UNIVERSIDADE DE SO PAULO

FACULDADE DE ECONOMIA, ADMINISTRAO E CONTABILIDADE

DE RIBEIRO PRETO
DEPARTAMENTO DE CONTABILIDADE
PROGRAMA DE PS-GRADUAO EM CONTROLADORIA E CONTABILIDADE







JOS RAFAEL PEREIRA







Estudo de correlaes no lineares entre variaes do ndice da Bolsa de
Valores de So Paulo (IBOVESPA) e variaes de preo de aes










Orientador: Prof. Dr. Evandro Marcos Saidel Ribeiro









RIBEIRO PRETO
2010





























Prof. Dr. Joo Grandino Rodas
Reitor da Universidade de So Paulo

Prof. Dr. Sigismundo Bialoskorski Neto
Vice-diretor da Faculdade de Economia, Administrao e Contabilidade de
Ribeiro Preto

Profa. Dra. Adriana Maria Procpio de Arajo
Chefe do Departamento de Contabilidade

JOS RAFAEL PEREIRA







Estudo de correlaes no lineares entre variaes do ndice da Bolsa de
Valores de So Paulo (IBOVESPA) e variaes de preo de aes







Dissertao apresentada ao Programa de Ps-
Graduao em Controladoria e Contabilidade da
Faculdade de Economia, Administrao e
Contabilidade de Ribeiro Preto da Universidade de
So Paulo como requisito para obteno do ttulo de
Mestre em Cincia.

Orientador: Prof. Dr. Evandro Marcos Saidel Ribeiro













RIBEIRO PRETO
2010

AUTORIZO A REPRODUO E DIVULGAO TOTAL OU PARCIAL DESTE
TRABALHO, POR QUALQUER MEIO CONVENCIONAL OU ELETRNICO, PARA FINS
DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE.













FICHA CATALOGRFICA






Pereira, Jos Rafael
Estudo de correlaes no lineares entre variaes do ndice da
Bolsa de Valores de So Paulo (IBOVESPA) e variaes de preos
de aes. Ribeiro Preto, 2010.
67 p. : il. ; 30cm

Dissertao de Mestrado, apresentada Faculdade de
Economia, Administrao e Contabilidade de Ribeiro Preto/USP.
rea de concentrao: Controladoria e Contabilidade.
Orientador: Ribeiro, Evandro Marcos Saidel

1. CAPM. 2. Correlao 3. Entropia. 4. Informao mtua.

FOLHA DE APROVAO

Nome: Pereira, Jos Rafael
Ttulo: Estudo de correlaes no lineares entre variaes do ndice da Bolsa de Valores de So
Paulo (IBOVESPA) e variaes de preo de aes






Dissertao apresentada Faculdade de Economia,
Administrao e Contabilidade de Ribeiro Preto da
Universidade de So Paulo para obteno do ttulo de
Mestre em Cincias




Aprovado em:




Banca Examinadora



Prof. Dr. _______________________________ Instituio: _____________________________

Julgamento: ____________________________Assinatura: ______________________________



Prof. Dr. _______________________________ Instituio: _____________________________

Julgamento: ____________________________Assinatura: ______________________________



Prof. Dr. _______________________________ Instituio: _____________________________

Julgamento: ____________________________Assinatura: ______________________________









































Dedico este trabalho a Deus e minha famlia.


AGRADECIMENTOS

Agradeo a Deus, por todas as oportunidades e esperanas.
Ao meu pai, Osvaldo Furtado Pereira, e minha me, Marlene Aparecida Tozetti Pereira.
Ao meu orientador, Prof. Dr. Evandro Marcos Saidel Ribeiro.




































































Coragem a resistncia ao medo, domnio do medo, e
no a ausncia do medo
Mark Twain

RESUMO

Pereira, J. R. Estudo de correlaes no lineares entre variaes do ndice da Bolsa de
Valores de So Paulo (IBOVESPA) e variaes de preo de aes. 2010. 67 f. Dissertao
(Mestrado em Controladoria e Contabilidade) Faculdade de Economia, Administrao e
Contabilidade de Ribeiro Preto, Universidade de So Paulo, So Paulo, 2010.


Estudos de correlao entre variaes de preos de aes e variao de ndices de mercado so
importantes na compreenso da relao entre o retorno e o risco envolvido na alocao de
recursos (investimentos). De acordo com o risco envolvido, deve haver um adequado retorno.
Esta questo abordada pelo modelo CAPM Capital Asset Pricing Model , que parte da
premissa de que o risco sistemtico de um ativo pode ser mensurado pela sua sensibilidade aos
movimentos do mercado, e para isso se supe que os retornos dos ttulos so linearmente
relacionados s flutuaes de um ndice de mercado amplo com um grau conhecido de
sensibilidade. No entanto, pode haver relaes no lineares entre os retornos dos ttulos e as
flutuaes do ndice de mercado. Sendo assim, o presente trabalho analisa uma medida de
correlao global vinda da teoria da informao, que mensura qualquer tipo de relao entre duas
variveis, isto , lineares e no lineares. O objetivo mostrar a presena de correlaes no
lineares no mercado de capitais brasileiro. Demonstra-se que a correlao global expressiva e
maior ou igual correlao linear em toda a amostra constituda de todas as aes que se
mantiveram no ndice da Bolsa de Valores de So Paulo (IBOVESPA) de maio de 2001 a abril de
2008, totalizando 84 meses (7 anos).


Palavras-chave: CAPM. Correlao. Entropia. Informao mtua.





ABSTRACT

Pereira, J. R. Nonlinear correlations among variations of So Paulo Exchange Index
(IBOVESPA) and stock price variations. 2010. 67 f. Dissertao (Mestrado em Controladoria e
Contabilidade) Faculdade de Economia, Administrao e Contabilidade de Ribeiro Preto,
Universidade de So Paulo, So Paulo, 2010.


Correlations among stock price variations and stock market indices variations are important in
understanding the relationship between return and risk involved in the allocation of resources
(investments). According to the risk involved there exists an appropriate return. This issue is
addressed by the CAPM Capital Asset Pricing Model , based on the premise that the
systematic risk of an asset can be measured by its sensitivity to market movements and it is
assumed that the returns are linearly related to the fluctuations of a market index with a known
degree of sensitivity. However, nonlinear relationships may occur. Thus, the present study
analyzes a global measure of correlation of information coming from theory, which measures any
type of relationship between two variables, i.e. linear and nonlinear. The goal here is to show the
presence of nonlinear correlations in the Brazilian capital market. The overall correlation
obtained is expressive and greater than the linear correlation across the sample of 33 stock assets
from the theoretical portfolio of So Paulo Exchange Index (IBOVESPA), from May 2001 to
April 2008, totaling 84 months (7 years).


Keywords: CAPM. Correlation. Entropy. Mutual information.











LISTA DE FIGURAS

Figura 1 Erro da estimao do verdadeiro valor de y..................................................................27

Figura 2 Decomposio de uma escolha de trs possibilidades..................................................35



































LISTA DE GRFICOS

Grfico 1 Entropia no caso de dois eventos com probabilidades e ........................37

Grfico 2 Disperso dos retornos dos pontos do IBOVESPA e dos preos da ARCZ6.............47

Grfico 3 Densidade de probabilidade dos retornos do IBOVESPA .........................................52

Grfico 4 Densidade de probabilidade dos retornos da ARCZ6.................................................52

Grfico 5 Densidade de probabilidade conjunta dos retornos do IBOVESPA e ARCZ6...........55

Grfico 6 Disperso dos retornos do IBOVESPA e dos preos da PETR4................................60

Grfico 7 Disperso dos retornos do IBOVESPA e dos preos da ARCZ6 e PETR4................60
















LISTA DE QUADROS

Quadro 1 Equivalncias entre a anlise de regresso e medidas da teoria da
informao...........................................................................................................44




























LISTA DE TABELAS

Tabela 1 Retornos para os pontos do IBOVESPA e para os preos da ARCZ6.........................46

Tabela 2 Retornos mximos e mnimos do IBOVESPA e dos preos da ARCZ6......................48

Tabela 3 Limitante inferior e superior para o IBOVESPA e ARCZ6.........................................49

Tabela 4 Tabela 4 Retornos do IBOVESPA e ARCZ6 considerados na determinao das
densidades de probabilidades p(x), p(y) e p(x,y)........................................................50

Tabela 5 Densidade de probabilidade do IBOVESPA e dos retornos dos preos da ARCZ6....51

Tabela 6 Retornos conjuntos do IBOVESPA e ARCZ6.............................................................53

Tabela 7 Densidade de probabilidade conjunta do IBOVESPA e ARCZ6.................................54

Tabela 8 Densidade de probabilidade e entropia pontual dos retornos do IBOVESPA e
ARCZ6...................................................................................................................... 56

Tabela 9 Resultados: Informao mtua , coeficiente de correlao global ,
coeficiente de correlao linear e a diferena entre eles
.......................................................................................................................58

Tabela 10 Teste: Duas amostras em par para mdias..................................................................61



SUMRIO

1 INTRODUO.......................................................................................................................... 14
1.1 Contextualizao ............................................................................................................. 14
1.2 Formulao do problema ................................................................................................. 15
1.3 Objetivos ......................................................................................................................... 15
1.4 Hiptese .......................................................................................................................... 16
1.5 Justificativa ..................................................................................................................... 16
1.6 Estrutura do trabalho ....................................................................................................... 16
2 REFERENCIAL TERICO ................................................................................................... 17
2.1 Teoria de finanas ........................................................................................................... 17
2.1.1 Incerteza e risco ........................................................................................................ 20
2.1.3 Risco sistemtico e no sistemtico .......................................................................... 21
2.1.4 Modelo CAPM (Capital Asset Pricing Model) .......................................................... 21
2.2 Correlao e regresso linear ........................................................................................... 25
2.2.1 Coeficiente de correlao linear de Pearson .............................................................. 25
2.2.2 Regresso linear ....................................................................................................... 26
2.2.4 Clculo de

Mtodo dos mnimos quadrados ............................................... 29

2.2.5 Medidas de qualidade do ajuste da regresso linear ................................................... 29
2.2.6 Coeficiente de determinao

............................................................................. 30
2.3 Teoria da informao ....................................................................................................... 31
2.3.1 O conceito de entropia .............................................................................................. 33
2.3.2 A incerteza mensurada pela entropia ......................................................................... 34
2.3.3 Entropia conjunta e entropia condicional .................................................................. 37
2.3.4 Entropia de uma distribuio contnua ...................................................................... 39
2.3.5 Informao mtua ..................................................................................................... 40
2.3.6 Coeficiente de correlao global ............................................................................... 41
2.4 Entropia e regresso linear ............................................................................................... 42
3 METODOLOGIA .................................................................................................................. 45
3.1 A amostra e suas propriedades ......................................................................................... 45
3.2 Mtodo ............................................................................................................................ 45
4 RESULTADOS ..................................................................................................................... 57
5 CONCLUSO ....................................................................................................................... 62
REFERNCIAS BIBLIOGRFICAS ....................................................................................... 63
14



1 INTRODUO


1.1 Contextualizao


Um dos interesses da rea de finanas compreender a relao entre o retorno e o risco
envolvido na alocao de recursos (investimentos). Nesse contexto, a teoria de equilbrio de
mercado em condies de risco, o Capital Asset Pricing Model (CAPM) de Sharpe (1964),
Lintner (1965) e Mossin (1966) uma alternativa muito utilizada na contabilidade para mensurar
o custo de capital prprio, ou seja, o retorno mnimo exigido que um dado investimento deve
proporcionar em funo do seu nvel de risco.
O modelo CAPM, desenvolvido com base no trabalho de Markowitz (1952), tornou-se
consagrado em finanas por sua slida fundamentao terica. Sharpe (1964) afirma que os
preos dos ativos se ajustam de acordo com o risco, ou seja, o modelo considera que o retorno
esperado dos ativos est relacionado ao risco de mercado (risco sistemtico). Como demonstrado
por Markowitz (1952), parte do risco total inerente em um ativo pode ser eliminado pela
diversificao, de forma que seu risco total no a influncia pertinente em seu preo, sendo,
dessa forma, relevante o componente do risco especfico (no diversificvel ou sistemtico), pois
um ativo que oscila independentemente do mercado (carteira de mercado) ter unicamente risco
diversificvel (no sistemtico), isto , risco especfico da empresa, que pode ser diversificado.
Assim, pelo modelo CAPM, o risco sistemtico de um ativo pode ser mensurado pela sua
sensibilidade aos movimentos do mercado (carteira de mercado estimada com algum ndice de
mercado, como o ndice da Bolsa de Valores de So Paulo, IBOVESPA); para isso, Sharpe supe
que os retornos dos ttulos so linearmente relacionados s flutuaes de um ndice de mercado
amplo com um grau conhecido de sensibilidade. Essa sensibilidade identificada com o
coeficiente angular da reta de regresso linear (beta), que dado pela covarincia dos retornos do
ativo com os retornos da carteira de mercado dividido pela varincia dos retornos da carteira de
mercado (DAMODARAN, 2007).

15


Para que o clculo da reta de regresso linear seja coerente, necessrio que exista uma
correlao linear significativa entre o ativo e a carteira de mercado; do contrrio, a reta de
regresso linear no vlida (TRIOLA, 2005). Nesse ponto, Dionsio, Menezes e Mendes (2004)
salientam que o coeficiente de correlao linear, comumente utilizado, requer para a sua
aplicao uma pura relao linear entre as variveis em questo. No entanto, essa estatstica pode
no ser til quando existir algum tipo de no linearidade entre os dados. Diante disso, este
trabalho utilizar uma medida de correlao global para mensurar a relao entre as variveis
retornos do ativo e retornos da carteira de mercado (IBOVESPA). Este coeficiente de correlao
global originado da medida padronizada de informao mtua. A informao mtua uma
medida vinda da teoria da informao ou, mais especificamente, do conceito de entropia.
Dionsio, Menezes, e Mendes (2004) afirmam que a principal vantagem da aplicao da
informao mtua em sries temporais financeiras o fato de que essa medida capta, em nvel
global, a dependncia (linear e no linear) sem qualquer requisito sobre a distribuio de
probabilidade ou de modelo especfico de dependncia.


1.2 Formulao do problema


O problema de pesquisa que se levanta neste estudo : Correlaes no lineares so
relevantes no mercado brasileiro?


1.3 Objetivos


Os objetivos deste trabalho so:
Mensurar os coeficientes de correlaes lineares e no lineares entre as variaes de preo de
aes e variaes do IBOVESPA;
Comparar os dois tipos de coeficientes, linear (r de Pearson) e no linear (), para analisar a
discrepncia entre eles.
16


1.4 Hiptese


O presente trabalho est baseado na seguinte hiptese:
A correlao no linear entre variaes de preo de aes e variaes do IBOVESPA
, em mdia, maior do que a correlao linear.


1.5 Justificativa


O uso de uma medida que captura qualquer tipo de correlao entre duas variveis
importante para a compreenso da relao entre estas variveis. Alm disso, o uso de tal medida
pode ser aplicado a todo tipo de srie temporal financeira, pois no h qualquer requisito sobre a
distribuio de probabilidade (o mtodo utilizado no paramtrico) ou de modelo especfico de
dependncia sobre os dados, como afirmam Dionsio, Menezes, e Mendes (2004).
Pela razo de o modelo CAPM ser muito utilizado na contabilidade para a mensurao do
custo do capital prprio, sendo esse modelo embasado na correlao linear entre o retorno de um
ativo e do ndice de mercado, torna-se relevante o conhecimento da correlao global entre os
dados para saber se o uso do CAPM no ir subestimar a verdadeira relao entre as variveis.
At o momento, no foi encontrado nenhum estudo que aplique este coeficiente de
correlao global ao mercado de capitais brasileiro, o que faz com este trabalho seja uma
contribuio original para a pesquisa na rea de finanas.


1.6 Estrutura do trabalho


O presente trabalho est organizado em cinco captulos, sendo o segundo uma exposio
sobre a teoria de finanas, na qual so tratados os conceitos de incerteza e risco, e sua forma de
mensurao mais comum, dada pelo modelo CAPM, que se baseia na anlise de regresso linear.
17


Sero abordados, tambm, os conceitos sobre regresso linear e as condies que devem ser
satisfeitas para a sua realizao. Isso importante para entender quando realmente possvel
ajustar uma reta em um conjunto de pontos dispersos. Uma das condies que precisa ser
satisfeita a existncia de uma correlao linear significativa (mensurada pelo coeficiente de
correlao linear de Pearson) entre os retornos do ativo e do IBOVESPA; no entanto, pode haver
correlaes no lineares que no so capturadas pelo coeficiente de Pearson, o que pode
comprometer a mensurao do risco sistemtico. Esse captulo ainda faz uma exposio sobre a
teoria da informao e o conceito de entropia, necessrio para o clculo da informao mtua e
do coeficiente de correlao global. O coeficiente de correlao global mensura qualquer tipo de
correlao entre duas variveis; no caso em questo, variaes de um ativo e variaes do
IBOVESPA. Esse coeficiente permitir a comparao com o coeficiente de correlao linear para
analisar a diferena e a magnitude entre eles. E para finalizar esse captulo sero mostradas as
relaes entre as medidas obtidas pela entropia e as medidas obtidas pela regresso linear, suas
similaridades e diferenas. O captulo 3 trata da amostra e de suas propriedades e o mtodo
utilizado para os clculos. Foram consideradas todas as aes que se mantiveram no IBOVESPA
de maio de 2001 a abril de 2008, totalizando 84 meses (7 anos). O captulo 4 apresenta os
resultados dos coeficientes de correlao global e linear. realizado, nesse captulo, um teste de
hiptese para verificar se a correlao no linear entre variaes de preo de aes e variaes do
IBOVESPA , em mdia, maior do que a correlao linear. Por fim, o ltimo captulo apresenta
as concluses.


2 REFERENCIAL TERICO


2.1 Teoria de finanas


O conceito moderno de finanas surgiu nos anos 1950 (at ento, s havia uma noo
intuitiva da existncia do risco, no existia instrumentos que possibilitassem um tratamento
analtico no determinista) e vem se tornando uma das reas mais produtivas em termos de
18


avanos tericos e empricos da Economia, pela grande quantidade e pela qualidade da produo
cientfica.
Uma das atuaes das finanas estudar o processo pelo qual certos mercados tratam com
o problema da transferncia de fluxos de caixa de uma data para outra. O que possibilita essa
transferncia de recursos so os mercados financeiros, que, de outra forma, permitem aos seus
agentes ajustarem seus padres temporais de consumo e s empresas ajustarem seus padres de
investimento (ROSS, 1995).
A definio de Ross (1995) no fala do risco que est envolvido nessas transferncias de
fluxos de caixa, ou seja, a ideia da incerteza e risco que permeia toda deciso de investimento. A
crescente relevncia da incerteza e do risco nas transaes econmicas fez com que os estudos
em finanas se orientassem no sentido de reduzir tais incertezas e riscos ou compreend-los com
o principal objetivo de auxiliar a tomada de deciso, na busca de maximizar uma determinada
funo-objetivo, que pode ser a utilidade ou o retorno esperado de um investimento, entre outras.
Siqueira (1999, p. 2) enfatiza que no seria nenhum exagero dizer que a teoria de finanas
moderna nasceu em virtude da preocupao dos acadmicos de buscar uma estrutura conceitual e
lgica que auxiliasse a tomada de decises em condio de incerteza e de risco. A incerteza e o
risco envolvidos na tomada de deciso se tornaram um desafio na teoria de finanas
contempornea. Isso se deve grande capacidade que a incerteza e o risco tm de afetar as
decises dos agentes. Sassatani (1999) afirma que a incerteza pode ser vista como um elemento
que influencia a atitude dos agentes econmicos. Como alguns exemplos, tm-se a teoria do
portflio de Markowitz (1952), a teoria do investimento e custo de capital de Modigliani e Miller
(1958), a teoria de equilbrio de mercado em condies de risco (CAPM Capital Asset Pricing
Model) de Sharpe (1964), Value at Risk (VAR) (JORION, 2003), entre outros. Tais modelos
tiveram, e ainda tm, grande relevncia pelas suas contribuies na teoria de finanas. Nas
palavras de Menezes (2002, p. 48), esses novos modelos mudaram a abordagem das finanas
corporativas, transformando-as, a partir de uma verso eminentemente descritiva, em outra
voltada ao rigor analtico e incorporao de caractersticas dos investidores e do mercado.
O trabalho seminal de Markowitz (1952) trouxe um grande avano em finanas. A sua
grande contribuio foi mostrar a distino entre a variabilidade do retorno de um ativo
financeiro e o seu efeito no risco de uma carteira de ativos financeiros. Brealey, Myers e Allen
(2008, p. 159) salientam que o texto de Markowitz (1952) chamou a ateno para a prtica
19


comum da diversificao das carteiras, e mostrou como um investidor pode reduzir o desvio-
padro do retorno da carteira mediante a escolha de aes cujas oscilaes no sejam exatamente
paralelas. Markowitz (1952) mostrou que se duas aes ou mais forem negativamente
correlacionadas, ou seja, se uma valorizar enquanto a outra desvaloriza ao combinarmos ambas
numa carteira, o risco da carteira ser inferior aos riscos das aes individualmente.
Sharpe (1964) apresentou o modelo CAPM de determinao de preo de ativos causando
grande impacto e avano na rea de finanas. Esse modelo estabelece uma relao linear entre
risco e retorno para todos os ativos, possibilitando determinar, para cada nvel de risco, a
correspondente taxa de retorno que o premia. Brealey, Myers e Allen (2008) salientam que o
CAPM representou um avano significativo para a compreenso do efeito do risco no valor de
um ativo, no entanto, h muitas incgnitas estatsticas e tericas em aberto.
O modelo CAPM tem sofrido muitas crticas a respeito de sua eficincia; isso teve incio
na dcada de 1990 (BREALEY; MYERS E ALLEN 2008). Fama e French (1992) testaram de
vrias formas o modelo CAPM e concluram que a mdia do retorno das aes no est
positivamente relacionada aos betas do mercado. Essa concluso mostrou que o CAPM no
sustenta sua previso mais bsica, que afirma ser a mdia do retorno das aes positivamente
relacionada aos betas do mercado. Apesar disso, no se pode afirmar que o CAPM no vlido,
pois todos os testes empricos tm problemas de aplicao, como, por exemplo, a dificuldade de
os retornos dos ttulos serem linearmente relacionados s variaes de um ndice de mercado,
entre outras que no satisfazem os pressupostos do modelo CAPM que sero vistas na seo
2.1.4.
Apesar das crticas ao modelo CAPM, ele permanece como o modelo mais utilizado no
mercado de capitais para o clculo do retorno exigido pelos acionistas de uma empresa, de
maneira a compens-los pelo risco de seu investimento (FAM; BARROS; SILVERIA, 2001,
p. 72).
Nas prximas trs sees, sero apresentados, com base na literatura, os conceitos de
incerteza e risco, e seus tipos, conceitos estes muito importantes no modelo CAPM, bem como
para a compreenso deste trabalho.


20


2.1.1 Incerteza e risco


Siqueira (2003) afirma que comum encontrar na Economia o termo risco como
sinnimo de incerteza. No entanto, o economista Knight (1921, p. 103, traduo nossa), definiu
risco e incerteza de modo distinto:

A diferena prtica entre as duas categorias, risco e incerteza, que na primeira a
distribuio dos resultados em um grupo de casos conhecida (quer por meio do clculo
a priori, quer a partir de estatsticas de experincias passadas), enquanto que no caso da
incerteza isso no acontece; a razo disso, em geral, a impossibilidade de se formar um
grupo de casos, porque a situao tratada nica.

De acordo com a definio de Knight, o que diferencia incerteza de risco a existncia ou
no de uma distribuio de probabilidade de um dado evento. Assim, o risco pode ser
compreendido nos casos em que se podem determinar os possveis resultados e mensurar suas
respectivas probabilidades de ocorrncia. Mais especificamente, a ideia de risco est associada s
probabilidades de acontecerem eventos que se desviem de um determinado valor esperado
(mdia). Ao contrrio, a incerteza se encontra naqueles casos em que no se conhece a
distribuio de probabilidade dos resultados.
Neste trabalho, o risco deve ser sempre entendido do ponto de vista do investidor, ou seja,
aquele que est investindo ou interessado em investir em uma empresa, comprando aes dela no
mercado. Nesse ponto, Damodaran (2007) argumenta que o risco de um investimento deve ser
percebido por aqueles que investiro na empresa. O autor diz ainda que o investidor tem de ser
aquele com mais chances de negociar a ao a qualquer tempo, isto , o investidor marginal.


2.1.2 Risco de mercado


Damodaran (2007) afirma que o retorno esperado sobre um investimento deve ser uma
funo do risco de mercado embutido neste investimento. Assim, empresas mais arriscadas
devem oferecer maiores retornos (maiores prmios pelo risco) como forma de remunerar o seu
risco, j que o risco de mercado um tipo de risco financeiro, e afeta o custo de capital mdio
21


ponderado Weighted Average Cost of Capital (WACC) de uma empresa (ASSAF NETO, 2005a),
o que est de acordo com o CAPM.
O risco de mercado decorre da existncia de outros riscos presentes na economia e que
afetam os negcios (BREALEY; MYERS e ALLEN, 2008), como as variaes em fatores de
mercado, como taxas de juros, taxas de cmbio, preos de commodities e aes.
Goulart (2003) salienta que o risco de mercado ocorre quando h variao no valor de um
ativo decorrente de oscilaes nas taxas de juros ou de cmbio, alteraes na oferta e na
demanda, descasamentos de prazo entre ativos e passivos, indexadores (moedas), entre outros.


2.1.3 Risco sistemtico e no sistemtico


Em anlise de investimento, o risco total inerente aos retornos das aes pode ser
decomposto em dois fatores, o risco no sistemtico e o risco sistemtico (SHARPE, 1964). O
risco no sistemtico (ou diversificvel) o risco prprio do ativo, e mensurado pela disperso
dos retornos do ttulo em relao aos movimentos do retorno da carteira de mercado; peculiar
de um ativo, no pode ser atribudo a causas exteriores, e pode ser eliminado pela diversificao.
J o risco sistemtico o risco que no se pode eliminar pela diversificao, pois determinado
por elementos de natureza poltica, econmica e social, ou seja, esse risco pode estar relacionado
a alguns ndices ou o retorno de uma carteira de mercado (DAMODARAN, 2007).


2.1.4 Modelo CAPM (Capital Asset Pricing Model)


O CAPM surge para mensurar a influncia do risco no comportamento dos preos de
ativos. Sharpe (1964) afirma que os preos dos ativos se ajustam de acordo com o seu risco. Para
isso acontecer, necessrio que exista uma taxa de juros pura (livre de risco) estabelecida pela
interao das preferncias dos indivduos do mercado, de forma que um prmio de risco de
mercado seja definido para se incorporar de alguma forma no preo dos ativos conforme o seu
22


risco. A ideia do prmio pelo risco que maiores taxas esperadas de retornos podem ser obtidas
quando se incorrem em riscos maiores.
Sharpe (1964) estabelece uma teoria de equilbrio de mercado dos preos dos ativos em
condies de risco, obtendo assim a relao entre o preo de um ativo e os vrios componentes de
seu risco total, que o prprio modelo CAPM.
Em finanas, comum mensurar o risco sistemtico de um ativo pelo clculo do beta,
pois, conforme j dito, o beta de um ativo mensura a sua exposio a todo o risco de mercado, de
acordo com as palavras de Assaf Neto (2005b, p. 366):

O modelo do CAPM exprime o risco sistemtico de um ativo pelo seu coeficiente beta,
identificado com o parmetro angular na reta de regresso linear (reta caracterstica).
Admite-se que a carteira de mercado, por conter unicamente risco sistemtico (o risco
no sistemtico foi todo eliminado pela diversificao), apresenta um beta igual a 1,0.

Matematicamente, o beta calculado pela seguinte expresso algbrica:

.
(1)
Sendo,

: covarincia do ativo com a carteira de mercado .

: varincia da carteira de mercado.

Quando o beta de um ativo for exatamente igual a um, implica que a covarincia do ativo
com a carteira de mercado igual varincia da carteira de mercado . O que significa que
o risco do ativo igual ao risco sistemtico do mercado. Se o beta for maior que 1, quer dizer que
o risco sistemtico do ativo maior do que o da carteira de mercado. Se, no entanto, o beta for
menor que 1, ento o ativo possui um risco sistemtico menor do que o da carteira de mercado.
Outra forma de obter o beta de um ativo por meio da reta de regresso linear simples.
Como o coeficiente beta mede o risco sistemtico de um ttulo, essa mensurao dada pela
inclinao (parmetro angular) da reta de regresso linear entre os retornos do ttulo e os retornos
da carteira de mercado, que correspondem a algum ndice de bolsa, por exemplo, o IBOVESPA
(ASSAF NETO, 2005b).
Esta metodologia consiste em determinar uma reta que melhor se ajuste aos pontos que
representam os retornos do preo de um determinado ativo (eixo vertical) e os retornos dos
pontos de algum ndice de mercado (eixo horizontal). A regresso linear tem como objetivo
explicar o comportamento de uma varivel, definida como varivel dependente (retornos dos
23


preos de alguma ao), a partir de outra varivel, chamada varivel independente (retornos dos
pontos de algum ndice de mercado). A partir de um grfico de disperso em que a varivel o
retorno do mercado e a varivel o retorno da ao, pode-se observar se existe relao linear
entre e . A regresso linear ajusta uma reta aos pontos de tal modo a minimizar a soma dos
desvios quadrados dos pontos (coordenadas) linha. A inclinao da reta obtida pela regresso
o beta.
Ao se realizar a regresso, obtm-se tambm o

(-quadrado) da regresso.
Estatisticamente, o

mensura a preciso de ajuste da regresso, isto , mede a proporo da

variabilidade da varivel dependente, que explicada pela varivel independente.
Em finanas, o

pode ser interpretado, de acordo com Damodaran (2002, p. 94), como

uma estimativa da proporo de risco (varincia) da empresa que pode ser atribudo ao risco de
mercado; o saldo

pode ento ser atribudo ao risco especfico da empresa. O risco

especfico a que Damodaran se refere, exatamente o risco no sistemtico (ou diversificvel).
Portanto,

mensura a proporo do risco da empresa, que diversificvel. Assaf Neto

(2005b, p. 376) salienta que:

Em termos financeiros,

permite que se conhea a parte do risco de uma empresa

explicada pelas condies de mercado, o denominado risco sistemtico (taxas de juros,
poltica econmica etc.), e a parcela decorrente de variveis especficas de uma empresa

, conhecida por risco no sistemtico ou diversificvel.

O coeficiente mede a relao obtida entre as variaes das cotaes das aes de uma
dada empresa

, e de certo ndice de mercado

, ou seja, o calcula o efeito da carteira de

mercado sobre as aes de uma empresa. Isso significa, como explica Assaf Neto (2005b, p.
367), que se o 1,30, a valorizao mdia de 10% na carteira de mercado determina uma
expectativa de rentabilidade de 13% na ao.
O CAPM est fundamentado nos seguintes pressupostos de preferncia dos agentes que
atuam no mercado de capitais (SHARPE, 1964):
1) Preocupao apenas com o retorno esperado e o desvio-padro, no importando a
liquidez, ou todos os ativos tm a mesma liquidez;
2) Preferncia por maior retorno esperado e menor risco;
3) Preferncia por carteiras timas;
24


4) Os investidores usam a mesma informao e interpretam da mesma forma; as expectativas
so iguais;
5) Os ativos so perfeitamente divisveis;
6) Existe um ativo sem risco e qualquer um pode compr-lo ou vend-lo da forma que lhe
convier;
7) No h tributos ou custos (ou so iguais para todos).
A primeira condio que deve ser verificada para que o modelo CAPM seja vlido se
todos os investidores esto preocupados apenas com o retorno esperado e o desvio-padro. Isso
sempre ser verdade se a distribuio dos retornos dos ativos for normalmente distribuda, j que
a mdia e o risco so as nicas duas medidas que um investidor precisa conhecer para tomar sua
deciso de investimento.
O segundo e o terceiro pressupostos afirmam, respectivamente, que a preferncia por
maior retorno esperado e menor risco prefervel, e que os investidores tm preferncia por
carteiras timas. Como mostrado por Markowitz (1952), a fronteira eficiente de investimento
contm todas as carteiras que apresentam os maiores retornos esperados para cada nvel de risco
assumido. Essas carteiras sero preferveis s outras que apresentam o mesmo nvel de risco para
um retorno esperado menor.
Em um mercado em que os investidores preferem as carteiras timas (carteiras
diversificadas), isto implica que os agentes se preocupam principalmente com os riscos que no
podem ser eliminados por meio da diversificao. Sabe-se que, por causa da diversificao, o
risco de uma carteira inferior mdia dos riscos das aes individuais (BREALEY; MYERS;
ALLEN, 2008). Esta ideia d mais respaldo ao modelo CAPM, pois este considera apenas o risco
no diversificvel. Brealey, Myers e Allen (2008) afirmam que se no fosse assim, sempre que
duas empresas se fundissem com o objetivo de reduzir seus riscos, pela diversificao, o preo
das suas aes aumentaria. Mas nenhuma fuso com o objetivo de diversificao (diluir os riscos)
aumenta o preo das aes.
O pressuposto quatro afirma que os investidores usam a mesma informao e a
interpretam da mesma forma, ou seja, as expectativas so homogneas. Sobre isso, Assaf Neto
(2005a) salienta que os investidores possuem a mesma percepo com relao ao desempenho
dos ativos, formando carteiras eficientes a partir de expectativas idnticas.
25


O pressuposto cinco afirma que os ativos so perfeitamente divisveis, o que est de
acordo com a construo da carteira eficiente em que as propores de cada ativo na carteira so
determinadas conforme a obteno da carteira tima, e o tamanho do lote em que ele vendido
no mercado.
O pressuposto seis, da existncia de um ativo sem risco, fundamental para a construo
do modelo CAPM, pois somente existindo este ativo e sendo possvel sua negociao no mercado
ser possvel um referencial de comparao com os ativos de risco. Por ltimo o pressuposto sete
considera a inexistncia de tributos ou custos, ou que eles so iguais para todos. Esta condio
implica que o equilbrio determinado no modelo CAPM ser alcanado sem interferncias
exteriores ao mercado.
Como visto acima, o risco sistemtico (beta) tem vrias implicaes importantes, no
entanto preciso cuidado ao realizar seu clculo, pois para um bom ajuste de uma reta entre duas
variveis necessrio que elas se relacionem de forma linear, isto , a correlao linear entre e
deve ser significativa.


2.2 Correlao e regresso linear


2.2.1 Coeficiente de correlao linear de Pearson


O coeficiente de correlao linear de Pearson mede a intensidade da relao linear
entre os valores quantitativos emparelhados e em uma amostra (TRIOLA, 2005, p. 382) e
dado por:

.
(2)

: cada um dos eventos de 1 a .

: mdia aritmtica dos eventos .

: cada um dos eventos de 1 a .

: mdia aritmtica dos eventos .
26


O coeficiente varia entre -1 e 1, sendo que quando ele igual a -1 significa que as
variveis e possuem uma correlao negativa perfeita, ou seja, quando cresce, decresce
de forma perfeitamente previsvel. Se for nulo, significa que no h relao entre e , pois
conforme aumenta, no apresenta tendncia para aumentar ou diminuir. E por fim, se for
igual a 1, significa que as variveis e possuem uma correlao positiva perfeita, ou seja,
quando cresce, cresce de forma perfeitamente previsvel. Quando assumir valores prximos
de 1, por exemplo, 0,80, significa que os dados de e no se posicionam todos sobre uma
mesma reta, formando, portanto, uma relao linear no perfeita.
importante deixar claro que a relao entre e descrita como associao linear
apenas, e no causas e efeitos. Isso, pois somente o clculo da correlao no prova se existe ou
no causa e efeito, isto , que a variao de uma varivel causou alterao na varivel . Pode
acontecer de haver uma grande correlao entre as variveis consideradas, mas essa ser
provocada por uma terceira varivel no considerada (LEVINE et al., 2008).


2.2.2 Regresso linear


Esta seo foi baseada em Levine et al. (2008). A anlise de regresso possibilita
identificar o tipo de relao matemtica que h entre uma varivel independente e uma varivel
dependente, e permite tambm quantificar o efeito que a varivel independente exerce sobre a
varivel dependente.
Pode haver diversos tipos de relao entre duas variveis, desde uma relao simples e
direta at relaes extremamente complexas. A regresso linear consiste em uma relao entre
uma varivel independente numrica , utilizada para prever a varivel dependente numrica ,
desde que a influncia de sobre possa ser captada por uma reta. Ou seja, a relao entre as
variveis e , para qualquer observao i, dada por:

. (3)
Sendo que:

: varivel dependente ou de resposta para a observao .

: intercepto de quando .
27

: inclinao da reta.

: varivel independente ou explanatria para a observao .

: erro aleatrio em para a observao .

A inclinao da reta

capta a variao esperada em por variao unitria em , isto ,

representa a mdia aritmtica do total que varia para uma variao unitria (de uma unidade)
em . Da mesma forma,

a mdia aritmtica do valor que assume quando 0.

Finalmente,

o erro aleatrio em para cada observao , ou seja, a distncia vertical do

verdadeiro valor de

abaixo ou acima do seu valor previsto pela reta. Estas propriedades podem
ser vistas na Figura 1 abaixo.


Figura 1 Erro da estimao do verdadeiro valor de


2.2.3 Estimativa da equao de regresso linear


A equao (3) representa um modelo estatstico supondo que seja o mais adequado para
representar dados que variam conforme uma reta. Para obt-lo, seria preciso analisar toda a
populao dos eventos de interesse. Como isso na prtica pode inviabilizar ou dificultar a anlise
de regresso, considera-se que a amostra foi selecionada aleatoriamente dentro dos eventos de
interesse para calcular

como estimadores dos parmetros da populao

da
equao (3), respectivamente.
28


Os dados amostrais devem satisfazer os quatro seguintes pressupostos:
1) Linearidade;
2) Normalidade de erros;
3) Independncia de erros;
4) Homocedasticidade ou igualdade de varincias.
O pressuposto um da linearidade est diretamente suportando o uso da regresso linear
simples, pois ele assegura que a relao entre as variveis linear.
O pressuposto dois, normalidade de erros, exige que os erros

para cada valor de

tenham distribuio normal. Todavia, desde que a distribuio no seja extremamente diferente
da distribuio normal, as inferncias de

no sero seriamente prejudicadas, pois a

regresso se mostra robusta relativamente ao distanciamento da normalidade de seus erros.
O pressuposto trs, independncia dos erros, sempre relevante na coleta de dados de um
determinado perodo de tempo, pois ele requer a independncia dos erros
i
entre si e,
consequentemente, entre os perodos. Muitas vezes, ocorre de os erros de um determinado
perodo de tempo serem correlacionados com os erros de outro perodo.
O pressuposto quatro, igualdade de varincias, requer a igualdade da varincia dos erros

para qualquer valor de . Isso quer dizer que tanto para valores altos como baixos de , a
variabilidade dos valores que assume constantes.
Ento, satisfazendo os quatro pressupostos acima, pode-se usar

como estimadores
dos parmetros da populao

, respectivamente. Logo, a equao da regresso linear

simples ser:

. (4)

: valor estimado de para o evento .

: intercepto da amostra quando 0.

: inclinao da reta da amostra.

: valor de para a observao .

29


2.2.4 Clculo de

Mtodo dos mnimos quadrados

O mtodo dos mnimos quadrados uma tcnica de otimizao matemtica que tem como
objetivo encontrar o melhor ajuste de uma reta para um conjunto de dados. Isso obtido
minimizando a soma dos resduos ao quadrado. O resduo a diferena entre os reais valores
de

e os valores previstos ou estimados de

. Considerando uma amostra de dados com

eventos, ento:

. (5)
Como

, ento substituindo em (5) resulta:

. (6)
Sendo assim, o mtodo dos mnimos quadrados determina os valores de

, que
minimizam a soma dos resduos ao quadrado

. Alm disso, o teorema de Gauss-Markov

garante que o mtodo dos mnimos quadrados, quando os quatro pressupostos no so violados,
no viesado e de varincia mnima, sendo o mais eficiente entre os estimadores lineares. Portanto,

ser a melhor reta que se ajusta aos dados, supondo que todos os quatro
pressupostos sejam satisfeitos.


2.2.5 Medidas de qualidade do ajuste da regresso linear


So trs as medidas de qualidade do ajuste da regresso linear, e sempre que se utiliza o
mtodo dos mnimos quadrados para obter os coeficientes de regresso para uma amostra,
tornam-se necessrios seus clculos na regresso. Essas trs medidas so denominadas:
1) Soma dos quadrados da regresso (SQReg) ou variao explicada;
2) Soma dos quadrados dos resduos ou erros (SQR) ou variao no explicada;
3) Soma total dos quadrados (STQ) ou variao total.
A primeira medida, soma dos quadrados da regresso (SQReg), a soma das diferenas
ao quadrado entre o valor previsto (ou estimado) de ,

, e a mdia aritmtica do valor de , .

30


Essa medida tambm chamada de variao, explicada por medir a parte da variao total, que
explicada pela reta de regresso, matematicamente fica:
SQReg

. (7)
A segunda medida, soma dos quadrados dos resduos ou erros (SQR), calcula a parte da
variao em que no explicada pela regresso. dada pela soma das diferenas ao quadrado
entre o valor observado de e o seu valor previsto, . Algebricamente fica:
SQR

. (8)
A terceira medida, a soma total dos quadrados (STQ), calcula a soma ao quadrado das
variaes dos

em relao sua mdia aritmtica, . Essa medida mensura toda a variao,

desde a mdia dos valores de at o real valor de

, e dada por:
STQ =

. (9)
Na anlise de regresso, a STQ ou variao total composta pela SQReg (variao
explicada) e pela SQR (variao no explicada) ou, matematicamente:
STQ = SQReg + SQR. (10)
Ou ainda

. (11)


2.2.6 Coeficiente de determinao

O conhecimento das medidas de qualidade de ajuste da regresso linear, acima discutidas,
no permite saber se o ajuste da reta aos pontos da amostra est bom ou no. necessrio ter uma
medida relativa, ou seja, que seja capaz de dizer o quanto a variao explicada ou a soma dos
quadrados da regresso (SQReg) compe a variao total ou soma total dos quadrados (STQ).
Somente dessa forma haver parmetro de comparao e, portanto ser possvel descobrir o grau
de ajuste da reta ou modelo da regresso linear, o qual recebe o nome de coeficiente de
determinao,

; matematicamente, :

SQReg/STQ. (12)
Ou,
31

(13)
A equao (13) mede o poder explicativo da regresso, sendo

, ou seja, o

varia de 0 a 1. Quanto mais o

se aproxima de 1, melhor ser o ajuste da reta, o que indica uma
forte relao linear positiva entre as variveis e . Por exemplo, uma reta de regresso que
fornea um

90% significa que o modelo de regresso foi capaz de explicar 90% da

variabilidade de , sendo que os outros 10% da variabilidade da amostra devidos a outros fatores
que a varivel no abrange.
Na prxima seo, ser apresentada uma teoria que permite calcular vrias medidas
estatsticas semelhantes s que foram vista nesta seo, com base no clculo da informao
mtua.


2.3 Teoria da informao


A teoria da informao permite a mensurao da incerteza. Para isso, o conceito de
entropia utilizado. A entropia est relacionada quantidade de informao que um sistema
apresenta (sem considerar a semntica da informao); quanto menos informao em um sistema,
maior ser a sua entropia ou a sua incerteza (PHILIPPATOS; WILSON, 1974). Shannon (1948)
apresenta a entropia de uma fonte de informao como conceito-chave na teoria da informao,
definindo-a como o total de incerteza sobre um evento, a partir de um conjunto de eventos
possveis, que tambm conhecida como entropia ou contedo esperado de informao.
O conceito de incerteza dentro da teoria da informao, diferentemente da definio de
Knight (1921), se refere a uma medida de quanta escolha est envolvida na seleo de um dado
evento ou da forma como estamos incertos sobre um resultado, definio esta baseada em
Shannon (1948). Para Knight (1921), a incerteza se refere queles casos em que no se conhece a
distribuio de probabilidade dos resultados, e, por conseguinte, no possvel mensur-la por
no se conhecer as probabilidades. No caso da incerteza no contexto da teoria da informao, esta
mensurada pelo conceito de entropia, que est totalmente baseada em probabilidades.
32


A teoria da informao um ramo da teoria da probabilidade e da matemtica estatstica
que abrange sistemas de comunicao, transmisso de dados, teoria do rudo, correo de erros,
etc. Ela est baseada na mensurao da incerteza ou surpresa, e para isso se fundamenta em dois
conceitos prprios, o informacional e a entropia (SIQUEIRA, 1999).
A grande contribuio de Shannon (1948) foi o tratamento dado teoria da informao,
ao considerar a comunicao como um problema matemtico fundamentado na estatstica. Sua
teoria permitiu determinar a capacidade de um canal de comunicao em termos de ocorrncia de
bits, aspectos relacionados com a perda de informao, transmisso de sinais e rudos de canal,
sendo que a teoria da informao, como adverte Shannon, no se preocupa com a semntica dos
dados.
A importncia de se utilizar a teoria da informao ela proporcionar uma medida
universal da quantidade de informao ou incerteza em termos de estados de probabilidades, no
ser dependente de uma distribuio em particular e poder ser aplicada a qualquer situao que
lida com incerteza e ao estudo do risco nos retornos de ativos (PHILIPPATOS; WILSON, 1974).
Vrios trabalhos vm aplicando a teoria da informao nos mercados de capitais como
forma de substituir e complementar outras teorias. Por exemplo, no mercado de capitais, Fama
(1965) e Philippatos e Nawrocky (1973) usam a teoria da informao para testar a hiptese de
eficincia na Bolsa de Nova Iorque (N.Y.S.E.). Philippatos e Wilson (1972) utilizam a teoria da
informao para a construo de carteiras eficientes de ativos. Philippatos e Nawrocki (1973)
realizaram anlises sobre os ndices das bolsas de Nova Iorque e da American Stock Exchanges
utilizando o conceito de entropia. Buckley (1985) discute os princpios da mxima e mnima
entropia e suas aplicaes na tomada de deciso sob risco. Em seu trabalho, o autor afirma que o
princpio da mxima entropia aplicvel quando existe pouca informao sobre as possibilidades
dos estados futuros do sistema, ou seja, quando a distribuio de probabilidade exata ao longo
dos estados da natureza no exatamente conhecida, mas alguma informao anterior est
disponvel sobre as possibilidades desses resultados. Fernholz (1999) analisa a entropia como
medida de diversificao nos mercados financeiros. Cassetari (2003) desenvolve uma
metodologia de alocao de capital baseada no princpio de mxima entropia, e nesse trabalho
utilizada a entropia de Shannon como medida de risco financeiro, comparando suas vantagens e
desvantagens em relao a outras medidas mais comumente utilizadas vindas da moderna teoria
das carteiras, como de Markowitz. Nesse caso, o autor conclui que, pelo fato de no se assumir
33


qualquer distribuio de probabilidades, confere um grau muito grande de realismo
metodologia (na soluo de Markowitz se assume a distribuio gaussiana). Pelo princpio de
mxima entropia, o resultado ser o mesmo proporcionado pela soluo de Markowitz quando se
assume a aproximao gaussiana. Horowitz e Horowitz (1968) utilizaram a entropia como
medida de concentrao industrial e competitividade de mercado.


2.3.1 O conceito de entropia


A entropia no contexto da mecnica estatstica definida como a quantidade de desordem
de um sistema. Isso quer dizer que quanto maior a desordem de um sistema, maior ser a sua
entropia. A mecnica estatstica de Boltzmann afirma que a desordem de determinado sistema
diretamente proporcional quantidade de diferentes estados. A entropia est associada
diretamente quantidade de possveis estados para determinado macroestado; isso quer dizer que
ela depende diretamente da quantidade de microestados possveis, o que implica em diferentes
combinaes do sistema. Portanto, um sistema ter sua entropia aumentada sempre quando
houver um aumento da desordem do sistema, e de outro modo a entropia cresce conforme o
nmero de trajetrias possveis aumenta com a complexidade do sistema (HERSCOVICI, 2005).
Shannon (1948) demonstra que o total de incerteza sobre um evento , a partir de um
conjunto

de eventos possveis, com probabilidades

de ocorrncias tambm conhecido

como entropia da mecnica estatstica definido da seguinte forma para o caso discreto:

bit / evento (14)

na qual

.
A explicao para colocar

que o limite de

quando
tende a 0 0. Entretanto, a funo no est definida para igual a zero; assim,
como ser necessrio conhecer a funo quando a probabilidade for zero, define-se a funo
como sendo igual ao seu limite.
A equao (14) tambm conhecida como medida de entropia de Shannon ou contedo
esperado de informao, e ao obt-la Shannon tinha como objetivo determinar a capacidade do
34


canal necessria para a transmisso de informao. A base mais comum de se usar o logaritmo
a 2, na qual a unidade de medida o bit.
O logaritmo na base 2 determina o grau de caoticidade da distribuio de probabilidade de

e pode ser usada para determinar a capacidade do canal necessria para a transmisso da
informao.
Uma vez que idntica na forma de expresso para a entropia em mecnica estatstica,
chamado de entropia da comunicao. Bem como uma medida de informao esperada
para ser adquirida a partir do recebimento de uma mensagem , entropia da comunicao uma
medida da mdia da incerteza sobre a mensagem antes da sua recepo.


2.3.2 A incerteza mensurada pela entropia


A entropia utilizada na teoria econmico-financeira como medida de disperso global,
informao e incerteza na avaliao de ativos, carteiras de ativos e mercado. E no necessita da
pressuposio de distribuio normal de probabilidade, como comumente alguns modelos
necessitam (DIONSIO; MENEZES; MENDES, 2003).
Sejam

eventos que formam um conjunto com as seguintes probabilidades de

ocorrncia

, respectivamente, sendo tais probabilidades de ocorrncia tudo o que se

conhece sobre o evento que ir se realizar. Sendo assim, Shannon (1948, p. 10, traduo nossa)
pergunta: possvel achar uma medida de quanta escolha est envolvida na seleo do evento
ou de como incerto se est do resultado?. A medida que quantifica essa incerteza do conjunto
calculada pela entropia

, satisfazendo as seguintes propriedades (SHANNON,

1948).
1) A entropia deve ser contnua em

, para todo ;
2) Se todos so iguais a

, ento a entropia deve ser uma funo montona

crescente em . Quanto maior for , ou seja, o nmero de eventos possveis, maior ser a
incerteza;
3) Se uma escolha for separada em duas escolhas sucessivas, a entropia ser a soma
ponderada dos valores individuais de . Como exemplifica a figura abaixo.
35




Figura 2 Decomposio de uma escolha de trs possibilidades
Fonte: Shannon (1948)

Na figura 2, o desenho esquerda, tem trs possibilidades

1/2,

1/3 e

1/6.
No da direita, primeiro tem de se escolher entre duas possibilidades, cada uma com uma
probabilidade 1/2, e depois fazer outra escolha, com probabilidades 2/3 e 1/3. Os dois casos tm o
mesmo resultado final, ou seja, a mesma probabilidade, isto :
. (15)
O coeficiente 1/2 se deve segunda escolha que ocorre apenas metade do tempo
(SHANNON, 1948).
O nico que satisfaz os trs pressupostos acima, de acordo com Shannon (1948), isto ,
a entropia do conjunto de probabilidades

. (16)
onde uma constante positiva. A constante equivale a uma escolha de uma unidade de
medida. O valor desta constante ser igual a 1 quando a base do logaritmo for 2 (SHANNON,
1948).
A base do logaritmo no interfere no clculo da entropia, a sua escolha ir apenas mudar a
sua unidade. Sendo assim, se a base for 2, a unidade de medida ser em bits, se for 10 ser em
dits e se for e ser em nats (DIONSIO; MENEZES; MENDES, 2003). Shannon e Weaver
(1964) justificam o uso do logaritmo por vrios motivos. Em primeiro lugar, como sempre ser
calculado o logaritmo de uma probabilidade

, e como

(exceto quando

0), o seu
logaritmo ser negativo e assim a entropia ser positiva. Em segundo, caso

1, seu logaritmo
ser igual a 0, e a entropia nula. Isso quer dizer que quando houver um evento certo, no existir
incerteza relativa a ele. Da mesma forma, conforme a quantidade de eventos igualmente possveis
duplicar, a entropia aumentar uma unidade. Em terceiro, o logaritmo permite que eventos
36


difceis de ocorrer, ou seja, de pequena probabilidade tenham maior ponderao ou mais peso.
Isso permite que eventos extremos ou raros tenham maior ateno.
Em todas as situaes em que h o uso de probabilidades existir incerteza. Sendo assim,
sempre que um fenmeno for descrito com probabilidades, o objetivo ser saber se possvel
quantificar a sua incerteza e, caso seja, de que forma. J foi visto que a entropia no funo
de uma varivel aleatria, mas sim da distribuio de probabilidade da varivel aleatria, ou seja,
das suas probabilidades. Sendo assim, Fieldman (1998) conclui que a partir da prpria definio
axiomtica da entropia, a entropia de um evento mede quantitativamente a incerteza total
associada distribuio de probabilidade do evento .
A entropia, no caso de dois eventos independentes,

e com probabilidades e
respectivamente, ser:

. (17)
No Grfico1, pode-se ver como se comporta a entropia dada pela equao (17), para
diversos valores de . Pode ser visto que quando as variveis aleatrias

e possuem as mesmas
probabilidades de ocorrncia, ou seja, quando 0,5, a entropia ser mxima. Isso quer
dizer que a incerteza ser mxima quando as probabilidades dos eventos forem iguais, pois
quando todos os resultados possveis forem equiprovveis, significando que o nvel de
informao disponvel mnimo (DIONSIO; MENEZES; MENDES, 2003, p. 8).

37



Grfico 1 Entropia no caso de dois eventos com probabilidades e

Shannon (1948) descreve as caractersticas da entropia que reforam a sua escolha
como medida de informao ou de escolha.
1) A entropia ser nula 0) se, e somente se, todas as probabilidades

forem nulas,
exceto quando for 1, que ser igual a 0. Portanto, um evento certo ter entropia mnima e
nvel de informao mximo;
2) Quando todas as variveis aleatrias tiverem a mesma probabilidade

de ocorrncia,
isto ,

, implicando na situao mais incerta, a entropia ser:

.
(18)


2.3.3 Entropia conjunta e entropia condicional


Considere dois eventos

e , com e possibilidades de ocorrncia, respectivamente.
Suponha que seja a probabilidade de ocorrncia conjunta de para e para . A entropia
do evento conjunto, de acordo com Shannon (1948), dada por:
38

. (19)
Sendo que,

. (20)
e

. (21)
Sabendo que a incerteza de um evento conjunto menor ou igual soma das incertezas,
verifica-se que:
. (22)
A igualdade somente se verifica na equao (22) quando os eventos e so
independentes, ou seja, .
Ainda considerando dois eventos e , no necessariamente independentes, com e
possibilidades de ocorrncia, respectivamente, para cada valor que

pode assumir, haver uma
probabilidade condicional , na qual tem o valor , determinado por:

(23)
A medida de incerteza de quando conhecido, ou seja, a entropia condicional de

dado definida por Shannon (1948) como:

. (24)
Shannon (1948, p. 12) define a entropia condicional de dado , como a mdia
da entropia de para cada valor de , ponderado em funo da probabilidade de se obter esse .
Ou quanto incerto se est em mdia de quando se conhece .
Substituindo de (23) na equao (24), obtm-se:

, (25)
ou,
. (26)
A entropia ou incerteza do evento conjunto e a entropia ou incerteza de

mais a
entropia ou incerteza de

quando se conhece .
De (22) e (26) tem se:
. (27)

39


Portanto,
. (28)
A entropia ou incerteza de nunca aumentada pelo conhecimento de ; ser menor, a
menos que e

sejam eventos independentes, caso em que no alterado e o nvel de incerteza
ser mximo (SHANNON, 1948). Se 0, a incerteza nula, pois determina totalmente
.


2.3.4 Entropia de uma distribuio contnua


A entropia de um conjunto discreto de probabilidades foi definida na equao (16) como:

.
Shannon (1948), de forma anloga, define a entropia de uma distribuio contnua pela
funo de distribuio de densidade por:

.
(29)
Para uma distribuio dimensional

tem-se:

. (30)
No caso de haver dois argumentos e (que podem ser multidimensionais), a entropia
conjunta dada por:
. (31)
A entropia de distribuies contnuas tem a maioria (mas no todas) das propriedades do
caso discreto. Assim como no caso discreto, tambm se verificam no caso contnuo as seguintes
propriedades:
1) Para quaisquer duas variveis e tem se:
. (32)
A igualdade somente valer se, e somente se, e forem independentes, ou seja,
(com exceo, eventualmente, de um conjunto de pontos com probabilidade
zero).
2) Verifica-se tambm a seguinte relao para entropia conjunta e condicional:
40


. (33)
Sendo
3) H uma importante diferena entre a entropia para distribuies discretas e distribuies
contnuas. No caso discreto, a entropia mensura de forma absoluta a aleatoriedade da
varivel aleatria. J no caso contnuo, esta medida afetada pelo sistema de
coordenadas. Em geral, quando h modificaes do sistema de coordenadas, a entropia
sofre alteraes.
O item 3 acima quer dizer, em outras palavras, que a unidade de medida afeta a entropia
no caso contnuo, sendo que a entropia no caso discreto nada sofre. Dessa forma, como no caso
contnuo, a entropia mede a aleatoriedade relativa a um sistema de coordenadas, logo, se for
escolhida uma escala para uma distribuio uniforme na qual a entropia seja nula, a sua entropia
ser negativa, em qualquer distribuio que tenha um maior nvel de concentrao (LAZO;
RATHIE, 1978).
No entanto, se for utilizada duas distribuies de probabilidade, estando seus valores
numa dada dimenso, qualquer alterao em ambas as unidades de medida no ir causar
quaisquer mudanas na diferena relativa de entropia entre elas (PHILIPPATOS; WILSON,
1972).
A entropia das distribuies contnuas sensvel a quaisquer outras alteraes que possam
ocorrer na varivel, por isso se adqua mais para o estudo das taxas de rentabilidade dos ttulos
(DIONSIO; MENEZES; MENDES, 2003, p. 13). Neste trabalho ser utilizada a entropia
contnua.


2.3.5 Informao mtua


A informao mtua uma medida vinda da teoria da informao ou, mais
especificamente, do conceito de entropia.
Um resultado importante obtido anteriormente mostrado na equao (28) que
, isto , o conhecimento de

reduz a entropia ou incerteza de , exceto quando e
forem independentes. Essa diminuio da entropia significa que houve uma introduo de
41


informao no sistema (DIONSIO; MENEZES; MENDES, 2003). Dessa forma, foi criada uma
medida do ganho dessa informao, que recebeu o nome de informao mtua, que dada por:
. (34)
De acordo com a equao (34), pois . Se ento
o que significa que e so estatisticamente independentes. Se
ento , o que implica ser totalmente determinado por .
De acordo com a equao (26), outra forma mais conveniente de calcular a informao
mtua, dada pela equao (34), :
. (35)
Georgescu-Roegen (1971) afirma que o nvel de entropia de um dado sistema mensura a
ignorncia da microestrutura desse mesmo sistema. Isso significa dizer que quando todos os
eventos de um determinado grupo ou sistema tiverem iguais probabilidades de ocorrncia, a
entropia desse sistema ser mxima, e, portanto o nvel de informao disponvel de tal sistema
ser mnimo.
Mayumi (1997) argumenta que a entropia e a informao so equivalentes. Assim, a
informao assume um valor bastante elevado, pois conforme a necessidade de informao se
torna maior, devido a grandes nveis de entropia, maior ser tambm o seu valor. Logo, a
informao pode reduzir a entropia, fazendo-a passar de um estado para outro (GEORGESCU-
ROEGEN, 1971).


2.3.6 Coeficiente de correlao global


Granger e Lin (1994), Darbellay e Wuertz (2000) e Dionsio, Menezes e Mendes (2004)
utilizaram a medida de correlao global, que originada da medida padronizada de informao
mtua.
A informao mtua pode ser considerada uma medida de dependncia entre duas
variveis aleatrias, e , ou seja, uma medida da correlao estatstica entre e (DIONSIO;
MENEZES; MENDES, 2004). Back e Weigend (1998) utilizaram a medida de informao mtua
42


(ou entropia mtua) na anlise de dados de aes do mercado financeiro, com o objetivo de
separar seus componentes independentes, ou seja, aqueles componentes no correlacionados.
A informao mtua pode assumir qualquer valor real positivo, ou seja,
, o que, por sua vez, dificulta a comparao entre amostras diversas. Sendo assim, Granger e
Lin (1994), Darbellay e Wuertz (2000) usaram uma medida padronizada da informao mtua,
denominada de coeficiente de correlao global definida por:

.
(36)
Esta medida varia entre 0 e 1, pois se ento e se
ento . Pode ser visto que quanto maior for a informao mtua, maior ser o
coeficiente de correlao global. A grande vantagem de conseguir captar qualquer tipo de
dependncia, ou seja, tanto linear quanto no linear, entre e . Alm disso, permite ser
comparado ao coeficiente de correlao linear de Pearson .
Com relao ao coeficiente linear, ele interpretado tanto para valores positivos quanto
para negativos, j o coeficiente de correlao global no assume valores negativos, portanto no
possvel comparar o significado, mas sim a magnitude: quanto mais expressivo for
o coeficiente global em relao ao linear, mais efeitos no lineares existem. Mas qual o tipo de
no linearidade? No se sabe a resposta, e o coeficiente de correlao global no informa isto.
No existe uma interpretao do tipo: quando uma varivel aumenta a outra diminui. No h
linearidade; pode ser um seno, pode ser uma parbola, um crculo, qualquer relao no linear. O
importante no tipo de anlise que ser realizada neste trabalho no descrever a forma funcional,
mas sim deixar claro que existem no linearidades expressas por meio do clculo de .


2.4 Entropia e regresso linear


De acordo com Garner e McGill (1956) e Philippatos e Wilson (1972 e 1974), a entropia
formalmente equivalente regresso e anlise de varincia, correspondendo varincia da
varivel dependente na anlise de regresso. Por exemplo, chamando de os retornos de algum
ativo, e de os retornos de algum ndice que representa o mercado, sendo a varivel
43


dependente e a varivel independente, a entropia nesse caso medir a varincia de na
regresso.
De forma anloga, a entropia condicional mede a entropia inerente no ativo
dado o ndice , isto , mede a variao no explicada ou residual de , quando se considera que
os efeitos de sejam constantes. Similarmente, a medida de informao mtua
mede a quantidade de informao que as variveis e tm em comum, ou seja, mede a soma
explicada dos quadrados da regresso, por mostrar a dependncia que existe entre as variveis e
.
Por fim, a informao mtua de e

dividido pela entropia de equivalente ao
coeficiente de determinao

na anlise de regresso, medindo a proporo da variao de

que explicada pela variao de e dada por:

(37)
A expresso mensura a proporo de que no explicada por , o que
equivalente a

. Se as variveis e forem perfeitamente independentes, ento a equao

(37) ser igual a zero, pois e a expresso ser igual a 1, ou
equivalentemente

, o que significa que no explica nenhuma variao de . Se, no

entanto, e forem perfeitamente dependentes, ento , pois determinar
completamente , assim ; logo, (37) ser igual 1, ou equivalentemente

.












44


Anlise de regresso Teoria da informao Similaridades
Soma dos quadrados da
regresso
SQReg =

Informao mtua



Ambas as medidas medem a
variao da varivel
dependente, que explicada
pela varivel independente.
Soma dos quadrados do erro
SQR =

Entropia condicional



Ambas as medidas medem a
variao da varivel
dependente, que no
explicada pela varivel
independente.
Soma total dos quadrados
STQ =

Entropia total de

Ambas as medidas medem a
disperso total da varivel
dependente.
Coeficiente de determinao

Informao mtua dividida
pela entropia total de

Ambas as medidas medem a
proporo da variao de ,
que explicada pela variao
de .
Quadro 1 Equivalncias entre a anlise de regresso e medidas da teoria da informao
Fonte: Adaptado de Dionsio; Menezes; Mendes, 2003

As equivalncias entre as medidas somente so significativas quando todas as premissas
da regresso linear simples so satisfeitas, as quais so a linearidade, a homocedasticidade, a
ausncia de autocorrelao e a normalidade das distribuies de probabilidade dos resduos. S
assim a reta de regresso ir captar a real relao existente entre as variveis, ou seja, a relao
ser eficientemente representada pela reta de regresso linear. Caso no forem satisfeitos todos
ou algum desses pressupostos, as medidas no tero uma correspondncia perfeitamente
proporcional. Isso se deve ao fato de a regresso linear se limitar a mensurar as variaes na
varivel dependente que possam ser explicadas pela reta de regresso. J as medidas da teoria da
informao conseguem capturar a relao entre as variveis como um todo, concentrando-se na
maior ou menor independncia delas (DIONSIO; MENEZES; MENDES, 2003). No quadro 1
so resumidas todas as relaes acima discutidas.
45


3 METODOLOGIA


3.1 A amostra e suas propriedades


Blume (1971) examinou as propriedades estatsticas do coeficiente beta e Philippatos e
Wilson (1974) aplicaram a metodologia da teoria da informao ao problema de avaliao e
separao do risco do mercado de capital em seus componentes sistemtico e no sistemtico,
sendo que ambos utilizaram uma janela de tempo de 84 meses. Dessa forma, como este trabalho
tambm est examinando uma propriedade estatstica (coeficiente de correlao global), foi
escolhido o mesmo perodo (janela) de tempo de 84 meses.
A amostra aqui foi tomada da base de dados Economtica e foram selecionados todos os
ativos que se mantiveram no IBOVESPA (carteira terica) de maio de 2001 a abril de 2008,
totalizando 84 meses (7 anos). Todas elas foram ajustadas por proventos (dividendos e mudanas
de capital), utilizou-se o preo de fechamento mensal de cada ao e foi utilizado deflator em
moeda original.
A razo de escolher as aes do IBOVESPA a maior liquidez que em geral todas
possuem. Se todas as aes da amostra compem o IBOVESPA, todas tero influncia sobre o
comportamento do ndice e, portanto, todas as acompanharo. Assim, a pergunta que se coloca
sobre isso : existe correlao no linear entre as variaes do preo das aes e as variaes do
IBOVESPA?


3.2 Mtodo


Esta seo descreve os passos at a obteno do coeficiente de correlao global entre as
variaes de cada ativo da amostra (33 ativos no total) com as variaes do IBOVESPA. Para
ilustrar cada etapa, ser usado como exemplo o ativo ARCZ6, que faz parte da amostra
selecionada.
46


Inicialmente, com os preos do ativo e dos pontos do IBOVESPA no perodo de maio de
2001 a abril de 2008, calcula-se a variao mensal do ms pela expresso:

(38)
Dessa forma, foram obtidas 83 variaes mensais para cada ativo e para o IBOVESPA.
De forma a ilustrar, na Tabela 1 abaixo so mostradas 10 variaes do total de 83 para os pontos
do IBOVESPA e dos preos da ARCZ6, referentes aos meses de maio de 2001 a dezembro de
2002.

Tabela 1 Retornos para os pontos do IBOVESPA e para os preos da ARCZ6
IBOVESPA ARCZ6
Data Fechamento Retorno

Data Fechamento Retorno
mai/01 14649

mai/01 2,9449

jun/01 14559 -0,0061

jun/01 3,0167 0,0244
jul/01 13754 -0,0553

jul/01 2,8587 -0,0524
ago/01 12840 -0,0665

ago/01 3,1747 0,1106
set/01 10635 -0,1717

set/01 2,8587 -0,0995
out/01 11364 0,0685

out/01 3,4477 0,2060
nov/01 12931 0,1379

nov/01 3,1388 -0,0896
dez/01 13577 0,0500

dez/01 2,8084 -0,1053
jan/02 12721 -0,0630

jan/02 3,0239 0,0767
fev/02 14033 0,1031

fev/02 3,5195 0,1639
mar/02 13254 -0,0555

mar/02 3,4261 -0,0265

No CAPM, o valor esperado do retorno (variao mdia) de uma ao (

)
explicado pelo retorno esperado (variao mdia) do mercado (

), ou seja, em termos
matemticos:

(39)
Sendo,
: constante ou o intercepto de

.
coeficiente angular na reta de regresso linear.
O coeficiente angular da reta de regresso linear, como dito anteriormente, o chamado
coeficiente no modelo CAPM que representa o risco sistemtico do ativo .
47


Ento como os valores de retorno do ativo (varivel dependente) so explicados pelos
retornos do IBOVESPA (varivel independente), pode-se representar os dados (pontos

)
num grfico de disperso conforme pode ser visto no Grfico 2.


Grfico 2 Disperso dos retornos dos pontos do IBOVESPA e dos preos da ARCZ6

Conforme foi visto, para o clculo da entropia de uma distribuio contnua, necessrio
conhecer a funo de densidade de probabilidade. Sendo assim, houve a necessidade de encontrar
um mtodo que possibilitasse determinar essa funo para os retornos do IBOVESPA ,
retornos do ativo e a funo de densidade de probabilidade conjunta, isto , entre os
retornos do IBOVESPA e do ativo, . O mtodo utilizado aqui foi o da janela de Parzen
(Parzen, 1962), mtodo este no paramtrico.
O mtodo da janela de Parzen um mtodo no paramtrico para a estimao da funo
de densidade de probabilidade de uma amostra de variveis aleatrias (PARZEN, 1962). Dado
uma amostra de uma populao de variveis aleatrias, a janela de Parzen faz uma estimativa da
densidade de probabilidade para qualquer valor da varivel utilizando uma soma de funes de
base (kernel) centradas nos valores amostrais. Seja

,...,

uma amostra independente e

identicamente distribuda de uma varivel aleatria x, a aproximao de sua funo densidade de
probabilidade dada por
48

.
(40)
Para uma varivel y tambm se pode escrever

.
(41)
A distribuio conjunta pode ser escrita por

.
(42)
Nas expresses acima,

so funes gaussianas com mdias iguais aos valores

de

um valor fixo a ser determinado e assim o mesmo sendo para

.
Como a rea (integral) da funo de densidade de probabilidade sempre deve ser igual a 1,
integrando e o resultado deve ser 1. Assim tambm para o volume sob a curva
, o resultado deve ser 1. Analiticamente estas propriedades so satisfeitas diretamente pela
prpria construo das funes. Numericamente, deve ser escolhida uma regio para integrao
de forma que, para valores determinados de

a quadratura (integral) resulte em 1. Devido

a esses problemas, escalam-se valores para at tornarem a integral da funo igual a 1.
Para ilustrar o mtodo acima, na sequncia so apresentados os procedimentos para a
estimao da funo de densidade de probabilidade da amostra dos retornos dos preos do ativo
ARCZ6 , dos retornos do IBOVESPA e a conjunta deles .
Inicialmente, com os retornos obtidos dos preos do ativo ARCZ6 e do IBOVESPA,
encontrou-se o mximo e mnimo retorno para cada um e o intervalo entre eles (diferena),
obtendo-se os valores apresentados na Tabela 2.

Tabela 2 Retornos mximo e mnimo para o IBOVESPA e para os preos da ARCZ6
IBOVESPA ARCZ6
Mximo retorno 0,1792 0,3333
Mnimo retorno -0,1717 -0,1929
Intervalo 0,3509 0,5262

Com os valores da Tabela 2, pode-se fazer uma grade de valores para os retornos do ativo
(ARCZ6) e para o retorno do IBOVESPA. Foram determinados 101 valores no intervalo limitado
inferiormente pelo valor:
Limitante inferior = (Mnimo retorno Intervalo)/3. (43)
E limitado superiormente por:
49


Limitante superior = (Mximo retorno + Intervalo)/3. (44)
No exemplo em questo, os valores obtidos esto apresentados na Tabela 3.

Tabela 3 Limitante inferior e superior para o IBOVESPA e ARCZ6
IBOVESPA ARCZ6
Limitante inferior -0,2900 -0,3700
Limitante superior 0,3000 0,5100
Variao 0,0059 0,0088

A variao na Tabela 3 a diferena entre os limitantes superior e inferior dividido por
100. Para obter os 101 valores, pegou-se o limitante inferior como sendo o primeiro valor e
outros 100 foram obtidos somando-se a variao at se chegar ao ltimo valor (101), que o
limitante superior, isto :
Retorno (i) = Retorno (i-1) + Variao. (45)
Sendo que i comea no 2, pois o primeiro retorno (1) o prprio limitante inferior. A ttulo de
ilustrao, mostram-se, na Tabela 4, os 20 retornos dos 101 para o IBOVESPA , e ARCZ6 .
















50


Tabela 4 Retornos do IBOVESPA e ARCZ6 considerados na determinao das densidades de
probabilidades p(x), p(y) e p(x,y)

1 -0,2900 -0,3700
2 -0,2841 -0,3612
3 -0,2782 -0,3524
4 -0,2723 -0,3436
5 -0,2664 -0,3348
6 -0,2605 -0,326
7 -0,2546 -0,3172
8 -0,2487 -0,3084
9 -0,2428 -0,2996
10 -0,2369 -0,2908
11 -0,231 -0,282
12 -0,2251 -0,2732
13 -0,2192 -0,2644
14 -0,2133 -0,2556
15 -0,2074 -0,2468
16 -0,2015 -0,238
17 -0,1956 -0,2292
18 -0,1897 -0,2204
19 -0,1838 -0,2116
20 -0,1779 -0,2028

O mtodo da janela de Parzen foi aplicado para os 101 retornos, a fim de encontrar a
densidade de probabilidade de cada um. A Tabela 5 mostra 20 densidades de probabilidades do
IBOVESPA e para o ativo ARCZ6 .










51


Tabela 5 Densidade de probabilidade do IBOVESPA e dos retornos dos preos da ARCZ6

1 1,1826E-04 7,3208E-06
2 2,5358E-04 1,9128E-05
3 5,2324E-04 4,7673E-05
4 1,0390E-03 1,1334E-04
5 1,9856E-03 2,5710E-04
6 3,6522E-03 5,5653E-04
7 6,4666E-03 1,1498E-03
8 1,1023E-02 2,2677E-03
9 1,8095E-02 4,2709E-03
10 2,8611E-02 7,6841E-03
11 4,3589E-02 1,3213E-02
12 6,4020E-02 2,1725E-02
13 9,0696E-02 3,4185E-02
14 1,2403E-01 5,1531E-02
15 1,6391E-01 7,4517E-02
16 2,0959E-01 1,0356E-01
17 2,5971E-01 1,3868E-01
18 3,1250E-01 1,7953E-01
19 3,6603E-01 2,2566E-01
20 4,1854E-01 2,7688E-01

Conhecendo os pontos e pode-se esboar o grfico da funo de
densidade de probabilidade dos retornos do IBOVESPA e do ativo. A rea sob a curva da funo
de densidade de probabilidade deve ser igual a 1, e para isso o parmetro foi ajustado para o
IBOVESPA

0,0300 e

0,0400 para a ARCZ6 (e para todos os outros ativos da

amostra). A integral numrica utilizada para encontrar a rea foi o mtodo do trapzio. Os
Grficos 3 e 4 mostram o grfico da funo de densidade de probabilidade obtida para o
IBOVESPA e ARCZ6, respectivamente.






52



Grfico 3 Densidade de probabilidade dos retornos do IBOVESPA


Grfico 4 Densidade de probabilidade dos retornos da ARCZ6

Para o caso da funo de densidade de probabilidade conjunta (IBOVESPA
conjuntamente com outro ativo, aqui mostrado para apenas o ativo ARCZ6), a funo utilizada
foi a gaussiana conjunta para cada observao da amostra, conforme equao (42).
53


Da mesma forma, para o clculo de e foi considerada a mesma grade dos
valores de e para formarem pontos dando um total de 10.201 pontos. Ilustrativamente,
mostram-se os 20 pontos dos 10.201 pontos conjuntos para o IBOVESPA e ARCZ6 .

Tabela 6 Retornos conjuntos do IBOVESPA e ARCZ6

1 -0,2900 -0,3700
2 -0,2900 -0,3612
3 -0,2900 -0,3524
4 -0,2900 -0,3436
5 -0,2900 -0,3348
6 -0,2900 -0,3260
7 -0,2900 -0,3172
8 -0,2900 -0,3084
9 -0,2900 -0,2996
10 -0,2900 -0,2908
11 -0,2900 -0,2820
12 -0,2900 -0,2732
13 -0,2900 -0,2644
14 -0,2900 -0,2556
15 -0,2900 -0,2468
16 -0,2900 -0,2380
17 -0,2900 -0,2292
18 -0,2900 -0,2204
19 -0,2900 -0,2116
20 -0,2900 -0,2028

Com os pontos calculou-se a funo de densidade de probabilidade
utilizando a equao (42). Ilustrativamente na Tabela 7 so apresentados alguns valores.







54


Tabela 7 Densidade de probabilidade conjunta do IBOVESPA e ARCZ6

1 -0,0717 -0,3700 0,0001
2 -0,0717 -0,3612 0,0002
3 -0,0717 -0,3524 0,0006
4 -0,0717 -0,3436 0,0013
5 -0,0717 -0,3348 0,0029
6 -0,0717 -0,3260 0,0062
7 -0,0717 -0,3172 0,0126
8 -0,0717 -0,3084 0,0244
9 -0,0717 -0,2996 0,0449
10 -0,0717 -0,2908 0,0790
11 -0,0717 -0,2820 0,1322
12 -0,0717 -0,2732 0,2112
13 -0,0717 -0,2644 0,3216
14 -0,0717 -0,2556 0,4671
15 -0,0717 -0,2468 0,6478
16 -0,0717 -0,2380 0,8581
17 -0,0717 -0,2292 1,0873
18 -0,0717 -0,2204 1,3200
19 -0,0717 -0,2116 1,5395
20 -0,0717 -0,2028 1,7309

Conhecendo os pontos , pode-se esboar o grfico da funo de densidade
de probabilidade conjunta dos retornos conjunto do IBOVESPA e do ativo. Como o volume sob a
curva da funo deve ser igual a 1, calculou-se a integral numrica pelo mtodo do tronco do
prisma para encontrar o volume sob a curva de , o que confirmou uma rea igual a 1. O
Grfico 5 o grfico da funo de densidade de probabilidade conjunta obtida para o IBOVESPA
e ARCZ6.







55



Grfico 5 Densidade de probabilidade conjunta dos retornos do IBOVESPA e ARCZ6

A partir dos valores das densidades de probabilidades , e , foi calculada
a entropia pontual para cada , e , como mostra a tabela 8, para 20 valores de ,
e .













56


Tabela 8 Densidade de probabilidade e entropia pontual dos retornos do IBOVESPA e ARCZ6
IBOVESPA ARCZ6 Conjunta

1 0,0001 0,0015 0,0001 0,0015 0,0001 0,0012
2 0,0003 0,0030 0,0003 0,0031 0,0002 0,0027
3 0,0005 0,0057 0,0006 0,0060 0,0006 0,0060
4 0,0010 0,0103 0,0011 0,0112 0,0013 0,0125
5 0,0020 0,0178 0,0023 0,0199 0,0029 0,0245
6 0,0037 0,0296 0,0043 0,0336 0,0062 0,0455
7 0,0065 0,0470 0,0077 0,0540 0,0126 0,0795
8 0,0110 0,0717 0,0132 0,0825 0,0244 0,1306
9 0,0181 0,1047 0,0217 0,1200 0,0449 0,2011
10 0,0286 0,1467 0,0342 0,1665 0,0790 0,2892
11 0,0436 0,1970 0,0515 0,2205 0,1322 0,3860
12 0,0640 0,2539 0,0745 0,2792 0,2112 0,4738
13 0,0907 0,3141 0,1036 0,3388 0,3216 0,5263
14 0,1240 0,3735 0,1387 0,3953 0,4671 0,5130
15 0,1639 0,4276 0,1795 0,4448 0,6478 0,4058
16 0,2096 0,4725 0,2257 0,4847 0,8581 0,1895
17 0,2597 0,5051 0,2769 0,5130 1,0873 -0,1313
18 0,3125 0,5244 0,3337 0,5284 1,3200 -0,5288
19 0,3660 0,5307 0,3978 0,5290 1,5395 -0,9583
20 0,4185 0,5259 0,4719 0,5113 1,7309 -1,3701

Com as entropias pontuais calculadas, pode-se calcular a entropia total dada pela equao
(29), isto ,

. Esta integral foi calculada numericamente pelo

mtodo do trapzio. Os valores obtidos para o IBOVESPA foram -1,6236, e para o ativo
ARCZ6 -1,3056. Para o clculo da entropia conjunta dada pela equao (31), ou seja,
, utilizou-se o mtodo do tronco do prisma para o
clculo da integral numrica, obtendo-se -2,9913. A informao mtua dada pela
equao (35), isto , pode agora ser calculada, resultando
0,0620. Agora possvel encontrar o coeficiente de correlao global entre os retornos
do IBOVESPA e do ativo, como est sendo ilustrado para o ativo ARCZ6, tem-se que o
coeficiente global dado pela equao (36), ou seja,

0,3416,
57


sendo o coeficiente linear dado pela equao (2), isto ,

, e
0,1500.


4 RESULTADOS


Na Tabela 9 abaixo, so apresentados a informao mtua , coeficiente de
correlao global e o coeficiente de correlao linear , sendo os retornos do
IBOVESPA e os retornos do ativo. Os dados esto dispostos em ordem alfabtica dos cdigos
dos 33 ativos.



















58


Tabela 9 Resultados: Informao mtua , coeficiente de correlao global , coeficiente de
correlao linear e a diferena entre eles
Ativos Global: Linear: Diferena:
1 ACES4 0,2817 0,6563 0,5316 0,1247
2 AMBV4 0,2384 0,6159 0,5512 0,0647
3 ARCZ6 0,0620 0,3416 0,1500 0,1916
4 BBAS3 0,4000 0,7421 0,7166 0,0255
5 BBDC4 0,4287 0,7588 0,7557 0,0030
6 BRAP4 0,3681 0,7218 0,6679 0,0539
7 BRTP3 0,2524 0,6296 0,5186 0,1110
8 BRTP4 0,2135 0,5895 0,5293 0,0602
9 CLSC6 0,2869 0,6607 0,6090 0,0517
10 CMIG4 0,3674 0,7214 0,7025 0,0189
11 CPLE6 0,3414 0,7034 0,6754 0,0280
12 CRUZ3 0,1451 0,5019 0,4350 0,0669
13 CSNA3 0,3764 0,7273 0,6915 0,0358
14 ELET3 0,3391 0,7018 0,6253 0,0764
15 ELET6 0,3560 0,7137 0,6567 0,0570
16 EMBR3 0,2315 0,6088 0,4971 0,1117
17 GGBR4 0,4019 0,7432 0,7129 0,0303
18 ITSA4 0,4494 0,7700 0,7876 -0,0176
19 KLBN4 0,2683 0,6444 0,4609 0,1835
20 LIGT3 0,3633 0,7186 0,5399 0,1788
21 PETR3 0,3787 0,7288 0,7229 0,0059
22 PETR4 0,3886 0,7351 0,7324 0,0026
23 SBSP3 0,3218 0,6889 0,6620 0,0269
24 TCSL3 0,2621 0,6387 0,5153 0,1235
25 TCSL4 0,2989 0,6708 0,5805 0,0903
26 TLPP4 0,1885 0,5604 0,5073 0,0531
27 TMCP4 0,1919 0,5645 0,4707 0,0939
28 TNLP3 0,2522 0,6294 0,4603 0,1691
29 TNLP4 0,3145 0,6833 0,5313 0,1520
30 TRPL4 0,2766 0,6519 0,6039 0,0479
31 USIM5 0,4738 0,7825 0,7556 0,0269
32 VALE5 0,1701 0,5370 0,3670 0,1700
33 VCPA4 0,0746 0,3723 0,1845 0,1878

De modo geral, o coeficiente de correlao global obtido foi maior do que o linear em
todos os casos, exceto para o ativo ITSA4, sugerindo a presena de correlaes no lineares no
captadas pelo coeficiente linear. O ativo ITSA4, mesmo tendo seu coeficiente de correlao
59


linear maior do que o global, apresenta-os muito prximos um do outro. A razo disso que os
valores dos coeficientes globais e lineares calculados neste trabalho so apenas estimativas
pontuais sem um nvel de confiana, o que pode significar que, nestes casos, estatisticamente,
estes valores sejam iguais. Fica aqui a sugesto de incluir um intervalo de confiana para estes
coeficientes para trabalho futuro.
O menor coeficiente global foi 0,3416, referente ao ativo ARCZ6, e o maior foi 0,7825,
referente ao ativo USIM5. Para o coeficiente linear, o menor foi 0,1500 e o maior 0,7876.
Comparativamente o menor coeficiente linear praticamente a metade do menor coeficiente
global, apresentando uma diferena discrepante, fato que no ocorre para o maior coeficiente
linear em relao ao coeficiente global, ambos apresentando valores extremamente prximos. Em
relao s diferenas entre os coeficientes lineares e globais, a menor diferena foi de 0,0026
(desconsiderando o caso negativo de -0,0176) para o ativo PETR4, sugerindo que este ativo
acompanha o IBOVESPA de forma predominantemente linear. A maior diferena foi de 0,1916
para o ativo ARCZ6, o que sugere um acompanhamento de forma predominantemente no linear
em relao ao IBOVESPA. Interessante visualizar o grfico de disperso desses dois casos para
ver como os retornos esto dispersos. Do ativo ARCZ6, os valores j esto dispostos no Grfico
2, onde possvel ver pontos bastante dispersos um dos outros. Para o ativo PETR4, possvel
ver no Grfico 6 os pontos mais prximos um dos outros e mais linearmente dispostos, fato que
no ocorre com a ARCZ6.












60



Grfico 6 Disperso dos retornos do IBOVESPA e dos preos da PETR4

O Grfico 7 apresenta uma comparao.


Grfico 7 Disperso dos retornos do IBOVESPA e dos preos da ARCZ6 e PETR4

Com base nos resultados apresentados, pde se verificar a existncia de correlaes no
lineares significativas entre os retornos de preos de aes e retorno do IBOVESPA. No entanto,
de modo a testar quantitativamente a hiptese desta dissertao, realizou-se o teste t de diferenas
de mdias para amostras emparelhadas. Retomando a hiptese do trabalho:
61


Hiptese: A correlao no linear entre variaes de preo de aes e variaes do
IBOVESPA , em mdia, maior do que a correlao linear.
Considerando a mdia de (correlaes no lineares) como

e a mdia de
(correlaes lineares) como

, a hiptese desta pesquisa pode ser escrita, em smbolos

matemticos como:
Afirmativa original:

O oposto desta afirmativa original pode ento ser escrito como:
Oposto da afirmativa original:

De forma a realizar o teste estatstico, definimos abaixo as hipteses estatsticas H
0
e H
1
.
De acordo com Triola (2005), a hiptese H
0
a hiptese que contm o sinal de igualdade e a
hiptese alternativa a que no contm o sinal de igualdade; assim, para o teste t de amostras aos
pares, temos:
H
0
:

H
1
:

Considerando a amostra de 33 empresas, o resultado do teste t obtido pelo Excel
apresentado na Tabela 10 abaixo.

Tabela 10 Teste: Duas amostras em par para mdias
Lambda - r
Mdia 0,6520 0,5730
Varincia 0,0106 0,0226
H
0
:

H
1
:

Grau de liberdade 32

t de teste 7,3229

Valor-P (uni-caudal) 0,000000013

t crtico (uni-caudal) 1,6939

Com base no resultado do teste t apresentado na Tabela 10, rejeita-se a hiptese H
0
. Desta
forma, considerando a hiptese de pesquisa, como a afirmativa original no contm a igualdade
(

), conclui-se que:
Os dados amostrais apoiam a afirmativa de que a correlao no linear entre variaes de
preo de aes e variaes do IBOVESPA , em mdia, maior do que a correlao linear.
62


5 CONCLUSO


Os resultados apresentados na seo anterior resumem, de forma quantitativa, os objetivos
deste trabalho: mensurar os coeficientes de correlaes lineares e no lineares entre as variaes
de preo de aes e o IBOVESPA, e comparar os dois tipos de coeficientes para analisar a
discrepncia entre eles.
Com os resultados obtidos (Tabela 9), fica possvel responder o problema de pesquisa
deste trabalho: As correlaes no lineares so relevantes no mercado brasileiro? A resposta
sim, pois a correlaes globais so maiores do que as correlaes lineares, de acordo com um
teste de hipteses para diferenas de mdias para amostras pareadas. Isso demonstra a relevncia
das correlaes no lineares no mercado brasileiro.
As variaes do preo dos ativos da amostra (com apenas uma exceo) apresentaram o
seu coeficiente de correlao global com as variaes do IBOVESPA maiores do que o
coeficiente de correlao linear, o que sugere a presena de correlaes no lineares. Logo, fica
evidente a sustentao da hiptese de pesquisa na qual se baseia este trabalho: A correlao no
linear entre variaes de preo de aes e variaes do IBOVESPA , em mdia, maior do que a
correlao linear.
A contribuio deste trabalho foi ter trazido mais uma ferramenta na rea de finanas para
auxiliar o entendimento do risco dado pelo comportamento de ativos no mercado de capitais
brasileiro, captado pelo coeficiente de correlao global . Sobre isso, Damodaran (2007)
argumenta que um ativo que oscila independentemente do mercado (carteira de mercado) ter
unicamente risco diversificvel (no sistemtico), ou seja, risco especfico da empresa que pode
ser diversificado. Assim, no caso de voltar s atenes apenas para correlaes lineares, pode-se
achar (no caso de correlaes fracas) que o ativo oscila independentemente do mercado e, como
argumenta Damodaran, ter apenas risco diversificvel. Na verdade, como a correlao no linear
podem ser maiores do que a linear observa-se que as oscilaes no so independentes, ou seja,
pode ocorrer um risco sistemtico no linear nos ativos.

63


REFERNCIAS BIBLIOGRFICAS


ASSAF NETO, A. Finanas corporativas e valor. 2. ed. So Paulo: Altas, 2005a.


______. Mercado financeiro. 6. ed. So Paulo: Atlas, 2005b.


BACK, A. D.; WEIGEND, A. S. What drives stock returns? An independent component analysis.
In: CONFERENCE ON COMPUTATIONAL INTELLIGENCE FOR FINANCIAL
ENGINEERING (CIFE), 1998, New York. PROCEEDINGS New York: IEEE, 1998, p. 12-
156.


BLUME, M. E. On the assessment of risk. Journal of Finance, Hoboken, v. 26, n. 1, p. 1-10,
Mar. 1971.


BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princpios de finanas corporativas. 8. ed. So
Paulo: McGraw-Hill, 2008.


BUCKLEY, J. J. Entropy principles in decision making under risk. Risk Analysis, Hoboken, v.
5, n. 10, p. 303-313, 1985.


CASSETARI, A. O princpio da mxima entropia e a moderna teoria das carteiras. Revista
Brasileira de Finanas, Rio de Janeiro, v. 1, n. 2, p. 271-300, dez. 2003.


DAMODARAN, A. Avaliao de empresas. 2. ed. So Paulo: Pearson Prentice Hall, 2007.


______. Finanas corporativas aplicadas: manual do usurio. Porto Alegre: Bookman, 2002.


DARBELLAY, G. A.; WUERTZ, D. The entropy as a tool for analysing statistical dependences
in financial time series. Physica A: Statistical Mechanics and its Aplications, Amsterdam, v.
287, n. 3/10, p. 429439, Dec. 2000.


DIONSIO, A.; MENEZES, R.; MENDES, D. A entropia como medida de informao na
modelao econmica. In: REIS, E.; HILL, M. M. Temas em mtodos quantitativos. 3. ed.
Lisboa: Silabo, 2003.

64



______. Mutual information: a measure of dependency for nonlinear time series. Physica A:
Statistical Mechanics and its Aplications, Amsterdam, v. 35, n. 1/2, p. 326-329, Dec. 2004.


FAMA, E. F. Tomorrow on the New York Stock Exchange. The Journal of Business, Chicago,
v. 38, n. 3, p. 285-299, July 1965.


FAMA, E. F.; FRENCH, K. R. The cross-section of expected stock returns. Journal of Finance,
Hoboken, v. 8, n. 2, p. 37-75, June 1992.


FAM, R.; BARROS, L. A. B.; SILVEIRA, A. D. M. A estrutura de capital relevante? Novas
evidncias a partir de dados norte-americanos e latino-americanos. Caderno de Pesquisas em
Administrao, So Paulo, v. 8, n. 2, p. 71-84, jun. 2001.


FERNHOLZ, R. On the diversity of equity markets, Journal of Mathematical Economics,
Amsterdam, v. 31, n. 3, p. 393-427, 1999.


FIELDMAN, D. A brief introduction to: information theory, excess entropy and
computational mechanics. California: University of California, 1998.


GARNER, W. R.; MCGILL, W. J. The relation between information and variance analysis.
Psychometrika, New York, v. 21, p. 219-228, 1956.


GEORGESCU-ROEGEN, N. Entropy law and the economic process. Harvard University
Press: Cambridge, 1971.


GOULART, A. M. C. Evidenciao contbil do risco de Mercado por instituies fnanceiras
no Brasil. 2003. 202 f. Dissertao (Mestrado em Controladoria e Contabilidade) - Faculdade de
Economia, Administrao e Contabilidade, Universidade de So Paulo, So Paulo, 2003.


GRANGER, C. W. J.; LIN, J. L. Using the mutual information coefficient to identify lags in
nonlinear models. Journal of Time Series Analysis, Oxford, v. 15, n. 10, p. 371-381, 1994.


HERSCOVICI, A. Historicidade, entropia e no linearidade: algumas aplicaes possveis na
Cincia Econmica. Revista de Economia Poltica, So Paulo, v. 25, n. 3, p. 277-294, July
2005.
65




HOROWITZ, A.; HOROWITZ, I. Entropy, Markov processes and competition in the brewing
industry. The Journal of Industrial Economics, Oxford, v. 16, n. 3, p. 196-211, July 1968.


JORION, P. Value-at-risk: a nova fonte de referncia para a gesto do risco financeiro. 2. ed.
So Paulo: Bolsa de Mercadorias e Futuros, 2003.


LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L. Estatstica: teoria e
aplicaes. 5 ed. Rio de Janeiro: LTC, 2008.


LINTNER, J. The valuation of risk assets and the selection of risky investments in stock
portfolios and capital budgets. The Review of Economics and Statistics, Cambridge, v. 8, p. 13-
37, Feb. 1965.


MARKOWITZ, H. M. Portfolio selection. Journal of Finance, Hoboken, v. 7, n. 1, p. 77-91,
Mar. 1952.


MAYUMI, K. Information, pseudo measures and entropy: an elaboration on Nicholas
Georgescu-Roegens critique. Ecological Economics, Amsterdam, v. 22, n. 3, p. 249-259, 1997.


MENEZES, E. A. Breve histria do pensamento terico em finanas. Fae business, Curitiba, n.
10, p. 48-50, dez. 2002.


KNIGHT, F. H. Risk, uncertainty and profit. Boston: Houghton Mifflin, 1921. Disponvel em:
<http://www.econlib.org>. Acesso em: 22 jul. 2010.


MODIGLIANI, F.; MILLER, M. H. The cost of capital, corporation finance and the theory of
investment. The American Economic Review, Nashville, v. 9, n. 3, p. 261-297, 1958.


MOSSIN, J. Equilibrium in capital asset market. Econometrica, Oxford, v. 310, n. 10, p. 768-
783, Oct. 1966.


PARZEN, E. On the estimation of probability density function and the mode. The Annals of
Mathematical Statistics, Ann Arbor, v. 33, n. 3, p. 1065-1076, 1962.

66



PHILIPPATOS, G. C.; NAWROCKY, D. N. The information inaccuracy of stock market
forecasts: some new evidence of dependence on the N.Y.S.E. The Journal of Financial and
Quantitative Analysis, Stanford, v. 8, n. 3, p. 55-68, June 1973.


PHILIPPATOS, G. C.; WILSON, C. J. Entropy, market risk and the selection of efficient
portfolios. Applied Economics, Abingdon, v. 4, n. 3, p. 209-220, Sept. 1972.


______. Information theory and risk in capital markets. Omega- International Journal of
Management Science, Kidlington, v. 2, n. 10, p. 523-532, 1974.


ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. F. Administrao financeira. So Paulo:
Atlas, 1995.


SASSATANI, R. Uma anlise emprica do prmio pelo risco nos contratos futuros de ndice
Bovespa da BM&F. 1999. 166 f. Dissertao (Mestrado em Administrao) Faculdade de
Economia, Administrao e Contabilidade, Universidade de So Paulo, So Paulo, 1999.


SHANNON, C. E. A mathematical theory of communication. The Bell System Technical
Journal, New York, v. 27, p. 379-423, July 1948.


SHANNON, C. E.; WEAVER, W. The mathematical theory of communication. Urbana: The
University of Illinois Press, 1964.


SHARPE, W. F. Capital asset prices: a theory of market equilibrium under conditions of risk.
Journal of Finance, Hoboken, v. 19, n. 3, p. 35-10, Sept. 1964.


SIQUEIRA, J. O. Determinao entrpica do preo racional da opo europeia simples
ordinria sobre ao e bond: uma aplicao da teoria da informao em finanas em condio
de incerteza. 1999. 309 f. Tese (Doutorado em Administrao) Departamento de
Administrao, Faculdade de Economia, Administrao e Contabilidade, Universidade de So
Paulo, So Paulo, 1999.


______. Introduo gesto do risco. Revista FACEF Pesquisa, Franca, v. 6, n. 3, p. 22-30,
2003.


67


TRIOLA, M. F. Introduo estatstica. 9. ed. Rio de Janeiro: LTC, 2005.


LAZO, A. V.; RATHIE, P. On the Entropy of Continuos Probability Distributions. IEEE
Transactions on Information Theory, Piscataway, v. 34, n. 1, p. 120-122, 1978.