Ensaios Econmicos

Escola de Ps-Graduao

em Economia

da Fundao

Getulio Vargas

N 482

ISSN 0104-8910

Retornos Anormais e Estratgias Contrrias

Marco Antnio Cesar Bonomo, Ivana Cristina Queiroz Dall Agnol

Junho de 2003
URL:

http://hdl.handle.net/10438/478

Os artigos publicados so de inteira responsabilidade de seus autores. As opinies neles emitidas no exprimem, necessariamente, o ponto de vista da Fundao Getulio Vargas.

ESCOLA DE PS-GRADUAO EM ECONOMIA Diretor Diretor Diretor Diretor Geral: Renato Fragelli Cardoso de Ensino: Luis Henrique Bertolino Braido de Pesquisa: Joo Victor Issler de Publicaes Cientcas: Ricardo de Oliveira Cavalcanti

Antnio Cesar Bonomo, Marco Retornos Anormais e Estratgias Contrrias/ Marco Antnio Cesar Bonomo, Ivana Cristina Queiroz Dall Agnol  Rio de Janeiro : FGV,EPGE, 2010 (Ensaios Econmicos; 482) Inclui bibliografia. CDD-330

N 482

ISSN 0104-8910

Retornos anormais e estratgias contrrias

Marco Antonio Bonomo Ivana DallAgnol

Junho de 2003

Retornos Anormais e Estratgias Contrrias

Marco Antonio Bonomoy EPGE/FGV Junho 2003 Ivana DallAgnolz EPGE/FGV

Resumo Neste artigo testamos a hiptese de que estratgias que compram carteiras de aes p erdedoras e vendem carteiras de aes vencedoras geram retornos anormais no Brasil. Esta evidncia, obtida para o mercado americano para horizontes relativamente longos, foi interpretada por De Bondt e Thaler (1985) como sendo reexo de erros sistemticos de avaliao no mercado de aes causados pelo excessivo p essimismo/otimismo dos agentes. Encontramos evidncia de lucratividade de estratgias contrrias para horizontes de 3 meses a 3 anos, numa amostra de retornos de aes da BOVESPA e da SOMA de 1986 a 2000. A lucratividade das estratgias contrrias inclusive maior para horizontes mais curtos, no havendo portanto nenhum indcio do efeito momentum que foi detectado por Jagadeesh e Titman (1993) para os EUA para estes horizontes. A rentabilidade das estratgias contrrias sobrevive a correes p or risco, tamanho e liquidez. Palavras-chave: Retorno Anormal, estratgias contrrias, reao excessiva Cdigo de Classicao JEL : G1, G14

Introduo

Uma extensa srie de trabalhos vm constatando a existncia de regularidades no comportamento dos mercados de capitais que esto em desacordo com os modelos de apreamento de ativos tradicionalmente utilizados na investigao emprica. Seguindo esta linha de pesquisa, De Bondt e Thaler (1985) encontraram que carteiras de aes com rentabilidades inferiores (superiores) media se caracterizam por apresentar uma reverso posterior destas rentabilidades. Eles interpretaram a evidncia encontrada como uma consequncia do comportamento irracional do mercado que tende a reagir exageradamente s notcias sobre os fundamentos, sobrevalorizando (subvalorizando) as aes de companhias que apresentam uma histria recente de lucros altos (baixos)1 . Em tal caso as rentabilidades passadas poderiam ser utilizadas para identicar aes valoradas erroneamente pelo mercado e prever a sua rentabilidade futura. Uma estratgia contrria, consistindo na compra de uma carteira de aes perdedoras nanciada com a venda de uma carteira de aes ganhadoras permitiria explorar esta inecincia do mercado e realizar uma rentabilidade anormal. Esta interpretao foi objeto de crticas por parte de alguns estudos posteriores. Chan (1988) e Ball e Kothary (1989) argumentaram que a rentabilidade exigida pelo mercado
Os autores agradecem a Marcelo Fernandes, a Newton da Costa Jnior, a Ricardo Leal e a Ruy Ribeiro pelos preciosos comentrios. O autor agradece a bolsa de pesquisa do CNPq e recursos de pesquisa do PRONEX. A autora agradece a FAPERJ pelo apoio nanceiro e a Marcos de Barros pelo precioso apoio na parte computacional. y bonomo@fgv.br z ivana@mellonbrascan.com.br 1 O artigo de Lakonishok, Shleier e Vishny (1994) viria a encontrar evidncias mais diretamente relacionadas a esta interpretao.

com respeito a carteira perdedora no constante, isto , a reverso no retorno seria devido principalmente mudanas sistemticas no retorno de equilbrio requerido que no foram captadas de maneira correta por De Bondt e Thaler. Estas mudanas ocorreriam porque uma srie de retornos baixos aumenta o beta da rma - haja visto ser este uma funo do risco e do grau de endividamento da mesma - o que acabaria por aumentar o retorno esperado requerido para se manter a ao em carteira. Por outro lado a correlao positiva entre o tamanho das empresas e suas rentabilidades acumuladas sobre o horizonte passado tambm sugerem que os resultados encontrados no seriam uma anomalia diferente, mas sim reexo do efeito tamanho, estudado por Banz (1981). No obstante, a possibilidade da diferena entre a rentabilidade das carteiras perdedoras e ganhadoras ser explicada por diferenas no risco sistemtico, ou pelo tamanho das carteiras, rejeitada por Chopra, Lakonishok e Ritter (1992). Chopra et al. (1992) desenvolveram uma metodologia que procurou incorporar as crticas feitas, permitindo uma avaliao coerente da hiptese de lucros extraordinrios advindos de estratgias contrrias. Eles encontraram evidncia estatisticamente signicativa deste efeito para a economia americana utilizando dados de 1926 at 1986 da bolsa de valores de Nova York. Alm disso, encontraram evidncia de que a reao excessiva muito mais forte entre rmas pequenas, que esto em poder de indivduos, do que entre rmas grandes, que so predominantemente controladas por instituies, sugerindo a interpretao de que a reao exagerada no mercado deve-se principalmente aos investidores no-institucionais. Subseqentemente De Bondt e Thaler (1985), outros pesquisadores identicaram novas maneiras de predizer retornos relativos de ativos a partir de seu desempenho relativo passado. Jegadeesh e Titman (1993) mostraram que, no mercado americano, as aes que tiveram com maior valorizao nos ltimos meses (3 a 12 meses) tendem a ser as que mais se valorizam no mesmo perodo subseqente. Ou seja, ao contrrio da tendncia de reverso no longo prazo, no curto-prazo os retornos apresentam momentum. No Brasil, Costa Jr (2000) encontrou evidncia de sobre-reao no mercado acionrio, utilizando dados da Bovespa de 1970 a 1989 e seguindo a metodologia desenvolvida De Bondt e Thaler (1985). O objetivo do artigo consiste na vericao da lucratividade das estratgias contrrias usando-se dados brasileiros. Algumas adaptaes e melhorias foram feitas em relao metodologia desenvolvida por Chopra et al (1992) de modo a adequ-la s idiossincrasias do mercado acionrio brasileiro, aumentando a aderncia do mo delo nossa realidade e, por conseguinte o seu poder explicativo 2 . Utilizamos horizontes de tempo a partir de trs meses, o que tambm inclui os horizontes de investigao de Jegadeesh e Titman (1993). Encontramos evidncia de lucratividade de estratgias contrrias para horizontes de 3 meses a 3 anos. A lucratividade das estratgias contrrias inclusive maior para horizontes mais curtos, no havendo portanto nenhum indcio do efeito momentum nos dados brasileiros. A rentabilidade das estratgias contrrias sobrevive a correes por risco, tamanho e liquidez. O restante do trabalho est estruturado da seguinte forma. A prxima seo trata dos dados, a terceira apresenta a metodologia, a quarta e a quinta descrevem a evidncia existente para o curto-prazo e o longo-prazo, respectivamente. A sexta e a stima sees investigam se a evidncia de rentabilidade das estratgias contrrias sobrevive a ajustes pelo risco e pelo tamanho separadamente, oitava estuda o padro sazonal do efeito de sobre-reao, a nona faz o controle do retorno ajustado liquidez e a dcima faz controles simultneos para beta, tamanho e liquidez. A ltima seo apresenta as concluses.

Dados

Os dados utilizados neste estudo compreendem valores mensais referentes cotao de preo, quantidade e ndice de liquidez das aes e sries de ndices de aes representativos
2 Como exemplo podemos citar a incluso da varivel liquidez a qual no faz parte da metodologia original.

da carteira de mercado. Adicionalmente foram utilizados sries mensais de ndice de preos e de rendimentos de um ativo sem risco. A amostra utilizada para a anlise compreende o perodo de janeiro de 1986 julho de 2000. O ndice de preos utilizado para deacionar as sries de preos das aes, dos ndices de aes e do retorno do ativo sem risco foi o ndice de Preos ao Consumidor Ampliado (IPCA) calculado pelo IBGE. As sries de preos das aes foram obtidas da Economtica e consistem no preo de fechamento a justado por proventos, inclusive dividendos, em moeda local. A data utilizada para a coleta dos preos foi denida como o dia 30 de cada ms. As aes que no foram negociadas neste dia tem o preo de fechamento do ltimo dia negociado, desde que pertena ao prazo de tolerncia denido de 15 dias. A amostra utilizada consiste basicamente de aes negociadas na Bovespa e na SOMA (Sociedade de Operaes do Mercado de Ativos S/A). Obtivemos inicialmente uma amostra com 399 aes. Como muitas das sries selecionadas apresentavam-se incompletas foi adotado o seguinte critrio 3 : todas as sries de aes com mais de 5% dos dados incompletos foram retiradas da amostra e as sries remanescentes foram completadas por interpolao geomtrica. O universo total de aes efetivamente utilizado compe-se de 287 empresas. Como proxy de um ativo sem risco foi usado o CDI (Certicado de Depsito Interbancrio) e como ndice de Mercado foram utilizadas trs sries: a do ndice Brasileiro de Aes (Iba) calculado pela Comisso Nacional de Bolsas de Valores (CNBV), a do Ibovespa fornecida pela Bovespa e um ndice igualmente ponderado 4 , construdo a partir da amostra de aes efetivamente utilizada no trabalho. Usamos trs sries distintas com o objetivo de vericar se os resultados so robustos frente ao uso de diferentes medidas da carteira de mercado. A srie de quantidade de aes tem como fonte a Economtica e consiste na quantidade de aes preferenciais ou ordinrias publicadas trimestralmente nos balanos das empresas. Como a disponibilidade desta srie trimestral, para ter-se uma estimativa mensal da mesma simplesmente repetiu-se o valor disponibilizado para um trimestre para os dois meses posteriores at a publicao do novo balano. Por ltimo foi utilizado um indicador de Liquidez em Bolsa (IN), cuja fonte tambm a Economtica, calculado da seguinte forma: IN = 100 p=P ((n=N v=V )^1=2)

onde p o nmero de dias com pelo menos um negcio da ao no perodo escolhido; P o nmero total de dias do perodo escolhido; n o nmero de negcios com a ao no perodo escolhido; N o nmero total de negcios no perodo escolhido; v o volume em dinheiro da ao no perodo escolhido; V o volume total em dinheiro no perodo escolhido. O perodo escolhido foi arbitrado em 12 meses.

Metodologia

Utilizando as sries de retornos mensais5 das aes previamente selecionadas foram construdas 10 carteiras de acordo com o seguinte procedimento: no incio de cada ms todas as aes que foram continuamente listadas nos J meses anteriores (perodo de formao de carteira) so ordenadas com base no seu retorno acumulado neste perodo e atribudas
3 Convm mencionar que embora a literatura existente para lidar com dados omissos seja extensa, a mesma est longe de ser conclusiva. Vrios seriam os mtodos que poderiam ser utilizados, porm a falta de consenso sobre qual seria o mais indicado fez com que considerssemos o procedimento adotado tanto coerente como satisfatrio. 4 O ndic e igualmente ponderado gerado pelo valor de mercado de todas as aes pertencentes amostra a cada ms. 5 Retornos mensais minimizam o vis no clculo dos retornos causado por bid-ask spreads ( ver Blume e Stambaugh (1983) e Roll (1983))

a uma de 10 carteiras. Os perodos de teste ou ps-ordenamento so os intervalos de K meses superpostos e subsequentes aos perodos de formao. Para cada uma das 10 carteiras este procedimento resulta numa srie de observaes de retornos para cada um dos J+K meses de evento (perodo de formao + perodo de teste). Estas observaes so usadas para estimar betas e os retornos anormais para cada 1 dos K meses do perodo de teste. Para obter-se o retorno mensal de uma carteira faz-se a mdia igualmente ponderada dos retornos mensais das aes que compem aquela carteira. E se o retorno de alguma ao deixa de ser reportado por alguma razo tal ao retirada da carteira e o retorno da carteira computado pela mdia dos retornos das aes remanescentes que compem aquela carteira a cada ms. Tal procedimento permite diminuir o vis de sobrevivncia. Convm mencionar que a existncia de vis de sobrevivncia6 um fato relevante na nossa amostra. No intuito de minimizar seus efeitos utilizamos todas as empresas existentes ao nal de cada perodo de formao 7 para construir as carteiras, ao invs de utilizar somente as aes que foram cotadas ininterruptamente do incio ao m do horizonte analisado 8 . Consideramos, portanto, na nossa anlise as aes que porventura deixaram de ser listadas neste perodo. A presena do vis de sobrevivncia viesa nossa amostra a favor de rmas grandes, j estabelecidas no mercado. No entanto se o efeito que queremos estudar for vericado os resultados so no mnimo mais interessantes porque respondem crtica comum de que o efeito de sobre-reao em grande parte um efeito de rmas pequenas (efeito tamanho). Para estimar os coecientes rodamos a regresso9 (1), pelo mtodo de mnimos quadrados ordinrios (MQO), para cada carteira (p) e para cada ms de evento 10 = 1; : : : ; K utilizando as observaes das sries de retornos das carteiras: rpt( ) rf t( ) = p ( ) + p ( ) [rmt rf t] + ept( ) (1)

onde: rpt ( ) o retorno mensal da carteira p no ms calendrio t no ms de evento , rmt o retorno de um ndice de mercado no ms t e rf t o retorno do ativo sem risco no ms t. O coeciente estimado p ( ); conhecido como coeciente de Jensen (1969), fornece uma medida do retorno anormal de cada carteira, medindo a diferena entre o excesso de retorno da carteira e o excesso de retorno previsto pelo CAPM. Como proxy do retorno do carteira de mercado foram utilizados 3 ndices, o Iba, o Ibovespa e um ndice que atribui ponderaes iguais para o retorno de todas as aes existentes em determinada data (denominado de EW - Equally Weighted -). O objetivo inicial simplesmente obter um retrato da evidncia existente, examinando a lucratividade de estratgias contrrias para diferentes medidas do perodo de formao e de teste para as carteiras. Enquanto num primeiro momento teremos uma anlise de cunho meramente investigativo, posteriormente iremos nos restringir ao estudo pormenorizado de uma determinada estratgia.

Evidncia no Curto-Prazo

Muito embora o uso de estratgias contrrias tenha estado no centro do debate da literatura acadmica recente, a literatura anterior em ecincia dos mercados de capitais teve
6 O prprio banco de dados da Economtica apresenta vis de sobrevivncia pois a cada nova atualizao do software as aes que deixaram de ser transacionadas so retiradas da amostra. Infelizmente quanto a este problema pouco pode ser feito a no ser que tivssemos acesso a todas as atualizaes j feitas o que operacionalmente invivel. 7 Intervalo de tempo utilizado para o ordenamento dos ativos para posterior construo das carteiras. 8 O que totaliza um montante de 173 meses na amostra utilizada. 9 Procedimento denominado de RATS -returns across time and securities- desenvolvido por Ibbotson (1975). 1 0 Chamamos de ms de evento os meses compreendidos no perodo de formao e de teste, de acordo com a sua ordenao no mesmo. O foco de nossa anlise ser o perodo de teste, desta forma convencionouse que = 1 signica o primeiro ms do perodo de teste, = 2 signica o segundo ms do perodo de teste e assim sucessivamente at = K que signica o ltimo ms do perodo de teste.

seu foco de interesse em estratgias diretas1 1 . Levy (1967) encontrou evidncias para dados americanos de que uma estratgia de troca que consistisse em comprar aes com uma boa performance nas 27 semanas passadas atingia retornos anormais. Alm disso, na prtica, uma gama muito grande de gestores de fundos tm a tendncia de comprar aes que aumentaram de preo no ltimo trimestre. O sucesso destes fundos fornece uma sugestiva evidncia de que a prtica de estratgias diretas gera retornos anormais no curto prazo, ou dito de outra forma, no curto prazo temos momentum, com a carteira perdedora continuando a perder e a carteira ganhadora continuando a ganhar. Uma tentativa de reconciliar o uso de estratgias diretas e a literatura acadmica recente, que aposta no uso de estratgias contrrias para gerar retornos anormais, atribuir a discrepncia diferena entre os horizontes de tempo estudados. Por exemplo a evidncia a favor de estratgias contrrias foca em estratgias baseadas em reverses no curtssimo prazo (1 semana ou 1 ms) ou reverses no longo prazo (3 a 5 anos). No entanto investidores que usam estratgias diretas selecionam aes com base em sua performance nos ltimos 3 a 12 meses. Jegadeesh e Titman (1993) analisaram o uso de estratgias diretas no horizonte de 3 a 12 meses para dados americanos. Eles documentaram lucros signicativos no perodo estudado para cada uma das estratgias examinadas. Nosso objetivo nesta seo investigar rapidamente a evidncia existente para prazos inferiores a um ano. Utilizando a amostra e a metodologia descritas na seo 2 e 3, respectivamente, estamos interessados em investigar a ecincia do mercado acionrio brasileiro examinando a lucratividade de algumas estratgias contrrias. As estratgias consideradas selecionam aes com base no seu retorno acumulado nos ltimos 1,2,3,4 trimestres (perodo de formao) e ento as mantm em carteira (perodo de teste) pelos prximos 1,2,3,4 trimestres. Como j mencionado os perodos de formao e de teste constituem-se em intervalos superpostos e subseqentes. No total examinamos um conjunto de 16 estratgias. Especicamente uma estratgia seleciona aes com base no seu retorno nos ltimos J meses e as mantm em carteira por K meses. Os valores de J e K para as diferentes estratgias esto indicados na primeira coluna e linha respectivamente da tabela 1. A carteira de venda uma carteira igualmente ponderada de aes vencedoras e a de compra uma carteira igualmente ponderada de aes perdedoras. Desta forma iremos examinar a lucratividade da estratgia contrria p10-p1 que consiste na compra da carteira perdedora (p10) e venda da carteira vencedora (p1), utilizando como ndice de mercado o Ibovespa1 2 . Segundo Brito (1989) as carteiras contm um nmero adequado de aes para diversicao, com um mnimo de 15 aes e uma mdia de 18 e 19 aes dependendo das diferentes combinaes de perodo de formao e teste. Tabela 1
1 1 Estratgias que compram aes que obtm uma boa performance no passado recente e vendem aes que obtm uma pssima performance. 1 2 Os resultados utilizando os outros ndices de mercado (IBA e EW) foram semelhantes e no sero apresentados por motivos de espao. Mais detalhes ver Dall Agnol (2001).

Diferena entre portflio 10 e o portflio 1 (% am) Perodo de Formao 3 p-value alfa* beta* 6 p-value alfa* beta* 9 p-value alfa* beta* 12 p-value alfa* beta* Perodo de Teste 6 9 1,27% 1,10% 0,082 0,055 1,39% 1,23% 0,135 0,121 1,09% 0,93% 0,155 0,129 1,24% 1,07% 0,133 0,144 1,18% 1,16% 0,139 0,062 1,35% 1,33% 0,169 0,170 1,80% 1,59% 0,027 0,016 2,03% 1,80% 0,195 0,172

3 3,07% 0,002 3,13% 0,236 2,09% 0,042 2,06% 0,183 2,13% 0,048 2,20% 0,205 2,38% 0,018 2,44% 0,249

12 1,00% 0,033 1,11% 0,117 1,02% 0,044 1,13% 0,147 1,23% 0,016 1,35% 0,159 1,49% 0,006 1,78% 0,140

* Calculados usando-se o Ibovespa como ndice de mercado

Da tabela podemos observar nitidamente que h evidncia de um padro de reverso para o retorno das aes no curto-prazo nos perodos analisados, haja visto que em todos os casos a estratgia contrria utlizada apresentou-se lucrativa e os nmeros gerados revelaram-se estatisticamente signicativos13 . A medida de retorno anormal () varia de 1% a 3% em termos mensais (de 12% at 44% em termos anuais) sendo que a diferena entre os betas pequena, no podendo ser responsvel por uma grande parcela da diferena dos retornos encontrada. Portanto, ao contrrio do que acontece no mercado acionrio americano (Jegadeesh e Titman( 1993)) a hiptese de momentum no se verica no Brasil para o horizonte de tempo analisado. Um resultado interessante que surge da tabela que independentemente do perodo de formao o perodo de teste que fornece a maior lucratividade para a estratgia p10-p1 o de 3 meses. J, xando-se o perodo de teste, com exceo da estratgia 3/3, o perodo de formao de 12 meses resulta em lucros maiores para a estratgia mencionada. Outro resultado importante que a estratgia com perodo de formao e de teste de 3 meses (estratgia 3/3) a mais lucrativa, sendo a diferena de retorno signicativa a 1% (43,82% a.a.). Adicionalmente investigamos como a lucratividade da estratgia 3/3 no perodo PsReal e Pr-Real para vericar se a lucratividade da estratgia est connada a uma parcela da amostra em particular. Encontramos, para antes do Plano Real, diferenas expressivas para o retorno, com a lucratividade da estratgia contrria analisada atingindo 69,63% em termos anuais (4,5 %a.m.), como pode ser visto na tabela 2 abaixo. Alm disso as diferenas entre os betas continuam no sendo sucientes para explicar toda a diferena de retorno encontrada entre os portiflios extremos. Tabela 2
importante mencionar que todos os p-values para as estimativas de diferena dos retornos foram corrigidos para autocorrelao serial dos resduos pelo estimador da matriz de covarincia de Newey-West, onde o nmero de truncagem do lag (q) que representa o nmero de autocorrelaes usadas para avaliar a dinmica dos resduos dado por (segundo a prpria sugesto de Newey-West): q = int(4(T =100) 2=9 onde T o nmero de observaes da amostra. Tal correo deve ser feita uma vez que estamos trabalhando com perodos superpostos, portanto bastante sujeitos a estarem auto-correlacionados. A presena de autocorrelao serial faz com que os desvios-padres das estimativas quem muito baixos afetando no a magnitude das estimativas, mas sim a sua signicncia.
13

Perodo de Formao e Teste: 3 meses nmero de observaes: 95 Incio: Maio-86 Trmino: Abril-94

Retorno Mdio Bruto Mensal portflios menor 10 9 8 7 6 5 4 3 2 1 1,044 1,033 1,028 1,031 1,022 1,018 1,022 1,021 1,016 0,999 1,024 alfa 0,02 0,02 0,01 0,02 0,01 0,01 0,01 0,01 0,01 0,00 0,01

IBA** beta 1,16 1,03 1,02 0,94 0,98 0,91 0,91 0,91 0,83 0,78 0,95

ndice EW alfa 0,02 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,00 0,01 beta 1,15 1,02 1,01 0,93 0,97 0,91 0,90 0,90 0,82 0,77 0,94 0,382

Ibovespa alfa 0,03 0,02 0,02 0,02 0,02 0,01 0,02 0,02 0,01 0,00 0,02 0,027 beta 0,85 0,79 0,78 0,74 0,78 0,73 0,70 0,70 0,67 0,63 0,74 0,222

maior Mdia

p10-p1 0,045 0,022 0,383 0,024 p-value * 0,003 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Iba a partir de setembro de 1986 ** Nota: 1 o maior decil e 10 o menor decil

Para depois do Plano Real (tabela 3) a diferena dos retornos diminui, mas deixando de ser signicativa. Em termos anuais a diferena de 19,16% para p10-p1. Desta forma para o perodo a partir de setembro de 1994 no encontramos evidncia denitiva de reverso no retorno dos carteiras o que sugere que a partir de 1994 tenha havido um aumento de ecincia no mercado acionrio brasileiro com a introduo do Plano Real. A evidncia sugere que com o aumento da estabilidade os agentes passaram a cometer menos erros sistemticos de avaliao. Tabela 3
Perodo de Formao e Teste: 3 meses nmero de observaes: 66 Incio: Dezembro-94 Trmino: Maio-00 Retorno Mdio Bruto Mensal menor portflios 10 9 8 7 6 5 4 3 2 1 1,028 1,014 1,009 1,008 1,014 1,010 1,012 1,008 1,007 1,013 1,012 0,015 alfa 0,03 0,03 0,02 0,02 0,03 0,02 0,02 0,02 0,02 0,02 0,02 0,007 IBA beta 0,94 0,91 0,91 0,89 0,91 0,89 0,88 0,86 0,87 0,86 0,89 0,080 ndice EW alfa 0,03 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,0 0,007 beta 1,09 1,06 1,02 1,01 1,02 1,00 0,99 0,97 0,98 0,98 1,01 0,113 alfa 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,006 Ibovespa beta 0,89 0,86 0,85 0,83 0,86 0,83 0,83 0,80 0,81 0,81 0,84 0,079

maior Mdia p10-p1

p-value * 0,162 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Evidncia no Longo-Prazo

Comeamos nossa anlise de longo-prazo investigando a rentabilidade de estratgias contrrias para o perodo de formao e de teste de 12 meses, mais pormenorizadamente. Primeiramente computamos o retorno acumulado, a cada ms, dos 12 meses anteriores para cada uma das aes constituintes da nossa amostra, e classicamos as rmas em 7

decis. Desta forma obtivemos uma mdia de 18 aes por carteira (decis) utilizando este perodo de formao, o que vai ao encontro do estudo de Brito (1989) que demonstra que uma carteira de 8 a es j elimina a maior parte dos riscos que podem ser diversicados no mercado acionrio brasileiro. A seguir acompanhamos o retorno das carteiras a cada um dos prximos 12 meses (perodo de teste). Os perodos de teste e de formao, convm lembrar, constituem-se de intervalos superpostos. Procedendo desta forma obtivemos 151 perodos de formao e de teste para a estratgia analisada, cada perodo composto por 12 meses e 151 observaes de retorno mensal da carteira p num ms de evento . Estas 151 observaes so usadas na estimativa dos alfas e betas1 4 , usando-se trs ndices como medida da carteira de mercado (Iba, EW, Ibovespa). A tabela 4 resume os resultados encontrados:
Tabela 4
Perodo de Formao e de Teste: 12 meses nmero de observaes: 151 Incio: Fevereiro-87 Trmino: Agosto-99 Retorno Mdio Bruto Mensal portflios menor 10 9 8 7 6 5 4 3 2 1 1,032 1,029 1,031 1,026 1,024 1,023 1,021 1,021 1,019 1,017 1,024 0,015 alfa 0,09 0,09 0,09 0,08 0,08 0,08 0,08 0,08 0,07 0,07 0,1 0,021 IBA beta 0,51 0,58 0,56 0,55 0,58 0,55 0,55 0,56 0,54 0,51 0,5 0,003 ndice EW alfa 0,00 0,00 0,00 0,00 -0,01 -0,01 -0,01 -0,01 -0,01 -0,01 0,0 0,010 beta 1,20 1,15 1,06 1,00 0,99 0,93 0,93 0,92 0,86 0,83 1,0 0,367 Ibovespa alfa 0,02 0,01 0,02 0,01 0,01 0,01 0,01 0,01 0,00 0,00 0,0 0,018 beta 0,75 0,77 0,73 0,71 0,73 0,69 0,69 0,69 0,64 0,61 0,7 0,140

maior Mdia p10-p1

p-value * 0,006 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Na tabela analisamos a lucratividade da estratgia p10-p1 que implica na compra da carteira perdedora (p10) e venda da carteira vencedora (p1) . O resultado interessante a relao inversa encontrada entre retorno prvio e retorno posterior. A carteira perdedora (p10) tem um retorno mdio mensal de 3,2% nos 12 meses subsequentes a sua data de formao enquanto a carteira vencedora (p1) tem o retorno mdio de 1,7% neste mesmo perodo, uma diferena de 1,5% ao ms, totalizando 19,39% em termos anuais. Tal estimativa signicativamente diferente de zero em termos estatsticos e contrria a evidncia encontrada por Chopra et al (1992) onde numa anlise semelhante para o mesmo perodo de formao e teste eles encontraram uma diferena de -7,2% aa entre as carteiras extremas, usando dados americanos. Jegadeesh e Titman (1993) por sua vez encontram uma diferena de -8,5%aa. Em outras palavras, no Brasil, no h a tendncia de momentum encontrada no curto prazo por Jegadeesh e Titman (1993) e Chopra et al (1992) para dados americanos. Este resultado sugere um padro claro de reverso no retorno das aes para o perodo analisado, sendo este estatisticamente signicativo. Alm disso, a diferena entre os retornos encontrada no pode ser atribuda a uma grande diferena de risco entre as carteiras uma vez que as diferenas entre os betas so pequenas. Ao mantermos xo o perodo de formao em 12 meses, aumentando o perodo de teste para 24, 36, 60 meses, percebemos que a diferena encontrada entre os retornos das carteiras extremas cada vez menor, embora continue positiva e signicativa (maiores
1 4 Os alfas e betas reportados na tabela so uma mdia dos 12 coecientes calculados para cada um dos meses de evento do perodo de teste.

detalhes ver DallAgnol (2001)). A diferena entre os betas tambm diminui (algumas se tornando at negativas), bem como a parte atribuda aos alfas. Tais resultados sugerem que embora o padro de reverso ainda se mantenha quando alongamos o horizonte de anlise, a magnitude desta reverso cada vez menor quanto mais tempo estas aes forem mantidas em carteira a partir da classicao inicial. Na gura 1 plotamos a diferena de retornos encontrada, em termos de retorno mdio mensal lquido, entre a carteira perdedora e a vencedora para os vrios perodos de teste mantendo-se o perodo de formao xo. Percebemos nitidamente que a medida que o perodo de teste aumenta os desvios sistemticos dos agentes diminuem, ou seja, ocorre uma correo das expectativas dos agentes. Figura 1
Overreaction - Perodo de Formao 12 meses
4.50% 4.00% 3.50% Retorno Mdio Mensal Lquido 3.00% 2.50% 2.00% 1.50% 1.00% 0.50% 0.00% 3 6 9 12 Perodo de teste (meses) 24 36 60 p10 p1

Quando aumentamos tanto o perodo de formao quanto o de teste para 24 meses, a lucratividade da estratgia analisada (de 10,83% aa) menor do que a encontrada para a estratgia 12/12 e a estimativa deixa de ser signicativa ao nvel de signicncia de 5%. As diferenas entre os betas continuam no sucientes para explicar a diferena encontrada entre os retornos, algumas at sugerindo que no s a carteira perdedora tenha maior retorno como tambm seja menos arriscada. O nmero mdio de aes por carteira permaneceu sendo de 18 aes. Aumentando o horizonte de tempo analisado para 36 meses tanto para o perodo de formao quanto o de teste a lucratividade da estratgia contrria, de 10,95% aa, bastante semelhante magnitude encontrada para a estratgia de 24/24, mas tambm no signicativa ao nvel de 10%. O nmero mdio de aes por carteira foi de 17 aes. Para dados americanos De Bondt e Thaler (1985) encontraram usando este mesmo horizonte de anlise uma diferena de 8% aa para a estratgia de comprar a carteira perdedora e vender a carteira vencedora, ou seja, no horizonte analisado o padro de reverso para dados brasileiros maior. Por ltimo, quando utilizamos como perodo de teste e de formao 60 meses15 no encontramos mais o padro de reverso outrora evidenciado para as estimativas que permanecem signicativas, o que sugere que num horizonte de cinco anos aes que perdem continuam a perder, e as que ganham continuam a ganhar, isto , os agentes aprendem com os erros e no mais superestimam ou subestimam o preo das aes. Em termos anuais a diferena de -5,49% para p10-p1. Tal resultado vai de encontro ao reportado por Chopra et al (1992) que para dados americanos encontram uma diferena no retorno das
15 O

nmero mdio de aes por carte ira foi de 17 aes.

carteiras extremas de 14%aa, uma diferena entre os alfas de 2,5% e entre os betas de 0.79 utilizando o ndice EW e trabalhando com 20 carteiras ao invs das 10 aqui utilizadas. interessante notar que os resultados aqui encontrados esto em linha com outros trabalhos realizados (como Bonomo, Torres e Fernandes (2001) que reportam a existncia de autocorrelao negativa no retorno das aes no horizonte de 1,2,3 e at 4 anos) e sugerem que h um efeito de sobre-reao no mercado brasileiro, conrmando e corroborando a evidncia encontrada por Costa Jr (2000). A evidncia brasileira no entanto distinguese da americana em dois aspectos; o perodo de anlise no qual ocorre a sobre-reao distinto do americano e, segundo De Bondt e Thaler (1987), para dados americanos ao aumentar-se o perodo de formao maiores so os movimentos iniciais nos preos e as subsequentes reverses, ao contrrio do que o que ocorre aqui. Uma vez que a estratgia 12/12 foi a estratgia que apresentou a maior lucratividade e maior signicncia no perodo estudado decidimos concentrar nossa anlise nesta estratgia, fazendo um exame minucioso do resultado obtido e das suas possveis causas. No intuito de analisar a possvel existncia de quebra estrutural a partir de 1994 com o incio do Plano Real, dividimos a amostra em duas partes, uma que vai de janeiro de 1986 at junho de 199416 e outra que utiliza dados a partir de setembro de 1994. Tabela 5
Perodo de Formao e de Teste: 12 meses nmero de observaes: 78 Incio: Fevereiro-87 Trmino: Julho-93 Retorno Mdio Bruto Mensal 1,043 1,040 1,045 1,039 1,036 1,032 1,030 1,029 1,023 1,021 1,034 0,022 IBA alfa 0,10 0,10 0,10 0,10 0,10 0,09 0,09 0,09 0,08 0,08 0,09 0,022 beta 0,54 0,59 0,57 0,57 0,60 0,56 0,57 0,58 0,55 0,53 0,56 0,018 ndice EW alfa beta 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,00 0,00 0,0 0,010 1,10 1,05 0,97 0,90 0,90 0,84 0,84 0,83 0,77 0,75 0,90 0,347 Ibovespa alfa beta 0,03 0,02 0,03 0,02 0,02 0,02 0,02 0,02 0,01 0,01 0,0 0,017 0,76 0,77 0,73 0,70 0,72 0,67 0,67 0,67 0,62 0,60 0,69 0,160

portflios menor 10 9 8 7 6 5 4 3 2 1

maior Mdia p10-p1

p-value * 0,00 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag =3 ** Nota: 1 o maior decil e 10 o menor decil

Para a amostra at junho de 1994 ntido o padro de reverso dos retornos evidenciado pela alta lucratividade da estratgia analisada. Em termos anuais teramos um retorno de 30,05% para a estratgia p10-p1 sendo a estimativa bastante signicativa e de novo no podendo ser atribuda a uma grande diferena em termos de risco das carteiras. Tabela 6
1 6 Os meses de julho e agosto foram expurgados da amostra por serem os meses de lanamento do Plano Real, portanto sujeitos muita incerteza macroeconmica, o que poderia viesar os resultados.

10

Perodo de Formao e de Teste: 12 meses nmero de observaes: 48 Incio: Setembro-95 Trmino: Agosto-99 Retorno Mdio Bruto Mensal portflios menor 10 9 8 7 6 5 4 3 2 1 1,021 1,023 1,020 1,015 1,015 1,018 1,016 1,015 1,020 1,023 1,019 -0,002 alfa 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,02 0,000 IBA beta 0,49 0,54 0,54 0,54 0,55 0,56 0,56 0,55 0,56 0,51 0,54 -0,018 ndice EW alfa 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,0 0,000 beta 0,67 0,69 0,66 0,65 0,64 0,65 0,63 0,61 0,62 0,59 0,64 0,079 Ibovespa alfa 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,0 0,000 beta 0,48 0,52 0,52 0,52 0,53 0,54 0,54 0,53 0,54 0,50 0,52 -0,019

maior Mdia p10-p1

p-value * 0,83 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag =3 ** Nota: 1 o maior decil e 10 o menor decil

J para o perodo a partir de setembro de 1994 mais uma vez no encontramos evidncia denitiva de reverso no retorno dos carteiras. Em termos anuais a lucratividade da estratgia analisada seria de -1,95% para a compra da carteira perdedora e venda da vencedora. Tal evidncia conrma o resultado anteriormente encontrado quando da partio da amostra para o perodo de teste e de formao de 3 meses, sugerindo ter havido um aumento da ecincia ps-Plano Real.

Overreaction ou risco maior?

Uma crtica comum ao estudo realizado que as rmas selecionadas na carteira perdedora podem ser na realidade mais arriscadas e no simplesmente estarem sendo subavaliadas. Em princpio podemos atribuir qualquer retorno anormal aparente algum fator de risco que no foi corretamente mensurado. Da seo anterior observamos que a diferena entre as carteiras extremas remonta a 19,39% aa para a estratgia 12/12. O que queremos determinar agora quanto da diferena de retorno encontrada devido a uma compensao pelo risco, tendo em vista que uma srie de retornos absurdamente negativos ir aumentar o risco do ativo e portanto o retorno esperado requerido. Em particular, como demonstrado por Ball e Kothary (1989) uma grande parte da diferena de retornos comumente encontrada pode ser explicada pelo prmio de risco imposto pelo CAPM (rmt rf t). Numerosos estudos empricos, no entanto, acharam uma estimativa menor para a compensao de risco do que a prevista pelo CAPM. Corroborando esta hiptese Chopra et al (1992) encontraram um prmio de risco emprico menor do que o terico. Baseado nestes resultados, para estimarmos a relao emprica existente entre risco e retorno na nossa amostrta construmos carteiras com base no ordenamento dos betas, sendo o beta de cada rma calculado com base na regresso (2) por MQO usando os retornos mensais durante o perodo de ordenamento (12 meses1 7 ). Ri = + im Rmt onde:
1 7 Utilizamos tamb m o perodo de ordenamento de 24 meses para o cmputo dos betas e os resultados encontrados foram bastante semelhantes.

(2)

11

R i o retorno do ativo i e Rmt o retorno da carteira de mercado. Os betas de cada rma foram calculados com base nos 3 ndices de mercado ( Iba, Ibovespa, Ew) , isto , para cada rma temos trs betas diferentes de acordo com o ndice de mercado utilizado. Para cada um dos meses as rmas so ento ordenadas com base nestes betas e atribudas a uma de dez carteiras. Como a liquidez das aes tida como um fator importante no Brasil para explicar o retornos dos ativos, criamos um modelo de fatores introduzindo o ndice de Liquidez em Bolsa da Economtica 18 como um dos regressores. A correlao entre o ndice de liquidez e os betas foi de 0,54, portanto julga-se no se estar incorrendo num problema srio de multicolinearidade. O que zemos ento foi rodar um painel com o retorno das dez carteiras ordenadas pelos betas contra os betas das carteiras e o ndice de liquidez das carteiras. Computamos o retorno das carteiras para determinado perodo de teste como sendo o retorno mdio de se manter investimentos em tal carteira pelo perodo de 12 meses a partir da sua data de ordenao (ou formao). O beta da carteira a cada ms do perodo de teste foi computado como a mdia dos betas dos ativos que compunham a carteira nesta data. O beta total da carteira para determinado perodo de teste foi ento computado como uma mdia dos 12 betas computados para os 12 meses daquele perodo de teste. O ndice de liquidez foi calculado da mesma forma que os betas. Como temos 145 perodos de teste19 este procedimento nos retorna uma srie de 145 retornos, betas e ndice de liquidez para cada carteira, como so 10 carteiras, temos ento 1450 observaes. Com estas sries em mos rodamos um painel por GMM20 , utilizando a regresso (3) e 1450 observaes. Rp = + p + p (3)

onde: R p o retorno da carteira p e p o beta da carteira p; o prmio de risco emprico, p o ndice de liquidez ( na sua forma logartmica) e o prmio do ndice de liquidez. Como instrumentos utilizamos os betas e os ndices de liquidez defasados. Pelo fato de estarmos utilizando o beta dos portflios como regressor e no os betas das aes o problema que poderia surgir por estarmos utilizando variveis estimadas como regressores minimizado. Tal problema seria fruto do erro de mensurao da varivel estimada que poderia fazer com que o regressor no fosse descorrelatado do erro. Como o beta do portflio representa uma agregao dos betas individuais tal varivel tende a apresentar um erro menor fruto da soma dos desvios para cima e para baixo dos betas individuais que compem a carteira. O uso de variveis instrumentais representa, ento, um cuidado a mais fazendo com que apenas a parte do regressor correlacionada com a varivel instrumental e ortogonal ao erro seja utilizada na regresso, melhorando as propriedades estatsticas dos estimadores. Os resultados so mostrados a seguir. importante notar que de acordo com o ndice utilizado para construir o beta dos ativos teremos o retorno das carteiras ordenadas com base nestes betas, os prprios betas destas carteiras e o ndice de liquidez destas carteiras, ou seja teremos trs sries distintas de cada uma destas variveis correspondendo aos trs ndices de mercado utilizados como medida da carteira de mercado. Convm mencionar tambm que as estimativas feitas foram corrigidas para heterocedasticidade e autocorrelao21 .
1 8 O ndice de liquidez (In ( )) usado na forma funcional logartmica por ser esta uma forma bastante pt usada no mercado: 1 9 So 145 meses e no mais 151 porque o incio do perodo de teste d-se em agosto de 1987 uma vez que o Iba s est disponvel a partir de agosto de 1986. Usando-se 12 meses de retornos passados no cmputo dos betas o primeiro beta estimado , ento, de agosto de 1987. 2 0 A estimativa por GMM uma estimativa robusta no sentido de que nenhuma informao a priori sobre a distribuio dos resduos requerida. 2 1 Quanto ao problema de multicolinearidade que poderia surgir por estarmos usando variveis correlacionadas ( ndice de liquidez e o beta) vale lembrar que este problema essencialmente um problema amostral e de grau, afetando a preciso das estimativas e no sua magnitude. Uma das maneiras de se distinguir a presena de forte multicolinearidade atravs da existncia de R2 elevados e estatsticas t

12

Tabela 7
Excesso de Retorno Ajustado ao Beta ( 12 meses) r p - rf = a0 + a1*beta (p) + a2 log(In) (p) + e p Beta Iba coeficientes estatstica t intercepto beta(p) log(In)(p) R2 R2 ajustado 0,9680 0,0279 -0,0119 0,2018 0,1894 133,207 6,842 -9,909 Beta EW coeficientes estatstica t 1,0102 0,0009 -0,0043 0,0335 0,0185 269,194 0,482 -5,946 Beta Ibov coeficientes estatstica t 0,9825 0,0223 -0,0090 0,1023 0,0059 157,084 5,050 -9,474

Estimativas corrigidas para heterocedasticidade e para autocorrelao serial, feitas por GMM usando como intrumentos as variveis log(In) e beta defasadas

Analisando a tabela 7 encontramos que as estimativas para o prmio de risco encontradas utilizando-se o Iba e o Ibovespa como ndice de mercado no diferem muito. Como para o modelo rodado utilizando-se o ndice de mercado EW a estimativa para o prmio de risco no foi signicativa e o R 2 muito baixo os parmetros advindos deste modelo foram descartados. Na gura abaixo plotamos o plano estimado (o modelo de fatores) para as 10 carteiras formadas com base no ordenamento dos betas, utilizando o Iba como ndice de mercado. Figura 2

Os desvios em relao a este plano nos do uma estimativa do retorno anormal que queremos mensurar. Segundo a tabela 7 o prmio de risco emprico ca em torno de 2%a.m. a 3%a.m. e o prmio de liquidez em torno de -1% a.m. Na tabela 8 computamos o retorno estimado das carteiras calculados a partir dos coecientes estimados na regresso 3 e dos valores dos betas e do ndice de liquidez das carteiras; o retorno anormal de cada carteira ( o desvio em relao ao plano, representado pela subtrao do retorno estimado do retorno amostral) e o retorno anormal da estratgia p10-p1 que consiste na diferena entre os retornos anormais de cada carteira, ou seja, a soma dos desvios em relao ao plano. Usamos os coecientes advindos da regresso na qual o Iba usado como o ndice de mercado por ser esta a regresso que apresentou o maior R 2 : Tabela 8
muito baixas o que no parece ser o caso para as estimativas em questo.

13

Retorno Mdio Bruto Mensal rp10 estimado rp1 estimado 1,0266 1,0356 rp10 amostral rp1 amostral 1,0315 1,0167 rp10 (amostral - estimado) rp 1 (amostral - estimado) 0,0049 -0,0188 rp10-rp1 2,38%

Usando dados mensais a carteira perdedora tem uma performance superior a uma carteira de mesmo beta de 4,9% e a carteira vencedora tem uma performance inferior a uma carteira de mesmo beta de 1,88%. Os desvios em relao ao plano totalizam 2,38%, um valor ligeiramente maior do que a estimativa encontrada na tabela 4 de 2,1% para o alfa. A diferena entre estes dois nmeros pode ser atribuda a diferentes hipteses sobre a inclinao da Security Market Line (SML). Analogamente utlizando-se o Ibovespa como ndice de mercado os desvios em relao ao plano totalizam 2,11%, um valor tambm maior do que o previamente estimado de 1,8%. Vericamos ento que o efeito de overreaction sobrevive a correes para o risco e que o uso do prmio de risco terico do CAPM resulta numa estimativa mais baixa do efeito de overreaction do que quando o prmio de risco emprico utilizado, corroborando a evidncia encontrada por Chopra et al (1992) para dados americanos.

Overreaction ou Efeito Tamanho?

A relao entre tamanho 22 da rma e retorno em excesso ao previsto pelo CAPM foram estudados por Banz (1981), Reinganum (1981), Fama e French (1992) entre outros. Banz (1981) e Reinganum (1981) evidenciaram que, na mdia, rmas com pequena capitalizao de mercado obtm retornos signicativamente maiores do que as rmas com grande capitalizao de mercado, mesmo a justando-se para diferenas entre os betas. Concomitantemente, Zarowin (1990) argumenta que a performance superior da carteira perdedora em relao a carteira vencedora no deve-se ao efeito de overreaction e sim uma manifestao do tamanho ou do efeito janeiro, uma vez que ao nal do perodo de ordenamento a carteira perdedora tende a ser composta de rmas menores do que a carteira vencedora. Chopra et al (1992) encontraram evidncia de que mantendo-se o tamanho constante, os retornos so maiores quanto menores forem os retornos anteriores e mantendo-se o retorno constante o retorno maior quanto menor for o tamanho, utilizando dados da bolsa de Nova York. Para o mercado acionrio brasileiro, Costa Jr e Neves (2000) utilizando uma amostra de 1986 a 1996 para dados da Bovespa concluram pela existncia de efeito tamanho no perodo analisado. Mellone Jr (1999) encontrou resultado semelhante para o perodo de janeiro de 1994 a agosto de 1998, bem como Costa Jr e O Hanlon (1991) para o perodo entre 1970 e 1989. Em contrapartida Braga e Leal (2001) no encontraram efeito tamanho entre 1991 e 1998. Dado que os resultados anteriores no so conclusivos, queremos vericar a existncia ou no deste efeito na nossa amostra. Em sendo o caso, um ajuste para tamanho seria justicvel. A gura 3 nos mostra a distribuio conjunta das rmas caracterizadas por tamanho e retorno. Para cada quintil classicado pelo tamanho observamos sua composio em termos das rmas ordenadas por retorno prvio. Figura 3
aqui medido pela capitalizao de mercado que igual ao preo da ao multiplicado pelo nmero de aes existente.
2 2 Tamanho

14

0,3

Percentagem no Quintil de Tamanho

0,25

0,2

0,15

0,1

0,05 4 3 0 5 2

Menor

Tamanho

P e r d e d o r e s4

1 2 1 Vencedores

Maior

Retorno

Pela gura 3 observamos que aproximadamente 25% do quintil de menor capitalizao (quintil 5), composto pelas rmas que esto no quintil das perdedoras (quintil 5), enquanto que as rmas vencedoras (quintil 1) totalizam 20% da composio 23 . A diferena de concentrao em termos de rmas previamente perdedoras e vencedoras pequena, o que nos fornece a priori apenas um indcio de haver uma correlao negativa entre tamanho e retorno. Na gura 4 abaixo plotamos a distribuio conjunta dos retornos mensais para os mesmos quintis usados na gura 3. Figura 4

0,05

0,04

0,03 Retorno Mdio Mensal Bruto 0,02

0,01 4 3 0 5 4 3 1 2 2

Menor

Tamanho

Perdedores

Retorno

Maior Vencedores
1

Analisando a gura percebemos que mantendo o quintil classicado por retorno constante, os retornos so maiores quanto menor for a capitalizao. H tambm uma tendncia de que, mantendo-se o tamanho xo, o retorno aumente quanto menor tiver sido o retorno anterior. Diante do exposto procedemos o cmputo do retorno das carteiras classicadas de acordo com o tamanho (tabela 9). Na tabela 9 observamos claramente que quanto menor o tamanho maior o retorno subsequente, tanto quando utilizamos a amostra toda ou
2 3 Para dados americanos Chopra et al (1992) mostram que o quintil com menor capitalizao de mercado composto por 40% de rmas perdedoras e 10% de rmas ganhadoras, revelando portanto uma correlao muito forte entre tamanho e retorno para dados americanos.

15

quando utilizamos apenas uma amostra restrita, expurgando da amostra todas as aes que previamente pertenceram s carteiras perdedoras ou vencedoras (carteiras 10 e 1) no intuito de maximizar a distino entre o efeito de overreaction e o efeito tamanho. As diferenas nos retornos encontradas entre as menores rmas e as maiores so altamente signicativas quando utilizamos a amostra toda e permanecem positivas, um pouco menos signicativas, quando a amostra restrita utilizada. interessante notar que a diferena no retorno das carteiras extremas quando a amostra restrita utilizada da mesma magnitude da diferena nos retornos encontrada quando as carteiras so ordenadas por retorno prvio acunulado, sugerindo que o padro de reverso anteriormente encontrado seja fruto apenas do efeito tamanho na amostra. Prosseguimos, ento, com a realizao de um a juste para tamanho para observar, se a despeito deste efeito, a diferena entre as carteiras perdedoras e vencedoras permanece positiva e signicativa. Tabela 9
Perodo de Formao e de Teste: 12 meses nmero de observaes: 151 Inicio: Trmino: Fevereiro-87 Agosto-99 Retorno Mdio Bruto Mensal Portfolios Ranqueados por Portfolios Ranqueados por Tamanho Retorno Acumulado Amostra total Amostra Restrita Capitalizao Mdia Amostra total Amostra Restrita ( em milhares de Reais ) portflios menor 10 9 8 7 6 5 4 3 maior Mdia p10-p1 p-value * com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil 2 1 1,032 1,029 1,031 1,026 1,024 1,023 1,021 1,021 1,019 1,017 1,02 0,015 0,006 1,049 1,037 1,033 1,026 1,022 1,018 1,018 1,014 1,024 1,005 1,02 0,043 0,000 1,032 1,023 1,022 1,019 1,012 1,012 1,012 1,022 1,023 1,017 1,02 0,015 0,004 1.878,9 7.113,3 16.185,0 29.832,3 50.098,8 80.342,6 138.190,8 272.781,3 839.921,4 1.761.217.597,3 176.265.394,2 10.656,5 31.989,2 56.046,7 85.826,8 131.927,1 218.820,0 471.007,7 876.520,7 13.271.984,0 686.527.220,4 70.168.199,9

* Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West,

Para construir os retornos ajustados para tamanho as rmas so ordenadas com base na sua capitalizao de mercado ao nal de cada um dos perodos de formao e atribudas a uma de 10 carteiras formadas com base no tamanho. Para cada uma das 10 carteiras formadas com base no retorno formado uma carteira controlada para tamanho da seguinte forma: a carteira controlada para tamanho construda de forma a ter a mesma composio em termos de tamanho, isto , a mesma capitalizao mdia, do que a sua correspondente carteira formada com base no retorno, a partir de uma combinao convexa das carteiras ordenadas por tamanho 24 . Desta forma poderemos inferir quanto do retorno da carteira proveniente apenas do tamanho que aquela carteira possui (sua capitalizao mdia). Tabela 10
2 4 fato que existiriam inmeras formas de se fazer esta combinao convexa, foi ento arbitrado que a mesma seria feita entre as carteiras classicadas por tamanho cujas capitalizaes mdias fosse m imediatamente adjacentes a capitalizao mdia da carteira classicada por retorno.

16

Perodo de Formao e de Teste: 12 meses nmero de observaes: 151 Inicio: Trmino: Fevereiro-87 Agosto-99 Retorno Mdio Bruto Mensal (%) Portfolios Ranqueados por Retorno Acumulado (rp) 1 1,032 1,029 1,031 1,026 1,024 1,023 1,021 1,021 1,019 1,017 1,02 0,015 0,006 Portfolios controlados para tamanho Amostra total (rs) 2 1,020 1,019 1,019 1,021 1,021 1,020 1,020 1,020 1,019 1,019 1,02 0,001 0,491 Amostra Restrita (rs) 3 1,020 1,019 1,016 1,018 1,019 1,019 1,019 1,019 1,019 1,016 1,02 0,004 0,324 Diferena 2-3 4 0,000 0,000 0,003 0,003 0,001 0,001 0,001 0,001 0,000 0,003 0,00 -0,003 0,291 1-2 5 0,013 0,010 0,012 0,005 0,003 0,003 0,001 0,001 0,000 -0,002 0,00 0,014 0,001 e = rp - rs 1-3 6 0,012 0,010 0,015 0,008 0,005 0,004 0,002 0,003 0,000 0,001 0,01 0,011 0,072 Retornos Ajustados para tamanho

portflios menor 10 9 8 7 6 5 4 3 maior Mdia p10-p1 p-value * 2 1

* Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Olhando para a coluna 6 observamos que o efeito tamanho responsvel por apenas 0,4% da diferena do retorno entre a carteira perdedora e a vencedora (1,5% - 1,1%). Ou seja, a despeito da inuncia do tamanho continua existindo uma diferena positiva e signicativa no retorno das carteiras extremas de aproximadamente 14,33% a.a.

Padro sazonal

Keim (1983), usando dados americanos, mostra que aproximadamente 1/2 do efeito tamanho pode ser atribudo ao ms de janeiro (efeito janeiro) e que a maior parte do prmio de janeiro ocorre nos primeiros dias teis do ms, o que indica que a natureza do padro sazonal sistematicamente relacionada com a capitalizao de mercado. Ou seja, evidencia a existncia de uma anomalia dentro de outra anomalia. Para o Brasil, Costa Jr. e O Hanlon (2000) no encontram evidncia de efeito janeiro para o perodo de 70 a 89 e Bonomo, Torres e Fernandes (2001) revelam a existncia de sazonalidades mensais em outubro e novembro, mas no vericam a sazonalidade de janeiro para a amostra utilizada que abrange o perodo de 1986 a 1998. Na tabela observamos a relao existente entre overreaction e sazonalidade na nossa amostra: Tabela 11

17

Perodo de Formao e Teste: 12 meses Perodo de Teste: 12 meses Incio: fevereiro-87 Trmino: agosto-99 Retorno Mdio Bruto (%) Mensal (rp) 1 1.0322 1.0290 1.0307 1.0263 1.0238 1.0233 1.0214 1.0214 1.0187 1.0174 1.0244 0.015 0.006 Jan Fev-Dez Retornos Ajustados para Tamanho Mensal e = rp-rs 1-4 7 0.012 0.010 0.015 0.008 0.005 0.004 0.002 0.003 0.000 0.001 0.0059 0.011 0.072 Jan 2-5 8 0.008 0.006 0.004 0.003 0.001 0.002 0.001 0.000 -0.002 -0.001 0.0023 0.009 0.000 Fev-Dez 3-6 9 0.004 0.003 0.010 0.005 0.003 0.002 0.001 0.002 0.002 0.002 0.0035 0.002 0.707

menor

maior Mdia p10-p1 p-value *

portflios 10 9 8 7 6 5 4 3 2 1

2 1.015 1.012 1.012 1.010 1.008 1.008 1.007 1.007 1.006 1.007 1.0091 0.008 0.000

3 1.018 1.017 1.019 1.016 1.016 1.015 1.014 1.014 1.013 1.011 1.0153 0.007 0.223

* Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Percebemos que h um forte indcio de efeito janeiro no perodo analisado 25 (diferenas nos retornos muito signicativas em janeiro), mesmo controlando-se para o efeito tamanho. A principal hiptese existente para explicar a anomalia descrita a hiptese do efeito tax-loss selling: Roll (1983) levantou a hiptese de que a maior volatilidade das rmas pequenas faz com que as mesmas experimentem mais perdas no curto prazo os quais os investidores podem querer realizar por motivos scais antes do trmino do ano scal. Esta presso de venda reduziria o preo das aes de rmas pequenas em dezembro tendo um repique em janeiro quando os investidores recompram as aes para reestabelecer as posies de investimento. Branch (1977), Roll (1982, 1983), Dyl (1977) fornecem evidncia da associao do efeito janeiro com a hiptese de tax-loss selling. J Reinganum (1983) e Barry e Brown (1984) argumentam que existe um efeito tamanho alm do que o que poderia ser relacionado a um efeito de tax-loss selling. Expectativas racionais implicariam pouca relao entre a sazonalidade de janeiro e perdas no longo prazo, no entanto resultados empricos mostram que a sazonalidade de janeiro fortemente relacionada com perdas no longo prazo. Esta evidncia inconsistente com um modelo que explique a sazonalidade de janeiro atravs de uma poltica tima scal. Como no Brasil os impostos sobre ganhos de capital so pagos ao m de cada ms haveria menos incentivo para que os agentes agissem da forma prevista pela hiptese de tax-loss selling e portanto menos incentivo para ocorrer a sazonalidade de janeiro. Uma possvel explicao para a evidncia encontrada poderia ser, ento, a integrao existente entre o mercado acionrio brasileiro e o norte-americano, o que levaria o mercado acionrio brasileiro a mimetizar o comportamento dos mercado americano, para prevenir qualquer possibilidade de arbitragem. Para vericar esta hiptese, com base no resultado encontrado por Castro (2001) de que o Brasil tornou-se mais integrado ao mercado mundial a partir de maio de 1991, particionamos a amostra em dois perodos: o primeiro indo de fevereiro de 87 a abril de 1991 (tabela 12) e o segundo indo de maio de 1991 agosto de 1999 (tabela 13). Tabela 12
2 5 Replicamos a tabela tanto aumentando o perodo de formao quanto o de teste e o resultado encontrado foi o mesmo. A sazonalidade de janeiro permanece at dois anos depois do perodo de formao.

18

Perodo de Formao e de Teste: 12 meses Incio: Fevereiro-87 Trmino: Abril-91 Retorno Mdio Bruto (%) Mensal (rp) 1 1,0181 1,0204 1,0343 1,0280 1,0254 1,0204 1,0186 1,0153 1,0094 1,0091 1,0199 0,009 Jan Fev-Dez Retornos Ajustados para Tamanho Mensal e = rp-rs 1-4 7 0,001 0,000 0,018 0,007 0,006 0,001 0,001 -0,008 -0,011 -0,004 0,0011 0,005 Jan 2-5 8 0,007 0,005 0,004 0,002 -0,002 -0,001 -0,003 -0,004 -0,006 -0,004 -0,0003 0,011 0,000 Fev-Dez 3-6 9 -0,005 -0,005 0,014 0,005 0,008 0,002 0,003 -0,004 -0,005 0,000 0,0013 -0,005 0,672

portflios menor 10 9 8 7 6 5 4 3 2 1

2 1,017 1,015 1,015 1,012 1,009 1,010 1,007 1,008 1,005 1,007 1,0105 0,009

3 1,003 1,006 1,020 1,016 1,016 1,011 1,012 1,008 1,004 1,002 1,0097 0,000

maior Mdia p10-p1

p-value * 0,093 0,002 0,944 0,690 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Tabela 13
Perodo de Formao e de Teste: 12 meses Perodo de Teste: 12 meses Incio: Maio-91 Trmino: Agosto-99 Retorno Mdio Bruto (%) Mensal (rp) 1 1,0394 1,0333 1,0288 1,0254 1,0230 1,0248 1,0228 1,0245 1,0234 1,0216 1,0267 0,018 Jan Fev-Dez Retornos Ajustados para Tamanho Mensal e = rp-rs 1-4 7 0,018 0,015 0,013 0,009 0,004 0,006 0,003 0,008 0,005 0,004 0,0084 0,015 Jan 2-5 8 0,008 0,007 0,004 0,004 0,002 0,003 0,003 0,003 0,000 0,001 0,0036 0,008 0,001 Fev-Dez 3-6 9 0,009 0,007 0,008 0,005 0,001 0,002 -0,001 0,005 0,006 0,003 0,0047 0,006 0,324

portflios menor 10 9 8 7 6 5 4 3 2 1

2 1,014 1,011 1,010 1,009 1,007 1,007 1,007 1,007 1,006 1,006 1,0084 0,008

3 1,025 1,022 1,019 1,016 1,016 1,018 1,015 1,018 1,018 1,015 1,0181 0,010

maior Mdia p10-p1

p-value * 0,019 0,004 0,188 0,034 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Se a hiptese previamente levantada estivesse correta esperaramos que antes de maio de 1991 no houvesse nenhum indcio de sazonalidade e que a mesma s se manifestasse a partir de maio do referido ano. No entanto, o que vericamos que o retorno ajustado para tamanho em janeiro altamente signicativo nos dois perodos enquanto que para fevereiro-dezembro no. Adicionalmente decidimos vericar se o mesmo padro sazonal sugerido por Bonomo, Torres e Fernandes (2001) de que h sazonalidade no retorno das aes em outubro e novembro evidenciado no cross-section. O que percebemos que no h sazonalidade cross-section para outubro e novembro (os valores no so signicativos), isto , todas as rmas perdem igual ou ganham igual em outubro e novembro, no havendo um grupo que perca ou ganhe mais. Tabela 14

19

Perodo de Formao e de Teste: 12 meses Incio: Fevereiro-87 Trmino: Agosto-99 Retorno Mdio Bruto (%) Mensal (rp) 1 1,0322 1,0290 1,0307 1,0263 1,0238 1,0233 1,0214 1,0214 1,0187 1,0174 1,0244 Out Acumulado Retornos Ajustados para Tamanho Mensal e = rp-rs 1-4 7 0,012 0,010 0,015 0,008 0,005 0,004 0,002 0,003 0,000 0,001 0,0059 Out 2-5 8 -0,001 -0,001 0,001 0,000 0,001 0,000 0,000 0,001 0,001 0,001 0,0003 -0,002 0,160 Acumulado 3-6 9 0,013 0,011 0,014 0,008 0,004 0,004 0,002 0,001 -0,001 0,000 0,0057 0,014 0,026

menor

maior Mdia

portflios 10 9 8 7 6 5 4 3 2 1

2 0,996 0,997 0,997 0,997 0,997 0,997 0,997 0,997 0,997 0,997 0,9970

3 1,036 1,032 1,034 1,029 1,027 1,027 1,024 1,024 1,021 1,021 1,0275

p10-p1 0,015 0,000 0,015 0,011 p-value * 0,006 0,845 0,004 0,072 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Tabela 15
Perodo de Formao e de Teste: 12 meses Incio: Fevereiro-87 Trmino: Agosto-99 Retorno Mdio Bruto (%) Mensal (rp) 1 1,0322 1,0290 1,0307 1,0263 1,0238 1,0233 1,0214 1,0214 1,0187 1,0174 1,0244 0,015 Nov Acumulado Retornos Ajustados para Tamanho Mensal e = rp-rs 1-4 7 0,012 0,010 0,015 0,008 0,005 0,004 0,002 0,003 0,000 0,001 0,0059 0,011 Nov 2-5 8 -0,002 -0,002 -0,001 -0,002 -0,002 -0,003 -0,001 -0,002 -0,003 -0,002 -0,0022 0,000 0,160 Acumulado 3-6 9 0,014 0,012 0,016 0,010 0,007 0,007 0,003 0,004 0,003 0,003 0,0081 0,011 0,026

portflios menor 10 9 8 7 6 5 4 3 2 1

2 0,996 0,997 0,998 0,997 0,997 0,997 0,998 0,998 0,997 0,997 0,9973 0,000

3 1,036 1,032 1,033 1,029 1,027 1,026 1,024 1,023 1,022 1,021 1,0273 0,015

maior Mdia p10-p1

p-value * 0,006 0,845 0,004 0,072 * Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Retorno ajustado Liquidez

Uma vez que no cmputo do modelo de fatores na seo 6 inferimos que a varivel liquidez altamente signicativa, nesta seo procedemos o cmputo do retorno a justado para liquidez, de maneira anloga ao que foi feito para o controle do tamanho. O objetivo consiste em vericar quanto da diferena encontrada no retorno dos portiflios pode ser atribuda a uma diferena de liquidez entre os mesmos. Primeiramente, a cada ms ordenamos as aes pelo ndice de liquidez em bolsa e classicamos as aes em decis construindos as carteiras. Estas carteiras so ento acompanhadas durante os 12 meses subseqentes ao perodo de formao e os seus retornos so computados como uma mdia do retorno do perodo. Este procedimento o mesmo adotado na seo 3, a nica diferena a maneira pela qual as aes so ordenadas. Tabela 16 20

Perodo de Formao e de Teste: 12 meses nmero de observaes: 148 Inicio: Maio-87 Trmino: Agosto-99 Retorno Mdio Bruto Mensal Portfolios Ranqueados por Retorno Acumulado Portfolios Ranqueados por In Amostra total Amostra Restrita

menor

maior Mdia p10-p1 p-value *

portflios 10 9 8 7 6 5 4 3 2 1

1,032 1,029 1,031 1,026 1,024 1,023 1,021 1,021 1,019 1,017 1,02 0,015 0,006

1,052 1,039 1,025 1,030 1,024 1,020 1,015 1,009 1,014 1,013 1,02 0,039 0,000

1,032 1,025 1,020 1,017 1,009 1,012 1,016 1,013 1,020 1,019 1,02 0,013 0,013

* Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag =4 ** Nota: 1 o maior decil e 10 o menor decil

Da tabela inferimos que as carteiras com menor liquidez (portiflio 10) tm maior retorno tanto para a amostra toda quanto para a amostra na qual foram expurgadas as aes previamentes pertencentes aos portiflios perdedor e vencedor (10 e 1, respectivamente). Tal resultado levanta a hiptese de que a diferena de retorno encontrada entre as carteiras perdedoras e vencedoras possa ser advinda de uma diferena de liquidez entre os mesmos e no de desvios de racionalidade sistemticos por parte do agente. Para vericarmos esta hiptese zemos um controle para liquidez, de maneira anloga ao que foi feito para o controle de tamanho. Tabela 17
Perodo de Formao e de Teste: 12 meses nmero de observaes: 148 Inicio: Maio-87 Trmino: Agosto-99 Retorno Mdio Bruto Mensal Portfolios Ranqueados por Retorno Acumulado (rp) 1 1,032 1,029 1,031 1,026 1,024 1,023 1,021 1,021 1,019 1,017 1,02 0,015 0,006 Portfolios controlados para IN Amostra total Amostra Restrita Diferena (rs) 2 1,019 1,017 1,013 1,013 1,014 1,014 1,014 1,013 1,013 1,015 1,01 0,004 0,121 (rs) 3 1,021 1,018 1,016 1,017 1,014 1,016 1,017 1,015 1,012 1,018 1,02 0,003 0,283 2-3 4 -0,002 -0,001 -0,003 -0,004 0,000 -0,001 -0,004 -0,001 0,001 -0,003 0,00 0,000 0,909 Retornos Ajustados para liquidez e = rp - rs 1-2 5 0,014 0,012 0,017 0,013 0,010 0,009 0,008 0,008 0,006 0,003 0,01 0,011 0,060 1-3 6 0,011 0,011 0,014 0,009 0,010 0,008 0,004 0,007 0,006 0,000 0,01 0,012 0,060

portflios menor 10 9 8 7 6 5 4 3 2 1

maior Mdia p10-p1 p-value *

* Corrigido para autocorrelao serial segundo a matriz de covarincia de Newey-West, com o q nmero de truncagem do lag = 4 ** Nota: 1 o maior decil e 10 o menor decil

Quando a justamos a diferena do retorno para diferenas de liquidez (coluna 6) a primeira continua positiva e signicativa, totalizando 1,2% em termos mensais, sugerindo que a diferena de liquidez por si s no pode explicar a magnitude da diferena encontrada no retorno das carteiras extremas (1,5% a.m.).Para a estratgia p10-p1 h nitidamente um efeito de overreaction alm do que poderia ser atribudo a uma diferena de liquidez entre os portflios. 21

10

Testes de Regresses Mltiplas

Nas sees anteriores foi feito o controle separadamente para beta, tamanho e liquidez no cmputo dos retornos anormais. Nesta seo ser apresentado um teste de regresso mltipla que simultaneamente incorpora o efeito do beta, tamanho, liquidez e retornos prvios no retorno do perodo de ps-ordenamento (perodo de teste), levando em conta a correlao entre eles. Esta anlise feita usando-se 100 carteiras, cada uma contendo um nmero desigual de rmas, formadas com base em ordenamentos independentes com respeito ao tamanho das rmas e retornos prvios. Isto assegura que as rmas pertencentes ao menor (maior) decil sejam realmente pequenas (grandes) com respeito a todas as rmas na amostra e no so somente com respeito rmas no seu quintil de retorno prvio26 . Para cada uma destas carteiras o beta calculado da seguinte forma: para cada uma das 100 carteiras feita uma regresso por MQO (4) usando at 151 observaes dos retornos das carteiras para cada um dos 12 meses de evento do perodo de teste. Desta forma estimamos, por exemplo, o beta para o ms de evento = 1 para a carteira 1. Repetindo o procedimento para os 12 meses de evento e computando a mdia dos nmeros teremos uma estimativa do beta para a carteira 1.Uma desvantagem deste mtodo que h muitas carteiras com observaes inexistentes em alguns dos 151 perodos de formao, devido ao fato das carteiras serem construdas a partir de ordenamentos independentes do tamanho e do retorno. rpt ( ) rf t( ) = p ( ) + p ( ) [rmt rf t] + pt( ) [Log(Ipt ( ))] + ept( ) (4)

De posse dos bestas iremos computar o excesso de retorno da carteira (rp rf ). O excesso de retorno da cateira para determinado ms calculado como uma mdia dos excessos de retorno dos ativos que compem a carteira naquele ms. O excesso de retorno da carteira para cada perodo de teste ento computado como o excesso de retorno mdio de se manter o investimento na carteira por 12 meses a partir da sua data de formao. Como temos 151 perodos de teste teremos 151 excessos de retorno para cada carteira.O excesso de retorno total para cada carteira ento computado como a mdia destes 151 excessos de retornos. O ndice de liquidez calculado de forma semelhante ao excesso de retorno da carteira. Primeiro o ndice de liquidez para determinada carteira em determinado ms calculado como uma mdia dos ndices de liquidez das aes que compem aquela carteira naquele ms. O ndice de liquidez para determinado perodo de teste computado como uma mdia dos ndices de liquidez mensais da carteira para o perodo de teste e o ndice de liquidez total da carteira ento calculado como uma mdia dos ndices de liquidez dos perodos de teste. Com as sries de excesso de retorno dos carteiras, betas e liquidez estimamos a regresso (5) usando MQO e 100 observaes referentes s 100 carteiras construdas a partir de ordenamentos independentes com base em retorno prvio e tamanho. rp rf = a0 + a1 T amanhop + a2 Re torno p + a3 Betasp + a4 log(In)p + a5 e p (5)

As variveis explicativas so a capitalizao de mercado (Tamanho) medida como o rank do portfolio (10 pequeno, 1 grande), o retorno acumulado dos 12 meses anteriores (Retorno) medido como o rank da carteira (10 perdedores, 1 ganhadores), o beta da carteira e o ndice de liquidez da carteira. Os resultados podem ser vistos na tabela 18: Tabela 18
2 6 Este

mtodo o mesmo usado por Zarowin (1990).

22

rp - rf = a0 + a1 tamanhop + a2 retornop + a3 betap + a4 log(In)p + ep Iba intercepto tamanhop retornop betap log(In)p 9*coef. retorno 9*coef. tamanho 9*coef log(In) R2 ajustado coeficientes -0.0345 0.0036 0.0010 0.0166 -0.0354 0.91% 3.25% -31.9% 0.62 estatstica t -3.498 6.047 3.589 1.204 -2.897 coeficientes -0.0370 0.0028 0.0007 0.0152 -0.0067 0.59% 2.49% -6.0% 0.57 EW estatstica t -4.936 7.050 1.748 1.921 -0.044 coeficientes -0.0481 0.0036 0.0006 0.0318 -0.0202 0.51% 3.21% -18.2% 0.61 Ibov estatstica t -6.184 8.845 1.774 3.253 -1.251

Todas as 4 variveis explicativas so signicativamente diferentes de zero e os coecientes tm o sinal previsto. O sinal positivo do coeciente tamanho, por exemplo, nos diz que quanto maior o rank do tamanho maior o excesso de retorno, como o rank 10 na verdade a menor carteira o que o sinal do parmetro nos informa que quanto menor a carteira maior o excesso de retorno que deve ser esperado, o que condizente com o efeito tamanho que tnhamos identicado previamente. O coeciente do Retorno de 0,0010 ( usando o Iba como ndice de mercado) implica que depois de se controlar para tamanho, beta e liquidez, os perdedores extremos excedem os vencedores extremos por 0,91% ao ms em mdia nos 12 meses do perodo de teste27 . Tambm vale a pena notar que o coeciente do beta de 0,0166 menor que o coeciente de 0,0279 encontrado na regresso (3), o que quer dizer que aparentemente as estimativas da Security Market Line (prmio de risco emprico determinado anteriormente) para regresses univariadas sofrem de um vis de varivel omitida. Outro aspecto interessante que a magnitude do efeito de overreaction menor do que o efeito do tamanho, como pode ser visto a partir da comparao dos dois coecientes, ao contrrio do que acontece para dados americanos como reportado por Chopra et al (1992). Adicionalmente ser permitido que o efeito de overreaction varie de acordo com o tamanho da rma, dependendo da carteira ser formada de rmas pequenas, mdias ou grandes. O ob jetivo descobrir para qual tamanho de rma o efeito de overreaction maior. Para isso introduzimos as dummies DS, DM e DL onde DS uma varivel dummy que assume o valor 1 se a carteira pertence s 40% rmas menores, DM uma varivel dummy igual 1 se a carteira pertence s 40% intermedirias e DL uma varivel dummy igual 1 se a carteira pertence s 20% maiores. Tabela 19
rp - rf = a0 + a1 tamanhop + a2 DS*retornop + a3 DM*retornop + + a4 DL*retornop + a5 betap + a6 log(In)p + ep Iba coeficientes intercepto tamanho DS* retorno DM* retorno DL*retorno beta log(In) 9*coef DS*retorno 9*coef DM*retorno 9*coef DL*retorno 9*coef tamanho R2 ajustado -0,0379 0,0043 0,0006 0,0010 0,0021 0,0147 -0,0285 0,58% 0,86% 1,88% 3,84% 0,66 estatstica t -3,768 5,547 1,890 2,834 3,972 1,171 -3,034 coeficientes -0,0380 0,0036 0,0004 0,0007 0,0020 0,0108 0,0257 0,39% 0,59% 1,81% 3,20% 0,62 EW estatstica t -5,035 6,297 1,021 1,448 2,229 1,640 0,153 coeficientes -0,0482 0,0042 0,0003 0,0006 0,0018 0,0261 -0,0127 0,30% 0,51% 1,59% 3,75% 0,66 Ibov estatstica t -6,608 7,340 0,839 1,352 2,337 3,132 -0,866

2 7 Uma vez que tanto Retorno quanto Tamanho so medidos com o rank do portflio, 0,0010 multiplicado por (10-1) resulta em 0.91% de diferena.

23

Revela-se que o efeito de overreaction maior entre as rmas maiores, independente do ndice de mercado utilizado. O coeciente DS.Retorno ( varivel dummy que iguala-se a 1 se o portfolio composto das rmas classicadas como as 40% menores) de 0,006 implicando uma diferena de 0,58% ao ms entre as carteiras extremas para as 40% rmas menores, usando-se o Iba como carteira de mercado. Para as rmas mdias esta diferena nos retornos de 0,86% e para as rmas grandes ( as 20% maiores) esta diferena de 1,88%. A evidncia encontrada demonstra que o efeito de overreaction maior para as rmas maiores. Chopra et al (1992) reportam que o efeito maior para rmas menores para dados americanos ao que eles atribuem que os indivduos tm reaes exageradas e as instituies no. Este fato merece uma anlise mais cuidadosa. Na tabela 20 ns examinamos a extenso do efeito de overreaction para cada 1 dos 5 quintis construdos com base no tamanho, atravs de uma regresso usando as variveis retorno, beta e liquidez como variveis explicativas e o Iba como ndice de mercado. Cada uma das 5 regresses usa 20 observaes referentes s 20 carteiras do total de 100 que correspondem ao grupo adequado (as estatsticas t encontram-se abaixo das estimativas dos coecientes). Tabela 20
rp - rf = a0 + a1 retorno + a2 beta + a3 log(In) + ep Iba Decil de Tamanho 5 4 3 2 1 Intercepto -0.0070 -1.008 0.0018 0.182 -0.0099 -1.146 -0.0161 -1.770 -0.0308 -2.221 Estimativas dos coeficientes* Retorno Beta 0.0013 0.0184 1.754 0.913 0.0009 -0.0199 1.989 -0.824 0.0009 -0.0094 1.853 -0.733 0.0016 -0.0026 4.730 -0.179 0.0023 0.0090 6.931 0.448 R2 ajustado Log(In) 0.2107 1.857 0.2748 0.645 0.1606 0.801 0.2084 1.383 -0.7010 -8.676 0.22 0.13 0.17 0.56 0.80 9 * coeficiente do retorno 1.13% 0.79% 0.82% 1.47% 2.04%

Como podemos ver da tabela 20 o coeciente do retorno cada vez prximo de zero quanto menor o decil (5 o menor decil). A ltima coluna nos fornece uma estimativa da diferena mensal nos retornos entre a carteira perdedora e a vencedora para cada decil de tamanho, mantendo beta e liquidez constantes. Os nmeros demonstram que para as rmas maiores o efeito de overreaction da ordem de 2,04% am ( 27,36%aa) sendo que para as menores a diferena de 1,13% (14,39%aa). Outro aspecto encontrado que para as pequenas rmas tanto as variveis explicativas beta quanto Retorno no apresentam coecientes estatisticamente signicativos e o R 2 destas regresses baixo (0,22), o que quer dizer que nem os retornos anteriores nem os betas explicam muito do retorno das pequenas rmas.

11

Concluso

Pesquisas de psicologia experimental tem demonstrado que ao contrrio do que prev a Regra de Bayes, os indivduos apresentam reaes sistematicamente exageradas. A questo que nos propomos a examinar se este comportamento reetido pelo mercado. A hiptese de sobre-reao prev que o mercado atribua um preo excessivamente alto (baixo) queles ativos que mostram no longo prazo um rendimento muito superior (inferior) ao obtido pelo mercado. Em tal caso, as rentabilidades de cada ativo ajustadas pela rentabilidade do mercado e acumuladas sobre um horizonte passado podem ser utilizadas para identicar ttulos ganhadores (perdedores) sobrevalorizados (subvalorizados) e prever 24

o comportamento futuro de seus preos at alcanar seus respectivos nveis de equilbrio, permitindo assim realizar uma rentabilidade anormal ou extraordinria. Em primeiro lugar observamos que ao contrrio da tendncia de momentum, documentada no curto-prazo2 8 por Jegadeesh e Titman (1993) para dados americanos, no mercado acionrio brasileiro h tendncia de reverso, sendo a estratgia que rebalanceia a carteira em trs meses com base nos retornos dos trs meses passados a de maior lucratividade. Consistentemente com a hiptese de overreaction identicamos que 12 meses aps o perodo de formao, as carteiras perdedoras tm um retorno de cerca de 19% em excesso ao da carteira vencedora. Esta estimativa bem superior ao valor encontrado por de Bondt e Thaler (1985) de 8%, e de Chopra et al (1992), de 14%aa. Encontramos ainda evidncia de sobre-reao para o perodo de 2 e 3 anos, corroborando a evidncia encontrada por De Bondt e Thaler (1985), mas no no prazo de 5 anos, ao contrrio do reportado por Chopra et al. (1992). Segundo a metodologia proposta por Chopra et al (1992) no so utilizadas as hiptese restritivas do CAPM no cmputo dos retornos anormais para vencedores e perdedores. Ao invs disso estimamos a compensao do mercado por unidade de beta-risco e obtivemos resultado compatveis com a hiptese de overreaction. Adicionalmente, a estimativa quando se usa o prmio de risco emprico para o efeito de overreaction maior do que quando se usa o terico, corrobando a evidncia encontrada por Chopra et al (1992). Detectamos tambm a presena de efeito tamanho na amostra utilizada, sendo o mesmo insuciente para explicar a diferena de retornos encontrada. Ajustando-se o excesso de retorno para tamanho achamos uma diferena nos retornos das carteiras extremas de 18% (amostra total) ou 14% (amostra restrita). O efeito de overreaction, ento, no s uma manifestao do tamanho ao contrrio do argumentado por Zarowin (1990). Quanto a sazonalidade reportamos evidncia de efeito janeiro, mas no a sazonalidade de outubro e novembro como sugerido por Bonomo, Torres e Fernandes (2001). Em geral porque tamanho, retorno prvio, betas e liquidez so correlacionados qualquer estudo que relaciona retornos a uma ou duas destas variveis sofre de vis de varivel omitida. No contexto de regresses mltiplas usando todas as 4 variveis achamos um efeito de overeaction economicamente signicativo de 0,91%am ( 11,48%aa) utilizando-se o Iba, sendo que o mesmo no homogneo entre os grupos classicados por tamanho. muito mais forte para as empresas maiores, ao contrrio do que o documentado por Chopra et al (1992), com as carteiras perdedoras tendo uma melhor performance do que as vencedoras em 1,88%am (25%aa). Por m, analisando-se a ecincia do mercado, parece ter ocorrido um aumento da mesma depois do Plano Real, com a lucratividade das estratgias contrrias apresentando um declnio considervel em relao ao perodo anterior. Uma questo pertinente diz respeito persistncia dos excessos de retorno no longo prazo. Se as reverses nos retornos documentadas no so simplesmentre uma compensao pelo risco, ento porque este padro no desaparece com a ao de arbitradores? Uma possvel explicao que os investidores ainda no sabem sobre eles. Embora vrios estudiosos tenham atestado a lucratividade das estratgias value j h vrias dcadas, em geral estes trabalhos no eram acompanhados por um tratamento estatstico adequado o que afetava a credibilidade dos resultados obtidos. Especialmente porque muitas outras estratgias eram defendidas tambm. Outro fator importante que os investidores podem ter menos tempo do que as estratgia contrrias exigem para se pagar.29 Muitos investidores tm restrio de tempo e procuram estratgias que forneam retornos elevados num horizonte de poucos meses e no num horizonte anual. Eles podem no conseguir suportar uma estratgia que demore para se pagar e que tenha uma performance abaixo do mercado durante este perodo. Pode ser
de capital durante um pe riodo de tempo considervel, dado a instabilidade macroe conmica brasileira, raz o pela qual a anomalia possa persisitir por tanto tempo.
2 8 Este denido como compreendendo o perodo de 3 a 12 mese s. 2 9 A estratgia discutida aqui, por exe mplo, requer um comprometimento

25

uma estratgia muito arriscada. Se no h garantias de que os desvios sero corrigidos em tempo hbil (por exemplo antes da prxima avaliao de performance) os investidores estaro expostos a custos de oportunidade e por esta razo o dinheiro ser concentrado em oportunidades de arbitragem no curto prazo e no no longo prazo e recursos dispensados a oportunidades de longo prazo sero muito limitados. Estas razes, contudo, podem explicar porque a arbitragem no acaba com a diferena entre os retornos mas no pode explicar porque esta diferena existe em primeiro lugar. A abordagem de nanas comportamentais nos oferece o ponto de vista estas diferenas existem pela propenso dos investidores a cometer erros na formao de suas expectativas dando peso exagerado e extrapolando os resultados recentes das empresas.

12

Referncias Bibliogrcas

Ball, R e S.P. Kothary (1989) Non-stationary expected returns: Implications for tests of market eciency and serial correlation of returns. Journal of Financial Economics 25, 51-74 Banz, R. W. (1981) The relationship between return and market value of common stocks, Journal of Financial Economics, vol 9 pp3-18 Barry, C. B, Brown S.J (1984) Dierential information and the small rm eect Journal of Financial Economics vol 13 p 283-294 Blume, M.E. e R. F. Stambaugh (1983) Biases in computed returns: an application to the size eect. Journal of Financial Economics 12, 387-404 Bonomo, M. A ; R. Torres e C. Fernandes (2001) A aleatoriedade do passeio na Bovespa: testando a ecincia do mercado acionrio brasileiro. Revista Brasileira de Econometria a sairBraga, C. M. e R. Leal (2001) Risco e Retorno das aes de valor e de crescimento brasileiras nos anos 90. Finanas Aplicadas ao Brasil. Marco Bonomo (org) - a sairBranch, B. (1977) A tax loss trading rule. Journal of Business, vol50 pp198-207 Brito, N. (1989) Gesto de Investimentos Editora Atlas, So Paulo Castro, G. V. (2001) Integrao do mercado de renda varivel no Brasil. Tese de mestrado EPGE/FGV Campbell, J. Y., A. W. Lo e A. C. Mackinlay (1997) The Econometrics of Financial Markets, Princeton University Press Ceretta, P.S. e NCA da Costa Jr (2000) Quantas aes tornam um carteira diversicado no mercado de capitais brasileiro?. Coleo Coppead de Administrao Mercado de Capitais: Anlise Emprica no Brasil Org: Newton carneiro Aonso da Costa JR, Ricardo Pereira Cmara Leal, Eduardo Fac Lemgruber Chan, K. (1986) Can tax-loss selling explain the January seasonal in stock returns? Journal of Finance vol 41 pp 1115-1128 Chan, K. (1988) On the contrarian investment strategy, Journal of Business vol 61, 147-163 Chopra, N. , J. Lakonishok e J. R. Ritter (1992), Measuring Abnormal Performance: Do stocks overreact? Journal of Financial Economics vol 31 pp235-268 Costa Jr, NCA da e M. B. Neves ( 2000) Variveis Fundamentalistas e os retornos das Aes. Revista Brasileira de Econometria 54 (1) pp 123-137 Jan/Mar Costa Jr. NCA da (2000) Sobre-reao a longo prazo no mercado brasileiro de aes .Coleo Coppead de Administrao Mercado de Capitais: Anlise Emprica no Brasil Org: Newton carneiro Aonso da Costa JR, Ricardo Pereira Cmara Leal, Eduardo Fac Lemgruber Costa Jr. NCA e J. O Hanlon (2000) O efeito tamanho versus o efeito ms-do ano no mercado brasileiro: uma anlise emprica.Coleo Coppead de Administrao Mercado de Capitais: Anlise Emprica no Brasil Org: Newton carneiro Aonso da Costa JR, Ricardo Pereira Cmara Leal, Eduardo Fac Lemgruber

26

DallAgnol I. (2001) Retornos Anormais e Estratgias Contrrias. Dissertao de mestrado sob orientao de Marco Antonio Bonomo. EPGE. FGV. De Bondt, Werner F. M. and Richard H.Thaler (1985) Does the stock market overreact?, Journal of Finance 40,793-805 De Bondt, Werner F. M. and Richard H.Thaler (1985) Further evidence on investor overreaction and stock market seasonality, Journal of Finance 42,557581 Dyl, E. (1977) Capital gains taxation and year-end stock market behavior Journal of Finance vol 32 pp 165-175 Fama, E e K. French (1992) The cross-section of expected returns, Journal of Finance vol 47, p.427-465 Ibbotson, R. G. (1975) Price performance of common stock new issues. Journal of Financial Economics 2, 235-272 Jegadeesh, Narasimahn and Sheridan Titman.1993.Returns to buying winners and selling losers:Implications for stock market eciency, Journal of Finance,48 pp 65-91 Jensen , M. C. (1969) Risk, the pricing of capital assets, and the evaluation of investment portfolios, Journal of Business 42, 167-247 Keim, D. B. (1983) Size0related anomalies and stock return seasonality: further empirical evidence. Journal of Financial Economics, vol 12 p 13-32 Lakonishok, J. A. Shleifer e R.W. Vishny (1994) Contrarian investments, extrapolation and risk, Jouranl of nance 49, 1541-1578 Levy R. (1967) Relative strength as a criterion for investment selection Journal of Finance vol 22 595-610 Reinganum, M (1983) The anomalous stock market behavior of small rms in January: empirical tests for tax-loss selling eects Journal of Financial economics pp 89-104 Reinganum, M. (1981) Misspecications of capital asset pricing: Empirical anomalies based on earnings yieldsand market value Journal of Financial Economics vol 9 p.19-46 Rodrigues, M. R. A (2000) O efeito valor, o efeito tamanho e o modelo multifatorial: evidncias no caso brasileiro. ENANPAD, Anais ( 24 encontro da ANPAD) Roll, R. (1982) On computing mean returns and the small premium. Working Paper n22 Graduate School of Management, University of California, Los Angeles, CA Roll, R. (1983) Vas ist das? The turn-of-the-year eect and the return premia of small rms, Journal of Portfolio Management, vol 9 pp 18-28 Schwert, G W (1983) Size and stock returns, and other empirical regularities Journal of Financial Economics vol 12 p3-12 Zarowin, P (1989) Does the stock market overreact to corporate earnings information? Journal of nance vol 44 pp 1385-1399 Zarowin, P (1990) Size, seasonality, and stock market overreaction, Journal of Financial and Quantitative Analysis vol 25 pp 113

27