Академический Документы
Профессиональный Документы
Культура Документы
Rio de Janeiro
Novembro de 2009
Dissertao
apresentada
ao
Mestrado em Finanas e Economia
Empresarial como requisito parcial
para obteno do grau de Mestre
em
Finanas
e
Economia
Empresarial.
RIO DE JANEIRO
NOVEMBRO DE 2009
1
AGRADECIMENTOS
Aos meus pais, Liene e Jerckns, pelo carinho e infinita dedicao ao meu
crescimento pessoal e profissional. Sem vocs tudo isto no teria um incio.
minha irm Ericka, por seu eterno apoio a qualquer atividade que eu me aventure.
Obrigado por estar sempre a, mesmo que agora longe.
minha querida futura esposa, Flavia, por seu amor, apoio e acima de tudo
pacincia durante este perodo. Obrigado por trazer alegria nas pequenas coisas.
Aos meus orientadores, Marco Bonomo e Marcelo Verdini, por suas idias que
fizeram este trabalho tomar o caminho correto.
Aos professores da EPGE, pela dedicao ao ensino e pelo aprendizado que me foi
passado.
RESUMO
ABSTRACT
The theory of Behavioral Finance emerges as a new approach to the financial market,
arguing that some events are better explained if the restrictions of investors rationality
are relaxed. Concepts of psychology and limits to arbitrage are used to model market
inefficiencies, bringing up the idea that market can be systematically beaten. This paper
proposes a new model, of simple implementation, to explore the abnormal returns from
the momentum and mean reversion strategies simultaneously. The idea of a long term
momentum effect stronger than the short term effect is introduced, but the empirical
results show that the Brazilian market dynamics reject this concept. The model fails to
achieve riskless positive returns.
SUMRIO
CAP.1 INTRODUO........................................................................................... 7
CAP.2 REVISO DA LITERATURA...................................................................9
2.1. Justificativa Terica para a Estratgia Momentum................................. 9
2.2. Justificativa Terica para a Estratgia Contrarian................................. 11
2.3. A Relao entre as Estratgias Momentum e Contrarian....................... 13
2.4. O Cenrio Brasileiro............................................................................... 13
CAP.3 METODOLOGIA........................................................................................ 16
3.1. Modelo.................................................................................................... 16
3.2. Amostra e Metodologia...........................................................................18
CAP.4 RESULTADOS............................................................................................ 21
4.1. Resultados Brutos................................................................................... 21
4.2. Caractersticas das Carteiras................................................................... 23
4.3. Corrigindo pelo Risco............................................................................. 28
CAP.5 CONCLUSO.............................................................................................. 35
REFERNCIAS BIBLIOGRFICAS......................................................................... 37
1. INTRODUO
Conceito apresentado por DeLong et al. (1990) como uma explicao alternativa viso de Fama (1998)
que afirmava que os desvios causados por investidores irracionais anulavam uns aos outros.
2
Shiller (1998).
3
Contrariando Fama (1970), que pela primeira vez formalizou o conceito de mercados eficientes,
afirmando no ser possvel montar uma estratgia para bater o mercado.
lado, DeBondt e Thaler (1985, 1987) apontam para reverso dos retornos em horizontes
de tempo mais longos.
Um bom exemplo de ineficincia no mercado financeiro, que atraiu a ateno de
acadmicos recentemente, a estratgia classificada como arbitragem estatstica neutra
ao mercado. Mecanismos estatsticos para gerar os sinais de trade, regras sistemticas e
uma carteira apresentando baixa correlao com o mercado so caractersticas deste
fenmeno, que comumente analisado nos trabalhos acadmicos atravs do estudo de
eventos pelo clculo do retorno cumulativo anormal Cumulative Abnormal Return
(CAR).
A proposta desta Tese de Mestrado estudar, em termos de risco e retorno, a
implementao no mercado brasileiro de um modelo de arbitragem estatstica baseado
em dois fenmenos comumente estudados em separado: momentum e reverso mdia.
Na segunda parte do trabalho daremos uma viso geral sobre Finanas
Comportamentais e discutiremos alguns dos estudos acerca do tema dentro e fora do
Brasil. A terceira parte descreve a metodologia aplicada e os dados utilizados. A seguir
apresentamos as simulaes das carteiras, para na ltima parte discutir os resultados e
concluses do trabalho.
2. REVISO DA LITERATURA
Por exemplo, a tendncia dos indivduos em ver padres de formao em seqncias de nmeros
aleatrios. Ou o vis do conservadorismo, que faz com que os investidores dem menor peso para novas
informaes ao atualizar sua base de informao (Jegadeesh e Titman, 2001).
5
O efeito momentum foi pela primeira vez documentado por DeBondt e Thaler (1985); apesar de os
autores no estudarem explicitamente o efeito, ele uma conseqncia do fato que as aes tendem a
reverter.
Muitos trabalhos no consideram os diversos custos de transao para simplificar a modelagem das
estratgias de arbitragem. Argumenta-se, contudo, que estas estratgias no sobreviveriam aos custos de
transao devido aos freqentes rebalanceamentos e principalmente aos custos de aluguel. No
mercado americano este ltimo custo frequentemente assumido como 0.5% aa; mas no mercado
brasileiro, as aes menos lquidas podem atingir taxas de aluguel de 2 dgitos.
10
11
Alguns crticos da estratgia: Chan (1998), Ball e Kothari (1989). Os testes so baseados no conceito de
que para serem fundamentalmente mais arriscadas, as aes de valor deveriam ter um desempenho pior
que as de crescimento com alguma regularidade, e particularmente nos estados ruins da economia.
12
Existe relao entre os dois efeitos, de acordo com Hong e Stein (1999). A continuidade do movimento
de compra por parte dos agentes eleva os preos a nveis acima do valor intrnseco, gerando uma sobrereao que pode ser seguida de uma forte reverso no perodo seguinte.
13
15
3. METODOLOGIA
3.1. Modelo
Buscamos um modelo de arbitragem estatstica que reunisse tanto o efeito de
reverso mdia e como o de momentum, e que apresentasse retornos no atrelados a
riscos maiores. A fim de manter uma implementao simples, diferenciando-se,
portanto, de outros modelos propostos, as carteiras sero montadas com base apenas na
anlise dos retornos das aes estudando os comportamentos de curto e longo prazo10.
Consideramos o trabalho de Hogan et al. (2003) na classificao de estratgias
como arbitragem estatstica, assumindo seus resultados como base de validao para as
carteiras aqui apresentadas. Para a definio dos perodos de formao e prazos de
investimento, utilizamos os resultados de Bonomo e DallAgnol (2003) em relao
anlise das estratgias contrarian, e a partir dele somando outros trabalhos no
mercado brasileiro, citados anteriormente definimos o prazo para as estratgias de
momentum.
A dinmica do modelo acontece da seguinte maneira: se uma ao apresenta um
determinado desempenho passado de longo prazo, e permanece nesta tendncia no
passado recente, ento esperamos que o efeito momentum se mantenha por mais algum
tempo no futuro. Se o desempenho no passado recente for diferente, ento a ao
apresenta o incio do comportamento de reverso mdia, anulando a tendncia
observada no passado de longo prazo. Desta maneira, estamos descrevendo um modelo
10
Trabalho semelhante encontrado em Kim (2002), que nomeia seu modelo Long-Term Momentum
Hypothesis e testa os resultados no mercado americano. No modelo, o preo de uma ao determinado
pela interao entre traders de momentum e investidores racionais passivos. A cada perodo que o preo
sobre/desce, novas geraes de traders entram no mercado comprando/vendendo a ao, aumentando a
demanda do efeito momentum e desviando ainda mais o preo dos seus nveis intrnsecos. Desta maneira,
o preo de uma ao com desempenho de longo prazo bom/ruim dever continuar a subir/cair (pelo
menos durante um horizonte curto de tempo) mais do que uma ao com igual desempenho de curto
prazo. No longo prazo, o poder de precificao dos traders gradualmente se reduz por dois motivos.
Primeiro, porque a demanda das geraes mais antigas vai diminuindo conforme estes traders saem do
mercado. Alm disso, a entrada de novas geraes ao longo do tempo reduz o efeito momentum uma vez
que os preos em mdia no continuam mostrando a tendncia no futuro. Desta maneira, o poder de
precificao comea a ser transferido para os investidores racionais, que ao trazer os preos de volta a
seus nveis fundamentais, acabam causando reverso no longo prazo.
16
11
Por exemplo, Daniel et al. (1998) consideram que a sobre-reao dos investidores a uma nova
informao dispara tanto um efeito momentum de curto prazo quanto uma reverso de longo prazo.
Contudo, o modelo no capaz de prever quando a correo se inicia. A incapacidade de prever os
retornos de curto prazo tambm aparece nos modelos comportamentais de Hong e Stein (1999) e DeLong
et al. (1990).
17
18
13
Estudos anteriores tipicamente usam os retornos de 5 anos para a reverso de longo prazo (DeBondt e
Thaler, 1985; Ball e Kothari, 1989; Fama e French, 1996). Para o efeito momentum de curto prazo, so
considerados os retornos dos ltimos 6 meses (Jegadeesh e Titman, 1993; Chan, Jegadeesh e Titman,
1996).
19
(2-0) L
Carteiras (11-0)
(11-0) L
(11-0) W
(2-0) W
20
4. RESULTADOS
21
Tabela 2: Comparativo dos retornos acumulados e compostos para cada uma das
carteiras e estratgias.
Painel 1: Mdia Mensal das Sries Temporais de Retornos Compostos
Carteiras (11-3)
L1
L2
L3
Carteiras (2-0)
Incondicionais
0.94%
Carteiras (11-0)
0.82%
1.15%
1.25%
1.23%
0.94%
1.23%
22
Carteiras (11-0)
0.84%
1.10%
1.30%
Tabela 2: Continuao.
Carteiras
WW
WL
(11-0) W
(2-0) W
LL
LW
(11-0) L
(2-0) L
Original Contrarian Strategy
Doubly-extreme Contrarian Strategy
Trend-bucking Contrarian Strategy
Original Momentum Strategy
High Momentum Strategy
Low Momentum Strategy
Atravs das sries de valor patrimonial calculamos as sries dos ndices book-tomarket, cujas mdias so representadas no Painel 3. A relao negativa verificada com
ambas as ordenaes (11-3) e (2-0), permite a concluso inicial de que as carteiras
formadas pelo modelo respeitam a teoria de valor versus crescimento apresentada por
Lakonishok et al. (1993): as carteiras vencedoras (aquelas com retornos passados
maiores) apresentam menor ndice book-to-ratio que as perdedoras.
Contudo, somando as observaes j feitas sobre os retornos futuros aos
resultados de turnover e book-to-market, a concluso final de que as carteiras
formadas pelo modelo no respeitam a teoria de valor versus crescimento, uma vez que
os retornos futuros no so coerentes com o esperado. As caractersticas apresentadas
no so capazes, portanto, de descrever o comportamento dos retornos observados.
Carteiras (11-3)
L1
L2
L3
Carteiras (2-0)
Incondicionais
4,528
Carteiras (11-0)
3,238
5,032
7,153
5,716
Carteiras (11-3)
L1
L2
L3
Carteiras (2-0)
Incondicionais
3.11
3.51
24
Carteiras (11-0)
2.41
3.12
4.34
Tabela 3: Continuao.
Painel 3: Mdia das Sries Temporais de Book-to-Market
Carteiras (11-3)
L1
L2
L3
Carteiras (2-0)
Incondicionais
2.80
Carteiras (11-0)
3.24
2.33
1.99
2.25
15
25
Carteiras (11-3)
L1
L2
L3
Carteiras (2-0)
Incondicionais
0.78
Carteiras (11-0)
1.25
0.64
(0.25)
0.27
Betas
0.64
0.11
(0.25)
0.27
1.68
(0.65)
1.25
0.78
1.50
1.05
(0.77)
(0.51)
0.52
(2.34)
26
0.05%
0.00%
1
10
11
12
-0.05%
Original Contrarian
Doubly-extreme Contrarian
Trend-bucking Contrarian
-0.10%
-0.15%
-0.20%
-0.25%
0.20%
0.15%
0.10%
Original Momentum
0.05%
High Momentum
Low Momentum
0.00%
1
-0.05%
-0.10%
27
10
11
12
S=
Rp R f
16
evidncias empricas de assimetria e curtose em suas amostras. A influncia destes riscos, contudo, no
est clara.
28
Series: ORIGINAL_CONTR
Sample 1995M01 2008M11
Observations 167
16
12
8
4
0
-0.10
-0.05
0.00
-0.004357
-0.002200
0.061100
-0.125200
0.029285
-0.878786
5.292587
Jarque-Bera
Probability
58.06739
0.000000
0.05
32
Series: DOUBLY_EXTREME_CONTR
Sample 1995M01 2008M11
Observations 167
28
24
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
20
16
12
8
4
0
-0.15
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
Jarque-Bera
Probability
-0.10
-0.05
0.00
0.05
29
0.10
-0.005514
-0.002200
0.092100
-0.149300
0.038163
-1.188275
6.116721
106.8935
0.000000
Figura 2: Continuao.
16
Series: TREND_BUCKING_CONTR
Sample 1995M01 2008M11
Observations 167
12
0
-0.05
0.00
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
-0.001228
-0.002000
0.091000
-0.084700
0.029975
0.217615
3.300317
Jarque-Bera
Probability
1.945650
0.378014
0.05
24
Series: ORIGINAL_MOM
Sample 1995M01 2008M11
Observations 167
20
16
12
8
4
0
-0.050
-0.025
-0.000
0.025
0.050
30
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.002916
0.002100
0.066200
-0.053200
0.018693
0.393372
4.138782
Jarque-Bera
Probability
13.33071
0.001274
Figura 2: Continuao.
20
Series: HIGH_MOM
Sample 1995M01 2008M11
Observations 167
16
12
8
4
0
-0.05
0.00
0.05
20
0.001372
0.001200
0.096500
-0.077600
0.026813
-0.107401
3.692045
Jarque-Bera
Probability
3.653586
0.160929
0.10
Series: LOW_MOM
Sample 1995M01 2008M11
Observations 167
16
12
8
4
0
-0.10
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
-0.05
0.00
0.05
31
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
0.002924
0.003100
0.094100
-0.097600
0.032098
-0.057526
3.787999
Jarque-Bera
Probability
4.412835
0.110094
Original Contrarian
Doubly-extreme
Contrarian
Trend-bucking
Contrarian
-0.44%
0.0293
1.0962
-0.8788
5.2926
-0.55%
0.0382
0.8109
-1.1883
6.1167
-0.12%
0.0300
1.1753
0.2176
3.3003
Original
Momentum
High Momentum
Low Momentum
0.29%
0.0187
2.1061
0.3934
4.1388
0.14%
0.0268
1.4108
-0.1074
3.6920
0.29%
0.0321
1.2269
-0.0553
3.7880
Painel 2
Caracterstica
Retorno Mensal
Desvio Padro Mensal
ndice de Sharpe
Assimetria
Curtose
rpt ( ) r ft ( ) = p ( ) + p ( ) rmt r ft + e pt ( )
Este mesmo teste de risco foi utilizado por Lacerda (2007), ao estudar o desempenho de carteiras de
valor e momentum no mercado brasileiro. A controvrsia surge no momento em que, ainda no captulo 1,
afirmamos que o CAPM provou ser insuficiente na correta precificao das aes. Kim (2002) em seu
trabalho faz uso do modelo de trs fatores de Fama e French (1996), acrescentando os fatores tamanho e
book-to-market. Uma outra abordagem apresentada por Bonomo e DallAgnol (2003), que introduzem o
fator liquidez na regresso.
32
padro definido.
Para as carteiras (11-0)W, (11-0)L, (2-0)W e (2-0)L, podemos notar
continuidade nos retornos positivos, mas sem padres definidos de intensidade. A
Tabela 7 a seguir resume os retornos de cada estratgia corrigidos pelo coeficiente de
Jensen, com base nos resultados da Tabela 6.
O comparativo dos coeficientes para as estratgias de momentum ratifica o
resultado encontrado na anlise do ndice de Sharpe, de que o retorno bruto encontrado
para as estratgias propostas pelo modelo so fruto de um risco mais elevado.
33
Retorno Corrigido
-0.0035
-0.0157
-0.0052
0.0070
0.0070
0.0036
34
5. CONCLUSO
35
No optamos por testar prazos diferentes pois isto pareceria apenas manipulao
de dados, e poderia mascarar os reais resultados da proposta original do modelo. Tudo
considerado, encontramos evidncias que sugerem que o modelo baseado no efeito
momentum de longo prazo no se aplica ao Brasil, devido s particularidades da
36
REFERNCIAS BIBLIOGRFICAS
Avellaneda, M. and Lee, J., 2008, Statistical Arbitrage in the U.S. Equities Market.
Ball, R., and S. P. Kothari, 1989, "Nonstationary expected returns: Implications for tests
of market efficiency and serial correlation in returns," Journal of Financial Economics.
Bonomo, M. e DallAgnol, I., 2003, Retornos Anormais e Estratgias Contrrias.
Revista Brasileira de Finanas, v. 1, n. 2, p. 165-215.
Blume, M. E., and R. F. Stambaugh, 1983, "Biases in computed returns: An application
of the size effect," Journal of Financial Economics, 12, 387-404.
Conrad, J., and G. Kaul, 1993, "Long-term market overreaction or biases in computed
returns?, " Journal of Finance, 48, 39-63.
Costa Jr., N. C. A. e Neves, M. B. E., 2000, Variveis Fundamentalistas e o Retorno
das Aes.
Daniel, K., D. Hirshleifer, and A. Subrahmanyam, 1998, "Investor psychology and
security market underand overreaction," Journal of Finance, 53, 1839-1885.
Daniel, K. and Titman, S., 2000, Market Efficiency in an Irrational World, Working
Paper 7489, NBER.
DeBondt, Werner F.M., and Richard H.Thaler, 1985, Does the stock market
overreact?, Journal of Finance 40, 793-805.
DeBondt, Werner F.M., and Richard H.Thaler, 1987, Further Evidence on investor
overreaction and stock market seasonality, Journal of Finance 42, 557-581.
Enders, W., 2004, Applied Econometric Time Series, ed. Wiley.
Fama, E. and French, K., 1992, The cross-section of expected returns. The journal of
Finance, 47, 427-465.
Fama, E. and French, K., 1998, Value versus Growth: The International Evidence,
Journal of Finance, vol. LIII, no 6.
H. Hong and J. Stein., 1999, A Unified Theory of Underreaction, Momentum Trading
and Overreaction in Asset Markets. Journal of Finance, 54:21432184.
Hogan, S., Jarrow, R., Teo, M., Warachka, M., 2003, Testing market efficiency using
statistical arbitrage with applications to momentum and value strategies, Journal of
Financial Economics 73 (2004) 525565.
37
38