1

UNIVERSIDADE FEDERAL DE SANTA CATARINA UFSC CENTRO SCIO ECONMICO DEPARTAMENTO DE CINCIAS ECONMICAS

ELISA MARIA VOLPATO SIQUEIRA

OS FATORES QUE DETERMINAM O COMPORTAMENTO DAS AES EM POCA DE CRISE FINANCEIRA

FLORIANPOLIS, 2010

ELISA MARIA VOLPATO SIQUEIRA

OS FATORES QUE DETERMINAM O COMPORTAMENTO DAS AES EM POCA DE CRISE FINANCEIRA

Monografia submetida ao curso de Cincias Econmicas da Universidade Federal de Santa Catarina, como requisito obrigatrio para a obteno do grau de Bacharelado. Orientador: Newton C. A. da Costa Jr.

FLORIANPOLIS, 2010

AGRADECIMENTOS

Aos meus pais, Cludio e Mrcia, ao meu irmo, Eduardo, e minha av, Maria, por todo apoio e amor incondicionais a mim dedicados. Ao meu orientador Newton C. A. da Costa Jr., pela orientao e pacincia dispensadas durante a elaborao deste trabalho. Aos meus amigos, pelo simples fato de sempre estarem presentes.

UNIVERSIDADE FEDERAL DE SANTA CATARINA UFSC CENTRO SCIO ECONMICO DEPARTAMENTO DE CINCIAS ECONMICAS

A Banca Examinadora resolveu atribuir a nota .... a aluna Elisa Maria Volpato Siqueira, na disciplina CNM 5420 Monografia, pela apresentao deste trabalho, intitulado: Os fatores que determinam o comportamento das aes em poca de crise financeira.

Florianpolis, 07 de julho de 2010.

BANCA EXAMINADORA

Prof. Newton C. A. da Costa Jr Orientador

Prof. Flvia Cruz de Souza

Prof. Milton Biage

SUMRIO

RESUMO................................................................................................................................... 8 1 INTRODUO ..................................................................................................................... 9 1.1 TEMA E PROBLEMA....................................................................................................... 11 1.2 OBJETIVOS ....................................................................................................................... 11 1.2.1 Objetivo geral ................................................................................................................ 11 1.2.2 Objetivos especficos ..................................................................................................... 11 1.2.3 Justificativa .................................................................................................................... 12 1.2.4 Metodologia ................................................................................................................... 13 2 REFERENCIAL TERICO ............................................................................................. 15 2.1 A HIPTESE DOS MERCADOS EFICIENTES ............................................................. 15 2.2 TEORIA DE CARTEIRAS DE MARKOWITZ ................................................................ 16 2.2.1 Conceitos bsicos ........................................................................................................... 17 2.2.1.1 Risco ............................................................................................................................. 17 2.2.1.2 Risco sistemtico e risco no sistemtico.................................................................... 17 2.2.1.3 Retorno esperado ......................................................................................................... 18 2.2.1.4 Desvio-padro e varincia ........................................................................................... 18 2.2.1.5 Covarincia e correlao ............................................................................................. 19 2.2.2 Teoria de Markowitz ..................................................................................................... 19 2.3 CAPITAL ASSET PRICING MODEL (CAPM) .............................................................. 22 2.4 LIMITAES DAS FINANAS MODERNAS .............................................................. 25 2.5 NDICES FUNDAMENTALISTAS .................................................................................. 27 2.5.1 Anlise tcnica ............................................................................................................... 28 2.5.2 Anlise fundamentalista ................................................................................................ 28 2.5.2.1 ndices fundamentalistas ............................................................................................. 30 2.6 ANLISE MULTIVARIADA ........................................................................................... 33 2.6.1 Anlise discriminante ....................................................... 3Erro! Indicador no definido. 2.7 TERMMETRO DE KANITZ .......................................................................................... 37

3 COLETA DE DADOS, METODOLOGIA E RESULTADOSERRO! NO DEFINIDO.0 3.1 DESCRIO DA POPULAO E DA AMOSTRAERRO! DEFINIDO.0

INDICADOR

INDICADOR

NO

3.1.1 Variveis ............................................................................ Erro! Indicador no definido.1 3.1.1.1 Variveis dependente ..................................................... Erro! Indicador no definido.1 3.1.1.2 Variveis independentes ................................................ Erro! Indicador no definido.3 3.1.2 Escolha das principais variveis para anlise ................ Erro! Indicador no definido.5 3.2 A ANLISE DISCRIMINANTE....................ERRO! INDICADOR NO DEFINIDO.7 3.2.1 Comportamento estatstico dos dois grupos................... Erro! Indicador no definido.9 3.2.2 Determinao da funo discriminante ....................................................................... 52 3.2.3 Anlise dos pesos discriminantes ................................................................................. 53 3.2.4 Clculo dos centrides ...................................................... 5Erro! Indicador no definido. 3.2.5 Clculo do escore discriminante para cada ao ........................................................ 55 3.3 TERMMETRO DE RETORNO ...................................................................................... 58 3.3.1 Verificando o grau de preciso do modelo .................................................................. 59 3.3.2 Posicionamento das aes no Termmetro ................................................................. 62 4 CONCLUSO...................................................................................................................... 66 REFERNCIAS ..................................................................................................................... 68

LISTA DE TABELAS

Tabela 1 Amostra do Grupo 1 (Quintil Superior)..................................................................42 Tabela 2 Amostra do Grupo 2 (Quintil Inferior)...................................................................43 Tabela 3 - Estatstica Descritiva com Base na Amostra Inicial de 58 Aes...........................45 Tabela 4 Observaes Consideradas na Anlise....................................................................47 Tabela 5 Teste de Igualdade de Mdias................................................................................48 Tabela 6 Teste de Igualdades das Matrizes de Covarincia Boxs M...................................49 Tabela 7 Eigenvalues.............................................................................................................49 Tabela 8 Estatsticas Descritivas para cada Varivel de Acordo com os Grupos.................51 Tabela 9 - Coeficientes da Funo Discriminante No-Padronizada.......................................52 Tabela 10 Lambda de Wilks.................................................................................................53 Tabela 11 Multicolinearidade entre as variveis....................................................................53 Tabela 12 Coeficientes da Funo Discriminante Padronizada.............................................54 Tabela 13 Centrides dos Grupos..........................................................................................54 Tabela 14 - Classificao e escore discriminante de cada ao................................................56 Tabela 15 Mdia e Desvio-Padro dos Escores Discriminantes............................................58 Tabela 16 Verificando o grau de preciso do modelo...........................................................60

RESUMO

Dentre os diversos tipos de investimento existentes, h aqueles que apresentam maior risco e aqueles que oferecem menor risco. Neste sentido, no mercado de capitais, dada a predominncia de ativos de renda varivel, o fator incerteza bastante presente quando da tomada de deciso pelos investidores, de forma que quanto maior o risco assumido por eles, maiores sero os possveis retornos. Com o intuito de fazer um melhor aproveitamento do capital empregado, os investidores buscam analisar as melhores opes de investimento. Para tanto, utilizam-se diferentes mtodos de anlise, como a anlise fundamentalista, a anlise tcnica, e a Moderna Teoria das Finanas com foco no modelo de precificao de ativos (CAPM). Tem-se que, com base nestes mtodos, foram desenvolvidos tambm modelos com capacidade preditiva como o caso do Termmetro de Kanitz, aplicado na previso de falncias. A presente monografia, com metodologia similar de Kanitz pretende formar portflios de aes com base em seus retornos durante o perodo de junho de 2008 a junho de 2009 para, atravs da anlise discriminante, identificar quais so os ndices que melhor diferenciam o grupo composto por aes de altos retornos daquele composto por aes de baixos retornos e, assim, desenvolver um termmetro de retorno que auxilie os investidores no processo de tomada de deciso frente s possibilidades de investimentos. Aplicando-se esse procedimento, percebeu-se que o modelo apresentou um ndice de 96,6% de acerto, resultado considerado muito satisfatrio. Palavras Chave: Risco. Retorno. Investimento. Anlise Fundamentalista. CAPM. Anlise Discriminante. Termmetro de Kanitz.

1 INTRODUO

A crise financeira em que mergulhou o mundo no decorrer dos ltimos anos, caracterizou-se, priori, como sendo uma crise no mercado de crdito. O mercado de crdito, de acordo com Assaf Neto (1999, p. 91), tem como caracterstica principal suprir as necessidades de caixa de curto e mdio prazo dos vrios agentes econmicos, seja por meio da concesso de crditos s pessoas fsicas ou emprstimos e financiamentos s empresas. Porm, num mundo globalizado fatores estritamente creditcios desenvolvem-se e acabam por atingir a economia real e os demais segmentos do mercado financeiro, no caso em questo, o mercado monetrio, cambial e o de capitais. No que se refere ao mercado de capitais brasileiro, especificamente, este no deixou de sofrer os impactos da crise, causados em grande medida pela fuga de capitais externos. As captaes de recursos atravs de lanamento de aes e outros ttulos como debntures se tornaram mais restritas durante este perodo de agitao e a extrema volatilidade das cotaes fez com que investidores retirassem seu capital para aloc-los em investimentos mais seguros, ao mesmo tempo em que investidores potenciais adiaram sua idia de investimentos para quando a calma se restabelecesse nesses mercados. Este fenmeno derrubou mais ainda o preo das aes, causando perdas, o que levou a mais liquidaes de papis por parte de outros investidores e sensao de empobrecimento pela populao. Tendo isso em vista, num sistema em que os agentes so racionais, os investidores procuram estar atentos aos fundamentos de suas aplicaes de forma a aumentar seus lucros e fugir das possveis perdas. Para tanto, no que se refere ao mercado de capitais, seus usurios costumam fazer uso de anlises baseadas na avaliao das empresas em que desejam investir. Existem diversos mtodos atravs dos quais esta anlise pode ser realizada. O que ser neste trabalho considerado, o mtodo conhecido como anlise fundamentalista. A anlise fundamentalista tem como premissa principal estabelecer uma correlao entre o valor intrnseco das aes de uma empresa e o valor de mercado destas aes. Para atingir tal objetivo, a anlise fundamentalista faz uso da anlise de balanos que, a aplicao do entendimento analtico dedutivo sobre os valores dos elementos patrimoniais e suas inter-relaes, divulgados nas demonstraes contbeis de uma companhia, com o objetivo de alcanar um julgamento econmico-financeiro da sua conjuntura e do curso das suas operaes. A anlise de balanos, portanto, baseia-se em indicadores contbeis-

10

financeiros e de mercado para avaliar a continuidade financeira e operacional de uma determinada entidade. Contudo, estes indicadores no conseguem por si s avaliar o risco que os investidores tm em comprar as aes de uma companhia, ainda que consigam prever seu retorno. Para prever o risco, costuma-se utilizar o coeficiente beta que uma medida do risco sistemtico de uma ao, definido de acordo com o modelo de precificao de ativos de capital (CAPM) desenvolvido por William Sharpe (1964). No obstante, muitos autores atravs de estudos chegaram concluso que a teoria das finanas modernas, na qual inclui-se o CAPM, possui algumas limitaes que anteparam sua utilizao e validade, alegando que indicadores provenientes da anlise fundamentalista so to ou mais eficazes para explicar as variaes nas rentabilidades das aes, e sua relao risco-retorno. De acordo com Andrade (2004), com base em ndices provenientes da anlise fundamentalista tambm foram construdos modelos preditivos, nos quais uma cesta de informaes econmicas (ndices, etc) ponderada atravs de critrios estatsticos. Dentre estes modelos encontra-se o modelo de previso de falncia de Kanitz, pioneiro quanto ao estudo do tema no Brasil. Kanitz (1976) desenvolveu um mtodo estatstico capaz de classificar uma empresa, de acordo com sua sade econmico-financeira, enquanto solvente ou insolvente. A seu modelo chamou de termmetro de insolvncia, por meio do qual foi capaz de estimar uma funo discriminante denominada por ele como fator de insolvncia. O termmetro de insolvncia nada mais que uma escala que indica a situao em que encontra-se uma companhia. Assim, ao estimar o fator de insolvncia de cada empresa, podia classific-las em situao de solvncia, penumbra, ou insolvncia. Para isso, utilizou a tcnica da anlise discriminante, uma alternativa multivariada da tradicional regresso linear. Segundo Hair et al (2009), a anlise discriminante a tcnica estatstica adequada que permite verificar a que grupo de classificao pertence um determinado elemento. Seu objetivo estimar uma funo discriminante que possa realizar a distino em dois ou mais grupos previamente definidos e ainda fazer predies de ocorrncias de novos elementos.

11

1.1

TEMA E PROBLEMA

O tema desta monografia a comparao entre dois grupos de aes, um com retornos altos e outro com retornos baixos e mesmo negativos, durante o perodo que transcorreu a crise de hipotecas nos Estados Unidos, mas que repercutiu no mundo inteiro, atingindo profundamente o mercado de capitais. Dentro deste contexto, o problema central do projeto visa fornecer um alicerce para pequenos investidores, para que possam ter uma noo de quais so as caractersticas dos papis que melhor se sobressaem durante o perodo de crise, ainda que cada crise possua suas peculiaridades. Desta forma, o presente trabalho pretende analisar os portflios citados anteriormente, de forma a verificar quais as particularidades mais marcantes de cada um, servindo como guia de anlise para pequenos investidores e analistas.

1.2

OBJETIVOS

1.2.1 Objetivo geral

Estabelecer um modelo, baseado em estatstica multivariada ,para investir em aes, utilizando-se indicadores provenientes da anlise fundamentalista e o coeficiente beta, que sirva de auxlio aos investidores em suas tomadas de decises tanto durante as crises que assolam o mercado de capitais, quanto fora delas.

1.2.2 Objetivos especficos

Inerentes ao objetivo geral, apresentam-se os seguintes objetivos especficos: - Descrever, ponto a ponto, os principais conceitos da moderna teoria das finanas, at chegar ao modelo CAPM e ao coeficiente beta, que a ele est atrelado; - Apresentar uma explicao sobre o que so, e quais so as caractersticas fundamentais dos mtodos mais utilizados para anlise de aes, dando nfase anlise fundamentalista e relatando, assim como explicando seus principais indicadores; - Relatar o que a anlise multivariada e, dentro dela, a anlise discriminante; - Explicar o que o termmetro de Kanitz;

12

- A partir de aplicaes da anlise discriminante, elaborar um modelo de anlise de aes (termmetro) e avaliar seus resultados.

1.2.3 Justificativa

Para muito alm da atualidade do tema que trata da crise de hipotecas dos ltimos anos, os investimentos em Bolsa de Valores tm se tornado cada vez mais rotineiros entre a populao, principalmente a partir dos anos 90 quando passou a ocorrer uma maior mobilidade de capitais entre os pases. Neste sentido, o mercado que trata da distribuio e negociao de valores mobilirios apresenta um papel cada vez mais proeminente nas economias nacionais e internacionais, visto que o sucesso dos investimentos produtivos depende crescentemente da colaborao dos acionistas, seja enquanto aplicadores diretos de recursos, seja na forma de proporcionadores de liquidez e, assim, auxiliadores da continuidade e bom andamento do mercado de capitais. Logo, o interesse dos acionistas na participao dos resultados das companhias impulsionam o crescimento destas e, conseqentemente, da economia como um todo. Este desenvolvimento contnuo do mercado de capitais faz com que haja um aumento tambm crescente da competitividade entre os aplicadores que, com o intuito de maximizar seus ganhos e minimizar suas perdas, devem especializar-se o mximo possvel.
Um bom investimento aquele que o individuo escolhe, aps a anlise cuidadosa das informaes disponveis, como apropriado s suas preferncias em termos de risco e taxa de retorno, que, por sua vez, decorrem das caractersticas peculiares do indivduo quanto a poder de consumo, patrimnio e fluxo de caixa. (SANVICENTE e MELLAGI. 1988, p. 16)

Apesar desta observao do autor, ele ressalta ainda que as oportunidades em termos de risco e taxa de retorno so independentes das vontades prprias de cada um, sendo analisveis a partir de informaes previamente disponveis ou no. Estas anlises geralmente se do atravs de instrumentos prprios a este fim como, de acordo com Andrade (2004, p. 4) a anlise fundamentalista, a anlise tcnica e algumas variveis derivadas da Moderna Teoria das Finanas, como o coeficiente beta que ultimamente tem sido muito utilizado no Brasil. O aperfeioamento destes mtodos gera modelos de anlise visando atender objetivos especficos de avaliao, como o caso do termmetro de insolvncia de Kanitz, capazes

13

de aumentar as chances de diagnsticos bem sucedidos por parte dos investidores em relao aos papis em que desejam aplicar. A importncia das analises apropriadas destacada quando depara-se com momentos de crise no mercado de capitais, como foi o caso da crise de hipotecas surgida nos Estados Unidos, e que surtiu em implicaes calamitosas para as economias do mundo inteiro.

1.2.4 Metodologia

De acordo com Gil (2002) para considerar um conhecimento como sendo cientfico, no suficiente que ele seja verdadeiro, mas requer-se sua verificao atravs da identificao de operaes mentais e tcnicas que levem ao mtodo que possibilitou chegar a determinado conhecimento. Neste sentido, no tocante natureza, esta pesquisa tida como do tipo aplicada pois destina-se a auxiliar analistas e investidores no processo de anlise e tomada de deciso diante de suas aplicaes. J do ponto de vista da abordagem, uma pesquisa dedutiva, partindo de elementos gerais at atingir elementos particulares. Segundo Gil (2002, p. 32) o mtodo dedutivo parte de princpios reconhecidos como verdadeiros e indiscutveis e possibilita chegar a concluses de maneira puramente formal, isto , em virtude unicamente de sua lgica. Quanto ao eixo epistemolgico, foi adotado o enfoque emprico-analtico que tem como base a relao causal entre distintos eventos, enquanto que em relao tcnica, Teixeira (2005) define este enfoque como sendo aquele que faz uso de tcnicas de coleta, tratamento e anlise de dados de aspecto quantitativo atravs da aplicao de medidas e procedimentos estatsticos. Estes dados so coletados por meio de testes padronizados e questionrios fechados, apresentados na forma de grficos ou tabelas, de acordo com sua significncia estatstica.
A pesquisa quantitativa utiliza a descrio matemtica como uma linguagem, ou seja, a linguagem matemtica utilizada para descrever as causas de um fenmeno, as relaes entre variveis, etc. O papel da estatstica estabelecer a relao entre o modelo terico proposto e os dados observados no mundo real. (TEIXEIRA, 2005, p. 136)

Deve-se salientar ainda que a monografia no implica em originalidade de seu tema desde que, segundo Barquero (1979) apud Legat (2000), apresente algo novo seja em relao ao enfoque, ao desenvolvimento ou s concluses.

14

Para a realizao desta monografia, inicialmente foram levantadas as bibliografias existentes em relao ao tema, seguido da escolha da amostra a ser utilizada. A amostra foi composta por 144 aes listadas na Bovespa entre junho de 2008 e junho de 2009, e sua coleta se deu por meio do software Economtica. A partir da amostra foram separadas 59 aes, representadas pelas 20% com maior e menor retorno durante o perodo, respectivamente. Posteriormente, ainda com o auxlio do Economtica, coletaram-se as variveis que seriam utilizadas na aplicao do modelo, sendo elas, em sua maioria, variveis provenientes da anlise fundamentalista, alm do coeficiente beta derivado da moderna teoria das finanas. Tendo-se coletado os dados necessrios, e com base no modelo do termmetro de insolvncia de Kanitz, foi aplicada a anlise discriminante com a ajuda do software SPSS, cujo objetivo era estimar uma funo discriminante que, alm de separar as aes entre dois grupos (com alto retorno e com baixo retorno), poderia permitir analisar as caractersticas de cada um desses grupos, de acordo com as variveis coletadas. Desta forma, estimada a funo discriminante, foi possvel calcular o escore discriminante para cada uma das aes e, em seguida, calcular o ponto de corte que serviria para classificar as aes de acordo com os grupos, podendo assim, analisar o grau de preciso do modelo. Por fim, foi construdo um termmetro de retorno, a exemplo do termmetro de insolvncia de Kanitz, que permitiu classificar as aes entre as alternativas de alto retorno, baixo retorno, ou penumbra. Com este procedimento pde-se verificar se o modelo classificou corretamente as aes e, conseqentemente, apurar a viabilidade de sua aplicao na prtica. Maiores detalhes sobre a metodologia sero apresentados no captulo 3 desta monografia.

15

2 REFERENCIAL TERICO

No mercado de capitais, dada a predominncia de ativos de renda varivel, o fator incerteza bastante presente quando da tomada de deciso pelos investidores. Isto significa que devem ser determinadas no tempo t disposies sobre como ser o comportamento dos ativos num perodo t + 1. A incerteza, por sua vez, est diretamente relacionada a um segundo elemento, o risco. Logo, o risco de importncia fundamental no momento das decises de investimento dos agentes. Neste sentido, torna-se proeminente saber medi-lo e associ-lo a outras variveis, sendo a principal delas o retorno. Sinteticamente o que ocorre que geralmente existe uma recompensa por se assumir riscos, de forma que quanto maior for esta recompensa, maior ser o risco que se dever assumir para obt-la. Estes argumentos esto inseridos na chamada moderna teoria das finanas e este captulo se prope a apresentar seus principais modelos sendo eles: a hiptese de mercados eficientes, a teoria de carteiras de Markowitz, e modelo do capital asset pricing model (CAPM).

2.1 A HIPTESE DOS MERCADOS EFICIENTES

A hiptese dos mercados eficientes (HME) pressupe que o preo dos ativos reflete toda e qualquer informao disponvel no mercado, estando este preo baseado no consenso dos participantes do mercado sobre o seu futuro desempenho, de forma homognea. De acordo com Assaf Neto (1999), a HME no implica em que os preos dos ativos sejam perfeitos (preos iguais a seus valores reais), mas apenas que eles no sejam tendenciosos, ou seja, formados a partir de interesses individuais. Desta forma, a eficincia de um mercado ocorre quando a variao de seus preos est diretamente associada s novas informaes e no somente s passadas -, sejam elas referentes ao contexto econmico como um todo, setorial ou da prpria empresa. Ross, Westerfield e Jordan (1998, p. 229) afirmam que o que torna um mercado eficiente a competio entre os investidores. Muitas pessoas passam toda sua vida

16

procurando aes incorretamente avaliadas pelo mercado. De acordo com os autores, isto quer dizer que se uma pessoa estudar e conhecer mais de uma empresa do que outros investidores, ela poder beneficiar-se deste conhecimento e lucrar em cima dele. Assim, quanto maior a competio entre os agentes, mais eficiente ser o mercado, pois o esforo dos investidores far com que diminua a possibilidade de existncia de aes incorretamente avaliadas. Assaf Neto (1999) indica as hipteses mais importantes do modelo sendo elas: a) b) c) d) Nenhum investidor consegue alterar isoladamente os preos de negociao; Os agentes do mercado so racionais; As informaes so disponibilizadas a todos de maneira instantnea e gratuita; O modelo trabalha com a hiptese de que todos os agentes tm acesso

equivalente s fontes de crdito; e) f) Os ativos so perfeitamente negociveis e divisveis sem restries; As expectativas dos investidores so homogneas.

Nos estudos da HME comum distinguir-se trs formas de eficincia, sendo elas a forma fraca, semi-forte, e forte. Esta separao est relacionada ao tipo de informao que afeta a formao dos preos. Na forma fraca, o mercado apenas incorpora informaes passadas, tornando o mercado pouco eficiente, pois este tipo de informao facilmente encontrado. Geralmente baseia-se na srie histrica dos preos (como por exemplo, atravs da anlise tcnica de aes) identificando padres de comportamento destes. Na forma semi-forte, os preos do mercado congregam toda informao disponvel publicamente, seja ela nova ou passada. J a forma forte ocorre quando os preos refletem toda informao existente, pblica ou privada. Nesta forma de eficincia, o fato de apenas um indivduo ter uma informao privilegiada pertinente ao valor da ao j suficiente para alterar os preos do mercado.

2.2 TEORIA DE CARTEIRAS DE MARKOWITZ

A contribuio de Markowitz para a rea das finanas basicamente foi passar o foco da anlise do risco dos ttulos individuais para o risco de uma carteira composta por vrios ativos. Assim, sua premissa bsica girava em torno da tese de que o risco de um nico ttulo fora de uma carteira diferente de quando inserido nela.

17

Para elucidar sobre a teoria de Markowitz sero abordados alguns conceitos e se seguir um passo a passo para melhor explanao.

2.2.1 Conceitos bsicos

2.2.1.1 Risco

O processo de tomada de deciso relacionado ao investimento de recursos financeiros, est diretamente associado ao exerccio de previsibilidade do retorno que este investimento proporcionar. Principalmente ao se tratar de mercado de valores mobilirios, os investidores esto o tempo todo defrontando-se com situaes de risco e de incerteza quanto ao valor final de suas aplicaes.
Todas as teorias que abrangem a moderna teoria de finanas se preocuparam de alguma forma em mensurar o componente risco, de forma que os investidores, conheam antecipadamente quanto podem perder ao tomar uma deciso de investimento. (ANDRADE, 2004, p. 13)

importante salientar, neste contexto, a diferena entre risco e incerteza, por muitas vezes tidos como sinnimos pelos autores que estudam o tema. Esta distino tem a ver com o conceito de probabilidade que, para Assaf Neto (2003), nada mais do que a possibilidade de ocorrncia de um determinado evento. Assim, a incerteza ocorre quando as diversas probabilidades de retornos so desconhecidas, ao passo que o risco acontece quando h conhecimento por parte do investidor dessas probabilidades de retorno.

2.2.1.2 Risco sistemtico e risco no sistemtico

O risco pode ser separado em risco sistemtico e risco no-sistemtico. O risco sistemtico aquele que se faz presente em uma carteira de ttulos e que representa o risco inerente a uma combinao de dois ou mais ativos. Este risco no tem como ser evitado, mesmo que se realize uma diversificao de ttulos da carteira. O risco no sistemtico, por sua vez, aquele presente num nico ttulo conforme suas caractersticas individuais. Este risco possvel de ser diminudo atravs da insero do ttulo em uma carteira que possua outros ativos que apresentem baixa correlao entre si.

18

2.2.1.3 Retorno esperado

Sempre que da realizao de um investimento, os agentes buscam obter um retorno bom o suficiente a ponto de compensar o risco que estejam tomando em sua aplicao. No obstante, em nenhum momento lhes garantido que o seu retorno efetivo ser correspondente ao seu retorno esperado, ou seja, ao retorno que eles esperam atingir. Nestas condies, geralmente os investidores buscam aplicar seus recursos em ttulos ou carteiras que maximizem seus retornos ao menor risco possvel. Retorno esperado, portanto, o retorno que os investidores esperam alcanar mediante as probabilidades existentes, podendo este retorno esperado ficar tanto abaixo como acima do retorno efetivo do investimento. Neste contexto, importante ainda ressaltar a definio de prmio por risco. O prmio por risco nada mais do que a diferena entre o retorno esperado de um ttulo com risco, e o retorno de um ttulo com taxa livre de risco. Logo, um ttulo que apresente um alto risco deve possuir tambm, um alto prmio por risco.

2.2.1.4 Desvio-padro e varincia

O desvio padro e a varincia so medidas de disperso e tm como objetivo medir a variabilidade dos possveis resultados de retorno de um ttulo ou de uma carteira de ttulos em torno na mdia desses resultados. So, portanto, medidas de risco, de forma que quanto maior for essa variabilidade, maiores os riscos de o retorno efetivo distanciar-se do retorno esperado. Conforme Sanvicente e Mellagi (1988, p. 21) a idia bsica, nesse caso, obter uma mdia dos afastamentos dos diversos valores possveis da varivel, em relao ao seu valor esperado. A diferena entre o desvio-padro e a varincia que o primeiro a raiz quadrada do segundo, porm ambos apresentam o mesmo objetivo que medir a variabilidade dos possveis valores em torno de sua mdia.

19

2.2.1.5 Covarincia e correlao

A finalidade da covarincia determinar como que pares de ttulos relacionam-se entre si. Desta forma, diz-se que dois ttulos possuem covarincia positiva quando eles apresentam a mesma tendncia em relao taxa de retorno, de forma que quando um valoriza, o outro tende a valorizar-se tambm. Ao contrrio, uma covarincia negativa entre dois ttulos denomina uma relao inversa entre a taxa de retorno de dois ttulos, ou seja, quando um apresenta movimento de valorizao o outro apresenta movimento de desvalorizao. A correlao, por sua vez, ilustra o nvel de relao entre dois ttulos. De acordo com Assaf Neto (2003, p. 242): ... a correlao entre duas variveis indica a maneira como elas se movem em conjunto. O coeficiente de correlao pode variar entre -1 e +1, sendo que no primeiro caso indica uma correlao negativa, e no segundo uma correlao positiva.

2.2.2 Teoria de Markowitz

Tendo-se em vista os conceitos acima descritos, deve-se, num segundo momento traz-los para a hiptese de uma carteira de investimentos, e no mais consider-los em termos de ativos individuais. Assim, um investidor que queira alocar a melhor combinao de ttulos em sua carteira, far o possvel para que a combinao tenha um alto retorno esperado e um baixo desvio-padro. Para tanto, leva-se em conta a comparao entre o retorno esperado dos ttulos individualmente e o retorno esperado da carteira como um todo, fazendose o mesmo para o desvio padro dos ttulos isolados e o desvio-padro da carteira em si. O retorno esperado da carteira ser uma mdia ponderada dos retornos esperados de seus ttulos. Por outro lado, o desvio-padro da carteira, para a teoria de Markowitz, ser sempre inferior mdia ponderada dos desvios-padro dos ttulos que a compem. Neste sentido, para que se atinja o objetivo de o desvio-padro da carteira ser baixo, alm de praticar a diversificao de ttulos, estes ttulos no devem ser perfeitamente correlacionados, ou seja, eles podem ser tanto positivamente quanto negativamente correlacionados desde que esta correlao no seja perfeita. Neste caso, para que ocorra o efeito da diversificao, a correlao entre o retorno de dois ttulos deve ser menor do que 1. Conforme Ross, Westerfield e Jaffe (1995, p. 212) quanto menor for o coeficiente de correlao, mais forte

20

ser a mudana de direo da relao entre retorno e risco, ou seja, a diversificao intensificada medida que a correlao diminui. Um conjunto eficiente, neste sentido, seria um conjunto de oportunidades viveis de combinaes de ttulos, ou seja, combinaes possveis de mximos retornos esperados e mnimos desvios-padro para uma carteira. Graficamente isto demonstrado por uma curva que descreve as possveis combinaes entre dois ativos X e Y (no perfeitamente correlacionados), inseridos numa carteira, e a relao entre risco e retorno de cada uma das combinaes. O grfico 1 demonstra esta relao.

Grfico 1: Relao entre retorno esperado e risco paras as possveis combinaes entre dois ttulos.

Fonte: Elaborado pela autora.

O ponto M indica a carteira que possui o menor risco possvel, conhecida por carteira de varincia mnima. As carteiras que se distanciam dela em direo a X vo aumentando gradativamente seu retorno e tambm seu risco. Porm, as carteiras que oferecem um retorno esperado menor que o da carteira M so todas elas dominadas por esta carteira, pois ela j apresenta o risco mnimo em si mesma (se, por exemplo, o risco mnimo 1, e existem retornos de 1, 2, e 3 condizentes a este risco, todos os investidores vo preferir o retorno de 3, de maneira tal que os retornos de 1 e de 2 sero desprezados ou dominados pelo primeiro). As combinaes dos ativos X e Y que so consideradas ficam, ento, situadas entre o ponto M e o X, e esta curva conhecida como fronteira eficiente. A escolha da melhor carteira entre M e X, porm, fica a critrio do investidor conforme seja sua averso ao risco.

21

No caso de haver mais de dois ttulos, todas as combinaes de ttulos possveis estaro situadas em uma rea sombreada, indicando seus respectivos retornos esperados e riscos. Isto representado no grfico 2.

Grfico 2: Relao entre retorno esperado e risco paras as possveis combinaes entre vrios ttulos.

Fonte: Elaborado pela autora.

Mesmo no caso de haver vrios ttulos a questo central ainda baseia-se em torno de como o investidor vai escolher a melhor alternativa em condies de risco. Respondendo-se previamente a esta questo, sabe-se que o investidor racional sempre escolher uma carteira que maximize seu retorno esperado com o menor risco possvel. Estas possibilidades de investimento esto todas situadas na fronteira eficiente, pois para qualquer ponto situado dentro da rea sombreada pode-se aumentar seu retorno (elevando-o at atingir a fronteira eficiente) sem, contudo aumentar seu risco. Tambm o investidor racional poder optar em minimizar seu risco para um dado retorno esperado. Tem-se que, medida que mais ttulos vo sendo adicionados carteira, gerando-se a diversificao, o desvio-padro vai diminuindo. Porm, este desvio-padro nunca cair a zero e atingir um piso que correspondente ao denominado risco no diversificvel ou risco de mercado. Desta forma, o risco de um ativo composto pelo seu risco sistemtico (ou no diversificvel) e risco no sistemtico (ou diversificvel). Quando este ativo visto isoladamente deve-se levar em conta estes dois tipos de risco, mas quando o ativo faz parte de uma carteira de ativos bem diversificada, deve-se levar em conta apenas seu risco sistemtico ou no diversificvel, pois o outro tende a desaparecer com a diversificao.

22

Assaf Neto (1999, p. 248) sintetiza isto de forma sucinta ao dizer que O risco de uma carteira depende no somente do risco de cada elemento que a compe e de sua participao no investimento total, mas tambm da forma como seus componentes se relacionam entre si. importante salientar que risco e retorno esperado so positivamente relacionados. Assim, um aumento do retorno esperado de uma carteira verificado mediante o aumento de seu risco e vice-versa. Tendo isto em vista, e tendo calculada a relao entre risco e retorno esperado para diversas carteiras, o investidor, por meio de sua curva de indiferena (grau de averso ao risco), escolher a carteira que mais lhe agrada.

2.3 CAPITAL ASSET PRICING MODEL (CAPM)

O modelo de precificao de ativos, mais conhecido como CAPM (em ingls, capital asset pricing model) derivado a partir da teoria de carteiras de Markowitz e sua funo, basicamente, relacionar o risco de um conjunto de ativos ao seu retorno atravs do coeficiente beta.
O modelo de formao de preos de ativos, CAPM, apesar de ser uma criao dos anos sessenta, segue sendo atual e tendo adquirido ultimamente uma maior notoriedade, pois foi o principal motivo da concesso do prmio Nobel de Economia em 1990 a William Sharpe, Harry Markowitz e Merton Miller. Este modelo nasceu com os trabalhos pioneiros de Sharpe (1964), Lintner (1965) e Mossin (1966) e tem sido aprimorado desde ento, atravs de vrias extenses ao modelo original, para captar os diferentes aspectos do mundo econmico real. (COSTA JR., 1996, p. 3)

Para se especificar o significado e importncia do CAPM, torna-se til, primeiramente explanar sobre o que o coeficiente beta e suas propriedades. Pesquisas tm demonstrado que a melhor maneira de se medir o risco de um ttulo numa carteira diversificada o beta, ainda que a covarincia (ou correlao) tambm sirva para o mesmo propsito. Ross, Westerfield e Jaffe (1995) definem o beta como a medida de sensibilidade de uma variao do retorno de um ttulo individual variao do retorno da carteira de mercado. Os autores afirmam ainda que quando se pondera o beta mdio de todos os ttulos do mercado pela proporo entre o valor de mercado de cada ttulo, este beta igual a 1. Em outras palavras, o beta mdio de uma carteira ampla igual a 1. Assim, um ttulo que tenha um beta de 1,5, por exemplo, apresenta um risco maior do que a mdia de risco de uma carteira composta por todos os ttulos do mercado (carteira de mercado).

23

O beta pode ser assim expresso:

,

i =

Onde:

i = Beta do ativo i;
Cov (Ri, Rm) = Covarincia dos retornos do ativo i em relao aos da carteira de mercado;

(Rm) = Varincia dos retornos da carteira de mercado.

Tendo-se chegado ao conceito e explanao do que o beta representa, voltar-se- agora para o modelo CAPM propriamente dito. Para tanto, necessrio destacar suas hipteses bsicas, como em qualquer outro modelo. Costa Jr. (1991) apud Costa Jr. (1996), enumera estas hipteses: a) os indivduos tomam suas decises de investimentos baseados no valor esperado e varincia das distribuies futuras das taxas de rentabilidade; b) o mercado perfeitamente competitivo, ou seja, no existe custo de transao, no existe imposto e todos os ativos so infinitamente divisveis; c) os indivduos so racionais, avessos ao risco e maximizam sua utilidade esperada; d) os indivduos tm expectativas homogneas; e) existe um ativo sem risco, F, e todos os indivduos podem emprestar e tomar emprestado mesma taxa, RF; f) todos os indivduos tm o mesmo horizonte, de um perodo de tempo, para tomar suas decises de investimento. Como visto, a melhor medida entre o risco e o retorno esperado nesta situao o beta, e o retorno esperado de um ttulo deve estar positivamente relacionado ao seu beta. Graficamente, esta relao demonstrada pela reta do mercado de ttulos, representada no grfico 3.

24

Grfico 3: Linha de mercado de ttulos.

Fonte: Elaborado pela autora.

Ross, Westerfield e Jaffe (1995) destacam alguns argumentos importantes quanto a esta reta: a) Um beta igual a zero: Um ativo que possua beta igual a zero, na prtica no

possui risco e, portanto, seu retorno esperado igual taxa livre de risco RF. b) Um beta igual a um: Como observado anteriormente, o beta igual a um o beta mdio de uma carteira de ttulos (M). Como todos os ttulos possuem, neste caso, beta igual a um, todos eles possuiro tambm o mesmo retorno esperado, o retorno esperado da carteira (Rm). c) Linearidade: Por um lado, a linha de mercado de ttulos ascendente porque

quanto maior for o beta, maior ser o retorno esperado do ttulo. Por outro, a relao entre beta e retorno esperado do ttulo dado por uma linha reta. O motivo disto pode ser explicado observando-se o ponto Y, que tem um beta de 0,8. Este ttulo representado por um ponto abaixo da linha de mercado de ttulos. Porm, a carteira dominaria o ttulo Y porque possui retorno esperado maior, com o mesmo beta. O ttulo Z, por sua vez, tem um beta superior a um. Este ativo est oferecendo um retorno menor que o do mercado e um risco maior. Ou seja, o mercado est sobreavaliando este ttulo e quando isto for constatado ser promovida sua venda at que seu preo caia e o retorno esperado atinja a reta de SML. Esta carteira tambm deve situar-se na SML, dominando o ttulo Z. O que ocorreria seria que ningum iria investir apenas em Y ou em Z e seus preos cairiam, elevando retorno esperado de ambos os ttulos, at que eles se posicionassem sobre a SML. Neste caso observou-se duas aes sobreavaliadas. Caso elas estivessem subavaliadas

25

e, portanto, acima da SML, seus preos se elevariam at que seus retornos esperados situassem-se sobre a SML. d) Tanto carteiras quanto ttulos individuais: At aqui trabalhou-se o modelo

CAPM com ttulos individuais, porm a relao apresentada no grfico vlida tambm para carteiras e neste caso o beta dado pela mdia ponderada dos betas dos ttulos. Assaf Neto (1999) descreve sobre algumas aplicaes do CAPM na prtica. Segundo o autor o modelo bastante utilizado no campo das finanas permitindo determinar, a partir do retorno esperado, o risco do ativo. Em extenso, possvel tambm calcular o risco de uma carteira, fazendo com que o investidor selecione de maneira mais eficiente uma combinao de ativos de acordo com sua preferncia. O CAPM tambm oferece a oportunidade de se conhecer a taxa de retorno requerida pelos proprietrios de uma empresa, e aplicado em decises envolvendo oramento de capital. Assim, para companhias que operam com vrias unidades de negcio, pode-se estimar o retorno esperado para cada um deles, avaliando ao mesmo tempo seu desempenho econmico, principalmente no que diz respeito agregao de valor.

2.4 LIMITAES DAS FINANAS MODERNAS

As finanas modernas tm, conforme revisado em tpicos anteriores, a hiptese dos mercados eficientes como um de seus pilares de sustentao. Relembrando rapidamente o que esta hiptese representa, de acordo com Assaf Neto (1999, p. 227) um mercado eficiente entendido como sendo aquele que os preos refletem as informaes disponveis e apresentam grande sensibilidade a novos dados, ajustando-se rapidamente a outros ambientes. O CAPM vem justamente no sentido de corroborar a conjectura acima descrita, sendo considerado o modelo base da Moderna Teoria das Finanas. Observando-se o mundo real, no entanto, percebe-se que o CAPM e toda a teoria por detrs dele, dificilmente so aplicveis ao dia-a-dia dos mercados, devido em grande parte s hipteses restritivas do modelo. Tem-se neste sentido, que ao contrrio do que a teoria prega, os mercados no so perfeitamente competitivos, os indivduos nem sempre so racionais, assim como no possuem expectativas homogneas. Ao mesmo tempo os mercados no so eficientes de forma que nem todas as informaes so refletidas nos preos.

26

A partir destas constataes, nos ltimos 30 anos diversos pesquisadores trataram de realizar testes empricos para comprovar a validade do modelo e a utilizao do beta como varivel de medida de risco. De acordo com Costa Jr. et al (2008) existem trs argumentos centrais contra a utilizao do CAPM enquanto modelo bsico de medida de risco. O primeiro deles alega que pesquisas demonstraram a ineficcia do beta enquanto melhor medida de risco para ativos individuais, remetendo maior nfase para variveis macroeconmicas e fatores referentes ao preo das aes. O segundo declara que pesquisas empricas provaram que os retornos dos ativos so tambm influenciados por medidas de riscos no sistemticos. O terceiro argumento, por fim, assegura a inexistncia de relao sistemtica entre o beta e os retornos das aes, ou seja, o beta no serve enquanto medida de risco. Segundo Costa Jr. (1996), trabalhos recentes indicam que variveis provenientes da chamada anlise fundamentalista so mais eficazes no que diz respeito explicao das variaes nas rentabilidades das aes do que o CAPM, por mais que no existam teorias bem fundamentadas que expliquem esse fato. Para este autor, os principais indicadores fundamentalistas que explicam a rentabilidade das aes so: o valor de mercado, o ndice valor contbil/valor de mercado da ao, e o ndice preo/lucro e alavancagem. Ainda Fama & French (1992) e Chan et al (1991), atravs de seus trabalham, mostraram que o ndice formado pela razo entre o valor contbil e o valor de mercado da ao ainda mais significativo que o prprio beta. Fama & French (1992) por meio de seu trabalho estudaram 50 anos de cotaes mensais de preos de aes negociadas no mercado norte-americano e, atravs de regresses simples e mltiplas (testes multivariados), chegaram concluso de que existem quatro variveis alm do beta que explicam as variaes das rentabilidades mdias das aes, sendo elas: 1) valor de mercado ou tamanho (preo da ao x nmero de aes existentes); 2) ndice valor contbil/valor de mercado da ao; 3) ndice lucro por ao/preo da ao; e 4) alavancagem financeira (relao entre o capital de terceiros e capital prprio). Chan et al (1991) realizaram um estudo similar ao de Fama & French (1992), porm utilizaram dados no mercado de aes japons entre 1971 e 1988, tambm verificando a capacidade de explicao de variveis fundamentalistas sobre a rentabilidade mdia de aes. Os resultados de seus testes mostram que so significativos os ndices valor contbil/valor de mercado, e o ndice (lucro por ao + depreciao)/preo.

27

No que se refere ao mercado brasileiro, Costa Jr. & OHanlon (1991) e Costa Jr. (1995), comprovaram que a varivel valor de mercado das aes tem participao na explicao da rentabilidade mdia das aes, sendo esta varivel ainda mais significativa do que o beta, porm apresentando uma relao negativa. Fica explcito, a partir destes trabalhos, que o beta no a nica nem a melhor varivel explicativa da relao risco-retorno dos ativos, sendo que as variveis da anlise fundamentalista apresentam maior significncia neste sentido. De acordo com Andrade (2004, p. 21) uma das vantagens de utilizar os ndices fundamentalistas para explicar o retorno das aes que enquanto o beta tem que ser estimado, esses ndices podem ser observados diretamente atravs dos balanos das empresas.

2.5 NDICES FUNDAMENTALISTAS

Tendo-se conhecimento que as aplicaes em Bolsa de Valores so aplicaes de risco, os investidores desse mercado buscam analisar as melhores opes de aproveitamento do capital empregado. Cavalcante e Rudge (2009, p. 263) consideram que o sucesso do investimento em aes depende fundamentalmente da capacidade de anlise do investidor. Neste sentido, os investidores procuram avaliar o comportamento das empresas que possuem aes listadas na Bolsa de forma a minimizar seus riscos e maximizar seus ganhos.
Apesar do processo de deciso de investimento acionrio ser, muitas vezes, desenvolvido de maneira mais intuitiva, indispensvel para efeito de um posicionamento mais racional de mercado, que a aplicao financeira seja reflexo de uma avaliao mais formal desses ativos. (ASSAF NETO, 1999, p. 207)

Existem duas formas de se fazer este diagnstico, que so por meio da anlise fundamentalista ou atravs da anlise tcnica. As duas podem ser utilizadas tanto separadamente quanto em conjunto. Para os fins deste trabalho ser dado enfoque anlise fundamentalista, apenas revisando-se rapidamente a anlise tcnica, seus conceitos e objetivos. Isto ser feito devido anlise tcnica ser uma metodologia voltada principalmente ao curto prazo, s movimentaes imediatas e de carter especulativo, fugindo totalmente, portanto, da finalidade desta pesquisa.

28

2.5.1 Anlise tcnica

A anlise tcnica tem como objetivo principal mostrar como os preos das aes se comportam, utilizando-se de dados do passado para prever possibilidades de movimentos futuros e, assim, identificar oportunidades de operaes atraentes. Seu fundador foi Charles Dow que, atravs de sua teoria, constatou que o mercado move-se de acordo com tendncias indicadoras dos movimentos dos preos dos ttulos. Castro (1979, p. 166), define que as tendncias so definies de movimentos ascendentes (tendncias de alta) ou descendentes (tendncias de baixa) nos preos das aes. Assim sendo, antes de oscilaes de alta ou de baixa nas cotaes, sucedem-se formaes que apontam o que est por vir adiante, possibilitando a otimizao de entradas e sadas do mercado. Para Castro (1979, p. 166) as formaes so sinais que aparecem nos grficos devido s oscilaes nas cotaes. Esta anlise preocupa-se, portanto, basicamente com o movimento dos preos, deixando de lado fatores externos que possam vir a intervir na sua formao, assim como os motivos de suas oscilaes. Nesta perspectiva, tudo pode ser resumido em termos de preos e volumes negociados. Desta forma, estas oscilaes refletem basicamente as perspectivas da massa dos investidores em relao ao mercado, sejam elas positivas ou negativas. Os principais instrumentos utilizados para a previso das tendncias futuras so os grficos e os indicadores, que servem para presumir qual o melhor momento de venda e compra de ttulos no mercado.

2.5.2 Anlise fundamentalista

No mercado de aes um dos principais objetivos dos investidores saber quando que uma ao est cara ou barata para poder estimar o melhor momento de compra ou de venda seguindo, para tanto, a premissa de que o ideal comprar quando um papel est com seu preo baixo e vender quando este preo est alto. O que determina o preo das aes depende de muitos fatores. Geralmente no curto prazo ele determinado atravs dos movimentos de oferta e demanda, ao passo que no mdio e longo prazo costuma ser definido por meio das perspectivas e fundamentos no s da empresa a qual a ao pertence, mas tambm do cenrio setorial no qual a companhia se insere, macroeconmico, internacional, etc.

29

A hiptese bsica da anlise fundamentalista a existncia de um valor natural ou intrnseco para cada ao, valor este correlacionado diretamente com o desempenho da empresa. Desta maneira, fica claramente definido o campo de atuao deste tipo de anlise: as empresas, precipuamente, os setores nos quais elas se inserem, e a economia como um todo. (CASTRO, 1979, p. 167)

Em poucas palavras, a anlise fundamentalista o mtodo que preocupa-se em determinar qual o preo justo para uma ao. O preo justo calculado a partir das expectativas de lucros ou prejuzos futuros da empresa, e seu valor no um consenso perante os participantes do mercado, pois baseia-se em uma analise pessoal de cada integrante. Logo, os preos de mercado nem sempre so iguais aos preos justos que se calculam, podendo os preos de mercado estar subavaliados ou superavaliados. De uma forma geral, eles refletem a mdia das expectativas quanto ao preo justo que ocorre entre compradores e vendedores da ao. A anlise fundamentalista, portanto, tem como finalidade avaliar alternativas de investimentos por meio da estimativa dos resultados futuros das empresas atravs de anlises a respeito do desempenho e da situao econmico-financeira destas, associado ao exame do contexto macroeconmico e setorial em que a companhia est inserida. Processando essas informaes o investidor consegue projetar cenrios futuros, conhecer mais a respeito da empresa, seus planos de investimentos, capacidade produtiva, inovao, eficincia, modelo de administrao e traar resultados futuros a partir da anlise de suas demonstraes. De acordo com o embasamento terico da anlise fundamentalista, existe uma relao entre o valor intrnseco de uma ao e seu valor de mercado. O valor intrnseco, conforme Cavalcante e Rudge (2009, p. 117), o valor apurado no processo de anlise fundamentalista. Por outro lado, o valo de mercado seria o valor da cotao do papel na Bolsa de Valores expresso pela mdia das expectativas dos compradores e vendedores como j colocado acima. Assim, na prtica o que deve ocorrer uma compra quando o valor de mercado de uma ao situa-se abaixo de seu valor intrnseco, e uma venda quando o valor de mercado localiza-se acima do valor intrnseco. Tendo em vista ocorrncias desta natureza, torna-se imprescindvel a utilizao de instrumentos mais aprimorados e precisos quanto ao desempenho das empresas. Para tanto, existem os indicadores financeiros que baseiam-se nas demonstraes contbeis de cada companhia.

30

Os dados patrimoniais encontram-se expostos nos demonstrativos financeiros, sendo que estes tm como principal componente o balano patrimonial, seguido pelos demonstrativos de resultado e notas explicativas.
A anlise das demonstraes financeiras visa fundamentalmente ao estudo do desempenho econmico-financeiro de uma empresa em determinado perodo passado, para diagnosticar, em conseqncia, sua posio atual e produzir resultados que sirvam de base para a previso de tendncias futuras. Na realidade, o que se pretende avaliar so os reflexos que as decises tomadas por uma empresa determinam sobre sua liquidez, estrutura patrimonial e rentabilidade. (ASSAF NETO, 2003, p. 97-98)

2.5.2.1 ndices fundamentalistas

A seguir, sero descritos os ndices fundamentalistas mais utilizados, seus respectivos mtodos de clculo, e seus significados e interpretaes.

a) Os indicadores de mercado utilizados: i) ndice Preo/Lucro (P/L): P/L =

Este ndice retrata o prazo de retorno do investimento, expresso em anos. Em outras palavras, o tempo que o aplicador levar para receber de volta o valor que foi investido inicialmente. A princpio, quanto menor for o ndice P/L, mais recomendvel ser a compra do papel, porm um PL alto tambm pode representar boas potencialidades futuras. Tudo depende de uma anlise conjunta dos diversos indicadores. Um ndice P/L baixo representa tambm maior risco para o investimento na ao. O oposto ocorre para um ndice P/L alto.

ii)

ndice Preo/Valor Patrimonial (P/VPA): P/VPA =

Onde, VPA =

31

O preo/valor patrimonial demonstra quanto de patrimnio, em reais, cada acionista tem para cada ao possuda. Este ndice considerado pelas companhias como uma forma de verificar o valor de sua riqueza social.

iii)

Dividendo Yield (YD): YD =

O Dividendo Yield representa quanto, em porcentagem, do preo da ao foi distribudo em forma de dividendos, ou seja, quanto foi pago de dividendo por ao. importante lembrar que a porcentagem do lucro distribudo difere de empresa para empresa, assim como sua periodicidade.

iv)

Valor de Mercado Valo de Mercado = Cotao das Aes x Nmero de Aes

O valor de mercado nada mais que o valor que representa em quanto o capital prprio de uma companhia est avaliada perante o mercado. Matematicamente o produto da cotao das aes pelo nmero de aes disponveis no mercado.

b) Os indicadores financeiros utilizados i) Lucro por Ao (LPA): LPA =

o lucro lquido dividido pelo nmero de aes.

ii)

Rentabilidade do Patrimnio Lquido (RPL): RPL =

A rentabilidade do patrimnio lquido demonstra o percentual de retorno dos recursos investidos pelos acionistas da companhia. Assim, mensura quanto auferido de lucro para cada real (R$) aplicado em recursos prprios.

32

iii)

Margem Lquida (ML): ML =

A margem lquida uma medida de lucratividade da empresa que retrata qual o percentual de receita que resta aps a deduo de custos, despesas, impostos e juros. Assim, demonstra quanto resta de receita para as decises a serem tomadas pelos acionistas.

iv)

Endividamento Financeiro: EF =
.

O endividamento financeiro demonstra a dependncia da empresa em relao a recursos de terceiros para financiar suas operaes. Retrata, sobretudo, a capacidade da companhia de pagar suas obrigaes a longo prazo. A frmula retrata, assim a relao entre o capital de terceiros e o capital prprios. Quocientes exageradamente altos costumam denotar que a empresa tem chances de vir a falir, apesar que existem excees e essa regra no se aplica necessariamente a todas as empresas.

v)

Liquidez Corrente: LC =

A liquidez corrente tem como objetivo constatar a capacidade de pagamento da companhia no curto prazo e costuma ser considerado o melhor indicador da situao de liquidez de uma empresa. Assim, relaciona quantos reais a empresa dispe, imediatamente disponveis e conversveis no curto prazo, com suas dvidas tambm no curto prazo. Em outras palavras, indica quanto existe de ativo circulante para cada R$ 1,00 de dvida a curto prazo.

vi)

Liquidez Geral: LG =
. .

33

A liquidez geral se designa a verificar a sade financeira a longo prazo da empresa, indicando quanto, para cada R$ 1,00 de dvida (tanto a curto como a longo prazo), existe de bens direitos no ativo como um todo para saldar as dvidas. Deste modo, um valor referencial para este indicador, assim como para os demais indicadores de liquidez, 1, o que significa que se o resultado for maior do que 1, a empresa possui condies de pagar suas dvidas gerais, enquanto que se for menor do que 1, ela no possui tal condio.

vii)

Liquidez Seca: LS =
. .

Este indicador similar liquidez corrente, porm, para o seu clculo so subtrados os estoques do valor do ativo circulante. Este procedimento faz com que seja observada a capacidade de pagamento da empresa considerando apenas suas disponibilidades, ou seja, no caso do pagamento de suas dvidas, ela no conta com a venda de seus estoques.

2.6 ANLISE MULTIVARIADA

A anlise multivariada, de acordo com Hair et al (2009) uma extenso de anlises univariadas e bivariadas, e diz respeito ao conjunto de todos os mtodos estatsticos que examinam, simultaneamente, diversas variveis sobre indivduos ou objetos sob investigao. Na concepo dos autores, para ser considerada como anlise multivariada, as variveis envolvidas devem ser todas elas aleatrias e inter-relacionadas fazendo com que seus diversos efeitos no possam ser interpretados isoladamente. Logo, esta anlise tem como propsito explicar o grau de relao entre distintas variveis estatsticas. Dentro de uma classificao de mtodos multivariados, tm-se duas tcnicas, a de dependncia e a de interdependncia. As tcnicas de dependncias so aquelas nas quais uma varivel ou um conjunto de variveis so consideradas como dependentes e, portanto, devem ser explicadas atravs de outras variveis chamadas de independentes. Por outro lado, as tcnicas de independncia so referentes quelas em que nenhuma varivel deve ser explicada atravs de outra ou de outras variveis, de forma que todas so analisadas simultaneamente. Hair et al (1998) identifica 11 principais tipos de anlise multivariada: a) Anlise de componentes principais e anlise do fator comum;

34

b) c) d) e) f) g) h) i) j) k)

Regresso mltipla e correlao mltipla; Anlise discriminante; Anlise de varincia e covarincia multivariada; Conjoint analysis; Correlao cannica; Anlise de clusters; Ordenao multidimensional; Anlise de correspondncia; Regresso logstica; Modelos de equaes estruturais.

2.6.1 Anlise discriminante

A anlise discriminante, conforme descrito acima apenas uma dentre os diversos tipos existentes de tcnicas de anlise multivariada. Dentro destas tcnicas, segundo Hair et al (2009), a regresso mltipla a mais amplamente empregada, devido sua aptido em elucidar e presumir variveis mtricas. No obstante, quando trata-se de variveis no mtricas, a regresso mltipla torna-se inadequada, abrindo espao, ento, para a aplicao da anlise discriminante que lida justamente com variveis dependentes no-mtricas. Conceituando os termos variveis mtricas e variveis no-mtricas, tem-se que as primeiras so referentes a dados quantitativos utilizados quando indivduos diferem em quantia ou grau em relao a algum atributo. De acordo com Hair et al (2009, p. 25), variveis metricamente medidas refletem quantidade ou grau relativo e so apropriadas para atributos envolvendo quantia ou magnitude, como nvel de satisfao ou compromisso com um emprego. J as variveis no-mtricas, so aquelas que tratam de dados qualitativos e, ainda conforme Hair et al (2009, p.24), so medidas que descrevem diferenas em tipo ou natureza, indicando a presena ou ausncia de uma caracterstica ou propriedade. A anlise discriminante, portanto, tem como objetivo detectar quais so as variveis e categorias que explicam o motivo da localizao de uma entidade. Assim, busca encontrar a probabilidade de um indivduo ou objeto pertencer a um grupo ou a outro, de acordo com suas caractersticas, caractersticas estas representadas atravs de variveis mtricas independentes. Hair et al (2009, p. 222), em relao anlise discriminante, definem que em cada caso, os

35

objetos recaem em grupos, e o objetivo prever ou explicar as bases para a pertinncia de cada objeto a um grupo atravs de um conjunto de variveis independentes selecionadas pelo pesquisador. Logo, este tipo de anlise relaciona uma ou mais variveis dependentes no-mtricas com uma gama de variveis independentes mtricas. Quando as variveis dependentes dividem-se em dois grupos, a tcnica chamada de anlise discriminante de dois grupos, e quando consistem em trs ou mais classificaes chama-se de anlise discriminante mltipla. Este tipo de anlise procura esquadrinhar uma varivel estatstica. O significado de uma varivel estatstica discriminante bem definido por Costa (2003) apud Andrade (2004, p. 27) da seguinte forma: uma combinao linear de duas ou mais variveis independentes que possa, da melhor maneira possvel, separar ou discriminar dois ou mais grupos de observaes ou casos previamente definidos. Hair et al (2009) complementa, dizendo que a discriminao se d atravs do estabelecimento de pesos da varivel estatstica para cada varivel independente de tal maneira que maximize as distines entre os grupos. A varivel estatstica discriminante chamada de funo discriminante e esta funo serve para separar, da melhor forma possvel, as entidades entre os diferentes grupos. Assim, a anlise discriminante a tcnica estatstica adequada para verificar a que grupo de classificao pertence uma determinada observao. Para tal, faz-se uso da funo discriminante que estimada pela anlise. Quando se calcula a mdia dos escores discriminantes das entidades pertencentes a um determinado grupo, encontra-se a mdia deste grupo que, em termos estatsticos, chamada de centride. Desta forma, a quantidade de centrides igual quantidade de grupos envolvidos na anlise. A significncia estatstica da funo discriminante ocorre por meio de uma medida de distncia entre os centrides dos grupos, e calculada comparando-se as distribuies dos escores de cada grupo. Segundo Hair et al (2009, p. 225) se a sobreposio na distribuio pequena, a funo discriminante separa bem os grupos. Se a sobreposio grande, a funo um discriminador pobre entre os grupos.

36

Figura 1 Baixa sobreposio entre as curvas de distribuio.

Figura 2 Alta sobreposio entre as curvas de distribuio.

De acordo com Hair et al (1998) apud Andrade (2004), o bom emprego da anlise discriminante se d por meio do acompanhamento de seis estgios, a saber: a) Estabelecer quais so os objetivos da pesquisa; b) Selecionar as variveis dependentes e independentes; c) Estabelecer suposies quanto normalidade das variveis independentes e verificar se as matrizes de varincia-covarincia so iguais para os grupos; d) Estimao da funo discriminante; e) Avaliao da capacidade de classificao da funo discriminante; f) Avaliao dos resultados. Refere-se determinao da importncia de cada varivel na discriminao entre os grupos. g) Validao dos resultados. Refere-se validao cruzada (amostra para estimao e amostra para validao). Para se trabalhar com o modelo da anlise discriminante, Hair et al (2009) alertam para algumas condies que devem ser observadas em relao s variveis independentes, como normalidade multivariada, homogeneidade das matrizes de varincia e covarincia, ausncia de multicolinearidade e linearidade.

37

De acordo com Tabachnick e Fidell (2001) apud Antunes et al (2004, p.50) a normalidade multivariada significa que as variveis independentes formam amostras aleatoriamente escolhidas da populao e a distribuio de seus valores se aproxima de uma distribuio normal. Geralmente quando as variveis no seguem uma normalidade, aplicamse tcnicas de transformaes de forma a torn-las normais. No que se refere condio de homogeneidade das matrizes de varincia e covarincia, Hair et al (2009) explica que matrizes desiguais podem afetar de maneira negativa a classificao entre os grupos previamente definidos, pois a significncia estatstica do processo de categorizao dos elementos afetada adversamente, visto se tratar de grupos com grande disperso. A multicolinearidade, tambm conforme Hair et al (2009) significa que as variveis independentes esto correlacionadas, de forma que uma pode ser altamente prevista ou explicada pela outra, acrescentando pouco ao poder explicativo do conjunto. Finalmente, em relao linearidade das variveis, deve-se realizar transformaes caso essa condio no seja satisfeita, pois relaes no lineares no so refletidas pela funo discriminante.

2.7 TERMMETRO DE KANITZ

Com a evoluo contnua e importncia cada vez mais premente que o mercado de capitais vem apresentando no decorrer das ltimas dcadas no mbito das economias nacionais e internacionais, o processo de avaliao da situao empresarial dos mais diversos setores tem se tornado cada vez mais apurado e especfico. A anlise de balanos sempre ocupou posio de destaque neste sentido, auxiliando o processo de deciso atravs de seus indicadores e quocientes, sendo estes dispostos em grupos que avaliam uma empresa sob os mais diversos enfoques. No obstante, para alm das anlises tradicionais, existem tambm algumas outras com capacidade preditiva, que baseiamse em uma cesta de informaes ponderadas por critrios estatsticos. Dentre estas avaliaes de carter preditivo, encontra-se a anlise de insolvncia que, em uma descrio de Gabas (1990) apud Gimenes e Uribe-Opazo (2003, p. 46) trata-se de identificar, por meio de procedimentos estatsticos a relao funcional entre os ndices financeiros e o estado de solvncia ou de insolvncia de uma organizao.

38

De acordo com Bruni et al (1998) os estudos acadmicos relacionados ao fator insolvncia datam do final da dcada de 60, tendo como um de seus trabalhos pioneiros o do americano Altman (1968), sendo seguido posteriormente por diversas outras publicaes. No Brasil, os autores que se destacaram no estudo deste tema foram Kanitz (1976), Elizabetsky (1976), Matias (1978), o prprio Altman (1978) durante o perodo em que esteve no pas, Pereira (1983), Bragana (1985) e, finalmente, Matias e Siqueira (1996). No contexto nacional, o modelo de previso de falncias de Stephen C. Kanitz, do departamento de Contabilidade da FEA/USP, foi o pioneiro no que se refere ao assunto abordado, desenvolvendo um mtodo estatstico que classifica uma empresa de acordo com sua sade econmico-financeira. O modelo desenvolvido para previso de falncias foi denominado de Termmetro de Insolvncia, utilizando-se para tal, de um nmero reduzido de ndices financeiros. Conforme Andrade (2004), por meio de uma ponderao estatstica desses ndices encontra-se uma funo discriminante, denominada por Kanitz como fator de insolvncia. Tem-se, segundo Kassai e Kassai (1998), que: Fator de Insolvncia = (0,05X1) + (1,65X2) + (3,55X3) (1,06X4) (0,33X5)

Onde:

X1 =

Lucro Lquido Patrimnio Lquido Ativo Circulante + Re alizvel a Longo Pr azo Passivo Circulante + Exigvel a Longo Pr azo Ativo Circulante Estoques Passivo Circulante

X2 =

X3 =

X4 =

Ativo Circulante Passivo Circulante Passivo Circulante + Exigvel a Longo Pr azo Patrimnio Lquido

X5 =

39

Kassai e Kassai (1998) apud Andrade (2004) ressaltam que os coeficientes atribudos a cada indicador so resultado do tratamento estatstico dado pelo autor e no foram revelados em seu artigo. Estimado o fator de insolvncia, ser possvel prever a possibilidade que uma empresa tem a falir, enquadrando o fator no termmetro de insolvncia. Este termmetro nada mais do que uma escala que indica a situao na qual encontra-se uma companhia, podendo esta situao variar entre solvente, penumbra e insolvente. Neste sentido, numa escala numrica que varia de -7 a 7, o fator de insolvncia que situar-se entre os valores positivos (0 a 7) indica que a empresa solvente. Se o fator resultar num valor abaixo de -3, isso significar que a situao da companhia ruim e ela encontra-se em estado de insolvncia, podendo vir a falir. Se o fator encontrar-se num intervalo intermedirio (entre 0 e -3), isto indicar que a empresa situa-se em uma rea chamada de penumbra, na qual o fator de insolvncia no suficiente para indicar o estado que encontrase a companhia, porm, requer cuidado. Logo, observa-se que quanto maior for o fator de insolvncia, melhor ser a situao econmico-financeira da empresa. Naquela poca, incio da dcada de 70, Kanitz aplicou seu modelo nas 500 Melhores e Maiores empresas brasileiras. A empresa escolhida como a melhor do ano apresentava um fator de insolvncia igual a 10, enquanto que outra com fator igual a -2,6 pediu concordata no ano seguinte, com um fator de insolvncia igual a -7, conforme descreve Kassai e Kassai (1998, p. 3). importante salientar que o modelo de Kanitz foi desenvolvido a partir de uma amostra colhida na poca de sua constituio, de forma que, se o modelo fosse transportado para os dias de hoje, este no apresentaria o mesmo grau de preciso previsto h trs dcadas. A implicao disto incorre em que, mesmo fazendo-se uso do mesmo ferramental estatstico, deve-se calcular novos coeficientes para a estimao da funo discriminante utilizando-se, para tal, de uma amostra obtida a partir de dados atuais.

40

3 COLETA DE DADOS, METODOLOGIA E RESULTADOS

3.1 DESCRIO DA POPULAO E DA AMOSTRA

A populao utilizada como alvo da pesquisa foi constituda por todas as aes negociadas na Bovespa no perodo de 30/06/2008 a 30/06/2009, e disponveis no banco de dados do software Economtica. Aps a coleta destes dados, constatou-se que algumas empresas no apresentavam todas as variveis necessrias para a realizao da anlise, fosse por no possurem capital aberto no perodo estabelecido, ou por terem sido fechadas ou incorporadas, entre outros motivos. Por causa disso, essas empresas foram retiradas da amostra final. Assim sendo, selecionou-se uma amostra composta por 144 aes que apresentavam, no perodo estabelecido, os dados referentes aos indicadores escolhidos para a anlise, indicadores estes que serviram como variveis explicativas do modelo. Dentre essa amostra de 144 aes, foram destacadas as 20% mais rentveis (quintil superior) e as 20% menos rentveis (quintil inferior), e os resultados foram arredondados para cima, de forma que cada grupo apresentasse 29 aes, durante o perodo de 30/06/2008 e 30/06/2009. Este procedimento deveu-se ao fato de a anlise discriminante apresentar resultados estatsticos mais significativos quando aplicada sob grupos do mesmo tamanho ou de tamanhos prximos. No presente caso, os grupos eram compostos por 110 empresas com rentabilidade negativa, e 34 com rentabilidade positiva, ou seja, os grupos apresentavam tamanhos bastante dspares. A escolha do perodo determinado para anlise justificada com base no momento de pico do ndice Ibovespa antes da crise de hipotecas nos Estados Unidos, a partir da qual o ndice caiu drasticamente. Assim sendo, tem-se, de acordo com dados do site da Bovespa que o pico do Ibovespa foi em maio de 2008, quando atingiu 73.516,81 pontos. J nos meses de junho de 2008 e junho de 2009, os picos foram de 71.897,25 pontos e 54.486,29 pontos, respectivamente. Escolheu-se o perodo de um ano pois geralmente os indicadores utilizados no modelo so calculados com base nos balanos que so divulgados at o final do ms de maro de cada ano. E para garantir que os dados utilizados tenham realmente sido publicados, utilizou-se o ms de junho, pois caso contrrio poder-se-ia incorrer no vis denominado look ahead bias.

41

Alm disso, as aes s passaram a recuperar-se da crise a partir do incio do ano de 2009, quando o Ibovespa voltou a subir, de forma que em junho deste ano o ndice j encontrava-se numa mdia aproximada de 52.000 pontos.

3.1.1 Variveis

As variveis foram tratadas com base em dados econmico-financeiros e de mercado pertencentes s empresas da amostra final, tendo sido divididas entre variveis dependentes e variveis independentes.

3.1.1.1 Variveis dependentes

Chama-se de varivel dependente aquela varivel que tanto afetada, como explicada atravs das variveis independentes s quais se relaciona. No caso do presente estudo, as variveis dependentes foram divididas entre Retorno Alto e Retorno Baixo. Para tanto, coletou-se os preos de fechamento das aes nas datas de 30/06/2008 e 30/06/2009, aplicando-se ento, para cada ao, a frmula do retorno, conforme abaixo: Retorno = (

- 1) x 100

Onde: F1 o preo de fechamento da ao na data 1; F2 o preo de fechamento da ao na data 2.

Dando continuidade, empresas cujos retornos encontravam-se no quintil superior, foram codificadas com o nmero 1. J empresas cujos retornos encontravam-se no quintil inferior, foram codificadas com o nmero 2. Abaixo, apresentam-se os quadros com as composies finais de cada grupo de aes e seus respectivos retornos.

42

Tabela 1 Amostra do Grupo 1 (Quintil Superior). Aes AES Elpa Natura Whirlpool Santanense Light S/A Coelce AES Tiete Souza Cruz Totvs Ambev Drogasil Contax M. Diasbranco Eternit Telemig Part Terna Part Marisol Sao Carlos Cia Hering Sul America P.Acucar-Cbd Marisa Grendene Telesp Alfa Holding Ultrapar CCR Rodovias Redecard Multiplan
Fonte: Produzida pela autora

Retorno (%) 78,60 66,14 47,03 41,89 40,50 38,74 36,99 33,07 31,47 31,04 29,49 26,72 26,39 23,76 23,03 22,97 21,44 21,42 17,83 12,83 12,36 11,83 10,10 8,46 5,15 4,20 4,12 2,89 2,88

Cdigo 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

43

Tabela 2 Amostra do Grupo 2 (Quintil Inferior). Aes Metalfrio Abyara Battistella JHSF Part Aracruz Generalshopp Klabinsegall GPC Part Lopes Brasil Inpar S/A Even Globex Minerva Gp Invest Sadia S/A Profarma Tegma Tig Ltd Tempo Part Medial Saude Tecnosolo Kroton Fosfertil Gerdau Met Bardella Klabin S/A Brookfield Metal Iguacu Eucatex
Fonte: Produzida pela autora

Retorno (%) -81,31 -78,92 -77,78 -75,68 -74,92 -68,40 -68,34 -68,16 -67,23 -67,09 -62,72 -62,56 -61,88 -59,93 -57,84 -57,65 -57,64 -56,73 -54,94 -54,16 -54,1 -53,08 -49,47 -48,60 -48,23 -48,01 -47,39 -46,48 -46,19

Cdigo 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

3.1.1.2 Variveis independentes

Chama-se de variveis independentes aquelas que afetam o desempenho das variveis dependentes as quais esto associadas. As variveis independentes do modelo foram constitudas por indicadores de mercado e financeiros, alm do coeficiente beta, e so variveis clssicas utilizadas no mercado de capitais como forma de avaliao de aes. Elas pertencem em sua maioria corrente de

44

anlise fundamentalista, com exceo do beta que est de acordo com o modelo CAPM anteriormente descrito, que um dos pilares da Teoria das Finanas Modernas. Para fins de adequao ao software SPSS, foram calculadas as mdias dos indicadores de mercado e financeiros referentes s datas de 30/06/2008 e 30/06/2009. Um tratamento especial foi destinado ao indicador valor de mercado, que na verdade no um ndice, mas sim um valor bruto e, portanto, representado em termos monetrios bastante altos. Desta forma, para padroniz-lo de acordo com as demais variveis e tornar a anlise mais significativa calculou-se o seu logaritmo. A seguir, sero descritos os indicadores utilizados no modelo: a) Os indicadores de mercado utilizados i) ii) iii) iv) ndice Preo/Lucro (P/L). ndice Preo/Valor Patrimonial (P/VPA). Dividendo Yield (YD). Valor de Mercado.

b) Os indicadores financeiros utilizados i) ii) iii) iv) v) vi) vii) Lucro por Ao (LPA). Rentabilidade do Patrimnio Lquido (RPL). Margem Lquida (ML). Endividamento Financeiro. Liquidez Corrente. Liquidez Geral Liquidez Seca.

c) Coeficiente beta
,

i =

Onde:

i = Beta do ativo i;
Cov (Ri, Rm) = Covarincia dos retornos do ativo i em relao aos da carteira de mercado;

(Rm) = Varincia dos retornos da carteira de mercado.

45

O beta relaciona o risco de um ativo com o risco de uma carteira de mercado como um todo. Normalmente o beta mdio de uma carteira ampla (ou carteira de mercado) igual a 1. Destarte, um ttulo que tenha um beta acima de 1 apresenta um risco maior do que a mdia de risco dos ttulos da carteira. Ao contrrio, um ativo com beta menor que 1 oferece um risco menor que a mdia de riscos dos ttulos da carteira.

3.1.2 Escolha das principais variveis para anlise

Posteriormente definio da amostra, a etapa seguinte necessria aplicao da anlise discriminante, foi a seleo das variveis relevantes e significativas que iriam nutrir o modelo. Para tanto, a anlise dos dados foi realizada com o auxlio do software estatstico SPSS, atravs do qual verificou-se a validade e representatividade das variveis explicativas. O passo seguinte foi o cumprimento das fases necessrias para a identificao da funo discriminante e sua aplicao nos grupos de aes pr-estabelecidos. A priori, foram calculadas as estatsticas descritivas de cada uma das variveis independentes a serem utilizadas. Nestes clculos constaram a mdia, o desvio-padro, o valor mximo e mnimo das variveis apresentadas e, ainda, o teste de Kolmogorov-Smirnov para verificar a normalidade de cada varivel. Estes dados esto contidos na tabela 3.

Tabela 3 - Estatstica Descritiva com Base na Amostra Inicial de 58 Aes. Varivel Preo/Lucro Preo/Valor Patrimonial Dividendo Yield Valor Mercado (Ln) Lucro por Ao Rent. s/ Patrimnio Margem Lquida Endiv. Financeiro Liquidez Corrente Liquidez Geral Liquidez Seca Beta Observaes 58 58 58 58 58 58 58 58 58 58 58 58 Mdia 35,59 3,41 3,51 14,26 1,22 1,03 649,84 94,18 4,27 7,12 3,88 1,25 Desvio Padro 82,34 5,60 3,82 1,49 2,13 66,00 4871,95 149,99 14,40 43,79 14,46 0,86 Mnimo 0,10 0,65 0,00 11,23 -1,53 -282,35 -44,30 0,00 0,45 0,15 0,35 -0,08 Mximo 531,85 33,15 15,45 18,00 11,55 178,55 37113,50 929,25 110,10 334,85 110,10 3,52
(continua)

46

Varivel Preo/Lucro Preo/Valor Patrimonial Dividendo Yield Valor Mercado (Ln) Lucro por Ao Rent. s/ Patrimnio Margem Lquida Endiv. Financeiro Liquidez Corrente Liquidez Geral Liquidez Seca Beta
Fonte: produzida pela autora Notas:

Observaes 58 58 58 58 58 58 58 58 58 58 58 58

KolmogorovSmirnov 0,00 0,00 0,04 0,58 0,01 0,00 0,00 0,00 0,00 0,00 0,00 0,46

Normalidade Sim Sim Sim No Sim Sim Sim Sim Sim Sim Sim No
(concluso)

* Foi usado o teste de aderncia curva normal de Kolmogorov-Smirnov, ao nvel de 5%; ** Ln o logartimo da varivel.

Observando-se os dados percebe-se que apenas duas das doze variveis explicativas no apresentaram a normalidade ao nvel de 5%. Esse resultado considerado muito bom, ainda que o ideal fosse que todas as variveis de entrada na anlise discriminante seguissem uma distribuio normal. Normalmente, no caso das variveis no apresentarem distribuio normal, aplica-se o mtodo de logaritimiz-las. Segundo Hair et al (2009), existe ainda outras maneiras de se transformar as variveis para normaliz-las como a radicao e a inverso. No obstante, como no perodo escolhido algumas das variveis apresentaram valores negativos, esse procedimento no foi tomado, pois as variveis tornar-se-iam inutilizveis. Ainda assim, de acordo com Hair et al (2009), uma das caractersticas da anlise discriminante a sua robustez de forma que, mesmo que estejam presentes variveis que no estejam distribudas de forma normal, os resultados da anlise so vlidos, visto que o sucesso do modelo depende mais de sua capacidade de separar os grupos corretamente.

47

3.2 A ANLISE DISCRIMINANTE

Depois de realizado o teste para a verificao da normalidade das variveis, passa-se para a etapa de aplicao da anlise discriminante propriamente dita. No presente caso, contou-se, para tal, com o auxlio do software estatstico SPSS. Para obter-se a melhor discriminao possvel, utilizou-se o mtodo stepwise do software SPSS. Este mtodo se caracteriza por ser um procedimento em que as variveis independentes vo sendo sucessivamente includas no modelo, testando-se, a cada incluso, se aquela varivel contribui para melhorar o poder discriminante do modelo. Ao final, predomina o conjunto de variveis que melhor discriminam os grupos da funo discriminante.
No mtodo stepwise a anlise comea sem nenhuma varivel e nos passos seguintes as variveis so adicionadas ou removidas consoante a sua contribuio para a capacidade discriminante da 1 funo discriminante. Assim, uma varivel presente na funo discriminante removida se a capacidade da funo discriminante no for significativamente reduzida pela remoo dessa varivel, e no outro extremo, uma varivel adicionada se aumentar significativamente a capacidade discriminante da funo discriminante (MAROCO, 2003, p. 359 apud MELLO et al, 2006)

Ressalta-se, neste ponto, conforme Scherer e Lima (2005) que existe uma srie de parmetros para estimar a funo discriminante atravs do mtodo stepwise. O parmetro aqui utilizado foi o Mahalanobis D2 que representa a distncia euclidiana entre o centride de um grupo e uma observao deste mesmo grupo. As variveis independentes so mensuradas baseadas na distncia Mahalanobis D2, sendo includa no modelo a varivel que apresentar a maior distncia, ou seja, o maior valor Mahalanobis D2. Primeiramente, verificou-se que a amostra no apresentava observaes ausentes, ou seja, 100% das observaes (58 aes) foram utilizadas na anlise, conforme tabela 4.

Tabela 4 Observaes Consideradas na Anlise. Casos Observados Vlidos Excludos Total Quantidade Porcentagem 58 0 58 100% 0% 100%

Fonte: Produzida pela autora

48

A seguir, identificou-se as variveis com maior capacidade de contribuio para a maximizao da distino das caractersticas de cada um dos grupos. Nesse sentido, averiguou-se se a diferena entre as mdias dos grupos para cada varivel independente era significativa, utilizando, para isso, o teste Lambda de Wilk. Nesse teste, quanto menor o valor calculado da estatstica, maior ser a diferena entre a mdia dos grupos de cada varivel e, portanto, maior ser o poder discriminante da varivel, dado um nvel de significncia. No caso, o nvel de significncia adotado foi de 5% Os resultados so apresentados na tabela 5, abaixo:

Tabela 5 Teste de Igualdade de Mdias. Variveis Preo/Lucro Preo/Valor Patrimonial Dividendo Yield Valor Mercado (Ln) Lucro por Ao Rent. s/ Patrimnio Margem Lquida Endiv. Financeiro Liquidez Corrente Liquidez Geral Liquidez Seca Beta
Fonte: Produzida pela autora

Wilk's Lambda 0,94 0,98 0,76 0,86 0,88 0,81 0,98 0,92 0,97 0,98 0,97 0,74

Diferena entre mdias dos dois grupos 3,53 0,64 17,57 8,87 7,52 12,47 1,01 4,41 1,52 0,98 1,36 19,65

Significncia 0,06 0,42 0,00 0,00 0,00 0,00 0,31 0,04 0,22 0,32 0,24 0,00

A partir da tabela 5 constata-se que das 12 variveis, 6 delas no apresentam valores estatisticamente significativos ao nvel de 5%, logo, no possuem poder discriminante estatisticamente significativos. Outro teste importante o M de Box, que verifica a igualdade das matrizes de varincia e covarincia, sendo que se elas forem homogneas, a anlise discriminante acaba por proporcionar resultados mais significativos. Se o p-value for superior ao nvel de significncia estabelecido, ento tem-se a igualdade das matrizes, caso contrrio, a hiptese rejeitada. De acordo com a tabela 6, o p-value menor que o nvel de significncia de 5%, rejeitando-se a hiptese de matrizes homogneas. Ainda assim, a anlise discriminante robusta, desde que os dados no estejam fora dos padres mdios da amostra.

49

Tabela 6 Teste de Igualdades das Matrizes de Covarincia Boxs M. Valor de M Estatstica F gl1 gl2 Significncia
Fonte: Produzida pela autora Nota: gl1 e gl2 so os graus de liberdade do numerador e do denominador da estatstica F.

247,49 22,83 10,00 14992,82 0,00

A tabela 7 indica o valor do eigenvalue (autovalor) que, de acordo com Maroco (2003) apud Mello et al (2006) uma medida da diferena entre os grupos na funo discriminante. Como no caso h apenas uma funo, a varincia da diferena entre os grupos de 100%. A correlao cannica que tambm consta na tabela, entretanto, determina o quanto, em porcentagem, a funo explica a discriminao entre os grupos. Segundo Hair et al (2009), para isto, deve-se elevar a correlao cannica ao quadrado. Assim, tem-se que 0,6972 = 0,48, ou seja, a funo explica 48% da discriminao entre os grupos.

Tabela 7 Eigenvalues. Funo Eigenvalue Varincia (%) 1 0,946 100

Fonte: Produzida pela autora

Correlao Cannica 0,697

3.2.1 Comportamento estatstico dos dois grupos

Para que haja uma melhor compreenso das diferenas entre as caractersticas de cada um dos grupos (o quintil superior e o quintil inferior), so calculadas a mdia e o desviopadro de cada varivel dentro de cada um dos grupos e tambm para o total da amostra. Os resultados so apresentados na tabela 9. A observao dos dados mostra que h diferenas marcantes entre eles. O P/L, por exemplo, que um indicador muito utilizado, bastante inferior no grupo 1 (quintil superior) quando comparado ao grupo 2 (quintil inferior), indicando um retorno mais rpido das aplicaes realizadas nas aes que compem o grupo 1 do que nas que compem o grupo 2.

50

Ao contrrio do P/L, o lucro por ao bastante superior no grupo 1, indicando que esse grupo obteve melhores rendimentos na poca da crise. Como conseqncia disto, o Dividendo Yield tambm mais elevado neste grupo, indicando sua maior porcentagem de distribuio de dividendos por ao. A melhor situao das empresas do grupo 1 tambm explica a superioridade de sua rentabilidade sobre patrimnio e margem lquida, assim como uma menor porcentagem de seu endividamento total. Isto representa que as empresas com alto retorno apresentaram, no perodo, um retorno mais elevado dos recursos aplicados pelos acionistas no negcio. Significa tambm que elas obtiveram, aps devidas dedues, uma margem mais alta para as destinaes determinadas pelos acionistas, alm de terem gerido com maior eficincia suas despesas no operacionais diante de suas estruturas de custos. Sua menor porcentagem de endividamento total demonstra, enfim, que essas empresas recorreram menos ao capital de terceiros para financiar suas operaes, ou seja, so mais independentes financeiramente quando comparadas com empresas do grupo 2. Percebe-se que o preo/valor patrimonial, o valor de mercado permaneceram prximos, com diferenas reduzidas, ainda que com valores maiores para empresas do grupo 1. Os ndices de liquidez, por sua vez, mostraram-se muito elevados para o grupo 2, e tambm com maior variabilidade (desvio padro maior). Lembrando que esses ndices demonstram quanto, em reais, uma companhia possui para saldar cada R$ 1,00 de dvida, e que o valor referncia como ideal para este ndice tambm $1,00, constata-se que valores muito acima deste indicam que h recursos estagnados na empresa e que poderiam ser empregados em outras reas. Contrastando com os valores dos mesmos ndices pertencentes ao grupo 1, percebe-se que estes sugerem uma maior sade financeira para essas empresas. Por fim, analisando-se os resultados para o coeficiente beta, verifica-se o acerto da teoria quanto considerao de que quanto maior o beta de uma ao, maiores os riscos envolvidos no seu investimento. Com efeito, as aes do grupo 2 com baixo retorno apresentaram beta aproximadamente duas vezes maior que as aes do grupo 1.

51

Tabela 8 Estatsticas Descritivas para cada Varivel de Acordo com os Grupos. Grupos Variveis Mdia Preo/Lucro 15,70 Preo/Valor Patrimonial 4,00 Dividendo Yield 5,36 Valor Mercado (Ln) 14,8, Lucro por Ao 1,80 Rent. s/ Patrimnio 28,96 Margem Lquida 1294,39 Endiv. Financeiro 54,01 Liquidez Corrente 1,95 Liquidez Geral 1,40 Liquidez Seca 1,67 Beta 0,82 Preo/Lucro 55,48 Preo/Valor Patrimonial 2,81 Dividendo Yield 1,66 Valor Mercado (Ln) 13,72 Lucro por Ao 0,49 Rent. s/ Patrimnio -26,89 Margem Lquida 5,29 Endiv. Financeiro 134,36 Liquidez Corrente 6,59 Liquidez Geral 12,83 Liquidez Seca 6,09 Beta 1,68 Preo/Lucro 35,59 Preo/Valor Patrimonial 3,41 Dividendo Yield 3,51 Valor Mercado (Ln) 14,26 Lucro por Ao 1,22 Rent. s/ Patrimnio 1,03 Margem Lquida 649,84 Endiv. Financeiro 94,18 Liquidez Corrente 4,27 Liquidez Geral 7,12 Liquidez Seca 3,88 Beta 1,25 Desvio-padro Nmero de casos 10,13 29 6,27 29 4,36 29 1,48 29 1,60 29 35,96 29 6888,99 29 46,44 29 1,26 29 0,87 29 1,17 29 0,51 29 113,49 29 4,87 29 1,88 29 1,30 29 2,37 29 77,20 29 24,89 29 200,74 29 20,24 29 61,94 29 20,34 29 0,92 29 82,34 58 5,60 58 3,82 58 1,49 58 2,13 58 66,00 58 4871,95 58 149,99 58 14,40 58 43,80 58 14,46 58 0,86 58

Total

Fonte: Produzida pela autora Obs.: Grupo 1 representa o quintil superior dos retornos; Grupo 2 representa o quintil inferior dos retornos.

52

3.2.2 Determinao da funo discriminante

Tendo-se estruturado as variveis e verificado suas propriedades estatsticas, o prximo passo a estimao da funo discriminante, que tem como objetivo o clculo do escore discriminante de cada grupo de aes. Para estimar a funo discriminante, deve-se utilizar os coeficientes da funo discriminante no padronizada, calculada pelo mtodo setpwise do SPSS, conforme tabela 10 abaixo:

Tabela 9 - Coeficientes da Funo Discriminante No-Padronizada. Variveis Preo/Lucro Rent. s/ Patrimnio Liquidez Corrente Beta Constante
Fonte: Produzida pela autora

Coeficientes da funo discriminante 0,008 -0,007 0,029 1,218 -1,928

A partir desses coeficientes pode-se encontrar a funo discriminante, na qual posteriormente sero aplicados os valores brutos das variveis a fim de encontrar os escores discriminantes para ento, realizar as devidas classificaes. A funo discriminante encontrada a seguinte: Z = -1,928 + 0,008X1 - 0,007X2 +0,029X3 + 1,218X4 Em seguida, para testar a significncia da funo, tem-se o teste Lambda de Wilk para a funo discriminante, cujo objetivo no aceitar a hiptese de que a mdia populacional dos dois grupos sejam iguais, pois, sendo diferentes elas discriminam melhor os grupos. Da mesma maneira como teste Lambda de Wilk anterior, quanto menor o valor calculado da estatstica, maior ser a diferena entre a mdia dos grupos de cada varivel e, portanto, maior ser o poder discriminante da varivel, dado um nvel de significncia, no caso 5%. O resultado desse teste encontra-se na tabela 8, na qual observa-se que o p-value menor que o nvel de significncia de 5%, indicando que a mdia populacional dos dois grupos so diferentes.

53

Tabela 10 Lambda de Wilk. Funo 1 Wilk's Lambda 0,514 Chi-Quadrado 35,942 Graus de Liberdade 4 Significncia 0,000

Fonte: Produzida pela autora

necessrio ainda, observar se existe ou no multicolinearidade entre as variveis independentes, ou seja, se elas esto ou no altamente correlacionadas. Demonstrar-se- aqui somente as variveis que foram selecionadas pelo modelo como as que melhor discriminam os grupos. Percebe-se atravs de sua anlise, que apenas as variveis liquidez corrente e rentabilidade sobre patrimnio so altamente correlacionadas o que, no entanto, no impede a continuidade da aplicao do modelo.

Tabela 11 Multicolinearidade entre as variveis. Preo/Lucro Preo/Lucro Rent. s/ Patrimnio Liquidez Corrente Beta
Fonte: Produzida pela autora

1,00 -0,19 -0,82 -0,39

Rent. s/ Patrimnio -0,19 1,00 0,86 -0,83

Liquidez Corrente -0,82 0,86 1,00 -0,17

Beta -0,39 -0,83 -0,17 1,00

3.2.3 Anlise dos pesos discriminantes

Para avaliar a importncia de cada varivel para a funo discriminante, deve-se observar os coeficientes padronizados da funo. Os coeficientes padronizados so o produto dos coeficientes no padronizados pelas razes da covarincia. Na tabela 11, ignorando-se o sinal, percebe-se que os coeficientes que mais contribuem para a discriminao entre os grupos so, em ordem decrescente, o beta, o preo lucro, a rentabilidade sobre o patrimnio e, por fim, a liquidez corrente. Estes coeficientes revelam a importncia relativa das variveis para o poder discriminatrio da funo, porm tambm a partir deles tem-se uma idia da existncia ou no de multicolinearidade entre as variveis explicativas, de modo que quanto mais distintos os valores dos coeficientes padronizados, menores as chances de haver multicolinearidade.

54

Tabela 12 Coeficientes da Funo Discriminante Padronizada. Variveis Preo/Lucro Rent. s/ Patrimnio Liquidez Corrente Beta
Fonte: Produzida pela autora

Coeficientes da funo discriminante 0,644 -0,435 0,422 0,905

3.2.4 Clculo dos centrides

Depois de encontrada a funo discriminante, deve-se efetuar o clculo dos centrides de cada um dos grupos. Os centrides so a mdia aritmtica dos escores discriminantes de cada grupo, a fim de encontrar o ponto de corte que distinguir as variveis em cada grupo. A mdia aritmtica realizada no caso de os grupos serem do mesmo tamanho. J no caso de serem de tamanhos diferentes, deve-se calcular a mdia ponderada. O valor dos centrides para cada grupo encontra-se na tabela 12.

Tabela 13 Centrides dos Grupos. Grupo 1 2 Valor mdio da funo -0,956 0,956

Fonte: Produzida pela autora

Encontrado o valor dos centrides, deve-se determinar o ponto de corte Zcrtico que o valor que separa o grupo das aes com rentabilidade no quintil superior daquelas com rentabilidade mo quintil inferior, e tambm permite posicionar novas aes. A frmula do escore de corte para grupos do mesmo tamanho assim determinada: Zc =

Onde: Z1 representa o centride do grupo 1; Z2 representa o centride do grupo 2; Zc representa o escore de corte timo.

55

Calculando-se o ponto de corte tem-se ento: Zc =

,,

=0

Logo, classifica-se uma ao como pertencente ao grupo de alto retorno caso, calculando-se seu escore discriminante, seu resultado seja abaixo de zero. Ao contrrio, classifica-se uma ao como pertencente ao grupo de baixo retorno caso o clculo seu escore discriminante seja superior a zero.

Figura 3 Representao dos centrides e do ponto de corte.

3.2.5 Clculo do escore discriminante para cada ao

Posteriormente definio da funo discriminante, deve-se realizar o clculo do escore discriminante para cada ao, inserindo-se, para tal, os valores das variveis de cada uma na funo discriminante estimada. Este clculo efetuado pelo prprio software SPSS, que tambm classifica a seu critrio as aes dentre os grupos existentes (com rentabilidade no quintil superior e rentabilidade no quintil inferior). Assim, a partir da classificao do SPSS, compara-se seus resultados com a classificao original de cada uma das aes e encontra-se o grau de preciso do modelo quanto ao seu objetivo, que o de classificar as aes corretamente nos seus respectivos grupos. De modo a analisar o grau de preciso do modelo, Hair et al (2009) sugere que seja feita uma diviso da amostra entre a amostra de anlise (usada para desenvolver a funo

56

discriminante) e outra para teste (usada para testar a validade da funo). A este mtodo chama-se validao cruzada (cross-validation). De acordo com Reis (1997) apud Costa (2003), a porcentagem de validaes corretas servir como orientao para a definio do bom desempenho do modelo quanto descrio atual. Se a porcentagem for elevada, a violao de alguns pressupostos (normalidade, igualdade das matrizes de varincia-covarincia, dentre outros) da anlise discriminante no ser considerada grave. A tabela 13 reflete o resultado do clculo do escore discriminante para cada ao da amostra, permitindo assim, classific-las em um ou em outro grupo, assim como permite conhecer o posicionamento da ao atravs do valor de seu escore. Analisando os resultados, percebe-se que o modelo classificou corretamente 79,3% das aes da amostra de anlise, e 95,3% das aes da amostra teste. Conforme Sanvicente e Minardi (1998) apud Costa (2003), este resultado considerado bastante satisfatrio, quando comparado com outros modelos que fazem uso da anlise discriminante, como por exemplo, os modelos de previso de insolvncia, cujo grau de preciso varia de 70 a 90%.

Tabela 14 - Classificao e escore discriminante de cada ao.

(continua)

Empresas Lopes Brasil Tecnosolo Abyara Tig Ltd Battistella Sadia S/A Inpar S/A Generalshopp Minerva Globex Profarma Even Gp Invest Tegma Aracruz

Classificao original 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Classificao pelo modelo 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Escore da funo discriminante 3,33994 2,89315 2,37518 2,10822 1,83219 1,80018 1,76211 1,70576 1,64127 1,61814 1,5439 1,3683 1,30832 1,23202 1,19406

57

(concluso)

Empresas Brookfield Klabinsegall Metal Iguacu JHSF Part Marisa Medial Saude Kroton Multiplan Metalfrio Marisol Tempo Part Sul America Cia Hering Totvs GPC Part Eucatex Grendene Drogasil AES Elpa Klabin S/A Gerdau Met Contax Telemig Part P.Acucar-Cbd M. Diasbranco Sao Carlos Terna Part Fosfertil Ultrapar Ambev Eternit Santanense CCR Rodovias Light S/A Whirlpool Natura Bardella Coelce Souza Cruz Alfa Holding Telesp AES Tiete Redecard

Classificao original 1 1 1 1 2 1 1 2 1 2 1 2 2 2 1 1 2 2 2 1 1 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2

Classificao pelo modelo 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Escore da funo discriminante 1,01912 0,89004 0,612 0,58394 0,55583 0,42648 0,36861 0,15124 0,14169 0,10993 0,10881 0,04509 0,0295 0,02729 -0,09354 -0,09663 -0,2832 -0,32178 -0,36511 -0,60655 -0,66573 -0,76247 -0,76251 -0,80364 -0,82086 -0,8305 -0,92778 -0,96836 -1,03296 -1,05263 -1,09007 -1,11067 -1,31034 -1,54566 -1,55751 -1,70641 -1,73241 -1,75041 -1,76607 -1,87845 -2,06938 -2,1228 -2,75789

Fonte: Produzida pela autora

58

3.3 TERMMETRO DE RETORNO

Tendo-se verificado um grau de preciso aceitvel do modelo da anlise discriminante, que no caso foi de 79,3%, em seguida deve ser construdo um termmetro de classificao, de acordo com o arqutipo do termmetro de insolvncia de Kanitz. A finalidade deste passo a obteno de uma escala de classificao para as aes e, para tanto, necessrio que se calcule a mdia e o desvio-padro dos escores discriminantes de cada um dos grupos, conforme mostra quadro abaixo:

Tabela 15 Mdia e Desvio-Padro dos Escores Discriminantes. Grupo 1 2 Mdia -0,96 0,96 Desviopadro 0,81 1,16

Fonte: Produzida pela autora

A partir destes dados, pode-se desenhar a curva de distribuio normal para os grupos.

Figura 4 Curvas de distribuio dos grupos.

Considerando-se a abrangncia de um desvio-padro para cada grupo, percebe-se que o intervalo entre -0,20 e -0,15, onde as curvas se cruzam, o intervalo definido por Kanitz como rea de penumbra. De acordo com seu modelo, uma ao classificada nesta rea encontra-se em uma situao indefinida, no podendo ser classificada nem como solvente, nem como insolvente ou, no caso do presente trabalho, nem como de retorno alto nem como de retorno baixo, de forma que os analistas e investidores devem tomar cuidado com os papis situados nesta posio. Segundo Andrade (2004, p. 50), estatisticamente, significa que o modelo no tem base para afirmar nenhuma classificao nesse intervalo.

59

Pode-se, enfim, construir um termmetro de retorno a fim de classificar as aes de acordo com seu retorno, como o prprio nome faz aluso.

Figura 5 Termmetro de retorno.

O que o termmetro indica que existem trs reas em que as aes podem ser classificadas. Se, atravs do clculo de seus escores, estiverem posicionadas acima de 0,96, significa que pertencem ao grupo de aes com retorno positivo. Ao contrrio, se estiverem posicionadas abaixo de -0,96, denota que pertencem ao grupo de retorno negativo. J se o valor encontrado por meio do clculo do escore discriminante fizer com que a ao esteja disposta entre -0,20 e -0,15, isto exprime que este papel est uma posio indefinida, ou seja, na rea de penumbra. Como se percebe facilmente por meio da visualizao do grfico e do termmetro, a rea de penumbra bastante reduzida, o que significa que as curvas de normalidade so bastante afastadas e, portanto, os grupos so bem definidos e distinguidos entre si.

3.3.1 Verificando o grau de preciso do modelo

Com o intuito de verificar o grau de preciso do termmetro quanto classificao das aes, ser comparada a classificao original delas, enquanto sendo de retorno positivo ou

60

negativo, com a posio de cada uma no termmetro de acordo com o valor de seu escore discriminante. A tabela abaixo mostra as aes da amostra, sua classificao original, seus respectivos escores discriminantes, a classificao obtida pela anlise discriminante e, por fim, a rea relativa a cada ao no termmetro de retorno que foi desenvolvido.

Tabela 16 Verificando o grau de preciso do modelo.

(continua)

Classificao Escore Aes Original Discriminante (Z) Lopes Brasil 1 3,33994 Tecnosolo 1 2,89315 Abyara 1 2,37518 Tig Ltd 1 2,10822 Battistella 1 1,83219 Sadia S/A 1 1,80018 Inpar S/A 1 1,76211 Generalshop 1 1,70576 Minerva 1 1,64127 Globex 1 1,61814 Profarma 1 1,5439 Even 1 1,3683 Gp Invest 1 1,30832 Tegma 1 1,23202 Aracruz 1 1,19406 Brookfield 1 1,01912 Klabinsegall 1 0,89004 Metal Iguacu 1 0,612 JHSF Part 1 0,58394 Marisa 2 0,55583 Medial Saude 1 0,42648 Kroton 1 0,36861 Multiplan 2 0,15124 Metalfrio 1 0,14169 Marisol 2 0,10993 Tempo Part 1 0,10881 Sul America 2 0,04509 Cia Hering 2 0,0295 Totvs 2 0,02729 GPC Part 1 -0,09354 Eucatex 1 -0,09663

Classificao pelo Modelo 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2

rea do Termmetro Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo Retorno Baixo

61

Classificao Escore Aes Original Discriminante (Z) Grendene 2 -0,2832 Drogasil 2 -0,32178 AES Elpa 2 -0,36511 Klabin S/A 1 -0,60655 Gerdau Met 1 -0,66573 Contax 2 -0,76247 Telemig Part 2 -0,76251 P.Acucar-Cbd 2 -0,80364 M. Diasbranco 2 -0,82086 Sao Carlos 2 -0,8305 Terna Part 2 -0,92778 Fosfertil 1 -0,96836 Ultrapar 2 -1,03296 Ambev 2 -1,05263 Eternit 2 -1,09007 Santanense 2 -1,11067 2 -1,31034 CCR Rodovias Light S/A 2 -1,54566 Whirlpool 2 -1,55751 Natura 2 -1,70641 Bardella 1 -1,73241 Coelce 2 -1,75041 Souza Cruz 2 -1,76607 Alfa Holding 2 -1,87845 Telesp 2 -2,06938 AES Tiete 2 -2,1228 Redecard 2 -2,75789
Fonte: produzida pela autora.

Classificao pelo Modelo 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

rea do Termmetro Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto Retorno Alto
(concluso)

Como pode ser observado a partir da tabela acima, a maioria das aes foi corretamente classificada de acordo com o termmetro, que atingiu um grau de preciso de 96,6%. um resultado muito bom e eleva o ndice de acerto do modelo em 17,3%, quando comparado com o estgio anterior em que eram analisados apenas os resultados provenientes da anlise discriminante, sem fazer uso do termmetro de classificao. Ainda interessante observar que nenhuma ao ficou posicionada na rea de penumbra. Isto se deve ao fato desta rea ser bastante reduzida e, por conseguinte, haver uma boa distino entre os grupos.

62

3.3.2 Posicionamento das aes no Termmetro

Nesta etapa, apenas como forma de demonstrao, foram escolhidas as trs aes com os maiores escores discriminantes e as trs com os menores escores, para examinar sua posio dentro do termmetro, posio esta indicada por uma seta.

Redecard A Redecard foi a melhor ao do ranking, com escore discriminante de Z= -2,76, valor inferior ao ponto de corte Zc = 0, o que leva interpretao de que a ao possui retorno positivo. Ainda assim, seu retorno foi de apenas 2,89%, o penltimo menor dentre as aes de retorno positivo, ganhando apenas da Multiplan, que apresentou retorno de 2,88%. No termmetro, est ao ficou posicionada na rea de retorno positivo (compreende os escores que possuam valor abaixo de -0,96), indicando que o modelo obteve sucesso na classificao deste papel. Figura 3 Termmetro da ao Redecard.

AES Tiete O segundo melhor escore discriminante foi o pertencente AES Tiete, com valor de Z= -2,12, dispondo a ao na rea de retorno positivo no termmetro. Sua rentabilidade foi de 36,99%, a melhor dentre as trs aes do ranking de escores, a saber: Redecard, AES Tiete, e Telesp. Mais uma vez, houve acerto por parte do modelo.

63

Figura 4 Termmetro da ao AES Tiete.

Telesp O escore discriminante da Telesp foi de Z= -2,07, valor situado tambm na rea de retorno positivo. Sua rentabilidade foi de 8,46%, indicando que o modelo acertou ao classific-la no grupo 1 (retorno positivo). Figura 5 Termmetro da ao Telesp.

Lopes Brasil O escore discriminante da ao Lopes Brasil Z = 3,34, apresentando um valor superior ao ponto de corte, que no caso Zc= 0, e situando-se, de acordo com o termmetro, na rea de retorno baixo (esta rea compreende os escores que tenham valor entre 0,96 e

64

2,12). A rentabilidade da ao foi de -67,23, o que significa que o termmetro classificou corretamente a ao como pertencente ao grupo 2 (retorno negativo). Figura 6 Termmetro da ao Lopes Brasil.

Tecnosolo A Tecnosolo foi a segunda pior posicionada no ranking, ou seja, com o maior escore discriminante, cujo valor foi de Z= 2,89, indicando que seu retorno foi negativo. De fato, seu retorno foi de -54,10%, expressando a correta classificao pelo modelo da ao no grupo 2. Figura 7 Termmetro da ao Tecnosolo.

65

Abyara O escore discriminante da Abyara foi de 2,28, exprimindo ser esta uma ao de baixo retorno. Sua rentabilidade foi de -78,92, situando a ao na rea de baixo retorno e evidenciando a correta classificao pelo modelo. Figura 8 Termmetro da ao Abyara.

66

4 CONCLUSO
A proposta desta monografia foi a de desenvolver um modelo de avaliao de aes, fundamentado em torno de ndices fundamentalistas e no coeficiente beta, que pudesse servir de auxlio a investidores e analistas no que concerne ao seu processo de tomada de decises diante de investimentos em Bolsa, principalmente quando deparados a pocas de crise no mercado de capitais. A fim de atingir este objetivo, foi utilizado o ferramental estatstico da anlise discriminante contando, para tal, com a ajuda do software SPSS. Atravs da aplicao dos devidos testes, percebeu-se que as condies necessrias para o uso deste ferramental no foram todas elas plenamente satisfeitas. Assim, obteve-se que a normalidade multivariada foi atingida apenas para 6 das 12 variveis independentes, e que as matrizes de covarincia no foram homogneas, alm de as variveis liquidez corrente e rentabilidade sobre o patrimnio terem-se mostrado altamente correlacionadas. Apesar desses infortnios, prosseguiu-se com a aplicao do modelo tendo em vista que o sucesso da anlise discriminante reside, sobretudo, na sua capacidade de distinguir corretamente entidades entre diferentes grupos pr-determinados. Neste sentido, por meio da introduo do mtodo setpwise, presente no SPSS, incorporou-se ao modelo somente as variveis mais significativas quanto capacidade de distinguir as aes entre os grupos de retorno positivo e retorno negativo, sendo elas: ndice preo/lucro, ndice preo/valor patrimonial, ndice de liquidez corrente, e o beta. Estas variveis e seus respectivos coeficientes vieram a formar a funo discriminante, a partir da qual estimou-se o escore discriminante de cada ao e tambm o ponto de corte que serviria para distinguir as aes entre os grupos e cujo valor foi 0, indicando que aes que possussem um escore abaixo de zero seriam classificadas no grupo retorno positivo, e aes que possussem escore acima de zero seriam classificadas no grupo retorno negativo. Aplicando-se esses procedimentos chegou-se concluso que o modelo obteve um nvel de acerto de 79,3%, resultado considerado bastante satisfatrio. A seguir, construiu-se um termmetro de classificao, a exemplo do termmetro de insolvncia de Kanitz, que serviu de escala quanto categorizao das aes nas reas de retorno alto, penumbra, e retorno baixo. Desenvolvendo-se essa etapa, o grau de preciso do modelo subiu para 96,6%. Grande parte deste resultado pode ser remetido ao fato de a rea de

67

penumbra do termmetro ter sido relativamente pequena, indicando uma boa separao entre os grupos de aes. O resultado considerado bastante satisfatrio quando comparado, por exemplo, ao trabalho realizado por Andrade (2004), que utilizou a mesma metodologia e obteve um grau de preciso de 40% tanto para o grupo 1 quanto para o grupo 2, sendo que 63% das aes do total de sua amostra foram classificadas na rea de penumbra. Costa (2003), por sua vez, aplicou a anlise discriminante para o estudo da reciclagem do resduo de construo e demolio nos municpios brasileiros e obteve um grau de acerto de 85,4%, resultado este tambm considerado muito bom. Uma ocorrncia da anlise que merece destaque o fato de o coeficiente beta ter sido incorporado pelo modelo como sendo uma das variveis que mais possui capacidade para distinguir as aes entre os grupos. Isto significa que, por mais que existam limitaes inerentes moderna teoria das finanas, o beta continua sendo eficaz enquanto medida de risco, juntamente a outros ndices fundamentalistas. Assim, tem-se que, para alm do desenvolvimento de um modelo de avaliao de aes, este trabalho foi ainda um teste quanto validade da teoria do CAPM, chegando-se concluso de que essa teoria sim vlida para explicar a relao entre risco e retorno de uma carteira de ativos por meio do coeficiente beta. Atravs da anlise foi possvel ainda, realizar um diagnstico das caractersticas mais marcantes no tocante da diferenciao entre os grupos de aes com retorno positivo e com retorno negativo. Conforme esperado, as aes com retorno positivo apresentaram valores mais elevados, quando comparados aos valores das aes com retorno negativo, para diversos indicadores como: dividendo yield, lucro por ao, rentabilidade sobre patrimnio e margem lquida. Ao mesmo tempo os indicadores preo/lucro, ndices de liquidez e endividamento financeiro, apresentaram-se inferiores para as aes deste grupo, sugerindo melhores fundamentos e sade financeira das empresas pertencentes a ele. Por fim, este modelo poderia ser aprimorado se fosse construdo tambm para outros perodos de crise no mercado de capitais, tornando possvel a realizao de comparaes, e evidenciando assim sua validade ou no concernente anlise para esses perodos de turbulncia.

68

REFERNCIAS

ALTMAN, Edward I.; BAIDYA, Tara K.N.; Dias, Luiz Manoel Ribeiro. Previso de Problemas Financeiros em Empresas. Revista de Administrao de Empresas. Jan/mar 1978.

ANDRADE, Eduardo J. V. Utilizao de tcnicas multivariadas para construo de um modelo de avaliao de aes. 2004. 64 f. Monografia (Graduao em Cincias Econmicas) Universidade Federal de Santa Catarina, Florianpolis.

ANTUNES, Maria Thereza P.; CORRAR Luiz Joo; KATO, Heitor T. A eficincia das informaes divulgadas em Melhores e Maiores da revista Exame para a previso de desempenho de empresas. Contabilidade e finanas, So Paulo, edio especial, p. 41-50, jun. 2004. Disponvel em: <http://www.eac.fea.usp.br/cadernos/completos/ed_comemor2/ec2_parte3_pg41a50.pdf>. Acesso em: 05 de abril de 2010.

ASSAF NETO, Alexandre. Finanas Corporativas e Valor. 1a edio. So Paulo: Atlas, 2003.

ASSAF NETO, Alexandre. Mercado Financeiro. 2. Ed. So Paulo: Atlas, 1999.

BRAGANA, Luiz Augusto de; BRAGANA, Sergio Luiz. Rating, Previso de Concordatas e Falncias no Brasil. Revista Brasileira de Mercado de Capitais. IBMEC. V.11, n 33 jan/mar 1985.

BRUNI, Adriano L., MURRAY, Andrew D.; FAM, Rubens. Modelos brasileiros preditivos de risco de crdito: um estudo exploratrio atual sobre as suas eficcias. Tema, So Paulo, n. 32, p. 148-167, jan./jun.1998. Disponvel em: <http://www.infinitaweb.com.br/albruni/artigos/a9801_Tema_Risco_Credito.pdf>. Acesso em: 05 de abril de2010.

CASTRO, H. O. P. de. Introduo ao Mercado de Capitais. Rio de Janeiro: IBMEC, 1979.

69

CAVALCANTE, Francisco; MISUMI, Jorge Yoshio; RUDGE, Luiz Fernando. Mercado de Capitais: O que , como funciona. 7. ed. Rio de Janeiro: Elsevier, 2009.

COSTA Jr, Newton C. A. Ser que beta ainda vlido para explicar as variaes nas rentabilidades mdias das aes? In: ENCONTRO NACIONAL DOS PROGRAMAS DE PS GRADUAO EM ADMINISTRAO, 1996, Rio de Janeiro. Anais do 20 encontro nacional dos programas de ps-graduao em administrao. Rio de Janeiro: ANPAD. v. Finanas. p. 335-348.

COSTA, N. A. A. de. A Reciclagem do Resduo de Construo e Demolio: uma aplicao de anlise multivarivel. 2003. 188 f. Tese (Doutorado em Engenharia de Produo) Universidade Federal de Santa Catarina, Florianpolis.

ELIZABETSKY, R. Um modelo matemtico para a deciso no banco comercial. (Trabalho apresentado ao Depto. de Engenharia de Produo da Escola Politcnica da USP), 1976.

GIL, Antnio Carlos. Tcnicas de pesquisa em economia e elaborao de monografias. So Paulo: Atlas, 2002.

GIMENES, Rgio Marcio T.; URIBE-OPAZO Miguel Angel. Modelos multivariantes para a previso de insolvncia em cooperativas agropecurias: uma comparao entre a anlise discriminante e de probabilidade condicional logit. Contabilidade vista e revista, Belo Horizonte, v. 14, n. 3, p.45-63, dez. 2003. Disponvel em: <http://www.face.ufmg.br/revista/index.php/contabilidadevistaerevista/article/viewFile/241/2 34>. Acesso em: 05 de abril de 2010. HAIR, Joseph F.; ANDERSON, Rolph E.; TATHAM, Ronald L.; BLACK, William C.; BAIN, Barry, J. Anlise multivariada de dados. 6 ed. Porto Alegre: Bookman, 2009. IUDCIBUS, Srgio de; MARION, Jos Carlos. Contabilidade Comercial. 3. ed. So Paulo: Atlas, 1995.

KANITZ, Stephen Chales. Indicadores contbeis financeiros previso de insolvncia: a experincia da pequena e mdia empresa brasileira. Tese de Livre-Docncia entregue ao Departamento de Contabilidade da FEA/USP, 1976.

70

KASSAI, Jos Roberto; KASSAI, Silvia. Desvendando o Termmetro de Kanitz. Enanpad, 1998.

LEGAT, Simone V. V. Formao de portflio de aes. 2000. 53 f. Monografia (Graduao em Cincias Contbeis) Universidade Federal de Santa Catarina, Florianpolis.

MATIAS, A. B. Contribuio s tcnicas de anlise financeira: um modelo de concesso de crdito. (Trabalho apresentado ao Depto. de Administrao da Faculdade de Economia e Administrao da USP), 1978.

MATIAS, Alberto Borges; SIQUEIRA, Jos de Oliveira. Risco bancrio: modelo de previso de insolvncia de bancos no Brasil. Revista de Administrao da USP. V. 31 abr/jun 1996.

MELLO, Gilmar R. de; MACEDO, Fabrcio de Q.; FILHO, Francisco T. Identificando o Endividamento dos Estados Brasileiros: uma proposta atravs de anlise discriminante. Enfoque Reflexo Contbil, Maring, v. 25, n. 1, p. 05-14, Jan./Abr. 2006.

PEREIRA DA SILVA, Jos. Administrao de crdito e previso de insolvncia. So Paulo: Atlas, 1983

ROSS, Stephen A.; WESTERFIELD, Randolph W.; JAFFE, Jeffrey F. Administrao Financeira: Corporate Finance. So Paulo: Atlas, 1995.

ROSS, Stephen A.; WESTERFIELD, Randolph W.; JORDAN, Bradford D. Princpios de Administrao Financeira: Essentials of Corporate Finance. So Paulo: Atlas, 1998.

SANVICENTE, Antonia Z.; MELLAGI, Armando. Mercado de capitais e estratgias de investimento. So Paulo: Atlas, 1988.

SCHERER, Luciano Marcio; LIMA, Tainan Bezerra de. Anlise emprica do grau de intangibilidade das empresas brasileiras de capital aberto. Curitiba: UNIFAE, 2005, 43 p.

71

TEIXEIRA, E. As trs metodologias: acadmica, da cincia e da pesquisa. Petrpolis, RJ: Ed. Vozes, 2005.

TOLEDO FILHO, Jorge R. de. Mercado de capitais brasileiro: uma introduo. So Paulo: Thomson, 2006.