1 Gustavo Amorim Antunes UM ESTUDO SOBRE O “EFEITO TAMANHO” NOS RETORNOS DAS EMPRESAS LISTADAS NA BOVESPA UTILIZANDO O MODELO GARCH-M Monografia apresentada ao Departamento de Ciências Econômicas da Faculdade de Ciências Econômicas da Universidade Federal de Minas Gerais como requisito parcial à obtenção do título de Bacharel em Ciências Econômicas. Orientador: Prof. Aureliano Angel Bressan Belo Horizonte Faculdade de Ciências Econômicas da UFMG 2004 2 Universidade Federal de Minas Gerais Faculdade de Ciências Econômicas Departamento de Ciências Econômicas Gustavo Amorim Antunes UM ESTUDO SOBRE O “EFEITO TAMANHO” NOS RETORNOS DAS EMPRESAS LISTADAS NA BOVESPA UTILIZANDO O MODELO GARCH-M Monografia apresentada à Faculdade de Ciências Econômicas, da Universidade Federal de Minas Gerais, como requisito parcial à obtenção do Grau de Bacharel em Ciências Econômicas. Aprovada em ____ / ____ / ____, pela Banca Examinadora constituída pelos seguintes professores: CONCEITO: ----------------------------------------------------------------------------------------------------------Prof. Hudson Fernandes do Amaral Universidade Federal de Minas Gerais ----------------------------------------------------------------------------------------------------------Prof. Wagner Moura Lamounier Universidade Federal de Minas Gerais ----------------------------------------------------------------------------------------------------------Prof. Aureliano Angel Bressan Orientador 3 RESUMO Investigou-se o desempenho das ações negociadas na Bovespa, entre 17 de março de 1998 e 03 de agosto de 2004, para testar a eficiência do mercado brasileiro em sua forma semi-forte , no que diz respeito a informações sobre o tamanho das empresas. A proxy tradicional para medir o tamanho da empresa é o valor de mercado, mas também foram utilizados o valor patrimonial e o lucro. Verificou-se que, independente da proxy utilizada, nenhum portfólio baseado no tamanho foi capaz de gerar retornos anormais sistemáticos e que o tamanho não está significativamente correlacionado com o beta. Foram feitos testes de estacionariedade para se verificar se as ações seguiram o modelo de passeio aleatório. Verificou-se que 90% das ações tiveram preços com raiz unitária e retornos estacionários, ou seja, apresentaram passeio aleatório no nível. Constatou-se que as demais ações foram ilíquidas. Assim, há evidências de eficiência na forma fraca. Também se identificou que a estimação do CAPM por MQO apresentou resíduos heterocedásticos, o que levou ao uso do modelo GARCH-M. Do ponto de vista teórico, argumentou-se que a forma forte da HME é infactível; que a fraca é muito limitada; e estabeleceu-se analogia entre a forma semi-forte e a HER. Também, foram feitas observações sobre ambos os conceitos de eficiência de mercado, dados por Fama (1970) e Ross (1987). JEL Classification: G14 Palavras-Chave: Efeito Tamanho, CAPM, Mercados Eficientes, Anomalia de Mercado. 4 SUMÁRIO 1 INTRODUÇÃO ....................................................................................................... 5 2 OBJETIVOS ............................................................................................................ 6 3 REFERENCIAL TEÓRICO .................................................................................. 7 3.1 Os dois conceitos de eficiência informacional de mercado .................................. 7 3.2 As três formas de eficiência informacional de mercado ...................................... 9 3.2.1 A forma fraca de HME ........................................................................................... 10 3.2.2 Hipótese das expectativas racionais e a forma semi-forte da HME ................... 12 3.2.3 Infactibilidade da forma forte ................................................................................ 14 3.3 O efeito tamanho ..................................................................................................... 15 4 METODOLOGIA ................................................................................................... 19 4.1 Teste raiz de unitária .............................................................................................. 19 4.2 Testes de validação do modelo de regressão ......................................................... 21 4.3 Teste de efeito tamanho .......................................................................................... 23 4.4 O modelo GARCH-M ............................................................................................. 26 4.5 Dados utilizados ....................................................................................................... 27 5 RESULTADOS E DISCUSSÃO ............................................................................ 30 5.1 Resultados do teste de estacionariedade ................................................................ 30 5.2 Resultados do teste de validação do modelo de regressão ................................... 33 5.3 Resultados do teste de efeito tamanho ................................................................... 35 5.3.1 Grupo de valor de mercado (VM) ......................................................................... 35 5.3.2 Grupo de valor patrimonial (VP) .......................................................................... 37 5.3.3 Grupo de lucro (L) .................................................................................................. 38 5.4 Resultados dos componentes do modelo GARCH ................................................ 39 6 CONCLUSÕES ....................................................................................................... 41 REFERÊNCIAS ...................................................................................................... 43 APÊNDICE A – Tabelas ......................................................................................... 45 5 1 INTRODUÇÃO Investigar a eficiência informacional de mercado é importante para traçar estratégias de investimento. Fama (1991) ressaltou que os trabalhos empíricos sobre o conteúdo informacional dos preços dos ativos financeiros propiciaram o surgimento de estratégias passivas de compra e manutenção de carteiras diversificadas, em resposta à dificuldade de se bater o mercado a partir da análise de informações públicas. Se o mercado acionário é realmente eficiente, o investidor não precisa se preocupar em selecionar as ações mais rentáveis, pois todas oferecerão retornos corretamente ajustados aos seus respectivos riscos sistemáticos mensurados pela beta individual de cada ação. Nesse caso, basta ao investidor diversificar seu portfólio a ponto de fazê-lo acompanhar perfeitamente o índice de mercado (no caso brasileiro, o Ibovespa). Feito isso, o investidor só precisa esperar passivamente por um intervalo suficiente de tempo para que ele seja adequadamente remunerado. Esse tempo é necessário para que a relação estatística entre o desempenho do portfólio e o desempenho do índice de mercado se concretize. Caso o mercado não seja eficiente, o investidor deverá identificar aquelas ações mal precificadas para, assim, obter retornos anormais. Fama (1991) também afirma que os trabalhos empíricos sobre o conteúdo informacional dos preços dos ativos financeiros incitaram a demanda por análises de desempenho de fundos de investimento para confrontá-los com benchmarks do mercado (CAPM, por exemplo), em resposta às evidências de que informação privada é rara. Se toda informação está realmente inserida eficientemente nos preços, os gestores de fundos de investimentos não seriam capazes de obter retornos anormais sistematicamente. Caso haja evidências de retornos anormais sistemáticos, pode-se suspeitar que o gestor tenha informação privilegiada. Os testes de eficiência fraca, por sua vez, também são relevantes, haja visto o agendamento de negociações permitido pela identificação do efeito-final-de-semana. Mesmo quando esse efeito não é grande o suficiente para permitir transações intensas de compra na segunda-feira e de venda na sexta, as transações já planejadas podem ser adiadas ou antecipadas caso os retornos das segundas-feiras sejam sistematicamente negativos1. 1 Para mais detalhes acerca dos testes de eficiência, ver Fama (1991). 6 2 OBJETIVOS O presente estudo tem dois objetivos centrais investigar a eficiência informacional do mercado acionário brasileiro, representado pela Bovespa, nas formas: fraca e semi-forte. Ao primeiro objetivo central seguiram-se dois objetivos específicos, quais sejam, verificar a estacionariedade dos retornos das principais ações listadas na Bovespa e identificar se os preços dessas ações seguem o modelo de passeio aleatório. O segundo objetivo, por sua vez, foi alcançado por meio de cinco objetivos específicos. Investigou-se a existência do efeito tamanho nos retornos das principais ações da Bovespa, no intuito de se verificar se informações sobre o tamanho das firmas fornecia informações relevantes, ainda não incorporadas pelos preços, sobre os retornos dessas ações. Optou-se por analisar o período de 1998 a 2004, em função do fato de Romaro (2000) ter analisado o período de 1995 a 1998 e encontrado evidências desse efeito. Assim, o presente estudo verifica se aqueles resultados são passíveis de serem estendidos ao período de tempo imediatamente posterior, qual seja março de 1998 a agosto de 2004. Aqui, o efeito tamanho foi investigado em função de três proxies distintas para mensurar o tamanho das firmas. Esse procedimento visa testar a hipótese de Berk (1997), na qual o efeito tamanho é resultado direto da proxy utilizada para mensurar o tamanho da firma. Ao se empreender o teste de efeito tamanho, atentou-se para a presença de heterocedasticidade nos resíduos do CAPM tradicional. Nesse sentido, o modelo GARCH-M foi utilizado para se estimar o CAPM condicional. Testou-se também a hipótese de Jegadeesh (1992), segundo a qual esse efeito pode ser oculto caso haja correlação entre o beta e o valor de mercado. 7 3 REFERENCIAL TEÓRICO 3.1 Os dois conceitos de eficiência informacional de mercado A origem do conceito de eficiência informacional de mercados remonta à obra de Bachelier (1900). Extremamente precoce para a época, essa obra será resgatada décadas mais tarde, nos anos 60, após diversos trabalhos empíricos. Há duas definições acerca do conceito de eficiência. A original é dada por Fama (1970) e aponta para a completa incorporação de informações pelo sistema de preços; a segunda, dada por Ross (1987), é mais prática por identificar mercados eficientes pela ausência de arbitragem. O presente estudo apresenta proposições sobre ambas. Fama (1991) toma a Hipótese de Mercado Eficiente – HME, pela simples demonstração do preço de um ativo qualquer refletir toda informação disponível sobre o mesmo. Segundo o autor, isso ocorreria caso o custo de se obter essas informações fosse nulo. Contudo, o próprio autor sugere uma abordagem mais coerente com a visão econômica, na qual se assume que a informação será inserida no preço do ativo apenas quando o benefício marginal de se obtê-la superar ou igualar seu custo marginal. Nesse sentido, o preço do ativo reflete toda informação que compensa seu custo, satisfazendo a condição de Cmg inf = Bmg inf . Se esse preço for eficiente, a expressão Cmg inf ≤ Bmg inf é válida para todo agente informado. Caso contrário, é preferível para o agente se manter desinformado. Essa intuição condiz com o modelo de Grossman e Stiglitz (1980), no qual há custos para se observar o comportamento dos retornos. Se a informação tem custo, é plausível que ela deva ser rentável, no sentido de gerar algum benefício líquido, para que seja incorporada pelos preços. Assim, a primeira conceituação, que estabelece a eficiência na incorporação de toda informação disponível, poderia sofrer uma pequena alteração, sugerindo que não basta que a informação esteja disponível ao agente para que ela seja incorporada ao preço, é preciso que ela seja rentável no sentido de gerar algum benefício líquido. Outra definição de eficiência é dada por Ross (1987). Segundo o autor, a eficiência informacional de mercado pode ser mais bem definida pela ausência de oportunidades de arbitragem. Propõe-se, aqui, uma reformulação para essa segunda conceituação de mercados eficientes, redefinindo-a como ausência de oportunidades de ganhos anormais sistemáticos. 8 A eficiência de mercado é resultado da negociação, orientada por análises subjetivas de informações e viabilizada pela mobilidade do capital. Se o preço é exógeno ao investidor, ele servirá de parâmetro para a alocação ótima de recursos e o mercado será; em termos gerais, (...) um mercado cujos preços provêem sinais precisos para a alocação de recursos: ou seja, um mercado no qual as firmas tomam decisões de investimento e investidores escolhem dentre os ativos que representam a propriedade dos resultados econômicos das firmas assumindo que o preço do ativo ‘reflete completamente’ toda informação disponível [e rentável] a todo tempo. (FAMA, 1970, p. 383). Ademais, se o capital é capaz de migrar facilmente, ele sempre buscará a melhor oportunidade de investimento. Investidores e especuladores se valem dessa grande mobilidade de seus ativos para obterem ganhos expressivos através da arbitragem. Essa prática consiste na troca indireta realizada em dois ou mais mercados simultaneamente. O arbitrador atua, sem riscos, quando há descompasso (preços diferentes para o mesmo produto) entre os mercados. Apesar de Bruni e Famá (1998, p. 75) dizerem que “a arbitragem conduz ao equilíbrio dos preços [de ativos financeiros]”, o equilíbrio informacional de mercados de capitais é viabilizado não por arbitradores e sim por especuladores especializados. Atuar no mercado de ações é inerentemente arriscado e limitado. O investidor se baseia em informações que, teoricamente, afetam a capacidade das firmas de gerarem fluxos de caixa. Porém, isso pode não ocorrer efetivamente. A informação acerca do valor fundamental do ativo não gera um desequilíbrio em dois mercados distintos, nem no preço relativo dentro de um mesmo mercado. Essa informação apenas afeta a expectativa de retorno que pode ou não vir a ser realizada. Nesse sentido, a definição de eficiência de mercado dada por Ross (1987) como sendo a ausência de oportunidades de arbitragem pode ser readaptada como ausência de oportunidade de ganhos anormais através de inferências acerca de informações existentes. O investidor atua no mercado quando ele, subjetivamente, acredita que o preço de mercado não reflete seu valor fundamental. Sempre que um ativo estiver subvalorizado (cotação inferior ao valor presente do fluxo de renda futuro) investidores e especuladores que estiverem cientes da subvalorização comprarão esse ativo, forçando sua cotação para cima via aumento da demanda. Agentes de posse de informações privadas ou maior capacidade de análise, serão mais precisos ao avaliar o valor presente do fluxo de renda proporcionado pelo ativo e estarão propensos a comprar (vender) o ativo se o preço de mercado estiver abaixo (acima) do valor presente por eles estimado. Eles serão indiferentes caso esses valores forem iguais. Quando o preço de um ativo se descola para além 9 (aquém) de seu preço de equilíbrio – valor presente do fluxo de renda futuro que será revertido aos acionistas na forma de dividendos ou valorização das ações – os agentes cientes disso venderão (comprarão) esse ativo, forçando sua cotação de volta ao equilíbrio. A eficiência informacional é decorrência da racionalidade individual de agentes maximizadores e da livre alocação de recursos. As informações são incorporadas ao preço, portanto, através da busca de renda informacional por parte de agentes com talentos diferenciados ou informações assimétricas, que incorrem em risco devido à especulação. Salles (1991) argumenta que a difusão de informações se dá pela interferência dos analistas nos preços. Analistas se valem da capacidade de identificar o valor fundamental de um ativo ou de informações privadas para captarem retornos maiores2. Assim, pode-se também propor uma reformulação para a segunda conceituação de mercados eficientes. A ausência de oportunidades de arbitragem pode ser reformulada como ausência de oportunidades de ganhos anormais sistemáticos. Os ganhos no mercado acionário são obtidos, essencialmente, através da especulação, uma vez que a atuação no mercado de capitais é intermediada pela análise subjetiva de informações3; portanto, inerentemente arriscada e especulativa. O risco envolvido na compra e venda de ações motivada por informações não permite o uso do termo arbitragem que, por definição, envolve transações sem risco algum. 3.2 As três formas de eficiência informacional de mercado A HME é a adequação, à área de finanças, da Hipótese das Expectativas Racionais (doravante, HER), cujo primeiro formulador foi Muth (1961). A HME formaliza o conteúdo informacional de ativos financeiros. Ela possui três formas distintas, de acordo com o crescente conjunto informacional contido nos preços: a) forma fraca – toda informação sobre o preço da ação já está embutida nos preços históricos; 2 3 Fama et al. (1969, p. 18) argumentaram que “os maiores retornos decorrem de informação superior e talentos analíticos”. Os efeitos das alterações de variáveis fundamentais sobre os retornos são mensurados subjetivamente. 10 b) forma semi-forte – o agente maximiza sua informação, se valendo de toda informação pública relevante para estimar o preço da ação (o presente estudo investiga, especificamente, se informações sobre o tamanho das empresas já estão contidas no preço); c) forma forte – o preço incorpora toda e qualquer informação existente, seja ela pública ou privada. A seguir são analisados os pressupostos da forma fraca e estabelece-se uma relação entre a forma semi-forte e a Hipótese das Expectativas Adaptativas (doravante, HEA). 3.2.1 A forma fraca da HME A HME, em sua forma mais simples, pressupõe retornos independentes do calendário cronológico, conforme Fama (1991, p. 1578), “Na literatura pré-1970, o típico modelo de preço de equilíbrio usado em testes de eficiência de mercado assume a hipótese de que o retorno esperado é estacionário no tempo”. Estatisticamente, isso implica estacionariedade fraca, que prescreve observações independentes e pertencentes à mesma função de distribuição, cuja média e autocovariância (dois primeiros momentos) são constantes. Os preços, então, seguiriam um modelo de passeio aleatório, segundo a equação abaixo (LAMOUNIER, 2002): Yt = Yt −1 + ε t (1) onde Yt é o preço corrente; Yt −1 é o preço imediatamente anterior (que será o melhor estimador de Yt ); ε t é o termo de erro aleatório. Esse pressuposto se adequa a mercados onde os agentes olham o passado em busca de padrões de comportamento passíveis de serem replicados no futuro, ou seja, agentes que extrapolam e 11 perseguem a tendência (ciclo, sazonalidade ou volatilidade) passada. Desse modo, os agentes estimariam o preço futuro a partir da ponderação de observações passadas. Caso se verifique que o mercado brasileiro é eficiente na forma fraca, pode-se concluir que o preço das ações negociadas na Bovespa já contém toda e qualquer informação a respeito de sua própria série temporal, não sendo possível, portanto, traçar estratégias lucrativas a partir da série histórica dos preços. Essa forma de eficiência surge como conseqüência dos agentes interessados em estimar o preço futuro de uma ação a partir das cotações passadas, de modo a identificarem padrões na série de preços passíveis de serem replicáveis no futuro. O conjunto informacional referenciado na forma mais simples da HME é restrito e, por conseqüência, os agentes não estariam maximizando suas informações de modo a minimizarem seus erros de estimação; ou seja, eles estariam incorrendo em erros sistemáticos. Em um mercado eficiente apenas na forma fraca, os agentes utilizam apenas informações defasadas e só consideram os preços como reflexos do desempenho futuro do ativo. A economia está toda entrelaçada. As cadeias produtivas conectam setores e firmas distintas e a divisão do trabalho impõe a interdependência entre as mesmas. Supor, então, que exista uma variável econômica que reflita o desempenho econômico das firmas totalmente independente das demais é uma simplificação que limita a racionalidade dos agentes. Essa limitação pode ser vista no caso de um eventual anúncio de uma concordata da empresa. Apesar de a concordata afetar o fluxo de caixa futuro da empresa, os agentes que se valem apenas do histórico de preços não venderão suas ações, pois não serão capazes de antecipar a queda no preço das mesmas. Nota-se que, estimativas baseadas na análise de séries temporais não permitem revisão de expectativas, apenas correções ex- post4. Desse modo, não há antecipação dos efeitos de um evento qualquer que venha a afetar a lucratividade da empresa e há oportunidade de ganho anormal para aqueles agentes que utilizarem as demais informações desprezadas. Assim, o restrito conjunto informacional da forma fraca não condiz com a usual hipótese neoclássica sobre agentes econômicos maximizadores de utilidade. Agentes que se baseiam apenas no histórico de preços não maximizam o benefício das informações disponíveis. Nesse sentido, a forma semi-forte amplia a racionalidade dos agentes ao estender o conjunto de informações relevantes. 12 3.2.2 Hipótese das expectativas racionais e a forma semi-forte da HME Como dito anteriormente, a HME é a adequação, à área de finanças, da HER que, segundo Attfield et al. (1984, p. 11), formaliza como as expectativas de uma ampla diversidade de variáveis econômicas são formadas através de processos suficientemente repetidos ao longo do tempo. Segundo a HER, os agentes formam suas expectativas de acordo com a expressão: Et −1 (Yt ) = α 0 + α1Yt −1 + α 2 X t −1 + α1Z t −1 + ε t (2) onde X e Z são as demais variáveis que afetam e explicam o comportamento de Y ; Isso significa que a “expectativa racional de Yt formada no período t − 1 é a esperança matemática de Yt condicionada à [toda] informação disponível” (ATTFIELD et al., 1984, p. 16). Matematicamente, isso pode ser expresso pela equação abaixo: Et −1 (Yt ) = E (Yt / Inf t −1 ) (3) A HER provê a estimativa mais precisa possível acerca da variável de interesse, uma vez que sua projeção se desvia do valor real apenas na magnitude do resíduo da equação (2) que, por definição, é um termo aleatório, não previsível por qualquer método. Segundo a HER, os agentes econômicos são capazes de identificar, transcorridas as repetições necessárias, o processo que rege o comportamento da variável em questão. Assim, enquanto esse processo não mudar, “o valor real [da variável] Y será igual [na média] à predição ou expectativa de Y” (ATTFIELD et al., 1984, p.12). Isso sempre será válido, porque os agentes econômicos não maximizam apenas o lucro esperado, eles também maximizam as informações disponíveis (isso significa que eles irão buscar mais e mais informações relevantes até que o custo marginal de consegui-las se iguale ao seu benefício marginal5) de modo que todo investidor irá “usar [toda] informação disponível sobre o processo em questão quando for projetar alguma variável” (ATTFIELD et al., 1984, p.14). Caso contrário, o mesmo estaria incorrendo em erro desnecessário, não maximizando sua capacidade de predição. 4 5 O que contraria a evidência empírica de que, usualmente, os ajustes no preço precedem o anúncio. Aqui entendido como melhor capacidade de predição do valor futuro do ativo. 13 Em termos matemáticos, o processo gerador da variável é uma projeção baseada em outras variáveis independentes estatisticamente significantes, cujo valor é conhecido6 até o instante da projeção. Contudo, como há um intervalo de tempo entre a projeção e o período projetado, pode surgir um novo fato (choque), imprevisível até o momento da projeção, que impacte a variável de interesse. Assim, o termo ε t da equação (2) representa esse choque aleatório por definição, consistindo, assim, no erro estocástico que só será conhecido no instante da observação da variável de interesse. Assumen se que esse erro possui média zero. Assumir que a média do erro é nula ( E (∑ ε t −i ) = 0 ) implica dizer i =1 que o agente não tem viés em sua estimação, não cometendo erros sistemáticos. A variância geralmente é tida como constante. A variância mensura a magnitude dos erros (choques exógenos). Quanto menor for a variância, mais concentrados em torno da média zero serão os erros. Quanto maior a magnitude dos choques, maior a variância. Vale ressaltar que, em finanças, utiliza-se os modelos da família GARCH nos casos em que se identifica heterocedasticidade nas séries. Uma vez que o termo ε t da equação (2) é o elemento imprevisível (seja da conjuntura externa, seja de um escândalo de corrupção), seu valor só é conhecido no período t em que se faz a observação da variável de interesse. Portanto, não está contido nas informações disponíveis (com ou sem custo de obter informação) no período t-1, quando da estimação. Como não há padrão discernível em relação aos choques (erros) inesperados, a HER fornecerá a expectativa mais precisa e confiável possível sobre o valor da variável de interesse, nesse caso o retorno da ação. Se houver padrão nos choques, o agente apreende o processo que rege esses choques e o estima racionalmente. A regressão, então, seria: Et −1 (Yt ) = α 0 + α 1Yt −1 + α 2 X t −1 + α 1 Z t −1 + Et −1 (ε t ) (4) Observe que, mesmo assim, a projeção poderá incorrer em erro, pois ainda há um termo de erro estocástico, representado pelo termo Et −1 (ε t ) . Apesar dos modelos econométricos descritos acima para descrever a HER, há problemas para testá-la empiricamente. Para testar a HER, logo a forma semi-forte da HME, há que se especificar 6 Supondo que o efeito das mesmas sobre a variável de interesse não é instantâneo. Supõe-se, ainda, que seus valores se mantêm constantes até o momento da observação. 14 o processo estocástico de formação da variável de interesse, no caso, um modelo de precificação de ativos. Assim, HME sempre estará inserida num modelo qualquer (CAPM, por exemplo), de modo que os testes que visam testar a HME na verdade testam o conjunto. Segundo Fama (1991), isso impede que inferências precisas sobre o grau de ineficiência do mercado sejam feitas, ou seja, faz com que a racionalidade não seja estabelecida pelos testes existentes. Além desse problema amplamente destacado na literatura, podemos levantar a possibilidade de que o método de análise usado no estudo pode estar equivocado, tornando ainda mais ambíguas as inferências sobre o empirismo da TER e da forma semiforte. 3.2.3 Infactibilidade da forma forte O presente estudo assume como infactível a forma forte, posto que Grossman e Stiglitiz (1980) são categóricos em afirmar que a forma forte é apenas uma hipótese teórica impraticável. Eles construíram um modelo que formaliza a utilidade dos agentes se tornarem informados e mostraram que tanto a informação perfeita quanto a imperfeição total geram inconsistência no sistema de equações. Intuitivamente, isso ocorre porque, caso toda informação seja eficientemente inserida no preço de mercado, não há incentivos que induzam os agentes a buscar informações e inseri-las no preço; logo, as novas informações não serão incorporadas pelo sistema de preços. Os agentes econômicos são motivados a buscar apenas a informação ainda não incorporada no sistema de preços. Assim, se toda informação está contida no preço do ativo, nenhum agente se mantém informado; logo, ninguém mais insere informação e o sistema de preços se torna ineficiente. Todavia, o extremo oposto também é inconsistente. Se o sistema de preços não incorpora nenhuma informação, há fortes incentivos para os agentes buscarem informações (maior capacidade de predição) e atuarem no mercado balizados por essas informações; levando, assim, o sistema de preços em direção a algum grau de eficiência intermediária. Andersen (1984) também aponta para essa inconsistência, se valendo do arcabouço Keynesiano para dizer que as três condições para a eficiência de mercado dadas por Fama (1970) são necessárias, mas não suficientes. Ou seja, mesmo que não haja custos de transação; a informação esteja disponível sem custos para todos agentes e; as expectativas sejam homogêneas, o “conceito de 15 mercados eficientes [na forma forte] perde sentido, uma vez que é impossível definir com precisão a informação refletida nos preços” (ANDERSEN, 1984, p. 287). Além disso, há a prática empírica do bid-ask spread usada pelos dealers para se protegerem dos agentes com informações superiores. Copeland e Galai (1983) analisaram os determinantes da prática dos dealers de estipular uma cunha entre o preço de compra e venda em mercados financeiros organizados. Se uma das funções do broker é “manter o anonimato dos clientes que iniciam uma negociação” (COPELAND; GALAI, 1983, p. 1459), o dealer não distingue que agentes estão mais informados do que ele próprio. Assim, o dealer manipula essa cunha de modo a minimizar a expectativa de perda para agentes informados e maximizar a expectativa de ganho ao negociar com os demais. Se, mesmo em mercados organizados, o próprio dealer, que é quem confere liquidez aos papéis, sabe que alguns agentes são mais bem informados que ele, conclui-se que a eficiência informacional em sua forma forte não é verificada empiricamente. 3.3 O efeito tamanho O efeito tamanho, originalmente documentado por Banz (1981), consiste na evidência empírica de que empresas pequenas apresentam maior retorno médio do que as empresas grandes; evidência essa chamada de anomalia7 porque “não há motivo teórico que justifique uma proxy do tamanho da firma ter poder estatístico de explicar diferenças de retorno em uma cross-section, depois de controlada pelo risco” (CHAN et al.,1985, p. 464). O modelo de precificação de ativos - CAPM prediz que apenas o risco sistemático de uma ação é remunerado pelo mercado, nenhuma outra informação além do beta individual de cada ação é relevante para a formação de seus preços. Assim sendo, a existência do chamado efeito tamanho surgiria como uma anomalia ou uma má especificação do modelo CAPM, uma vez que as evidências empíricas acerca do efeito tamanho indicam “algum risco não medido, ou medido inadequadamente [pelo beta]” (CHAN et al., 1985, p. 464). Esse efeito também implicaria ineficiência de mercado, uma vez que os agentes não conseguiriam antecipar esse maior retorno. Depois da ocorrência suficiente do 7 Hazzan (1991) afirma que uma anomalia consiste em uma regularidade não explicada por modelos de risco/retorno ou por diferenças institucionais. 16 efeito tamanho, os agentes racionais deveriam ser capazes de revisarem suas expectativas e alterarem seus portfólios em direção às pequenas empresas (maior retorno esperado). Esse aumento da demanda por ações de firmas pequenas (queda na demanda por ações de firmas grandes) elevaria (reduziria) o preço dessas ações hoje, diminuindo (aumentando) o retorno futuro. Assim, o preço se alteraria no exato momento em que os agentes incorporam a informação acerca do efeito tamanho e o retorno futuro das empresas pequenas e grandes seria igual. Em função desses problemas, alguns trabalhos procuraram elucidar teoricamente o efeito tamanho. Fouse (1989) creditou o esse efeito ao problema da baixa liquidez das empresas pequenas. Ele argumentou que o investidor pode até estar ciente de determinada informação, mas a falta de liquidez característica da ação impede que ele atue no mercado e insira eficientemente sua informação. Caso isso seja verdadeiro, o efeito tamanho surgiria em função da preferência pela liquidez dos agentes racionais, sendo, portanto totalmente coerente com mercados eficientes. Em uma outra tese para explicar o efeito tamanho, Berk (1997) argumentou, que o efeito tamanho é conseqüência da proxy de tamanho utilizada. Assim, esse efeito não seria uma anomalia, pois; não há explicação teórica sobre o porquê de firmas pequenas gerarem retornos maiores porque nenhuma explicação é necessária [já que] a moderna teoria de finanças prediz que o valor de mercado da firma e seu retorno devem ter correlação negativa. (BERK, 1997, p. 12) Segundo Berk (1997), isso acontece porque não há definição formal acerca do tamanho das empresas. A proxy mais usual, o valor de mercado, consiste no fluxo de caixa futuro passível de ser gerado pela empresa, trazido a valor presente via taxa de desconto pela fórmula (DAMODARAN, 1997): t =n Valor = ∑ t =1 CFt (1 + d )t onde n é a vida útil do ativo; CFt é a expectativa de fluxo de caixa futuro da empresa no tempo t e; d é a taxa de desconto (risco) associado à cada empresa. (5) 17 O indicador valor de mercado, na verdade, comporta dois componentes: ele contém tanto o termo CFt que mede a capacidade esperada da empresa de gerar lucros no futuro (definição usual de tamanho) como também possui o termo (1 + d ) t , que mensura o risco referente à materialização desses lucros futuros (mensurado pela taxa de desconto). Desse modo, empresas com idêntica expectativa de lucros futuros (portanto, mesmo tamanho, via definição usual) podem vir a ter valores de mercado diferentes; basta que uma seja mais arriscada que a outra. A mais arriscada terá uma maior taxa de desconto e, portanto, apresentará um menor índice de valor de mercado. Berk (1997) investigou, então, o efeito tamanho utilizando três proxies distintas: vendas anuais, valor contábil e valor de mercado. Apenas o coeficiente do valor de mercado se revelou significante. Esse resultado não implica anomalia, apenas revela que o beta não mensura totalmente o risco do ativo que é remunerado pelo mercado. Pode-se explicitar isso matematicamente, por meio das equações: E ( Ri ) = γ 0 + γ 1 β i i = 1,..., N . (6) onde β i é o verdadeiro risco remunerado pelo mercado, Ri = τ 0 + τ 1βi + τ 2 LnSi + ui , i = 1,..., N . (7) onde LnSi é o logaritmo natural da proxy da variável tamanho; p lim τ 2 = γ 2ΓS2, LnS β ' (8) i onde p limτ 2 é a probabilidade limite do coeficiente angular em (7); e ΓS2, LnS β ' mede a proporção da variância residual de β i que é explicada por LnSi depois de i descontada a influência de β i . Desse modo, se [ LnSi ] contém pouca ou nenhuma informação nova sobre [ β i ] que não está já contida em [ β i ], então [ ΓS , LnS β ' ] e 2 i τ2 serão próximos de zero, independentemente de γ2 ser ou não 18 diferente de zero. Porém, se [ ΓS , LnS β ' ] é próximo de um, o valor de 2 i γ2 τ2 será próximo ao de e os testes baseados em [7] serão válidos (JEGADEESH, 1992, p. 340). Os resultados de Berk (1997) mostraram que o efeito tamanho surgia apenas quando a proxy utilizada era o valor de mercado. Isso sugere que LnSi contém informação nova e relevante, não contida em β i , apenas quando a proxy utilizada para medir LnSi é o valor de mercado, em decorrência do valor de mercado medir risco não captado por β i . Jegadeesh (1992), por sua vez, analisou as condições nas quais o efeito tamanho pode não ser diretamente observado. O efeito tamanho pode ser ocultado caso haja correlação entre a proxy de tamanho utilizada e o próprio beta ( ρ βS ≅ 1 ). Seja a especificação correta do modelo dada por: E ( Ri ) = γ 0 + γ 1β i + γ 2 Si i = 1,..., N . (9) onde Ri é o retorno do portfólio i no mês T testado; β i é o seu risco de mercado; Si é a proxy variável tamanho; Suponha, então, que a correlação entre o beta ( β ) e o tamanho ( S ) seja unitária, ou seja, ρ βS = 1 . Desse modo, o beta de cada ativo, β i , “sozinho explicará virtualmente toda diferenças encontrada na cross-section dos retornos esperados” (JEGADEESH, 1992, p. 339), mesmo que γ 2 ≠ 0 . Isso é “consequência da tendência geral de firmas pequenas terem betas de valores altos e grandes firmas terem betas de valores pequenos” (JEGADEESH, 1992, p. 343). No intuito de contornar tal problema, Jegadeesh (1992) montou portfólios com ρ βS pequenos em magnitude e verificou que sua amostra do mercado americano revelou a existência do efeito tamanho após essa correção, ou seja, “os resultados indicam que o efeito tamanho não pode ser explicado pelo beta” (JEGADEESH, 1992, p. 349). 19 4 METODOLOGIA 4.1 Teste de raiz unitária O teste de estacionariedade (auto-correlação) visa investigar se os preços passados de determinada ação influenciam no seu preço corrente. Isso é feito através da análise da auto-correlação dos resíduos da série temporal do preço e do retorno, ou seja, verificando se essas séries têm raiz unitária. Caso haja raiz unitária, pode-se afirmar que o (log do) preço corrente tem relação com os (logs dos) preços passados e que as observações passadas fornecem algum poder de previsão acerca dos preços futuros. Nesse sentido, ele é um teste do modelo de passeio aleatório. A estacionariedade estrita implica distribuição conjunta constante no tempo. Já a estacionariedade fraca, que alicerça estatisticamente o conceito de eficiência fraca, exige apenas que os dois primeiros momentos (média e autocovariância) sejam constantes ao longo do tempo. Os testes padrões para verificar-se o último tipo de estacionariedade são o teste Phillips-Perron (PP) e o DickeyFuller Ampliado (ADF). Como a hipótese nula de ambos os testes (PP e ADF) é a existência de raiz unitária, sua rejeição – valor absoluto da estatística τ (tau) superior ao valor crítico – revela que o processo é estacionário. Nesse caso, o erro é aleatório e decorre do surgimento de novas informações não previsíveis e o preço de hoje é o melhor estimador do preço de amanhã. Os testes descritos a seguir são rigorosos, do ponto de vista estatístico, para a verificação da possibilidade de não-estacionariedade da série (presença de tendência), assim como para identificar se a tendência é do tipo determinística ou estocástica. Um dos testes empregados é o conhecido como Teste de Dickey-Fuller Ampliado (teste ADF), que possui a forma geral (LAMOUNIER, 2002): Yt - Yt-1 = ∆Yt = µ + βt + (θ - 1) Yt-1 + p −1 ∑ φ k ∆Yt-k + εt k =1 onde ∆Yt é um operador de diferenças; µ e β verificam a presença de intercepto e tendência linear no modelo; θ verifica a presença de raiz unitária no processo; (10) 20 Yt e p representam o número de defasagens incluídos na equação, para incorporar a possibilidade de que Yt siga um processo auto-regressivo de ordem superior. Caso esses termos não sejam necessários, eles serão excluídos da equação sem nenhum prejuízo ao teste. O teste ADF testa, portanto, a hipótese conjunta µ = β = (θ - 1) = 0. Se (θ -1) = 0, a série possuirá raiz unitária e será considerada como um processo do tipo passeio aleatório. (...). Se µ ≠ 0, β = 0 e (θ -1) = 0, temse que a série apresenta raiz unitária e possui o componente determinístico de intercepto (drift), mas não possui tendência linear determinística, será então um processo do tipo passeio aleatório com intercepto. (...). Se µ ≠ 0, β ≠ 0 e (θ -1) = 0, tem-se que a série apresenta raiz unitária, possui o componente determinístico de intercepto (drift) e possui também a tendência linear determinística, será então um processo do tipo passeio aleatório com tendência linear e intercepto.(...). Para os casos em que (θ -1) ≠ 0, tem-se que a série não possui raiz unitária. (LAMOUNIER, 2002, p.22). Lamounier (2002) propõe o uso do Teste de Raízes Unitárias de Phillips-Perron ao invés do teste ADF, pois; o Teste de Dickey-Fuller Expandido (ADF) nem sempre é o mais indicado para a verificação da presença de raízes unitárias, pois se baseia no pressuposto de que os erros sejam não correlacionados e apresentam variância uniforme, ou seja, pressupõe que εt ~ N(0,σ2). (LAMOUNIER, 2002, p.23). Ainda segundo Lamounier (2002), o teste PP se baseia na equação abaixo, que pode ser estimada por MQO: ∆Yt = µ + ρYt-1 + εt (11) A hipótese nula a ser testada assume que a série Yt segue um processo do tipo passeio aleatório. Observa-se que o teste de PP não inclui termos de diferenças defasadas, ao contrário do teste ADF, mas também pode incorporar termos de tendência determinística e um intercepto. No entanto, deve-se especificar um termo chamado de defasagem de truncamento, que é relacionado ao número de períodos de correlações seriais que serão incluídas no modelo. Assim, o teste a ser empregado neste trabalho será o de Phillips-Perron. 21 4.2 Testes de validação do modelo de regressão O modelo CAPM utilizado neste trabalho foi estimado pelo Método dos Mínimos Quadrados Ordinários (MQO). Segundo Gujarati (2000), há 11 hipóteses implícitas nesse tipo de regressão (Modelo Clássico de Regressão Linear Normal), decisivas para a correta interpretação dos resultados, que dizem respeito à variável explicativa (prêmio pelo risco da carteira de mercado) e ao termo de erro. A primeira hipótese assume que a regressão é linear nos parâmetros. Essa hipótese é atendida pela teoria, pois o CAPM prediz que a relação risco/retorno é linear. Uma relação linear entre as variáveis é expressa por uma reta cujo coeficiente angular é constante e também linear. No presente estudo, o parâmetro a ser estimado é exatamente a inclinação da reta da relação risco/retorno. A segunda hipótese assume que a variável explicativa não é estocástica. Isso também é válido para o presente trabalho, pois a análise de regressão é condicional aos valores do regressor. A terceira hipótese estabelece que a expectativa de erro deve ser nula para que E (Yi X i ) = β1 + β 2 X i . Essa hipótese será testada através do teste de hipótese de média populacional igual a zero, µ = 0 . Se o valor-p for da estatística t definida a seguir (Gujarati, 2000) for suficientemente baixo, deve-se rejeitar a hipótese de média zero. ti = xi − µ δi (12) onde xi é a média populacional dos resíduos da regressão do portfólio i; δ i é o desvio padrão dos resíduos da regressão do portfólio i; A quarta hipótese é conseqüência das duas anteriores. Gujarati (2000) mostra que, se a variável explicativa não é estocástica e a média de erro é zero, a covariância entre o erro e a variável é nula por hipótese. Assim, isso será verificado indiretamente através do teste da terceira hipótese. A quinta hipótese assumida pelos MQO é a ausência de heteroscedasticidade, ou seja, assume-se que a variância dos resíduos é constante. Caso haja heterocedasticidade na série, o MQO não é eficiente e deve-se optar pelo método de Mínimos Quadrados Generalizados (GUJARATI, 2000). 22 Essa hipótese será investigada através do teste do modelo Auto-regressivo com Heterocedasticidade Condicional (ARCH), já que, segundo Gujarati (2000), há uma espécie de autocorrelação na variância dos erros de previsão em séries financeiras. O teste ARCH assume, em sua hipótese nula, que não existe heterocedasticidade de ordem q nos resíduo. Assim, um valor-p suficientemente baixo implica na rejeição da hipótese de homocedasticidade. O teste ARCH é implementado por meio da fórmula (E- views 4.1, 2002): q ε = β 0 + ∑ β sε t2− s + v s =1 2 t (13) onde ε t é o resíduo da regressão do CAPM. A sexta hipótese dos MQO, que assume erros não-correlacionados, será investigada por meio do teste de Breusch-Godfrey. O teste BG testa a existência de autocorrelação de ordem superior. Gujarati (2000) explica o teste BP, através da suposição de que o termo de erro siga um modelo autoregressivo de ordem p: ε t = ρ1ε t −1 + ρ 2ε t − 2 + ... + ρ pε t − p + vt (14) onde vt é puramente aleatório, com média zero e variância constante. A hipótese nula do teste BG assume que todos coeficientes auto-regressivos são nulos ( ρ1 = ρ 2 = ...ρ p = 0 ), ou seja, não existe autocorrelação dos resíduos de ordem alguma. A sétima hipótese assume que os resíduos da estimação por MQO apresentam distribuição normal. Isso é testado por meio do teste Jarque-Bera, que é assintótico (válido para grandes amostras); e possui a seguinte fórmula (GUJARATI, 2000): A2 (C − 3)2 JB = n + 24 6 (15) onde A representa o coeficiente de assimetria e C , o coeficiente de curtose dos resíduos de MQO. A hipótese nula assume que os resíduos tenham distribuição normal; simétrica ( A = 0 ) e cujo valor de curtose é igual a três. Assim, um valor-p alto significa que essa hipótese não foi rejeitada. 23 Um valor-p suficientemente baixo implica a rejeição da mesma, ou seja, indica que os resíduos não têm distribuição normal. Todos os quatro testes expostos anteriormente (estatística t, JB, ARCH e BG) terão como referência a estimação do CAPM para a série de retornos dos 15 portfólios montados de acordo com tamanho de cada empresa (Valor de Mercado, Valor Patrimonial e Lucro), durante todo o período. Ou seja, será investigado o comportamento da série de retornos dos portfólios baseados no tamanho durante todo o período de mar./1998 a ago./2004. A oitava hipótese diz respeito à correta especificação do modelo. Caso o modelo de regressão utilizado não esteja especificado corretamente, incorre-se no viés de especificação. O teste de efeito tamanho verifica a adequação do CAPM a essa hipótese. A nona hipótese dos MQO estabelece que são necessários suficientes graus de liberdade para a estimação da regressão. Essa exigência é atendida, uma vez que há, no mínimo, 146 g.l. para se estimar o intercepto e o beta. A décima hipótese diz respeito à variabilidade dos valores da variável explicativa. As regressões feitas aqui se basearam nos retornos diários de ações, cujos valores são altamente voláteis. A última hipótese estabelece que não deve haver multicolinearidade entre as variáveis explicativas. Isso não se aplica ao presente caso, pois o CAPM possui apenas uma variável explicativa. 4.3 Teste de efeito tamanho Segundo Damodaran (1997), a eficiência de mercado (em sua forma semi-forte) pode ser avaliada mediante estudos de eventos ou de carteiras. Como o objetivo desse estudo é avaliar se uma estratégia de negociação baseada em uma característica observável das empresas (no presente caso, o tamanho) pode levar a ganhos anormais, será empregado o estudo de carteiras. Nesse sentido, foi feita uma análise dos retornos médios (média aritmética simples) dos portfólios compostos por empresas grandes e pequenas pertencentes ao índice Ibovespa, segmentadas em cinco quintis. O primeiro quintil contém as 20% maiores empresas e o quinto, as 20% menores. O mesmo procedimento foi realizado com as empresas selecionadas por valor de mercado e, depois, por valor patrimonial, conforme Berk (1997), e por lucro. Ou seja, cinco carteiras de ações, baseadas no tamanho das firmas, foram criadas e 24 rastreadas ao longo do tempo para se verificar se, na realidade, há retornos anormais. O desempenho das carteiras foi avaliado através do modelo de precificação de ativos (CAPM). Hazzan (1991), afirma que o CAPM é centrado na hipótese de mercado homogêneo e na relação linear risco/retorno, além de pressupor indivíduos avessos ao risco que avaliam o trade-off entre risco e retorno. Assim, agentes racionais maximizam o retorno esperado e minimizam o risco de seus investimentos. Presume-se que todos os investidores possuem o mesmo horizonte de investimento e que eles criam a mesma expectativa a respeito do mesmo retorno esperado, das variâncias e das covariâncias; ou seja, suas expectativas são homogêneas. Além disso, o modelo pressupõe também a existência de um ativo livre de risco; que a informação é perfeita; que não existem impostos nem custos de transação; e que os ativos são divisíveis. Essa última hipótese permite que o investidor faça decisões marginais. O CAPM prescreve que apenas o risco não-diversificável é remunerado pelo mercado. Esse risco sistemático seria medido pela relação entre as oscilações do ativo e da economia, ou seja, pelo beta através da equação: E ( Ri ) = rf + β i (rm − rf ) i = 1,..., N . (16) onde r f é o retorno livre de risco; rm é o retorno de mercado; β i é o beta do ativo i . As proxies do ativo livre de risco e do retorno de mercado adotadas nesse trabalho foram a taxa CDI-over8 e o índice Ibovespa, respectivamente. Vale ressaltar que o Banco Central do Brasil, em sua resolução9 nº 2.829 de 03/30/2001, seção V, art. 46, incisos I e II, estabelece que essas duas variáveis são os parâmetros brasileiros para investimentos em renda fixa e variável, respectivamente. Para efeitos de avaliação de desempenho de portfólios baseados no tamanho das firmas, utiliza-se o indicador alfa de Jensen: 8 Do ponto de vista teórico, seria preferível utilizar-se a poupança como ativo livre de risco. Contudo, a base de dados aqui utilizada não permitiu seu uso. 9 www.fipecafi.com.br/cespa/arquivos/legislacao_previ/resolucoes_cmn/resolucao_cmn_2829_01.PDF, acessado em 27/09/2004. 25 E ( Ri − rf ) = α i + β i (rm − rf ) i = 1,..., N . (17) onde α i é o alfa do ativo i . O alfa avalia a habilidade de gestores de fundos de selecionar ativos para dentro de seu portfólio. Ele mensura quanto o prêmio pelo risco obtido por um portfólio foi superior ao prêmio predito pelo CAPM. O alfa pode assumir valores positivos, negativos ou nulos e pode ser ou não estatisticamente significativo. Alfas nulos ou não significativos indicam que o retorno do portfólio foi igual ao predito pela teoria. Alfas positivos (negativos) e significantes indicam que o retorno do portfólio foi superior (inferior) ao predito pelo CAPM. No presente estudo, o alfa foi o critério utilizado para comparar o desempenho de portfólios compostos por empresas grandes e pequenas, segmentadas em cinco quintis. O primeiro quintil contém as 20% maiores empresas e o quinto, as 20% menores. O mesmo procedimento foi realizado com as empresas selecionadas por valor de mercado e por valor patrimonial, conforme Berk (1997), e por lucro. O valor de vendas não foi utilizado, conforme Berk (1997), pois o mesmo estava disponível apenas para algumas poucas empresas; em seu lugar se utiliza o lucro. Espera-se encontrar valor estatisticamente nulo para o caso de inexistência de efeito tamanho. Caso haja o efeito tamanho, espera-se encontrar coeficientes sistematicamente positivos e significativos para o portfólio que contém as pequenas empresas e coeficientes sistematicamente estatisticamente negativos ou nulos para o portfólio que contém as grandes empresas. No caso de inexistência do efeito tamanho, espera-se encontrar alfas estatisticamente nulos para todos os portfólios ou algum alfa esporadicamente diferente de zero. Para se testar a hipótese de Jegadeesh (1997), a correlação entre o tamanho, no final de cada ano, de cada uma das ações e seu respectivo beta foi calculada. Em seguida, foi verificada a significância estatística do valor encontrado através da estatística t . A relação linear entre duas variáveis pode ser testada de diversas formas, mas se “o único objetivo de determinado estudo for determinar a existência de correlação, então a Equação [18] é a mais apropriada” (LEVINE et. al., 2000, p. 562). Assim, a existência de correlação significativa foi testada através da fórmula abaixo: t= r−ρ 1 − r2 n−2 (18) 26 onde a estatística t segue distribuição t com n − 2 graus de liberdade; n é o número de observações; r é o coeficiente de correlação encontrado e; ρ é o coeficiente de correlação da população. O valor - p da estatística t foi gerado pelo Excel a partir do comando distt. Como a hipótese nula desse teste assume que não existe correlação, p ≤ 0,10 indica que ρ ≠ 0 ao nível de 10% de significância. 4.4 O modelo GARCH-M Como dito anteriormente, a volatilidade de ativos financeiras parece apresentar autocorrelação (GUJARATI, 2000). Para contornar esse problema, estimou-se o modelo GARCH-M da seguinte forma: primeiramente estimou-se o CAPM tradicional, conforme equação (17). Posteriormente, estimou-se a volatilidade condicional por meio de um processo GARCH (1,1), conforme equação abaixo: p ht = w0 + ∑ φ ε i =1 2 i t −1 q + ∑ θ i ht − j + vt i =1 onde ht é a volatilidade condicional no tempo t; w0 é o termo médio da volatilidade condicional; φt é o componente auto-regressivo dos resíduos quadráticos (parâmetro ARCH); ε t2−1 é o quadrado dos resíduos do CAPM tradicional com uma defasagem; θ j é o parâmetro do componente auto-regressivo da volatilidade (parâmetro GARCH); ht − q é a volatilidade defasada na ordem q; vt é um processo ruído branco [N~(0,1)]. (19) 27 Em seguida, como último passo, a volatilidade condicional ht foi retornada à equação original – equação (17), formando um CAPM condicional, na medida em que incorpora o componente de variância condicional como variável explicativa dos retornos em excesso dos ativos. Assim, o novo modelo a ser estimado é o CAPM condicional, expresso pela equação: p q i =1 i =1 E ( Ri − rf ) = α i + βi (rm − rf ) + w0 + ∑ φiε t2−1 + ∑ θ i ht − j + vt (20) onde os dois primeiros termos representam o CAPM tradicional; os três últimos termos representam a volatilidade condicional ht estimada por um processo GARCH (1,1), a partir do quadrado dos resíduos do CAPM tradicional. Araújo et. al. (2003) afirma que a forma mais simples do modelo (ordem p=1 e q=1) é funcional para descrever o comportamento da volatilidade condicional de uma série temporal. Nesse sentido, por ser mais parcimonioso que modelos GARCH de ordens superiores esta formulação foi a utilizada para estimação do CAPM condicional caso se verifique presença de heterocedasticidade nos resíduos do CAPM tradicional. 4.5 Dados utilizados Os dados foram coletados junto à base de dados LAFIS, processados a partir do software EXCEL e analisados por meio do software E-VIEWS 4.1, 2002. Todas as empresas foram ordenadas, ano a ano, de 1998 a 2004, segundo o tamanho de cada uma no final do ano anterior. Foram usadas três proxies para medir o tamanho das firmas: o tradicional valor de mercado, bem como o valor contábil e o lucro. Os preços diários de fechamento das empresas e os indicadores (quantidade de ações, lucro por ação e valor contábil por ação, todos valores referentes ao final do ano). Ressalta-se que ambas informações (preços e indicadores) foram previamente deflacionados pelo IPCA e corrigidos para proventos pelo próprio site (www.lafis.com.br) onde essas informações foram coletadas. Todos os 28 preços foram baixados em 05/08/2004 e todos os indicadores, em 06/08/2004. O LAFIS disponibiliza apenas os dados referentes aos dias em que determinada ação é efetivamente negociada, sendo que não há valores (preço de fechamento) para os dias em que a ação não é negociada. Nesses casos, considerou-se que o retorno do ativo foi nulo na ausência de negociação, ou seja, os missing values foram preenchidos utilizando-se a última cotação anterior. Dito em outras palavras, nos dias em que não houve negociação de determinada ação, tomou-se como preço de fechamento o preço de fechamento do imediatamente anterior. Esse procedimento foi preferido à interpolação, pois a mesma assume que o mercado avalia o retorno médio (inconsistente com o uso de retornos diários). O valor de mercado de cada empresas foi calculado pela fórmula: pn pion,t .qion,t + pipn , t .qi , t (21) onde pion,t é a última cotação do ano da ação do tipo ON da empresa i no ano t ; pipn ,t é a última cotação do ano da ação do tipo PN, PNA ou PNB da empresa i no ano t , dependendo se a ação em questão é do tipo 4, 5 ou 6; q ion,t é a quantidade de ações do tipo ON da empresa i no ano t ; qipn ,t é a quantidade de ações do tipo PN da empresa i no ano t . O valor patrimonial e o lucro de cada empresa foram calculados multiplicando, respectivamente, o valor patrimonial por ação e o lucro por ação pela quantidade total de ações da empresa no final de cada ano. Inicialmente, foram selecionadas todas as 76 ações que participaram da composição da carteira teórica de setembro a dezembro do índice Ibovespa de cada ano entre 1997 e 2003 (TAB. 20, vide apêndice), no intuito de se evitar os problemas da pouca freqüência de transações. Isso porque a não-sincronidade na negociação diária das ações induz uma auto-correlação positiva num índice de ações formado por elas (...), principalmente quando a ação é pouco negociada, ao se estimar seu beta, a co-variância dos retornos dessa ação com os retornos do índice de mercado será subestimada, fazendo com que o beta também seja subestimado (COSTA JUNIOR et. al., 2000, p. 86-87). 29 Em seguida, foram excluídas, ano a ano, aquelas empresas cujas ações não tinham indicadores disponíveis sobre o ano anterior ao ano em análise. Assim, o número de ações analisadas em cada ano variou conforme a disponibilidade dos dados (indicadores de tamanho), como se vê na TAB. 1. TABELA 1 O tamanho das amostras anuais – 1998-2004 Ano 1998 1999 2000 2001 2002 2003 2004 N° de ações 25 38 43 58 62 67 64 Observações 194 246 248 246 249 249 147 Fonte: Resultados desta pesquisa Vale notar que os portfólios são montados anualmente contendo todas as ações pertencentes ao índice Ibovespa do final de cada ano, ou seja, o portfólio do ano t pode conter empresas que não compuseram o índice Ibovespa nos anos anteriores ou posteriores. Assim, evitou-se analisar apenas as ações sem interrupções durante todo o período analisado, mar./1998 a jul./2004, para não incorrer no viés de sobrevivência descrito abaixo: a eliminação, sem nenhum critério, destas ações [cotadas descontinuamente] pode acarretar algum viés durante a análise dos retornos ou outra variável em foco, pois estas ações poderiam apresentar certas características que poderiam alterar significativamente os resultados (COSTA JUNIOR; O’HANLON, 1991, p. 62). 30 5 RESULTADOS E DISCUSSÃO 5.1 Resultados do teste de estacionariedade Primeiramente, o teste de Phillips-Perron foi feito para as séries de retornos de todas as ações selecionadas. Verificou-se que, em todos os casos, rejeita-se a existência de raiz unitária para os retornos, mesmo ao nível de 1% de significância. Isso significa que os retornos apresentaram estacionariedade, o que condiz com a forma fraca da HME. Em seguida, o mesmo teste foi empregado para o nível de preços. A TAB. 2 mostra os valores-p encontrados nos testes de Phillips-Perron feitos para os níveis de preços de todas as ações selecionadas. Esses valores expressam a que nível de significância a hipótese nula (existência de raiz unitária) não pode ser rejeitada. Ou seja, se o valor-p for maior que 0.1, tem-se que não se pode rejeitar a hipótese nula ao nível de 10% de significância. O modelo de passeio aleatório prediz que os preços devem possuir raiz unitária, de modo que os mesmos sigam um passeio aleatório. Observe que apenas 07 valores não são significativos (em itálico) ao nível de 10% de significância. 31 TABELA 2 Teste PP para o nível de preços Ativo Ibov BBDC4 BRAP4 BBAS3 valor-p 0.6393 0.496 0.1071 0.9277 Ativo ITSA4 EBTP4 TSPP4 BRTP4 valor-p 0.8756 0.7189 0.6125 0.1041 Ativo TBLE3 BELG4 VCPA4 TMCP4 valor-p 0.7171 0.9997 0.9793 0.1605 Ativo BRKM5 CLSC6 CPSL3 TLCP4 valor-p 0.8174 0.0417** 0.9999 0.3923 BBAS4 0.0750*** SBSP3 0.2962 PALF3 0.2663 CGAS5 0.8563 PETR4 0.748 INEP4 0.0075 TCSL4 0.2475 DURA4 0.5928 CSNA3 0.9996 CRUZ3 0.9813 ELPL4 0.1132 EBEN4 0.0001*** GGBR4 1 ARCZ6 0.9415 CSTB4 0.9998 GETI4 0.7735 PTIP4 0.5133 TMAR5 0.2339 CRTP5 0.3322 PMAM4 0.1619 VALE5 0.9242 BRTO4 0.4088 TNEP4 0.1423 BMTO4 0.2017 ELET3 0.1351 BESP4 0.9028 BRDT4 0.6957 TDBH4 0.3272 PLIM4 0.6769 ELET6 0.1833 SCON4 0.9996 UNIP6 0.9999 ITAU4 0.6553 GEPA4 0.0181 USIM6 0.4118 TPRC6 0.2093 AMBV4 0.0488** TCOC4 0.3156 USIM4 0.9996 REPA4 0.0111** TLPP4 0.4789 USIM5 0.9996 KLBN4 0.5394 EMAE4 0.4809 TNLP4 0.1457 CMIG4 0.4722 LIGH3 0.1971 LIPR3 0.0022*** EMBR3 0.674 CPLE6 0.5242 ACES4 0.953 EMBR4 0.6814 CESP4 0.1489 TRPL4 0.4988 Fonte: Resultados desta pesquisa Nota: Ações ordenadas em função do Valor de Mercado médio do período analisado. *significância de 10% **significância de 05% ***significância de 01% No intuito de se confirmar a estacionariedade dos preços desses 07 ativos, o teste ADF foi empregado para essas mesmas 07 séries de preços. Em seguida, as séries de preços foram refeitas, utilizando-se a técnica de interpolação linear, ao invés de utilizar o preço anterior para os dias sem negociação, no intuito de se verificar se essa técnica poderia alterar os resultados. A TAB. 3 revela a posição de cada ação no ranking de valor de mercado médio do período e o p-value dos testes de raiz unitária, caso esse valor seja menor que 0.1, pode-se rejeitar a hipótese de que os preços tenham raiz unitária. Observa-se que, independente do teste de raiz unitária e da técnica utilizada para preencher os dias sem negociação, os preços dessas 07 ações são estacionários. Ainda, que esses resultados não são função do valor de mercado das empresas (medido aqui pelo VM médio de todo período), uma vez que essas ações pertencem a empresas de variadas posições no ranking de VM médio. 32 TABELA 3 Testes de estacionariedade complementares Ativo Testes de estacionariedade complementares BBAS4 AMBV4 INEP4 GEPA4 CLSC6 EBEN4 REPA4 Posição VM médio 4° ADF preço anterior PP interpolação 13° 23° 30° 55° LIPR3 60° 67° 69° 0,0683* 0,0459** 0,0032*** 0,0035*** 0,0365** 0,0006*** 0,0102** 0,0137** 0,0750* 0,0488** 0,0075*** 0,0113** 0,0022*** 0,0183** 0,0417** 0,0001*** Fonte: Resultados desta pesquisa Nota: * significância de 10% **significância de 05% ***significância de 01% Esses testes sugerem uma “janela de ineficiência”, ao passo que retornos superiores podem ser obtidos através de técnicas elaboradas para se produzir um melhor estimador. Contudo, isso se deve à baixa liquidez dessas 07 ações. A TAB. 4 mostra a participação percentual de cada uma dessas ações na carteira teórica do Ibovespa no final de cada ano entre 1998 e 2003 (as informações pertinentes ano de 2004 se referem ao final do primeiro semestre). O código nc (não cotada) indica que a ação não era negociada no ano correspondente e o código aus (ausente) indica que a ação não participou do índice Ibovespa em dezembro do ano correspondente. Observa-se que todas possuem liquidez muito baixa e estiveram ausentes do índice Ibovespa em pelo menos um ano. A REPA4, por exemplo, não participou do Ibovespa nenhuma vez entre 1998 e 200410. A BBAS4 foi a mais líquida dentre as 07, mas verificou-se que ela foi, em média, apenas a 37ª ação mais negociada na Bovespa entre 1998 e 200211. Assim, pode-se concluir que as ações não se comportaram conforme o modelo de passeio aleatório em função da baixa liquidez, ou seja, apesar de a “janela de ineficiência”, ela não pôde ser aproveitada. 10 11 Essa ação só participou da amostra analisada por que ela compunha o Ibovespa em dezembro de 1997. A BBAS4 não foi mais negociada a partir de 2003, como mostra a tabela 4. 33 TABELA 4 Testes complementares Participação na Carteira Teórica do Ibovespa do final do período - (em %) AMBV4 INEP4 GEPA4 CLSC6 EBEN4 REPA4 LIPR3 nc 1,3800 nc 0,6360 0,1470 aus 0,4830 aus 0,9090 0,7210 0,9730 aus aus aus aus 0,7050 aus 1,0840 aus aus aus 1,3810 0,3720 aus 0,4720 aus aus aus 1,7461 0,2013 aus 0,5351 aus aus aus aus aus aus aus aus aus aus 2,7900 aus aus 0,6430 aus aus aus 0,9862 0,5096 0,1202 0,6204 0,0210 0,0000 0,0690 Ano BBAS4 1998 2,2660 1999 1,5980 2000 0,9680 2001 1,3000 2002 1,4701 2003 nc 2004* nc Média 1,5204 Fonte: Bovespa Nota: A média aqui indicada se refere à média dos anos em que a ação era negociada na Bovespa, ou seja, os períodos assinalados por nc não foram contabilizados. * informações referentes ao final do primeiro semestre. 5.2 Resultados dos testes de validação do modelo de regressão A TAB. 5 mostra que as médias dos resíduos do CAPM tradicional, estimado por MQO, foram nulas (aproximação de três casas decimais). Os valores-p indicam aceitação da hipótese nula ( µ = 0 ) ao nível de 10% de significância para todos os casos, inclusive ao nível de 1%. Como conseqüência disso, tem-se que a covariância entre o termo de erro e a variável explicativa é nula. Ou seja, também se verificou a hipótese 04 dos MQO. TABELA 5 Teste de média dos resíduos nula Média dos resíduos Quintil Proxy*** 1 2 3 4 5 L 0,000 0,000 0,000 0,000 0,000 VM 0,000 0,000 0,000 0,000 0,000 VP 0,000 0,000 0,000 0,000 0,000 Fonte: Resultados desta pesquisa Nota: *** todas as médias foram estatisticamente nulas a 1%. 34 Contudo, na maioria dos casos, os resíduos das regressões por MQO não apresentaram variância constante nem ausência de autocorrelação. A TAB. 6 mostra os resultados do teste ARCH feitos para as séries de longo prazo. Verificou-se heterocedasticidade em 08 séries de resíduos, ao nível de 10% de significância (sendo que 07 casos suportam um nível mais restrito de 1%), ou seja, apenas cinco portfólios apresentaram resíduos homocedásticos ao nível de 10% de significância (em negrito). Gujarati (2000, p. 357) esclarece que a heterocedasticidade pode ser resultado de observações aberrantes. Assim, provavelmente esse resultado se deve, em parte, aos retornos aberrantes observados no ano de 1999 em todas as séries de retornos. TABELA 6 Teste de heterocedasticidade nos resíduos (defasagem: 01) Teste ARCH: valor p Quintil 1 2 3 4 5 Proxy Lucro 0.0000 0.0000 0.9728 0.0915 0.0004 V. Mercado 0.0000 0.0000 0.1143 0.8500 0.8174 V. Patrim. 0.1659 0.0000 0.9893 0.2565 0.0033 Fonte: Resultados desta pesquisa Nota: apenas os valores em negrito não foram significativos a 10% A TAB. 7 mostra os resultados do teste BG calculado em função da estimação do CAPM tradicional no período entre 17/03/1998 e 03/08/2004. Identificou-se que, em 11 dos quinze casos analisados, os resíduos apresentaram autocorrelação ao nível de 10% de significância (sendo que 10 deles suportam um nível mais restrito de 5%), ou seja, apenas quatro portfólios (em negrito) não apresentaram autocorrelação de ordem igual ou menor que três ao nível de % de significância. TABELA 7 Teste de autocorrelação dos resíduos (defasagem: 01) Teste BG: valor p Quintil 1 2 3 4 5 Proxy Lucro 0.0108 0.0763 0.0783 0.0001 0.0001 V. Mercado 0.0015 0.0028 0.0085 0.5968 0.0112 V. Patrim. 0.0000 0.0047 0.1422 0.1595 0.0001 Fonte: Resultados desta pesquisa Nota: apenas os valores em negrito não foram significativos a 10% 35 A TAB. 8 mostra os resultados do teste JB. Observa-se que os valores-p são nulos (aproximação de três casas decimais). Isso indica que, mesmo ao nível de 1% de significância, pode-se rejeitar a hipótese de que os resíduos tiveram distribuição normal em todos os casos. TABELA 8 Teste de normalidade dos resíduos Probabilidade do Teste JB Quintil Proxy*** 1 2 3 4 5 L 0,000 0,000 0,000 0,000 0,000 VM 0,000 0,000 0,000 0,000 0,000 VP 0,000 0,000 0,000 0,000 0,000 Fonte: Resultados desta pesquisa Nota: *** todos valores foram estatisticamente nulos ao nível de 1% de significância. Assim, os resultados apontam para o fato de que os MQO não são estimadores de variância mínima. Apesar de serem não-viesados e consistentes, os MQO não são eficientes para a análise das séries aqui estudadas. Isso significa que os modelos da família GARCH são mais apropriados (GUJARATI, 2000, p. 440). Nesse sentido, o CAPM condicional foi estimado a partir da estrutura do modelo GARCH, no intuito de incorporar os efeitos da volatilidade condicional e permitir uma estimação mais precisa dos parâmetros do CAPM, mais precisamente, do alfa. 5.3 Resultados do teste de efeito tamanho 5.3.1 Grupo de valor de mercado (VM) Após a estimação do CAPM condicional, não se verificou o efeito tamanho ao se utilizar, como proxy de tamanho, a variável valor de mercado. A TAB. 9 mostra que, no grupo de valor de mercado, todos quintis apresentaram alfa significativo a 10% no curto prazo. Contudo, essa significância não é recorrente, uma vez que ela ocorre apenas em um único ano isolado em cada caso. 36 Ainda, contrariando a predição do efeito tamanho, o quinto quintil (que comporta as menores empresas) apresentou a menor quantidade de alfas positivos (apenas um) e a única signficância encontrada foi para um alfa negativo, logo, o quinto quintil revelou o pior desempenho no curto prazo. No longo prazo, apenas o quarto e quinto quintil apresentaram alfas significativos. Contudo, o quinto quintil apresentou alfa negativo, o que indica seu pior desempenho também no longo prazo. TABELA 9 Alfas dos portfólios VM Quintis baseados no Valor de Mercado 1 2 3 4 5 Ano 1998 -0.0005 -0.0021* -0.0003 -0.0012 0.0018 1999 0.0006 0.0009 -0.0016*** -0.0001 -0.0012 2000 -0.0001 -0.0004 -0.0004 -0.0002 -0.0014 2001 0.0005 -0.0001 0.0005 0.0012 -0.0004 2002 0.0004 -0.0001 -0.0001 0.0007 -0.0018*** 2003 0.0006* -0.0004 0.0003 0.0010* -0.0004 2004 -0.0003 -0.0002 0.0001 0.0005 -0.0004 1998-2004 0.0001 -0.0001 0.0002 0.0008*** -0.0012*** Fonte: Resultados desta pesquisa Nota: *significância de 10% **significância de 05% ***significância de 01% A não existência do efeito tamanho não se deveu à correlação entre o tamanho e o beta12. A TAB. 10 mostra que houve correlação estatisticamente significativa (ao nível de 10%) entre o LnVM e o beta apenas em um ano. Mesmo assim, a correlação encontrada nesse ano é de apenas 0.25, ou seja, muito distante da unidade. Com isso, pode-se afirmar que o argumento de Jegadeesh (1992) não é válido para a amostra aqui analisada. TABELA 10 Correlação, ano a ano, entre LnVM e o beta Proxy 1998 1999 2000 LnVM 0.2533 0.1385 -0.1726 g.l. 23 36 41 Fonte: Resultados desta pesquisa Nota: **significância de 05% 12 Ano 2001 0.1652 56 2002 0.2510** 60 2003 -0.0617 65 2004 0.0748 63 calculado por meio da divisão da covariância do ativo com o mercado pela variância do mercado. 37 5.3.2 Grupo de valor patrimonial (VP) Após a estimação do CAPM condicional, observou-se que os portfólios baseados no valor patrimonial não revelaram alfas sistematicamente diferentes de zero, ou seja, não se observou o efeito tamanho quando o tamanho da firma foi calculado a partir do seu respectivo valor patrimonial. No curto prazo, três obtiveram alfa significativo a 10%. Contudo, o a significância dos mesmos é eventual, ocorrendo apenas em um ano isolado no caso dos quintis 03 e 04. O quinto quintil apresentou alfa significativo em dois anos, porém ambos se mostraram negativos. Além disso, o quinto quintil é o que possui o menor número de alfas positivos (apenas dois), e é o único portfólio a apresentar alfa negativo e significativo, ou seja, ele foi o que apresentou o pior desempenho no curto prazo. No longo prazo apenas os quintis 03 e 05 apresentaram alfas significativos. Porém, o alfa do quinto quintil apresentouse negativo; note que esse foi o único alfa negativo no longo prazo. TABELA 11 Alfas dos portfólios VP Quintis baseados no Valor Patrimonial 1 2 3 4 5 1998 -0.0006 -0.0008 -0.0018 -0.0013 -0.0023 1999 -0.0010 0.0002 0.0007 -0.0002 0.0013 2000 0.0002 -0.0002 -0.0002 0.0004 -0.0002 2001 0.0008 -0.0004 0.0008 0.0002 -0.0019*** 2002 0.0004 0.0003 0.0004 0.0000 -0.0025*** 2003 -0.0003 0.0001 0.0015** 0.0023*** 0.0008 2004 -0.0001 0.0011 0.0005 0.0004 -0.0001 1998-2004 0.0002 0.0001 0.0016*** 0.0003 -0.0007* Fonte: Resultados desta pesquisa Nota: *significância de 10% **significância de 05% ***significância de 01% Ano A TAB. 12 mostra que houve correlação entre LnVP significativa mesmo ao nível de 5% em quase todos os anos (a exceção foi a ano de 2000). Todavia, o sinal dessa correlação não foi homogêneo, pois em 2004 ela apresentou-se negativa. Além disso, apenas dois coeficientes foram maiores que 0,50. Jegadeesh (1992) argumentou que o valor dessa correlação deveria ser alto, próximo da unidade, para que o efeito tamanho fosse ocultado. Desse modo, esses valores parecem não ter 38 influenciado os resultados descritos anteriormente sobre a não existência do efeito tamanho nos portfólios baseados no valor patrimonial. TABELA 12 Correlação, ano a ano, entre LnVP e beta Proxy 1998 1999 2000 LnVP 0.6955*** 0.5513*** -0.1105 g.l. 23 36 41 Fonte: Resultados desta pesquisa Nota: *** significância de 1% ** significância de 5% Ano 2001 2002 2003 0.3261** 0.41831*** 0.3082** 56 60 65 2004 -0.3930*** 63 5.3.3 Grupo de lucro (L) Após a estimação do CAPM condicional, apurou-se que os portfólios baseados no lucro não revelaram efeito tamanho no curto prazo. A TAB. 13 mostra que quatro quintis obtiveram alfa significativo a 10%. Todavia, novamente a significância ocorreu em anos isolados. O quinto quintil, novamente, possui o menor número de alfas positivos (apenas três) e apresentou alfa negativo e significativo a 10% de significância; o que indica seu pior desempenho no curto prazo. Esse sugere que não há indícios de efeito tamanho no curto prazo. No longo prazo, porém, parece ter ocorrido o efeito tamanho de modo invertido. Os portfólios que continham as maiores firmas obtiveram alfas positivos e significativos a 10%; os alfas dos dois primeiros quintis foram significativos inclusive ao nível mais restrito de 5%. 39 TABELA 13 Alfas dos portfólios L Quintis baseados no Lucro 1 2 3 4 1998 -0.0006 -0.0004 -0.0051 -0.0020** 1999 -0.0003 0.0009 0.0008 0.0002 2000 0.0001 -0.0011* 0.0001 0.0002 2001 0.0010** 0.0004 0.0013 0.0006 2002 0.0006* 0.0005 0.0005 -0.0014** 2003 0.0002 0.0006* -0.0002 0.0004 2004 0.0002 0.0004 0.0004 -0.0001 1998-2004 0.0004** 0.0004* 0.0017*** -0.0001 Fonte: Resultados desta pesquisa Nota: *significância de 10% **significância de 05% ***significância de 01% Ano 5 -0.0027 0.0014 0.0001 -0.0010 -0.0019*** 0.0002 -0.0005 -0.0005 Ressalta-se que a magnitude desse efeito não foi alterada pela correlação13 entre lucro médio e o beta. A TAB. 14 mostra que essa correlação não foi estatisticamente nula (ao nível de 10%) apenas nos anos 2004 e 2000. Contudo, os coeficientes encontrados nesses anos foram menores que 0,50. Isso invalida o argumento de Jegadeesh (1992) em relação à amostra analisada nesta seção. TABELA 14 Correlação, ano a ano, entre L e o beta Ano Proxy 1998 1999 2000 2001 2002 L 0.0630 -0.0420 -0.2958* 0.0236 0.0255 g.l. 23 36 41 56 60 Fonte: Resultados desta pesquisa Nota: *** significância de 1% ** significância de 5% 2003 -0.1014 65 2004 -0.4011*** 63 5.4 Resultados dos componentes do modelo GARCH Após a estimação do CAPM condicional, verificou-se que 52 dos 105 parâmetros ARCH estimados anualmente foram significativos ao nível de 10% de significância (TAB. 18, vide apêndice). 13 A correlação entre a proxy L e o beta não foi calculada a partir do logaritmo da proxy, como nos outros casos, pois o lucro médio do quintil 05 foi negativo (TAB. 17, vide apêndice). 40 No longo prazo, todavia, observou-se que todos os parâmetros ARCH foram significativos ao nível de 1%, conforme tabela abaixo. Esse resultado indica que a volatilidade dos retornos pode ser modela pela defasagem dos resíduos. TABELA 15 Parâmetros ARCH estimados para 1998-2004 Quintis 1 2 3 4 5 Proxy*** Lucro 0.0049 0.0584 0.4736 0.0644 0.0465 V.Mercado 0.0317 0.0872 0.1004 0.0410 0.3880 V.Patrim. 0.1008 0.0472 0.1827 0.0114 0.0543 Fonte: Resultados desta pesquisa Nota: *** todos os parâmetros foram significativos a 1% O componente GARCH, por sua vez, se mostrou ainda mais significativo em todos os três grupos de portfólios montados. Dos 105 parâmetros estimados, 76 foram significativos ao nível de 10% (TAB. 19, vide apêndice). No longo prazo, todos os parâmetros GARCH se revelaram significativos ao nível de 1%, conforme tabela abaixo. Esse resultado indica que a volatilidade dos retornos pode ser modela pela sua própria defasagem. TABELA 16 Parâmetros GARCH estimados para 1998-2004 Quintis 1 2 3 4 5 Proxy*** Lucro 0.9926 0.9334 0.6392 0.9277 0.9521 V.Mercado 0.9650 0.9042 0.8822 0.9592 0.6692 V.Patrim. 0.8986 0.9483 0.9128 0.9875 0.9405 Fonte: Resultados desta pesquisa Nota: *** todos os parâmetros foram significativos a 1% 41 6 CONCLUSÕES Os testes de estacionariedade revelaram que 90% dos ativos negociados na Bovespa seguem o modelo de passeio aleatório, uma vez que os preços correntes são correlacionados com os preços passados e o mesmo não ocorre com os retornos. Sete ações revelaram preços estacionários, revelando oportunidades de ganho anormal. Contudo, essas ações tiveram baixa liquidez, o que sugere que essas oportunidades não seriam realizáveis. Assim, há evidências de que o mercado brasileiro seja eficiente na forma fraca. Os resíduos do CAPM tradicional mostraram-se heteroscedástico e, no intuito de se contornar esse problema, o CAPM tradicional foi estimado a partir da estrutura do modelo GARCH-M. Ao se estimar o CAPM condicional, verificou-se que a maioria dos parâmetros ARCH (1) e GARCH (1) foi significativa ao nível de 10% de signficância. Isso indica que a volatilidade dos portfólios estudados pode ser modelada a partir do modelo GARCH (1, 1). O teste de efeito tamanho, por sua vez, sugere que o mercado brasileiro é eficiente na forma semi-forte . Não se observou o chamado efeito tamanho ao se utilizar as proxies valor de mercado e valor patrimonial, tanto na análise de curto prazo (anual) quanto na de longo prazo (todo o período). Desse modo, pode-se afirmar hipótese de Berk (1997), que prediz que apenas o valor de mercado mensuraria um risco relevante, não foi verificada na amostra analisada. Isso também significa que os resultados de Romaro (2000), que encontrou evidências de um efeito tamanho invertido utilizando o valor de mercado como proxy, não foram replicados. A amostra por ele analisada revelou que as ações das empresas de maior valor de mercado obtiveram melhor desempenho do que as ações das empresas de baixo valor de mercado. Os resultados aqui apresentados não revelaram efeito tamanho nem para a variável valor de mercado nem para a variável valor patrimonial. Apenas quando se mensurou o tamanho através do lucro, é que se constatou essa anomalia. O “efeito lucro” encontrado teve sentido inverso, mas parece ter ocorrido apenas no longo prazo. Na análise de curto prazo, verificou-se que os quintis das firmas grandes obtiveram retornos anormais apenas em um ou, no máximo, dois anos isolados. Na análise de longo prazo, observou-se que os retornos anormais desses mesmos quintis não foram significativos ao nível de 10% de significância. 42 A hipótese de Jegadeesh (1992) a respeito da correlação entre o tamanho das firmas e o beta tampouco foi corroborada pelos dados aqui apresentados. Apenas 09 dos 21 coeficientes de correlação calculados foram significativos ao nível de 10% e desses apenas 02 foram superiores a 0,50 em magnitude. Assim, pode-se afirmar que realmente não ocorreu o efeito tamanho no período analisado; os testes mostraram que o valor de ρ βS não foi significativo a ponto de ocultar os efeitos da variável tamanho. Por fim, vale ressaltar uma limitação do teste realizado. A freqüência dos dados é apenas diária; o teste não capta, portanto, qualquer turbulência intradia. Considerando que o investidor não espera fechar o dia para atuar no mercado, recomenda-se estudos desenvolvidos com dados intradia, de modo a ampliar os resultados encontrados nesta pesquisa. 43 REFERÊNCIAS ANDERSEN, T. M. Some implications of the efficient capital market hypothesis. Journal of Post Keynesian Economics, v. 6, n. 2, p. 281-293, 1983-1984. ARAÚJO, D. L.; BRESSAN, A. B. E BERTUCCI, L. A. Análise do risco de mercado do agronegócio brasileiro: um estudo comparativo entre os modelos CAPM e GARCH-M. In: ENANPAD, 28°, Curitiba, 2004. Anais... Curitiba: ANPAD, set. 2004. ATTFIELD, C. L. F.; DEMERY, D. e DUCK, N. W. Rational expectation in macroeconomics: an introduction to theory and evidence. University of Bristol, Basil Blackwell, 1984. cap. 2. BACHELIER, L. Theory of speculation, 1900. In: COOTNER, P. (Ed.). The random character of stock market prices. Cambridge: MIT Press, 1964. p. 17–78. BANZ, R. The relantionship between return and market value of common stocks. Journal of Financial Economics, n.9, p. 3-18, 1981. BERK, J. B. Does size really matter? Financial Analyst Journal, p.12-18, Set./Out. 1997. BRUNI, A. L. e FAMÁ, R. Eficiência, previsibilidade dos preços e anomalias em mercados de capitais: teoria e evidências. Caderno de Pesquisas em Administração, São Paulo: PPGA/FEA/USP, v. 1, n. 7, p. 71-85, abr./jun. 1998. CHAN, K. C.; CHEN, Nai-fu; HSIEH, David A. An explanatory investigation of the firm size effect. Journal of Financial Economics, 14 , p. 451-471, 1985. COSTA JUNIOR, N. C. A.; O’HANLON, J. O efeito tamanho versus o efeito mês-do-ano no mercado de capitais brasileiro: uma análise empírica. Revista Brasileira de Mercado de Capitais, v. 16, p. 6174, 1991. COSTA JUNIOR, et. al. Estimação do beta de ações através do método dos coeficientes. In: ______. (Org.). Mercado de capitais: análise empírica no Brasil, Editora Atlas, São Paulo, 2000, p. 85-98. (Coleção Coppead de Administração). COPELAND, T. E. e GALAI, D. Information effects on the bid-ask spread. Journal of Finance, n. 38, p. 1457-1469, 1983. DAMODARAN, A. Avaliação de investimentos: ferramentas e técnicas para a determinação do valor de qualquer ativo. Rio de Janeiro: Qualitymark, 1997. 44 FAMA, E. F; FISHER, L.; JENSEN, M. C.; ROLL, R., The adjustment of stock prices to new information. International Economic Review, v. 10, n. 1, p. 1-21, fev. 1969. FAMA, E. F. Efficient Capital Markets: a review of theory and empirical work. Journal of Finance, v. 25, p. 383-417, 1970. FAMA, E. F. Efficient Capital Markets II. Journal of Finance, v. 66, p. 1575-1617, 1991, FOUSE, W. L. The small stock’s hoax. Financial Analysis Journal, v. 45, n. 4, p. 12-15, Jul/Ago. 1989. GROSSMAN, S. J. e STIGLITZ, J. E. On the impossibility of informationally efficient markets. The American Economic Review, v. 70, p. 393-408, jun. 1980. HARVEY, A. C. Time series models. 2ª edição. Nova York: 1993. 308p HAZZAN, S. Desempenho de ações da Bolsa de São Valores de São Paulo e sua Relação com o Índice Preço-Lucro. 1991. Tese (Doutorado em Finanças) – Escola de Administração de Empresas de São Paulo, Fundação Getúlio Vargas, 1991. JEGADEESH, N. Does market risk really explain the size effect?, Journal of Financial and Quantitative Analisys, v. 27, n. 3, p. 337-351, Set. 1992. LAMOUNIER, W. M. Comportamento dos preços no mercado spot de café do Brasil: análise nos domínios do tempo e da freqüência. 2002. Tese (Doutorado em Economia)- Universidade Federal de Viçosa, Viçosa, 2002. LEVINE, D. M.; BERENSON, M. L. e STEPHAN, D. Estatística: teoria e aplicações usando microsoft excel em português. Rio de Janeiro: LTC, 2000. MUTH, J. F., Rational Expectations and the theory of price movement. Econometrica, v. 29, n. 3, p. 315-335, julho 1961. ROMARO, P. O efeito tamanho na Bovespa: um estudo sobre os retornos e a volatilidade dos retornos dos portfólios de ações. 2000. Tese (Mestrado em Finanças) - Fundação Getúlio Vargas, Rio de Janeiro, 2000. ROSS, S. A. The interrelations of finance and economics: theoretical perspectives. AEA Papers and Proceedings, v. 77, n. 2, p. 29-34, maio 1987. SALLES, A. A. Eficiência informacional do mercado futuro do Ibovespa. In: ENANPAD, 15., Salvador, 1991. Anais... Salvador: ANPAD, set. 1991. p. 151-164. 45 APÊNDICE A – TABELAS TABELA 17 Tamanho médio dos portfólios VM Quintil 01 Quintil 02 Quintil 03 Quintil 04 Quintil 05 VP Quintil 01 Quintil 02 Quintil 03 Quintil 04 Quintil 05 Lucro Quintil 01 Quintil 02 Quintil 03 Quintil 04 Quintil 05 VM Quintil 01 Quintil 02 Quintil 03 Quintil 04 Quintil 05 VP Quintil 01 Quintil 02 Quintil 03 Quintil 04 Quintil 05 Lucro Quintil 01 Quintil 02 Quintil 03 Quintil 04 Quintil 05 Tamanho Médio dos Portfólios (em R$ 1,00) 1998 1999 2000 11.547.909.967 14.839.906.787 14.839.906.787 4.115.708 11.272.404 11.272.404 1.271.158 2.042.845 2.042.845 327.226 990.199 990.199 136.804 342.138 342.138 1998 1999 2000 86.405.077 64.180.849 50.545.612 11.481.113 9.863.615 8.986.236 5.044.928 3.075.105 2.807.793 1.916.305 1.111.020 1.250.763 639.353 485.423 487.005 1998 1999 2000 11.397.473 23.282.277 1.382.456 943.413 816.490 386.005 374.020 171.022 49.108 64.942 49.590 -116.959 -509.614 -248.590 -29.574.646 Tamanho Médio dos Portfólios (em R$ 1,00) 2002 2003 2004 20.305.263.705 14.912.318.275 26.496.766.334 5.765.456 5.757.734 8.893.870 2.190.493 1.851.946 3.745.708 965.596 940.864 1.871.405 297.397 241.471 605.095 2002 2003 2004 37.619.867 61.855.106 51.649.739 5.650.744 5.552.404 5.720.416 3.208.199 3.034.929 3.176.180 1.347.536 1.143.251 1.170.360 504.143 560.570 528.545 2002 2003 2004 6.336.708 2.488.285 19.102.897 605.568 379.774 922.727 157.858 27.390 334.076 19.989 -339.466 132.302 -567.898 -35.699.588 -148.543 Fonte: Resultados desta pesquisa. 2001 27.794.675.551 8.678.879 2.240.492 1.009.736 293.448 2001 40.773.621 6.727.232 3.006.847 1.377.536 558.867 2001 35.661.322 712.374 212.246 49.013 -418.311 Médias 3.453.488.386 17.255.599.773 8.834.849 1.899.335 829.340 278.632 15.036.215 60.476.290 9.264.549 3.483.668 1.413.906 542.662 2.234.181 17.930.882 714.571 201.599 11.647 -7.687.790 46 Tabela 18 Componentes ARCH Componente ARCH (1) - valor p Portfólios baseados no Lucro Ano 1 2 3 4 5 1998 0.2452** 0.1685 -0.0109 0.3334** 0.0315 1999 0.0890 0.0414 -0.0539*** -0.0072*** -0.0292 2000 0.0207 0.3697*** 0.1671** 0.0602 0.4038*** 2001 0.0510 0.1089 -0.0102 0.1705*** 0.0617*** 2002 0.3185*** 0.1377* 0.0233 0.0309 0.0795*** 2003 -0.0694*** 0.1459 0.2198*** 0.0346* 0.1078 2004 -0.0847*** 0.0721 0.0247 0.0055 0.0607 1998-2004 0.0049*** 0.0584*** 0.4736*** 0.0644*** 0.0465*** Portfólios baseados no Valor de Mercado Ano 1 2 3 4 5 1998 0.2455* 0.2231*** 0.0629 -0.0300*** 2.2708*** 1999 0.2310*** 0.0362 1.0689*** 0.4387*** 0.3819*** 2000 0.0377* 0.0867 0.1952** -0.0174*** 0.5147*** 2001 -0.0300*** 0.0946** 0.1405*** -0.0060*** 0.0377 2002 0.0970* 0.0265 -0.0225 0.0591 0.0999** 2003 0.1204** -0.0217 0.3508*** -0.0121 0.4752*** 2004 -0.0740* -0.0285 -0.0496*** -0.0723*** -0.0272 1998-2004 0.0317*** 0.0872*** 0.1004*** 0.0410*** 0.3880*** Portfólios baseados no Valor Patrimonial Ano 1 2 3 4 5 1998 0.0810 0.1391 -0.0097 0.0286 0.0186 1999 -0.0173*** -0.0232*** -0.0352*** 0.2597*** -0.0380*** 2000 -0.0146 0.1842*** 0.0347 0.0272* 0.1333 2001 -0.0467 0.0976 0.0720 0.0855 -0.0057*** 2002 0.0525 0.1069** 0.0245 -0.0345** 0.0436* 2003 -0.0424 0.0785 -0.0267 0.0638 0.0933 2004 -0.0246 0.4682** 0.0994 0.0873 0.2180 1998-2004 0.1005*** 0.0472*** 0.1827*** 0.0114*** 0.0543*** Fonte: Resultados desta pesquisa Nota: *significância de 10% **significância de 05% ***significância de 01% 47 Tabela 19 Componentes GARCH Componente GARCH (1) - valor p Portfólios baseados no Lucro Ano 1 2 3 4 5 1998 -0.0253 0.1567 0.6273*** 0.3606 0.1628 1999 0.6371* 0.9403*** 1.0132*** 1.0140*** 0.6374 2000 0.9128*** 0.2281* 0.2044 0.1096 -0.0165 2001 0.7386** 0.7206*** 0.5634 0.7629*** 0.8863*** 2002 -0.1212 -0.2775 0.4091*** 0.9265*** 0.9207*** 2003 1.0146*** 0.2157 0.6967*** 0.9199*** 0.0468 2004 1.0237*** 0.8062*** 0.8878*** 0.8904*** 0.7340*** 1998-2004 0.9924*** 0.9334*** 0.6392*** 0.9277*** 0.9521*** Portfólios baseados no Valor de Mercado Ano 1 2 3 4 5 1998 -0.0745 0.7502*** 0.8924*** 1.0272*** 0.1475** 1999 -0.1036 0.9451*** 0.1290** 0.4369*** 0.4837*** 2000 0.9386*** 0.4996 0.1880 1.0126*** 0.0481 2001 1.0179*** 0.7821*** 0.7396*** 0.8894*** 0.7613*** 2002 0.8661*** 0.7168 1.0161*** 0.5024*** 0.8648*** 2003 0.7244*** 0.8517*** -0.2129** 0.7972 0.2145 2004 1.0248*** 1.0145*** 1.0202*** 1.0332*** 0.9280*** 1998-2004 0.9650*** 0.9042*** 0.8822*** 0.9592*** 0.6692*** Portfólios baseados no Valor Patrimonial Ano 1 2 3 4 5 1998 0.8679*** 0.4965* 0.5846 0.6352 0.9118*** 1999 1.0072*** 1.0129*** 1.0131*** 0.6876*** 0.6074* 2000 0.6259 0.6968*** 0.9557*** 0.9358*** 0.7087*** 2001 0.5746 0.6708*** 0.7655*** 0.5940 1.0181*** 2002 0.8446*** 0.8195*** 0.8140* 0.3309*** 0.9411*** 2003 0.8087*** 0.8213*** 1.0121*** 0.8752*** 0.6861*** 2004 1.0185*** -0.1810 0.6900** 0.4842 -0.2738 1998-2004 0.8986*** 0.9483*** 0.9128*** 0.9875*** 0.9405*** Fonte: Resultados desta pesquisa Nota: *significância de 10% **significância de 05% ***significância de 01% 48 Tabela 20 As ações que participaram do Ibovespa entre dez./1997 e dez./2003 Empresa Acesita Ambev Aracruz Banco do Brasil Banco do Brasil Banespa Belgo Mineira Bradesco Bradespar Brasil Tel.Part. Brasil Telecom Braskem Brasmotor Celesc Cemig Cesp Cofap Comgas Copel Copesul Cosipa Crt Crt Celular Duratex Eben Electrolux Fonte: Bovespa Código ACES4 AMBV4 ARCZ6 BBAS3 BBAS4 BESP4 BELG4 BBDC4 BRAP4 BRTP4 BRTO4 BRKM5 BMTO4 CLSC6 CMIG4 CESP4 FAPC4 CGAS5 CPLE6 CPSL3 USIM6 CRGT5 CRTP5 DURA4 EBEN4 REPA4 Empresa Eletrobras Eletrobras Eletropaulo Emae Embraer Embraer Embratel Particip. Epte Ericsson Ger. Paranap. Ger. Tiete Gerdau Inepar Ipiranga Petroleo Itaubanco Itausa Klabin S/A Light Lightpar Net Paranapanema Paulista F. Luz Petrobras Petrobras BR Sabesp Código ELET3 ELET6 ELPL4 EMAE4 EMBR3 EMBR4 EBTP4 EPTE4 ERIC4 GEPA4 GETI4 GGBR4 INEP4 PTIP4 ITAU4 ITSA4 KLBN4 LIGH3 LIPR3 PLIM4 PMAM4 PALF3 PETR4 BRDT4 SBSP3 Empresa Sadia Concordia Sid. Nacional Sid. Tubarao Sid. Tubarao Souza Cruz Tef Data Bra Tele Celular Sul Tele Centro Oeste Tele Leste Celular Tele Nordeste Cel. Telebras Telebras RCTB Telemar Telemar N L Telemig Part. Telepar Celular Telesp Telesp Celular Part. Tractebel Transm. Paulista Unipar Usiminas Usiminas VCP Vale do Rio Doce Código SCON4 CSNA3 CSTB4 CSTB6 CRUZ3 TDBH4 TCSL4 TCOC4 TLCP4 TNEP4 RCTB41 Telebras RCTB TNLP4 TMAR5 TMCP4 TPRC6 TLPP4 TSPP4 TBLE3 TRPL4 UNIP6 USIM4 USIM5 VCPA4 VALE5