Aula 1 A 4 Analise Investimentos Atualizado

FEA - USP
Análise de Investimentos
Aulas 1 a 4: Introdução ao Risco, Retorno, Custo de

Oportunidade do Capital e Teoria de Carteiras
Prof. Dr. Alexandre Di Miceli da Silveira
FEA - USP
Prof . Dr . Alexandre Di Miceli da Silveira  São Paulo, Agosto de 2009
Análise de Investimentos O Professor FEA - USP
Alexandre Di Miceli da Silveira

§ Doutor e Mestre em Administração de Empresas – Finanças (FEA/USP)
– Grau de distinção e louvor por sua tese de doutorado e também por sua dissertação de
mestrado, ambas relativas ao tema de governança corporativa
– Conceito “A” em todas as disciplinas do mestrado e doutorado
§ Professor Doutor de finanças e contabilidade em cursos de graduação e pós-graduação da Faculdade
de Economia, Administração e Contabilidade da Universidade de São Paulo – FEA/USP
§ Vice-Presidente da Sociedade Brasileira de Finanças – SBFIN
§ Coordenador Executivo do CEG – Centro de Estudos em Governança Corporativa da FIPECAFI
§ Pesquisador-Sênior do IBGC – Instituto Brasileiro de Governança Corporativa
§ Professor em cursos de pós-graduação da FIPECAFI, FIA, GV Law, FGV/EAESP, IBGC, PUC-SP,
Mackenzie e Instituto Coppead/UFRJ
§ Articulista da Revista Capital Aberto (coluna mensal “Governança Corporativa), coordenador do
Ranking Anual “Melhores Empresas para os Acionistas” e do “Anuário de Governança
Corporativa” da Revista
§ Coordenador técnico do Prêmio IBGC de Empresas durante os primeiros anos (2005-2007) e do
Comitê de Governança Corporativa da Câmara Alemã de Comércio
§ Autor dos livros “Governança Corporativa, Desempenho e Valor no Brasil” e “Governança
Corporativa e Estrutura de Propriedade”
§ Coordenador do livro “Governança Corporativa em Empresas de Controle Familiar – Casos de
Sucesso no Brasil”
§ Consultor Independente em Projetos de Governança Corporativa
§ Prêmios de excelência didática 2006-2007 -2008 FEA/USP, Prêmio BMFBOVESPA da Revista
Brasileira de Finanças em 2007 e 2008, Prêmio “Revelação em Finanças” em 2006 do Instituto
Brasileiro Executivos de Finanças (IBEF), prêmio de melhor artigo de finanças do Enanpad 2004,
prêmio de melhor artigo do VI Semead 2003 e premiado no 1º Prêmio IBGC de Monografias
§ Publicação de 25 artigos acadêmicos nas principais revistas nacionais e em revistas internacionais,
da área, apresentação de mais de 50 trabalhos nos principais congressos da área no Brasil e
exterior
 alexfea@usp.br / alexandre@alianti.com.br – (11) 8149 8115
Prof . Dr . Alexandre Di Miceli da Silveira
2
Análise de Investimentos Agenda: Aulas 1 a 4 FEA - USP
Agenda: Aulas 1 a 4
§Teoria e evidências empíricas do mercado de capitais

§Mensuração dos retornos
§Estatísticas de risco: variância, desvio padrão, etc.
§Diversificação e redução do risco
§Retorno e risco de uma carteira com dois ativos
§Conjunto eficiente com dois ou mais ativos
§Fronteira eficiente
§CAPM - Capital Asset Pricing Model

3
Agenda: Aulas 1 a 4
1 Estatística descritiva
2 Medidas de associação
3 Aplicação em teoria de carteiras
4 CAPM – Capital Asset Pricing Model

4
Análise de Investimentos Conceitos de estatística Estatística descritiva FEA - USP
O termo estatística descritiva é um conceito genérico aplicado a um

conjunto de medidas que resumem, em um único número, uma certa
qualidade de um grupo de dados
§Os estatísticos se referem às médias como medidas de posição ou medidas de tendência

central
§As estatísticas que descrevem quão dispersos são os dados em relação à média são
conhecidas como medidas de dispersão
§As estatísticas que descrevem a simetria dos dados são conhecidas como medidas de
assimetria
§As estatísticas que descrevem a intensidade dos picos dos dados são as medidas de
curtose

5
Medidas de posição ou de tendência central
§Moda:
– é o valor da variável estudada que é observado com maior frequência
§Mediana
– é o valor que divide uma série de dados em duas (observação do meio)
– Se houver um número par de observações, deve-se somar e dividir as duas observações
do meio
§Média aritmética
– É a medida mais utilizada de localização, sendo chama simplesmente de média
– Caso a distribuição seja discreta, é dada por
– n
– Caso a distribuição seja contínua, é dada por ∑X i

X= i =1
n
§Média geométrica
– É particularmente aplicável quando se deseja acharn a taxa média de crescimento
X = ∑ Xi P ( Xi )
– É dada por , onde i =1
X g = n X 1 × X 2 × X 3 × ... × X n − 1 Xi = ( 1+ r)
6
Medidas de dispersão
§Variância
§Desvio-padrão
§Coeficiente de variação

7
Se a média aritmética for a medida escolhida de posição, a variância e

o desvio-padrão são as medidas apropriadas de dispersão
§A variância tem uma vasta aplicação em finanças como medida de risco e incerteza
§Se as observações se apresentarem agrupadas em volta da média, então as diferenças
entre cada observação, ,e a média serão pequenas
§Se as observações se apresentarem bem X dispersas
i
em volta
X da média, então as
diferenças serão grandes
§Poderia-se pensar que a soma resultaria em uma medida de dispersão
§Entretanto, a soma sempre resultará em zero
( )
X i − Xao quadrado os desvios individuais em
§Para superar esse problema, é necessário elevar
relação à média:
(
Xi − X
§A soma de todos os desvios ao quadrado
menos um) resultará na variância:
)
dividido por n-1 (número de observações
(X i −X )
2
∑( X )
n
i −X
var = σ =
2 i =1
n −1
8
Para superar o problema da unidade da variância, utiliza-se sua raiz

quadrada, que é denominada de desvio padrão
§A variância é dada em unidades dos dados ao quadrado, o que faz sua interpretação
contra-intuitiva
( )
n 2
§O desvio-padrão é dado por ∑ Xi − X

DP = σ = σ 2 = i =1
n −1
§O desvio-padrão é expresso na unidade dos dados observados
§Quando se compara o grau de dispersão entre variáveis, deve-se levar em conta as
diferenças na magnitude das variáveis; isso é feito por meio do coeficiente de
variação
§O coeficiente de variação é dado por
[Exemplo Excel] σ
CV =
• X

9
Agenda: Aulas 1 a 4

10
Análise de Investimentos Conceitos de estatística Medidas de associação FEA - USP
A covariância indica como duas variáveis aleatórias se comportam em

relação à outra
§Existem muitas situações em finanças nas quais é importante saber como duas
variáveis se relacionam em relação à outra
§Se o preço de um ativo X geralmente sobe quando o preço de um ativo Y sobe, então a
covariância será positiva
§Entretanto, se o preço do ativo X sobre quando o preço do ativo Y cai, então a
covariância será negativa
§Se não existe qualquer padrão de relacionamento entre as variáveis, isto é, se os preços
dos ativos se comportam de maneia totalmente independente, então a covariância
será igual a zero
§A coveriância é dada pela fórmula
[Exemplo Excel]
cov ( X , Y ) = σ XY =
∑( X − X ) ×( Y −Y )
n −1

11
O coeficiente de correlação é uma medida mais utilizada do grau de

associação entre duas variáveis
§O coeficiente de correlação é uma medida sem unidade (número absoluto) da força e

da direção do relacionamento entre duas variáveis
§Em relação à covariância, possui a vantagem de não ser influenciado pelos valores das
observações
§O valor do coeficiente de correlação oscila entre -1 (correlação negativa perfeita) até
+1 (correlação positiva perfeita)
§Um coeficiente de correlação igual a zero significa que as variáveis são independentes
§O coeficiente de correlação é dado por
§
σ
ρ XY =de associação
§O coeficiente de correlação é apenas uma medida XY
estatística; não há
σ × σ
inferência de causalidade na estatística (para isso éX necessário
Y antes desenvolver
uma teoria de relacionamento causal)

12
Exemplo: Variância e desvio padrão
 Suponha que seu investimento forneça os seguintes retornos ao

longo de quatro anos. Qual é a variância e o desvio-padrão
desse investimento?
Ano Retorno

1 10%
0,1 + ( −0, 05) + 0, 2 + 0,15
2 -5% R= = 0,1 = 10%

3 20% 4
4 15%

σ 2 = VAR =
 A variância é dada por
( 0,1 − 0,1) + ( −0, 05 − 0,1) + ( 0, 2 − 0,1) + ( 0,15 − 0,1)
2 2 2 2
= 0, 01167

4 −1
 O desvio-padrão é dado por σ = σ 2 = VAR = 0, 01167 = 0,108 =10,80%

13
Agenda: Aulas 1 a 4

14
Análise de Investimentos Aplicação em teoria de carteiras Risco e prémio pelo risco FEA - USP
FEA - USP
Risco significa incerteza sobre as taxas futuras de retorno, sendo

possível quantificá-lo por meio de distribuições de probabilidade (1/2)
§ As distribuições de probabilidade podem ser caracterizadas por meio do seu

valor esperado E ( r ,) e do seu desvio-padrãoσ
§ O retorno esperado, ou médio, é expresso por:

E ( r ) = R = ∑ p ( s )r ( s ) R=
( R1 + R2 + ... + Rn )
§
s n
§ O desvio-padrão de uma taxa de retorno é uma medida de risco; ele é
definido como a raiz quadrada da variância, que por sua vez é medida
como a soma dos desvios ao quadrado em relação à média:
( )
2
n Rj − R
σ 2 = ∑ p ( s ) r ( s ) − E ( r ) 
2
§ σ2 =∑ σ = σ2
s j =1 n −1
§ Variância dos Variância dos Desvio-padrão dos
retornos retornos retornos
§ Se a distribuição de probabilidade for mais ou menos simétrica em relação à

média, o desvio-padrão pode ser considerado uma medida apropriada
de risco

15
Análise de Investimentos Aplicação em teoria de carteiras Registro histórico FEA - USP
Valor futuro de um investimento feito em 1927 nos EUA
Fonte: Dados disponíveis em http://pages.stern.nyu.edu/~adamodar/

Retornos históricos nos EUA 1928-2008
Sé

17
Tradeoff entre risco e retorno
Stocks
T Bonds
T Bills

18
Taxas de retorno

19
A distribuição Normal (retorno anuais das ações)
Média = 11,09%
DP = 20,39%

20
Análise de Investimentos Aplicação em Teoria de Carteiras Registro Histórico FEA - USP
Os retornos do Ibovespa possuem distribuição Normal?
Histograma do retorno do Ibovespa (jul/95-jul/08)
25,00%
•xx
Freqüência relativa
20,00%
15,00%
10,00%
5,00%
0,00%
%
%
%
%
%
0%
2%
4%
6%
8%
4
10
12
14
-8
-6
-4
-2
-1
-1
-1
Retorno Ibovespa

21
Análise de Investimentos Aplicação em Teoria de Carteiras Registro Histórico FEA - USP
Retorno diário das ações da Microsoft (mai/94 – jul/08)
Variação dos preços vs. Distribuição Normal

30,00%
25,00%
Proporção de dias
20,00%
15,00%
10,00%
5,00%
0,00%
2%
0%
%
%
0%
2%
4%
6%
8%
10
12
-8
-6
-4
-2
-1
-1
Retorno diário

22
Rentabilidade acumulada de um investimento feito em julho de 1995 no

Brasil e nos EUA

23
Análise de Investimentos Aplicação em teoria de carteiras FEA - USP
O retorno esperado e o risco de uma carteira de investimento com dois

ativos (A e B) são dados pelas seguintes expressões
 Retorno esperado:
Proporção de recursos Proporção de recursos
investidos no ativo A investidos no ativo B

 R p = E ( Rp ) = R AwA + R B wB onde wA + wB = 1
 Retorno esperado
da carteira Retorno esperado Retorno esperado
do ativo A do ativo B
 Variância da carteira:

σ p2 = σ A2 wA2 + σ B2 wB2 + 2wAwB cov ( R A , R B )

Variância da Variância do Variância do Covariância entre
carteira ativo A ativo B os retornos dos
ativos A e B
 Desvio-padrão (risco) da carteira:
σ p = σ p2
24
Análise de Investimentos Risco e retorno de carteiras FEA - USP
Exemplo: Aplicação em teoria de carteiras
Considere os seguintes ativos com risco: um fundo de ações e um fundo de


bônus corporativo de longo prazo. O retorno previsto para os ativos variará

em função do resultado econômico do país no próximo ano.

Taxas de retorno
Cenário Probabilidade Ação Bônus
Recessão 33.3% -7% 17%
 Normal 33.3% 12% 7%
Boom 33.3% 28% -3%
1. Calcule o retorno esperado e o risco dos ativos individualmente
2. Calcule o retorno esperado e o risco de uma carteira de investimentos com

diferentes proporções alocadas nos dois ativos

25
Cálculo do retorno esperado do fundo de ações e desvios ao quadrado


Fundo ações Fundo bônus

Taxa de Desvios Taxa de Desvios
Cenário Retorno ao quadrado Retorno ao quadrado
Recessão -7% 3.24% 17% 1.00%
Normal 12% 0.01% 7% 0.00%
Boom 28% 2.89% -3% 1.00%
Retorno esperado 11.00% 7.00%
Variância 0.0205 0.0067
R A = 1 × (−7%) + 1 × (12%) + 1 × (28%) (11% − −7%) 2 = 3.24%

3 3 3
E ( rS ) = 11%

26
Cálculo da variância do fundo de ações (variância populacional)



Cenário Retorno ao quadrado Retorno ao quadrado
Recessão -7% 3.24% 17% 1.00%
Normal 12% 0.01% 7% 0.00%
Boom 28% 2.89% -3% 1.00%
Variância 0.0205 0.0067
(3.24% + 0.01% + 2.89%)

2.05% =
3

27
Cálculo do desvio-padrão (variância populacional)



Cenário Retorno ao quadrado Retorno quadrado
Recessão -7% 3.24% 17% 1.00%
Normal 12% 0.01% 7% 0.00%
Boom 28% 2.89% -3% 1.00%
Variância 0.0205 0.0067
Desvio-padrão 14.3% 8.2%
14.3% = 0.0205
Observa-se que o fundo de ações possui maior retorno esperado,

porém também maior risco que o fundo de bônus corporativo

28
Cálculo do retorno de uma carteira com 50% investido em cada fundo


Taxa de retorno
Cenário Fundo ações Fundo bônus Carteira
Recessão -7% 17% 5.0%
Normal 12% 7% 9.5%
Boom 28% -3% 12.5%
Retorno esperado 11.00% 7.00% 9.0%

Variância 0.0205 0.0067 0.0010
Desvio-padrão 14.31% 8.16% 3.08%
A taxa de retorno esperada de uma carteira é a média ponderada dos

retornos esperados dos títulos presentes na carteira
R p = R A wA + R B wB = 11%× 50% + 7%× 50% = 9%

29
 Cálculo da variância de uma carteira com 50% investido em cada

fundo
Taxa de retorno
Cenário Fundo ações Fundo bônus Carteira
Recessão -7% 17% 5.0%
Normal 12% 7% 9.5%
Boom 28% -3% 12.5%
Retorno esperado 11.00% 7.00% 9.0%

Variância 0.0205 0.0067 0.0010
Desvio-padrão 14.31% 8.16% 3.08%
A variância de uma carteira pode ser calculada por :

σ p2 = σ A2 wA2 + σ B2 wB2 + 2wAwB cov ( R A , R B )
ou
σ p2 = σ A2 wA2 + σ B2 wB2 + 2wAwBσ Aσ Bcorr ( R A , R B )
30
 A covariância entre o retorno dos ativos pode ser calculada por
cov ( RA , RB ) = σ AB =
( −0, 07 − 0,11) ( 0,17 − 0, 07) + ( 0,12 − 0,11) ( 0, 07 − 0, 07) + ( 0, 28 − 0,11) ( −0, 03 − 0, 07) = −0, 01167
3
A correlação entre o retorno dos ativos pode ser calculada por

σ AB −0, 01167
corr ( RA , RB ) = ρ AB = = = − 0,99878
σ A × σ B 0,1431× 0, 0816
Portanto, a variância da carteira com 50% investido em cada fundo é

dada por:
σ p2 = 0, 0205 × ( 0,5 ) + 0, 0067× ( 0, 5 ) + 2× 0,5× 0,5× 0,1431× 0, 0816× −
( 0,9 9878)= 0, 00095
2 2
O desvio-padrão (risco) da carteira com 50% em cada fundo é:

σ p = 0, 00095 = 3, 08%

31
A fronteira eficiente de dois ativos pode ser construída com base em

diferentes proporções investidas em cada um dos ativos (1/2)
% em ações Risco Retorno
0% 8.2% 7.0%
5% 7.0% 7.2%
10% 5.9% 7.4%
15% 4.8% 7.6% 100%
20% 3.7% 7.8% ações
25% 2.6% 8.0%
30% 1.4% 8.2%
35% 0.4% 8.4%
40% 0.9% 8.6% 100%
45% 2.0% 8.8% bônus
50.00% 3.08% 9.00%
55% 4.2% 9.2%
60% 5.3% 9.4%
65% 6.4% 9.6%
70% 7.6% 9.8%
75% 8.7% 10.0%
80% 9.8% 10.2%
85% 10.9% 10.4% Além do investimento de 50% em
90% 12.1% 10.6%
95% 13.2% 10.8% cada ativo, podem ser considerados
100% 14.3% 11.0% outros pesos

32
A fronteira eficiente de dois ativos pode ser construída com base em

diferentes proporções investidas em cada um dos ativos (2/2)
% em ações Risco Retorno
0% 8.2% 7.0%
5% 7.0% 7.2%
10% 5.9% 7.4%
15% 4.8% 7.6% 100%
20% 3.7% 7.8% ações
25% 2.6% 8.0%
30% 1.4% 8.2%
35% 0.4% 8.4%
40% 0.9% 8.6% 100%
45% 2.0% 8.8% bônus
50.00% 3.08% 9.00%
55% 4.2% 9.2%
60% 5.3% 9.4%
65% 6.4% 9.6%
70% 7.6% 9.8%
75% 8.7% 10.0%
80% 9.8% 10.2% Observa-se que algumas carteiras são
85% 10.9% 10.4%
90% 12.1% 10.6%
“melhores” do que outras. Elas
95% 13.2% 10.8% possuem maiores retornos esperados
100% 14.3% 11.0% para um mesmo nível de risco
Essas carteiras pertencem à

“fronteira eficiente”
33
Carteiras de investimento com dois ativos com risco e diferentes

correlações entre os ativos
Retorno esperado
100% ações
 = -1.0
 = 1.0
 = 0.2
100% bônus

•O relacionamento depende do coeficiente de correlação: -1.0 < r < +1.0
•Quanto menor a correlação, maior o potencial para redução de risco
•Se r = +1.0, não há diversificação do risco

34
Análise de Investimentos Fronteira eficiente para três ou mais ativos FEA - USP
O cálculo da variância de uma carteira com dois ativos é dado pela

soma ponderada das covariâncias entre cada par de ativos
 O cálculo da variância de uma carteira com dois ativos tem por base a
matriz de covariâncias dos retornos dos dois ativos em questão (A e B):
wA wB
wA cov ( A, A ) cov ( A, B ) 
wB cov ( B, A ) 
cov ( B, B ) 

σ p2 = wA wA cov ( A, A) + wA wB cov ( A, B ) + wB wA cov ( B, A) + wB wB cov ( B, B)
σ p2 = wA2σ A2 + wB2σ B2 + 2 × wA wB cov ( A, B )

35
O risco de uma carteira com três ou mais ativos é generalizado pela

soma ponderada das covariâncias entre cada par de ativos da carteira
• Cada covariância é ponderada pelo produto dos respectivos pesos de cada

um dos ativos do par
• A variância de um ativo é igual à covariância do ativo com ele mesmo
• Exemplo: carteira com três ativos (A, B e C), com pesos na carteira iguais a
wA, wB e wC, respectivamente:
wA wB wc
wA  cov ( A, A ) cov ( A, B ) cov ( A, C ) 
wB  cov ( B, A ) cov ( B, B ) cov ( B, C ) 


wc  cov ( C , A ) cov ( C , B ) cov ( C , C ) 

σ p2 = wA wA cov ( A, A ) + w AwB cov ( A, B ) + ... + w Cw B cov ( C , B ) + w Cw C cov ( C , C )
σ p2 = wA2σ A2 + wB2σ B2 + wC2σ C2 + 2 × w Aw B cov ( A, B ) + 2 × w Aw C cov ( A, C ) + 2 ×w Bw C cov ( B, C )

N N
σ = ∑ w σ + 2 × ∑∑ wi wj cov ( i, j )
2
p
2
i i
2
i =1 î =1 j >i
36
Com base na fórmula generalizada para uma carteira com muitos

ativos, observa-se que os benefícios da diversificação derivam da
adição de ativos com covariâncias negativas com outros ativos (1/3)
• O efeito da diversificação não é apenas uma questão de adicionar ativos na

carteira, mas de adicionar ativos cujos retornos possuem as menores
correlações com os ativos contidos na carteira
• Considerando a fórmula generalizada, 2 N 2 2 N

σ p = ∑ wi σ i + 2 × ∑∑ wi w j cov ( i, j)
imaginemos que exista um grande número i =1 de ativos
î =1 j >i disponíveis para
investimento, como um índice com 100 a 500 ações
• Caso os retornos de todos os ativos fossem independentes, a variância da

carteira se reduziria a N
σ p2 = ∑ wi2σ i2
• Na sequência, assumindo que i =1 uma mesma quantia fosse investida em cada
um dos N ativos, os pesos (w) se tornariam iguais a 1/N e a variância da
carteira seria igual a
2
 1  2 1  N σi 
N 2
 σ p = ∑  σi = ∑ 
2
i =1  N  N  i =1 N 

37

O termo entre colchetes na expressão σ 2 = 1  σ i  corresponde à variância

N 2
•
i ∑ 
N  i =1 N 
média dos ativos da carteira
• Na medida em que o número de ativos (N) aumenta, o valor de 1/N se torna

cada vez menor e a variância da carteira, no extremo, se aproxima de
zero
• Entretanto, na realidade os retorno dos ativos não são independentes, pois

sempre haverá alguma correlação entre 2
eles (ex. ações, bônus, etc.)
N
  2
1 N
 1  1 
σ p = ∑   σ i + 2 × ∑∑     cov ( i , j )
2
• Desta forma, a equação real é i =1  N  î =1 j > i  N   N 
•
 1  N  σ i  ( N − 1)  cov ( i, j ) 
2 N
σ =  ∑  +
2
2 × ∑∑  
î =1 j > i  N ( N − 1) 
p
 N  i =1  N  N

38

• O primeiro termo da equação abaixo corresponde à média das variâncias; o

segundo também é uma média, pois corresponde à soma das
covariância dividida pelo número de covariâncias N(N-1)
 1  N  σ i  ( N − 1)  cov ( i, j ) 
2 N
•
σ =  ∑  +
2
2 × ∑∑  
î =1 j > i  N ( N − 1) 
p
 N  i =1  N  N
• A equação acima ajuda a explicar intuitivamente o que acontece ao risco de
uma carteira quando um grande número de ativos é incluído:
– na medida em que o número de ativos aumenta, 1/N torna-se cada vez menor
e se aproxima de zero quando múltiplicado pela variância média da
carteira
– por outro lado, (N-1)/N se aproxima de 1 quando N se torna muito grande,
fazendo com a segunda parte se aproxime do valor da covariância média
da carteira
• Em resumo, quando uma carteira é diversificada entre um grande número de

ativos, a variância da carteira se aproxima da covariância média dos
Prof . ativos Di
Dr . Alexandre individuais
Miceli da Silveira
39
O risco total de uma carteira é composto por duas partes: uma que
pode ser diversificada (risco não sistêmico ou específico) e outra que
não pode ser diversificada (risco sistêmico ou de mercado)
 risco sistêmico: causado risco não sistêmico: causado

por fatores que afetam o por fatores únicos à empresa
mercado como um todo
•É diversificável
• Não diversificável
•Ex. greves, capacidade gerencial,
• Mudança nas taxas de juros características intrínsecas da
empresa
• Mudança no poder de compra
• Mudança no panorama do
setor

40
Desta forma, em uma carteira com muitos ativos, as variâncias

individuais dos ativos são diversificáveis, mas as covariâncias não
Risco diversificável
Risco não sistêmico
Risco específico da empresa
Risco da carteira
Risco não diversificável

Risco sistêmico
Risco de mercado
Número de títulos
Desta forma, diversificação pode eliminar boa parte, mas não todo
o risco dos ativos
41
Agenda: Aulas 1 a 4

42
Análise de Investimentos CAPM FEA - USP
Em um mundo com muitos ativos de risco, é possível identificar um

conjunto eficiente de combinações de risco e retorno das carteiras
Retorno esperado
Ativos
individuais
 P

43
O conjunto eficiente é obtido por meio de todas as possíveis

combinações dos pares de ações
Retorno
esperado (%)
Desvio padrão (%)

44
Dado o conjunto eficiente de combinações de risco e retorno, é

possível identificar a carteira de mínima variância
Retorno esperado
Carteira
de mínima
variância
Ativos
individuais
P

45
A seção do conjunto de oportunidades acima da carteira de mínima

variância é chamada de fronteira eficiente
Retoron esperado
ie nte
efic
ira
n te
Fro
Carteira
de mínima
variância
Ativos
individuais
P

46
Além de ativos com risco como ações e bônus, considere um mundo

que possui ativos livre de risco, como títulos do governo
Retorno esperado
100%
ações
Taxa livre
de risco
rf
100%
bônus

47
Nesse ambiente, os investidores podem alocar seus recursos entre

títulos livres de risco e um fundo balanceado de ativos com risco
is
pita
c a
de
Retorno esperado
a do
e rc
m 100% ações
do
n ha
Li Fundo
–
L balanceado
CM
rf
100% bônus

 Na construção da CML, assume-se que todos os investidores possuem
expectativas homogêneas (iguais) sobre as distribuições dos retornos
oferecidos pelos títulos. Como resultado desta hipótese, todos os investidores
perceberiam o mesmo conjunto eficiente de ativos.
48
Com um ativo livre de risco disponível e a fronteira eficiente

identificada, todos escolheriam a linha de alocação de capital com a
maior inclinação
Retorno esperado
L
CM Fronteira eficiente
rf
P

49
Após a identificação da linha de alocação de capital, todos os

investidores escolheriam um ponto ao longo da linha, isto é, uma
combinação entre o ativo livre de risco e a carteira de mercado M
Retorno esperado L
rf
P
Em um mundo com expectativas homogêneas, a carteira de mercado M
seria a mesma para todos os investidores

50
O princípio da separação afirma que a carteira de mercado, M, é a

mesma para todos os investidores, isto é, eles podem separar sua
aversão ao risco da sua escolha da carteira de mercado
Retorno esperado L
rf
P

51
De acordo com o princípio da separação, a aversão ao risco do

investidor é revelada na sua escolha sobre onde ficar ao longo da linha
de alocação de capital, e não na sua escolha da linha
Retorno esperado M
L
C Fronteira eficiente
rf
P

52
O ponto ao longo da CML onde os investidores escolhem alocar seus

recursos depende da sua tolerância ao risco. O grande ponto é que
todos os investidores possuem a mesma CML
Retorno esperado
L
CM 100% ações
Fundo
balanceado
rf
100% bônus

53
O princípio da separação implica que a escolha de uma carteira pode

ser separada em duas tarefas: (1) determinação da carteira de risco
ótimo e (2) seleção de um ponto ao longo da CML
Retorno esperado L
CM 100% ações
Carteira de
risco ótimo
rf
100% bônus

54
Os pesquisadores mostraram que a melhor medida de risco de um

título pertencente a uma carteira ampla e diversificada é dado pelo
beta (β) do título
• O beta mede a sensibilidade de um título a movimentos na carteira de

mercado
Retornos do título
st ic a
cov ( Ri , RM ) σ iM
e rí βi = =
ar
act var ( RM ) σ M2
a c
n h Inclinação = βi
Li
Retorno da carteira de mercado %
Ri = αi + βiRM + εi

55
Beta de ativo arriscado
Simulação Beta
20 Bovespa
Ativo Arriscado
15
Retorno
10
-5
0 5 10 15 20 25 30 35 40 45 50
Tempo
Variância Bovespa
Variância Ativo
56 2
Beta de ativo pouco arriscado
Bovespa
Simulação Beta
6 Ativo Pouco Risco
5
4
3
Retorno
2
1
0
-1
-2
0 5 10 15 20 25 30 35 40 45 50
Tempo
Variância Bovespa
Variância Ativo
57
Beta de ativo com risco semelhante ao do mercado
Bovespa
Simulação Beta
8 Ativo
7
6
5
4
Retorno
3
2
1
0
-1
-2
0 5 10 15 20 25 30 35 40 45 50
Tempo
Variância Bovespa
58
Estimativas de betas para algumas ações selecionadas – mercado

americano
Ação Beta
Bank of America 1,40
Travelers, Inc. 1,05
Du Pont 1,00
Kimberly-Clark Corp. 0,60
McDonald’s Corp. 0,75
Microsoft 0,80
Home Depot 0,95
Oracle, Inc. 1

59
Estimativas de betas para algumas ações selecionadas – mercado

brasileiro
Ação Setor Beta
Ambev Alimento e Bebidas 1,23
Embraer Veículos e Peças 1,46
Gerdau Siderurgia e Metalurgia 1,15
Itausa Administração de Emp. 0,83
Klabin Papel e Celulose 0,78
Lojas Americanas Comércio 1,09
Petrobrás Petróleo e Gás 0,63
Sabesp Água, esgoto e outros 0,84
Souza Cruz Indústria de Fumo 0,66
Tim Participações Telecomunicações 0,73
Usiminas Siderurgia e Metalurgia 1,18
Vale do Rio Doce Mineração 0,98
Vivo Telecomunicações 0,75

60
Principais determinantes do beta de uma ação
• Setor do negócio:
– empresas em negócios mais cíclicos ou que vendem produtos mais
“supérfluos” tendem a ter betas maiores do que empresas em setores
não cíclicos ou que vendem produtos de primeira necessidade
• Alavancagem operacional:
– empresas com maiores custos fixos (como proporção do custo total) tendem
a ter maiores betas do que empresa com menores custos fixos (como
proporção do custo total)
• Alavancagem financeira:
– empresas mais endividadas (em relação ao capital próprio empregado)
tendem a ter betas maiores que empresas menos endividadas

61
Relacionamento entre risco e retorno esperado com base no Modelo

de Apreçamento de Ativos Financeiros (CAPM) (1/2)
• Retorno esperado do mercado
•
R M = RF + Premio pelo risco de mercado
• Retorno esperado de um determinado título (aplicável a títulos mantidos em
uma carteira ampla e diversificada)
R i = RF + β i × ( R M − RF )
Prêmio pelo risco de mercado
CAPM – Capital Asset Pricing Model

Retorno
esperado de Taxa livre Beta do título Prêmio pelo risco
um título = de risco + × de mercado

62
Relacionamento entre risco e retorno esperado com base no Modelo

de Apreçamento de Ativos Financeiros (CAPM) (2/2)
Retorno esperado
R i = RF + β i × ( R M − RF )
RM
Linha do mercado
de títulos (SML)
RF
1.0 β

63
Resumo do CAPM
• Utiliza a variância da carteira como medida de risco
• Divide o risco em duas partes: uma parte diversificável e outra não

diversificável (apenas esta é remunerada)
• Mede a parte não diversificável (sistêmica) através do beta (β)
• Escreve o retorno esperado em termos do beta
Retorno Esperado = Taxa Livre de Risco + β x Prêmio pelo Risco
Custo do
capital próprio

64
Exemplo de cálculo do beta de uma ação (1/2)
• Empresa: Net
• Período utilizado: 5 anos
• Intervalo de retorno: mensal
• Índice de mercado: Ibovespa
• Retornos da ação e do Ibovespa ajustado pelo pagamento de dividendos

65
Exemplo de cálculo do beta de uma ação (2/2)

66
Exercício em classe – 1
 A empresa Alpha produz equipamentos pneumáticos. Seu beta é igual

a 1,2. O prêmio pelo risco de mercado é de 8,5% e a taxa livre de risco atual
é de 6%. Qual é o retorno esperado por Alpha?
R Alpha = 0, 06 + 1, 2 × 0, 085 = 16, 2%

67
 Suponha que o retorno esperado da carteira de mercado seja de 18% e

a taxa livre de risco seja igual a 12%. O retorno esperado da empresa Y é
igual a 27%. Qual é o beta da empresa? Esta ação possui mais ou menos
risco do que a média da economia?
0, 27 = 0,12 + β × ( 0,18 − 0,12) ∴ β = 2,5

68
 Considere as seguintes ações:

 Empresa Beta Retorno esperado
A 1,4 25,0%

B 0,7 14,0%
Suponha que o CAPM seja válido. De acordo com o CAPM, qual é o retorno

esperado do mercado? Qual é o valor da taxa livre de risco?
 0, 25 = RF + 1, 4 ( RM − RF )

0,14 = RF + 0, 7 ( RM − RF )
RF = 3%
RM = 18, 71%

69
Suponha que a taxa livre de risco seja de 6,3% e que a carteira de mercado

tenha retorno esperado de 14,8%. A carteira de mercado também possui

variância de 0, 0121. A carteira Z tem um coeficiente de correlação, com o
mercado, igual a 0,45, e sua variância é 0,0169. De acordo com o CAPM, qual
é a taxa de retorno esperado da carteira Z?

70
Resposta do exercício em classe – 4
(
R Z = RF + β Z R M − RF )
cov ( RZ , RM ) ρZ ,M σ Z σ M
βZ = =
σ M2 σ M2
σ Z = 0, 0169 = 0,13
σ M = 0, 0121 = 0,11
∴
0, 45 × 0,13
βZ = = 0,5318
0,11
R Z = 0, 063 + 0,5318 ( 0,148 − 0, 063) = 0,1082
R Z = 10,82%

71
FEA - USP
 FIM
alexfea@usp.br
FEA 3 – sala 209
11 – 3091 5820 r. 162
Prof . Dr . Alexandre Di Miceli da Silveira 11 – 8149 8115
72

Aula 1 A 4 Analise Investimentos Atualizado

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aula 1 A 4 Analise Investimentos Atualizado

Cargado por

Copyright:

Formatos disponibles

FEA - USP

Aulas 1 a 4: Introdução ao Risco, Retorno, Custo de

Prof. Dr. Alexandre Di Miceli da Silveira

Alexandre Di Miceli da Silveira

§Teoria e evidências empíricas do mercado de capitais

Prof . Dr . Alexandre Di Miceli da Silveira

3 Aplicação em teoria de carteiras

4 CAPM – Capital Asset Pricing Model

Prof . Dr . Alexandre Di Miceli da Silveira

O termo estatística descritiva é um conceito genérico aplicado a um

§Os estatísticos se referem às médias como medidas de posição ou medidas de tendência

Prof . Dr . Alexandre Di Miceli da Silveira

Medidas de posição ou de tendência central

– Caso a distribuição seja contínua, é dada por ∑X i

Prof . Dr . Alexandre Di Miceli da Silveira

Se a média aritmética for a medida escolhida de posição, a variância e

Para superar o problema da unidade da variância, utiliza-se sua raiz

§O desvio-padrão é dado por ∑ Xi − X

Prof . Dr . Alexandre Di Miceli da Silveira

3 Aplicação em teoria de carteiras

4 CAPM – Capital Asset Pricing Model

Prof . Dr . Alexandre Di Miceli da Silveira

A covariância indica como duas variáveis aleatórias se comportam em

Prof . Dr . Alexandre Di Miceli da Silveira

O coeficiente de correlação é uma medida mais utilizada do grau de

§O coeficiente de correlação é uma medida sem unidade (número absoluto) da força e

Prof . Dr . Alexandre Di Miceli da Silveira

Exemplo: Variância e desvio padrão

 Suponha que seu investimento forneça os seguintes retornos ao

 O desvio-padrão é dado por σ = σ 2 = VAR = 0, 01167 = 0,108 =10,80%

Prof . Dr . Alexandre Di Miceli da Silveira

3 Aplicação em teoria de carteiras

4 CAPM – Capital Asset Pricing Model

Prof . Dr . Alexandre Di Miceli da Silveira

Risco significa incerteza sobre as taxas futuras de retorno, sendo

§ As distribuições de probabilidade podem ser caracterizadas por meio do seu

§ O retorno esperado, ou médio, é expresso por:

§ Se a distribuição de probabilidade for mais ou menos simétrica em relação à

Prof . Dr . Alexandre Di Miceli da Silveira

Valor futuro de um investimento feito em 1927 nos EUA

Fonte: Dados disponíveis em http://pages.stern.nyu.edu/~adamodar/

Prof . Dr . Alexandre Di Miceli da Silveira

Retornos históricos nos EUA 1928-2008

Prof . Dr . Alexandre Di Miceli da Silveira

Tradeoff entre risco e retorno

Fonte: Dados disponíveis em http://pages.stern.nyu.edu/~adamodar/

Prof . Dr . Alexandre Di Miceli da Silveira

Fonte: Dados disponíveis em http://pages.stern.nyu.edu/~adamodar/

Prof . Dr . Alexandre Di Miceli da Silveira

A distribuição Normal (retorno anuais das ações)

Prof . Dr . Alexandre Di Miceli da Silveira

Os retornos do Ibovespa possuem distribuição Normal?

Histograma do retorno do Ibovespa (jul/95-jul/08)

Prof . Dr . Alexandre Di Miceli da Silveira

Retorno diário das ações da Microsoft (mai/94 – jul/08)

Variação dos preços vs. Distribuição Normal

Prof . Dr . Alexandre Di Miceli da Silveira

Rentabilidade acumulada de um investimento feito em julho de 1995 no

Prof . Dr . Alexandre Di Miceli da Silveira

O retorno esperado e o risco de uma carteira de investimento com dois

Exemplo: Aplicação em teoria de carteiras

Considere os seguintes ativos com risco: um fundo de ações e um fundo de

bônus corporativo de longo prazo. O retorno previsto para os ativos variará