Resíduo padronizado L.I L.S 2007 -2ª -3,942 -3,977 0,130 -4,383 -3,607 2007 -3ª -3,881 -3,851 -0,111 -4,186 -3,476 2007 -4ª -3,505 -3,838 1,239 -4,196 -3,490 2008 -1ª -3,246 -3,623 1,402 -3,993 -3,269 2008 -2ª -3,677 -3,648 -0,110 -4,015 -3,265 2008 -3ª -3,453 -4,025 2,122 -4,398 -3,638 2008 -4ª -2,646 -4,044 5,192 -4,428 -3,656 2009 -1ª -3,584 -3,370 -0,797 -3,754 -3,010 2009 -2ª -3,542 -3,740 0,736 -4,111 -3,389 2009 -3ª -3,935 -3,692 -0,903 -4,062 -3,307 200 2009 -4ª -3,575 -3,767 0,715 -4,146 -3,413 2010 -1ª -3,815 -3,589 -0,839 -3,976 -3,242 2010 -2ª -3,826 -3,706 -0,446 -4,054 -3,339 2010 -3ª -4,032 -3,844 -0,698 -4,225 -3,446 Periodo Observado E(Y/TLPP4) Resíduo padronizado L.I L.S 2007 -2ª -4,124 -4,296 0,638 -4,672 -3,910 2007 -3ª -3,601 -4,140 2,002 -4,516 -3,767 2007 -4ª -3,885 -4,029 0,536 -4,381 -3,617 2008 -1ª -3,681 -3,955 1,016 -4,322 -3,607 2008 -2ª -3,945 -3,991 0,171 -4,336 -3,630 2008 -3ª -3,622 -4,332 2,640 -4,698 -3,969 2008 -4ª -3,421 -4,330 3,379 -4,686 -3,965 2009 -1ª -3,987 -3,785 -0,751 -4,161 -3,407 2009 -2ª -4,323 -4,076 -0,918 -4,445 -3,720 2009 -3ª -4,467 -4,109 -1,330 -4,487 -3,732 2009 -4ª -4,428 -4,131 -1,104 -4,529 -3,758 2010 -1ª -4,726 -4,021 -2,619 -4,372 -3,659 2010 -2ª -4,075 -4,150 0,281 -4,539 -3,783 2010 -3ª -4,287 -4,147 -0,520 -4,508 -3,776 Periodo Observado E(Y/TMAR5) Resíduo padronizado L.I L.S 2007 -2ª -3,946 -4,124 0,660 -4,507 -3,717 2007 -3ª -3,720 -3,956 0,876 -4,348 -3,565 2007 -4ª -3,773 -3,908 0,502 -4,307 -3,549 2008 -1ª -3,660 -3,784 0,460 -4,164 -3,434 2008 -2ª -3,643 -3,840 0,732 -4,216 -3,493 2008 -3ª -3,223 -4,121 3,337 -4,503 -3,721 2008 -4ª -2,800 -4,098 4,826 -4,498 -3,706 2009 -1ª -3,462 -3,506 0,163 -3,894 -3,160 2009 -2ª -3,647 -3,817 0,633 -4,178 -3,446 2009 -3ª -4,132 -3,818 -1,166 -4,169 -3,450 2009 -4ª -3,824 -3,913 0,328 -4,301 -3,547 2010 -1ª -4,046 -3,746 -1,113 -4,114 -3,393 2010 -2ª -3,743 -3,859 0,430 -4,216 -3,503 2010 -3ª -3,823 -3,930 0,398 -4,277 -3,559 Periodo Observado E(Y/TNLP4 Resíduo padronizado L.I L.S 2007 -2ª -3,744 -4,231 1,812 -4,613 -3,859 2007 -3ª -3,879 -4,017 0,512 -4,384 -3,672 2007 -4ª -3,960 -4,047 0,322 -4,411 -3,732 2008 -1ª -3,239 -3,929 2,561 -4,322 -3,575 2008 -2ª -3,750 -3,855 0,388 -4,226 -3,499 2008 -3ª -3,303 -4,249 3,514 -4,659 -3,881 2008 -4ª -2,926 -4,220 4,807 -4,593 -3,865 201 2009 -1ª -3,537 -3,638 0,373 -4,019 -3,308 2009 -2ª -4,028 -3,938 -0,335 -4,300 -3,559 2009 -3ª -3,941 -4,004 0,234 -4,384 -3,668 2009 -4ª -3,875 -3,977 0,379 -4,346 -3,603 2010 -1ª -4,068 -3,862 -0,765 -4,243 -3,484 2010 -2ª -3,861 -3,968 0,398 -4,339 -3,604 2010 -3ª -3,814 -4,060 0,912 -4,436 -3,728 Periodo Observado E(Y/TRPL4) Resíduo padronizado L.I L.S 2007 -2ª -4,183 -3,949 -0,872 -4,294 -3,579 2007 -3ª -3,640 -3,903 0,978 -4,261 -3,539 2007 -4ª -3,762 -3,788 0,095 -4,138 -3,408 2008 -1ª -3,744 -3,679 -0,241 -4,047 -3,305 2008 -2ª -3,626 -3,755 0,476 -4,127 -3,369 2008 -3ª -3,620 -4,015 1,466 -4,394 -3,629 2008 -4ª -3,092 -4,080 3,673 -4,464 -3,707 2009 -1ª -3,918 -3,465 -1,681 -3,847 -3,065 2009 -2ª -3,980 -3,812 -0,625 -4,188 -3,468 2009 -3ª -4,553 -3,786 -2,849 -4,149 -3,415 2009 -4ª -3,983 -3,900 -0,312 -4,262 -3,529 2010 -1ª -4,585 -3,677 -3,373 -4,041 -3,292 2010 -2ª -4,410 -3,871 -2,003 -4,234 -3,517 2010 -3ª -4,498 -3,969 -1,965 -4,346 -3,608 Periodo Observado E(Y/USIM5) Resíduo padronizado L.I L.S 2007 -2ª -3,906 -3,884 -0,082 -4,259 -3,495 2007 -3ª -3,580 -3,819 0,888 -4,173 -3,430 2007 -4ª -3,659 -3,750 0,340 -4,097 -3,380 2008 -1ª -3,393 -3,632 0,887 -3,996 -3,223 2008 -2ª -3,578 -3,655 0,284 -4,024 -3,277 2008 -3ª -3,044 -3,980 3,477 -4,354 -3,592 2008 -4ª -2,754 -3,933 4,378 -4,299 -3,543 2009 -1ª -3,307 -3,369 0,229 -3,717 -2,980 2009 -2ª -3,508 -3,657 0,553 -4,006 -3,292 2009 -3ª -3,802 -3,660 -0,525 -4,008 -3,245 2009 -4ª -3,849 -3,715 -0,499 -4,068 -3,357 2010 -1ª -3,888 -3,624 -0,983 -3,982 -3,229 2010 -2ª -3,679 -3,697 0,068 -4,091 -3,278 2010 -3ª -3,977 -3,788 -0,702 -4,180 -3,426 Periodo Observado E(Y/VALE5) Resíduo padronizado L.I L.S 2007 -2ª -4,055 -4,322 0,995 -4,610 -3,866 2007 -3ª -3,594 -4,226 2,347 -4,464 -3,764 2007 -4ª -3,592 -4,128 1,991 -4,376 -3,635 2008 -1ª -3,406 -3,993 2,180 -4,261 -3,523 202 2008 -2ª -3,820 -4,033 0,788 -4,278 -3,595 2008 -3ª -3,205 -4,406 4,463 -4,647 -3,942 2008 -4ª -2,854 -4,342 5,529 -4,601 -3,861 2009 -1ª -3,350 -3,765 1,542 -4,050 -3,281 2009 -2ª -3,684 -4,041 1,325 -4,295 -3,571 2009 -3ª -3,974 -4,073 0,367 -4,349 -3,611 2009 -4ª -3,774 -4,126 1,308 -4,391 -3,661 2010 -1ª -4,128 -3,983 -0,541 -4,264 -3,479 2010 -2ª -3,705 -4,123 1,553 -4,345 -3,661 2010 -3ª -4,090 -4,169 0,294 -4,415 -3,682 Periodo Observado E(Y/VCPA4+FIBR3) Resíduo padronizado L.I L.S 2007 -2ª -4,126 -4,215 0,331 -4,585 -3,851 2007 -3ª -3,744 -4,121 1,403 -4,494 -3,749 2007 -4ª -3,609 -4,040 1,601 -4,415 -3,670 2008 -1ª -3,487 -3,877 1,447 -4,232 -3,512 2008 -2ª -3,968 -3,930 -0,140 -4,289 -3,568 2008 -3ª -3,210 -4,318 4,117 -4,697 -3,968 2008 -4ª -2,647 -4,223 5,855 -4,607 -3,842 2009 -1ª -3,212 -3,601 1,444 -3,984 -3,226 2009 -2ª -2,929 -3,892 3,577 -4,271 -3,510 2009 -3ª -3,647 -3,792 0,540 -4,170 -3,412 2009 -4ª -3,507 -3,937 1,597 -4,342 -3,541 2010 -1ª -3,554 -3,806 0,938 -4,196 -3,431 2010 -2ª -3,514 -3,881 1,365 -4,223 -3,528 2010 -3ª -3,705 -4,008 1,127 -4,360 -3,615 203 APÊNDICE E: Previsões para o modelo linear misto final – Dados efetivamente observados - Retorno Previsões para o modelo linear misto final – Log retornos Periodo Observado E(Y/AMBV4) Resíduo padronizado L.I L.S 2007 -2ª -0,014 0,009 -0,965 -0,036 0,058 2007 -3ª 0,043 -0,006 2,015 -0,052 0,040 2007 -4ª -0,004 -0,011 0,259 -0,055 0,035 2008 -1ª 0,035 -0,014 2,016 -0,061 0,033 2008 -2ª -0,033 -0,005 -1,169 -0,050 0,043 2008 -3ª 0,005 -0,002 0,284 -0,049 0,046 2008 -4ª 0,050 -0,043 3,821 -0,091 0,009 2009 -1ª 0,024 -0,030 2,231 -0,079 0,020 2009 -2ª -0,015 0,000 -0,597 -0,045 0,046 2009 -3ª 0,018 -0,014 1,341 -0,062 0,029 2009 -4ª 0,018 -0,015 1,331 -0,062 0,035 2010 -1ª -0,003 -0,027 0,975 -0,076 0,022 2010 -2ª -0,005 -0,015 0,425 -0,062 0,029 2010 -3ª 0,014 -0,019 1,378 -0,071 0,029 Periodo Observado E(Y/BRKM5) Resíduo padronizado L.I L.S 2007 -2ª 0,048 0,004 1,808 -0,039 0,052 2007 -3ª -0,020 -0,012 -0,323 -0,061 0,034 2007 -4ª -0,021 -0,016 -0,190 -0,066 0,031 2008 -1ª 0,009 -0,020 1,175 -0,065 0,025 2008 -2ª -0,051 -0,011 -1,678 -0,059 0,038 2008 -3ª 0,004 -0,008 0,490 -0,056 0,036 2008 -4ª 0,018 -0,049 2,753 -0,101 0,003 2009 -1ª 0,025 -0,036 2,504 -0,086 0,010 2009 -2ª 0,000 -0,006 0,259 -0,051 0,042 2009 -3ª -0,022 -0,020 -0,104 -0,066 0,025 2009 -4ª 0,012 -0,021 1,341 -0,068 0,028 2010 -1ª 0,001 -0,033 1,373 -0,079 0,015 2010 -2ª 0,035 -0,021 2,296 -0,071 0,025 2010 -3ª 0,018 -0,025 1,791 -0,076 0,019 Periodo Observado E(Y/BRTO4) Resíduo padronizado L.I L.S 2007 -2ª 0,038 0,009 1,188 -0,034 0,056 2007 -3ª 0,011 -0,006 0,704 -0,052 0,036 2007 -4ª -0,028 -0,011 -0,708 -0,059 0,036 2008 -1ª 0,031 -0,014 1,837 -0,059 0,035 2008 -2ª -0,043 -0,005 -1,553 -0,052 0,039 2008 -3ª -0,004 -0,002 -0,069 -0,045 0,045 204 2008 -4ª 0,049 -0,043 3,808 -0,092 0,010 2009 -1ª 0,037 -0,030 2,784 -0,076 0,017 2009 -2ª 0,004 0,000 0,176 -0,047 0,045 2009 -3ª -0,028 -0,014 -0,565 -0,058 0,034 2009 -4ª 0,016 -0,015 1,265 -0,060 0,029 2010 -1ª 0,004 -0,027 1,281 -0,078 0,020 2010 -2ª -0,022 -0,015 -0,290 -0,065 0,031 2010 -3ª 0,009 -0,019 1,158 -0,066 0,029 Periodo Observado E(Y/CGAS5) Resíduo padronizado L.I L.S 2007 -2ª -0,006 0,004 -0,401 -0,040 0,052 2007 -3ª 0,010 -0,012 0,902 -0,056 0,033 2007 -4ª 0,039 -0,016 2,270 -0,063 0,028 2008 -1ª 0,014 -0,020 1,373 -0,067 0,029 2008 -2ª -0,004 -0,011 0,293 -0,058 0,037 2008 -3ª -0,034 -0,008 -1,091 -0,052 0,037 2008 -4ª 0,014 -0,049 2,586 -0,104 0,004 2009 -1ª 0,013 -0,036 2,036 -0,080 0,012 2009 -2ª 0,004 -0,006 0,435 -0,054 0,045 2009 -3ª -0,001 -0,020 0,771 -0,067 0,029 2009 -4ª 0,001 -0,021 0,892 -0,069 0,024 2010 -1ª 0,014 -0,033 1,918 -0,081 0,015 2010 -2ª 0,010 -0,021 1,290 -0,068 0,026 2010 -3ª -0,013 -0,025 0,486 -0,071 0,024 Periodo Observado E(Y/CLSC6) Resíduo padronizado L.I L.S 2007 -2ª 0,013 0,004 0,388 -0,042 0,050 2007 -3ª 0,008 -0,012 0,806 -0,061 0,035 2007 -4ª -0,019 -0,016 -0,116 -0,061 0,031 2008 -1ª 0,018 -0,020 1,572 -0,069 0,028 2008 -2ª 0,000 -0,011 0,431 -0,059 0,033 2008 -3ª 0,024 -0,008 1,311 -0,059 0,040 2008 -4ª 0,028 -0,049 3,169 -0,102 0,001 2009 -1ª 0,016 -0,036 2,129 -0,082 0,011 2009 -2ª 0,035 -0,006 1,705 -0,052 0,039 2009 -3ª -0,005 -0,020 0,627 -0,067 0,024 2009 -4ª 0,025 -0,021 1,877 -0,067 0,026 2010 -1ª -0,001 -0,033 1,297 -0,080 0,015 2010 -2ª -0,013 -0,021 0,332 -0,066 0,025 2010 -3ª -0,004 -0,025 0,855 -0,073 0,021 Periodo Observado E(Y/CMIG4) Resíduo padronizado L.I L.S 2007 -2ª 0,030 0,006 0,974 -0,041 0,051 2007 -3ª 0,011 -0,009 0,823 -0,058 0,033 2007 -4ª 0,003 -0,014 0,689 -0,059 0,032 205 2008 -1ª 0,037 -0,017 2,230 -0,066 0,027 2008 -2ª -0,004 -0,008 0,146 -0,056 0,034 2008 -3ª 0,018 -0,005 0,953 -0,054 0,043 2008 -4ª 0,047 -0,046 3,828 -0,100 0,003 2009 -1ª 0,034 -0,033 2,761 -0,084 0,014 2009 -2ª 0,007 -0,004 0,441 -0,049 0,043 2009 -3ª -0,011 -0,017 0,247 -0,063 0,030 2009 -4ª -0,007 -0,018 0,433 -0,068 0,033 2010 -1ª -0,001 -0,030 1,201 -0,078 0,017 2010 -2ª 0,001 -0,019 0,810 -0,070 0,028 2010 -3ª 0,005 -0,022 1,142 -0,070 0,023 Periodo Observado E(Y/CPLE6) Resíduo padronizado L.I L.S 2007 -2ª 0,029 0,009 0,818 -0,037 0,057 2007 -3ª 0,002 -0,006 0,353 -0,052 0,042 2007 -4ª -0,007 -0,011 0,127 -0,055 0,036 2008 -1ª 0,038 -0,014 2,139 -0,061 0,032 2008 -2ª -0,015 -0,005 -0,437 -0,055 0,038 2008 -3ª 0,041 -0,002 1,768 -0,049 0,046 2008 -4ª 0,068 -0,043 4,594 -0,096 0,005 2009 -1ª 0,029 -0,030 2,428 -0,075 0,014 2009 -2ª 0,002 0,000 0,094 -0,048 0,050 2009 -3ª -0,010 -0,014 0,171 -0,063 0,034 2009 -4ª 0,032 -0,015 1,929 -0,064 0,033 2010 -1ª 0,008 -0,027 1,428 -0,072 0,021 2010 -2ª -0,031 -0,015 -0,657 -0,069 0,033 2010 -3ª -0,004 -0,019 0,636 -0,069 0,028 Periodo Observado E(Y/CSNA3) Resíduo padronizado L.I L.S 2007 -2ª 0,016 0,006 0,394 -0,043 0,055 2007 -3ª 0,049 -0,009 2,407 -0,056 0,036 2007 -4ª -0,017 -0,014 -0,116 -0,063 0,032 2008 -1ª 0,038 -0,017 2,278 -0,063 0,030 2008 -2ª -0,045 -0,008 -1,535 -0,054 0,038 2008 -3ª -0,034 -0,005 -1,171 -0,052 0,038 2008 -4ª 0,090 -0,046 5,594 -0,096 0,005 2009 -1ª 0,031 -0,033 2,672 -0,084 0,013 2009 -2ª -0,001 -0,004 0,089 -0,051 0,046 2009 -3ª -0,027 -0,017 -0,413 -0,066 0,029 2009 -4ª 0,004 -0,018 0,888 -0,068 0,032 2010 -1ª 0,027 -0,030 2,344 -0,080 0,019 2010 -2ª 0,015 -0,019 1,384 -0,063 0,027 2010 -3ª 0,006 -0,022 1,184 -0,066 0,024 Periodo Observado E(Y/ELET6) Resíduo padronizado L.I L.S 206 2007 -2ª 0,011 0,009 0,050 -0,036 0,055 2007 -3ª 0,041 -0,006 1,934 -0,051 0,039 2007 -4ª 0,004 -0,011 0,615 -0,056 0,036 2008 -1ª 0,031 -0,014 1,863 -0,059 0,032 2008 -2ª -0,034 -0,005 -1,215 -0,050 0,040 2008 -3ª -0,007 -0,002 -0,204 -0,047 0,043 2008 -4ª 0,055 -0,043 4,045 -0,092 0,004 2009 -1ª 0,024 -0,030 2,254 -0,077 0,018 2009 -2ª 0,005 0,000 0,227 -0,053 0,045 2009 -3ª -0,022 -0,014 -0,322 -0,063 0,035 2009 -4ª 0,040 -0,015 2,234 -0,062 0,031 2010 -1ª 0,022 -0,027 1,996 -0,075 0,020 2010 -2ª -0,018 -0,015 -0,086 -0,063 0,035 2010 -3ª 0,000 -0,019 0,791 -0,067 0,026 Periodo Observado E(Y/EMBR3) Resíduo padronizado L.I L.S 2007 -2ª 0,002 0,004 -0,060 -0,043 0,049 2007 -3ª 0,025 -0,012 1,521 -0,058 0,034 2007 -4ª -0,002 -0,016 0,574 -0,063 0,033 2008 -1ª -0,001 -0,020 0,770 -0,066 0,027 2008 -2ª -0,018 -0,011 -0,300 -0,057 0,039 2008 -3ª -0,003 -0,008 0,203 -0,052 0,040 2008 -4ª 0,146 -0,049 8,006 -0,099 0,004 2009 -1ª 0,040 -0,036 3,151 -0,084 0,011 2009 -2ª -0,005 -0,006 0,056 -0,050 0,042 2009 -3ª -0,026 -0,020 -0,237 -0,065 0,028 2009 -4ª 0,037 -0,021 2,376 -0,069 0,026 2010 -1ª -0,011 -0,033 0,909 -0,078 0,016 2010 -2ª 0,013 -0,021 1,405 -0,068 0,022 2010 -3ª -0,009 -0,025 0,646 -0,074 0,022 Periodo Observado E(Y/GGBR4) Resíduo padronizado L.I L.S 2007 -2ª 0,020 0,006 0,562 -0,037 0,058 2007 -3ª 0,036 -0,009 1,850 -0,056 0,041 2007 -4ª -0,033 -0,014 -0,814 -0,061 0,034 2008 -1ª 0,053 -0,017 2,903 -0,065 0,028 2008 -2ª 0,005 -0,008 0,529 -0,051 0,040 2008 -3ª -0,016 -0,005 -0,450 -0,054 0,041 2008 -4ª 0,068 -0,046 4,704 -0,097 0,009 2009 -1ª 0,040 -0,033 3,003 -0,080 0,015 2009 -2ª 0,004 -0,004 0,326 -0,048 0,041 2009 -3ª -0,027 -0,017 -0,417 -0,064 0,028 2009 -4ª 0,016 -0,018 1,378 -0,065 0,028 2010 -1ª 0,035 -0,030 2,656 -0,080 0,018 2010 -2ª 0,001 -0,019 0,815 -0,063 0,030 207 2010 -3ª 0,004 -0,022 1,063 -0,068 0,029 Periodo Observado E(Y/KLBN4) Resíduo padronizado L.I L.S 2007 -2ª 0,003 0,004 -0,027 -0,044 0,051 2007 -3ª 0,010 -0,012 0,905 -0,059 0,035 2007 -4ª -0,009 -0,016 0,301 -0,066 0,032 2008 -1ª 0,050 -0,020 2,893 -0,068 0,024 2008 -2ª -0,029 -0,011 -0,745 -0,057 0,035 2008 -3ª 0,000 -0,008 0,329 -0,056 0,035 2008 -4ª 0,056 -0,049 4,315 -0,100 0,001 2009 -1ª -0,018 -0,036 0,762 -0,086 0,009 2009 -2ª -0,007 -0,006 -0,017 -0,053 0,039 2009 -3ª -0,034 -0,020 -0,575 -0,064 0,028 2009 -4ª 0,000 -0,021 0,847 -0,069 0,025 2010 -1ª 0,000 -0,033 1,342 -0,082 0,012 2010 -2ª 0,002 -0,021 0,958 -0,071 0,029 2010 -3ª 0,019 -0,025 1,812 -0,076 0,021 Periodo Observado E(Y/PETR4) Resíduo padronizado L.I L.S 2007 -2ª 0,022 0,006 0,653 -0,039 0,054 2007 -3ª 0,019 -0,009 1,174 -0,060 0,035 2007 -4ª -0,016 -0,014 -0,094 -0,059 0,032 2008 -1ª 0,024 -0,017 1,677 -0,063 0,028 2008 -2ª -0,003 -0,008 0,219 -0,052 0,038 2008 -3ª -0,006 -0,005 -0,020 -0,053 0,040 2008 -4ª 0,072 -0,046 4,859 -0,099 0,003 2009 -1ª 0,029 -0,033 2,584 -0,080 0,017 2009 -2ª -0,020 -0,004 -0,687 -0,048 0,043 2009 -3ª -0,022 -0,017 -0,190 -0,064 0,030 2009 -4ª 0,017 -0,018 1,434 -0,062 0,032 2010 -1ª 0,010 -0,030 1,645 -0,077 0,017 2010 -2ª -0,015 -0,019 0,130 -0,063 0,028 2010 -3ª 0,008 -0,022 1,233 -0,069 0,029 Periodo Observado E(Y/TCSL4) Resíduo padronizado L.I L.S 2007 -2ª 0,027 0,009 0,708 -0,038 0,055 2007 -3ª 0,026 -0,006 1,341 -0,056 0,038 2007 -4ª 0,043 -0,011 2,224 -0,056 0,038 2008 -1ª 0,036 -0,014 2,071 -0,064 0,030 2008 -2ª -0,070 -0,005 -2,698 -0,052 0,041 2008 -3ª 0,042 -0,002 1,822 -0,050 0,048 2008 -4ª 0,059 -0,043 4,215 -0,092 0,008 2009 -1ª -0,021 -0,030 0,386 -0,077 0,015 2009 -2ª -0,026 0,000 -1,060 -0,049 0,046 2009 -3ª -0,014 -0,014 0,016 -0,063 0,033 208 2009 -4ª 0,016 -0,015 1,245 -0,063 0,036 2010 -1ª -0,008 -0,027 0,769 -0,075 0,025 2010 -2ª 0,012 -0,015 1,142 -0,061 0,030 2010 -3ª 0,009 -0,019 1,166 -0,068 0,029 Periodo Observado E(Y/TLPP4) Resíduo padronizado L.I L.S 2007 -2ª -0,005 0,004 -0,344 -0,045 0,052 2007 -3ª -0,011 -0,012 0,039 -0,059 0,039 2007 -4ª 0,003 -0,016 0,787 -0,060 0,036 2008 -1ª 0,046 -0,020 2,706 -0,065 0,027 2008 -2ª -0,026 -0,011 -0,630 -0,061 0,035 2008 -3ª 0,044 -0,008 2,130 -0,053 0,042 2008 -4ª 0,023 -0,049 2,959 -0,102 0,006 2009 -1ª 0,004 -0,036 1,669 -0,084 0,014 2009 -2ª -0,004 -0,006 0,099 -0,052 0,038 2009 -3ª 0,003 -0,020 0,939 -0,072 0,028 2009 -4ª 0,002 -0,021 0,921 -0,068 0,024 2010 -1ª 0,007 -0,033 1,640 -0,081 0,015 2010 -2ª 0,001 -0,021 0,899 -0,070 0,026 2010 -3ª -0,003 -0,025 0,924 -0,071 0,021 Periodo Observado E(Y/TMAR5) Resíduo padronizado L.I L.S 2007 -2ª 0,001 0,009 -0,350 -0,034 0,055 2007 -3ª 0,015 -0,006 0,874 -0,050 0,041 2007 -4ª 0,000 -0,011 0,436 -0,057 0,039 2008 -1ª 0,022 -0,014 1,471 -0,059 0,034 2008 -2ª -0,033 -0,005 -1,175 -0,054 0,043 2008 -3ª 0,048 -0,002 2,073 -0,052 0,042 2008 -4ª 0,025 -0,043 2,802 -0,094 0,005 2009 -1ª 0,011 -0,030 1,719 -0,080 0,018 2009 -2ª 0,002 0,000 0,106 -0,047 0,048 2009 -3ª -0,009 -0,014 0,189 -0,060 0,035 2009 -4ª 0,009 -0,015 0,988 -0,059 0,034 2010 -1ª 0,018 -0,027 1,858 -0,073 0,027 2010 -2ª -0,010 -0,015 0,214 -0,064 0,031 2010 -3ª -0,002 -0,019 0,699 -0,068 0,030 Periodo Observado E(Y/TNLP4 Resíduo padronizado L.I L.S 2007 -2ª 0,004 0,006 -0,094 -0,040 0,051 2007 -3ª 0,005 -0,009 0,580 -0,059 0,038 2007 -4ª -0,007 -0,014 0,261 -0,062 0,035 2008 -1ª -0,013 -0,017 0,171 -0,063 0,028 2008 -2ª -0,065 -0,008 -2,350 -0,052 0,042 2008 -3ª 0,047 -0,005 2,145 -0,054 0,041 2008 -4ª 0,018 -0,046 2,651 -0,095 0,005 209 2009 -1ª -0,006 -0,033 1,123 -0,082 0,018 2009 -2ª 0,019 -0,004 0,939 -0,049 0,042 2009 -3ª -0,028 -0,017 -0,426 -0,065 0,027 2009 -4ª 0,016 -0,018 1,394 -0,067 0,027 2010 -1ª -0,014 -0,030 0,650 -0,077 0,020 2010 -2ª -0,004 -0,019 0,595 -0,068 0,027 2010 -3ª -0,015 -0,022 0,301 -0,066 0,022 Periodo Observado E(Y/TRPL4) Resíduo padronizado L.I L.S 2007 -2ª 0,028 0,004 0,987 -0,040 0,048 2007 -3ª -0,014 -0,012 -0,060 -0,057 0,036 2007 -4ª -0,018 -0,016 -0,075 -0,060 0,029 2008 -1ª 0,014 -0,020 1,385 -0,067 0,026 2008 -2ª -0,035 -0,011 -1,019 -0,055 0,037 2008 -3ª 0,012 -0,008 0,822 -0,056 0,038 2008 -4ª 0,027 -0,049 3,129 -0,099 0,003 2009 -1ª 0,011 -0,036 1,946 -0,083 0,014 2009 -2ª 0,015 -0,006 0,862 -0,051 0,041 2009 -3ª 0,007 -0,020 1,109 -0,065 0,027 2009 -4ª -0,003 -0,021 0,743 -0,065 0,027 2010 -1ª -0,001 -0,033 1,298 -0,078 0,015 2010 -2ª -0,017 -0,021 0,180 -0,068 0,024 2010 -3ª 0,011 -0,025 1,464 -0,071 0,023 Periodo Observado E(Y/USIM5) Resíduo padronizado L.I L.S 2007 -2ª 0,036 0,006 1,209 -0,040 0,053 2007 -3ª 0,059 -0,009 2,801 -0,052 0,037 2007 -4ª -0,021 -0,014 -0,305 -0,059 0,031 2008 -1ª 0,038 -0,017 2,283 -0,066 0,028 2008 -2ª -0,047 -0,008 -1,593 -0,056 0,040 2008 -3ª -0,025 -0,005 -0,803 -0,054 0,041 2008 -4ª 0,079 -0,046 5,170 -0,097 0,004 2009 -1ª 0,016 -0,033 2,055 -0,082 0,015 2009 -2ª 0,026 -0,004 1,210 -0,051 0,043 2009 -3ª -0,019 -0,017 -0,067 -0,061 0,030 2009 -4ª 0,032 -0,018 2,054 -0,067 0,029 2010 -1ª 0,032 -0,030 2,545 -0,080 0,017 2010 -2ª 0,025 -0,019 1,793 -0,065 0,027 2010 -3ª -0,005 -0,022 0,718 -0,070 0,023 Periodo Observado E(Y/VALE5) Resíduo padronizado L.I L.S 2007 -2ª 0,027 0,006 0,859 -0,043 0,053 2007 -3ª 0,063 -0,009 2,979 -0,054 0,041 2007 -4ª -0,029 -0,014 -0,630 -0,063 0,035 2008 -1ª 0,022 -0,017 1,594 -0,066 0,027 210 2008 -2ª -0,035 -0,008 -1,132 -0,054 0,039 2008 -3ª 0,000 -0,005 0,203 -0,050 0,044 2008 -4ª 0,092 -0,046 5,703 -0,096 0,006 2009 -1ª 0,011 -0,033 1,836 -0,082 0,012 2009 -2ª 0,009 -0,004 0,516 -0,051 0,045 2009 -3ª -0,026 -0,017 -0,352 -0,067 0,027 2009 -4ª 0,031 -0,018 2,001 -0,068 0,030 2010 -1ª 0,008 -0,030 1,559 -0,077 0,019 2010 -2ª 0,007 -0,019 1,055 -0,067 0,031 2010 -3ª 0,010 -0,022 1,316 -0,068 0,026 Periodo Observado E(Y/VCPA4+FIBR3) Resíduo padronizado L.I L.S 2007 -2ª 0,008 0,009 -0,050 -0,037 0,057 2007 -3ª 0,013 -0,006 0,808 -0,050 0,043 2007 -4ª -0,029 -0,011 -0,758 -0,055 0,036 2008 -1ª 0,056 -0,014 2,880 -0,061 0,032 2008 -2ª -0,023 -0,005 -0,757 -0,052 0,040 2008 -3ª 0,000 -0,002 0,088 -0,049 0,046 2008 -4ª 0,048 -0,043 3,771 -0,094 0,007 2009 -1ª 0,027 -0,030 2,377 -0,082 0,017 2009 -2ª -0,001 0,000 -0,021 -0,051 0,043 2009 -3ª -0,034 -0,014 -0,817 -0,063 0,033 2009 -4ª 0,005 -0,015 0,827 -0,064 0,032 2010 -1ª 0,020 -0,027 1,928 -0,074 0,020 2010 -2ª 0,012 -0,015 1,112 -0,063 0,031 2010 -3ª 0,006 -0,019 1,057 -0,067 0,026