Upload
vankhue
View
219
Download
2
Embed Size (px)
Citation preview
UNIVERSIDADE ESTÁCIO DE SÁ
AS VARIÁVEIS FUNDAMENTALISTAS NO APREÇAMENTO DE ATIVOS NOS
SETORES ELÉTRICO, SIDERÚRGICO E TELECOMUNICAÇÕES NA BOVESPA.
RODRIGO BOAVENTURA
RIO DE JANEIRO
2009
RODRIGO BOAVENTURA
AS VARIÁVEIS FUNDAMENTALISTAS NO APREÇAMENTO DE ATIVOS NOS
SETORES ELÉTRICO, SIDERÚRGICO E TELECOMUNICAÇÕES NA BOVESPA.
Dissertação apresentada à Universidade
Estácio de Sá como exigência para
obtenção do grau de Mestre em
Administração e Desenvolvimento
Empresarial.
ORIENTADOR: PROF. DR. ANTONIO CARLOS MAGALHÃES DA SILVA
UNESA
2009
A Deus, fonte de inspiração da minha
vida, o grande responsável pelo
resultado do trabalho e por todo o meu
sucesso. Esteve, está e estará presente
ao meu lado, sempre me mostrando o
caminho certo e enfatizando que apesar
de vir as adversidades, sempre virão as
glórias; aqui está uma delas que Ele
permitiu que acontecesse, no campo
profissional, além de fazer várias obras
no pessoal e afetivo.
AGRADECIMENTOS
Em primeiro lugar ao meu orientador, Professor Dr. Antonio Carlos Magalhães
da Silva pela orientação, dando certeza de que, além de orientador, é um grande
amigo, contribuindo em momentos difíceis, até mesmo quando pensei que não
chegaria a lugar algum, lá estava ele, tendo sempre soluções práticas e rápidas para
os diversos problemas que apareceram na confecção deste trabalho.
A minha esposa Judith Regina por ter sido companheira e compreensível,
estando sempre ao meu lado, dando-me forças mesmo quando não podia
despender minha atenção a ela, e me mostrando que iria vencer apesar das
dificuldades que poderiam advir. A ela mais um agradecimento, por estar grávida de
nosso primeiro filho, mostrando mais uma vez sua paciência e atenção comigo.
Aos meus pais Leuzinger e Maria de Lourdes, que me mostraram o exemplo
da verdade, caráter e obediência a Deus, abdicando de possíveis momentos de
lazer para que eu pudesse realizar meus sonhos, sempre me incentivando a estudar
para que eu pudesse ter sucesso profissional e fazer com que eles se orgulhassem
de mim.
Aos meus sogros, Ney e Sônia, aos meus cunhados, Alexandre, Yolanda, e
Junior, às minhas irmãs, Alessandra e Lilian Márcia, e ao meu tio Levi, pela ajuda
incondicional, por menor que fosse não me deixando perder o foco no resultado e,
sendo sempre muito amigos e compreensivos.
Aos meus grandes amigos, Alex, Alexandre Xavier, Fernando Tadeu,
Jonnathan, Júlio César, Lidiane, Marcelo Soares, Márcio Azevedo, Paulo César,
Vinícius Guedes, Túlio Morais, que sempre estavam ao meu lado, mostrando-se
verdadeiros irmãos, ajudando-me em inúmeras oportunidades e, mostrando que
sem a ajuda deles não seria possível realizar nada.
Aos meus amigos Ramalho e Márcia França, que me ajudaram de forma
preponderante quanto à procura de material para que eu confeccionasse essa
dissertação, em que por várias vezes necessitei da ajuda deles, e mesmo assim
sempre se apresentaram com muita gentileza e presteza, dando-me o apoio além do
esperado, eu devo lhes agradecer, pois foi fundamental a participação deles neste
trabalho.
À professora Adriana Leitão Martins pela revisão deste trabalho, e por toda
ajuda que me foi dada, pois exerceu grande papel para a finalização deste trabalho.
Além disso, agradeço muito toda a força que ela e sua mãe me deram, até porque
são amigas íntimas e peças fundamentais em minha vida.
Ao professor Dr. Jesus Domech Moré, pela dedicação e tempo despendidos a
fim de aperfeiçoar este trabalho, sempre dando críticas construtivas e mostrando o
melhor caminho para a confecção da dissertação.
Ao professor Dr. José Geraldo, pelas contribuições e por toda a paciência
desprendida comigo, principalmente, no período de confecção da dissertação, que
foi justamente quando casei, sendo receptivo e muito solícito, desejo toda a saúde e
paz.
Boaventura, R.; AS VARIÁVEIS FUNDAMENTALISTAS NO APREÇAMENTO DE
ATIVOS NOS SETORES ELÉTRICO, SIDERÚRGICO E TELECOMUNICAÇÕES
NA BOVESPA. Mestrado de Administração e Desenvolvimento Empresarial
(Universidade Estácio de Sá, 2009).
RESUMO
O modelo de apreçamento de ativos (CAPM) ocupa um lugar fundamental,
dentre os modelos de formação de preços. Este modelo unidimensional relaciona a
rentabilidade esperada de um ativo, no mercado em equilíbrio, com seu risco não
diversificável ou sistemático, também conhecido pela variável Beta. Contudo, depois
da publicação do trabalho de Sharpe em 1964, vários trabalhos têm anunciado que o
CAPM apresenta imperfeições, como a possibilidade de existência de variáveis
fundamentalistas que possam explicar as variações nas rentabilidades das ações
complementarmente a Beta ou até mesmo sem o próprio Beta. Sendo assim, o
objetivo do presente trabalho é verificar a influência de algumas variáveis
fundamentalistas, além do Beta, na explicação dos retornos das ações de três
setores (elétrica, siderurgia e telecomunicações) negociadas à vista na Bolsa de
Valores de São Paulo, durante o período de março/1999 a dezembro/2008, usando
a metodologia SUR, proposta por Zellner (1962). No período analisado, pôde-se
constatar que existiu a influência significativa do índice preço/lucro (P/L) no
apreçamento das carteiras de ações. Quanto ao Beta, sua força explicativa ainda é
fundamental na relação risco-retorno, não podendo ser desprezado. Contudo, no
que diz respeito ao CAPM, os testes apontaram para uma má especificação do
modelo, sugerindo características multidimensionais para o risco de ações.
Palavras-chave: mercado de capitais, método de apreçamento de ativos, CAPM.
Boaventura, R.; AS VARIÁVEIS FUNDAMENTALISTAS NO APREÇAMENTO DE
ATIVOS NOS SETORES ELÉTRICO, SIDERÚRGICO E TELECOMUNICAÇÕES
NA BOVESPA. Mestrado de Administração e Desenvolvimento Empresarial
(Universidade Estácio de Sá, 2009).
ABSTRACT
The capital asset pricing model (CAPM) published for Sharpe in 1964, has an
important place in capital markets. This model does a prediction for an expected
return of an asset in the equilibrium market, with your Beta or systematic risk. Then,
after 1964 a plenty of papers have newed that the CAPM has presented some
mistakes, as the possibility of the existence of fundamentalists variables that can
explain the expected returns with Beta or without it. So, the goal of this paper is to
observe the influence of fundamentalists variables besides Beta in the explanation of
assets returns of three sectories (electric, siderurgy, telecomunications) trading in the
Sao Paulo Stock Exchange, during the period of March 1999 up to December 2008,
applying the SUR method of Zellner (1962). In the analyzed period, it could be
observed the significative influence of price/earn (P/E) for the asset portfolios pricing.
Concerning to the Beta, its explanation power still is fundamental in the relationship
risk-return, so it can not be excluded. Therefore, about the CAPM, the tests pointed
out for a bad specification of this kind of asset pricing model, suggesting
multidimensional characters model for risk of the assets.
Keywords: capital markets, asset pricing model, CAPM.
7
LISTA DE TABELAS
Tabela 4.1 Regressão com dados contemporâneos do setor de
siderurgia
65
Tabela 4.2 Regressão com dados defasados do setor de siderurgia 66
Tabela 4.3 Regressão com dados contemporâneos do setor de elétrica 70
Tabela 4.4 Regressão com dados defasados do setor de elétrica 71
Tabela 4.5 Regressão com dados contemporâneos do setor de
telecomunicações
74
Tabela 4.6 Regressão com dados defasados do setor de
telecomunicações
76
8
SUMÁRIO
1. INTRODUÇÃO.......................................................................................................11
1.1. CONTEXTUALIZAÇÃO DO PROBLEMA............................................................11
1.2. TEMA...................................................................................................................13
1.3. FORMULAÇÃO DO PROBLEMA........................................................................13
1.3.1. PROBLEMA DA PESQUISA............................................................................13
1.3.2. QUESTÕES NORTEADORAS.........................................................................13
1.4. OBJETIVOS........................................................................................................14
1.4.1. OBJETIVO GERAL...........................................................................................14
1.4.2. OBJETIVOS SECUNDÁRIOS..........................................................................14
1.5. RELEVÂNCIA SOCIAL E CIENTÍFICA...............................................................15
1.6. DELIMITAÇÃO DO ESTUDO..............................................................................16
2. REFERENCIAL TEÓRICO.....................................................................................18
2.1. MODELO DE PRECIFICAÇÃO DE ATIVOS (CAPM).........................................18
2.1.1. DEFESAS E CRÍTICAS DO CAPM..................................................................22
2.1.2. EFEITO TAMANHO..........................................................................................29
2.1.3. VALUE E GROWTH STOCKS.........................................................................35
2.1.4. VENDAS À DESCOBERTO.............................................................................37
2.2. PRINCIPAIS AUTORES ACERCA DA RELAÇÃO RISCO-RETORNO..............39
3. METODOLOGIA DE PESQUISA...........................................................................48
3.1. METODOLOGIA..................................................................................................48
3.1.1. TIPOLOGIA......................................................................................................48
3.1.2. ABORDAGEM..................................................................................................48
3.1.3. ARGUMENTAÇÃO...........................................................................................49
9
3.1.4. SELEÇÃO E COLETA DE DADOS..................................................................49
3.1.5. REGRESSÃO APARENTEMENTE NÃO RELACIONADA (SUR)...................54
3.1.6. TRATAMENTO DE DADOS.............................................................................60
3.1.6.1. APLICAÇÃO DO MÉTODO...........................................................................61
3.2. LIMITAÇÕES.......................................................................................................61
4. ANÁLISE DE RESULTADOS................................................................................64
4.1. ANÁLISE DENTRO DOS SETORES..................................................................65
4.1.1. SETOR DE SIDERURGIA................................................................................65
4.1.2. SETOR ELÉTRICO..........................................................................................70
4.1.3. SETOR DE TELECOMUNICAÇÕES...............................................................74
4.2. ANÁLISE ENTRE SETORES..............................................................................79
5. CONCLUSÕES E RECOMENDAÇÕES................................................................83
5.1. CONCLUSÕES...................................................................................................83
5.2. RECOMENDAÇÕES...........................................................................................86
REFERÊNCIAS..........................................................................................................89
ANEXO A - AÇÕES QUE FORAM UTILIZADAS NO ESTUDO.................................97
ANEXO B – RESULTADOS DA REGRESSÃO DO SETOR DE SIDERURGIA
CONTEMPORÂNEA..................................................................................................98
ANEXO C – SIGNIFICADO DOS COEFICIENTES UTILIZADOS NO SETOR DE
SIDERURGIA NAS REGRESSÕES CONTEMPORÂNEA E DEFASADA...............101
ANEXO D – RESULTADOS DA REGRESSÃO DO SETOR DE SIDERURGIA
DEFASADA..............................................................................................................103
ANEXO E – RESULTADOS DA REGRESSÃO DO SETOR DE ELÉTRICA
CONTEMPORÂNEA................................................................................................106
10
ANEXO F – SIGNIFICADO DOS COEFICIENTES UTILIZADOS NO SETOR DE
ELÉTRICA NAS REGRESSÕES CONTEMPORÂNEA E DEFASADA...................108
ANEXO G – RESULTADOS DA REGRESSÃO DO SETOR DE ELÉTRICA
DEFASADA..............................................................................................................109
ANEXO H – RESULTADOS DA REGRESSÃO DO SETOR DE TELECOM
CONTEMPORÂNEA................................................................................................111
ANEXO I – SIGNIFICADO DOS COEFICIENTES UTILIZADOS NO SETOR DE
TELECOM NAS REGRESSÕES CONTEMPORÂNEA E DEFASADA....................114
ANEXO J – RESULTADOS DA REGRESSÃO DO SETOR DE TELECOM
DEFASADA..............................................................................................................116
11
1. INTRODUÇÃO
1.1. CONTEXTUALIZAÇÃO DO PROBLEMA
Neves e Costa Jr (2000) ressaltam que dentre os modelos de apreçamento de
ativo sob condições de risco, o CAPM (Capital Asset Pricing Model) de Sharpe
(1964) ocupa um lugar fundamental na literatura acadêmica. Segundo Neves e
Costa Jr (2000), este modelo explica, de maneira sucinta, a relação da rentabilidade
esperada de um ativo ou bem, em um mercado em equilíbrio, com seu risco não
diversificável, também conhecido pelo nome de Beta. Suas previsões têm aplicações
imediatas na avaliação do preço, não só de ativos bursáteis, como também de
qualquer tipo de investimento onde se possa determinar o Beta.
O CAPM é um modelo simples e de grande utilidade, mas que se baseia em
suposições bastante restritivas sobre o funcionamento do mercado. Ao longo de
todos estes anos, diversas respostas têm sido dadas aos questionamentos que
determinados autores divergentes do assunto fazem a fim de invalidar a
aplicabilidade do modelo CAPM, como Ross (1976) e Roll (1977). Porém, a grande
maioria dos resultados dá suporte às previsões do CAPM, mas pequenas
modificações foram necessárias no modelo original ao longo dos anos.
Kim (1997) diz que novos trabalhos surgiram desafiando a utilização do Beta
como medida do risco de um ativo. Além disso, o autor afirma que, basicamente,
três argumentos podem ser destacados: primeiro, pesquisas modificaram a noção
de que Beta é a medida mais eficiente de risco para ativos individuais. Ainda
segundo Kim (1997), alguns estudiosos defendem a tese de medir respostas
sistemáticas a outras variáveis macroeconômicas (taxa de juros, câmbio, etc.) e
12
também a fatores relacionados ao preço das ações (índice preço/lucro, índice valor
patrimonial da ação/preço, etc.). Alguns pesquisadores encontraram evidências
empíricas de que retornos de ativos são afetados por várias medidas de riscos não-
sistemáticos, conforme destacado para Lakonishok e Shapiro (1986). Finalmente,
Fama e French (1992) asseguram que recentes evidências empíricas indicam a
inexistência de relação sistemática entre o Beta e os retornos de ativos.
Conjuntamente, os dois primeiros argumentos sugerem que o Beta é incompleto
como medida de risco. A terceira implica em que não existe trade-off entre o risco-
Beta e retorno, ou seja, o Beta não mede risco.
Apesar de toda evidência contra o CAPM, profissionais de mercado e
acadêmicos continuam a pensar em risco de um ativo em termos de seu Beta. Esta
preferência resulta, provavelmente, da conveniência em se utilizar um único fator
para medir o risco e do apelo intuitivo do Beta, permitindo, por exemplo, a análise do
custo de capital e da taxa de retorno esperada para o fluxo de caixa de um
investimento, dado o seu nível de risco.
Sabendo que o CAPM possui, ainda nos dias de hoje, amplo uso na
academia e, que é um dos modelos de apreçamento de ativos mais utilizados na
prática, resta saber se o mercado realmente se comporta conforme suas premissas
e se existe alguma outra variável fundamentalista (alavancagem, dividend yield,
índice dívida líquida/patrimônio líquido, índice preço/lucro, lucro por ação e valor
patrimonial da ação) capaz de explicar as variações nos retornos médios esperados
dos ativos juntamente com o Beta ou sem o uso deste.
13
1.2. TEMA
Análise da eficiência do Método de Apreçamento de Ativo através do CAPM
na avaliação de portfólios formados por ações dos setores da indústria brasileira de
telecomunicações, siderurgia e elétrica durante o período de março de 1999 a
dezembro de 2008.
1.3. FORMULAÇÃO DO PROBLEMA
1.3.1. PROBLEMA DA PESQUISA
O risco e a incerteza do mercado de capitais são elevados, seus efeitos sobre
o comportamento dos investidores têm merecido estudos amplos, onde se destaca o
papel dos métodos de precificações de ativos, principalmente em épocas de crises
econômicas. É nesse sentido que este trabalho é norteado para a seguinte pergunta:
O Modelo de Precificação de Ativo, idealizado por Sharpe há 45 anos, é capaz de
fazer a correta associação risco – retorno para os ativos negociados na Bovespa,
dentro da atual conjuntura, tendo em vista, que vários instrumentos, normas e
restrições existentes no cotidiano são totalmente diferentes da época da criação do
modelo?
1.3.2. QUESTÕES NORTEADORAS
Três questões principais se apresentam ao se analisar o problema da
pesquisa e direcionarão no sentido de respondê-las
• O Modelo de Precificação de Ativo, idealizado por Sharpe, é capaz de fazer o
relacionamento correto de risco – retorno para cada ativo negociado na Bovespa
no período de 1999-2008?
14
• O Beta como medida de correlação de risco do ativo com o mercado é única ao
captar esse risco ou existe mais alguma variável fundamentalista capaz de
responder essa questão com significância estatística?
• O modelo de Sharpe (1964) é um modelo simples de analisar a relação risco-
retorno, conforme as décadas se passaram, e não merece adaptações e
sugestões?
1.4. OBJETIVOS
1.4.1. OBJETIVO GERAL
Comprovar a eficiência do Método de Apreçamento de Ativo, proposto por
Sharpe (1964), na avaliação da relação risco – retorno de portfólios formados com
ativos em operação na Bovespa, de três setores diferentes (siderúrgico, elétrico e
telecomunicações) da economia, no período de março de 1999 a dezembro de 2008.
1.4.2. OBJETIVOS SECUNDÁRIOS
• Aprofundar o estudo do modelo de apreçamento de ativo, proposto por Sharpe
(1964), apresentando adaptações coerentes para que o modelo possa ser usado
no mercado brasileiro, tanto para investidores individuais quanto institucionais, e
dessa forma, contribuir para o aumento do acervo de informações sobre o
assunto no meio acadêmico brasileiro.
• Verificar se existe alguma variável fundamentalista capaz de complementar e/ou
substituir o papel desempenhado pelo Beta na explicação dos retornos
esperados dos ativos, de acordo com uma metodologia usada pelos
pesquisadores, e dessa forma, verificar se trata de um modelo unidimensional
(somente o Beta) ou multidimensional, como mencionam alguns autores que
15
divergem do estudo de Sharpe (1964). Entre eles pode-se citar Ross (1976),
Jaffe, Keim e Westerfield (1989), Chan.et al. (1991) e Fama e French (1992) e
Kim (1997).
1.5. RELEVÂNCIA SOCIAL E CIENTÍFICA
O assunto a ser tratado nessa pesquisa reveste-se de relevância, tendo em
vista a atual conjuntura mundial de crise econômica. Dessa forma, é de fundamental
importância para os gestores de investimentos de empresas e, até mesmo, para os
investidores individuais ao avaliarem a relação risco-retorno dos ativos que desejam
colocar em seus portfólios.
Sendo assim, sobressai a importância de um modelo de apreçamento de ativo
eficaz, que permita que o investidor faça com que suas previsões se tornem
realidade, demonstrando quão o método é confiável. Vários são os estudos sobre o
assunto em questão em países como os Estados Unidos e Japão, e no Brasil, há
alguns trabalhos que são pioneiros em trabalhar com esse aspecto, mas que em
virtude de algumas limitações de base de dados, de mercado de tamanho
relativamente pequeno para a ocasião, e de elevadas taxas de inflação e de juros
compromete qualquer estudo acadêmico que quisesse considerar períodos
considerados de grande extensão (20 a 50 anos).
A pesquisa se propõe a apresentar um quadro detalhado do Modelo de
Apreçamento de Ativo (CAPM), proposto por Sharpe (1964), o papel do Beta no
CAPM, a existência ou não de variáveis fundamentalistas significantes na previsão
dos retornos esperados dos ativos, além de algumas anomalias existentes no
mercado, que vão de encontro com as premissas do CAPM, como, por exemplo, que
16
o ativo mais arriscado deve possuir uma maior precificação para remunerar o risco
envolvido no investimento, e que há algum tempo já são estudadas por autores nos
mercados internacionais como Banz (1981) e, no mercado brasileiro, como Mescolin
et al (1997), Eid e Romaro Jr (2002) e Matsumoto e Lima (2004). A título de
conclusão, o trabalho tem a finalidade de contribuir para o crescimento da base de
conhecimentos sobre este assunto, buscando desenvolver e enriquecer o debate e
estudos posteriores sobre o tema.
1.6. DELIMITAÇÃO DO ESTUDO
O estudo restringir-se-á à taxa de retorno de ações no mercado de capitais
brasileiro, a fim de verificar se o mercado brasileiro se comporta conforme as
premissas implementadas por Sharpe (1964), valendo-se de cotações trimestrais
compreendidas no período de março de 1999 a dezembro de 2008. Para isso, serão
utilizadas como variáveis a fim de verificar a aplicabilidade do modelo, o Beta
(PREMIO), alavancagem (ALA), o índice dívida líquida/patrimônio líquido (DL/PL),
dividend yield (DY), lucro por ação (LPA), índice preço/lucro (P/L), valor patrimonial
da ação (VPA), assim como foi feito por Chan et al (1991), no mercado japonês com
ações dos dois setores da Bolsa de Valores de Tóquio; como Lakonishok e Shapiro
(1986), Jaffe, Keim e Westerfield (1989) e Fama e French (1992) e Kim (1997) no
mercado americano e; Hazzan (1991) e Neves e Costa Jr (2000) no mercado
brasileiro.
As ações a serem estudadas serão agrupadas em três diferentes portfólios de
acordo com os setores siderúrgico, telecomunicações e elétrico, e que fazem parte
da composição do índice IBOVESPA, anunciado para o quadrimestre de agosto a
dezembro de 2008, além de possuírem a participação relativa de mais de 1% na
17
composição da carteira de ações que compõe este índice. Para servir como taxa de
risco zero (risk free), será usada as taxas médias trimestrais dos títulos federais
negociados no mercado (CDI). Os portfólios serão formados com base em dados do
dia 31 de março de cada ano ao ano subseqüente, a fim de poder conter as
informações contábeis dos anos anteriores, para empresas que tem seu ano fiscal
terminando em 31 de dezembro.
Será utilizado como método estatístico para regressão e análise da base de
dados o método SUR (Seemingly Unrelated Regression), que permite ajustar
simultaneamente o risco Beta de cada carteira e testar a significância estatística das
variáveis fundamentalistas, além de reduzir o problema de erros nas variáveis e a
consideração da correlação dos resíduos.
18
2. REFERENCIAL TEÓRICO
2.1. O MODELO DE APREÇAMENTO DE ATIVO (CAPM)
Segundo Neves e Costa Jr (2000), a teoria econômica e a teoria da decisão
avançaram no que concerne à conceituação de risco. Pode-se associar risco à
variabilidade, que sob determinadas suposições, pode ser associada com desvio
padrão ou variância. Segundo este conceito, serão mais arriscadas as atividades
com maior variabilidade em seus resultados.
Desta maneira, dado que os indivíduos são avessos ao risco, para que estes
assumam mais risco, este deverá ser remunerado Esta remuneração se faz
normalmente premiando a atividade mais arriscada com um maior valor esperado,
ou seja, com uma maior esperança de resultado.
Ainda segundo Neves e Costa Jr (2000), quando se trabalha com carteiras de
investimento, em vez de um investimento isolado, surge a necessidade de se dividir
o risco total de cada investimento em duas partes: o seu risco sistemático ou de
mercado e o seu risco não sistemático ou diversificável. O risco sistemático seria a
parte do risco total de um ativo que não pode ser diversificado, é o que tem que ser
levado em conta em uma análise de investimentos. O risco não sistemático é a parte
do risco total de um ativo que pode ser eliminada quando se faz uma análise de
investimento do ponto de vista da teoria de carteiras. Como, de maneira geral, os
indivíduos possuem carteiras de ativos (imóveis, poupança, fundos de investimento,
apólices de seguro, objetos de arte, etc.). O risco que é relevante numa análise de
investimento é o risco sistemático de um ativo. O modelo a ser discutido a seguir, o
CAPM, parte deste princípio.
19
Este modelo, em sua versão mais simples, reflete de forma clara como a
rentabilidade esperada de um ativo é função da rentabilidade esperada do mercado,
da rentabilidade de um ativo sem risco e do risco não diversificável do ativo em
questão.
Kim (1997) ressalta que o modelo de formação de preços de ativos, CAPM,
apesar de ser uma criação dos anos sessenta, segue sendo atual e tendo adquirido
ultimamente uma notoriedade, e tem sido aprimorado desde então, através de
extensões ao modelo original, para captar os diferentes aspectos do mundo
econômico real. Muitas destas extensões enriquecem o CAPM original, mas também
trazem complicações tornando-o menos compreensível e utilizável. É muito comum
acontecer que modelos de maior complexidade, ainda que permita chegar mais
próximos da realidade, o que nem sempre acontece, o fazem às custas de se
precisar de informações nem sempre disponíveis e, além disto, podem até
obscurecer o modelo de tratamento.
Segundo Sharpe (1991), nos últimos 25 anos, os teóricos têm estendido e
adaptado o método para incorporar algumas desses fenômenos do mundo real.
Exemplos importantes são da versão de Lintner (1969), que enfoca nos retornos nos
termos reais; versão de Brennan (1970), que opera com os efeitos da taxação;
versão de Black (1972), em que não existe ativo sem risco; versão de Merton (1973),
que incorpora o interesse dos investidores com oportunidades de investimento
futuro; e versão de Markowitz (1990), que considera restrições nos aluguéis.
Sharpe (1991) afirma que enquanto teóricos têm estado ocupados adaptando
o CAPM a incorporar impedimentos do mundo real para eficiência, práticos têm
estado igualmente ocupados em reduzir alguns desses impedimentos. Muitos dos
20
instrumentos financeiros e instituições desenvolvidas na última década serviram
para melhor “completar os mercados” – em particular, para permitir uma distribuição
mais eficiente de risco entre os investidores.
Sharpe (1991), afirma que a versão original do CAPM, proposto por ele em
1964, é de grande simplicidade, reconhece a informação de maior relevância e a
utiliza de maneira facilmente compreensível. O que acontece é que as hipóteses de
partida desta versão original requerem um mercado de competição perfeita, o que
faz com que se tema que haja uma falta de realismo. A resposta a esta dúvida se
encontra nos testes empíricos: o importante não é o realismo das hipóteses de
partida, e sim, se as conclusões do modelo se ajustam à realidade.
Outro fato a favor da versão original do CAPM é o aperfeiçoamento recente
dos mercados de capitais. Como sustenta Sharpe (1991), os avanços tecnológicos e
o melhor conhecimento do funcionamento dos mercados, vão fazendo com que
estes se aproximem cada vez mais daqueles mercados ideais supostos pelo CAPM
e outros modelos econômicos.
Segundo Sharpe (1991), o CAPM pode ser puramente classificado como
sendo uma teoria positiva (prescritiva), uma vez que ele está interessado com a
determinação dos preços de ativos em um mercado competitivo. A maioria dos
modelos positivos em finanças é construído em fundações normativas. Isso é o caso
com o CAPM, que explicitamente assume que os investidores seguem as
prescrições da teoria de portfólio de Markowitz (1952). Mais ainda, teorias de
equilíbrio de relações são tomadas como prescrições para decisão em mercados
que não podem estritamente conformar para as condições da teoria.
21
Por toda a parte, empíricos têm sujeitado variações do modelo a testes de
aumento de poder. Mais ainda, modelos alternativos têm sido propostos, maioria
notadamente da Teoria de Apreçamento Arbitrário (Arbitrage Pricing Theory – APT)
de Ross (1976).
Chan et al (1991), Sharpe (1991), Kim (1997) e Neves e Costa Jr (2000)
citam, em seus artigos, basicamente que a versão original e mais simples do CAPM
é formulada com base em uma série de hipóteses simplificadoras, que são
apresentadas a seguir:
1. Os indivíduos tomam suas decisões de investimentos baseados no valor
esperado e variância das distribuições futuras das taxas de rentabilidade;
2. Mercado é perfeitamente competitivo, ou seja, não existe custo de
transação, não existe imposto e todos os ativos são infinitamente
divisíveis;
3. Os indivíduos são racionais, avessos ao risco e maximizam sua utilidade
esperada dentro do mesmo horizonte de investimento que é de um
período de tempo;
4. Os indivíduos têm expectativas homogêneas;
5. Existe um ativo sem risco, F, e todos os indivíduos podem emprestar e
tomar emprestado à mesma taxa, Rf;
Dadas as suposições acima, pode-se derivar a versão mais simples do
CAPM, simbolizada pela equação abaixo:
E(Ri) = Rf + [E(Rm) - Rf] βi (1)
22
onde E(Ri) é o retorno esperado de um ativo; Rf é o retorno de um ativo sem
risco; E(Rm) é o retorno esperado do mercado como um todo e βi é denominado
coeficiente de risco sistemático ou Beta e, é uma medida da sensibilidade do retorno
do ativo i às variações nos retornos do mercado como um todo.
Chan et al (1991), ressaltam que a equação (1) diz que o retorno esperado,
para qualquer ativo, é igual à taxa sem risco, dada pelo retorno dos títulos do
governo, mais um prêmio pelo risco de se investir neste ativo. A simplicidade deste
modelo reside na relação linear positiva existente entre risco sistemático (não
diversificável) e rentabilidade.
Como no trabalho de Markowitz (1952), o retorno esperado em um portfólio
depende dos retornos esperados nos seus títulos componentes. Um risco de
portfólio depende de ambos os riscos dos títulos componentes e em suas
correlações com outro.
Sharpe (1991) afirma uma controvérsia da versão original do CAPM, após
quase trinta anos de publicação deste, que daquela data em diante, não se assumia
mais que um ativo sem risco não existe e pode ser mantido em quantias positivas ou
negativas, isto é, que investidores podem emprestar ou tomar a taxa sem risco Rf.
2.1.1. DEFESAS E CRÍTICAS AO CAPM
Segundo Jaffe, Keim e Westerfield (1989), o ponto mais sensível nos
trabalhos de alguns autores, reside no fato de que enquanto as variáveis
fundamentalistas utilizadas por esses autores não precisam ser estimadas (podem
ser observadas diretamente), a variável Beta deve ser estimada antes de entrar
como variável explicativa nas inúmeras regressões realizadas nestes trabalhos.
23
Neves e Costa Jr (2000) mencionam que existem diversas maneiras de se estimar
Beta, sabendo-se que quando as ações são pouco negociadas (pouca liquidez) o
método tradicional de estimação de Beta (regressão linear simples entre os retornos
da ação e os retornos da carteira de mercado) subavalia seu verdadeiro valor. Como
exemplo, os trabalhos de Scholes e Williams (1977) e Dimson (1979) no mercado
norte americano e de Costa Jr. et al. (1993) no mercado brasileiro procuraram
corrigir este problema utilizando o método de Dimson (1979) estimando o Beta de
cada ação através de uma regressão múltipla tendo como variável dependente a
série de retornos de cada ação e variáveis independentes tanto a série de retornos
do mercado como esta mesma série defasada por um mês.
Além deste problema de estimação de Beta de ações de pouca liquidez existe
o problema denominado de efeito intervalo. Este problema, apresentado por Handa
et al. (1989), consiste no fato da grande variabilidade nas estimações de Beta
quando este é determinado através de retornos diários, semanais ou mensais. Estes
autores concluíram que o melhor intervalo de tempo para a estimação de Beta é
através do retorno anual da ação e do índice de mercado.
Fama e French (1992) analisando a perspectiva da grande variabilidade de
Beta notam algo bastante interessante quanto à estimação do coeficiente angular da
reta que relaciona os retornos médios e os Betas para o período global do estudo
dos autores - 1941-1990. Os valores observados fazem com que a estatística-t seja
insignificante. Isto é causado pelo alto valor do erro padrão devido à grande
variabilidade nas estimações de Beta. Este fato leva a um conhecido problema
estatístico denominado de “erros nas variáveis”. Este problema é devido ao fato de
as variáveis do modelo incorporarem erros de medida. Quando o erro ocorre na
24
variável explicativa, os valores do coeficiente de inclinação tornam-se enviesados
para baixo e do termo constante para cima, conforme Matos (1995).
Kim (1995) propõe uma nova solução para o problema dos erros nas variáveis
ao se realizar a regressão entre retornos médios e Betas. Aplicando seu método
para período semelhante de tempo utilizado por Fama e French (1992), Kim (1995),
emprega as variáveis valor de mercado e Beta, mostrando que a última tem o
principal papel na explicação das variações dos retornos médios das ações. No
entanto, mostra também que a variável valor de mercado é importante, mas bem
menos significativa que Beta quando adota seu método de correção do problema de
erros nas variáveis.
Já em uma publicação mais recente, Kim (1997) investiga a influência das
variáveis valor de mercado, índice lucro/preço e índice valor patrimonial da
ação/preço. Adotando o mesmo método de correção do problema de erros nas
variáveis mostra que a influência destas variáveis torna-se bem menos significativa,
permanecendo o Beta como variável explicativa principal. Nos vários testes e para
vários períodos de tempo verificou que além de Beta somente o índice valor
patrimonial da ação/preço apresentou uma pequena relevância
Neves e Costa Jr (2000) relatam que o CAPM é um modelo simples e de
grande utilidade, mas que se baseia em suposições bastante restritivas sobre o
funcionamento do mercado. A pergunta que se fazem os pesquisadores, desde que
o modelo foi descoberto nos anos sessenta, é se ele é um modelo válido. O método
para responder a esta pergunta tem sido, nos últimos 30 anos, o teste empírico do
modelo, ou seja, verificar se ele consegue fazer boas previsões sobre o
comportamento do mercado em termos de rentabilidade e risco.
25
A previsão fundamental do CAPM é que, dado um mercado em equilíbrio, a
carteira de mercado tem que ser ex ante eficiente, no sentido do modelo média-
variância de Markowitz. Entende-se por eficiência, no sentido de Markowitz (1952),
quando, para um conjunto qualquer de ativos com diferentes rentabilidades e riscos,
se prefere o ativo de menor risco total para uma dada rentabilidade ou o ativo de
maior rentabilidade para um dado nível de risco.
Esta eficiência da carteira de mercado implica, segundo Fama e French
(1992), em:
a) Os retornos esperados dos ativos são uma função linear e positiva de seu
Beta;
b) O Beta é a única medida de risco necessária para explicar as variações
nas rentabilidades esperadas entre os ativos.
Neves e Costa Jr (2000) relatam que os testes iniciais do CAPM se
defrontaram com importantes dificuldades estatísticas, que acabaram sendo
solucionadas em trabalhos clássicos como o de Black, Jensen e Scholes (1972),
Blume e Friend (1973) e de Fama e Macbeth (1973) que chegaram a resultados
coerentes com as previsões fundamentais do CAPM. Estes testes levaram a uma
situação geral de aceitação do modelo até os anos 80.
A principal crítica ao CAPM até este período vem de Roll (1977). Segundo
este autor, como a eficiência da carteira de mercado é a principal previsão do
CAPM, este modelo não pode ser testado na prática. Este fato deriva de que a
carteira de mercado deverá conter todos os ativos de risco negociados na economia,
26
nas proporções em que estes se encontram no mercado e não só as ações
negociadas em bolsas.
Ainda que esta dificuldade pareça de grande importância teórica, estudos
como o de Stambaugh (1982) evidenciam que os testes sobre o CAPM são pouco
sensíveis em relação à aproximação que se faz para a carteira de mercado. Fama
(1976), em testes empíricos sobre o CAPM, utiliza uma carteira de mercado
composta por ações negociadas na NYSE, que estão igualmente ponderadas e
argumenta que tal carteira será, por estar bem diversificada, de mínima variância ou
muito próxima desta condição. Desta maneira, dada a eficiência da carteira de
mercado, será possível estimar os Betas de ativos a partir de uma regressão linear
simples entre os retornos destes ativos e os retornos da carteira de mercado,
possibilitando verificar se existe ou não uma relação linear e positiva entre
rentabilidades e Betas.
Importante relato de Neves e Costa Jr (2000) é que uma crítica mais recente
às previsões do CAPM vem de trabalhos que têm mostrado que certas variáveis
fundamentalistas complementam ou até são mais importantes na explicação das
variações nas rentabilidades médias das ações. Estas variáveis fundamentalistas
são, há muito tempo, utilizadas por analistas de investimentos e somente há poucos
anos têm despertado a atenção da comunidade acadêmica. Isto tem acontecido ao
se mostrar que tais variáveis complementam a explicação dada por modelos como o
CAPM, apesar de não haver nenhuma teoria que justifique, a priori, este fato,
diferente do que acontece na relação Beta e retorno, onde existe uma sólida
fundamentação teórica.
27
Fama e French (1992), analisando 50 anos de retornos mensais das ações
norte americanas (1941-90), mostraram que existem pelo menos quatro outras
variáveis, além de Beta, que podem explicar as variações nas rentabilidades médias
das ações. Estas variáveis seriam:
1. valor de mercado (preço da ação x número de ações existentes);
2. índice valor patrimonial da ação/preço;
3. índice lucro por ação/preço (o inverso do índice P/L) e
4. alavancagem financeira (relação entre o capital de terceiros e capital
próprio).
Fama e French (1992) fizeram testes (regressões múltiplas) e encontraram
duas variáveis que explicam a maior parte das variações nos retornos médios das
ações: o índice valor patrimonial da ação/preço, que tem uma relação positiva com
os retornos das carteiras enquanto a variável valor de mercado tem uma relação
negativa bastante significativa. Estes resultados, segundo afirmam Fama e French
(1992), sugerem que o risco tem características multidimensionais e não
unidimensional (só o Beta).
A partir daí, o modelo de três fatores de Fama e French (1992) tornou-se
referência na literatura acadêmica no que diz respeito à apreçamento de ativos, e
principalmente, por contrariar o modelo CAPM, ao considerar um modelo
multifatorial na precificação de ativos.
Fama e French (1992) utilizam três fatores em seus estudos: o excesso de
retorno da carteira de mercado (IBOVESPA) em relação à taxa livre de risco (CDI);
SMB (small minus big), fator composto pela diferença entre o retorno de ações com
28
pequenos e altos valores de tamanho e HML (high minus low), composto pela
diferença entre carteiras de altos e baixos índices de valor patrimonial/ valor de
mercado (book-to-market equity). Para o período de 1941 a 1990, Fama e French
(1992) evidenciam que os três fatores podem explicar a variação no retorno
esperado das ações norte-americanas, absorvendo, inclusive, os papéis de
preço/lucro e alavancagem.
Murakoshi (2007) explica que esses fatores de tamanho e valor não
constituem os fatores de risco em si, mas, no máximo, podem ser considerados
proxies para risco, uma vez que se o tamanho fosse um fator de risco e afetasse os
retornos esperados, todas as empresas pequenas se combinariam para formar
empresas grandes. Ressalta que o índice VPA/VM é um indicador do valor atribuído
para uma empresa e que, portanto, a principal descoberta de Fama e French
(1992,1993) foi a necessidade da adição dos fatores valor e tamanho para melhoria
do poder explicativo do CAPM.
Neves e Leal (2003) investigam a existência de relação entre o crescimento
da economia brasileira e os retornos de estratégias de investimento relacionados a
tamanho (SMB), a valor (HML) e a momento, que corresponde à diferença entre a
carteira com empresas que obtiveram os maiores retornos nos últimos 12 meses e
empresas com os menores retornos acumulados no ano. Para o período de 1986 a
2001, mostram que o fator HML possui relação inversa ao crescimento do PIB
(produto interno bruto), enquanto SMB possui relação direta. Ambos apresentam
coeficientes significativos, mesmo na presença do índice de mercado e de variáveis
macroeconômicas relacionadas ao crescimento e à taxa de juros de curto prazo.
29
Chan et al. (1991), em trabalho similar ao de Fama e French (1992), utilizando
dados mensais do mercado acionário japonês, entre janeiro de 1971 a dezembro de
1988, verificaram a capacidade de explicação de quatro variáveis fundamentalistas
nas variações dos retornos médios das ações: índice lucro por ação/preço, valor de
mercado, índice valor patrimonial da ação/preço e índice fluxo de caixa por
ação/preço (cash flow yield).
Chan et al. (1991) concluem que as variáveis índice lucro por ação/preço,
índice valor patrimonial da ação/preço e índice fluxo de caixa/preço apresentaram
uma relação positiva com a rentabilidade das carteiras, enquanto a variável valor de
mercado apresentou relação inversa.
2.1.2. EFEITO TAMANHO
Matsumoto e Lima (2004) afirmam que a Hipótese de Mercado defendida por
Fama (1970) foi testada, ao longo dos anos, incorporando premissas e anomalias.
Os pressupostos passaram por processos evolutivos e adquiriram afirmações e
contraposições. As anomalias confrontadas com esses pressupostos e condições
estabeleceram-se como o início da queda das Finanças Modernas, amplo
movimento iniciado por Markowitz (1952), como dizem os defensores das Novas
Finanças, ou como integrantes de um estágio mais desenvolvido do Mercado
Eficiente, como preceituam Fama, French (1992) e seus contemporâneos.
Segundo Matsumoto e Lima (2004), desde 1976, quando foi descoberto que o
mês de janeiro (tal fato é conhecido como Efeito Janeiro) era atípico para o mercado
acionário, as anomalias foram se estabelecendo de tal forma que tomaram
consistência e compõem hoje um emaranhado conjunto de questionamentos aos
30
modelos tradicionais de precificação de ativos. Essas evidências desfavoráveis são
classificadas, conforme Bruni e Famá (1998) e Fama e French (1992), em
Anomalias de Calendário (Efeito-Janeiro, Efeito Mudança-de-Mês, Efeito-Dia-da-
Semana, Efeito Segunda-Feira), Anomalias Fundamentais ou de Valor (Efeito Sobre-
Reação, Efeito Tamanho, Efeito do Índice Preço por Lucro e outras) e Anomalias
Técnicas (Uso de Médias Móveis, Quebra de Faixa de Negociação e outras).
Eid Jr. e Romaro (2002), corroborando o que foi falado acima, mencionam
que foram encontradas evidências de que o mercado de ativos financeiros não
reage exatamente como os modelos de precificação de ativos prevêem devido a
“anomalias nos obrigando a refletir a respeito da validade dos modelos e premissas
utilizados pela Moderna Teoria de Finanças (MTF). Dimson e Marsh (1988),
conceituam as anomalias como fenômenos existentes em alguns segmentos de
mercado que não podem ser explicados pelos modelos tradicionais de risco.
O Efeito Tamanho foi, pela primeira vez, evidenciado pelo trabalho de Banz
(1981). Este autor estudou o fenômeno registrado no mercado em que as ações de
empresas com baixa capitalização – pequeno valor de mercado do seu total de
ações– têm um retorno diferente do esperado quando calculado pelos modelos
teóricos tradicionais, tais como o CAPM.
Eid Jr. e Romaro (2002) relatam que afirmações de que ações de pequenas
empresas registram, no longo prazo, retornos superiores aos de grandes
corporações, mesmo quando ajustados ao risco, com a utilização dos modelos e
pressupostos da Moderna Teoria de Finanças, como o CAPM (Capital Asset Pricing
Model) e o APT (Arbitrage Pricing Theory), sustentam conceitualmente essa
anomalia.
31
Eid Jr. e Romaro (2002) afirmam que os testes efetuados nos mais diversos
mercados não deixam dúvidas sobre sua aceitabilidade e amplitude global, havendo
divergências somente quanto à origem do fenômeno e suas implicações sobre o
Mercado Eficiente.
Como concluem Ragstale, Rao e Fotchman (1993), os ganhos retidos e as
formas de avaliações aparecem como fatores explicativos decisivos do fenômeno
tamanho. O crescimento relativo maior dos ganhos das pequenas empresas
influencia os retornos das ações. As avaliações centradas em índices viesados
distorcem os direcionadores de investimentos.
Ainda segundo Eid Jr. e Romaro (2002), um segundo grupo de fatores
explicativos surge como manifestação de um fenômeno primário: o Efeito
Negligência. Como há correlação entre relevância e número de analistas de
mercado envolvidos, melhores são os estudos de indicadores, números, notícias e
eventos de grandes corporações. Precificações acertadas gerando menores
margens de retorno, em virtude do nível de aferição dos riscos envolvidos.
Segundo Fortuna e Eysenbach (1993), os melhores parâmetros de tamanho
de empresa são valor de mercado, ativos, ações ordinárias e vendas. Os estudos
feitos com essas medidas concluíram pelo excesso de retorno, de proporções
equivalentes, das pequenas empresas.
Os inúmeros estudos, em diversos países e períodos de tempo, sugerem que
a ocorrência do efeito tamanho é um fenômeno global. A discordância se dá na
justificação de suas causas e, nas implicações deste fenômeno sobre a Moderna
Teoria de Finanças.
32
Ragstale, Rao e Fotchman (1993) descobrem importante observação ao
analisar os resultados da amostra: quando em crises econômicas as ações de
empresas grandes possuem retornos maiores do que os retornos de empresas
pequenas. Para chegar a essa conclusão, o período foi subdividido em quatro
subperíodos distintos que se encaixam com os diversos ambientes
macroeconômicos por que passou a economia norte americana. No primeiro destes
subperíodos, de 1974 a 1978, vê-se que as ações de empresas de baixo valor de
mercado têm os melhores retornos e a melhor avaliação - medida pelo lucro dividido
pelo valor de mercado. O segundo sub-período pode ser considerado de transição,
indo de 1979 a 1984, onde os valores obtidos parecem não ter nenhuma relação
entre si. O terceiro período, de 1985 a 1990, mostra que as ações de baixa
capitalização têm as mais baixas avaliações e, também, os mais baixos retornos. O
quarto período, de 1991 a 1992, aponta para uma nova fase de transição, com a
possível recuperação das small caps. De modo geral, os dados diagnosticam
evidências de uma correlação entre os resultados obtidos com a medida de
avaliação adotada e os retornos gerados pelas ações.
Eid Jr. e Romaro (2002) relatam, em seu trabalho, que quando um grande
grupo de acadêmicos e praticantes acredita que as demonstrações do efeito
tamanho existentes são primariamente manifestações de outro, que se pode chamar
de efeito negligência. Esta teoria acredita que quando os participantes do mercado
sabem muita informação sobre uma determinada companhia ela, provavelmente,
deverá ter uma precificação relativamente eficiente e deverá ter um excesso de
retorno ajustado ao risco próximo a zero. Além do mais, se esta ação for
considerada um “investimento de qualidade” por um grande número de investidores
33
institucionais, poderá ter incluso em seu preço um blue chip premium e, então, esta
ação poderá até oferecer um retorno abaixo da média.
Por outro lado, se pouca informação é conhecida sobre uma companhia,
então o risco associado com a avaliação do potencial da empresa torna-se
relativamente alto. Isto é chamado de risco de estimação, que causa uma demanda
por um retorno mais alto do que o normal.
O trabalho de Brown, Kleidon e Marsh (1983) destaca a variabilidade, no
tempo, do efeito tamanho. No entanto, a principal descoberta deste trabalho é que a
variabilidade do efeito tamanho não era inteiramente de natureza randômica.
Segundo os autores, em períodos longos, o efeito tamanho exibia uma reversão
previsível, isto é, após um período de cinco anos, no qual as ações de empresas
com grande capitalização tinham uma performance melhor do que as ações de
empresas com pequena capitalização, seguia-se um período com uma performance
inversa.
Segundo Reinganum (1993), a autocorrelação negativa significa que o efeito
tamanho tende a reverter a si mesmo. As autocorrelações começam a ser bem
negativas e estatisticamente significantes para os horizontes de investimento de
cinco e seis anos. Então, em longos horizontes de investimento, um período durante
o qual as grandes empresas tiveram uma performance melhor do que as pequenas
empresas, é tipicamente seguido por um período no qual a performance relativa é
invertida. O autor afirma que “o padrão sistemático no longo prazo do efeito tamanho
não é somente significante no sentido estatístico, mas também no econômico”.
34
Reinganum (1993) afirma que todos esses estudos sugeriram a evidência de
ciclos de baixa e alta na performance dos retornos das ações de empresas de baixa
capitalização. No entanto, pouco eles avançaram na procura de possíveis causas
para a performance cíclica das small caps.
Eid Jr. e Romaro (2002) comentam que sempre se procurou estudar o efeito
das estratégias dos investidores institucionais sobre os preços das ações. Embora
este seja um assunto controverso, a evidência do efeito tamanho acrescentou uma
nova dimensão ao papel jogado pelo investidor institucional na determinação do
preço de uma ação.
Segundo Eid Jr. e Romaro (2002), de forma similar ao que ocorreu em outros
estudos realizados sobre esta anomalia, há evidências que a média dos portfólios de
empresas de baixa capitalização é diferente dos portfólios compostos por empresas
com alta capitalização. Eid Jr e Romaro (2002) concluíram que não há evidências do
efeito tamanho na Bovespa no período de 1995 a 1998.
Já o trabalho de Matsumoto e Lima (2004) demonstra que após a análise das
carteiras, verifica-se que após períodos de ganhos seqüenciais das carteiras de
maiores ativos ocorre uma reversão de ganhos para as carteiras menores. Uma
importante observação colhida dos números referentes às diferenças de retornos
médios é que se pôde constatar, no período estudado, relevante relação entre
tamanho de empresa e disparidade de retorno. Um aumento das diferenças entre
ativos grandes e pequenos provoca efeito similar nas diferenças de retornos.
Finalmente, observou-se na pesquisa delineada que, especificamente em períodos
conturbados da economia, há uma tendência positiva de se ter melhores retornos
com ativos de elevado tamanho.
35
2.1.3. VALUE E GROWTH STOCKS
Mescolin et al. (1997) relata que os investidores sobre-reagem em relação ao
desempenho passado das empresas no sentido de que sobreavaliam ações com
grandes perspectivas de crescimento (growth stocks) e subavaliam ações com
poucas perspectivas de crescimento (value stocks). A conseqüência disto é a de
que, após esta sobre-reação, as growth stocks proporcionam uma rentabilidade
baixa ao investidores que as compraram a preços elevados e, de maneira similar, as
value stocks proporcionam rentabilidade alta aos investidores que as compraram a
preços baixos. E para complicar mais as coisas, as value stocks, apesar de
proporcionarem maior rentabilidade, também apresentam menor risco de mercado
que as growth stocks. Este resultado contraria os principais modelos da denominada
Teoria Moderna de Finanças.
O objetivo do trabalho de Mescolin et al. (1997) é o de analisar, no mercado
brasileiro, a relação risco-retorno entre value e growth stocks, classificadas de
acordo com o índice valor patrimonial da ação dividido pelo seu valor de mercado
(índice VPA/P). Sabe-se que o valor patrimonial da ação (VPA) é uma medida
baseada em valores históricos, não influenciada por expectativas futuras da
empresa ao passo que o preço de mercado da ação (P) embute estas expectativas.
Desta forma, se as expectativas são superiores à média passada - growth stocks -, o
valor de mercado será alto em relação ao VPA e esta ação terá um índice VPA/P
baixo. O contrário é verdadeiro para as value stocks, ou seja, P baixo em relação ao
VPA com um conseqüente alto índice VPA/P.
Fama e French (1995) em estudo realizado no mercado de ações norte-
americano, no período entre 1960 e 1990, verificaram que, no longo prazo, as value
36
stocks apresentaram uma rentabilidade superior à rentabilidade das growth stocks.
Além disto, verificaram que o risco das ações com maior retorno era inferior ao risco
das ações com menor retorno. Essa última conclusão foi totalmente de encontro
com os modelos de precificação do risco de ativos que estabelecem o fato de que
quanto maior o risco de mercado (sistemático) de determinado ativo, maior deverá
ser o seu retorno.
Analisando os resultados, Mescolin et al. (1997) puderam comprovar para o
mercado brasileiro os mesmos resultados alcançados nos EUA e em outros países,
ou seja, as value stocks obtiveram um retorno anual médio superior às growth
stocks, quando classificadas pelo índice VPA/P.
Mesmo num intervalo reduzido, pode-se ver que no curto prazo - dois
primeiros anos - o desempenho das growth stocks mantém-se superior ao das value.
Entretanto, a partir do terceiro ano, ocorre uma reversão do movimento inicial,
invertendo a situação acumulada, até então desfavorável das value, a partir do
quinto ano - horizonte de médio/longo prazos.
Mescolin et al (1997) constataram uma pequena diferença de risco
(coeficiente Beta), mas de qualquer maneira, não deixa de ser contraditório com os
modelos de precificação em voga, pois foram construídos dois portfólios com
retornos diferentes e, ao mesmo tempo, com riscos similares.
Quando se confrontam os resultados aqui obtidos com aqueles de outros
países, sugere-se uma grande semelhança entre os mesmos, guardadas algumas
diferenças de premissas adotadas e o nível de desenvolvimento não só do mercado
acionário, mas também do país como um todo.
37
2.1.4. VENDAS À DESCOBERTO
Segundo Sharpe (1991), o CAPM assume que investidores são permitidos de
tomar posições à descoberto (negativas) em um ou mais ativos. Então posses
podem ser positivas, zero ou negativas. Não existem custos de transação ou outras
restrições e posições de ativos são completamente divisíveis. Para o ativo sem risco,
a maneira tradicional em que uma posição é alcançada envolve tomada de dinheiro.
Para um ativo arriscado, o método tradicional requer um aluguel.
Uma posição à descoberto (em aberto) é alcançada pela tomada de um ativo
tal como uma ação, com a promessa de pagamento em espécie, tipicamente na
solicitação. O ativo tomado é vendido, gerando uma receita de caixa. Se os
proventos da venda podem ser usados para outros tipos de investimento, o efeito
integral é equivalente aquele de uma posse negativa do ativo em questão. Se,
contudo, os proventos são “impostos” para servir como garantia para o ativo tomado,
tal posição em aberto pode diferir de uma posse negativa do ativo em questão. Em
muitos países, proventos de alguns aluguéis são impostos nessa maneira, e o
tomador recebe pouca ou nenhuma participação na quantia imposta. Mais ainda,
alguns investidores institucionais são impedidos do uso de posições em aberto,
através de regras explícitas ou ameaça implícita de processo por violação de
padrões fiduciários. Outras restrições podem aplicar – por exemplo, bolsas de
valores podem não permitir um aluguel seguindo um declínio anterior no preço do
título em questão.
Da necessidade, teorias baseadas-arbitrariamente permitem posições em
aberto. Se tais posições serão tomadas em equilíbrio não está usualmente claro,
uma vez que a falta de modelos de suposições suficientes (i.e., essas dizendo
38
respeito a funções de utilidade) para caracterizar posses de equilíbrio. Mais
importante, por toda a natureza da aproximação arbitrária, soluções múltiplas em
termos de posses são possíveis em equilíbrio devido à presença (ou potencial
presença) de títulos redundantes.
A ressalva de Sharpe (1991) é que enquanto o CAPM assume que
investidores podem tomar posições negativas em qualquer ativo, isso implica que
em equilíbrio as únicas posições tomadas envolverão o portfólio de variância
mínima. Quando um ativo sem risco está disponível, as únicas posses negativas em
equilíbrio envolverão tomada pelos investidores com tolerância de risco acima da
média que desejam financiar investimento adicionais em um portfólio representando
o mercado de capital integral.
Com monitoramento sem custos de posições dos investidores, custos de
transação zero, e igual informação acerca dos títulos disponíveis para todos os
investidores, as únicas restrições em posses negativas seriam aquelas requeridas
para alcançar pagamento dos requisitos de fluxos de caixa. Um portfólio integral do
investidor deve ser tal que em cada lugar do mundo a soma dos fluxos de caixa
positivos é no mínimo como grande como a soma dos fluxos de caixa negativos
requeridos para associar os pagamentos feitos pelos emissores dos títulos emitidos
em quantias negativas. Se essa condição é violada, tais títulos não têm sido
completamente replicados e o investidor não pode esperar receber o preço inteiro
quando tomando as posições negativas associadas.
Sharpe (1991) resume suas premissas, afirmando que quando posições
negativas são impedidas:
39
1. O portfólio de mercado pode não ser eficiente;
2. Alguns portfólios eficientes podem não ser equivalentes ao investimento
no portfólio de mercado mais, possivelmente, doando ou tomando; e
3. Pode não haver uma relação linear entre retorno esperado e Beta
Todas essas implicações sugerem uma diminuição na eficiência com que o
risco pode ser alocado em uma economia. A escolha de portfólios ótimos se torna
mais difícil do que na configuração simples do CAPM. Os cálculos de custo de
capital para projetos de investimento governamentais e corporativos podem requerer
mais do que a determinação de uma simples relação entre retorno esperado e risco
de mercado.
2.2. PRINCIPAIS AUTORES ACERCA DA RELAÇÃO RISCO-RETORNO
Neves e Costa Jr (2000), verificam a influência de algumas variáveis, tais
como o valor de mercado, índice preço/lucro e índice valor patrimonial/preço, além
do próprio Beta, na explicação da rentabilidade média das ações negociadas à vista
na Bolsa de Valores de São Paulo, durante o período de março/87 a fevereiro/96.
Para tanto, construíram carteiras de ações em função das três variáveis
fundamentalistas acima e verificou-se a influência dessas variáveis nos retornos
médios das carteiras. No período analisado, pôde-se constatar que existiu uma
influência significativa destas variáveis no apreçamento das carteiras de ações.
Quanto à força explicativa do Beta, foi observado que essa ainda é fundamental na
relação risco-retorno, não podendo ser desprezada. Contudo, no que diz respeito ao
CAPM, os testes apontaram para uma má especificação do modelo, sugerindo
características multidimensionais para o risco de ações.
40
Jaffe, Keim e Westerfield (1989) reexaminam a relação entre retornos de
ações e os efeitos de tamanho e lucros, com quatro premissas em relação aos
trabalhos anteriormente publicados que o destacam com relação ao assunto: (1)
com um período de amostra substancialmente maior 1951-1986; (2) dados que são
racionalmente livres de tendências de sobrevivência (survivor bias); (3) testes de
portfólio e regressões aparentemente não relacionadas (SUR); e (4) uma ênfase em
importantes diferenças entre meses de janeiro e os outros. Pelo período inteiro, o
efeito dos lucros é significante em janeiro e nos outros onze meses. Inversamente, o
efeito tamanho é significantemente negativo somente em janeiro. Foi também
descoberto evidência de retornos consistentemente altos para firmas de todos os
tamanhos com lucros negativos.
Bruni (1998) faz menção que desde que as principais idéias que constituíram
a base do CAPM, este se tornou a principal referência usada por acadêmicos e
práticos de finanças na analise da relação entre risco e retorno de ativos. Em
equilíbrio, o retorno esperado de um ativo deveria ser igual ao retorno de um ativo
livre de risco, mais um prêmio pelo risco corrido.
Ainda segundo Bruni (1998), testes estatísticos iniciais, conduzidos entre
finais da década de 60 e 70, contribuíram com a afirmação do modelo, não sendo
capazes de rejeitar as principais premissas do modelo. Entretanto, a partir do final
dos anos 70, inúmeros outros testes passaram a apresentar fatores que, além do
beta, teriam relação significativa com os retornos das ações analisadas. Alguns
destes trabalhos chegaram a afirmar não ter encontrado relação entre retornos e
Betas. Entre as variáveis significativas encontradas, destacaram-se o tamanho da
empresa, o endividamento, a relação entre o valor contábil e o valor de mercado, a
41
rentabilidade dos dividendos, a liquidez dos papéis, a relação fluxo de caixa sobre
preço, o crescimento das vendas passadas, a relação preço sobre vendas e a
variância individual dos ativos.
A ressalva de Bruni (1998) é que devido à polêmica surgida em torno do
modelo e do questionamento quanto à significância de outras variáveis, além do
risco sistemático, na análise dos retornos dos ativos financeiros, o trabalho teve
como objetivo a análise do comportamento das ações de empresas não financeiras
negociadas na Bolsa de Valores de São Paulo entre os anos de 1988 e 1996, com
base em regressões cross-section anuais. Em função de características distintas da
economia brasileira no período estudado, as análises foram, complementarmente,
dividas em dois subperíodos (anos de 1988 a 1994 e anos de 1995 e 1996).
Os resultados encontrados do trabalho de Bruni (1998) não permitiram
evidenciar relação significativa entre os retornos reais e os Betas das ações,
calculados em relação ao Ibovespa sobre um horizonte de 24 meses. Por outro lado,
outras variáveis, como o endividamento (expresso pelo total de ativos sobre o valor
de mercado da empresa) e a relação valor contábil sobre valor de mercado,
revelam-se bastante significativas durante o período analisado.
Dall´Agnol (2001) menciona, em seu trabalho, que um dos primeiros papers a
encontrar uma tendência clara de reversão no retorno das ações no longo prazo, De
Bondt e Thaler (1985) identificaram o padrão encontrado como fruto de um
comportamento irracional dos investidores que eles denominaram de overreaction.
Seus resultados foram interpretados como evidência de que existem erros
sistemáticos de avaliação no mercado de ações causada pelo excessivo
pessimismo/otimismo dos agentes. Neste caso uma estratégia contrária baseada na
42
compra dos portfólios perdedores e venda dos portfólios vencedores deveria gerar
retornos extraordinários. A evidência encontrada para uma amostra de ações
negociadas na Bovespa e na Soma durante o período de janeiro de 1986 a julho de
2000 corrobora esta hipótese tanto no longo prazo quanto no curto prazo, mesmo
depois de se controlar para diferenças de tamanho, risco e liquidez.
Nagano et al (2003) verificam que o modelo de precificação de ativos (CAPM)
tem sido utilizado principalmente na avaliação de investimentos nos mercados
acionários. Durante o período de 1995 a 2000, a economia brasileira vivenciou um
momento de estabilidade inflacionária, criando-se uma ótima oportunidade para a
verificação dos impactos das variáveis fundamentalistas na explicação dos retornos
das ações. O trabalho procurou verificar se o mercado acionário se comportou
conforme a teoria CAPM, ou se existiram outras variáveis significativas para a
análise dos retornos das ações negociadas na Bolsa de Valores de São Paulo
(Bovespa).
Pelos resultados encontrados pelo trabalho de Nagano et al. (2003), pode-se
afirmar que o CAPM está mal especificado devido à possibilidade de inclusão de
outros fatores no comportamento dos retornos dos ativos além do beta. Enfim,
parece que a controvérsia entre o uso do modelo unidimensional do CAPM e o uso
de modelos multidimensionais está longe de ser resolvida. Os problemas
encontrados nos testes empíricos do CAPM podem ser tanto falhas desse modelo,
como também ineficiências do mercado, que não precifica corretamente as ações ou
os ativos. Ou então, como as variáveis fundamentalistas estão muito relacionadas
com o preço das ações, seguramente algumas serão redundantes na explicação das
rentabilidades das ações.
43
Salles (2006), em seu trabalho sobre análise do risco sistemático, menciona
que em qualquer atividade relacionada com o planejamento financeiro a
determinação do risco financeiro é fundamental. Quando esse planejamento está
relacionado com investimentos diversificados, carteira de projetos de investimentos,
de ativos financeiros ou de mercados, o risco relevante é o risco sistemático, ou
risco de mercado, componente do risco total de um ativo ou de um mercado que não
pode ser eliminado. O coeficiente Beta, principal indicador do risco sistemático, é
estimado, em geral, através do modelo de mercado, um modelo estocástico que
relaciona retorno de ativos financeiros com o retorno da carteira de mercado. Seu
trabalho utiliza um modelo multivariado, com enfoque Bayesiano, para estimativa
conjunta dos indicadores do risco sistemático, e investigação da presença de
sazonalidade no risco de mercado das economias da América Latina.
O trabalho de Matsumoto e Lima (2004) mediu os reflexos da anomalia Efeito
Tamanho na Bolsa de Valores de São Paulo. Considerou um período de pesquisa
superior a 05 anos, de 1996 a 2003, para perceber a influência do efeito. A
metodologia utilizada permitiu comparar retornos médios mensais de carteiras
formadas com ativos diferentes sob o aspecto valor de mercado, indicador utilizado
como parâmetro de tamanho, e contou com resultados disponibilizados pelo
Wilcoxon Rank Sum Test, com significância de 5%. Num segundo momento, contou
com a apuração dos coeficientes de correlação das carteiras, com os valores de
mercado substituídos por variáveis binárias, e verificados pelos Testes T e F com
significância de 5%. Os resultados evidenciaram haver, conforme pesquisas
anteriores, reversão de retornos entre ações de grandes e pequenas corporações,
além da tendência positiva de se ter melhores retornos com ativos de elevado
tamanho, especificamente em períodos conturbados da economia. Uma importante
44
observação colhida dos números referentes às diferenças de retornos médios é que
se pôde constatar, no período estudado, relevante relação entre tamanho de
empresa e disparidade de retorno. Um aumento das diferenças entre ativos grandes
e pequenos provoca efeito similar nas diferenças de retornos.
Já Eid Jr e Romaro (2002) verificaram que após aplicação de testes empíricos
sobre carteiras de ações na Bovespa, no período que vai de 1995 a 1998, os
autores constataram a existência da anomalia conhecida como Efeito Tamanho no
mercado de capitais brasileiro. Foi identificado no período analisado, que há
evidências, ao contrário do que prescreve o Efeito Tamanho, de que a média dos
retornos das carteiras compostas pelas empresas de baixa capitalização é menor do
que as compostas por empresas de alta capitalização. Os autores advertiram que os
resultados, refletem apenas o período estudado, não devendo ser generalizados e
são indicativos de que novas pesquisas são necessárias.
Sharpe (1991) apresenta, novamente, o Modelo de Apreçamento de Ativo
(CAPM), incorporando não somente suas próprias contribuições de seu trabalho
publicado em 1964, mas também o trabalho de Lintner (1965, 1969) e as
contribuições de Mossin (1966) e outros. Com o objetivo de fazer sucintamente
ainda em uma maneira designada para enfatizar o conteúdo econômico da teoria. O
autor modifica o modelo para refletir um caso extremo de um arranjo institucional
que pode impedir os investidores de escolher portfólios completamente ótimos. Em
particular, ele assume que os investidores estão incapazes de tomar posições
negativas nos ativos. Por fim, ele discute os contratos futuros de índices de ações –
a maior inovação financeira de importância mundial que pós data o desenvolvimento
do CAPM. Tais contratos podem aumentar a eficiência dos mercados de capital de
45
muitos modos. Em particular, eles podem trazer verdadeiros mercados próximos ao
mundo idealizado assumido, há 45 anos, pelo Modelo de Apreçamento de Ativo.
Chan, Hamao e Lakonishok (1991) relatam diferenças cross-sectional nas
ações japonesas para o comportamento subjacente de quatro variáveis
fundamentalistas: lucros, tamanho, valor patrimonial, e fluxo de caixa.
Especificações e vários métodos de estimação são aplicados para uma configuração
de dados de alta qualidade e compreensiva que se estende de 1971 a 1988. A
amostra inclui firmas de manufaturas e não-manufaturas, companhias da primeira e
segunda seções da Bolsa de Valores de Tóquio, e também as ações retiradas da
listagem de títulos. As descobertas dos autores revelam uma significante relação
entre variáveis fundamentalistas e retornos esperados no mercado japonês. Das
quatro variáveis fundamentalistas consideradas, o valor patrimonial e fluxo de caixa
têm o impacto mais significante positivo nos retornos esperados.
Mescolin et al (1997) verifica que os investidores sobre-reagem em relação ao
desempenho passado das empresas no sentido de que sobreavaliam ações com
grandes perspectivas de crescimento (growth stocks) e subavaliam ações com
poucas perspectivas de crescimento (value stocks). A conseqüência disto é a de
que, após esta sobre-reação, as growth stocks proporcionam uma rentabilidade
baixa ao investidores que as compraram a preços elevados e, de maneira similar, as
value stocks proporcionam rentabilidade alta aos investidores que as compraram a
preços baixos. E para complicar mais as coisas, as value stocks, apesar de
proporcionarem maior rentabilidade, também apresentam menor risco de mercado
que as growth stocks. Este resultado contraria os principais modelos de
apreçamento de ativo da denominada Teoria Moderna de Finanças.
46
Sabe-se que o valor patrimonial da ação (VPA) é uma medida baseada em
valores históricos, não influenciada por expectativas futuras da empresa, ao passo
que o preço de mercado da ação (P) embute estas expectativas. Desta forma, se as
expectativas são superiores à média passada - growth stocks -, o valor de mercado
será alto em relação ao VPA e esta ação terá um índice VPA/P baixo. O contrário é
verdadeiro para as value stocks, ou seja, P baixo em relação ao VPA com um
conseqüente alto índice VPA/P.
São utilizadas, também, outras medidas para classificação e formação de
value e growth portfólios, a saber: preço sobre lucro por ação (P/LPA) e dividendo
por ação sobre cotação de mercado (Dividend Yield) - e examinados seus
respectivos retornos no mesmo período de tempo.
As teorias envolvendo o comportamento dos investidores em ações, segundo
Miller (1977), vêm se baseando no princípio de que todos os investidores têm
estimativas idênticas acerca do retorno esperado e da distribuição de probabilidades
de retorno de determinado ativo, na prática o conceito de incerteza implica que
investidores racionais devem apresentar diferenças em suas previsões. O autor
apresenta uma abordagem em que o mercado apresenta restrições a vendas a
descoberto, causando uma diferença no equilíbrio entre as opiniões e previsões de
investidores otimistas e pessimistas para ativos de risco, forçando o mercado a
sobrevalorizar o preço dos ativos.
A presença de investidores pessimistas no mercado faz crescer a demanda
por operações de venda a descoberto, condicionada ao aluguel de ações, o que
causa um efeito no mercado semelhante à expansão de base monetária pelos
bancos a partir de depósitos a vista. O banco recebe depósitos à vista dos
47
correntistas concordando em devolvê-los de acordo com a demanda e empresta o
dinheiro relativo a esses depósitos a terceiros, o depositante age como se ainda
tivesse posse deste dinheiro emprestado já que ele pode retirá-lo de acordo com
suas necessidades.
O fenômeno escrito anteriormente pode ser extrapolado para as vendas a
descoberto, acompanhado do empréstimo de títulos, onde essas operações causam
um aumento na oferta de títulos pelo aumento do estoque destes ativos em curto
prazo. Cabe ressaltar que as operações de vendas a descoberto só são lucrativas
quando os ativos apresentam uma queda no preço suficiente para cobrir os
dividendos e taxas que o tomador do aluguel deve ao doador dos títulos, sendo
impossível auferir lucros em um cenário onde os ativos têm um retorno abaixo do
normal ou que seja positivo. O tomador deve ter retorno que compense o custo de
todo o processo de aluguel (dividendos e taxas) e seja superior ao custo de
oportunidade que o dinheiro empregado no aluguel teria se aplicado a taxas livres de
risco no mercado.
Scherbina (2001) publica em seu trabalho um suporte empírico a hipótese de
Miller, de que os preços de ações tendem a refletir opiniões otimistas. Valendo-se de
da dispersão encontrada nas previsões de ganhos projetadas por analistas do
mercado e considerando essa dispersão como um proxy para o conflito de opiniões,
é encontrado o resultado que as ações com alta dispersão nas opiniões tem retornos
menores.
48
3. METODOLOGIA DE PESQUISA
3.1. METODOLOGIA
3.1.1. TIPOLOGIA
Segundo Vergara (2004), a tipologia da pesquisa que será desenvolvida pode
ser classificada quanto aos fins como explicativa, que “tem como principal objetivo
tornar algo inteligível, justificar-lhe os motivos. Visa, portanto, esclarecer quais
fatores contribuem, de certa forma, para a ocorrência de determinado fenômeno”.
Neste trabalho busca-se responder questões sobre causas e efeitos da variáveis
estudadas, de forma buscar explicações para os fenômenos presentes nas questões
norteadoras e previstos no referencial teórico. Ainda de acordo com Vergara (2004),
pode-se classificar a pesquisa quanto aos meios, enquadrando-se esta como
pesquisa documental, que é a investigação “realizada em documentos conservados
no interior de órgãos públicos ou privados de qualquer natureza (...)”, no caso da
presente pesquisa os documentos são compostos por bases de dados históricos
disponibilizadas pelas organizações que operacionalizam o mercado de capitais
brasileiro.
3.1.2. ABORDAGEM
A metodologia a ser aplicada na pesquisa terá uma abordagem quantitativa,
Richardson (2008) explica que esta abordagem caracteriza-se pelo emprego da
quantificação de dados para a resolução do problema de pesquisa, tanto na etapa
onde ocorre a coleta quanto no tratamento desses dados, utilizando-se para isso de
técnicas estatísticas.
49
3.1.3. ARGUMENTAÇÃO
A pesquisa utilizará a argumentação dedutiva, uma vez que “a dedução é
uma forma de inferência que parece ser conclusiva – a conclusão deve
necessariamente partir das razões dadas. Diz-se que essas razões implicam a
conclusão e representam uma prova” (COOPER; SCHINDLER, 2003). Outra
definição pode ser encontrada em Richardson (2008) que explica que:
(...) a única maneira de testar um argumento científico é comprovar sua
refutabilidade empírica. Uma teoria pode ser reconhecida como científica à
medida que for possível deduzir dela proposições observacionais
singulares, cuja falsidade seria prova conclusiva da falsidade da teoria.
Desta forma, toda a informação ou conteúdo presente na conclusão deve
estar contida nas premissas iniciais do estudo, nem que seja de forma implícita. As
conclusões devem ser verdadeiras a partir do momento em que todas as premissas
sejam verdadeiras.
3.1.4. SELEÇÃO E COLETA DE DADOS
A base de dados a ser utilizada no presente estudo compõe-se do conjunto
de ações de três setores diferentes da economia brasileira, elétrico, siderúrgico e de
telecomunicações, que compõem o índice BOVESPA, anunciado para o
quadrimestre de janeiro a março de 2009, sumarizadas no Anexo A. As séries de
dados das ações selecionadas que irão compor o estudo foram escolhidas a partir
das necessidades impostas pela metodologia escolhida, baseada em estudo anterior
de Chan, Hamao e Lakonishok (1991), Neves e Costa Jr (2000), Murakoshi (2007) e
Michalischen (2008) sendo compostas de: série histórica de variáveis
fundamentalistas como lucro por ação (LPA), valor patrimonial da ação (VPA),
50
alavancagem financeira (relação entre o capital de terceiros e capital próprio), índice
preço/lucro, índice Dívida Líquida/Patrimônio Líquido, Dividend Yield, e o Beta,
proposto no modelo seminal de Sharpe (1964), para o período de março de 1999 a
dezembro de 2008, totalizando dez anos, disponibilizados pela base de dados da
Economática. As cotações trimestrais (retiradas no fechamento do pregão do último
dia útil de cada trimestre) do Índice da Bolsa de Valores de São Paulo (IBOVESPA),
dos preços das ações em questão no estudo e dos títulos federais negociados no
mercado secundário (CDI) foram retiradas da base de dados da Bloomberg.
Para mercados emergentes, a definição quanto à taxa de um ativo livre de
risco é, usualmente, ponto de discussão. De acordo com Silveira (1973), um ativo
livre de risco é aquele que um investidor sabe exatamente o valor que receberá no
final do período de investimento. Para este estudo, foi selecionada como taxa livre
de risco, RF, a cotação trimestral do Certificado de Depósito Interbancário (CDI), que
é a referência para os títulos federais negociados no mercado secundário. A
definição de carteira de mercado também é tema controverso. De acordo com crítica
realizada por Roll (1977), a eficiência da utilização de qualquer referencial para a
carteira de mercado é sempre questionada, na medida em que a representação de
todos os ativos da economia, tanto financeiros, quanto imóveis, quanto humanos, é
praticamente inviável.
No Brasil, o retorno Ibovespa tem sido a variável utilizada como carteira de
mercado. Este índice retrata o comportamento das principais ações negociadas na
Bolsa de Valores de São Paulo – Bovespa; é o valor atual de uma carteira de ações
teórica, baseada em critérios específicos de participação nos pregões e pesos de
acordo com um critério de negociabilidade. Contribuição neste assunto foi realizada
51
por Araújo, Fajardo e Tavani (2006), os quais verificam que, apesar de os retornos
do Ibovespa não satisfazerem às condições do CAPM, foram eficientes no período
analisado, de 1999 a 2002, sendo esta medida para a carteira de mercado preferível
à proposta carteira sintética de retorno do PIB.
Hagler e Brito (2006) testam o CAPM com diversas alternativas ao referencial
de carteira de mercado utilizado atualmente: o Ibovespa, os índices IBX 50 e FGV
100. Seus resultados indicam que a maioria dos testes realizados rejeitou a
eficiência dos índices, evidenciando que a escolha de uma carteira de mercado
eficiente não é trivial. Do ponto de vista teórico, reporta uma evidência contra o
modelo CAPM e sugere, inclusive, a adoção de modelos de multifatores alternativos.
Diante do exposto, este trabalho utiliza como variável relacionada à carteira de
mercado os retornos do Ibovespa. Dessa forma, o fator Prêmio de Risco,
correspondente ao excesso de retorno da carteira de mercado, é composto pela
diferença entre a cotação trimestral do índice Ibovespa e a cotação trimestral do
CDI.
Este conjunto de dados é processado em seu formato original e convertido
para planilhas no intuito de serem compilados e exportados para a ferramenta de
tratamento estatístico de dados para permitir a aplicação da metodologia SUR
proposta por Zellner (1962), e que tem servido com base de análise para a maioria
dos trabalhos acerca do CAPM, sendo seus resultados analisados posteriormente.
A análise da relação entre o retorno das ações e as variáveis
fundamentalistas é conduzida através da formação de carteiras de ações, dentro de
setores da indústria brasileira, siderúrgico, telecomunicações e elétrico. Segundo
52
Neves e Costa Jr (2000), esta técnica tem a função de eliminar ou pelo menos
diminuir a parte diversificável do risco total das ações utilizadas na amostra.
Buscando seguir os mesmos procedimentos que foram realizados no trabalho
de Neves e Costa Jr (2000), tentou-se tomar o cuidado para que o número de ações
em cada carteira nunca ficasse abaixo de 5, com a finalidade de se trabalhar com
carteiras de baixo risco diversificável. Este método de formação e ordenação de
carteiras em função das variáveis explicativas é utilizado, entre outros motivos, para
fazer com que a variável a ser explicada (rentabilidade) apresente uma grande
dispersão ao longo das carteiras, facilitando o tratamento estatístico posterior.
Porém, tendo em vista a iliquidez de algumas ações e indisponibilidade de base de
dados para outras, os setores tiveram que sofrer algumas modificações a fim de
atender requisitos básicos, até mesmo para que se tivesse uma eficiência quando da
realização da regressão no programa econométrico. Sendo assim, foram retiradas
da amostra, ações ordinárias de empresas que também negociassem ações
preferenciais na Bolsa, como é o caso da Vale, que teve a ação VALE3 retirada da
amostra, em função da alta liquidez da VALE PNA (VALE5).
As carteiras serão analisadas, primeiramente, dentro dos setores, a fim de
verificar se existe alguma ação que apresenta maior sensibilidade à influência das
variáveis fundamentalistas frente ao Beta, onde estas variáveis têm poder de
explicar os retornos esperados das ações em questão, para posteriormente, ser
analisada a inter-relação das carteiras dos três setores, onde o objetivo é ver qual o
setor que é mais influenciado pelas variáveis fundamentalistas analisadas nas
regressões SUR com dados em t (contemporâneo) e em t-1 (defasado).
53
Estas variáveis foram selecionadas na pesquisa em decorrência de já terem
sido utilizadas pelos autores especificados na revisão bibliográfica. O objetivo deste
estudo foi apenas identificar quais variáveis fundamentalistas possuem relação
estatística significante com os retornos esperados das ações durante os anos
estudados. De acordo com o modelo de formação de preços de ativos, o CAPM,
apenas o risco sistemático, representado pela variável Beta, deveria mostrar-se
significante. Neste trabalho, será observado se, além da variável Beta, outras
variáveis são significantes na explicação dos retornos das ações.
Buscando não permitir que os retornos das ações não fossem influenciados
pela variável valor de mercado (Efeito Tamanho), esta variável foi retirada do
trabalho. Isso com base no que falam alguns autores como: Reinganum (1983) que
conclui que o efeito da variável lucro por ação (LPA) desaparece quando a variável
valor de mercado (efeito tamanho) é simultaneamente considerada. Banz (1981)
descobre um efeito tamanho (valor de mercado), mas não independente do efeito de
lucro por ação (LPA) por todos os meses, um resultado similar àquele de Reinganum
(1983).
Já o trabalho de Matsumoto e Lima (2004) verifica que após períodos de
ganhos seqüenciais das carteiras de maiores ativos ocorre uma reversão de ganhos
para as carteiras menores. Uma importante observação colhida dos números
referentes às diferenças de retornos médios é que se pôde constatar, no período
estudado, relevante relação entre tamanho de empresa e disparidade de retorno.
Um aumento das diferenças entre ativos grandes e pequenos provoca efeito similar
nas diferenças de retornos.
54
Sendo assim, o trabalho procurou selecionar ações de liquidez na Bolsa de
Valores de São Paulo, a fim de impedir uma disparidade quando da análise dos
resultados das regressões SUR dos retornos dos ativos dentro dos setores.
Blume e Husic (1973) descobrem uma relação entre o preço de uma ação
comum e retornos subseqüentes. Stambaugh (1983) descobre correlação
substancial entre valor de mercado e preço de ação. Além disso, Kim (1997) afirma
que o preço da ação é usado para computar razões lucro por ação e outras variáveis
descobertas para serem correlacionadas com retornos de ações, tais como
dividendos.
Após análise de regressões SUR, Jaffe, Keim e Westerfield (1989) verificam
que a atenuação do coeficiente de lucro aparece para ser devido à força do poder
explanatório do log de valor de mercado (ME).
3.1.5. REGRESSÃO APARENTEMENTE NÃO RELACIONADA (SUR)
Segundo o Índice de Citação de Ciências Sociais (Social Sciences Citacion
Index – SSCI), o artigo de Zellner (1962) tinha sido citado em mais de 385
publicações até a data da republicação de seu artigo em 1982.
Zellner era estimulado pelo interesse em modelos estatísticos multivariados
usados em econometria e sabia que os modelos disponíveis se apresentavam de
forma muito complicada e não apropriada para a análise de certos tipos de dados
importantes na área de finanças.
Sendo assim, depois de completar seu trabalho de graduação, ele começou a
tentar desenvolver modelos e métodos mais simples. Em seu artigo seminal, em
55
1961, Zellner alcança a idéia de algebricamente representar um modelo de
equações múltiplas na forma de equação simples. Essa idéia simples que ocorreu a
ele mais tarde permitiu uma fácil interpretação de modelos de equações múltiplas e
uma adaptação de procedimentos de inferência estatística de equação simples para
aplicar a problemas de equações múltiplas. Em Zellner (1961), o autor considerou
modelos tradicionais de regressões multivariadas, onde cada variável dependente é
uma função linear da mesma configuração de variáveis independentes, uma
situação comum nas ciências físicas em que alguém configura os valores de
variáveis independentes e observa as múltiplas respostas.
O modelo que Zellner (1962) analisa, permite às variáveis dependentes a
diferentes configurações das variáveis independentes, uma situação comumente
encontrada em análise de dados em finanças. Foi surpreendente para o autor que
este tipo de modelo não tinha sido analisado na literatura estatística e que a
estimação estatística e as técnicas de testes que Zellner desenvolveu foram muito
diferentes daquelas dos modelos tradicionais de regressão multivariada.
Zellner (1962) destaca que o modelo considerado envolveu m equações de
regressão que não aparentam estar relacionadas (portanto, daí o termo regressões
aparentemente não relacionadas). De fato, tomando conta da correlação dos termos
de erro (residuais) pelas equações leva a novas estimativas que são
assintoticamente mais eficientes que as estimativas usuais dos quadrados mínimos
e apropria testes de estatística para testar hipóteses.
Para sumarizar, Zellner menciona o porquê que os artigos de finanças estão
constantemente utilizando seu método SUR para analisar os resultados: (1) os
procedimentos de teste e estimação são diretamente aplicáveis a um número de
56
importantes problemas aplicáveis de finanças; (2) o modelo é único e tem sido
usado como base para um número de extensões úteis; (3) a ênfase de Zellner na
simplicidade com respeito à exposição e análise aparentemente agradou a muitos;
(4) o autor desenvolver um programa de computação em 1962 que permite o uso
das técnicas de teste e estimação estatística, e que durante os anos esse programa
tem sido melhorado e amplamente distribuído; (5) consultando a colegas e
estudantes da área no que tange às aplicações das técnicas do método SUR, foi
observado que todos se mostraram muito satisfeitos com o modelo desenvolvido
pelo autor.
Segundo a definição de Michalischen (2008), o modelo SUR trata-se de uma
técnica utilizada para estimar um conjunto de parâmetros para um sistema de
equações, considerando heteroscedasticidade e correlação contemporânea entre os
termos de erro das equações. O modelo pode conter diversas equações que seriam
independentes entre si no sentido de não estarem estimando a mesma variável
dependente ou possuírem variáveis independentes diferentes, por exemplo.
Entretanto, a autora destaca que se as equações estiverem utilizando as mesmas
informações, os termos de erros das equações irão apresentar correlação entre si.
Assim, a utilização da abordagem de SUR pode ser considerada uma extensão de
modelo de regressão linear que permite correlação dos erros entre as equações.
Vogelvang (2005) afirma que o modelo SUR é um exemplo próprio de um
modelo com distúrbios autocorrelacionados ocasionados pelo processo de
especificação do modelo. O termo de distúrbio tem uma matriz de covariância que
origina na maneira em que o modelo é especificado. Isso significa o método dos
57
Mínimos Quadrados Generalizados (Generalized Least Squares - GLS) é o método
apropriado para eficientemente estimar os parâmetros do modelo.
Ainda segundo Vogelvang (2005), um modelo SUR é um modelo de equação
múltipla com equações de regressão aparentemente não relacionadas. Isso consiste
de equações explicando variáveis idênticas, mas para diferentes amostras. Por
exemplo, um número de equações de consumo de café pode ser estimado para
vários países, ou um número de funções de produção com relação ao mesmo
produto pode ser estimado para diferentes companhias.
O destaque de Vogelvang (2005) é para a idéia atrás desse modelo com
relação às equações que são independentes, mas que a correlação entre o distúrbio
dos termos das equações existe, representando influências não sistemáticas
idênticas como desenvolvimentos de mercados mundiais ou influências similares de
ciclos econômicos. Essas correlações não influenciam os resultados da estimação
dos Mínimos Quadrados Ordinários (Ordinary Least Squares – OLS) pela equação,
mas um fenômeno estatístico bem conhecido é que quanto mais a informação é
usada, mais eficiente os resultados de estimação serão. As diferentes equações são
aparentemente não relacionadas. Para obter um estimador para todos os
parâmetros de todas as equações, as equações têm de ser escritas em um sistema
como modelo único.
Vogelvang (2005) atesta que os resíduos não são permitidos de terem
autocorrelação significante, portanto deve-se computar a matriz de correlação dos
resíduos para obter uma confirmação de que o modelo SUR pode aumentar os
resultados de equação simples anteriormente obtida, onde é importante ressaltar
que é esperado que o modelo SUR gere autocorrelação dos resíduos.
58
Jaffe, Keim e Westerfield (1989), Chan, Hamao e Lakonishok (1991) e, Neves
e Costa Jr (2000) mencionam, ao utilizar o método SUR na análise de seus
trabalhos, que este método permite ajustar simultaneamente o risco Beta de cada
carteira e testar a significância estatística das variáveis fundamentalistas. Além
disso, esses autores observam outras vantagens deste método: redução do
problema de erros nas variáveis para o caso da variável Beta não ser diretamente
observável e; a consideração da correlação dos resíduos entre as carteiras na
estimativa dos coeficientes da regressão.
Zani e Procianoy (2006) estimaram em seu trabalho os modelos de efeitos
fixos, efeitos aleatórios e efeitos fixos com GLS (generalized least squares ou
mínimos quadrados generalizados) e período SUR (seemingly unrelated regression).
Ao utilizar a opção período SUR, está corrigindo-se a heterocedasticidade através
das firmas e da correlação ao longo do período. Zani e Procianoy (2006) verificaram
que se a correlação serial não é um fator a considerar nos efeitos fixos, a
especificação do modelo de regressão SUR aumenta a precisão do modelo de
variável binária (efeitos fixos), cujos erros são transformados de sorte que todos
possuam a mesma variância e sejam não correlacionados contemporaneamente.
Michalischen (2008) em seu artigo usa o método de regressões
aparentemente não-relacionadas (SUR), que compreende diversas relações
individuais inter-relacionadas apenas pela presença de correlação em seus termos
de erro. A autora firma que esta correlação pode ser advinda de variáveis não-
observadas que afetam todos os indivíduos. Duas motivações básicas são
destacadas por Moon e Perron (2006) para a utilização do SUR: (1) o ganho de
eficiência através da estimação da informação combinada de diferentes equações e
59
(2) impor e/ou testar as restrições envolvendo os parâmetros de diferentes
equações.
Michalischen (2008) menciona que supondo que a hipótese de Gauss-Markov
seja verdadeira para todas as equações, o estimador de Mínimos Quadrados
Ordinários (OLS) é considerado o melhor estimador linear não viesado, contudo
existe um ganho de eficiência no uso da abordagem SUR para estimar as equações
conjuntamente, pois a abordagem supõe que o intercepto e os parâmetros de
resposta diferem entre os indivíduos, mas são constantes ao longo do tempo.
Segundo Hill, Griffiths e Judge (1999) há duas suposições acerca da
abordagem de SUR: a primeira é de que a variância do termo de erro é constante,
mas varia entre os indivíduos, caracterizando heteroscedasticidade entre as
diferentes unidades observadas e; a segunda indica que existe correlação entre os
erros das diferentes equações para o mesmo período de tempo, ou seja, existe
correlação contemporânea. A estimação do modelo produzirá um intercepto para
cada indivíduo, resultando em n interceptos diferentes e k coeficientes angulares
para cada indivíduo, totalizando n X k coeficientes.
Ainda Hill, Griffiths e Judge (1999), a correlação contemporânea ocorre
quando existe correlação entre os termos de erro de duas ou mais equações no
mesmo período de tempo e surge devido à omissão de variáveis. Uma vez que as
variáveis explicativas de cada equação do modelo SUR são idênticas, as
informações presentes nas variáveis que explicam a variável de resposta, mas não
entram no modelo, passam a fazer parte do erro de cada um dos indivíduos. Desse
modo, o termo de erro de um indivíduo será correlacionado com o termo de erro de
60
outro. Essa informação adicional, que é incluída na abordagem SUR, aumenta a
precisão da estimação dos parâmetros.
Michalischen (2008) afirma que a estimação dos parâmetros da abordagem
SUR não pode ser feita através do método de Mínimos Quadrados Ordinários (OLS)
em função da premissa de existência de correlação contemporânea, o que levaria a
estimadores viesados. Nessa situação, o método que oferece o melhor estimador
não viesado para o modelo é o de Mínimos Quadrados Generalizados (GLS), que
modela a função de heteroscedasticidade e utiliza os dados para estimar os
parâmetros desconhecidos do modelo.
Michalischen (2008) observa que o ajuste das equações na abordagem SUR
é realizado através da atribuição de pesos às observações no momento de
estimação do sistema de equações. Existem duas possibilidades de atribuição de
pesos possíveis: a primeira considera a correção de heteroscedasticidade e da
correlação contemporânea no nível das cross-section (Cross-Section SUR); e de
maneira similar, a segunda corrige a heteroscedasticidade no período e a correlação
entre as observações de um determinado cross-section (Period SUR).
3.1.6. TRATAMENTO DE DADOS
As bases de dados são compiladas para tratamento estatístico valendo-se
dos dados exportados a partir das planilhas desenvolvidas. Uma vez criadas as
bases são realizadas as regressões e estatística descritiva que são analisados a
partir da metodologia Seemingly Unrelated Regression (SUR), proposta por Zellner
(1962), e testada em trabalhos como os de Neves e Costa Jr (2000) e Chan et al.
(1991).
61
3.1.6.1. APLICAÇÃO DO MÉTODO
Será feito uso de uma regressão linear múltipla utilizando o método SUR
(Seemingly Unrelated Regression), entre as rentabilidades das carteiras e as
variáveis fundamentalistas.
Este método permite o ajuste simultâneo do risco Beta de cada carteira e
testa a significância estatística das variáveis fundamentalistas. Usando o método
SUR, Jaffe, Keim e Westerfield (1989), Chan, Hamao e Lakonishok (1991)
mencionam que uma relevante vantagem desse método seria a redução do
problema de erros nas variáveis para o caso da variável Beta que não é diretamente
observável e a consideração da correlação dos resíduos entre as carteiras na
estimativa dos coeficientes da regressão.
Neste trabalho, as regressões utilizaram séries de dados consolidadas
trimestralmente. Como teste da significância dos coeficientes das regressões é
utilizado a razão t, pois de acordo com Cooper e Schindler (2003) este é um dos
testes paramétricos mais usados para amostras independentes (utiliza a distribuição
t de Student), sendo o mesmo teste utilizado na metodologia original de Chan,
Hamao e Lakonishok (1991), inclusive para efeito de validade da comparação dos
resultados este trabalho utiliza o mesmo nível de significância de 5%.
3.2. LIMITAÇÕES
Conforme proposto por Vergara (2007) “é saudável antecipar-se às críticas
que o leitor poderá fazer ao trabalho, explicitando quais as limitações que o método
escolhido oferece, mas que ainda assim o justificam como o mais adequado aos
propósitos da investigação”.
62
O método escolhido para este estudo surgiu a partir da leitura inicial do
trabalho de Neves e Costa Jr (2000). Além das variáveis propostas no método
original, foram incluídas algumas variáveis a fim de verificar se existe alguma que
explique com significância estatística e que não tenha sido discutida por algum
trabalho acadêmico.
O estudo limitou-se ao período de março de 1999 (1º trimestre) a dezembro
(4º trimestre) de 2008. A base de dados a ser utilizada no presente estudo compõe-
se do conjunto de ações de três setores diferentes da economia brasileira, elétrico,
siderúrgico e de telecomunicações, com cotações trimestrais, e que fazem parte do
IBOVESPA anunciado para o quadrimestre de agosto a dezembro de 2008,
totalizando 20 ações, sumarizadas no Anexo A. As séries de dados das ações
selecionadas que irão compor o estudo foram escolhidas a partir das necessidades
impostas pela metodologia escolhida e que já havia sido testada em trabalhos
anteriores de relevância no meio acadêmico.
A extensão do estudo para o total de ações que se encaixam dentro dos três
setores, e que não fazem parte da composição do IBOVESPA, não foi praticada,
pois existiu o pressuposto de que as ações que não compõem o IBOVESPA
causariam pouca influência no resultado geral dos cálculos que conduzem as
conclusões do trabalho, tendo em vista que esse é o principal índice de referência
do mercado acionário brasileiro.
A metodologia apresentada neste estudo não cobre todas as questões
possíveis de serem levantadas sobre o modelo de apreçamento de ativos. Fatores
como os custos presentes nas operações e questões acerca da influência das
informações em poder dos agentes deste mercado não foram estudados nesta
63
pesquisa, porém seus efeitos sobre os dados estão presentes, influenciando desta
forma os resultados obtidos e podendo ter causado vieses na análise desses
resultados.
64
4. ANÁLISE DE RESULTADOS
A análise dos dados a seguir compreende as regressões das séries históricas
da variação percentual do retorno de ações (var_preco), variação percentual do
prêmio de risco de mercado com ativo em análise (var_premio), variação percentual
da alavancagem financeira (var_ala), variação percentual de dívida líquida sobre
patrimônio líquido - DL/PL (var_dlpl), variação percentual de dividend yield (var_dy),
variação percentual do lucro patrimonial da ação (var_lpa), variação percentual do
índice preço/lucro (var_pl) e variação percentual do valor patrimonial da ação
(var_vpa). A metodologia segue o trabalho de Costa Jr e Neves (2000).
Assim como em Nagano et al (2003), de modo geral, os resultados
encontrados na regressão SUR não se comportaram de acordo com aqueles
previstos pelo CAPM, ou seja, somente o risco, representado pela variável beta,
estaria relacionado positiva (e linearmente) com o retorno esperado dos ativos. O
beta mostrou-se significativo nesta pesquisa, contudo outras variáveis, como
preço/lucro (P/L), lucro por ação (LPA), valor patrimonial por ação (VPA), Dividend
Yield (DY), e Alavancagem Financeira apresentaram-se também com significância
estatística na explicação das variações das rentabilidades das ações. Os resultados
serão dispostos no próximo tópico.
Na análise da variável beta, de acordo com a regressão SUR efetuada, foi
possível constatar uma associação positiva e significativa entre os retornos e betas
nos setores de siderurgia, elétrico e telecomunicações nas regressões com dados
em t e, e uma associação, em sua maioria, não significativa estatisticamente e
alternando associações positivas e negativas.
65
Os resultados encontrados para a variável Beta estão em conformidade com
o modelo de precificação de ativos financeiros, já que, para taxas crescentes de
riscos sistemáticos, maiores retornos deveriam ser encontrados – devendo a relação
ser positiva. Entretanto, outras variáveis mostraram-se estar significativamente
relacionadas com os retornos das ações, contradizendo, dessa forma, a teoria do
CAPM.
4.1. ANÁLISE DENTRO DOS SETORES
4.1.1. SETOR DE SIDERURGIA
Setor Siderúrgico Contemporâneo
Coeficiente
(Significância) CNFB4 CSNA3 GGBR4 GOAU4 USIM5 VALE5
Constante
0.090496
(0.0057)***
0.070751
(0.0350)**
0.086395
(0.0048)***
0.122109
(0.0001)***
0.086969
(0.0030)***
0.040269
(0.2456)
Beta
0.617983
(0.0003)***
1.118082
(0.0000)***
0.755597
(0.0000)***
0.585376
(0.0002)***
1.506555
(0.0000)***
0.338085
(0.1525)
ALA
-0.027237
(0.1147)
-0.051307
(0.0263)**
-0.106718
(0.3890)
-0.051721
(0.4892)
-0.014855
(0.7769)
0.077359
(0.3571)
DL/PL
0.002563
(0.8335)
-0.116905
(0.1952)
-0.077223
(0.1091)
-0.134908
(0.0046)***
-0.036652
(0.0283)**
-0.016933
(0.5476)
DY
0.024025
(0.4112)
-0.077996
(0.0006)***
-0.193845
(0.0004)***
-0.157556
(0.0022)***
0.000269
(0.6637)
-0.050365
(0.4084)
LPA
0.002687
(0.5457)
0.026373
(0.0228)**
0.187840
(0.0675)*
0.298783
(0.0015)***
0.001355
(0.7518)
0.257235
(0.1337)
66
P/L
0.004698
(0.0596)*
0.038582
(0.1218)
0.239632
(0.0007)***
0.252360
(0.0006)***
-0.000513
(0.0003)***
0.440572
(0.0173)**
VPA
-0.490009
(0.0093)***
-0.096913
(0.4716)
-0.036264
(0.9283)
-0.547295
(0.1472)
-0.070001
(0.6295)
-0.240541
(0.0483)**
R2 ajustado 0.269057 0.665168 0.826575 0.797325 0.763534 0.621875
Tabela 4.1. Regressão com dados contemporâneos do setor siderúrgico, onde os valores na parte de cima representam os coeficientes e os que estão em parênteses representam a significância estatística de cada variável para a ação em análise. O quadrante em que há especificado NA significa que a variável não pôde ser analisada na regressão, tendo em vista uma pequena base de dados. * Significância de 10% ** Significância de 5% *** Significância de 1%
Setor Siderúrgico Defasado
Coeficiente
(Significância) CNFB4 CSNA3 GGBR4 GOAU4 USIM5 VALE5
Constante
0.071853
(0.0496)**
0.076714
(0.0800)*
0.206365
(0.0001)***
0.151223
(0.0041)***
0.064907
(0.1640)
0.046580
(0.4302)
Beta
-0.467349
(0.0185)**
0.812535
(0.0061)***
-0.223690
(0.3937)
-0.014959
(0.9551)
0.251231
(0.3659)
0.637657
(0.1181)
ALA
-0.018955
(0.2940)
-0.018378
(0.5078)
0.338443
(0.0941)*
0.056714
(0.6097)
-0.177750
(0.0258)**
-0.035459
(0.7986)
DL/PL
-0.009509
(0.4594)
-0.242867
(0.0844)*
-0.078664
(0.3899)
-0.008341
(0.9221)
-0.018122
(0.4395)
0.027652
(0.5738)
DY
0.002201
(0.9426)
0.056180
(0.0301)**
-0.127878
(0.1969)
-0.092646
(0.2940)
0.002673
(0.0027)***
0.076956
(0.4486)
LPA
0.007082
(0.1298)
-0.017873
(0.1816)
-0.080753
(0.6620)
-0.007268
(0.9646)
0.014665
(0.0244)**
-0.239474
(0.3972)
P/L
0.001867
(0.4761)
-0.018761
(0.5358)
-0.216986
(0.0611)*
-0.194996
(0.0892)*
-0.000215
(0.3080)
-0.356281
(0.2424)
67
VPA
0.293050
(0.1441)
-0.188579
(0.2605)
-1.270371
(0.0394)**
-0.593118
(0.2771)
-0.051714
(0.8141)
-0.103177
(0.6195)
R2 ajustado 0.008087 0.194833 0.010484 -0.183456 0.136911 -0.424165
Tabela 4.2. Regressão com dados defasados do setor siderúrgico, onde os valores na parte de cima representam os coeficientes e os que estão em parênteses representam a significância estatística de cada variável para a ação em análise. O quadrante em que há especificado NA significa que a variável não pôde ser analisada na regressão, tendo em vista uma pequena base de dados. * Significância de 10% ** Significância de 5% ***Significância de 1%
Na análise da relação valor patrimonial sobre preço, para os estudos de Fama
e French (1992), Chan, Hamao e Lakonishok (1991), Costa Jr. e Neves (2000), a
variável valor patrimonial da ação (VPA) apresentou uma associação significativa
com os retornos das ações. Nesta pesquisa, foi encontrada uma relação de
significância estatística entre a variável valor patrimonial da ação (VPA) e as
rentabilidades de duas das seis ações do setor para regressão com dados em t:
CNFB4 (coeficiente = -0,490009 e significância = 0,0093); e VALE5 (coeficiente = -
0,240541 e significância = 0,0483). Já para regressão com dados em t-1 observa-se
apenas uma associação: GGBR4 (coeficiente = -1,270371 e significância = 0,0394).
Na análise da relação preço sobre lucro (P/L), esta se mostrou a variável mais
significativa, depois do comportamento apresentado pela variável Beta,
apresentando as rentabilidades das seguintes ações com significância estatística
para regressão SUR com dados em t: GGBR4 (coeficiente = 0,239632 e
significância = 0,0007); GOAU4 (coeficiente = 0,252360 e significância = 0,0006);
USIM5 (coeficiente = -0,000513 e significância = 0,0003); e VALE5 (coeficiente =
0,440572 e significância = 0,0173). Já para regressão com dados em t-1, não foi
observada nenhuma associação entre o retorno das ações e a variável em
destaque. A associação positiva para essa variável significa que quanto maior o
índice preço/lucro, maior é a rentabilidade das ações, corroborando os estudos de
68
Jaffe, Keim e Westerfield (1989). Só fica a ressalva, que a ação USIM5 teve um
coeficiente negativo da variável P/L, contrariando o que foi explicado anteriormente e
os coeficientes das outras três ações que tiveram significância estatística.
A variável Dívida Líquida/ Patrimônio Líquido (DL/PL) indica o grau de
endividamento de uma empresa através da relação do capital de terceiros e capital
próprio. Quanto maior for o índice, maior será o endividamento da empresa. De
acordo com a regressão SUR, foi observado que apenas duas ações do setor
apresentaram significância estatística para dados em t: GOAU4 (coeficiente = -
0,134908 e significância = 0,0046); e USIM5 (coeficiente = -0,036652 e significância
= 0,0283). Com dados em t-1, não houve nenhuma associação com significância
estatística. Esses dados corroboram o que foi falado anteriormente, pois mostra que
a rentabilidade é inversamente proporcional ao grau de endividamento de capital de
terceiros medido pelo índice DL/PL, e vão de encontro com o que foi falado no
trabalho de Fama e French (1992), onde estes autores encontraram uma relação
positiva entre o índice e as rentabilidades das ações.
Na análise da variável lucro por ação (LPA), foi observada uma relação
positiva entre o índice e as rentabilidades de duas ações para regressão com dados
em t: CSNA3 (coeficiente = 0,026373 e significância = 0,0228); e GOAU4
(coeficiente = 0,298783 e significância = 0,0015). Já com dados em t-1, houve
apenas uma associação: USIM5 (coeficiente = 0,014665 e significância = 0,0244).
Essa relação vem a comprovar que quanto maior a capacidade de uma ação
produzir um lucro maior, maior será sua rentabilidade.
Na análise da variável Dividend Yield (DY) com as rentabilidades das ações
do setor, foi observada uma associação negativa. Foram observadas três ações com
69
uma relação com significância estatística para dados em t, as quais são: CSNA3
(coeficiente = -0,077996 e significância = 0,0006); GGBR4 (coeficiente = -0,193845 e
significância = 0,0004); GOAU4 (coeficiente = -0,157556 e significância = 0,0022).
Para regressões SUR com dados em t-1, foram observadas duas associações:
CSNA3 (coeficiente = 0,056180 e significância = 0,0301); e USIM5 (coeficiente =
0,002673 e significância = 0,0027). As associações negativas encontradas não estão
coerentes com as evidências apresentadas por Wu e Wang (2000), e Speranzini
(1994), que encontraram relações positivas entre os retornos das ações e a variável
Dividend Yield.
A variável Alavancagem Financeira (ALA) apresentou apenas uma ação com
significância estatística para dados em t, e esta indica uma relação de capital próprio
e capital de terceiros: CSNA3 (coeficiente = -0,051307 e significância = 0,0263). Já
para dados em t-1, tem-se que: USIM5 (coeficiente = -0,177750 e significância =
0,0258)
Porém, como é prescrita na teoria de apreçamento de ativos (CAPM), a
variável Beta é, no setor de siderurgia, a que melhor explica a variação na
rentabilidade das ações. Foram observadas cinco ações estatisticamente
significantes para dados em t: CNFB4 (coeficiente = 0,617983 e significância =
0,0003); CSNA3 (coeficiente = 1,118082 e significância = 0,0000); GGBR4
(coeficiente = 0,755597 e significância = 0,0000); GOAU4 (coeficiente = 0,585376 e
significância = 0,0002); e USIM5 (coeficiente = 1,506555 e significância = 0,0000).
Já com dados em t-1, observa-se que: CNFB4 (coeficiente = -0,467349 e
significância = 0,0185); e CSNA3 (coeficiente = 0,812535 e significância = 0,0061).
70
Com relação aos índices de determinação da amostra (R2), ficou bem claro
que quando as rentabilidades das ações são calculadas com dados defasados, ou
seja, a rentabilidade da ação i é calculada com os índices das variáveis em t-1, o R2
fica bem inferior ao R2 que é obtido quando a regressão SUR é realizada em dados
atualizados, a rentabilidade da ação i em t e os coeficientes das variáveis também
com dados em t.
No geral, a ação que mais se destacou frente às demais no setor de
siderurgia, foi a GOAU4 (Gerdau Metalúrgica PN). Ela apresentou cinco variáveis
fundamentalistas com significância estatística com dados contemporâneos. A
análise com dados contemporâneos é a que tem maior importância, tendo em vista
as análises, que puderam ser tiradas após as regressões, de que o mercado faz
uma precificação muito rápida e, por isso mesmo, pôde ser visto que as regressões
com dados defasados não foram satisfatórias.
4.1.2. SETOR ELÉTRICO
Setor Elétrico Contemporâneo
Coeficiente
(Significância) CLSC6 CMIG4 COCE5 ELET6 LIGT3 TRPL4
Constante
0.039117
(0.1181)
0.048736
(0.0462)**
-0.010447
(0.5984)
0.021541
(0.4560)
0.123478
(0.1696)
0.125515
(0.0028)***
Beta
1.062854
(0.0000)***
0.850001
(0.0000)***
0.273349
(0.0346)**
0.740915
(0.0001)***
1.032760
(0.1406)
1.024544
(0.0000)***
ALA NA
-0.050681
(0.1684)
0.214524
(0.0578)* NA
-0.001688
(0.9932) NA
71
DL/PL NA
0.075929
(0.5132)
-0.257231
(0.0118)** NA
-0.021149
(0.9701) NA
DY
0.003576
(0.2278)
0.008081
(0.8319)
0.012931
(0.2118)
-0.003592
(0.7930) NA
-0.013038
(0.8252)
LPA NA
0.056240
(0.3553)
0.379763
(0.0000)*** NA
0.050920
(0.7028) NA
P/L NA
-0.013923
(0.6892)
0.464895
(0.0000)***
0.089387
(0.0009)***
-0.026380
(0.7823) NA
VPA NA
-0.088051
(0.5189)
-0.015476
(0.7753) NA
0.451055
(0.7617) NA
R2 ajustado 0.564833 0.489679 0.734478 0.568314 -0.593243 0.353892
Tabela 4.3. Regressão com dados contemporâneos do setor elétrico, onde os valores na parte de cima representam os coeficientes e os que estão em parênteses representam a significância estatística de cada variável para a ação em análise. O quadrante em que há especificado NA significa que a variável não pôde ser analisada na regressão, tendo em vista uma pequena base de dados. * Significância de 10% ** Significância de 5% ***Significância de 1%
Setor Elétrico Defasado
Coeficiente
(Significância) CLSC6 CMIG4 COCE5 ELET6 LIGT3 TRPL4
Constante
0.037746
(0.2227)
0.043652
(0.1743)
0.042149
(0.1689)
0.039281
(0.2554)
0.027998
(0.5578)
0.067326
(0.1455)
Beta
-0.158795
(0.3416)
0.010592
(0.9596)
0.080853
(0.6832)
-0.011297
(0.9576)
-0.171119
(0.6648)
0.258274
(0.3256)
ALA NA
0.048855
(0.3143)
0.032626
(0.8434) NA
0.049971
(0.5868) NA
DL/PL NA
-0.190692
(0.2110)
0.051002
(0.7310) NA
-0.258792
(0.4867) NA
72
DY
0.000526
(0.8683)
-0.041456
(0.3897)
-0.017987
(0.2386)
0.003448
(0.8167) NA
0.103631
(0.0847)*
LPA NA
0.059688
(0.4436)
0.040995
(0.7544) NA
-0.039795
(0.4452) NA
P/L NA
-0.040401
(0.3651)
-0.081308
(0.4200)
-0.059372
(0.0376)**
-0.044494
(0.3273) NA
VPA NA
0.057949
(0.7481)
-0.008689
(0.9136) NA
-0.848762
(0.1428) NA
R2 ajustado -0.042407 0.000185 -0.101911 0.000810 0.587381 -0.009453
Tabela 4.4. Regressão com dados defasados do setor elétrico, onde os valores na parte de cima representam os coeficientes e os que estão em parênteses representam a significância estatística de cada variável para a ação em análise. O quadrante em que há especificado NA significa que a variável não pôde ser analisada na regressão, tendo em vista uma pequena base de dados. * Significância de 10% ** Significância de 5% *** Significância de 1%
Na análise da relação valor patrimonial sobre preço (VPA), não foi observada
nenhuma associação com significância estatística seja regressão com dados em t
seja com regressão com dados em t-1.
Na análise da relação preço sobre lucro (P/L), mostrou-se a variável mais
significativa, depois do Beta, apresentando as rentabilidades das seguintes ações
com significância estatística: COCE5 (coeficiente = 0,464895 e significância =
0,0000); ELET6 (coeficiente = 0,089387 e significância = 0,0009) para dados em t.
Já para dados em t-1, temos apenas uma ação: ELET6 (coeficiente = -0,059372 e
significância = 0,0376). A associação positiva para essa variável significa que quanto
maior o índice preço/lucro, maior é a rentabilidade das ações, corroborando os
estudos de Jaffe, Keim e Westerfield (1989). Só fica a ressalva, que a ação ELET6
teve um coeficiente negativo da variável P/L, quando regredida em t-1, contrariando
73
o que foi explicado anteriormente e os coeficientes das outras três ações que
tiveram significância estatística.
A variável Dívida Líquida/ Patrimônio Líquido (DL/PL) indica o grau de
endividamento de uma empresa através da relação do capital de terceiros e capital
próprio. Quanto maior for o índice, maior será o endividamento da empresa. De
acordo com a regressão SUR, foi observado que apenas uma ação do setor
apresentou significância estatística: COCE5 (coeficiente = -0,257231 e significância
= 0,0118) para regressão com dados em t e, para regressão com dados em t-1 não
houve nenhuma variável com significância estatística.
Na análise da variável lucro por ação (LPA), foi observado uma relação
positiva entre o índice e a rentabilidades de uma ação: COCE5 (coeficiente =
0,379763 e significância = 0,0000) para regressão em t, e para regressão em t-1 não
houve variável com coeficientes com significância estatística.
Na análise da variável Dividend Yield (DY) com as rentabilidades das ações
do setor, não foi observada nenhuma associação com significância estatística seja
para regressão SUR com dados em t ou em t-1.
A variável Alavancagem Financeira (ALA) também não apresentou nenhuma
associação com significância estatística seja em t ou em t-1.
Porém, como é prescrita na teoria de apreçamento de ativos (CAPM), a
variável Beta é, no setor de elétrica, a que melhor explica a variação na rentabilidade
das ações com regressões SUR com dados em t. Foram observadas cinco ações
estatisticamente significantes: CLSC6 (coeficiente = 1,062854 e significância =
0,0000); CMIG4 (coeficiente = 0,850001 e significância = 0,0000); COCE5
74
(coeficiente = 0,273349 e significância = 0,0346); ELET6 (coeficiente = 0,740915 e
significância = 0,0001); e TRPL4 (coeficiente = 1,024544 e significância = 0,0000).
Já com regressão com dados em t-1, não foi observada nenhum coeficiente com
significância estatística.
Com relação aos índices de determinação da amostra (R2), ficou bem claro
que quando as rentabilidades das ações são calculadas com dados defasados, ou
seja, a rentabilidade da ação i é calculada com os índices das variáveis em t-1, o R2
fica bem inferior ao R2 que é obtido quando a regressão SUR é realizada em dados
atualizados, a rentabilidade da ação i em t e os coeficientes das variáveis também
com dados em t. A única exceção acontece com a ação LIGT3 que tem um R2 = -
0,593243 em t, e um R2 = 0,587381 em t-1.
A ação que mais se destacou frente às demais no setor de elétrica, foi a
COCE5 (Coelce PNA). Ela apresentou quatro variáveis fundamentalistas com
significância estatística com dados contemporâneos.
4.1.3. SETOR DE TELECOMUNICAÇÕES
Setor de Telecomunicações Contemporânea
Coef.
(Sig.) BRTO4 BRTP4 NETC4 TCSL4 TLPP4 TMAR5 TNLP4 VIVO4
Const.
0.013880
(0.4980)
0.000916
(0.9571)
0.036699
(0.5128)
0.032597
(0.2485)
0.031124
(0.0066)
***
0.020636
(0.3910)
0.027802
(0.2380)
-0.015239
(0.6347)
Beta 0.558899 0.574140 2.876332 0.990360 0.410069 0.316312 0.813811 1.274633
75
(0.0002)
***
(0.0000)
***
(0.0000)
***
(0.0000)
***
(0.0000)
***
(0.0747)
*
(0.0000)
***
(0.0000)
***
ALA
-0.050969
(0.0312)
**
0.023454
(0.0027)
***
0.004058
(0.8954)
-0.004282
(0.5589)
-0.760727
(0.0000)
***
-0.198710
(0.3966)
0.026766
(0.3430)
-0.001432
(0.7777)
DL/PL
0.057225
(0.5406)
0.037660
(0.1263)
-0.064071
(0.1558)
-0.042926
(0.3116)
-0.021808
(0.3213)
0.015870
(0.7352)
0.012260
(0.7290)
-0.019272
(0.8420)
DY
-0.050144
(0.1623)
0.000770
(0.9731) NA
-0.024611
(0.4037)
-0.206842
(0.0000)
***
0.026471
(0.2231)
-0.018510
(0.2095) NA
LPA
0.002587
(0.5012)
0.027354
(0.0013)
***
-0.026651
(0.7078)
-0.001754
(0.9307)
0.484469
(0.0000)
***
0.027023
(0.8969)
-0.011724
(0.5082)
0.000868
(0.9501)
P/L
0.020983
(0.1665)
0.008212
(0.4550)
-0.036524
(0.3938)
0.031543
(0.0515)*
0.185362
(0.0000)
***
0.302390
(0.0000)
***
0.022076
(0.1790)
-0.000811
(0.5770)
VPA
0.302072
(0.0196)
**
1.115042
(0.0037)
***
-0.067955
(0.0822)*
0.306552
(0.4131)
-1.001143
(0.0008)
***
0.797101
(0.1637)
-0.150627
(0.6195)
-0.005692
(0.9750)
R2 ajust 0.625964 0.544306 0.584910 0.453977 0.811788 0.292068 0.371123 0.498151
Tabela 4.5. Regressão com dados contemporâneos do setor de telecomunicações, onde os valores na parte de cima representam os coeficientes e os que estão em parênteses representam a significância estatística de cada variável para a ação em análise. O quadrante em que há especificado NA significa que a variável não pôde ser analisada na regressão, tendo em vista uma pequena base de dados. * Significância de 10% ** Significância de 5% ***Significância de 1%
76
Setor de Telecomunicações Defasado
Coef.
(Sig.) BRTO4 BRTP4 NETC4 TCSL4 TLPP4 TMAR5 TNLP4 VIVO4
Const.
0.014154
(0.6466)
-0.009366
(0.7074)
-0.027985
(0.6197)
0.044235
(0.2340)
0.003684
(0.8758)
0.020299
(0.5702)
0.031928
(0.2974)
-0.002462
(0.9566)
Beta
0.187861
(0.4523)
-0.217878
(0.1379)
-0.375948
(0.3336)
0.126765
(0.5574)
-0.033590
(0.8441)
-0.086213
(0.7503)
-0.374360
(0.0547)
**
0.044083
(0.8736)
ALA
-0.031239
(0.3608)
0.023315
(0.0201)
**
-0.003071
(0.9256)
0.000859
(0.9177)
-0.126286
(0.4788)
-0.375394
(0.2410)
0.064431
(0.0521)
*
0.003625
(0.5350)
DL/PL
-0.198639
(0.1584)
-0.019572
(0.5487)
-0.058087
(0.2232)
0.040180
(0.4074)
0.065742
(0.1173)
-0.030255
(0.6428)
-0.017052
(0.6837)
0.149493
(0.1992)
DY
0.049964
(0.3676)
0.051833
(0.0873)
*
NA
-0.007384
(0.8234)
0.076492
(0.3835)
0.038972
(0.1999)
0.000537
(0.9742) NA
LPA
0.026647
(0.2306)
0.009516
(0.3814)
0.048358
(0.5408)
0.005296
(0.8214)
0.290968
(0.0773)
*
0.275559
(0.3353)
-0.028339
(0.1752)
0.000231
(0.9884)
P/L
0.012421
(0.0318)
**
0.004172
(0.7712)
0.137854
(0.0026)
***
0.030277
(0.0988)
*
0.013446
(0.8526)
-0.039931
(0.7082)
0.008342
(0.6599)
3.30E-05
(0.9840)
VPA
0.367707
(0.0678)*
-0.036884
(0.9406)
0.001206
(0.9763)
-0.569021
(0.1845)
0.433800
(0.4916)
0.692927
(0.3810)
0.104250
(0.7655)
0.025941
(0.9043)
77
R2 ajust 0.089578 0.021203 0.105763 -0.004535 0.041036 -
0.106197 -
0.075989 -
0.104500
Tabela 4.6. Regressão com dados defasados do setor de telecomunicações, onde os valores na parte de cima representam os coeficientes e os que estão em parênteses representam a significância estatística de cada variável para a ação em análise. O quadrante em que há especificado NA significa que a variável não pôde ser analisada na regressão, tendo em vista uma pequena base de dados. * Significância de 10% ** Significância de 5% ***Significância de 1%
Na análise da relação valor patrimonial sobre preço (VPA), foram observadas
três associações com significância estatística para regressão SUR com dados em t:
BRTO4 (coeficiente = 0,302072 e significância = 0,0196); BRTP4 (coeficiente =
1,115042 e significância = 0,0037); e TLPP4 (coeficiente = -1,001143 e significância
= 0,0008). Para regressão com dados em t-1, não houve nenhuma variável com
coeficiente estatisticamente significante.
Na análise da relação preço sobre lucro (P/L), foi observado que as
rentabilidades das seguintes ações apresentaram-se com significância estatística:
TLPP4 (coeficiente = 0,185362 e significância = 0,0000); TMAR5 (coeficiente =
0,302390 e significância = 0,0000) para dados em t. Já para dados em t-1, temos as
seguintes ações: BRTO4 (coeficiente = 0,012421 e significância = 0,0318); e NETC4
(coeficiente = 0,137854 e significância = 0,0026). A associação positiva para essas
variáveis significa que quanto maior o índice preço/lucro, maior é a rentabilidade das
ações, corroborando os estudos de Jaffe, Keim e Westerfield (1989).
A variável Dívida Líquida/ Patrimônio Líquido (DL/PL) não apresentou
nenhuma variável com coeficiente estatisticamente significante em dados para t e
para t-1.
78
Na análise da variável lucro por ação (LPA), foi observada uma relação
positiva entre o índice e a rentabilidades de duas ações: BRTP4 (coeficiente =
0,027354 e significância = 0,0013); e TLPP4 (coeficiente = 0,484469 e significância
= 0,0000) para regressão SUR com dados em t, e para regressão em t-1 não houve
variável com coeficientes com significância estatística.
Na análise da variável Dividend Yield (DY) com as rentabilidades das ações
do setor, foi observada a associação de apenas uma ação com significância
estatística para regressão SUR com dados em t: TLPP4 (coeficiente = -0,206842 e
significância = 0,0000). Já para dados em t-1, não houve nenhuma variável com
significância estatística.
A variável Alavancagem Financeira (ALA) foi a variável no setor de
telecomunicações que teve melhor desempenho depois da variável Beta,
apresentando as seguintes associações para regressão com dados em t: BRTO4
(coeficiente = -0,050969 e significância = 0,0312); BRTP4 (coeficiente = 0,023454 e
significância = 0,0027); e TLPP4 (coeficiente = -0,760727 e significância = 0,0000).
Para regressão com dados em t-1 temos apenas uma associação: BRTP4
(coeficiente = 0,023315 e significância = 0,0201).
Porém, como é prescrita na teoria de apreçamento de ativos (CAPM), a
variável Beta é, no setor de telecomunicações, a que melhor explica a variação na
rentabilidade das ações com regressões SUR com dados em t, sendo observadas
sete ações estatisticamente significantes: BRTO4 (coeficiente = 0,558899 e
significância = 0,0002); BRTP4 (coeficiente = 0,574140 e significância = 0,0000);
NETC4 (coeficiente = 2,876332 e significância = 0,0000); TCSL4 (coeficiente =
0,990360 e significância = 0,0000); TLPP4 (coeficiente = 0,410069 e significância =
79
0,0000); TNLP4 (coeficiente = 0,813811 e significância = 0,0000), e VIVO4
(coeficiente = 1,274633 e significância = 0,0000). Já com regressão com dados em t-
1, não foi observada nenhuma variável com coeficiente com significância estatística.
Com relação aos índices de determinação da amostra (R2), ficou bem claro
que quando as rentabilidades das ações são calculadas com dados defasados, ou
seja, a rentabilidade da ação i é calculada com os índices das variáveis em t-1, o R2
fica bem inferior ao R2 que é obtido quando a regressão SUR é realizada em dados
atualizados, a rentabilidade da ação i em t e os coeficientes das variáveis também
com dados em t.
A ação que mais se destacou frente às demais no setor de telecomunicações,
foi a TLPP4 (Telesp PN). Ela apresentou seis variáveis fundamentalistas com
significância estatística com dados contemporâneos.
4.2. ANÁLISE ENTRE SETORES
Embora os valores encontrados nesta pesquisa tenham permitido evidenciar
uma relação positiva e significante entre os retornos e os riscos sistemáticos (com
exceção apenas da ação CNFB4 quando regredida em t-1, onde esta apresenta
uma relação negativa e significativa com a variável Beta), conforme expresso pelo
modelo de precificação de ativos, foram constatadas também relações significativas
entre as rentabilidades das ações e algumas das variáveis fundamentalistas
analisadas. Esta última evidência contradiz o modelo CAPM em razão de existirem
outras variáveis capazes de explicar as variações nas rentabilidades das ações
simultaneamente ao Beta. De qualquer maneira, pelos testes realizados, pode-se
80
afirmar que o CAPM está mal especificado devido à possibilidade da inclusão de
outros fatores no comportamento dos retornos dos ativos, além de Beta.
As variáveis fundamentalistas como a relação preço sobre lucro, o valor
patrimonial da ação, a alavancagem financeira, o dividend yield e o índice dívida
líquida sobre patrimônio líquido revelaram-se tão significativos quanto o próprio
Beta. Tais evidências confirmam trabalhos anteriores, como os apresentados por
Jaffe, Keim e Westerfield (1989), Fama e French (1992), Chan, Hamao e Lakonishok
(1991) e Costa Jr. e Neves (2000).
Pode-se verificar que os resultados deste estudo são similares em alguns
aspectos e diferentes em outros quando se compara aos resultados encontrados no
trabalho de Costa Jr. e Neves (2000). Ao contrário do que os autores observaram no
que diz respeito a relações positivas e significativas para a variável valor patrimonial,
este estudo encontro resultados variando ora positivos ora negativos de acordo com
a ação e de acordo com o setor ora analisado. Já a variável Beta apresenta uma
relação positiva e significativa, na quase totalidade das ações, com exceção apenas
da ação CNFB4 quando regredida em t-1, onde esta apresenta uma relação
negativa e significativa com a variável Beta. Outra semelhança é que dentre todas
as variáveis analisadas, a que mais se destacou foi a própria variável Beta,
mostrando sua importância frente às demais, e mostrando que além do CAPM ser
um modelo de apreçamento de ativos com algumas falhas e já de certa idade, não
incorporando as inovações implementados no mercado financeiro, este modelo
continua sendo o modelo mais ensinado nos cursos de finanças para os alunos, e
que também ficou comprovada a importância da variável Beta no trabalho de Costa
Jr. e Neves (2000).
81
O coeficiente de determinação, identificado pelo símbolo R2, representa a
proporção da variação total na variável dependente explicada pelas variáveis
independentes. A estatística R2 do modelo desta pesquisa demonstrou um aspecto
que pode ser visualizado através das tabelas 4.2, 4.4 e 4.6: quando regredidas as
séries da amostra de cada setor, os valores de R2 são muito inferiores aos valores
encontrados quando essas séries são regredidas em t, demonstrando que os preços
das ações já são precificados de acordo com as expectativas dos compradores e
vendedores, comprovando a Teoria de Eficiência do Mercado. Após o cálculo do
coeficiente de cada variável independente, em uma regressão, em relação a uma
determinada variável dependente, é necessário verificar se os coeficientes
encontrados são estatisticamente significantes a razão de 5%, que foi a razão
adotada pela maioria dos estudos anteriores sobre o assunto.
Analisando os setores com base nas variáveis fundamentalistas que não
sejam a variável Beta, podemos verificar o seguinte: no setor de siderurgia, existem
14 observações com significância estatística, quando somadas todas as variáveis
em análise e regredidas em t, e quando regredidas em t-1, existem 5 observações,
mostrando a importância dessas variáveis frente ao Beta, que apresentou uma
performance de 5 observações com significância em t, e 2 observações em t-1; no
setor elétrico, existem 4 observações das variáveis fundamentalistas com dados em
t, e com dados em t-1, há uma observação apenas. Além disso, foi verificado a
ocorrência de 5 oportunidades em que o Beta se apresentou com significância em t,
e não foi observada nenhuma situação em que o Beta se apresentou com
significância na explicação dos retornos das ações em análise quando regredido em
t-1 e; no setor de telecomunicações, foi observada a ocorrência de 11 oportunidades
em que as variáveis fundamentalistas se apresentaram com significância estatística
82
com dados em t, e com dados em t-1 foi verificado a observância de 3 observações
com significância estatística. Enquanto isso, o Beta se apresentou com significância
em 7 oportunidades em t, enquanto em t-1 não se apresentou com relevância
estatística.
Concluindo, pode-se verificar que o setor em que as variáveis
fundamentalistas tiveram um desempenho melhor foi o setor de siderurgia, em que
tanto com dados em t quanto em t-1 o número foi bem superior aos demais,
mostrando que o setor tem uma sensibilidade bem maior à influência das variáveis
fundamentalistas quando da precificação de ativos.
Dessas análises, pode-se observar que isoladamente o Beta ainda apresenta
um importante papel frente às variáveis fundamentalistas, mostrando um alto
número de observações com significância estatística de 5%, principalmente quando
a regressão SUR se dá com dados em t. Agora, quando são analisadas as variáveis
fundamentalistas como um conjunto único frente ao desempenho do Beta, fica nítido
a importância daquelas frente a esta, pois mostra que o Beta não é a única variável
independente capaz de explicar os retornos esperados dos ativos assim como
previsto por Sharpe (1964) no seu trabalho pioneiro do CAPM.
Os resultados também mostram que as variáveis fundamentalistas são
correlacionadas entre si. Assim, tornou-se necessária a utilização de técnicas de
análise multivariada para dissociar o impacto de cada variável fundamentalista sobre
a rentabilidade das ações. Esta técnica é a Regressão Aparentemente Não-
Relacionada (Seemingly Unrelated Regression – SUR) proposta por Zellner (1962),
que já foi empregada em vários trabalhos similares a este, mostrando um ótimo
emprego para análise estatística de variáveis que demonstram uma correlação.
83
5. CONCLUSÕES E RECOMENDAÇÕES
5.1. CONCLUSÕES
Tendo em vista que o mercado acionário brasileiro apresenta um crescimento
acelerado nos últimos dez anos, este trabalho permite chegar a conclusões que se
revestem de relativa importância tanto para os estudiosos quanto para investidores e
gestores de ativos em geral.
Esse trabalho procurou fazer uma revisão completa e detalhada dos estudos
existentes sobre modelo de apreçamento de ativos (CAPM), trazendo para a base
de conhecimento um referencial teórico robusto com os principais autores, as
principais teorias sobre o tema e as análises empíricas do modelo. Esse estudo
compreendeu a adaptação da metodologia apresentada por Costa Jr e Neves (2000)
e, Chan, Hamao e Lakonishok (1991), tendo como base o artigo seminal de Sharpe
(1964) e procurou obter, a partir dos resultados da aplicação da metodologia, um
paralelo entre as análises e conclusões dos autores para os mercados norte-
americano, japonês e brasileiro para os períodos de análise observados com as
análises e conclusões desta pesquisa para o cenário do mercado acionário brasileiro
de março de 1999 a dezembro de 2008.
É de fundamental importância que os gestores institucionais e individuais
maximizem seus lucros, ao incorporarem ativos em seus portfólios. Para isso, é
necessário, avaliar os retornos esperados dos ativos que culminem em decisões
acerca de manter, aumentar ou retirar um determinado ativo do portfólio. Assim, é
irrefutável saber precificar o valor que um ativo pode proporcionar. Como a própria
teoria apresenta, o CAPM é incapaz de perceber todas as modificações do mercado,
84
uma vez que este avalia apenas o risco sistemático, com um valor de Beta único
para mensurar todas as variáveis que o mercado apresenta.
Como pôde ser observado durante o trabalho, apesar de o modelo CAPM ser
uma das técnicas de avaliação de retorno mais adotadas para o cálculo do valor do
retorno efetivo de um investimento, não existe fórmula de avaliação que produza um
valor final “certo”, exato e inquestionável. A determinação do retorno de um
investimento de uma organização é um processo complexo e envolve diversas
variáveis subjetivas e informações que afetam o valor encontrado. O rigor teórico-
quantitativo proposto pelo modelo perde objetividade quando se baseia em
limitações do modelo CAPM, que tem o pressuposto de que o mercado é a única
fonte de risco, ou seja, o risco de todas as ações é unidirecional, relativo apenas a
um fator (Beta).
O objetivo deste trabalho foi verificar experimentalmente a influência das
variáveis fundamentalistas valor patrimonial da ação (VPA), lucro por ação (LPA),
índice preço/lucro (P/L), índice dívida líquida/patrimônio líquido (DL/PL), dividend
yield (DY) e alavancagem financeira (ALA), além do próprio Beta já previsto no
modelo CAPM, tomado como coeficiente da variável prêmio de risco (PREMIO), na
explicação da rentabilidade média das ações dos setores de elétrica,
telecomunicações e siderurgia negociadas à vista na Bolsa de Valores de São
Paulo, durante o período de março de 1999 a dezembro de 2008. Para tanto, foram
construídas três carteiras de ações de acordo com os setores e verificou-se, através
de regressões múltiplas (método SUR), a influência destas variáveis nas
rentabilidades médias das carteiras, quando regredidas em dados no tempo t e
dados em t-1.
85
Os resultados mostraram um relacionamento negativo entre a rentabilidade
média das carteiras e as variáveis índice DL/PL, ALA, DY e, um relacionamento
positivo entre rentabilidade e o Beta, índice P/L, LPA, VPA. Contudo, apesar destas
variáveis contribuírem para a explicação da relação risco-retorno, a variável Beta foi
a que mais se destacou na explicação desta relação.
Uma constatação deste trabalho é que a controvérsia entre o uso do modelo
unidimensional do CAPM e o uso de modelos multidimensionais está longe de ser
resolvido. Pôde ser observado que ainda existe grande poder de explicação do Beta
mesmo quando o modelo CAPM é incorporado por variáveis fundamentalistas, que
não haviam sido previstas por Sharpe (1964). Os problemas encontrados nos testes
empíricos do CAPM podem ser tanto falhas deste modelo como também
ineficiências do mercado que não precifica corretamente as ações ou ativos.
Por outro lado, como as variáveis fundamentalistas estão muito relacionadas
com o preço das ações, seguramente algumas serão redundantes na hora de
explicar as rentabilidades das ações. Foi, por isso, que ao contrário de muitos
trabalhos anteriormente publicados, esse estudo priorizou por não adotar a variável
Valor de Mercado (ME), tendo em vista que esta é muito relacionada com o preço e
a partir daí, poderia ser observado uma forte influência nas significâncias estatísticas
das outras variáveis fundamentalistas utilizadas neste trabalho.
Como principal conclusão, baseado nas questões que nortearam o rumo
deste estudo temos que, para o mercado brasileiro, o proposto na hipótese de
Sharpe (1964) de que um aumento no risco de determinada ação, que é observado
pelo Beta, determina após um período de tempo, uma valorização maior do que uma
ação menos arriscada. Os valores obtidos nas regressões a partir de dados
86
específicos do mercado brasileiro apontam para uma relação positiva e significativa
entre variação dos retornos de ações dos três setores estudados.
É importante observar que por ser o CAPM um dos modelos em finanças
mais testados na prática por estudiosos e acionistas do mercado, é este também um
dos que mais apresentam problemas, tendo em vista sua propagação pelo mundo.
Existem outros trabalhos que apareceram para competir ou, pelo menos, tentar
aperfeiçoar o CAPM, em alguns aspectos que este apresenta falhas, mas ao querer
incorporar as várias variáveis que existem no mercado acionário, os modelos
tornam-se complexos e de certa forma, não conseguem prever muito bem a relação
risco-retorno no mercado, porque assim como foi visto neste trabalho, existem no
Brasil assim como em alguns países pelo mundo, certas limitações de base de
dados para que sejam realizados trabalhos acadêmicos. Dentre esses modelos que
confrontam as premissas do CAPM destacam-se: o APT (Arbitrage Pricing Theory) e
o modelo de precificação de opções de Black e Scholes.
5.2. RECOMENDAÇÕES
A relevância acadêmica deste estudo aparece da necessidade observada
pelo autor de oferecer um referencial empírico e teórico, encorajando o
desenvolvimento de novas metodologias e para que novos estudos surjam
agregando valor a base de conhecimento sobre o instrumento alvo deste estudo, o
modelo de apreçamento de ativos (CAPM), e, principalmente, sobre o mercado
financeiro brasileiro.
Como recomendação sugere-se que estudos sejam aprofundados levando em
consideração a questão dos custos presentes nas operações de compra e venda no
87
mercado à vista de ativos e seus efeitos sobre os preços dos ativos, sobre o retorno
do mercado, além de ser avaliada a questão de haver retornos anormais
descontados os custos.
Outra vertente a ser pesquisada é a que leva em consideração a questão do
efeito da posse de informações, privilegiadas ou não, pelos agentes de mercado
sobre o preço e o retorno dos ativos de renda variável, sendo que estas propostas
de estudo encontram sólida base teórica nos autores citados neste trabalho.
Recomenda-se ainda que novos estudos sejam feitos no sentido de superar
as limitações apresentada por este trabalho. Podem-se sugerir os seguintes
estudos:
• Estender o período de tempo coberto pela série de dados utilizados neste estudo,
visando corroborar ou não as análises presentes.
• Estender o estudo do método de apreçamento de ativos em comparação com
outros métodos como o APT (Arbitrage Pricing Theory) e Modelo de Precificação
de Opções de Black e Scholes, além de estender os resultados no trabalho que
se desenvolveu no Brasil em comparação aos resultados encontrados em outros
países importantes e forte relação comercial com o Brasil, como Argentina,
México, China, Estados Unidos, Inglaterra e Japão, buscando observar se os
fenômenos observados no estudo de Jaffe, Keim e Westerfield (1989), Chan,
Hamao e Lakonishok (1991), Sharpe (1991), Neves e Costa Jr (2000) e no
presente trabalho têm correspondência nesses mercados estrangeiros. O estudo
desses mercados pode ajudar a avaliar qual mercado apresenta comportamento
que não se ajusta ao padrão médio global.
88
• Recomenda-se que se faça um estudo comparativo com outros setores ou até
mesmo utilizando a Bolsa ou o principal índice da Bolsa em questão como
referência, tendo em vista que a perspectiva inicial do trabalho quando estava na
fase de projeto era ter um número maior de ações pelos setores, mas tendo em
vista as limitações de base de dados do Brasil, que só começou em 1986, ficou
difícil para estimar alguns dados estatísticos com relação a algumas ações tendo
em vista que as mesmas não apresentavam ou apresentavam em quantidade
insuficiente determinado número de observações. Desse posto, verifica-se que
seria interessante observar as principais ações do mercado (blue chips) brasileiro
e dos outros mercados internacionais, pois estas possuem os dados em
conformidade para serem analisados com confiabilidade em estudos posteriores.
• Adotar outras variáveis fundamentalistas, a fim de verificar se estas possuem um
resultado mais robusto que o apresentado aqui neste trabalho, e se conseguem
prever com maior significância estatística do que o Beta quando feita a
comparação isoladamente. Além disso, como feito em outros estudos pode ser
utilizado outro medida de Risco de Mercado, onde neste trabalho foi utilizado o
índice IBOVESPA, poderia ser utilizado o IBRx-50 e o IBRx-100, ou até mesmo,
dependendo da análise em questão, utilizar os respectivos índices de setores,
como o IEE (Índice de Energia Elétrica) ou ITEL (Índice de Telecomunicações).
Como Risco Zero ou Risk Free foi utilizado as cotações trimestrais do CDI, que é
adotado como parâmetro padrão quando o mercado analisado é o brasileiro,
onde também pode ser observado que existem outras alternativas de analisar o
Risco Zero e, assim, mudar alguns resultados e análises para trabalhos futuros.
89
REFERÊNCIAS
ANTUNES, G. A.; LAMOUNIER, W. M.; BRESSAN, A. A. Análise do “Efeito
Tamanho” nos retornos de empresas listadas na Bovespa. Revista de
Contabilidade Financeira, USP, São Paulo, n.40, p. 87 – 101, jan/abr, 2006.
ARAÚJO, E., BARBACHAN, J. F., TAVANI, L. C. CAPM - Usando uma Carteira
Sintética do PIB Brasileiro. Working Paper, IBMEC - Finance Lab, 2004.
BANZ, R. W. The relationship between return and market value of common
stocks. Journal of Financial Economics vol. 9, 3-18, 1981.
BLACK, F.; JENSEN, M. C.; SCHOLES, M. The capital asset pricing model: some
empirical results. In: JENSEN, M.C.(ed.), Studies in the theory of capital markets,
Praeger, New York, 1972.
BLUME, M. E.; FRIEND, I. A new look at the capital asset pricing model. The
Journal of Finance, vol. 28, 1973.
BRENNAN, M. J. Taxes, market valuation and corporate financial policy.
National Tax Journal, 417-427, dezembro, 1970.
BRITO, Osias Santana. Contribuição ao estudo de modelo de controladoria de
risco-retorno em bancos de atacado. Tese de Doutorado. USP, São Paulo, 2000.
BROWN, P.; KLEIDON, A. W.; MARSH, T. A. New Evidence on Nature of Size-
Related Anomalies in Stock Prices. Journal of Financial Economics 12, 33-56,
1983.
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.
Dissertação (Mestrado) – Faculdade de Economia, Administração e Contabilidade,
Universidade de São Paulo, 1998.
90
BRUNI, A.L.; FAMÁ, R. Liquidez e avaliação de ativos financeiros: evidências
empíricas na Bovespa. Anais ENANPAD, 1998.
CARDOSO, D.; AMARAL, H.F. Correlacionando o Beta do modelo CAPM –
Capital Asset Pricing Model com as variáveis do modelo Fleuriet: uma análise
da siderúrgica Belo Mineira. Anais ENEGEP, 2000.
CHAN, K.C.; HAMAO, Y.; LAKONISHOK, J. Fundamentals and stock returns in
Japan. The Journal of Finance, dezembro, 1991.
COOPER, D. R.; SCHINDLER, P. S. Métodos de Pesquisa em Administração. 7a
ed. Porto Alegre: Bookman, 2003.
COSTA, B. E. da; CUNHA, R. L. da; RIBEIRO, K. C. S. CAPM: Retorno Justo X
Retorno de Mercado. Revista FAE, v.11, n.1, p. 69-78, jan/jun 2008.
COSTA Jr., N. C. A. da; MENEZES, E.A.; LEMBRUGER, E. F. Estimação do Beta
de ações através do método dos coeficientes agregados. Revista Brasileira de
Economia, vol.47 (4), 1993.
COSTA Jr., N.C. A. da; 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, vol.16 (43), 1991.
DALL’ AGNOL, Ivana. Retornos Anormais e Estratégias Reversas. Dissertação
(Mestrado) – Escola de Pós-Graduação em Economia, Fundação Getúlio Vargas,
Rio de Janeiro, 2001.
DE BONDT, W.F.M.; THALER, R.H. Does the stock market overreact? American
Economic Review 80, n.2, 1985.
DIMSON, E. Risk measurement when shares are subject to infrequent trading.
Journal of Financial Economics, vol.7, 1979.
91
DIMSON, E.; MARSH, P. The impact of small firm effect on event studies. Stock
Market Anomalies, Cambridge University Press, UK, 1988.
EID Jr, W. ; ROMARO, P. Efeito Tamanho na Bovespa. Anais do XXIII CLADEA,
Porto Alegre, v. 1. p. 1-12, 2002.
FAMA, E.F. Foundations of finance. Basic Books, New York, 1976.
FAMA, E. F.; FRENCH, K. The cross-section of expected returns. The Journal of
Finance, vol.43 (2), 1992.
FAMA, E. F.; MACBETH, J.D. Risk, return and equilibrium: empirical tests. The
Journal of Political Economy, maio-junho, 1973.
FAMÁ, R.; BARROS, L. A. B. C.; SILVEIRA, A. D. A estrutura de capital é
relevante? Novas evidências a partir de dados norte-americanos e latino-
americanos. Caderno de Pesquisas em Administração, São Paulo, v.8, n.2,
abril/junho, 2001.
FORTUNA, P. S.; EYSENBACH, J. M. Sizing up the Small Stock Effect. Small Cap
Stocks: Investment and portfolio strategies for the institutional investor. Irwin,
Chicago, USA, 55-92, 1993.
FRALETTI, Paulo Beltrão. Ensaios sobre taxa de juros em reais e sua aplicação
na análise financeira. Tese de Doutorado, São Paulo, USP, 2004.
GITMAN, Lawrence J. Princípios de Administração Financeira. 7. ed. São Paulo:
Habra, 1997.
GUJARATI, Damodar N. Econometria básica. 3. ed. São Paulo: Makron Books,
2000.
92
HAGLER, C.; BRITO, R. Testando a eficiência dos índices de ações brasileiros.
RAUSP, vol.42, n.1, Jan./Fev./Mar. 2007.
HANDA, P.; KOTHARI, S. P.; WASLEY, C.E. The relation between the return
interval and Betas: implications for the size effect. Journal of Financial Economics,
vol.23, 1989.
HAZZAN, S. Desempenho de ações da Bolsa de Valores de São Paulo e sua
relação com o índice preço/lucro. Tese de Doutorado, São Paulo, EAESP/FGV,
1991.
HILL, R.C.; GRIFFITHS, W.E.; JUDGE, G.G. Econometria. São Paulo: Saraiva,
1999.
JAFFE, J; KEIM, D.B.; WESTERFIELD, R. Earnings yield, market values, and
stock returns. The Journal of Finance, vol.44, 1989.
KIM, D. The errors in the variables problem in the cross-section of expected
stock returns. The Journal of Finance, vol.50(5), 1995.
______. A reexamination of firm size, book-to-market, and earnings price in the
cross-section of expected stock returns. Journal of Financial and Quantitative
Analysis, vol.32 (4),1997.
LAKONISHOK, J.; SHAPIRO, A. Systematic risk, total risk, and size as
determinants of stock returns. Journal of Banking and Finance, vol.10, 1986.
LIMA, L.A.O. Auge e Declínio da Hipótese de Mercados Eficientes. Revista de
Economia Política, v.23, n.4 (92), out/dez, 2003.
LINTNER, J. The valuation of risk assets and the selection of risky investments
in stock portfolios and capital budgets. Review of Economics and Statistics 47,
13-37, 1965.
93
__________. The aggregation of investors’ diverse judgements and
preferences in purely competitive markets. Journal of Financial and Quantitative
Analysis vol.4, 346-382, 1969.
MATOS, O. C. de. Econometria Básica. Atlas, São Paulo, 1995.
MARKOWITZ, Harry. "Portfolio Selection." Journal of Finance, 77- 91, 1952.
________________. Risk adjustment. Journal of Accounting, Auditing and Finance.
Forthcoming, 1990.
MATSUMOTO, A. S.; LIMA, F. R. S. Efeito Tamanho: Evidências no mercado
acionário brasileiro. IV Congresso USP de Controladoria e Contabilidade, São Paulo,
2004.
MERTON, R. An intertemporal capital asset pricing model. Econometrica 41,
867-887, 1973.
MESCOLIN, A.; BRAGA, C. M.; COSTA Jr, N. C. A. “Risco e retorno das Value e
Growth Stocks no Mercado de Capitais Brasileiro”. Anais do ENEGEP, 1997.
MILLER, E. Risk, uncertainty, and divergence of opinion. Journal of Finance, 32,
No.4, 1151-1168, 1977.
MICHALISCHEN, Fernanda. Evidências da migração de empresas de capital
aberto para os níveis diferenciados de Governança Corporativa da Bovespa:
Um estudo de evento. Dissertação (Mestrado) – Faculdade de Economia,
Administração e Contabilidade, Universidade de São Paulo, 2008.
MOON, H. R.; PERRON, B. Seemingly Unrelated Regressions. Unpublished
Working Paper. Université de Montreal. Disponível em:
http://www.mapageweb.umontreal.ca/perrob/
94
MOSSIN, J. Equilibrium in a capital asset market. Econometrica vol. 35, 768-783,
1966.
MURAKOSHI, V.Y.Y. Fatores comuns de mercado, tamanho, valor e diferenciais
de juros nos retornos das ações do mercado brasileiro. Dissertação (Mestrado)
– IBMEC, São Paulo, 2007.
NAGANO, M. S.; MERLO, E. M.; SILVA, M. C. As variáveis fundamentalistas e
seus impactos na taxa de retorno das ações no Brasil. Revista FAE, Curitiba,
v.6, n.2, p.13-28, maio/dez, 2003.
NEVES, M. B. E. ; COSTA Jr., N.C.A. Variáveis Fundamentalistas e os Retornos
das Ações. Revista Brasileira de Economia, Rio de Janeiro, vol. 54, n. 1, 2000.
NEVES, M; LEAL, R. Anomalias no mercado de ações e o crescimento do PIB
brasileiro. Cadernos discentes COPPEAD, Rio de Janeiro, no.18, p.5-31, Mar.
2003.
RAGSDALE, E. K. E.; RAO, G. R.; FOCHTMAN, L. Small versus Large Cap
Stocks: Quantifying the Fundamental Reasons Behind Relative Market
Performance”. In: Small Cap Stocks: Investment and portfolio strategies for the
institutional investor. Irwin, Chicago, USA, 3-54, 1993.
REINGANUM, M. R. Predicting Size Effect Reversals. In: Small Cap Stocks:
Investment and portfolio strategies for the institutional investor. Irwin, Chicago, USA,
109-128, 1983
RICHARDSON, R. J. et al, Pesquisa Social: Métodos e Técnicas. 3. ed. São
Paulo: Atlas, 2008.
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, vol.4, 1977.
95
ROSS, S. Arbitrage theory of capital asset pricing. Journal of Economic Theory
13, 341-360, 1976.
SALLES, A.A. Análise multivariada do risco sistemático dos principais
mercados de ações da América Latina: um enfoque Bayesiano. XXVI ENEGEP.
Ceará, outubro, 2006.
SANVICENTE, A. Z.; MINARDI, A. M. A. F. Problemas de estimação do custo de
capital no Brasil. IBMEC, FLWP, 09, 1999.
SCHERBINA, A. Stock prices and differences of opinion: empirical evidence that
prices reflect optimism, Kellogg School of Management Finance, Working Paper no.
278, 2001.
SCHOLES, M.; WILLIAMS, J. Estimating Betas from nonsynchronous data.
Journal of Financial Economics, vol.5, 1977.
SHARPE, W.F. "Capital Asset Prices: A Theory of Market Equilibrium Under
Conditions of Risk." The Journal of Finance, vol. 19, setembro, 1964.
_____________. Capital asset prices with and without negative holdings. The
Journal of Finance, vol.38, setembro, 1991.
SILVA, W.V.; SAMOHYL, R.W.; COSTA, L.S. Formulação e gerenciamento de
carteiras com base nos modelos CAPM e de Elton e Gruber. Teoria da Evidência
Econômica, Passo Fundo, v.9, n.17, p.25-42, novembro, 2001.
SILVA, F. F.; MOTTA, L. F. J. Teste do CAPM Zero-Beta no mercado de capitais
brasileiro. Anais do Congresso BALAS, Flórida, março, 2002.
SILVEIRA, H. P.; BARROS, L.A.; FAMA, R. Conceito de Taxa Livre de Risco e sua
Aplicação no Capital Asset Pricing Model - Um Estudo Exploratório para o
96
Mercado Brasileiro. In: 2º Encontro Brasileiro de Finanças, 2002, Rio de Janeiro. 2º
Encontro Brasileiro de Finanças, 2002.
SPERANZINI, M. de M. Efeito da política de dividendos sobre o valor das ações
no mercado brasileiro de capitais. Dissertação (Mestrado) – Faculdade de
Economia, Administração e Contabilidade, Universidade de São Paulo, 1994.
STAMBAUGH, R. F. On the exclusion of assets from tests of the two-parameter
model: a sensitivity analysis. Journal of Financial Economics, vol.10, 1982.
VERGARA, S. C. Projetos e Relatórios de Pesquisa em Administração. 5. ed.
São Paulo: Atlas, 2004.
VOGELVANG, BEN. Econometrics: Theory and applications with EViews. Harlow:
Pearson Education, 2005.
WU, C.; WANG, X. The predictive ability of dividend and earnings yields for
long-term stock returns. The Financial Review, v.35, p.97-124, 2000.
ZANI, J.; PROCIANOY, J.L. Status Financeiro da Firma como Determinante da
Capacidade de Estocagem de Liquidez. In: Simpósio de Excelência em Gestão e
Tecnologia, 2005, Rio de Janeiro
ZELLNER, A. An efficient method of estimating seemingly unrelated
regressions and tests for aggregation bias. Journal of the American Statistical
Association, vol.57, 1962.
97
ANEXO A - AÇÕES QUE FORAM UTILIZADAS NO ESTUDO
SIDERURGIA TELECOMUNICAÇÕES ELÉTRICO
CNFB4 – Confab PN BRTO4 – Brasil Telecom
PN
CESP6 – Companhia
Energia São Paulo PNB
(*)
CSNA3 – Companhia
Siderúrgica Nacional ON
BRTP4 -Brasil Telecom
Participações PN CLSC6 – Celesc PNB
GGBR3 – Gerdau ON (**) NETC4 – Net PN CMIG4 – Cemig PN
GGBR4 – Gerdau PN TCSL3 – TIM
Participações ON (**) COCE5 – Coelce PNA
GOAU4 – Gerdau
Metalúrgica PN
TCSL4 – TIM
Participações PN
ELET3 – Eletrobrás ON
(**)
USIM3 – Usiminas ON (**) TLPP4 – Telesp PN ELET6 – Eletrobrás PNB
USIM5 – Usiminas PNA TMAR5 – Telemar Norte
Leste PN
ELPL6 – Eletropaulo PNB
(*)
VALE3 – Vale ON(**) TNLP3 – Telemar ON (*) ENBR3 – Energia Brasil
ON (*)
VALE5 – Vale PNA TNLP4 – Telemar PN LIGT3 – Light ON
WEGE3 – WEG ON(*) VIVO4 – Vivo PN TRPL4 – Transmissão
Paulista PN
(*) ações que apresentaram uma base com poucos dados e retiradas da análise do
estudo.
(**) ações que foram retiradas da análise do estudo tendo em vista que possuem
ações preferenciais com liquidez maior.
101
ANEXO C – SIGNIFICADO DOS COEFICIENTES UTILIZADOS NO SETOR DE
SIDERURGIA NAS REGRESSÕES CONTEMPORÂNEA E DEFASADA
Coeficiente Significado Coeficiente Significado
C(1) Variável independente – RF
CNFB4
C(37) Variável independente – RF
GOAU4
C(2) Beta CNFB4 C(38) Beta GOAU4
C(3) Alavancagem CNFB4 C(39) Alavancagem GOAU4
C(4) Dívida Líquida/Patrimônio
Líquido CNFB4
C(40) Dívida Líquida/Patrimônio
Líquido GOAU4
C(5) Dividend Yield CNFB4 C(41) Dividend Yield GOAU4
C(7) Preço/Lucro CNFB4 C(43) Preço/Lucro GOAU4
C(8) Lucro por Ação CNFB4 C(44) Lucro por Ação GOAU4
C(9) Valor Patrimonial por Ação
CNFB4
C(45) Valor Patrimonial por Ação
GOAU4
C(10) Variável independente – RF
CSNA3
C(55) Variável independente – RF
USIM5
C(11) Beta CSNA3 C(56) Beta USIM5
C(12) Alavancagem CSNA3 C(57) Alavancagem USIM5
C(13) Dívida Líquida/Patrimônio
Líquido CSNA3
C(58) Dívida Líquida/Patrimônio
Líquido USIM5
C(14) Dividend Yield CSNA3 C(59) Dividend Yield USIM5
C(16) Preço/Lucro CSNA3 C(61) Preço/Lucro USIM5
C(17) Lucro por Ação CSNA3 C(62) Lucro por Ação USIM5
C(18) Valor Patrimonial por Ação
CSNA3
C(63) Valor Patrimonial por Ação
USIM5
C(28) Variável independente – RF
GGBR4
C(73) Variável independente – RF
VALE5
C(29) Beta GGBR4 C(74) Beta VALE5
C(30) Alavancagem GGBR4 C(75) Alavancagem VALE5
C(31) Dívida Líquida/Patrimônio
Líquido GGBR4
C(76) Dívida Líquida/Patrimônio
Líquido VALE5
102
C(32) Dividend Yield GGBR4 C(77) Dividend Yield VALE5
C(34) Preço/Lucro GGBR4 C(79) Preço/Lucro VALE5
C(35) Lucro por Ação GGBR4 C(80) Lucro por Ação VALE5
C(36) Valor Patrimonial por Ação
GGBR4
C(81) Valor Patrimonial por Ação
VALE5
108
ANEXO F – SIGNIFICADO DOS COEFICIENTES UTILIZADOS NO SETOR DE
ELÉTRICA NAS REGRESSÕES CONTEMPORÂNEA E DEFASADA
Coeficiente Significado Coeficiente Significado
C(10) Variável independente – RF
CLSC6
C(35) Lucro por Ação COCE5
C(11) Beta CLSC6 C(36) Valor Patrimonial por Ação
COCE5
C(14) Alavancagem CLSC6 C(46) Variável independente – RF
ELET6
C(19) Variável independente – RF
CMIG4
C(47) Beta ELET6
C(20) Beta CMIG4 C(50) Dividend Yield ELET6
C(21) Alavancagem CMIG4 C(52) Preço/Lucro ELET6
C(22) Dívida Líquida/Patrimônio
Líquido CMIG4
C(73) Variável independente – RF
LIGT3
C(23) Dividend Yield CMIG4 C(74) Beta LIGT3
C(25) Preço/Lucro CMIG4 C(75) Alavancagem LIGT3
C(26) Lucro por Ação CIMG4 C(76) Dívida Líquida/Patrimônio
Líquido LIGT3
C(27) Valor Patrimonial por Ação
CMIG4
C(79) Preço/Lucro LIGT3
C(28) Variável independente – RF
COCE5
C(80) Lucro por Ação LIGT3
C(29) Beta COCE5 C(81) Valor Patrimonial por Ação
LIGT3
C(30) Alavancagem COCE5 C(82) Variável independente – RF
TRPL4
C(31) Dívida Líquida/Patrimônio
Líquido COCE5
C(83) Beta TRPL4
C(32) Dividend Yield COCE5 C(86) Dividend Yield TRPL4
C(34) Preço/Lucro COCE5
114
ANEXO I – SIGNIFICADO DOS COEFICIENTES UTILIZADOS NO SETOR DE
TELECOM NAS REGRESSÕES CONTEMPORÂNEA E DEFASADA
Coeficiente Significado Coeficiente Significado
C(1) Variável independente – RF
BRTO4
C(55) Variável independente – RF
TLPP4
C(2) Beta BRTO4 C(56) Beta TLPP4
C(3) Alavancagem BRTO4 C(57) Alavancagem TLPP4
C(4) Dívida Líquida/Patrimônio
Líquido BRTO4
C(58) Dívida Líquida/Patrimônio
Líquido TLPP4
C(5) Dividend Yield BRTO4 C(59) Dividend Yield TLPP4
C(7) Preço/Lucro BRTO4 C(61) Preço/Lucro TLPP4
C(8) Lucro por Ação BRTO4 C(62) Lucro por Ação TLPP4
C(9) Valor Patrimonial por Ação
BRTO4
C(63) Valor Patrimonial por Ação
TLPP4
C(19) Variável independente – RF
BRTP4
C(64) Variável independente – RF
TMAR5
C(20) Beta BRTP4 C(65) Beta TMAR5
C(21) Alavancagem BRTP4 C(66) Alavancagem TMAR5
C(22) Dívida Líquida/Patrimônio
Líquido BRTP4
C(67) Dívida Líquida/Patrimônio
Líquido TMAR5
C(23) Dividend Yield BRTP4 C(68) Dividend Yield TMAR5
C(25) Preço/Lucro BRTP4 C(70) Preço/Lucro TMAR5
C(26) Lucro por Ação BRTP4 C(71) Lucro por Ação TMAR5
C(27) Valor Patrimonial por Ação
BRTP4
C(72) Valor Patrimonial por Ação
TMAR5
C(28) Variável independente – RF
NETC4
C(82) Variável independente – RF
TNLP4
C(29) Beta NETC4 C(83) Beta TNLP4
C(30) Alavancagem NETC4 C(84) Alavancagem TNLP4
C(31) Dívida Líquida/Patrimônio
Líquido NETC4
C(85) Dívida Líquida/Patrimônio
Líquido TNLP4
115
C(32) Dividend Yield NETC4 C(86) Dividend Yield TNLP4
C(34) Preço/Lucro NETC4 C(88) Preço/Lucro TNLP4
C(35) Lucro por Ação NETC4 C(89) Lucro por Ação TNLP4
C(36) Valor Patrimonial por Ação
NETC4
C(90) Valor Patrimonial por Ação
TNLP4
C(46) Variável independente – RF
TCSL4
C(91) Variável independente – RF
VIVO4
C(47) Beta TCSL4 C(92) Beta VIVO4
C(48) Alavancagem TCSL4 C(93) Alavancagem VIVO4
C(49) Dívida Líquida/Patrimônio
Líquido TCSL4
C(94) Dívida Líquida/Patrimônio
Líquido VIVO4
C(50) Dividend Yield TCSL4 C(97) Dividend Yield VIVO4
C(52) Preço/Lucro TCSL4 C(98) Preço/Lucro VIVO4
C(54) Valor Patrimonial por Ação
TCSL4
C(99) Lucro por Ação VIVO4