Documente Academic
Documente Profesional
Documente Cultură
Coronel Fabriciano, MG
1
Sumrio
Captulo 1
1 Resumo
1.1 Introduo
Captulo 2
Captulo 3
Captulo 4
4. Consideraes Finais
Referncias Bibliogrficas
2
Captulo 1
3
1.1 Introduo
4
O prximo captulo estuda o uso de tal mtodo estatstico em um conjunto de
rendimentos de ativos do plano acionrio Ita 4 e verifica o uso da metodologia dos
mnimos quadrados no estabelecimento de um modelo que possa determinar futuros
preos dessas aes.
O impacto cientfico geral e imediato dos resultados apresentados visam um
melhor entendimento dos movimentos acionrios, particularmente no setor bancrio que
alvo dessa pesquisa.
Captulo 2
5
2.1.3 Modelo estocstico
6
O mtodo dos mnimos quadrados assume que a linha (reta ou curva) que
melhor aproxima um conjunto de pares ordenados conhecidos, aquela que possuir a
soma mnima dos desvios ao quadrado.
Descrio
Predio
Controle
Estimao
7
Muitas aplicaes da anlise de regresso envolvem a predio de valores da
varivel de interesse. O exemplo da empresa de autopeas, tambm ilustra este tipo de
aplicao. Neste caso, a empresa poder estar interessada em prever o volume de vendas
em uma nova regio do Estado onde ela pretende atuar e ento a equao obtida poder
ser utilizada com esta finalidade.
Segundo Werkema e Aguiar (1996, p.236) A anlise de regresso tambm
muito utilizada com o objetivo de controlar a varivel de interesse em faixas de valores
pr-fixados. Como exemplo desta forma de utilizao da anlise de regresso, considere
um engenheiro que est interessado em obter uma equao que relacione o rendimento de
um processo qumico temperatura e ao tempo de reao, para que o rendimento possa
ser mantido em intervalos de valores pr-estabelecidos.
Milore e Angelini (1995, p.84) explica que importante destacar que,
quando a equao de regresso for empregada com o objetivo de controle, importante
que a relao existente entre a varivel de interesse e as variveis utilizadas para o seu
controle seja do tipo causa-efeito. No entanto, a existncia de uma relao causa-efeito
no necessria se a equao for utilizada somente para predio. Neste caso, somente
ser necessrio que as relaes que existiam no conjunto de dados original, usada para
construir a equao de regresso, sejam vlidas. Por exemplo, o consumo dirio de gua
na regio do Vale do Ao durante o ms de Janeiro pode ser uma boa varivel preditora
para a temperatura diria mxima no ms corrente. Contudo, qualquer tentativa para
reduzir a temperatura mxima na regio do Vale do Ao por meio da diminuio do
consumo de gua claramente no surtir qualquer efeito. Nesta situao, fcil notar que
a temperatura e o consumo de gua variam no mesmo sentido, e este tipo de relao pode
ser utilizado apenas para montar uma equao para previso da temperatura diria
mxima na regio do Vale do Ao, a partir do conhecimento do consumo dirio de gua.
A anlise de regresso algumas vezes tambm utilizada para estimar os
parmetros desconhecidos de equaes tericas que representam o relacionamento entre
variveis de interesse. Um exemplo simples desta utilizao da anlise de regresso
ocorre na estimao da resistncia (R) de um circuito eltrico por meio da Lei de Ohm, a
qual estabelece que a voltagem (V) e a intensidade de corrente (I) no circuito, esto
relacionadas pela seguinte equao:
8
V = RI (2.1)
Nesta seo ser detalhado o modelo de Regresso Linear Simples dado pela
expresso (2.2), isto , o modelo,
(2.2)
9
De acordo com Montgomery e Runger (2003, p. 78) Essas suposies
associadas ao modelo de Regresso Linear Simples, presumem que:
, = 1, 2, ..., (2.3)
, = 1, 2, ..., (2.4)
10
e so denominados estimadores de mnimos quadrados de e se minimizam.
(2.5)
(2.6)
(2.7)
onde:
(2.8)
(2.9)
(2.10)
(2.11)
11
A equao da reta ajustada pelo mtodo dos mnimos quadrados ento
expressa por:
(2.12)
(2.13)
e varincia
(2.14)
3. Anlise e Previses
13
aes PN tm preferncia no recebimento de dividendos e/ou outros proventos
distribudos pela empresa.
Em caso de liquidao (fechamento) da empresa, investidores possuidores
das aes PN tm, tambm, preferncia na repartio do patrimnio.
A base de dados que contm tais rendimentos foram tirados do software
Profitchart V.2.8.0.0. A interface do software apresentada na Figura 1:
14
Tabela 1 Tratamento dos Dados
Semana Rendimento Mnimo Rendimento Mximo Rendimento Mdio
(x) (R$) (R$) (y)
1 0,44 0,48 0,44
2 0,42 0,50 0,46
3 0,46 0,50 0,48
4 0,49 0,51 0,50
5 0,47 0,53 0,50
. . . .
. . . .
. . . .
237 2,25 2.50 2,38
Fonte: Organizado pelos Autores
15
Conforme evidenciado no software Profitchart V.2.8.0.0 existia a indicao
da existncia de um relacionamento linear entre o horizonte de tempo (Semanas) e o
rendimento das aes. Para ajustar o modelo de Regresso Linear foi calculado, por meio
Calcular e
Calcular e
16
Portanto, a reta de regresso ajustada foi expressa por:
17
18
Tabela 2 Ordem de Coleta de Observaes, Valores Observados e Ajustados e Resduo
Ordem de Coleta
Valor Observado Valor Ajustado Resduo
das Observaes
Ou seja,
0,004 0,008
Este intervalo indicou que, em mdia, para cada aumento de uma semana na
escala temporal dos rendimentos, a cotao das aes poderia aumentar entre 0,004% e
0,008%. conveniente fazer a observao de que a variao mxima nas medidas da
intercepto :
20
Dessa forma pode-se estabelecer que a um intervalo de confiana de 99% o
Ou seja,
0,259 0,493
21
Predio dos Rendimentos
Intervalo para
Pela 0 e 1 assumindo o 0 e 1 assumindo o
X Y Erro estimativa do
Equao valor mnimo do valor mximo do
residual rendimento
de Ajuste intervalo de confiana intervalo de confiana
(yi yi) mdio da ao
(0=0,259 e 1=0,004) (0=0,493 e 1=0,008)
(em R$)
22
4 ESTUDO DE PREDIO UTILIZANDO REGRESSO LINEAR MLTIPLA
EM ATIVOS VARIVEIS
23
correlacionar-se e impactar no rendimento das mesmas. Os estudos realizados neste
captulo so estatsticos, utilizando como fonte de clculo e anlise os rendimentos
acionrios e os dados quantitativos de ndices da economia brasileira.
Levando-se em considerao a importncia com que a bolsa de valores
assume para as organizaes, este estudo busca estimar a influncia da economia
brasileira na precificao das aes da Companhia Energtica de Minas Gerais, como
amostra representativa do grupo das 50 aes mais negociadas atualmente. Para tanto,
ser analisado variveis, como risco pas, preo do petrleo, ndice de eficincia
energtica (IEE) e os ndice do mercado acionrio brasileiro, I-Bovespa.
Aps a compreenso da influncia dos fatores econmicos definidos na
pesquisa ter-se como elementos dos resultados deste trabalho, o poder de anlise da
sensibilidade dos diferentes setores ao desempenho econmico do pas.
Como mtodo de desenvolvimento deste trabalho, que tem por objetivo
essencial a anlise da influncia de variveis independentes no retorno das aes, ser
utilizado o mtodo estatstico de anlise de regresso mltipla. Esta anlise capaz de
estimar o quanto sensvel o retorno de um ativo ao desempenho das variveis
explicativas.
A relevncia deste estudo explicado pela aplicao do mtodo exposto
como meio de permitir uma maior compreenso da influncia do mercado econmico no
de capitais, tendo como os maiores beneficiados por estudo investidores, gestores e
interessados no mercado de capitais.
24
Para Grinblatt nas carteiras diversificadas o risco mdio poderia ser
minimizado, pois variveis aleatrias que no tm correlao podem ser anuladas com a
diversificao. importante ressaltar que quanto mais negativo for o coeficiente de
correlao menor ser o risco mdio, visto que quanto maior a correlao entre o retorno
dos ativos, menor a diversificao, o que significa que na ocorrncia de um evento
inesperado, grande parte das aes reagiria da mesma forma.
Rostagno (2004) desenvolveu o modelo precificao de ativos Capital Asset
Pricing Model CAPM, que concordando com Markowitz, parte do pressuposto de que
uma carteira bastante diversificada capaz de eliminar o risco especfico da firma, ou
seja, as variveis aleatrias no correlacionadas citadas por Markowitz, porm no o
risco de mercado, que o risco ao qual todas as aes reagem. Sendo o risco especfico
anulado pela diversificao, conclui-se que a carteira remunerada apenas pelo risco de
mercado, tambm chamado de sistmico.
No entanto, o modelo de precificao de ativos CAPM mostrou alguns
problemas quando posto em prtica, nem sempre os ativos que apresentavam maior
sensibilidade ao risco de sistmico, isto , que tinham maior volatilidade, tinham o maior
retorno assim como esperava a teoria, para qual valia a afirmativa de que quanto maior o
risco de um ativo, maior deveria ser seu retorno.
Ento, buscando sanar as deficincias do CAPM, Edwin & Gruber (2004)
desenvolveram o modelo Arbitrage Pricing Theory APT, que procurava incorporar as
vrias fontes de risco e no compreender o risco sistmico como apenas um nico fator
explicativo para o retorno das aes.
Estes modelos, CAPM e APT, esto voltados a correlacionar fatores de risco
e retorno da ao com objetivo de construir carteiras que resultem em minimizao do
risco e maximizao do retorno das aes, ou seja, so modelos de equilbrio e no de
anlise de variveis, diferente dos modelos fatoriais, que tm o objetivo de analisar a
influncia de fatores no retorno de aes. Por esse motivo ser abordada no prximo
tpico a explicao de modelos fatoriais.
4.2.1 Risco
(4.1)
27
Nesta equao o retorno da ao (ri) decomposto entre duas variveis no
correlacionadas e exclusivas do ativo (, i, ) e a sensibilidade ao risco de mercado
(RM) que representada pelo coeficiente . Porm como no caso deste estudo esto
sendo considerados mais de um fator, a Equao 2.2 ser a utilizada para clculos.
(4.2)
28
Conforme Downing e Clark (2000) o mtodo de clculo da reta de regresso
buscar encontrar uma reta em que o somatrio dos erros, distncia vertical entre o ponto
e a reta de regresso, seja minimizado.
O somatrio de quadrados dos desvios (desvios), mnimos quadrados, este
procedimento utilizado para obter as estimativas dos parmetros do modelo clssico de
regresso mltipla. O clculo implica que quadrados dos desvios.
Algumas vezes os pontos se ajustam quase que perfeitamente a reta de
regresso, j em outros, os pontos esto dispostos de forma bem diferente de uma reta.
A anlise de correlao tem o objetivo principal de medir a intensidade ou
grau de associao linear entre duas variveis. Gujarati (1995) trata as variveis da
anlise de regresso partindo do princpio de que uma, a varivel dependente, aleatria,
enquanto que, a outra, a explicativa, fixada e no estocstica, j na anlise de correlao
as duas variveis so consideradas aleatrias. Downing e Clark (2000) colocam que na
regresso linear mltipla a relao de dependncia entre a varivel dependente e as
explicativas, representada pela Equao 2.3, como exemplo de uma Equao de
Regresso Mltipla com quatro fatores.
(2.3)
Onde,
Os coeficientes dos fatores (B1, B2, B3 e B4) representam o efeito que uma
determinada varivel explicativa, x, tem sobre a varivel dependente, y, mantendo-se
constantes todas as demais variveis explicativas, isso implica que os efeitos das
variveis so aditivos.
29
Tendo compreendido o que so modelos fatoriais e sabendo como feito o
clculo para anlise das diversas variveis econmicas, faz-se necessrio ento, fazer a
definio de quais variveis que sero utilizadas para este estudo.
(4.3)
Onde:
Ri o retorno da ao;
b a varivel independente variao do ndice I-Bovespa, histrico dos
pontos est disponvel no software Profitchart V. 2.8.0;
31
d a varivel independente variao na cotao do petrleo, disponvel no
software Profitchart V. 2.8.0;
p a varivel independente risco pas, disponvel no Portal Brasil;
s a varivel independente ndice de eficincia energtica, disponvel no site da
Associao Brasileira de Eficincia Energtica.
e o erro da regresso;
Apesar de nenhum dos fatores ter sido excludo pelo seu grau de correlao,
vlido fazer duas colocaes, uma de que possivelmente a maior correlao existente
entre o I-Bovespa e o petrleo deve-se ao fato de que aes da empresa de explorao de
petrleo, Petrobrs, bastante representativa na carteira terica do I-Bovespa.
Aps este clculo de correlao entre as variveis explicativas, validando as
variveis da pesquisa, foram feitos os clculos de correlao e grau da reta de inclinao
entre a varivel dependente, ou seja, o retorno das aes.
33
Analisando a correlao dos fatores econmicos separadamente no retorno
das aes pode ser visto que a correlao do I-Bovespa e do retorno da ao CEMIG4,
no sendo considerados os outros fatores econmicos do estudo, forte. Isso implica
dizer que o fator econmico I-Bovespa e os rendimentos do plano acionrio possui uma
tendncia de correlao fortemente positiva.
Ento, depois de realizados os clculos de correlao, portanto conhecendo-
se, para o perodo dos ltimos dois anos e para o caso das aes da amostra, os fatores
econmicos tm correlao com retorno da ao, os esto relacionados inversamente e os
que simplesmente no tm correlao alguma, passou-se para a etapa de clculo de grau
de inclinao entre o retorno das aes e os fatores econmicos.
34
A Equao 4.3 representa a expresso de regresso para o conjunto de aes
CEMIG4. A expresso foi gerada atravs do software MiniTab 14.0.
(4.3)
Onde:
35
Tabela 3.1: Resultados de regresso gerados pelo software utilizado
Fonte: Organizado pelos autores
36
Fonte: Organizado pelos autores
37
Grfico 4.6: Grfico de Disperso entre o Retorno da CEMIG4 e Variao do Petrleo
(2005 a 2008)
Grfico 4.7: Grfico de Disperso entre o Retorno da CEMIG4 e Variao do Risco Pas
(2005 a 2008)
38
Fonte: Organizado pelos autores
39
No entanto, mesmo percebendo que muitos fatores deveriam ter sido
considerados na pesquisa para que as regresses mltiplas dos ativos tivessem um maior
poder de explicao, o estudo no pode ser desconsiderado. No deve ser minimizada a
relevncia dos clculos que foram capazes de mostrar a importncia do ndice I-Bovespa.
Investidores conservadores podem utilizar este estudo como argumento de
que aplicao no ativo CEMIG4 um investimento seguro, visto que sabendo como
esto comportando-se fatores econmicos, como principalmente o I-Bovespa, pode-se ter
uma previso bastante prxima da realidade do retorno desta ao.
Enfim, foi alcanado satisfatoriamente o objetivo principal que foi o de
analisar a influncia de determinados fatores econmicos no retorno das aes, sendo que
este estudo ficar disponvel como um exemplo de aplicao de anlise de regresso
mltipla podendo ser utilizada para motivar novos estudos.
5. Consideraes Finais
40
RT V.2.8.0.0 a base de dados que contm os rendimentos da estrutura acionria 'Ita4'. O
grfico gerado foi capaz de fornecer subsdios para que se possa analisar a disperso do
rendimento mdio das aes em relao linha de tendncia central gerada pela
regresso linear.
De uma forma geral, os resultados foram capazes de cumprir as finalidades
declaradas nos objetivos deste estudo e foram capazes de comprovar a funcionalidade do
mtodo dos mnimos quadrticos em casos de modelagem matemtica.
6 Referncias Bibliogrficas
41
DOWNING, Douglas. Estatstica Aplicada. So Paulo: Saraiva, 2000.
ELTON, Edwin J.; GRUBER, Martin J.. Moderna Teoria de Carteiras e Anlise de
Investimentos. Editora Atlas. So Paulo, 2004.
42