UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
INSTITUTO COPPEAD DE ADMINISTRAÇÃO
BRUNO VIEIRA CARVALHO
POLÍTICA MONETÁRIA E O COMPONENTE DE ASSIMETRIA DE INFORMAÇÃO EMBUTIDO
NO SPREAD DO MERCADO FUTURO DE TAXAS DE JUROS NO BRASIL
Dissertação de Mestrado em Administração
Orientadora: Profª Dra. Margarida Maria Gomes Pereira Sarmiento Gutierrez
(COPPEAD – UFRJ)
RIO DE JANEIRO
2013
1
Bruno Vieira Carvalho
POLÍTICA MONETÁRIA E O COMPONENTE DE ASSIMETRIA DE INFORMAÇÃO EMBUTIDO
NO SPREAD DO MERCADO FUTURO DE TAXAS DE JUROS NO BRASIL
Dissertação de Mestrado apresentada ao Programa
de Pós-graduação em Administração, instituto
COPPEAD de Administração, Universidade Federal
do Rio de Janeiro, como parte dos requisitos
necessários à obtenção do título de Mestre em
Administração.
Orientadora: Profª Dra. Margarida Maria Gomes Pereira Sarmiento Gutierrez
Coorientador: Prof. Dr. Gustavo Silva Araújo
RIO DE JANEIRO
2013
2
FICHA CATALOGRÁFICA
3
Bruno Vieira Carvalho
Política Monetária e o Componente de Assimetria de Informação Embutido no Spread do
Mercado Futuro de Taxas de Juros no Brasil
Dissertação de Mestrado apresentada ao Programa
de Pós-graduação em Administração, instituto
COPPEAD de Administração, Universidade Federal
do Rio de Janeiro, como parte dos requisitos
necessários à obtenção do título de Mestre em
Administração
Aprovada por:
________________________________ Orientadora
Profª. Margarida Maria Gomes Pereira Sarmiento Gutierrez, D. Sc. – COPPEAD/UFRJ
________________________________ Coorientador
Prof. Gustavo Silva Araújo, D. Sc. – Banco Central do Brasil
________________________________
Prof. Otávio Henrique dos Santos Figueiredo, D. Sc. – COPPEAD/UFRJ
RIO DE JANEIRO
2013
4
DEDICATÓRIA
Essa dissertação é dedicada a todos os funcionários da UFRJ, sem o trabalho deles
nada teria sido possível.
5
AGRADECIMENTOS
Aos meus pais, Claudia Vieira Carvalho e João Carvalho, e ao meu irmão, Bernardo
Iwalski Vieira Carvalho, pelo amor incondicional e apoio ao longo de toda a minha vida.
Aos meus avós, Yero Augusto Vieira, Lucimar Martins Vieira, Anamaria Carvalho, Maria
Neuza Iwalski Carvalho e Orlando Carvalho por tudo o que fizeram por mim.
Aos meus padrinhos Dirceu Martins e Maria Carmem Guerra Martins por sempre terem
apoiado e incentivado os meus estudos, agindo sempre como verdadeiros pais.
Aos professores Hugo Pedro Boff, Ary Vieira Barradas e Nivalde José de Castro por me
mostrarem o real valor do mestrado e ao amigo Fabio Queiroz Duarte que me deu coragem
para seguir em frente.
Aos professores José Augusto V. da Costa Marques e Carlos Heitor Campani, e aos
amigos Thiago Emmanuel e Raphael Moses Roquete que me ajudaram a escolher o
COPPEAD.
Ao amigo André Leal e ao professor Celso Funcia Lemme por todos os ensinamentos,
tanto no campo acadêmico quanto no pessoal. Muito obrigado por tudo.
Ao professor Otávio Henrique dos Santos Figueiredo por toda a ajuda ao longo do
mestrado.
Ao amigo e coorientador Gustavo Silva Araújo por todas as oportunidades e
ensinamentos. Sem ele o meu desenvolvimento acadêmico não teria sido o mesmo.
A todos os professores e funcionários do COPPEAD que de alguma maneira
contribuíram para a minha formação. Foi um privilégio conviver e aprender com vocês.
Ao grande amigo Carlos Gustavo Boisson Bastos sem o qual essa dissertação não teria
sido possível.
À minha namorada, Manuela Colbeck Gonçalves, pelo amor e pela serenidade ao longo
de todos esses meses.
A todos os meus amigos do Instituto de Economia da UFRJ e do Colégio Santo Inácio,
por me ensinarem diariamente o real significado da amizade.
Aos amigos do mestrado pela parceria e cumplicidade ao longo desses difíceis e
prazerosos meses de intenso estudo.
À minha querida orientadora, professora Margarida Gutierrez que, desde o primeiro
período da graduação, me faz ter certeza de que fiz a escolha certa ao decidir ser economista.
6
RESUMO
CARVALHO, Bruno Vieira. Política Monetária e o Componente de Assimetria de Informação
Embutido no Spread do Mercado Futuro de Taxas de Juros no Brasil. Dissertação (Mestrado
em Administração de Empresas) – Universidade Federal do Rio de Janeiro, Instituto COPPEAD
de Administração. Rio de Janeiro, 2013.
Este trabalho busca relacionar o componente de assimetria de informação embutido nos spreads
do mercado futuro de taxas de juros no Brasil (DI1 - DI de 1 dia) à política monetária. Para a estimativa
deste componente utilizamos o modelo de Huang & Stoll (1997) adaptado para um mercado order driven.
Além do tamanho do componente, levamos em conta se ele se altera quando as reuniões do Comitê de
Política Monetária do Banco Central do Brasil (COPOM) se aproximam e também se ele é diferente em
cada um dos seis dias que antecedem a decisão do Comitê. Os resultados mostram que na antevéspera da
decisão, o componente atinge seu valor máximo; há uma tendência de queda no componente, a qual se
acentua após janeiro de 2011; antes de janeiro de 2011 o componente de assimetria de informação nos
dias pré-COPOM é superior ao do patamar de controle, enquanto que após janeiro de 2011 ele é menor; e
há uma forte correlação entre o desvio-padrão das expectativas de mercado acerca da meta da taxa SELIC
e o componente de assimetria de informação.
Palavras chave: Microestrutura, Política Monetária, Renda Fixa, Assimetria de Informação.
7
ABSTRACT
CARVALHO, Bruno Vieira. Política Monetária e o Componente de Assimetria de Informação
Embutido no Spread do Mercado Futuro de Taxas de Juros no Brasil. Dissertação (Mestrado
em Administração de Empresas) – Universidade Federal do Rio de Janeiro, Instituto COPPEAD
de Administração. Rio de Janeiro, 2013.
This work relates the adverse selection cost component embedded in the spreads of the Brazilian
interest rate future market (DI1) to monetary policy. We used the Huang and Stoll model (1997) adapted
to an order driven market to estimate this component. We find that i) the component reaches its maximum
value two days before the day of the final decision of the COPOM (the monetary policy committee of the
Central Bank of Brazil) about the target for the SELIC rate; ii) the component shows a downward trend in
the period, which becomes more bearish after January 2012; iii) prior to January 2012 the adverse
selection cost component in the period “pre-COPOM” is higher than the control level, whereas after
January 2012 it is smaller; and iv) there is a strong correlation between the standard deviation of market
expectations about the target for the SELIC rate and the adverse selection cost component.
Keywords: Microstructure, Monetary Policy, Fixed Income, Adverse Selection Cost Component.
8
LISTA DE FIGURAS
Figura 2- Limite superior, inferior e meta central de inflação no Brasil e comportamento do IPCA entre
1999 e 2012..................................................................................................................................................23
Figura 3 - Taxa meta SELIC entre as reuniões 146 e 159 (período entre outubro de 2009 e junho de 2011)
.....................................................................................................................................................................27
Figura 4 - Spread médio no período pré-COPOM padronizado pelo dia ....................................................33
Figura 5- CAI médio no período pré-COPOM padronizado pelo dia .........................................................34
Figura 6- Comportamento do Spread do período pré-COPOM da reunião 146 (Outubo 2009) à reunião
159 (Junho 2011) .........................................................................................................................................36
Figura 7 - Comportamento do CAI nos períodos pré-COPOM da reunião 146 (outubro 2009) ä reunião
159 (junho 2011)..........................................................................................................................................36
Figura 8 - Comportamento da diferença dos Custos de Assimetria de Informação (CAI) dos períodos de
controle e pré-COPOM da reunião 146 (outubro de 2009) ä 159 (junho 2011).........................................37
Figura 9 - Comportamento do Custo de Assimetria de Informação e do Desvio-Padrão (DP) das
expectativas de mercado nos períodos pré-COPOM ...................................................................................37
Figura 10 - Comportamento do Custo de Assimetria de Informação e da amplitude das expectativas de
mercado nos períodos pré-COPOM.............................................................................................................38
9
LISTA DE TABELAS
Tabela 1 - Faixas regressivas do fator de emolumentos aplicados pela BM&Fbovespa de acordo com a
quantidade de contrato .................................................................................................................................18
Tabela 2- Características do contrato de DI futuro de longo prazo (DI longo) ...........................................20
Tabela 3 - Estatísticas descritivas da proporção dos dois instrumentos com maior liquidez no número total
de negócios (14 períodos de controle e 14 períodos pré-COPOM) .............................................................29
Tabela 4 - Spread e Componente de Assimetria de Informação estimados pelo modelo de Huang e Stoll
para os dois contratos mais líquidos de DI1 para os períodos pré-COPOM entre as reuniões 146 e 159...35
10
SUMÁRIO
1 INTRODUÇÃO.......................................................................................................................................12
2 O MERCADO FUTURO .......................................................................................................................15
2.1 Mercado de Renda Fixa ....................................................................................................................................17
2.2 O mercado de DI futuro longo ..........................................................................................................................17
2.3 Teorias de formação da taxa de juro .................................................................................................................21
3 ANÁLISE ECONÔMICA ......................................................................................................................21
3.1 Regime de Metas de Inflação ...........................................................................................................................21
3.1.1 Regime de metas de inflação no Brasil ......................................................................................................23
3.2 Cenário macroeconômico em 2009, 2010 e 2011.............................................................................................24
4 AMOSTRA E TRATAMENTO DA BASE DE DADOS ....................................................................27
5 MODELO ................................................................................................................................................30
5.1 Primeira versão do modelo de Huang e Stoll (1997) ........................................................................................31
6 RESULTADOS .......................................................................................................................................33
7 CONSIDERAÇÕES FINAIS .................................................................................................................39
8 BIBLIOGRAFIA ....................................................................................................................................40
Apêndice 1 - Estatística descritiva dos dados divulgados pelo Banco Central do Brasil no relatório FOCUS ......42
11
1 INTRODUÇÃO
A teoria econômica clássica trata os preços de mercado dos ativos como resultantes do equilíbrio
walrasiano entre demanda e oferta. Esse paradigma mudou após o artigo de Demsetz (1968), que estudou
a influência dos custos de transação nas operações realizadas na Bolsa de Valores de Nova Iorque
(NYSE), rompendo, assim, com a premissa de que a economia opera com custos de transação iguais a
zero. Estava inaugurada a área de economia e finanças denominada microestrutura. Após o trabalho de
Demsetz (1968), diversos estudos surgiram com o objetivo de entender como as estruturas operacionais
afetam o comportamento dos agentes e, consequentemente, o custo, o volume, o preço dos negócios e as
cotações de mercado.
Questões relacionadas à microestrutura de mercado, tais como assimetria de informação e custos
de processamento de ordem e de estoque, podem causar desvios nos preços fundamentais dos ativos
financeiros, principalmente no curto prazo (O’Hara, 1995). Dentre outras consequências, essas questões
influenciam os spreads de compra e venda dos preços dos ativos. Neste trabalho, nós estudamos aspectos
do componente de assimetria de informação (CAI) embutido no spread de compra e venda no Mercado
Futuro de Taxas de Juros no Brasil (DI1 - DI de 1 dia). Esse custo pode ser considerado uma proxy da
probabilidade de assimetria de informação na negociação de um ativo. Desta forma, além da série
temporal do custo de assimetria de informação, foi detectado se ele se modifica quando se está em datas
próximas à decisão do Comitê de Política Monetária (COPOM) do Banco Central do Brasil (BCB).
Verificamos também a correlação do CAI com medidas estatísticas das expectativas de mercado acerca
da meta da taxa SELIC e investigou-se o comportamento do spread nos dias que antecedem a decisão do
COPOM.
O spread de compra e venda representa a diferença entre a menor cotação de preço de venda e a
maior cotação de preço de compra de certo ativo em um dado momento. Essa diferença pode ser vista
como um dos custos de transação para execução de uma ordem. Em geral o preço fundamental do ativo
está situado nesse intervalo. Existem duas classes de modelos para estimação do spread de compra e
venda. A primeira abordagem, proposta inicialmente por Roll (1984), utiliza propriedades da covariância
serial dos retornos dos preços do ativo. No segundo grupo, inferências sobre os spreads são feitas com
base em regressões em que as variáveis independentes têm como base o indicador de direção do negócio
(Glosten e Harris, 1988).
Embora os modelos de covariância possam ser adaptados para determinar os componentes do
spread (ver, por exemplo, George et al., 1991, e Stoll, 1989), a metodologia baseada na direção do
negócio é mais adequada para esse fim. De modo geral, o spread pode ser atribuído a três componentes:
custos de estoque, de processamento de ordens e assimetria de informação. O custo de estoque representa
12
o custo visto por um formador de mercado para oferecer liquidez ao mercado. Trabalhos pioneiros de
microestrutura, tais como Stoll (1978) e Ho e Stoll (1981), concentram a análise do spread apenas no
custo de estoque. Alternativamente (ver, por exemplo, Glosten e Milgrom, 1985), o spread pode refletir a
assimetria existente entre participantes do mercado informados e não informados. Por fim, existem
também os custos de processamento de ordem, contemplados, por exemplo, no artigo de Roll (1984).
Huang e Stoll (1997, modelo HS) generalizam o modelo baseado na direção do negócio de Glosten e
Harris (1988, modelo GH) ao incluir todos os três componentes na explicação do spread. Madhavan e
outros (1997) trabalham na mesma linha, porém não incluem o custo de estoque. Neste trabalho, foram
estimados os componentes do spread de compra e venda do mercado futuro de taxas de juros no Brasil
(DI1), utilizando a primeira versão do modelo HS.1
Em 1999 o Brasil adotou formalmente o regime de metas de inflação e, a partir de então, o
principal instrumento de política monetária passou a ser a taxa básica de juros (SELIC) determinada pelo
COPOM. Este comitê se reúne de 45 em 45 dias para determinar a meta da taxa SELIC a ser perseguida
pelo Banco Central do Brasil (BCB). Como o ativo subjacente do mercado de DI1 é a taxa de depósito
interfinanceiro (DI), e esta taxa tem uma correlação quase perfeita com a taxa SELIC, as decisões do
COPOM afetam diretamente as taxas deste mercado futuro.2 Algumas decisões do COPOM são esperadas
pelo mercado, mas outras são imprevisíveis. Até onde se sabe, este trabalho é o primeiro a analisar a
relação entre o componente de assimetria de informação de um mercado de juros e as reuniões que
decidem as taxas de juros básicas da economia. A amostra utilizada é composta pelos dois contratos com
maior número de negócios do mercado de DI1 entre outubro de 2009 e junho de 2011. De outubro de
2009 à dezembro de 2010 ocorreram 10 reuniões, presididas por Henrique Meirelles, e entre janeiro e
junho de 2011 acorreram 4 reuniões, presididas por Alexandre Tombini.
O mercado de DI1 é o principal mercado futuro de taxa de juros no Brasil. Foi o primeiro mercado
futuro a ser inaugurado no país (em 1991) e, como mencionou-se anteriormente, seu ativo subjacente é a
taxa DI de 1 dia. Como a ampla maioria dos derivativos, este mercado futuro serve de hedge, neste caso
contra variações da taxa de juros. Por exemplo, se um investidor possui um título zero-cupom, como uma
LTN, ele está vendido em taxa de juros e pode se proteger contra uma alta da taxa de juros comprando
contratos de DI1. Naturalmente, este mercado também é utilizado para a especulação. Assim, são feitas
apostas sobre a alta ou a queda da taxa de juros para os prazos de vencimento destes instrumentos. O
contrato de DI1 é transacionado negociando-se taxas acumuladas do ativo subjacente até o seu prazo de
vencimento. Por exemplo, se a taxa para um contrato é de 10% a. a. e um especulador vende este
1
O artigo de Huang e Stoll (1997) possui dois modelos, comumente conhecidos como primeiro e segundo modelo de Huang e
Stoll.
2
O Depósito Interfinanceiro é o instrumento financeiro que possibilita a troca de reservas entre instituições financeiras.
13
contrato, ele está apostando que a taxa acumulada do DI1 dia ficará abaixo deste valor. A bolsa brasileira
estabelece que os contratos de DI1 sejam negociados com até 3 casas decimais e, portanto, a variação
mínima do preço é de 0,001.
O mercado futuro de taxa de juros no Brasil não apresenta a figura do market-maker e os agentes
que nele atuam o fazem através da divulgação dos preços e das quantidades das ofertas de compra e
venda que desejam negociar. Esse mercado pode ser classificado como order-driven que, segundo O’Hara
(1995), é o oposto de um mercado quote-driven, o qual sofre com a influencia direta do market-maker e
de outros especialistas. O mercado de DI1 movimenta valores expressivos no Brasil. No dia 10 de julho
de 2012, por exemplo, o ativo mais negociado do dia no mercado de DI1 teve um giro financeiro de R$
20,41 bilhões enquanto o IBovespa apresentou um giro financeiro de R$ 6,29 bilhões.
Foi utilizada uma metodologia baseada na sequência de iniciações de negócios para estimar o
custo de assimetria e o spread. A forma de obtenção desta sequencia segue Araújo et al. (2011): Ao invés
de estimá-la por métodos aproximados, como em outros trabalhos, determinou-se essa sequência a partir
da natureza do negócio efetivamente realizado. Essa abordagem só é possível porque a base utilizada
contém, além dos preços negócio a negócio, o horário das ofertas de compra e venda. É importante notar
que os métodos aproximados de estimação da sequência de iniciações têm precisão de cerca de 80% (ver,
por exemplo, Ellis et al., 2000). Portanto, os resultados obtidos não são influenciados pelo viés de
estimativa da sequência de iniciações.
Os resultados obtidos podem ser resumidos como se segue. No antepenúltimo dia antes da
decisão, o componente de assimetria de informação atinge seu valor máximo, enquanto o spread
apresenta uma tendência de queda na medida em que a data da decisão do COPOM se aproxima. Há uma
tendência de queda no componente ao longo das reuniões estudadas, a qual se acentua após janeiro de
2011. Antes de janeiro de 2011 o componente de assimetria de informação nos dias pré-COPOM é
superior ao do patamar de controle, enquanto que após janeiro de 2011 ele é menor. Além disso, existe
uma forte correlação entre o desvio-padrão das expectativas de mercado acerca da meta da taxa SELIC
(extraídas do Relatório FOCUS) e o componente de assimetria de informação.
O trabalho segue a seguinte estrutura. Na seção 2, apresenta-se uma breve introdução acerca do
mercado futuro. A seção 3 traz uma contextualização histórica acerca do regime de metas de inflação, em
âmbitos mundial e nacional. Na seção 4, tem-se a apresentação da base de dados utilizada, assim como do
seu tratamento. A seção 5, por sua vez, apresenta os diferentes modelos de análise do spread. Na seção 6,
serão apresentados os resultados. Ao fim, na seção 7, serão feitas as considerações finais deste trabalho.
14
2 O MERCADO FUTURO
Mercados futuros são mercados organizados, onde podem ser assumidos compromissos
padronizados de compra ou venda (contratos) de uma determinada mercadoria, ativo financeiro ou índice
econômico, para liquidação numa data futura preestabelecida (BESSADA, 1994). Para entender como um
contrato futuro passa a existir basta pensar no exemplo citado por Hull (1996). Suponha que em março,
um investidor em Nova Iorque telefona a seu corretor com a instrução para comprar 5.000 bushels de
milho para entrega em julho. O corretor imediatamente a transmite para um operador no pregão da
Chicago Board of Trade (CBOT). Ao mesmo tempo, outro investidor em Kansas pede a seu corretor que
venda 5.000 bushels de milho para entrega em julho, o que também é transmitido a um operador no
pregão da CBOT. Os dois operadores se encontram e acertam o preço a ser pago pelo milho em julho,
fechando o negócio. Ou seja, o investidor em Nova Iorque assumiu o compromisso de comprar, ficando
long em futuro de milho e o de Kansas o de vender, ficando short em futuro de milho. O preço por eles
acordado é o preço futuro.
Esses mercados surgiram na Idade Média e foram originalmente desenvolvidos para atender as
demandas de produtores e comerciantes da época. Existia essa necessidade, que persiste até os dias de
hoje, porque um produtor não tinha a certeza de quanto receberia de um comerciante pela colheita pois,
em épocas de escassez, poderia obter preços relativamente altos, especialmente se não precisar vendê-los
de imediato. Por outro lado, a mercadoria poderia se vendida por preços bem menores em épocas de
superabundância e, portanto, o produtor e sua família estavam expostos a riscos, Hull (1996). Já o
comerciante, que realmente precisa de grãos está exposto aos mesmos riscos de maneira inversa fazendo
com que sua necessidade de mitigação de risco seja complementar à do produtor. Assim, fica clara a
negociação de um tipo de contrato futuro, por ambas as partes, capaz de eliminar o risco que correm pela
variação dos preços futuros da mercadoria (HULL, 1996).
A esse tipo de participantes do mercado futuro se dá o nome de hedgers, que são usuários desses
mercados que procuram eliminar o risco de perda decorrente de variações adversas no preço. Eles
realizam o hedging como o objetivo de reduzir (ou eliminar) os riscos inerentes a determinados ativos,
Neto (2006). Segundo Neto (2006) existem dois tipos de hedgers: de compra e de venda. Os de venda
procuram proteção contra uma eventual redução nos preços de ativos que pretender vender no futuro e
para tanto tomam a decisão de vendê-los no futuro, tendo uma garantia antecipada do preço. Os hedgers
de compra, de outro modo, procuram maior segurança frente a uma possível alta de preços que poderá
ocorrer no futuro em ativos que pretendem adquirir.
Naturalmente, esse mercado também tem que lidar com a figura do especulador que, segundo
Neto (2006), são todos os aplicadores (pessoas físicas ou jurídicas) que buscam resultados financeiros nas
15
operações a futuro. Esses agentes tipicamente entram e saem do mercado em alta velocidade sem
demonstrar real interesse comercial pelo objeto que está sendo negociado. Assim, pode-se dizer que sua
real aspiração é obter lucro com a compra e a venda do ativo e não se proteger contra eventuais prejuízos
que a volatilidade do preço pode causar.
Bessada (1994) destaca que os hedgers procuram se defender de oscilações imprevistas de preços
de seus produtos ou ativos e que os especuladores são os agentes que compram esse risco – confiantes em
sua maior capacidade de prever o comportamento futuro dos preços. O autor ressalta também que com o
funcionamento dos mercados futuros os indivíduos que assumem riscos são aqueles que realmente estão
dispostos a fazê-lo. Na ausência desses mercados, os agentes econômicos – tais como o produtor de uma
determinada mercadoria e instituições financeiras – ficariam expostos aos riscos das oscilações dos preços
e das taxas de juros, o que, na prática, os transformaria em “especuladores compulsórios”, uma vez que
não teriam alternativa de defesa no mercado (BESSADA, 1994).
Neto (2006) destaca que os preços no preço futuro diferem daqueles praticados no mercado a
vista, pois o custo de carregamento que inclui o armazenamento do produto, o aluguel de locais
apropriados para a conservação, transportes, seguros e o custo financeiro do capital aplicado ao estoque
geralmente tornam o preço no mercado futuro superior ao preço praticado no mercado a vista. O autor
destaca ainda que a incerteza tem papel fundamental na formação dos preços futuros uma vez que o
prêmio por ela também é levado em consideração na negociação de ativos em datas futuras.
Dessa maneira, pode-se expressar o preço futuro pela seguinte formula:
(
onde:
)
= preço no mercado futuro no momento t;
= preço no mercado a vista no momento t;
= taxa diária de juros;
= número de dias a transcorrer até o vencimento do contrato futuro;
CC = custo de carregamento.
Segundo Bessada (1994), em qualquer negócio ou investimento, os agentes econômicos alocam
recursos no presente com base em ganhos esperados para o futuro e dado que as expectativas não são
certas a variabilidade dos retornos é dependente da variabilidade de preços de determinado mercado
físico. Note que o preço futuro do ativo físico é função da taxa de juros, ponto de concentração desta
dissertação. Sendo mais específico, esse trabalho irá analisar o custo de assimetria de informação presente
no spread do mercado futuro de taxa de juros no Brasil através do modelo de Huang e Stoll (1997). Dado
que o spread nada mais é do que a diferença entre os preços -taxas- deste mercado é necessário primeiro
entender o processo de formação dos preços.
16
2.1 Mercado de Renda Fixa
Um título de renda fixa pode ser definido como um ativo que faz pagamentos em intervalos prédefinidos e com condições previamente acordadas. Eles podem ser pré-fixados, pós-fixados ou flutuantes
e atrelados a dívidas públicas, como notas e letras do tesouro, dívidas privadas, como debêntures e
commercial papers, certificados de depósitos, como CDBs e RDBs etc. No entanto, uma coisa é comum a
todos eles, seu valor presente é função dos pagamentos períodos que serão feitos de
do título) até
(data de vencimento do título). Assim, pode-se afirmar que o valor (
renda fixa cujos pagamentos periódicos são dados por
(data de compra
de um título de
, sejam eles pagamentos de juros ou
amortizações de principal, com vencimento em N segundo uma taxa de desconto i é dado por:
∑
(
)
Ou seja, o valor do título nada mais é do que o valor presente do fluxo de caixa por ele gerado
descontado a uma taxa i. Na prática, o que se observa no mercado é o preço ( ) no qual cada título está
sendo negociado, isto é, o mercado mostra o somatório do valor presente de cada fluxo de caixa que será
gerado pelo título em questão.
2.2 O mercado de DI futuro longo
Segundo Bessada, Barbedo e Araújo (2005), o contrato futuro de DI prescinde de um ativo
referencial. Os autores destacam que não existe, no vencimento, a entrega física de um título público ou
privado, isto é, compra-se ou vende-se a taxa de juros e no final ocorre a liquidação financeira. O valor
em reais de cada ponto do preço unitário (PU) é R$ 1,00, proveniente da divisão de R$100.000,00, o
tamanho do contrato, por 100.000,00, que é o valor do PU na data do vencimento do contrato.
Os autores mostram ainda que as posições em aberto ao final de cada pregão são ajustadas com
base no preço de ajuste do dia, estabelecido com base no preço médio ponderado por volume dos últimos
15 minutos do pregão e com movimentação financeira em D+1. Sem esquecer que para o cálculo do
ajuste diário, o preço de ajuste do dia anterior será corrigido pela taxa média diária de DI de um dia da
CETIP, o CDI-over, referente ao dia.
Os custos de operação no mercado brasileiro envolvem a exigência de margens de garantia e a
cobrança de taxas de emolumentos. A BM&F Bovespa exige a depósito de margens de garantia de acordo
com a percepção do grau de risco dos produtos. Bessada, Barbedo e Araújo (2005) destacam que em
1/10/1997 (três semanas antes da crise na Ásia) as exigências de margem eram para os três primeiros
17
vencimentos em aberto (novembro e dezembro de 1997 e janeiro de 1998) R$ 375,00, R$ 625,00 e R$
1.250,00, respectivamente, por contrato. Já em 3/3/1998, as margens para os três primeiros vencimentos
em aberto (abril, maio e junho de 1998) eram iguais a: R$ 1.500,00, R$ 3.000,00 e R$ 3.500,00,
respectivamente, reflexo da crise.
A taxa de emolumentos é cobrada, de acordo com BM&F Bovespa, seguindo a fórmula
(
)
] onde p é fator de emolumentos apurado através da regra definida pela tabela 1 e
du é o número de dias úteis até o vencimento do contrato e pertence ao intervalo 1
105. Para
operação de day trade de futuro o emolumento é de 35% do valor de uma operação normal. Note que a
fórmula fornece a taxa de emolumentos para um contrato. Bessada, Barbedo e Araújo (2005) lembram
que a taxa de registro por contrato para a operação normal é igual a 20% da taxa de emolumentos, para
um contrato com prazo de cálculo determinado pela BM&F de 42 dias úteis. A tabela 1 mostra a faixa
regressiva do fator de emolumentos aplicados pela BM&Fbovespa de acordo com a quantidade de
contratos, note que ela diminui conforme o número de contratos aumenta.
Tabela 1 - Faixas regressivas do fator de emolumentos aplicados pela BM&Fbovespa de acordo com a
quantidade de contrato
Número de
Contratos
De
Até
1
100
101
1260
1261
2800
2801
7300
7301
47900
47901
n
Fonte: BM&Fbovespa
Valor da
Faixa
%
0,0012022
0,0011421
0,0010218
0,0009618
0,0009016
0,0007815
A tabela 2 apresenta um resumo das características do contrato de DI futuro de longo prazo (DI
longo), abordando novas particularidades não menos importantes do que as mencionadas anteriormente.
O mercado futuro de taxa de juro de longo prazo no Brasil não apresenta a figura do market-maker
e os agentes que nele atuam o fazem através da divulgação dos preços e das quantidades das ofertas de
compra e venda que desejam negociar. O market-maker é agente responsável por prover de liquidez o
mercado de determinado ativo. Para isso ele é contratado para movimentar o mercado por meio de um
determinado papel, sendo muito utilizado por empresas recém chegadas à bolsa de valores. Dessa forma,
18
esse agente acelera a formação do mercado uma vez que a promoção da liquidez passa desenvolve uma
base de investidores que passam então a comprar e vender o papel.
Naturalmente, o market-maker precisa ser remunerado pelo seu trabalho e ele o é através de
ganhos auferidos pela diferença entre preço de compra e de venda (bid/ask spread). Para isso ele atua nas
duas pontas do mercado oferecendo ao mesmo tempo ofertas de compra (bid) e ofertas de venda (ask)
obtendo lucro com essa transação.
O mercado de DI futuro no Brasil não apresenta a figura desse agente e, portanto, pode ser
classificado como um mercado order-driven que, segundo O’Hara (1995), é o oposto de um mercado
quote-driven que sofre com a influencia direta do market-maker e de outros especialistas. Essa definição é
extremamente importante porque os modelos estruturais precisam ser adaptados conforme o driven do
mercado. O modelo analisado nesta dissertação, Huang e Stoll (1997), exige essa adaptação.
Como o modelo HS (Huang e Stoll, 1997) analisa a assimetria de informação de um determinado
mercado usando como base o diferenças entre os preços das transações (spread), é importante entender
como se dá o processo de formação desses preços. Assim, a próxima seção irá apresentar brevemente as
três teorias que procuram explicar o processo de formação das taxa de juro, a saber: a teoria das
expectativas, da preferência pela liquidez e da segmentação de mercado.
19
Tabela 2- Características do contrato de DI futuro de longo prazo (DI longo)
Início das negociações
Objeto de negociação
Código
Tamanho do contrato
Variação mínima de
5 de junho de 1991
O Contrato Futuro de Taxa Média de Depósitos
Interfinanceiros de Um Dia (DI1), com vencimento no
sexto mês posterior ao mês de vencimento deste contrato.
DIL
Preço unitário (PU) multiplicado pelo valor em reais de
cada ponto, estabelecido pela BM&Fbovespa.
0,01 ponto de taxa
apregoação
Cotação
Lote Padrão
Oscilação máxima diária
Taxa de juro efetiva anual, base 252 dias úteis, com até
três casas decimais.
5
5% sobre o preço de ajuste do dia anterior do vencimento
negociado. Para o primeiro vencimento em aberto, o
limite de oscilações será suspenso nos três últimos dias
de negociação.
Último dia de negociação
Data de vencimento
Limites de posição
Liquidação
Dia útil anterior à data de vencimento.
Primeiro dia útil do mês de vencimento.
De 10.000 a 162.000 contratos, dependendo da duration
do vencimento em questão, ou 20% das posições em
aberto, dos dois o maior.
Financeira no dia útil seguinte à data de vencimento, pela
cotação (preço unitário) de 100.000 pontos.
Será exigida margem de garantia de todos os comitentes
Margem de garantia
com posição em aberto, cujo valor será atualizado
diariamente pela Bolsa, de acordo com critérios de
apuração de margem para contratos futuros.
Horário de negociação
Fonte: BM&Fbovespa
Normal: 09:00 - 16:00; Estendida (D+0): 16:50- 18:00
20
2.3 Teorias de formação da taxa de juro
A teoria das expectativas pressupõe que os investidores são indiferentes quanto à maturidade do
título, baseando sua decisão na taxa de retorno encontrada mais alta. Dessa forma, a taxa de juro de longo
prazo é a média geométrica das taxas de juro de curto prazo estimadas para o horizonte de maturação do
título. Em outras palavras isso significa dizer que teoria das expectativas sustenta que tais estimativas são
não enviesadas e, assim, na média as expectativas sobre os valores futuros das taxas de juro de curto
prazo implícitas nas taxas de juro de longo prazo correntes correspondem aos valores futuros das taxas de
juro de curto prazo.
Já pela teoria da preferência pela liquidez, de Keynes, a taxa de juros é determinada na margem de
indiferença entre a retenção de ativos líquidos (moeda) e ativos ilíquidos (obrigações), ou seja, pela oferta
e demanda por moeda. Ela pressupõe a existência de uma tendência ascendente da curva, pois, os agentes
credores ao abrir mão da liquidez de seus ativos irão exigir uma compensação. Ativos menos líquidos
proporcionariam um retorno maior do que os ativos mais líquidos uma vez que para abrir mão da liquidez
o credor exige um prêmio por ela (prêmio pela liquidez). Assim, as taxas futuras de juro são resultado das
taxas futuras esperadas de curto prazo acrescidas do prêmio pela liquidez.
Finalmente, a segmentação de mercado, de acordo com Assaf Neto (2006), propõe que os agentes
demonstram preferências bem definidas em relação aos prazos de vencimento dos ativos, sendo as taxas
de juros arbitradas livremente pelos mecanismos de oferta e procura presentes em cada segmento
temporal de mercado. O autor destaca ainda que os agentes econômicos do mercado procuram manter
seus portfólios dentro de uma estrutura de equilíbrio financeiro, aproximando a maturidade de seus ativos
com a maturidade de seus passivos. Assim, a minimização do risco e a consequente continuidade de uma
instituição decorrem da efetiva adequação dessa maturidade, independentemente de eventuais retornos
mais atrativos que possam ocorrer em instrumentos financeiros com diferentes maturidades.
3 ANÁLISE ECONÔMICA
3.1 Regime de Metas de Inflação
Carvalho et al. (2000) destacam que em linhas gerais a adoção desse tipo de regime está baseada
em dois pressupostos. O primeiro está relacionado à não-efetividade do regime de regras de expansão
monetária, preconizado por Friedman, que levou o Federal Reserve (FED) norte-americano a passar por
dificuldades a partir de 1979 devido à impossibilidade de se antever o comportamento da demanda por
moeda em um sistema financeiro altamente inovador e com grande mobilidade. O segundo, um
pressuposto teórico, seria o fato de que a política monetária não é capaz de afetar as variáveis reais da
21
economia de forma permanente, como os níveis de produto e de emprego, tomando como base a hipótese
da existência de uma taxa natural de desemprego, determinada por fatores reais e institucionais e,
portanto, longe da influência da política econômica.
Portanto, a implementação de um regime de metas de inflação tem como característica o
reconhecimento explícito de que o objetivo da política monetária, e da autoridade monetária (Banco
Central), é a manutenção da taxa de inflação em um patamar baixo e estável. (Carvalho et al., 2000). Note
que preocupações com a manutenção do PIB ou do nível de emprego não fazem parte das metas desse
regime, apesar de Carvalho et al. (2000) destacarem que em versões mais flexíveis do regime a objetivo
de estabilidade de preços pode ser acompanhado do objetivo de manter a estabilização do produto
corrente em níveis próximos da taxa potencial de crescimento.
Pesam a favor desse regime a simplicidade e a transparência dos objetivos, possibilitando que o
público possa entender e acompanhar com relativa facilidade a intenção e os desdobramentos da política
monetária o que teoricamente reduz a incerteza quanto ao comportamento futuro da inflação. Note que o
papel do Banco Central passa a ser o de gerir as expectativas dos agentes econômicos a cerca do
comportamento da inflação. Não necessariamente o Banco Central precisa adotar um regime rígido de
controle dos índices de preço.
Carvalho et al. (2000) lembram que a escolha pode ser de uma meta pontual e/ou uma banda, mas
assim sendo a autoridade monetária passa a ter que lidar com um conhecido e perigoso trade-off entre
credibilidade e flexibilidade. Os autores destacam que por um lado, uma meta pontual é mais facilmente
compreendida pelo público e por outro, a utilização de bandas, ainda que com uma meta pontual
estabelecida (o anúncio de intervalos de confiança para a inflação) tem a vantagem de conceder certa
flexibilidade à política monetária diante da ocorrência de choques que possam impactar a inflação. A
adoção de bandas permite, portanto, uma maior flexibilidade na estabilização da taxa de crescimento
natural do produto e também acomodar movimentos indesejados da taxa de câmbio nominal, o que pode
se tornar um problema especialmente preocupante para países em desenvolvimento que possuem regimes
de câmbio flutuante e são sujeitos a uma maior instabilidade dos fluxos de capitais (Carvalho, 2000).
Esse é o caso do Brasil que adotou esse regime através da definição da meta de 4,5% ao ano
podendo variar 2% para mais ou para menos. É importante destacar que o horizonte da meta (anual no
caso do Brasil) impõe um trade-of credibilidade versus flexibilidade, pois, a adoção de um regime mais
curto pode sinalizar um compromisso mais forte do Banco Central com o objetivo de estabilidade de
preços. Já a adoção de um regime mais longo (superior a um ano) e flexível permite acomodar ao longo
do tempo os efeitos de choques sobre a inflação, o que reduz os efeitos negativos da política de
estabilização de preços sobre os níveis de produto e emprego.
22
3.1.1 Regime de metas de inflação no Brasil
No Brasil esse sistema de controle da inflação foi adotado em junho de 1999, logo após o país ter
adotado um regime de câmbio flutuante e de forte especulação contra o Real. As metas são sugeridas pelo
Ministério da Fazenda, mas quem as decide e as anuncia é o Conselho Monetário Nacional (CMN). O
CMN é composto pelo Ministério da Fazenda, Ministro do Planejamento e o Presidente do Banco Central
do Brasil. Além do centro da meta, definido como o Índice de preços ao Consumidor Amplo (IPCA),
calculado pelo IBGE, o CMN determina o intervalo de tolerância adotado, que tem variado ente 2% e
2,5% acima e abaixo do centro da meta. Isso garante certa flexibilidade e permite a acomodação de
choques inflacionários fazendo com a credibilidade do Banco Central não seja afetada mesmo em
momentos em que ele não entrega a inflação no centro da meta, Carvalho et al. (2000). A figura 1 gráfico
abaixo permite observar o comportamento da inflação e de sua meta entre 1999 e 2011.
Figura 1- Limite superior, inferior e meta central de inflação no Brasil e comportamento do IPCA entre
1999 e 2012
Repare que o correto entendimento da política monetária é crucial para a análise do processo de
formação da taxa de juros e do comportamento do mercado que negocia esse ativo. Dessa forma, a seção
seguinte trata do cenário macroeconômico observado nos anos de 2009, 2010 e 2011. O leitor deve ter me
mente que tal análise será feita com o objetivo de encontrar as variáveis que influenciaram o mercado de
juro futuro do Brasil e seus desdobramentos ocorridos por força das ações da autoridade monetária.
23
3.2 Cenário macroeconômico em 2009, 2010 e 2011
A inflação fechou 2009 em 4,31%, abaixo do centro da meta, segundo o Instituto Brasileiro de
Geografia e Estatística (IBGE), responsável por esse levantamento de preços. No mesmo ano, a atividade
econômica brasileira recuou 0,2%, apresentando seu pior resultado desde 1992, devido a forte crise
mundial. Entre outubro de 2009 e março de 2010 a taxa básica de juros, SELIC, manteve-se estável em
8,75%. Isso ocorreu porque a autoridade monetária (conforme divulgado nas atas das reuniões) entendia
que: a influência do cenário internacional sobre o comportamento da inflação doméstica era
predominantemente benigna; comportamento da demanda doméstica estava exercendo menos pressão
sobre os preços dos itens não transacionáveis, como serviços; perda de dinamismo da demanda doméstica
ocorrida ao final de 2008 gerou ampliação da margem de ociosidade da utilização dos fatores de
produção; importantes estímulos monetários e fiscais introduzidos na economia em trimestres anteriores
deveriam contribuir para a retomada da atividade. Porém, a piora do cenário macroeconômico em março
de 2010 levou o COPOM a sinalizar que a partir da reunião 150 o comitê poderia alterar a taxa básica de
juros. O seguinte trecho da ata da reunião 149 (março de 2010) evidencia esse sinal: “a maioria dos
membros do COPOM, tendo em vista as informações disponíveis neste momento, aliado ao fato de que já
está em curso o processo de retirada dos estímulos introduzidos durante a crise, entendeu ser mais
prudente aguardar a evolução do cenário macroeconômico até a próxima reunião do Comitê, para então
dar início ao ajuste da taxa básica. Por outro lado, os demais membros do comitê entendendo que as
projeções de inflação e o balanço de riscos considerado justificariam o início do ajuste já nesta reunião,
votaram por uma elevação imediata de 0,50 p.p., na taxa de juros básica.”
Assim, na terceira reunião de 2010, realizada em abril, o BCB, decidiu aumentar a SELIC em
0,75% e surpreendeu o mercado, que esperavam um aumento de 0,5%. A autoridade monetária destacou
que o aumento da taxa SELIC para 9,50% foi necessária porque a economia se encontrava em um novo
ciclo de expansão; ocorria um impulso fiscal e creditício sobre a evolução da demanda doméstica, em
contexto de virtual esgotamento da margem de ociosidade na utilização dos fatores de produção e o preço
das commodities se elevava no mercado externo.
Na reunião seguinte, realizada em julho de 2010, o comitê aumentou em 0,75% a taxa SELIC que
passou a vigorar em 10,25%. Essa decisão veio em linha com expectativa de mercado e,
consequentemente, não surpreendeu os investidores. Segundo o BCB, o novo aumento foi preciso porque
os sinais de aquecimento da economia que se manifestam, por exemplo, na trajetória dos núcleos de
inflação e das expectativas de inflação, nos indícios de escassez de mão-de-obra e na elevação dos custos
dos insumos demonstravam ligeira deterioração no cenário prospectivo da inflação.
24
Em julho de 2010, o BCB aumentou de 10,25% para 10,75% a taxa SELIC surpreendendo o
mercado que espera um aumento superior a 0,5%. O BCB justificou sua decisão com os seguintes
argumentos: reversão de parcela substancial dos estímulos introduzidos durante a crise financeira
internacional de 2008/2009, bem como à mudança na postura de política monetária; elevação da
probabilidade de desaceleração do já lento processo de recuperação em que se encontravam as economias
do G3; influência do cenário internacional sobre o comportamento da inflação doméstica passou a revelar
um viés desinflacionário. Apesar das alterações favoráveis à dinâmica da inflação tanto no quadro interno
quanto no externo, prevaleceu entre os membros do Comitê o entendimento de que competiria à política
monetária potencializar os efeitos dessas mudanças e, nesse sentido, continuar a agir de forma a evitar
que incertezas detectadas em horizontes curtos, ainda que menores do que as anteriormente observadas,
propaguemse para horizontes longos.
Na reunião seguinte, setembro de 2010, o BCB traiu mais uma vez a expectativa de mercado que
esperava um aumento da taxa ao invés de sua manutenção em 10,75% porque a despeito de ter
reconhecido a existência de riscos de elevação da inflação no curto prazo, o COPOM considerou que a
convergência da inflação para o valor central da meta tendia a se materializar.
A taxa de 10,75% perdurou até a primeira reunião de 2011, número 156, realizada em janeiro. Isso
ocorreu porque o BCB observava a continuação do processo de redução de riscos para o cenário
inflacionário. Em janeiro de 2011, o presidente do BCB, Sr. Henrique Meireles, deixou o cargo e o Sr.
Alexandre Tombini assumiu o comando da autoridade monetária. Entre janeiro e julho de 2011 o
COPOM realizou cinco aumentos sucessivos na taxa SELIC.
Dessa forma, na reunião 156, a primeira presidida por Alexandre Tombini, o COPOM decidiu
aumentar para 11,25% a taxa básica de juro. Isso ocorreu porque a projeção para a inflação de 2011
elevou-se em relação ao valor considerado na reunião do COPOM de dezembro, e se encontrava acima do
valor central de 4,5% para a meta fixada pelo Conselho Monetário Nacional (CMN). No cenário de
mercado, que levava em conta as trajetórias de câmbio e de juros coletadas pela GERIN, junto a analistas
de mercado, no período imediatamente anterior à reunião do COPOM, a projeção de inflação para 2011
também havia se elevado e se encontrava acima do valor central da meta para a inflação. Além disso, para
2012, a projeção se encontra acima do valor central da meta no cenário de referência e ao redor da meta
no cenário de mercado. No último trimestre de 2010, a inflação foi forte e negativamente influenciada
pela dinâmica dos preços de alimentos, em parte, reflexo de choques de oferta domésticos e externos.
Em Março de 2011, reunião 157, a taxa de juro aumento 0,5% passando a vigorar em 11,75%. O
COPOM tomou tal atitude porque o cenário prospectivo para a inflação não havia evoluído
favoravelmente desde sua última reunião. No último trimestre de 2010 e no início de 2011, a inflação foi
25
forte e negativamente influenciada pela dinâmica dos preços de alimentos, em parte, reflexo de choques
de oferta domésticos e externos. As evidências estavam sugerindo que os preços ao consumidor já haviam
incorporado parcela substancial dos efeitos desses choques, aos quais se somaram efeitos sazonais
característicos da inflação no primeiro bimestre de 2011. Também foram relevantes efeitos localizados
decorrentes da concentração atípica de reajustes de preços administrados ocorrida no primeiro bimestre de
2011. O Comitê sinalizou ainda sua preocupação com os riscos derivados da persistência do descompasso
entre as taxas de crescimento da oferta e da demanda, apesar dos sinais de que esse descompasso tendia a
recuar.
Na reunião 158, realizada em abril de 2011, o COPOM elevou a taxa de juro em 0,25% e
surpreendeu o mercado que esperava um aumento de 0,5%. Tal fato se deu porque o COPOM previa dois
momentos distintos para a trajetória de inflação, segundo o cenário central para 2011. No trimestre
subsequente e no seguinte, a inflação acumulada em doze meses tenderia a permanecer em patamares
similares ou mesmo superiores àquele observado no primeiro trimestre. Isso, em grande parte, seria
explicado pela elevada inércia trazida de 2010, pela duração de choques que atingiram a economia no
final de 2010, que se estenderam para o primeiro trimestre de 2011, e pelo fato de as projeções de
inflação, contrastando com o observado em 2010, apontarem taxas de inflação próximas ao padrão
histórico no trimestre junho/agosto de 2011. A ata destaca ainda que o COPOM reconhecia um ambiente
econômico em que prevalecia nível de incerteza acima do usual, e identificava riscos à concretização de
um cenário em que a inflação convergia tempestivamente para o valor central da meta. No âmbito
externo, fatores de estímulo e seus reflexos sobre preços de ativos apontavam baixa probabilidade de
reversão do processo de recuperação em que se encontram as economias do G3. Em outra perspectiva,
ainda revelavam influência ambígua do cenário internacional sobre o comportamento da inflação
doméstica. No âmbito interno, ações macroprudenciais e, principalmente, ações convencionais de política
monetária implementadas em 2011 ainda teriam seus efeitos incorporados à dinâmica dos preços. Embora
as incertezas que cercam o cenário global e, em menor escala, o doméstico, não permitam identificar com
clareza o grau de perenidade de pressões inflacionárias recentes, o Comitê avaliou que o cenário
prospectivo para a inflação não evoluiu favoravelmente.
Em cada uma das duas reuniões seguintes, 159 (junho de 2011) e 160 (julho de 2011), o COPOM
aumentou em 0,25% a taxa SELIC. O aumento se fez necessário porque nos mercados internacionais, a
volatilidade e a aversão ao risco se elevaram, em grande parte, alimentadas por extraordinários níveis de
liquidez e por incertezas crescentes quanto à recuperação da atividade global. Nesse período, aumentaram
as preocupações com dívidas de países e de bancos europeus e com a possibilidade de desaceleração da
atividade econômica na China. As expectativas da expansão da demanda doméstica eram favoráveis às
perspectivas para a atividade econômica, como, inclusive, sugeriam informações preliminares sobre o
26
ritmo de crescimento da economia. Essa avaliação encontrava suporte em sinais que, apesar de indicarem
certo arrefecimento, apontavam que a expansão da oferta de crédito tendia a persistir tanto para pessoas
físicas quanto para pessoas jurídicas; e no fato de a confiança de consumidores e de empresários se
encontrarem em níveis historicamente elevados. Em suma, embora incertezas elevadas e crescentes que
cercavam o cenário global e, em escala marcadamente menor, o cenário doméstico, não permitia
identificar com clareza o grau de perenidade de pressões inflacionárias recentes e, assim, o Comitê
avaliou que o cenário prospectivo para a inflação mostrava sinais não tão favoráveis.
4 AMOSTRA E TRATAMENTO DA BASE DE DADOS
O estudo utiliza uma base de dados de alta frequência construída pela BM&Fbovespa
especificamente para esse estudo. Ela conta com mais de 15 milhões de observações referentes a todas as
ofertas de compra e venda e a todos os negócios fechados no mercado brasileiro de DI1 entre outubro de
2009 e junho de 2011. Nesse período houve 14 reuniões do COPOM e dois presidentes do Banco Central,
Henrique Meirelles (entre outubro de 2009 e dezembro de 2010) e Alexandre Tombini entre (janeiro e
junho de 2011). As datas das reuniões, assim como, a mediana das expectativas do mercado para a meta
da taxa SELIC, o desvio-padrão e os valores máximo e mínimo dessas expectativas, e a meta decidida
pelo COPOM se encontram na Tabela A do Anexo3. O comportamento da meta da taxa SELIC no período
é mostrado no Figura 2. outubro de 2009 e junho de 2011)
Figura 2 - Taxa meta SELIC entre as reuniões 146 e 159 (período entre outubro de 2009 e junho de 2011)
Fonte: Banco Central do Brasil
3
Os valores foram retirados do relatório FOCUS que é uma publicação divulgada pelo BCB com as expectativas que os
agentes possuem sobre as variáveis econômicas.
27
A base é composta por três partes distintas. A primeira e a segunda reúnem as seguintes
informações sobre as ofertas de compra e de venda: dia e hora de colocação das ofertas detalhadas até o
milionésimo de segundo, código do instrumento, identificador da ordem, validade da ordem, número de
contratos e preço. A terceira parte contém as informações sobre os negócios, a saber: data, código do
instrumento, preço, número de contratos, hora de fechamento do negócio detalhada até o segundo,
identificador com o dia e a hora da ordem de compra e identificador com o dia e a hora da ordem de
venda. Os dados foram tratados de forma que os negócios cancelados e/ou concretizados em leilões de
abertura ou fechamento foram excluídos da amostra. Com isso, foi possível garantir a validade das
operações e eliminar distorções provocadas por operações realizadas em leilões de abertura e fechamento.
Em seguida, ao analisar cada negócio foi possível identificar se a transação havia sido iniciada por
um comprador ou por um vendedor. Se a ordem de compra ocorreu após a ordem de venda o negócio foi
classificado como iniciado pelo comprador e recebeu um indicador Q = +1. Nas situações em que a oferta
de venda ocorreu após a oferta de compra os negócios foram classificados com Q = -1. Negócios
resultantes de ofertas de compra e de venda que foram colocadas quase no mesmo instante (no mesmo
segundo) foram classificados com um indicador Q = 0. Com isso, foi construída uma nova base de dados
composta pela data, hora, volume, preço da operação, preço da operação imediatamente anterior e o
indicador Q.
Além disso, negócios referentes a mesma oferta de compra ou de venda foram aglutinados. Para
entender por que esse procedimento foi adotado suponha que i) às 10h e 02min sejam colocadas duas
ofertas de compra de 100 contratos a um preço x, ii) às 10h e 03min seja colocada uma oferta de venda
de 300 contratos ao mesmo preço x e iii) às 10h e 04min seja lançada uma oferta de compra de 100
contratos também ao preço x. O sistema da bolsa registra essas transações gerando três negócios com 100
contratos cada. No entanto, deve-se realizar a análise considerando um negócio de 200 contratos com Q
= -1 e um negócio de 100 contratos com Q = +1. Ao aglutinar os negócios o preço será a média
ponderada, pelo número de contratos, dos preços das operações informadas pela BM&Fbovespa.
Esse tratamento é importante porque a seguinte situação pode ocorrer. Suponha a existência de
duas ofertas de venda no livro de ofertas, uma de 100 contratos ao preço de 9,73 e outra de 200 contratos
ao preço de 9,70.4 Ambos os preços são os menores do livro de ofertas. Se uma oferta de compra de 300
contratos for lançada ao preço de 9,73 o sistema da BM&Fbovespa irá registrar dois negócios diferentes,
porém a base de dados utilizada deve constar 1 negócio de 300 contratos ao preço de 9,71.
4
O livro de ofertas é uma tela que mostra as melhores ofertas, tanto de compra quanto de venda, de um determinado ativo.
28
Finalmente, chegou-se à base de dados final composta pela data, hora, volume, preço da operação,
preço da operação imediatamente anterior, o indicador
e o indicador
de cada transação. Note que
para o primeiro negócio do dia não existe o indicador
e, portanto, eles foram excluídos da amostra.
Foi definido que seriam analisados os dados relativos às operações ocorridas nos 6 dias úteis que
antecedem a decisão das reuniões do COPOM (período pré-COPOM). Os dias de reunião do Comitê são
terça e quarta e estão incluídos nestes 6 dias de análise (quarta-feira será o dia 6 para cada reunião e terça
o dia 5). A definição ocorreu após conversas com participantes do mercado que evidenciaram que grande
parte dos especuladores (tanto na pessoa física quanto na pessoa jurídica) se posiciona a partir de uma
semana antes da reunião. Houve dúvida se o último dia de reunião deveria ou não ser incluído na amostra
dado que existem participantes relevantes do mercado que não operam nesse dia. Optou-se pela inclusão
porque essa prática não é generalizada no mercado e não se estende à pessoa física. 5
Coletou-se também dados sobre as operações ocorridas entre o décimo sétimo e décimo segundo
dias úteis que antecedem as reuniões (período de controle) para fins de comparação. O período de
controle foi escolhido de forma a estar a uma distância da reunião do COPOM em que as apostas sobre a
reunião deste Comitê ainda não são tão comentadas e a decisão sobre a taxa básica está longe de ser
tomada.
Em seguida, observou-se, em cada um dos 14 períodos de 6 dias úteis que antecedem a reunião
(período pré-COPOM), quais foram os instrumentos que apresentaram maior liquidez e optou-se por
analisar os dois instrumentos do mercado de DI1 com maior quantidade de negócios realizados. A Tabela
3 contém as estatísticas descritivas da proporção dos dois instrumentos com maior liquidez em relação ao
número total de negócios fechados tanto nos períodos de controle quanto nos pré-COMPOM. Observa-se
que a participação dos dois instrumentos mais líquidos em ambos os períodos é relevante.
Tabela 3 - Estatísticas descritivas da proporção dos dois instrumentos com maior liquidez no número total
de negócios (14 períodos de controle e 14 períodos pré-COPOM)
Estatísticas
Mínimo
Primeiro Quartil
Média
Mediana
Terceiro Quartil
Máximo
5
Controle
36,07%
44,91%
49,19%
49,50%
51,54%
65,77%
Pré COPOM
33,32%
44,87%
54,43%
55,66%
63,62%
84,22%
A decisão do COPOM só é divulgada quando o mercado já está fechado.
29
Com esses ajustes, chegou-se a uma base de dados com 161.353 negócios, 41,23% foram
classificados como tendo sido iniciados pelo comprador (Q = +1), 11,87% como neutros (Q = 0) e
46,90% como iniciados pelo vendedor (Q = -1). Nos períodos de controle há 78.381 negócios, 41,15%
tiveram Q = +1, 11,96% tiveram Q = 0 e 46,89% tiveram Q = -1. Já nos períodos pré-COPOM há 82.972
negócios onde 41,30% foram classificados com Q = +1, 11,79% com Q = 0 e 46,91% com Q = -1.
O último ponto que merece ser destacado nessa seção é a inexistência do viés de estimação da
sequência de iniciações nos resultados, problema que ocorre em outros trabalhos que se baseiam na
direção do negócio. Isso é possível porque a base de dados conta com o horário de todas as ofertas de
compra e de venda, tornando possível a identificação precisa do agente (comprador ou vendedor) que
iniciou a transação. Logo, técnicas como o quote method, o tick test e o LR method (Lee e Ready, 1991)
não são usadas permitindo que os resultados tenham acurácia. White e outros (2000) testaram estas três
técnicas usando dados da NYSE e encontraram que a precisão do quote method é de 78%, do tick test é
80% e do LR method é 85%. Já Ellis et al. (2000) descrevem uma acurácia de 80% para o LR method,
78% para o tick test e 76% para o quote method ao analisar ações cotadas na NASDAQ.
5 MODELO
Trabalhos iniciais sobre microestrutura, como Stoll (1978) e Ho e Stoll (1981), analisaram
mercados onde a figura do formador de mercado (market maker) desempenhava um papel fundamental na
formação do preço dos ativos e dos spreads. Dessa forma, o autores atribuíram o spread aos custos de
estoque incorridos pelo market maker para promover a liquidez no mercado.
Roll (1984) avançou no tema e atribuiu o spread não apenas ao custo de estoque, mas também aos
custos operacionais relativos ao processamento da ordem (custos de equipamentos, pessoal, e outros).
Para isso, adotou as premissas de que (i) o mercado opera em um ambiente onde não existe assimetria de
informação e (ii) a distribuição de probabilidade dos retornos do ativo não muda dentro de um intervalo
de dois meses. Já Glosten e Harris (1988) analisaram o spread através de uma regressão onde a variável
independente é o identificador do negócio (Q). Esse identificador mostra se o negócio foi iniciado por um
comprador, por um vendedor ou por nenhum deles. Caso a ordem de compra entre no livro de ofertas
depois da ordem de venda o negócio é considerado com tendo sido iniciado pelo comprador e Q = +1. Se
a ordem de venda entrar depois da ordem de compra Q = -1 e se ambas ocorrerem ao mesmo tempo Q =
0.
É importante lembrar que GH (Glosten e Harris, 1988) foi desenvolvido a partir do trabalho de
Glosten e Milgrom (1985) que relaxou a premissa do modelo de Roll (1984) de que não existe diferença
30
de informação entre os investidores. Com isso, os autores consideraram que o spread também poderia ser
explicado pela assimetria de informação entre os agentes que atuam no mercado.
Huang e Stoll (HS, 1997) generalizaram o modelo desenvolvido por Glosten e Harris (1988) ao
incluir os três custos – de estoque, operacionais e de assimetria de informação – em um modelo baseado
no identificador do negócio (Q). Por isso, utilizou-se o modelo HS para analisar o comportamento do
spread no mercado de DI1. Dado que o mercado não apresenta a figura do market maker, o modelo HS
será rodado com um custo de estoque igual a zero, o que significa dizer que o modelo se tornará idêntico
ao proposto por Madhavan et al. (1997)
5.1 Primeira versão do modelo de Huang e Stoll (1997)
Seja p* o valor do ativo se todos os agentes têm acesso à informação privilegiada e que o risco de
se obter essa informação não está apreçado. Dessa forma, o valor fundamental do ativo baseado na
informação comum a todos os agentes (H) é p=E[p*|H].
Dado que os investidores tem acesso às mesmas informações é possível definir as funções a(.) e
b(.) da seguinte forma:
a(x)=E[p*|H, “investidor compra no preço x”]
b(y)= E[p*|H, “investidor vende no preço y”]
note que as funções a(x) e b(y) descrevem como as informações que são comuns aos investidores são
atualizadas de maneira a contemplar as informações relativas ao negócio imediatamente anterior.
Sendo
a(A) - p e
respectivamente. Logo,
informados. Se
e
+
p - b(B), onde A e B são os preços de venda e compra,
é a parte do spread que é função da crença de que existe investidores
são custos de processar as ordens a e b, respectivamente, então A e B podem ser
escritos da seguinte forma:
A = a(A) +
=p+
B = b(B) -
=p-
Logo, o spread S = A - B é dado por
+
. Se um indicador
for inserido como
sendo uma variável que assume o valor de +1 quando o negócio n+1 é iniciado por um comprador e -1
quando é iniciado por um vendedor tem-se que:
+
31
Naturalmente, o mercado reage ao surgimento de novas informações entre os negócios n e n + 1 e
ao assumir que
é a revisão do preço fundamental (
devido a essas novas informações, tem-se que:
+
note que se
= +1, então
(i)
e que se
= -1, então
fundamental depende da informação disponível publicamente (
. Isso significa que o valor
e do preço da transação anterior ( .
O investidor arca com custos de transação (C) para concretizar o negócio fazendo com o preço
também dependa dele, assim o preço no qual o negócio é efetivamente fechado é dado por:
̂
+
̂
note que se
= +1, então C
Assumindo que
(ii)
+
; se
+
= -1, então
e
tem-se que o spread S = A – B = 2(Z + C) ou
e
. Onde
Z > 0 porque quando um investidor compra ao preço A, E[p*|H, “investidor compra no preço A”] é maior
do que E[p*|H], ou seja, a(A) > p e
> 0.
Tomando Z e C como constantes e 𝛂 e
tem-se que se
Note que
como proporções de relativas a Z e C respectivamente
, 𝛂 é parte do spread (S) relativa à assimetria de informação entre os agentes (2Z).
. Em outras palavras 𝛂 = Z/ o que implica em um preço fundamental de
𝛂
+
(iii)
e, consequentemente, o preço no qual o ativo será negociado pode ser escrito da seguinte forma
̂
+
(iv)
Dado que a variação de (iv) é definida por
̂
+
(v)
ao substituir (iii) em (v) tem-se que
̂
̂
+
+ (
)
32
̂
+
(vi)
tornando possível a estimativa de 𝛂 e S.
Reescrevendo (vi) tem-se (vii) que fornece a relação de
(
̂
̂
(
)
)
+
+
̂ com
e
(vii)
(viii)
6 RESULTADOS
Foram analisados como se comportam o custo de assimetria de informação e o spread nos seis dias
que antecedem a decisão final do COPOM (período pré-COPOM) ao longo de 14 reuniões do Comitê, de
outubro de 2009 a junho de 2011. Os resultados apresentados nessa seção foram estimados pela equação
(vii) através do método dos Mínimos Quadrados Ordinários.6
A Figura 3 mostra o comportamento do spread e a Figura 4 o comportamento do custo de
assimetria de informação (CAI) para os 6 dias que antecedem o COPOM. O dia 6, por exemplo, se refere
ao segundo e último dia de reunião do COPOM, quando a decisão sobre a meta da taxa SELIC é tomada.
Os dados de ambos os gráficos se encontram padronizados.7
Figura 3 - Spread médio no período pré-COPOM padronizado pelo dia
6
Todos os coeficientes das regressões são estaticamente diferentes de zero mesmo quando controlados pelos
métodos de Newey-West e White.
7
Para cada reunião a medida (spread ou CAI) de cada dia é padronizada dividindo-se essa medida pela média de
todos os dias que antecedem a reunião. Após isso, encontramos a média, entre as reuniões, da medida padronizada para
cada um dos 6 dias.
33
Figura 4- CAI médio no período pré-COPOM padronizado pelo dia
Foi possível notar que o spread médio cai na medida em que a decisão do COPOM se aproxima
(Gráfico 2). Por outro lado, apesar ser um percentual do spread, o CAI apresenta um comportamento
bastante diferente. Nos dias 1 e 2 este custo médio é estável. No terceiro dia (geralmente o dia anterior ao
fim de semana) o CAI padronizado é mínimo. O quarto dia apresenta na média o maior CAI. É provável
que isso ocorra porque este quarto dia geralmente é uma segunda-feira e ao longo do final de semana os
agentes podem obter e analisar informações, mas não podem operar. Diversos estudos (ver, por exemplo,
Ahn et al., 2002) sobre os mercados de ação encontraram que nas primeiras horas do dia o custo de
assimetria de informação é maior, possivelmente porque entre um pregão e outro os investidores obtém
informações mas não podem operar. Nos dias 5 e 6, data da reunião do COPOM, o CAI tem uma queda e
retorna aos patamares dos dias 1 e 2, apesar da maior proximidade da decisão final do COPOM. Pode ser
que os investidores estimem uma menor probabilidade de assimetria de informação, pois, nestes dias
algumas instituições do mercado financeiro têm por regra não operar.
A Tabela 4 mostra o spread e o CAI estimados pelo modelo de Huang e Stoll para os dois contratos
mais líquidos de DI1 para os períodos pré-COPOM entre as reuniões 146 e 159. A estimativa foi
realizada para o conjunto dos seis dias. Não é possível notar uma relação entre maior liquidez nem com o
spread, nem com o CAI. Para uma melhor visualização, foi calculada a média das duas medidas entre os
dois contratos mais líquidos e construímos os Gráficos 4 e 5, que mostra a evolução do spread e do CAI,
respectivamente, ao longo das reuniões.
34
Tabela 4 - Spread e Componente de Assimetria de Informação estimados pelo modelo de Huang e Stoll
para os dois contratos mais líquidos de DI1 para os períodos pré-COPOM entre as reuniões 146 e 159
Contrato com o maior
número de negócios
Reunião
159ª
158ª
157ª
156ª
155ª
154ª
153ª
152ª
151ª
150ª
149ª
148ª
147ª
146ª
Data ¹
08/06/2011
20/04/2011
02/03/2011
19/01/2011
08/12/2010
20/10/2010
01/09/2010
21/07/2010
09/06/2010
28/04/2010
17/03/2010
27/01/2010
09/12/2009
21/10/2009
Prazo ²
F13
F13
F13
F13
F12
F13
F13
F12
F12
F12
F11
F11
F11
F11
Spread
0,00686
0,00490
0,00558
0,00465
0,00430
0,00455
0,00584
0,00440
0,00452
0,00475
0,00540
0,00661
0,00536
0,00502
Contrato com o 2⁰ maior
número de negócios
CAI Prazo ²
18,05% F17
18,95% F12
19,62% F12
39,52% F12
34,61% F13
39,20% F12
49,54% F12
26,65% F11
31,96% F11
40,70% F11
27,83% F12
25,74% F12
24,00% F12
41,09% F12
Spread
0,00560
0,00485
0,00807
0,00629
0,00443
0,00466
0,00498
0,00562
0,00536
0,00383
0,00447
0,00528
0,00471
0,00481
CAI
38,64%
18,06%
24,19%
31,00%
40,72%
27,27%
44,52%
35,30%
25,31%
30,67%
34,81%
44,57%
50,23%
60,90%
1. Último dia de reunião (Quarta-Feira);
2. Referente ao prazo de vencimento. A letra se refere ao mês e
os números ao ano. A letra F se refere ao mês de janeiro.
Na Figura 5 pode-se observar que o spread não apresenta uma tendência bem definida ao longo do
tempo. Na Figura 6, nota-se uma tendência de queda do CAI. É possível notar ainda que após a reunião
155 (quando o presidente do BCB já é o Alexandre Tombini), o CAI no período pré-COPOM tem uma
queda mais acentuada. Note que os três menores CAI médios são observados nas três últimas reuniões.
Os pontos circulados na Figura 6 indicam as reuniões do COPOM em que o Comitê estabeleceu uma
meta para a SELIC diferente da esperada pelo mercado.8
Ao analisarmos as reuniões em que o BCB tomou decisões de política monetária diferentes da
mediana das expectativas do mercado, foi observado que em três das quatro ocorrências, o CAI é maior
que o CAI da reunião imediatamente anterior. A única reunião das quatro em que isso não ocorre, o
presidente do BCB já era o Alexandre Tombini. Por isso, apesar de haver apenas quatro observações, é
possível que a probabilidade de assimetria de informação seja menor no período de presidência de
Tombini.
8
A mediana das expectativas do mercado para a meta da taxa SELIC e a meta decidida pelo COPOM se encontram na
Tabela A do Anexo.
35
Figura 5- Comportamento do Spread do período pré-COPOM da reunião 146 (outubro 2009) à reunião
159 (junho 2011)
Figura 6 - Comportamento do CAI nos períodos pré-COPOM da reunião 146 (outubro 2009) à reunião
159 (junho 2011)
A Figura 7 permite observar se há modificação entre o custo de assimetria de informação nos
períodos pré COPOM e de controle. A Figura mostra a diferença entre a média do CAI dos contratos mais
líquidos do período pré COPOM e de controle para as 14 reuniões. É possível observar que há uma queda
expressiva dessa diferença a partir da reunião 155. Logo, pelo modelo HS a probabilidade de assimetria
de informação inferida pelos investidores é maior próximo às reuniões do COPOM do que no período de
controle para as reuniões anteriores à 155ª. Ao observar as reuniões em que o BCB tomou uma decisão de
política monetária diferente da esperada pelo mercado notou-se que a diferenças entre as médias foi
maior, e em escala crescente, do que na reunião anterior nas três primeiras ocorrências.
36
Figura 7 - Comportamento da diferença dos Custos de Assimetria de Informação (CAI) dos períodos de
controle e pré-COPOM da reunião 146 (outubro de 2009) ä 159 (junho 2011)
Para tentar entender melhor as diferentes expectativas, foi analisado também o desvio padrão
(DP), o máximo e o mínimo dos dados do relatório FOCUS. A Figura 8 mostra o comportamento do CAI
e do DP das expectativas de mercado nos períodos pré-COPOM. Pode-se notar que o comportamento de
ambas as series é semelhante, o que é corroborado pela correlação de 0,4437 entre as séries. Assim,
quanto maior a incerteza do mercado em relação à decisão do COPOM maior a probabilidade de
assimetria de informação inferida pelos investidores. A Figura 9 é semelhante a Figura 8, mas ao invés do
desvio padrão tem-se a amplitude das expectativas do mercado nos períodos pré COPOM. Novamente
percebeu-se um mesmo padrão entre as series, visto que a correlação é 0,5487.
Figura 8 - Comportamento do Custo de Assimetria de Informação e do Desvio-Padrão (DP) das
expectativas de mercado nos períodos pré-COPOM
37
Figura 9 - Comportamento do Custo de Assimetria de Informação e da amplitude das expectativas de
mercado nos períodos pré-COPOM
38
7 CONSIDERAÇÕES FINAIS
Este trabalho busca relacionar o componente de assimetria de informação (CAI) embutido nos
spreads do mercado futuro de taxas de juros no Brasil (DI1 - DI de 1 dia) à política monetária. Para a
estimação deste componente foi utilizado o modelo de Huang & Stoll (1997) adaptado para um mercado
order driven. Esse componente pode ser considerado uma proxy da probabilidade de assimetria de
informação na negociação de um ativo.
O mercado de DI1 é o principal mercado futuro de taxa de juros no Brasil. Como o ativo
subjacente desse mercado é a taxa de depósito interfinanceiro (taxa DI), e como esta taxa tem uma
correlação quase perfeita com a meta SELIC, as decisões do COPOM afetam diretamente os preços deste
mercado futuro. Assim sendo, este mercado é utilizado para a especulação quanto a mudanças nas taxas
de juros e a decisão do COPOM está intimamente ligada a essas mudanças.
Desta forma, procurou-se inferir se há alguma relação entre o CAI e os períodos de decisões de
política monetária no Brasil (decisões sobre a meta da taxa SELIC). Além de detectar se o CAI se altera
quando as reuniões do Comitê de Política Monetária do Banco Central do Brasil (COPOM) se
aproximam, investigou-se também se ele é diferente em cada um dos seis dias que antecedem à decisão
do Comitê.
O trabalho é limitado por alguns fatores. Entre os principais é importante citar o número restrito
de reuniões analisadas, o viés de alta na meta SELIC no período estudado, as diferenças de gestão entre
os períodos nos quais o Banco Central do Brasil foi liderado por Henrique Meireles e Alexandre Tombini
e os diferentes números de reuniões analisados para cada um dos presidentes do BCB.
Os resultados mostram que na antevéspera da decisão (isto é, no dia quatro), o CAI é máximo; há
uma tendência de queda no componente ao longo das reuniões e esta queda se acentua após janeiro de
2011; antes de janeiro de 2011 o componente de assimetria de informação nos dias pré-COPOM é
superior ao do período de controle, enquanto que após janeiro de 2011 ele é menor; e há uma forte
correlação entre o desvio-padrão das expectativas de mercado acerca da meta da taxa SELIC (e também
da amplitude dessas expectativas) com o componente de assimetria de informação.
Trabalhos futuros sobre o tema poderiam considerar um número maior de reuniões do COPOM e
utilizar modelos que procuram medir separadamente os componentes da assimetria de informação
presente no mercado brasileiro de renda fixa. Seria interessante também tentar verificar se existe uma
diferença significativa dos indicadores estudados entre períodos com diferentes lideranças no Banco
Central do Brasil.
39
8 BIBLIOGRAFIA
AHN, H.; CAI, J.; HAMAO, Y.; HO, R. The components of the bid–ask spread in a limit-order market:
evidence from the Tokyo Stock Exchange. Journal of Empirical Finance, v. 9, n. 4, p. 399-430, 2002.
ARAÚJO, G. S.; BARBEDO, C. H. S.; VICENTE, J. V. M. The adverse selection cost component of
the spread of brazilian stocks. Brasília: Banco Central do Brasil, working paper, n. 263, 2011.
ARAÚJO, G. S.; BARBEDO, C. H. S.; BESSADA, O. Mercado de Derivativos no Brasil. Rio de
Janeiro, 4ª ed. Rio de Janeiro, Record, 2005.
ASSAF NETO, A. Mercado Financeiro. 7ª ed. São Paulo, Atlas, 2006.
BESSADA, O. O Mercado Futuro e de Opções. Rio de Janeiro, Record, 1994.
CARVALHO, F. C.; et al. Economia Monetária e Financeira: teoria e política. 1ª Ed. Rio de Janeiro,
Elsevier, 2000.
DEMSETZ, H. The cost of transacting. The Quarterly Journal of Economics, v. 82, n. 1, p. 33-53,
1968.
ELLIS, K.; MICHAELY, R.; O'HARA, M. The accuracy of trade classification rules: evidence from
Nasdaq. Journal of Financial and Quantitative Analysis, v. 35, n. 4, p. 529–551, 2000.
GEORGE, T. J.; KAUL, G.; NIMALENDRAN, M. Estimation of the bid-ask spreads and its
components: a new approach. Review of Financial Studies, v. 4, n.4, p. 623-656, 1991.
GLOSTEN, L. R.; HARRIS, L. E. Estimating the components of the bid-ask spread. Journal of
Financial Economics, v. 21, n. 1, p. 123-142, 1988.
GLOSTEN, L. R.; MILGROM, P. R. Bid, Ask and transaction prices in a specialist market with
heterogeneous informed traders. Journal of Financial Economics, v. 14, p. 71-100, 1985.
HO, T.; STOLL, H. R. Optimal dealer pricing under transactions and return uncertainty. Journal of
Financial Economics, v. 9, n.1, p. 47-73, 1981.
HUANG, R. D.; STOLL, H. R. The components of the bid-ask spread: a general approach. Review of
Financial Studies, v. 10, n. 4, p. 995-1034, 1997.
HULL, J. Introdução aos Mercados Futuros e de Opções. São Paulo, BM&F, 1996.
LEE, C. M.C.; READY, M. J. Inferring trade direction from intraday data. The Journal of Finance, v.
46, n.2, p. 733-746, 1991.
40
MADHAVAN, A.; RICHARSON, M.; ROOMAND, M. Why do security prices change? A transactionlevel analysis of NYSE stocks. Review of Financial Studies, v. 10, n. 4, p. 1035-1064, 1997.
O’HARA, M. Market Microstructure Theory. Blackwell, Cambridge, MA, 1995.
ROLL, R. A. Simple implicit measure of the effective bid-ask spread in an Efficient Market. Journal of
Finance, v. 39, n. 4, p. 1127-1139, 1984.
STOLL, H. R. Inferring the components of the bid-ask spread: theory and empirical tests. Journal of
Finance, v. 44, n. 1, p. 115-134, 1989.
STOLL, H. R. The supply of dealer services in securities markets. Journal of Finance, v. 33, n. 4, p.
1133-1151, 1978.
WHITE, E.R.; et al. On the occurrence and consequences of inaccurate trade classification. Journal of
Financial Markets, v. 3, n. 3, p. 259–286, 2000.
41
Apêndice 1 - Estatística descritiva dos dados divulgados pelo Banco Central do Brasil no relatório FOCUS
Estatística descritiva, divulgada pelo Banco Central do Brasil no relatório FOCUS, das expectativas de mercado a cerca da meta da taxa SELIC em cada um dos períodos
pré COPOM bem como em seus respectivos períodos de controle. É possível observar ainda a decisão final da reunião e a meta estipulada na reunião anterior.
Expectativas de mercado sobre a taxa meta SELIC
Mediana
Reunião¹
Data²
159ª
08/06/2011
158ª
∆³
Selic
Desvio Padrão
Máximo
Mínimo
Selic n-1
Controle
Pré-COPOM
Controle
Pré-COPOM Controle Pré-COPOM Controle Pré-COPOM
0,25% 12,25%
12,00%
12,25%
12,25%
0,06%
0,10%
12,50%
12,50%
12,00%
12,00%
20/04/2011
0,25% 12,00%
11,75%
12,25%
12,25%
0,10%
0,12%
12,50%
12,25%
11,75%
11,75%
157ª
02/03/2011
0,50% 11,75%
11,25%
11,75%
11,75%
0,06%
0,05%
12,00%
12,00%
11,50%
11,75%
156ª
19/01/2011
0,50% 11,25%
10,75%
11,25%
11,25%
0,20%
0,09%
12,00%
11,50%
10,75%
10,75%
155ª
08/12/2010
0,00% 10,75%
10,75%
10,75%
10,75%
0,00%
0,14%
10,75%
11,25%
10,75%
10,75%
154ª
20/10/2010
0,00% 10,75%
10,75%
10,75%
10,75%
0,00%
0,00%
10,75%
10,75%
10,75%
10,75%
153ª
01/09/2010
0,00% 10,75%
10,75%
10,92%
10,75%
0,25%
0,17%
11,75%
11,50%
10,50%
10,50%
152ª
21/07/2010
0,50% 10,75%
10,25%
11,00%
11,00%
0,04%
0,04%
11,00%
11,00%
10,50%
10,75%
151ª
09/06/2010
0,75% 10,25%
9,50%
10,25%
10,25%
0,13%
0,07%
10,50%
10,50%
9,75%
10,00%
150ª
28/04/2010
0,75%
9,50%
8,75%
9,25%
9,25%
0,20%
0,15%
10,00%
9,75%
8,75%
9,00%
149ª
17/03/2010
0,00%
8,75%
8,75%
8,75%
8,75%
0,30%
0,30%
10,50%
10,50%
8,75%
8,75%
148ª
27/01/2010
0,00%
8,75%
8,75%
8,75%
8,75%
0,22%
0,21%
10,50%
10,50%
8,75%
8,75%
147ª
09/12/2009
0,00%
8,75%
8,75%
8,75%
8,75%
0,21%
0,21%
10,50%
10,50%
8,75%
8,75%
146ª
21/10/2009
0,00%
8,75%
8,75%
8,75%
8,75%
0,24%
0,23%
10,75%
10,75%
8,50%
8,75%
1. Número da reunião;
2. Último dia de reunião (Quarta-Feira);
3. Variação da taxa meta SELIC;
4. Taxa meta SELIC após a reunião;
5. Taxa meta SELIC antes da reunião.
42
43