FUNDAO GETULIO VARGAS ESCOLA DE ECONOMIA DE SO PAULO

HUGO LEONARDO FREITAS DE MORAES RGO

UM ESTUDO SOBRE ALOCAO DE ATIVOS CLSSICA E BAYESIANA NO MERCADO ACIONRIO BRASILEIRO

SO PAULO 2012

HUGO LEONARDO FREITAS DE MORAES RGO

UM ESTUDO SOBRE ALOCAO DE ATIVOS CLSSICA E BAYESIANA NO MERCADO ACIONRIO BRASILEIRO

Dissertao apresentada Escola de Economia de So Paulo da Fundao Getlio Vargas, como requisito para obteno do ttulo de Mestre em Economia. Campo de conhecimento: FINANAS Orientador: Prof. Dr. Pedro Luiz Valls Pereira

SO PAULO 2012

Rgo, Hugo Leonardo Freitas de Moraes. Um Estudo sobre Alocao de Ativos Clssica e Bayesiana no Mercado Acionrio Brasileiro / Hugo Leonardo Freitas de Moraes Rgo. 2012. 56 f. Orientador: Pedro Luiz Valls Pereira Dissertao (mestrado) - Escola de Economia de So Paulo. 1. Aes (Finanas). 2. Mercado financeiro. 3. Alocao de ativos. 4. Teoria bayesiana de deciso estatstica. I. Valls, P. (Pedro). II. Dissertao (mestrado) - Escola de Economia de So Paulo. III. Ttulo.

CDU 336.76

HUGO LEONARDO FREITAS DE MORAES RGO

UM ESTUDO SOBRE ALOCAO DE ATIVOS CLSSICA E BAYESIANA NO MERCADO ACIONRIO BRASILEIRO

Dissertao apresentada Escola de Economia de So Paulo da Fundao Getlio Vargas, como requisito para obteno do ttulo de Mestre em Economia. Campo de conhecimento: FINANAS Data de aprovao: __/__/___ Banca examinadora:

_____________________________________ Prof. Dr. Pedro Luiz Valls Pereira (Orientador) FGV-EESP

_____________________________________ Prof. Dr. Joo Filipe Bernardes Volkmann de Mendona Mergulho FGV-EESP

_____________________________________ Prof. Dr. Emerson Fernandes Maral Universidade Presbiteriana Mackenzie

Agradecimentos

Aos meus pais, os maiores responsveis por todas minhas conquistas e que sempre me deram apoio incondicional em toda minha vida.

minha namorada, Bruna, pelo companheirismo e pela enorme compreenso durante os dois anos de Mestrado.

Aos meus amigos do Mestrado, em especial ao Rodrigo e Vanessa, pela amizade e pelo convvio durante o curso.

Ao meu orientador, professor Pedro Valls, pelas oportunidades que me proporcionou e pela confiana.

EESP, pelo excelente ensino, tima estrutura e brilhante equipe que tive o prazer de encontrar na Escola.

Resumo
Este trabalho teve como objetivo comparar duas metodologias de alocao tima de ativos, a metodologia clssica e a metodologia bayesiana. O modelo utilizado foi o de Meucci (2005). Foram realizados diversos exerccios empricos de montagem de carteiras de ativos seguindo essas metodologias, utilizando para isso dados do mercado acionrio brasileiro. Os resultados encontrados indicam uma superioridade de desempenho, tanto em termos de retorno quanto de volatilidade, da carteira bayesiana em relao clssica e desta em relao ao ndice de mercado. Ademais, o trabalho tambm compreende modificaes na prior utilizada na estimao bayesiana.

Palavras-chave: alocao de ativos, estimao bayesiana, mercado acionrio brasileiro

Abstract
The goal of this work was to compare two different asset allocation methodologies, the classic and the Bayesian one. The utilized model was that of Meucci (2005). In order to reach this goal, empirical exercises were performed, utilizing data from the Brazilian financial market. The results found indicate that the Bayesian asset portfolio outperformed the classic one in terms of return and volatility, whereas the classic portfolio outperformed the market index. Moreover, this work also comprises modifications in the prior utilized in the Bayesian estimation.

Keywords: asset allocation, Bayesian estimation, Brazilian financial market

Sumrio
1. Introduo e Justificativa........................................................................................... 1 2. Metodologia .............................................................................................................. 4 2.1 Alocao Clssica ............................................................................................... 4 2.2 Arcabouo Terico da Alocao Bayesiana Robusta ........................................... 6 3. Estatsticas Descritivas dos Dados ........................................................................... 11 4. Resultados............................................................................................................... 15 4.1 Estimao Clssica ............................................................................................ 15 4.1.1 Exerccio Emprico Somente com Ativos do Ibovespa ................................ 15 4.1.2 Exerccio Emprico com Ativos do Ibovespa, Dlar e CDI.......................... 17 4.2 Estimao Bayesiana ......................................................................................... 21 4.2.1 Exerccio Emprico Somente com Ativos do Ibovespa ................................ 21 4.2.2 Exerccio Emprico com Ativos do Ibovespa, Dlar e CDI.......................... 25 4.2.3 Modificando a confiana na prior ............................................................... 28 4.2.4 Modificando a prior do investidor .............................................................. 30 5. Concluso ............................................................................................................... 35 6. Referncias Bibliogrficas....................................................................................... 37 GLOSSRIO .............................................................................................................. 38 APNDICE A TABELAS ....................................................................................... 39

Lista de Grficos
3.1 Retorno Dirio Ibovespa........................................................................................ 13 3.2 Desvio Padro Mvel Ibovespa ............................................................................. 13 3.3 Retorno Acumulado Ibovespa .............................................................................. 14 4.1 Retorno Acumulado da Carteira da Subseo 4.1.1................................................ 16 4.2 Retornos Dirios da Carteira da Subseo 4.1.1 ..................................................... 16 4.3 Desvio Padro Mvel da Carteira da Subseo 4.1.1 ............................................. 17 4.4 Retorno Acumulado da Carteira da Subseo 4.1.2................................................ 19 4.5 Retornos Dirios da Carteira da Subseo 4.1.2 ..................................................... 20 4.6 Desvio Padro Mvel da Carteira da Subseo 4.1.2 ............................................. 20 4.7 Retorno Acumulado da Carteira da Subseo 4.2.1................................................ 23 4.8 Retornos Dirios da Carteira da Subseo 4.2.1 ..................................................... 24 4.9 Desvio Padro Mvel da Carteira da Subseo 4.2.1 ............................................. 24 4.10 Retorno Acumulado da Carteira da Subseo 4.2.2 .............................................. 26 4.11 Retornos Dirios da Carteira da Subseo 4.2.2 ................................................... 27 4.12 Desvio Padro Mvel da Carteira da Subseo 4.2.2 ........................................... 28 4.13 Retorno Acumulado da Carteira da Subseo 4.2.3 .............................................. 29 4.14 Retorno Acumulado das Carteiras da Subseo 4.2.4 ........................................... 32 4.15 Desvio Padro Mvel da Carteira Bayesiana Convencional da Subseo 4.2.4 .... 33 4.16 Desvio Padro Mvel da Carteira Bayesiana CCC da Subseo 4.2.4 .................. 33 4.17 Desvio Padro Mvel da Carteira Bayesiana DCC da Subseo 4.2.4 .................. 34

Lista de Tabelas
3.1 Entradas e Sadas do Ibovespa em 2011 ................................................................ 12 3.2 Taxa de Mudana dos Pesos dos Ativos do Ibovespa ............................................. 12 3.3 Estatsticas Descritivas do Ibovespa ..................................................................... 13 4.1 Evoluo Mensal de w ....................................................................................... 15 4.2 Estatsticas Descritivas da Carteira da Subseo 4.1.1 ........................................... 17 4.3 Evoluo Mensal de w ....................................................................................... 18 4.4 Estatsticas Descritivas da Carteira da Subseo 4.1.2 ........................................... 20 4.5 Evoluo Mensal de w ....................................................................................... 22 4.6 Estatsticas Descritivas da Carteira da Subseo 4.2.1 ........................................... 25 4.7 Evoluo Mensal de w ....................................................................................... 26 4.8 Estatsticas Descritivas da Carteira da Subseo 4.2.2 ........................................... 28 4.9 Evoluo da Alocao em CDI.............................................................................. 30 4.10 Estatsticas Descritivas da Carteira Bayesiana CCC da Subseo 4.2.4 ................ 34 4.11 Estatsticas Descritivas da Carteira Bayesiana Convencional da Subseo 4.2.4 .. 34 4.12 Estatsticas Descritivas da Carteira Bayesiana DCC da Subseo 4.2.4 ................ 34 A.1 Composio da Carteira da Subseo 4.1.1 ........................................................... 39 A.2 Composio da Carteira da Subseo 4.1.2 ........................................................... 40 A.3 Composio da Carteira da Subseo 4.2.1 ........................................................... 41 A.4 Composio da Carteira da Subseo 4.2.2 ........................................................... 43 A.5 Composio da Carteira Bayesiana Convencional da Subseo 4.2.4 .................... 45 A.6 Composio da Carteira Bayesiana CCC da Subseo 4.2.4 ................................. 45 A.7 Composio da Carteira Bayesiana DCC da Subseo 4.2.4 ................................. 46

1. Introduo e Justificativa
Desde a publicao do trabalho seminal de Markowitz (1952), a resoluo do problema de alocao tima de ativos do investidor foi tema de diversos trabalhos da literatura econmica. Em seu trabalho, Markowitz (1952) formalizou o modelo da mdia-varincia para a otimizao do portflio de investidores. Este modelo esttico e trata do problema da alocao dos ativos em apenas um perodo, isto , o portflio montado no incio de determinado perodo de tempo e o retorno do portflio obtido ao final deste perodo. A partir da dcada de 1970, modelos multiperodos dinmicos foram adicionados literatura econmica, incorporando otimizao consideraes sobre flutuaes na renda e necessidades de consumo dos investidores no nterim entre a montagem da carteira e a aferio de lucros. Entretanto, como citam Avramov e Zhou (2010), o arcabouo da mdia-varincia ainda largamente utilizado na academia e na prtica de Finanas, sendo o objeto de estudo desta dissertao. As principais obras da literatura econmica sobre o tema citam duas abordagens para a montagem de uma carteira tima de ativos a partir de uma anlise de mdia-varincia: a clssica, que utiliza apenas dados histricos dos ativos para a estimao dos parmetros usados na otimizao e a estimao bayesiana, que modela tambm o conhecimento prvio do investidor para realizar esta estimao, de modo a diminuir o risco inerente estimao. Se por um lado a estimao clssica mais usual e sua aplicao tratada em diversas referncias da literatura econmica, como no modelo de Meucci (2005), que ser utilizado nesta dissertao, por outro a estimao bayesiana menos usual, ainda que trabalhos recentes da literatura abordem o assunto. Dentre esses trabalhos, podemos citar Avramov e Zhou (2010), que fazem uma reviso de estudos sobre a alocao bayesiana dividindo-os em trs grupos; aqueles que assumem retornos independentes e identicamente distribudos dos retornos dos ativos, os que tratam os retornos como previsveis a partir de variveis macroeconmicas e os que modelam os retornos dos ativos utilizando modelos de mudana de regime e de volatilidade estocstica. Os autores tratam da metodologia utilizada para a estimao dentro de cada um desses grupos e apontam que enquanto a abordagem bayesiana inclui 1

funcionalidades que podem lhe conferir desempenho superior ausentes na abordagem clssica, ela permanece inexplorada para determinados tipos de aplicao, o que cria espao para bastante evoluo do tema. Cabe ressaltar essa observao dos autores na medida em que ela fornece uma justificativa para a presente dissertao. Um exemplo de aplicao da metodologia bayesiana modelando os retornos dos ativos utilizando modelos de volatilidade estocstica o trabalho de Bade, Frahm e Jaekel (2009). Os autores utilizam um modelo GARCH para os retornos dirios dos ndices de aes de sete pases e seguem para uma estimao bayesiana do portflio timo. Segundo eles, a utilizao da prior na estimao bayesiana tem real impacto na carteira tima, produzindo resultados diferentes daqueles obtidos com a estimao clssica, notadamente uma carteira mais diversificada na comparao com aquela obtida na estimao clssica. Meucci (2011) tambm realiza um exerccio emprico utilizando o arcabouo bayesiano. O modelo do autor, que servir de base para as estimaes bayesianas deste trabalho e ser apresentado na seo a seguir, pertence ao primeiro grupo do trabalho de Avramov e Zhou (2010), isto , assume que os retornos dos ativos so independentes e identicamente distribudos no tempo. A atividade emprica de Meucci (2011) consiste em montar uma carteira tima para o S&P 500 para um horizonte de uma semana e compar-la com a carteira montada seguindo a abordagem clssica. O autor obtm resultados mais conservadores e menos rentveis para a carteira bayesiana em comparao com a clssica; o retorno total da carteira clssica superior, mas sua volatilidade no perodo de tempo analisado tambm o . Como ltimo exemplo, pode ser mencionado o trabalho de Tu e Zhou (2008), que traz uma inovao em relao aos trabalhos anteriormente citados. Neste artigo, os autores desenvolvem uma metodologia para incorporar a funo-objetivo do investidor prior bayesiana. Empiricamente, verificam que esta metodologia apresenta resultados superiores metodologia bayesiana padro. A proposta desta dissertao realizar um estudo emprico da aplicao das duas metodologias, clssica e bayesiana, para o mercado financeiro brasileiro, comparando os resultados obtidos com cada uma das metodologias. Em particular, no que tange a estimao bayesiana, este trabalho far dois exerccios diferentes que se encaixam nos grupos um e trs do estudo de Avramov e Zhou (2010); um exerccio em que ser assumido que os retornos dos ativos so independentes e 2

identicamente distribudos e seguem uma distribuio normal e outro modelando-os com modelos de volatilidade estocstica. A atividade emprica consiste na montagem de duas carteiras com ativos transacionados no mercado brasileiro. Os pesos de cada ativo nas carteiras sero determinados segundo a abordagem clssica para uma delas e segundo a bayesiana para a outra. A seguir, como forma de comparao das carteiras, sero medidos os desempenhos que as mesmas teriam tido no mercado financeiro em perodo de tempo subseqente quele utilizado para a estimao das carteiras timas. O modelo utilizado neste trabalho ser aquele proposto por Meucci (2005). Como ressaltado por Campbell e Viceira (2002), a literatura econmica sobre alocao de ativos e escolha de portflio encontra sua justificativa de existncia ao cumprir o papel de orientar os agentes econmicos a respeito das diversas decises de alocao que estes devem tomar. Muitas vezes, este um exerccio dentro da economia normativa, isto , um exerccio de melhorar decises econmicas imperfeitas tomadas pelos agentes. A justificativa deste trabalho estender a literatura de alocao de ativos e escolha de portflio, bem como cumprir o mesmo papel que esta cumpre dentro da literatura econmica dentro do contexto brasileiro, constituindo-se em uma contribuio para esta literatura e para o entendimento do funcionamento do mercado financeiro nacional. Aps esta introduo, na seo 2 deste trabalho so apresentados os modelos propostos por Meucci (2005) para a estimao clssica e para a estimao bayesiana, na seo 3 esto presentes estatsticas descritivas dos dados utilizados na estimao, na seo 4 os resultados das estimaes so mostrados e, a seguir, a seo 5 conclui o trabalho.

2. Metodologia
2.1 Alocao Clssica alocao inicial dos ativos, isto , o peso inicial de cada um deles e P o vetor de A otimizao comea estabelecendo o objetivo do investidor, que Seguindo a metodologia proposta por Meucci (2005), consideremos a

preos desses ativos no tempo T. Os ativos em questo so aes.

maximizar sua riqueza ao final de um horizonte de tempo , dado certo nvel de risco. A expresso da riqueza do investidor dada por: P

(1)

ambos gera um escalar que denota a riqueza do investidor.

Considerando um vetor linha e P um vetor coluna, o produto entre

Utilizando-se uma funo utilidade do investidor do tipo power (equao 2 abaixo), teremos sua satisfao definida como em (3): u x = x

(2)

Onde representa o parmetro de averso ao risco do investidor. A satisfao do investidor dada pela equao 3 representa o equivalente certo da sua utilidade esperada, isto : S u u

S E

(3)

(4)

(problema 5), isto , encontrar o vetor alocao que, dentro de um conjunto de restries, oferece a maior satisfao ao investidor.

O problema do investidor que se deseja resolver maximizar sua satisfao

(5)

alocao do investidor e que compem o conjunto . A primeira restrio enfrentada pesos dos ativos e o vetor que contm os preos dos mesmos em um determinado

As equaes 6 e 7 abaixo detalham as restries presentes no problema de

por ele oramentria; considerando que o produto entre o vetor que contm os perodo T do tempo (representado pela expresso p ) denota o custo de

determinada alocao, tem-se que o mximo que o investidor pode pagar por determinada alocao limitado pela diferena entre sua dotao inicial () e o (2005), a principal idia por trs do custo de transao refletir o impacto no mercado que grandes mudanas nos pesos dos ativos causam. Nesse sentido, ele crescimento quadrtico aos custos de transao, denotados por . Esta restrio utiliza uma matriz diagonal com entradas positivas que confere a caracterstica de oramentria expressa na equao 6. A outra restrio do investidor, , est custo de transao existente na montagem da carteira tima. No modelo de Meucci

expressa na equao 7. Ela estabelece pesos estritamente no-negativos para os ativos. Quando fazemos isso estamos excluindo a montagem de posies vendidas. : p

(6) (7)

: 0

O problema 5 pode ser resolvido numericamente mediante a considerao de

que, para determinado nvel de varincia, um valor esperado maior na satisfao do investidor sempre melhor. Diante desta hiptese, Meucci (2005) mostra que resolver o problema 5 equivale a resolver ao problema 8 abaixo. =

(8)

dessas varincias. Este processo equivale ao problema 9 abaixo, que representa o problema 8 reescrito luz das equaes 1, 6 e 7: 5

varincias v , , v e maximizando a riqueza do investidor para cada uma

A soluo numrica deste problema obtida estabelecendo um conjunto de

 P . . p 0

(9)

Este problema de programao linear com restrio quadrtica que pode ser resolvido em softwares como o MATLAB. Para cada i, teremos uma alocao . A soluo para o eficiente que gerar ao investidor um nvel de satisfao S problema ser i* tal que: argmax

(10)

Logo, a alocao tima ser dada por:

(11)

2.2 Arcabouo Terico da Alocao Bayesiana Robusta A principal inovao advinda da estimao bayesiana reside na estimao da distribuio da varivel de mercado, que, no caso das aes como ativos alocados, trata-se dos retornos dos ativos. Enquanto na abordagem clssica a estimao dos parmetros da distribuio feita utilizando apenas as ocorrncias passadas dessa varivel, a abordagem bayesiana incorpora o conhecimento prvio do investidor (prior) acerca dessa varivel para a estimao dos parmetros de sua distribuio. Em linhas gerais, alm da distribuio das informaes passadas dos retornos, modelado o que a literatura chama de experincia do investidor sobre aquela que deveria ser a distribuio verdadeira dos parmetros da distribuio da varivel. Com essas duas informaes, chega-se ao que Meucci (2005) chama de distribuio posterior dos parmetros da distribuio da varivel. importante notar que, diferente da abordagem clssica onde chega-se a estimadores para os parmetros da varivel de mercado, na abordagem bayesiana o que se obtm uma distribuio de probabilidade para os parmetros da distribuio da varivel. 6

Essa distribuio ser to mais prxima do valor atribudo pela experincia do investidor quanto maior for a confiana deste na sua experincia. As principais propriedades da distribuio posterior que se deseja saber so os parmetros de localizao e disperso do elipside que a forma. Retomando o problema clssico da mdia-varincia mostrado na subseo anterior, Meucci mostra que o problema 8 pode ser reescrito da seguinte forma: . . v

(12)

ativo no portflio, um conjunto

No problema acima, novamente temos um vetor de pesos relativos de cada de restries a esses pesos (definido pelo

investidor e que nesta subseo ser igual ao conjunto da subseo anterior) e um resolvido para cada uma dessas varincias. Considerando um investimento inicial no , =

contnuo de varincias v dos retornos dos ativos, sendo o problema do investidor 1 . As variveis e representam, respectivamente, as mdias e as Dentro do arcabouo bayesiano robusto, o problema do investidor acima

perodo de tempo , aps um horizonte , o retorno de cada ativo ser dado por covarincias dos retornos dos ativos no portflio, ou seja, , e , . torna-se: min em relao a . . max v em relao a

(13)

respectivamente. Essas regies so definidas pelos elipsides da distribuio posterior de e , dados pelas equaes 14 e 15, respectivamente: 7

As variveis e representam regies de incerteza para e ,

 q q

(14)

(15)

para comput-la, como dito anteriormente, necessrio modelar as informaes de informaes do mercado so basicamente a mdia e a varincia amostral das realizaes passadas dos retornos dos ativos, isto : = 1 ,

Para obter os valores acima, precisamos da distribuio posterior de e e

mercado acerca dos retornos passados dos ativos e a prior do investidor. As

= 1 , ,

(16) (17)

clculo da distribuio condicional em e da distribuio marginal de . Assim, temos: | ~ ,

normal Wishart-invertida, computando-se a distribuio conjunta de e para o

A prior do investidor modelada por Meucci (2005) como uma distribuio

(18)

distribuio Wishart:

E a distribuio marginal de modelada atravs de sua inversa, que ter

~ ,

(19)

marginal de dada por: ~ , ,

Um resultado importante mostrado por Meucci (2005) que a distribuio

(20)

A partir desse resultado, obtm-se duas equaes fundamentais para o entendimento da estimao bayesiana, quais sejam: = 8

(21)

quanto a sua previso, j que altos valores desta varivel implicam covarincia reduzida e, portanto, baixa incerteza quanto a sua previso. Analogamente, a partir da distribuio marginal de , obtm-se: (23) (24)

quanto mdia dos retornos do ativo em questo e reflete a confiana dele

Deste modo, conclui-se que a varivel reflete a expectativa do investidor

(22)

[] = 1 +

satisfaz equao:

Onde a matriz identidade e a matriz uma matriz de comutao, que [ ] = [ ]

disperso da varincia dos retornos do ativo e v a confiana dele quanto a essa que o investidor prev para a varincia dos retornos do ativo. expectativa, j que baixos valores de v significam pouca incerteza quanto ao valor e , representando, respectivamente, a mdia e a varincia esperadas pelo

para e T , isto , a varivel reflete a expectativa do investidor quanto

A concluso obtida a respeito dos parmetros e v similar quela obtida

(25)

Com isso, a prior do investidor ser dada a partir desses quatro parmetros:

investidor para essas previses sobre a mdia e a varincia, respectivamente. Todos

esses parmetros so definidos pelo investidor. Com eles, podemos definir , S , S e como nas equaes abaixo:

investidor para os retornos compostos e T e v , representando a confiana do

= =

(26)

(27)

(28)

Onde D uma matriz de duplicao e: (30) (31) (32)

(29)

[ + ] + +

(33)

quadrada . Ento D tal que: vec [] = D vech []. Ademais, T representa o nmero de observaes da varivel de mercado disponveis.

O clculo da matriz D feito da maneira a seguir. Seja uma matriz simtrica

relativos dos ativos, dados pelo vetor . Dentro do arcabouo da mdia-varincia e o problema da alocao bayesiana para os pesos relativos torna-se: w . . p w 0

Meucci (2005) resolve o problema da alocao bayesiana para os pesos

retomando o conjunto de restries definido na subseo anterior, o autor prova que

(34)

Onde:

(35) (36)

Este um problema de programao cnica de segunda ordem e tambm pode ser resolvido numericamente.

10

3. Estatsticas Descritivas dos Dados

Os ativos que compem as carteiras timas estimadas no exerccio emprico da seo 4 deste trabalho so aqueles que compuseram o ndice da Bolsa de Valores de So Paulo (Ibovespa) durante o ano de 20111. O que motiva a escolha desses ativos para a montagem das carteiras a facilidade de comparao de desempenho que os mesmos proporcionam. Na medida em que esses ativos compem o Ibovespa, isto , o ndice de mercado, torna-se possvel tirar concluses sobre a eficcia das estimaes clssica e bayesiana comparando o desempenho das carteiras geradas por esses mtodos com o desempenho do ndice de mercado, j que tanto as carteiras quanto o ndice so compostos pelas mesmas aes. O perodo de anlise vai de 07/10/2009, data inicial da srie mais jovem dos ativos que compem o ndice, at 15/12/2011. Com os dados at 2011, estima-se a carteira tima para janeiro/2011 e a partir da a carteira rebalanceada mensalmente, sempre incorporando os dados do ms recm finalizado na estimao. O perodo de avaliao das carteiras timas vai de janeiro/2011, ms inicial de estimao das mesmas, at dezembro/2011. O Ibovespa tem composio quadrimestral e a cada mudana na composio do ndice, os ativos utilizados na estimao da carteira tima tambm so modificados. No total, so utilizados 69 ativos para a montagem das carteiras timas. O glossrio ao final do trabalho mostra quais so esses ativos. Apenas quatro ativos no fizeram parte do ndice durante todos os quadrimestres de 2011 (BRML3, HGTX3, TCSL4, VIVO4). Entretanto, apenas os dois primeiros significaram adies de novos ativos ao ndice, j que as mudanas nos outros dois ativos vieram de reestruturaes nas empresas que fizeram com que VIVO4 fosse incorporado ao papel j existente VIVT4 e TCSL4 fosse incorporado ao TIMP3. A tabela 3.1 abaixo mostra as entradas e sadas do Ibovespa durante 2011. Com efeito, o Ibovespa um ndice que apresenta apenas tnues mudanas de composio entre os quadrimestres, como se pode observar pela taxa de mudana dos mensais percentuais individuais nos pesos de cada ativo na composio geral da
1

pesos dos ativos a cada quadrimestre ( ), calculada pela soma total das mudanas

Exceto os ativos ALLL3 (que comps o Ibovespa durante 2011 todo) e PRTX3 (que comps o Ibovespa durante o 1 quadrimestre de 2011). Os ativos foram retirados por indisponibilidade de dados. Sua ausncia no traz grandes transtornos aos resultados deste trabalho, pois a participao de ambos no ndice era diminuta, oscilando num patamar abaixo de 1%.

11

carteira do Ibovespa. Do primeiro para o segundo quadrimestre, essa varivel foi apenas 0,0181% e do segundo para o terceiro 0,05%, dando conta que este um ndice cuja composio permaneceu praticamente estvel ao longo de 2011. A tabela 3.2 traz esse resultado.

Tabela 3.1 Entradas e Sadas do Ibovespa em 2011 Entrada(+)/Sada(-) + + Ao Trimestre BRML3 3 HGTX3 3 TCSL4 1 VIVO4 1

Fonte O Autor Tabela 3.2 Taxa de Mudana dos Pesos dos Ativos do Ibovespa 1/2 Quadrimestre w 0,0181% Fonte O Autor 2/3 Quadrimestre 0,05%

O grfico 3.1 mostra a evoluo do retorno dirio do Ibovespa durante o perodo de avaliao deste trabalho (o ano de 2011) e o grfico 3.2 traz o desvio padro mvel dos retornos dirios em uma janela de 30 dias, que ser usado para denotar a volatilidade das carteiras estudadas neste trabalho. O segundo semestre de 2011 notadamente um perodo de alta volatilidade, sobretudo a partir de agosto, quando registrada a maior queda (-8,09% em 08/agosto) da amostra. Este fato pode ser explicado pela ecloso da crise do Euro e a conseqente contaminao do mercado financeiro brasileiro. A tabela 3.3 traz estatsticas descritivas dos retornos dirios e da volatilidade diria (mdia dos quadrados dos retornos dirios, assim como ser usada nas tabelas das prximas sees do trabalho) do Ibovespa em 2011. Destacam-se um excesso de curtose dos retornos e a mdia negativa dos retornos dirios. Como se pode ver no grfico 3.3, durante o perodo de avaliao das carteiras timas, sobretudo no segundo semestre de 2011, o ndice inicia uma trajetria de queda que se estende at o final do ano, ocasionando essa mdia negativa dos retornos.

12

Tabela 3.3 Estatsticas Descritivas do Ibovespa Mdia Retornos Dirios Volatilidade Diria -0,07% 0,0243 Desvio Padro 0,0156 0,0563 Fonte O Autor Grfico 3.1 Retorno Dirio Ibovespa
4,00% 2,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -2,00% -4,00% -6,00% -8,00% -10,00% Retorno Dirio Ibov 03/12/2011

Assimetria -0,5300 7,2997

Curtose 3,3348 70,5569

Fonte O Autor

Grfico 3.2 Desvio Padro Mvel Ibovespa

0,035 0,03 0,025 0,02 0,015 0,01 0,005 0

Desvio Padro Mvel (30 dias) Ibovespa

Fonte O Autor

13

Grfico 3.3 Retorno Acumulado Ibovespa

10,00% 5,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -5,00% -10,00% -15,00% -20,00% -25,00% -30,00% Retorno Acumulado Ibov 03/12/2011

Fonte O Autor

14

4. Resultados
4.1 Estimao Clssica 4.1.1 Exerccio Emprico Somente com Ativos do Ibovespa Nesta subseo so apresentados os resultados da carteira tima clssica, gerada a partir do arcabouo apresentado em 2.1. Como observado anteriormente, utilizando dados desde o incio da amostra (outubro/2009) at dezembro/2010 estimou-se a carteira com horizonte mensal para janeiro/2011. A partir da, ao final de cada ms incorporava-se os dados do ms finalizado na amostra e estima-se a carteira para o ms seguinte. Das 69 aes que compuseram o Ibovespa ao longo de 2011, apenas 23 tiveram peso positivo em algum dos meses do ano e dessas somente a ao AMBV4 teve alocao positiva em todos os meses. A tabela completa com as alocaes mensais encontra-se no apndice A do trabalho. Apesar disso, a taxa de variao dos pesos dos ativos a cada ms ( ) da

carteira clssica foi bastante superior do que aquela observada para o Ibovespa. Esta de composio apenas a cada quatro meses, enquanto que a carteira tima clssica muda mensalmente. A tabela 4.1 a evoluo mensal de .
Tabela 4.1 Evoluo Mensal de

caracterstica torna-se ainda mais pertinente quando observa-se que o Ibovespa muda

Jan/Fev Fev/Mar Mar/Abr Abr/Mai Mai/Jun Jun/Jul Jul/Ago Ago/Set Set/Out Out/Nov Nov/Dez w 5,72% 2,19% 1,73% 15,19% 3,01% 2,03% 3,39% 53,78% 2,65% 0,47% 0,32% Fonte O Autor

Quanto ao desempenho mensal, a carteira clssica mostra-se bastante superior ao Ibovespa. O grfico 4.1 mostra a evoluo do retorno acumulado da carteira clssica em comparao com o retorno acumulado do ndice. A partir de abril/2011, o retorno acumulado da carteira clssica ultrapassa o do Ibovespa e a diferena entre ambos aumenta durante o ano. Ao final do perodo de avaliao, a carteira clssica apresenta um retorno de -2,71% em 2011, resultado significativo quando comparado ao universo de ativos ao qual a carteira pertence, que registra -18,72% de performance no mesmo perodo.

15

Grfico 4.1 Retorno Acumulado da Carteira da Subseo 4.1.1

10,00% 5,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 03/11/2011 -5,00% -10,00% -15,00% -20,00% -25,00% -30,00% Retorno Acumulado Carteira Clssica Retorno Acumulado Ibov 03/12/2011 03/12/2011

Fonte O Autor

A solidez dos resultados da carteira clssica ressaltada pela comparao da sua volatilidade com a do Ibovespa. Alm de apresentar desempenho superior ao longo de 2011, a carteira clssica foi tambm menos voltil que o ndice. O grfico 4.3 mostra que ela teve o mesmo pico de volatilidade que o ndice em agosto/2011, mas que no restante do segundo semestre no houve uma volatilidade especialmente pronunciada nos retornos dirios da carteira, ao contrrio do que mostrou o grfico 3.2. O grfico 4.2 mostra os retornos dirios da carteira clssica.

Grfico 4.2 Retornos Dirios da Carteira da Subseo 4.1.1

4,00% 2,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 -2,00% -4,00% -6,00% -8,00% -10,00% Retorno Dirio Carteira Clssica 03/10/2011

Fonte O Autor

16

Grfico 4.3 Desvio Padro Mvel da Carteira da Subseo 4.1.1

0,025 0,02 0,015 0,01 0,005 0

Desvio Padro Mvel (30 dias) Carteira Clssica

Fonte O Autor

A tabela 4.2 confirma a concluso advinda da observao dos grficos de volatilidade, isto , a volatilidade diria mdia da carteira clssica foi inferior do ndice de mercado. O retorno dirio mdio da carteira tambm foi superior ao do Ibovespa, o que est em linha com o desempenho superior apresentado por ela.

Tabela 4.2 Estatsticas Descritivas da Carteira da Subseo 4.1.1 Mdia Retornos Dirios Volatilidade Diria 0,00% 0,0157 Desvio Padro Assimetria Curtose 0,0125 0,0369 -0,4679 8,0909 3,5961 88,4522

Fonte O Autor

4.1.2 Exerccio Emprico com Ativos do Ibovespa, Dlar e CDI A escolha dos ativos que compem o Ibovespa para a realizao dos exerccios empricos deste trabalho pautou-se na possibilidade de comparar diretamente o desempenho das carteiras timas com o desempenho do ndice. Ao acrescentar s estimaes dois novos ativos que no compem o ndice, essa possibilidade perdida, j que no existe um ndice de mercado composto exatamente pelos ativos do Ibovespa mais dlar e CDI. Entretanto, os resultados obtidos nessa nova estimao so interessantes num contexto mais prtico de Finanas, j que a maioria dos investidores tem como opo o investimento tambm nesse tipo de ativo. 17

Nesse sentido, esta subseo aborda a composio da carteira clssica tima obtida em uma estimao idntica a da subseo 4.1.1, seno pela incluso do dlar e do CDI entre os ativos que podem receber alocao. A nova carteira clssica tima obtida aloca peso positivo em ao menos um dos meses do perodo de avaliao para 21 dos 71 ativos disponveis. Desses, 17 tambm receberam alocao positiva na carteira da subseo 4.1.1. Dos novos ativos includos, dlar recebe alocao positiva duas vezes e CDI quatro vezes. Os resultados completos da alocao encontram-se no apndice A deste trabalho. Com isso, o comportamento apresentado por esta carteira no se diferencia radicalmente da carteira da subseo anterior. Com efeito, a comportamento parecido com o da tabela 4.1, isto , a taxa de variao dos pesos mais acentuada que a do Ibovespa.
Tabela 4.3 Evoluo Mensal de
Jan/Fev w Fev/Mar Mar/Abr Abr/Mai Mai/Jun Jun/Jul Jul/Ago Ago/Set Set/Out Out/Nov Nov/Dez

tabela 4.3 traz os resultados da varivel para esta nova carteira e seu padro de

5,72%

2,21%

2,12%

2,85%

3,02%

2,07%

5,12%

50,28%

3,57%

1,70%

0,82%

Fonte O Autor

Com a possibilidade de alocao em um ativo de renda fixa, o CDI, e outro que destoou do Ibovespa em 2011, o dlar, o retorno acumulado pela carteira tima dessa subseo superior ao da carteira da subseo anterior. Mais uma vez, a carteira clssica supera o Ibovespa em abril/2011 e a partir da mantm-se sistematicamente acima do ndice. Como essa nova carteira clssica uma carteira multimercado, diferentemente da carteira da subseo anterior que era exclusivamente de aes, convm compar-la tambm com o CDI. Neste caso, o desempenho da carteira fica bem abaixo ao do deste ndice, terminando o perodo de avaliao registrando ganho de 4,27% contra 11,05% do ndice. O grfico 4.4 traz o comparativo de retornos acumulados.

18

Grfico 4.4 Retorno Acumulado da Carteira da Subseo 4.1.2

15,00% 10,00% 5,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -5,00% -10,00% -15,00% -20,00% -25,00% -30,00% Retorno Acumulado Carteira Clssica Retorno Acumulado CDI Retorno Acumulado Ibov 03/12/2011

Fonte O Autor

O desempenho superior entregue pela nova carteira clssica, entretanto, tem como custo uma volatilidade ligeiramente superior. Os grficos 4.5 e 4.6 mostram o comportamento do retorno e do desvio padro mvel da carteira, respectivamente, e a tabela 4.4 detalha esses resultados. De acordo com essa tabela, a volatilidade diria mdia da nova carteira clssica foi ligeiramente superior a da carteira clssica da subseo anterior, ainda que dessa vez houvesse um ativo sem risco a ser alocado. Isso compensado pelo j debatido aumento no retorno acumulado e o subseqente aumento do retorno dirio mdio da carteira, que deixa de ser nulo para atingir 0,03%. Ainda assim, a volatilidade diria mdia da carteira manteve-se sensivelmente abaixo da do Ibovespa mostrada na tabela 3.3. O comportamento da volatilidade da carteira clssica semelhante ao da carteira clssica da subseo anterior. Ambas sofrem um pico de volatilidade no segundo semestre de 2011, depois de terem um primeiro semestre sem grandes altas na volatilidade diria. A principal diferena que esta carteira tambm apresenta perodos seguidos de alta volatilidade em setembro. Isso se deve ao fato que a ao HGTX3 compunha mais de 60% da carteira nesse ms e chegou a apresentar quedas dirias de at -8% no perodo, sendo a grande responsvel por este resultado.

19

Grfico 4.5 Retornos Dirios da Carteira da Subseo 4.1.2

4,00% 2,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -2,00% -4,00% -6,00% -8,00% -10,00% Retorno Dirio Carteira Clssica 03/12/2011

Fonte O Autor

Grfico 4.6 Desvio Padro Mvel da Carteira da Subseo 4.1.2

0,025 0,02 0,015 0,01 0,005 0

Desvio Padro Mvel (30 dias) Carteira Clssica

Fonte O Autor

Tabela 4.4 Estatsticas Descritivas da Carteira da Subseo 4.1.2 Mdia Desvio Padro Assimetria Curtose Retornos Dirios 0,03% 0,0134 -0,3313 2,1941 Volatilidade Diria 0,0178 0,0361 5,2462 36,1516 Fonte O Autor

20

4.2 Estimao Bayesiana 4.2.1 Exerccio Emprico Somente com Ativos do Ibovespa A prior do investidor utilizada para a estimao bayesiana so os ltimos 12 meses de observaes anteriores ao perodo de estimao. Dessa forma, quando so utilizados dados desde o incio da amostra at dezembro/2010 para estimar a carteira de janeiro/2011 (perfazendo um total de 303 observaes para cada ativo), tem-se como parmetros da distribuio posterior: = 303

= 1303 ,

(37) (38) (39)

J como parmetros da prior, lembrando que nos 12 meses anteriores a dezembro/10 (incluindo este ms) h 247 observaes, tem-se: = 1247 ,

= 1 303 , ,

= 1247 , ,

(40) (41)

(2005) utiliza em suas estimaes, isto : = v = 2T

Os parmetros de confiana na prior, e v , so utilizados como Meucci

(42)

A partir desses parmetros, obtm-se uma carteira bayesiana com diferenas significativas para a carteira clssica previamente obtida. Das 69 aes candidatas a compor a carteira tima bayesiana, um total de 60 teve alocao positiva em algum dos meses do perodo de avaliao, nmero muito acima dos 23 ativos da primeira carteira clssica e que indica maior diversificao na carteira bayesiana. Em linha com esse resultado, 10 aes tiveram alocao positiva em todos os meses e a maior alocao obtida por um nico ativo foi 20,83% da ao CPFE3 na carteira de fevereiro/2011. Na primeira carteira clssica, o ativo VALE5 chegou a responder por 62,18% da carteira em setembro/2011 e nas quatro oportunidades em que teve alocao positiva, este ativo respondeu por mais de 50% da carteira. Os resultados completos dos ativos alocados na carteira bayesiana esto no apndice A do trabalho. 21

Alm de ser mais diversificada, a carteira bayesiana apresenta mudanas menos drsticas nos pesos dos ativos a cada ms do que a primeira carteira clssica. Apenas nas trs ltimas estimaes da amostra tem-se uma taxa de variao dos pesos dos ativos superior quela da carteira clssica. Ademais, enquanto na carteira clssica essa varivel chega a um pico de 53,78% na mudana de carteira de agosto para setembro (sobretudo devido ao ativo VALE5, que sai de uma alocao nula em agosto para cerca de 62% da carteira em setembro), na carteira bayesiana o mximo valor de de 3,08% na mudana de setembro para outubro. Ainda assim, os valores da taxa de variao para a carteira bayesiana ficam muito acima daqueles registrados para o Ibovespa e apresentados na tabela 3.2.
Tabela 4.5 Evoluo Mensal de
Jan/Fev w Fev/Mar Mar/Abr Abr/Mai Mai/Jun Jun/Jul Jul/Ago Ago/Set Set/Out Out/Nov Nov/Dez

A tabela 4.5 traz os resultados da varivel para a carteira bayesiana.

2,20%

0,32%

0,54%

0,75%

0,46%

1,35%

0,67%

0,47%

3,08%

2,05%

1,25%

Fonte O Autor

No grfico 4.7, est a evoluo mensal do retorno acumulado pela carteira bayesiana, em comparao com o Ibovespa e a primeira carteira clssica. A carteira bayesiana comea o perodo de avaliao bem atrelada carteira clssica, mas j a partir de fevereiro/2011 h um descolamento entre as duas, com a carteira bayesiana apresentando retorno acumulado sistematicamente superior ao da carteira clssica. Em setembro/2011, os retornos acumulados de ambas voltam a se aproximar para logo a seguir a carteira bayesiana voltar a abrir um spread positivo em relao clssica. O retorno final da carteira bayesiana um slido 4,28%, resultado extremamente expressivo frente ao -18,72% do Ibovespa no mesmo perodo.

22

Grfico 4.7 Retorno Acumulado da Carteira da Subseo 4.2.1

10,00% 5,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -5,00% -10,00% -15,00% -20,00% -25,00% -30,00% Retorno Acumulado Carteira Clssica Retorno Acumulado Bayesiana Retorno Acumulado Ibov 03/12/2011

Fonte O Autor

O comportamento dos retornos e do desvio padro mvel da carteira bayesiana, apresentados nos grficos 4.8 e 4.9 respectivamente, aponta para uma solidez dos resultados da carteira bayesiana tambm no quesito volatilidade. Os picos e vales dos retornos dirios bayesianos parecem menos pronunciados que os da carteira clssica, mostrados no grfico 4.2, e a volatilidade da carteira bayesiana tambm aparenta ser menor que a clssica, sobretudo no primeiro semestre de 2011. No entanto, h uma clara contaminao da volatilidade bayesiana a partir da deteriorao econmica no cenrio externo durante o segundo semestre de 2011, fenmeno tambm observado na volatilidade diria do Ibovespa (grfico 3.2) e da carteira clssica (grfico 4.3).

23

Grfico 4.8 Retornos Dirios da Carteira da Subseo 4.2.1

4,00% 2,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -2,00% -4,00% -6,00% -8,00% -10,00% Retorno Dirio Carteira Bayesiana 03/12/2011

Fonte O Autor

Grfico 4.9 Desvio Padro Mvel da Carteira da Subseo 4.2.1

0,025 0,02 0,015 0,01 0,005 0

Desvio Padro Mvel (30 dias) Carteira Bayesiana

Fonte O Autor

A tabela 4.6 confirma a impresso passada pelos grficos 4.8 e 4.9. A volatilidade diria mdia da carteira bayesiana inferior da clssica, bem como o desvio-padro dos retornos dirios clssicos so superiores aos dos retornos bayesianos, indicando retornos bayesianos menos volteis que os clssicos.

24

Tabela 4.6 Estatsticas Descritivas da Carteira da Subseo 4.2.1 Mdia Retornos Dirios Volatilidade Diria 0,02% 0,0133 Desvio Padro Assimetria Curtose 0,0116 0,0342 -0,8209 8,2869 4,7705 88,8089

Fonte O Autor

Quando feita uma comparao entre esses resultados da carteira bayesiana com aqueles da seo 3 deste trabalho pertinentes ao Ibovespa, consolida-se um panorama muito favorvel estimao bayesiana, no sentido que ela foi capaz de entregar retorno superior e volatilidade inferior ao do ndice de mercado utilizando o mesmo universo de ativos que este. 4.2.2 Exerccio Emprico com Ativos do Ibovespa, Dlar e CDI Este exerccio repete o que foi feito na subseo 4.2.1 exceto pela incluso de dlar e CDI entre os ativos que podem receber alocao. A carteira bayesiana deste exerccio repete um padro j observado no exerccio bayesiano anterior; diferentemente das carteiras clssicas, a estimao bayesiana confere alocao positiva a um nmero mais elevado de ativos. Dessa vez, um total de 40 ativos recebe alocao positiva em pelo menos um dos meses do perodo de avaliao. Entretanto, h uma diferena ainda mais pronunciada entre esta carteira bayesiana e a segunda carteira clssica. Enquanto a segunda carteira clssica negligenciou os novos ativos em vrios dos meses do perodo de avaliao, a carteira bayesiana apresentou foco absoluto em ambos. A dupla CDI e dlar recebeu alocao positiva em todos os meses avaliados e o valor mnimo da soma da alocao de ambos foi de 92%. Em particular, esta carteira bayesiana uma carteira basicamente de CDI, j que respondeu por mais de 90% da carteira em diversas ocasies e sua alocao nunca esteve abaixo de 88%. A alocao ms a ms completa desta carteira est no apndice A deste trabalho. Em linha com essa predominncia de CDI e dlar, a taxa de variao dos pesos dos ativos muito pequena para esta carteira. Pela primeira vez, uma carteira deste trabalho apresenta um semelhante ao do Ibovespa, abaixo da primeira manteve basicamente estvel durante o perodo de avaliao.

carteira bayesiana e muito abaixo das carteiras clssicas. Esta uma carteira que

25

Tabela 4.7 Evoluo Mensal de

Jan/Fev w Fev/Mar Mar/Abr Abr/Mai Mai/Jun Jun/Jul Jul/Ago Ago/Set Set/Out Out/Nov Nov/Dez

0,03%

0,03%

0,15%

0,04%

0,03%

0,01%

0,01%

0,03%

0,06%

0,31%

0,05%

Fonte O Autor

A evoluo dos retornos acumulados desta nova carteira bayesiana segue basicamente os retornos do CDI. A carteira bayesiana mantm-se basicamente colada ao CDI at o segundo semestre de 2011 e a partir da fixa-se num patamar ligeiramente inferior a ele. O motivo desse descolamento pode ser atribudo ao mau desempenho dos ativos de renda varivel que compem a carteira no segundo semestre. Assim, a carteira encerra o perodo de avaliao com um retorno de 9,11% contra 11,05% do CDI. Apesar do resultado inferior, convm tambm comparar esta carteira ao Ibovespa, j que trata-se de uma carteira com ativos de renda fixa e varivel. Esta uma comparao altamente favorvel carteira bayesiana. Desde o primeiro ms de avaliao de desempenho, a carteira bayesiana apresenta retorno acumulado muito superior ao do Ibovespa, que encerra o perodo com um retorno de -18,72%. O grfico 4.10 mostra essa evoluo nos retornos acumulados.

Grfico 4.10 Retorno Acumulado da Carteira da Subseo 4.2.2

15,00% 10,00% 5,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -5,00% -10,00% -15,00% -20,00% -25,00% -30,00% Retorno Acumulado Carteira Bayesiana Retorno Acumulado CDI Retorno Acumulado Ibov 03/12/2011

Fonte O Autor

Os grficos 4.11 e 4.12 mostram os retornos e o desvio padro mvel desta nova carteira bayesiana, respectivamente. visvel j a partir dos grficos dos 26

retornos dirios que esta uma carteira com baixssima volatilidade e essa impresso confirmada pelo grfico de desvio padro mvel, que precisa ser colocado numa escala 10 vezes maior que os grficos anteriores para que possa ser visto. Com efeito, a tabela 4.8 confirma que esta uma carteira com volatilidade baixssima. A volatilidade diria mdia da carteira no passou de 0,0001 no perodo e o retorno dirio mdio foi de 0,04%, o maior dentre todas as carteiras analisadas at aqui. Tendo em vista que quase a totalidade da carteira estava em um ativo de renda fixa e que os ativos de renda varivel tiveram performance muito ruim no perodo em questo, estes resultados para os retornos e a volatilidade dirios da carteira eram totalmente esperados.

Grfico 4.11 Retornos Dirios da Carteira da Subseo 4.2.2

4,00% 2,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -2,00% -4,00% -6,00% -8,00% -10,00% Retorno Dirio Carteira Bayesiana 03/12/2011

Fonte O Autor

27

Grfico 4.12 Desvio Padro Mvel da Carteira da Subseo 4.2.2

0,0025 0,002 0,0015 0,001 0,0005 0

Desvio Padro Mvel (30 dias) Carteira Bayesiana

Fonte O Autor

Tabela 4.8 Estatsticas Descritivas da Carteira da Subseo 4.2.2 Mdia Desvio Padro Assimetria Curtose Retornos Dirios 0,04% 0,0011 0,1147 3,2960 Volatilidade Diria 0,0001 0,0003 4,8685 31,8398 Fonte O Autor

4.2.3 Modificando a confiana na prior Como observado por Meucci (2005), quando a confiana na prior do

investidor, denotada pelos parmetros e v, cresce, a distribuio posterior se aproxima da distribuio da prior. Com efeito, a anlise das equaes 13 e 16 da aproximam dos valores de e . seo 2 deste trabalho mostra que conforme e v crescem, os valores de e se No exerccio bayesiano deste trabalho, onde os parmetros da prior so

obtidos a partir dos ltimos 12 meses de observaes, seria esperado que um aumento na confiana do investidor da prior refletisse uma aproximao da carteira bayesiana para a melhor carteira dos ltimo 12 meses. Assim, em um ano em que os ativos de renda varivel tiveram performance muito ruim, a escolha da carteira tima deveria tender sempre em direo ao CDI, que apresenta retorno positivo e volatilidade quase nula, quanto maior peso se desse aos ltimos 12 meses. 28

vezes o valor de (em contraponto ao valor prvio de duas vezes ), os resultados encontrados esto completamente em linha com o esperado pela teoria, como mostra o grfico 4.13 abaixo. Quanto maior o valor da confiana na prior dos ltimos 12 meses, mais perto o desempenho da carteira fica do CDI.

Realizando um exerccio em que e v so definidos como 10, 50 e 100

Grfico 4.13 Retorno Acumulado da Carteira da Subseo 4.2.3

12,00% 10,00% 8,00% 6,00% 4,00% 2,00% 0,00%

Ret Acumulado Carteira T0 = 100 Ret Acumulado Carteira T0 = 10 Ret Acumulado CDI

Ret Acumulado Carteira T0 = 50 Ret Acumulado Carteira T0 = 2

Fonte O Autor

a ms, para os quatro valores de e v em questo. Em todos os meses, percebe-se confiana na prior.

Com efeito, a tabela 4.9 abaixo mostra o percentual de alocao no CDI, ms

um aumento da alocao em CDI conforme aumenta-se o valor dos parmetros de

29

Tabela 4.9 Evoluo da Alocao em CDI T0 = 2 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 95,03% 93,93% 92,95% 90,38% 88,96% 89,99% 90,16% 89,39% 88,52% 87,89% 92,20% 91,40% T0 = 10 97,69% 97,43% 96,91% 96,18% 95,31% 95,26% 95,41% 94,65% 93,79% 91,90% 94,46% 93,40% T0 = 50 99,21% 99,10% 98,89% 98,81% 98,42% 98,35% 98,46% 98,18% 97,68% 96,15% 97,57% 96,80% T0 = 100 99,49% 99,38% 99,27% 99,21% 98,99% 98,99% 99,08% 98,93% 98,60% 97,54% 98,47% 97,95%

Fonte O Autor

4.2.4 Modificando a prior do investidor Retomando o trabalho previamente citado de Avramov e Zhou (2010), existem alguns estudos na literatura econmica que realizam exerccios empricos de otimizao bayesiana de portflio modelando os retornos dos ativos atravs de modelos de volatilidade estocstica. Esta subseo realiza o mesmo exerccio para os ativos do mercado brasileiro que vm sendo tratados no trabalho at aqui. A ideia deste exerccio utilizar uma prior do investidor diferente daquela utilizada nas sees anteriores (ltimos 12 meses de observaes) e comparar seus resultados com os dessa prior convencional. Para isso, foram utilizados dois modelos GARCH multivariados, um de Correlao Condicional Constante (CCC) e outro de Correlao Condicional Dinmica de Engle (DCC) para modelar os retornos dos ativos, assim como feito por Bade, Frahm e Jaekel (2009). Depois de calculados os modelos, feita a previso dos mesmos para a mdia e para a matriz de varincia-covarincia dos retornos dos ativos. Dessa forma, o parmetro da prior ser o vetor da previso do modelo GARCH para a mdia dos retornos dos ativos e o parmetro ser a matriz de varincia-covarincia

prevista pelo mesmo modelo. Os parmetros e v de confiana na prior so igual a 2T.

mantidos no nvel original do modelo de Meucci (2005), isto , ambos tem valor

30

Uma dificuldade encontrada para realizar esse exerccio a limitao computacional de se estimar um modelo GARCH multivariado com os mais de 70 ativos dos exerccios anteriores. Todas as tentativas de estimar esse modelo com mais de 70 variveis em tempo hbil mostraram-se infrutferas. A alternativa encontrada foi selecionar um nmero reduzido de ativos dentre esse grupo de 70 e modelar somente eles. Assim, foram escolhidas 10 dentre as aes que compem o Ibovespa, sendo as cinco de melhor e as cinco de pior desempenho de todo o ndice em 2011. As aes escolhidas para compor a carteira seguindo esse critrio foram: AMBV4, BTOW3, CIEL3, CRUZ3, VAGR3, FIBR3, GFSA3, HYPE3, RDCD3 e TIMP3. O desempenho mdio desse grupo de aes em 2011 foi de -9,36%. Se por um lado a no utilizao de todos os ativos do ndice tira um pouco do poder de comparao entre a carteira estimada e o Ibovespa, por outro, a escolha de aes com boa e m performance tenta eliminar vieses de comportamento sobre a carteira estimada, de modo que um bom ou um mau desempenho da mesma no seja fruto exclusivo dos ativos previamente escolhidos para ela. No que tange a diversificao da carteira tima, as carteiras bayesianas CCC e DCC tiveram um comportamento semelhante entre elas, comportamento este que seguiu o padro da carteira bayesiana convencional. Nesse sentido, a diferena mais pronunciada entre as carteiras que, enquanto na estimao utilizando a prior convencional todos os ativos tiveram alocao positiva em ao menos um dos meses, tanto na estimao CCC quanto na estimao DCC, houve um ativo (FIBR3) que no recebeu alocao positiva em nenhum dos meses da anlise. A tabela completa com as alocaes dessas carteiras encontra-se no apndice A. Na comparao de desempenho, a carteira bayesiana DCC mostrou-se ligeiramente superior carteira CCC e esta significativamente superior carteira de prior convencional. O grfico 4.14 abaixo traz a evoluo do retorno acumulado das trs carteiras em comparao ao do Ibovespa no perodo. Repete-se o padro observado em grficos anteriores, isto , as carteiras estimadas ultrapassam o ndice a partir de abril/2011 e iniciam trajetria ascendente a partir de ento, contra uma trajetria descendente dele. As carteiras estimadas com as novas priors mantm retorno acumulado superior ao da prior convencional durante praticamente todo o perodo, terminando com uma vantagem de retorno significativa sobre esta. A carteira CCC acumula 20,87% de retorno contra 8,91% da prior convencional e 31

22,46% da carteira DCC ao final do perodo. Esses trs retornos so bem superiores ao do universo ao qual seus ativos pertencem (mdia de -9,36%) e a diferena entre a carteira bayesiana de prior convencional para o universo dos ativos pode ser considerada proporcional aos resultados encontrados anteriormente, j que aqui temse 8,91% contra -9,36% quando antes se tinha 4,28% (exerccio da subseo 4.2.1) contra -18,72% do Ibovespa, que era o universo ao qual os ativos daquele exerccio pertenciam.

Grfico 4.14 Retorno Acumulado das Carteiras da Subseo 4.2.4

30,00% 20,00% 10,00% 0,00% 03/01/2011 03/02/2011 03/03/2011 03/04/2011 03/05/2011 03/06/2011 03/07/2011 03/08/2011 03/09/2011 03/10/2011 03/11/2011 -10,00% -20,00% -30,00% Retorno Acumulado Carteira Bayesiana CCC Retorno Acumulado Bayesiana Convencional Retorno Acumulado Ibov Retorno Acumulado Carteira Bayesiana DCC 03/12/2011

Fonte O Autor

A volatilidade entregue pelas trs carteiras bastante semelhante, como atestam os grficos 4.15, 4.16 e 4.17 abaixo. Com efeito, as tabelas 4.10, 4.11 e 4.12 compravam esses resultados. As volatilidades dirias mdias das carteiras foram praticamente iguais, assim como o desvio-padro do retorno dirio mdio delas.

32

Grfico 4.15 Desvio Padro Mvel da Carteira Bayesiana Convencional da Subseo 4.2.4
0,025 0,02 0,015 0,01 0,005 0

Desvio Padro Mvel (30 dias) Carteira Bayesiana Convencional

Fonte O Autor

Grfico 4.16 Desvio Padro Mvel da Carteira Bayesiana CCC da Subseo 4.2.4
0,025 0,02 0,015 0,01 0,005 0

Desvio Padro Mvel (30 dias) Carteira Bayesiana CCC

Fonte O Autor

33

Grfico 4.17 Desvio Padro Mvel da Carteira Bayesiana DCC da Subseo 4.2.4
0,025 0,02 0,015 0,01 0,005 0

Desvio Padro Mvel (30 dias) Carteira Bayesiana DCC

Fonte O Autor

Tabela 4.10 Estatsticas Descritivas da Carteira Bayesiana CCC da Subseo 4.2.4 Mdia 0,09% 0,0178 Desvio Padro 0,0133 0,0418 Fonte O Autor Assimetria Curtose -0,2767 3,6982 6,3098 52,8181

Retornos Dirios Volatilidade Diria

Tabela 4.11 Estatsticas Descritivas da Carteira Bayesiana Convencional da Subseo 4.2.4 Mdia Retornos Dirios Volatilidade Diria 0,04% 0,0179 Desvio Padro 0,0134 0,0390 Fonte O Autor Assimetria Curtose -0,4373 6,6180 2,8651 62,0684

Tabela 4.12 Estatsticas Descritivas da Carteira Bayesiana DCC da Subseo 4.2.4 Mdia Retornos Dirios Volatilidade Diria 0,09% 0,0186 Desvio Padro 0,0136 0,0438 Fonte O Autor Assimetria Curtose -0,3827 6,7506 3,7614 60,8048

34

5. Concluso
Este trabalho teve como objetivo comparar duas metodologias de alocao tima de ativos, a metodologia clssica e a metodologia bayesiana. Ambas utilizam o arcabouo da mdia-varincia consagrado por Markowitz (1952) e a principal diferena entre elas reside na forma de estimao da distribuio da varivel de mercado. A abordagem clssica faz uso somente de dados histricos da varivel, enquanto a abordagem bayesiana utiliza tambm uma prior na estimao. O modelo utilizado nesta dissertao o modelo proposto por Meucci (2005). Como forma de comparao das metodologias, foram montadas carteiras clssicas e bayesianas utilizando ativos negociados no mercado acionrio brasileiro. Os ativos em questo foram as aes que compuseram o Ibovespa no ano de 2011, cujas sries de preos dirios foram obtidas para o perodo entre out/2009 (ms inicial da srie mais jovem) e dez/2011. O perodo de avaliao do desempenho das carteiras foi de jan/2011 a dez/2011. A carteira de cada ms desse perodo foi montada utilizando todos os dados disponveis entre out/2009 e o incio do ms em questo. Na estimao bayesiana, a prior utilizada foi a srie de preos dirios dos 12 meses anteriores ao ms em que a carteira estava sendo avaliada. Os resultados obtidos indicaram uma superioridade de desempenho da carteira bayesiana em relao carteira clssica e maior ainda desta em relao ao Ibovespa. No primeiro exerccio realizado, a carteira clssica obteve retorno acumulado de -2,71% ao final de 2011, considerando um investimento com incio em jan/2011. Este resultado bastante superior ao do Ibovespa, que obteve -18,72% no mesmo perodo. O retorno acumulado pela carteira bayesiana no perodo de avaliao foi de 4,28%, superior ao da carteira clssica e muito superior ao do Ibovespa. Alm de superiores em retorno, os desempenhos das carteiras clssica e bayesiana tambm foram superiores em volatilidade, na medida em que a volatilidade diria mdia da carteira bayesiana foi menor que a da clssica e a volatilidade desta foi menor do que a do ndice de mercado no perodo em questo. Outro exerccio realizado foi a adio de dlar e CDI ao universo dos ativos utilizados na estimao das carteiras. A carteira bayesiana continuou a apresentar retorno acumulado superior ao da carteira clssica nesta nova estimao (9,11% contra 4,27%).

35

Foram realizados tambm exerccios compreendendo modificaes na prior da estimao bayesiana. Primeiramente, foi feito um exerccio de estimao de carteira bayesiana para ativos do Ibovespa mais dlar e CDI em que a confiana na prior foi gradualmente aumentada. Como o perodo entre out/2009 e dez/2011 foi marcado por um desempenho fraco dos ativos de renda varivel e a prior utilizada foi a srie dos ltimos 12 meses dos preos dirios dos ativos, era esperado que um aumento da confiana na prior captasse esse mau desempenho dos ativos de renda varivel, refletindo uma maior alocao no ativo de renda fixa disponvel, no caso, o CDI. Este resultado foi alcanado, na medida em que, para todos os meses do perodo de avaliao, um aumento na confiana na prior resultou em um aumento do percentual alocado em CDI. No segundo exerccio de modificao da prior, foram utilizados dois modelos GARCH multivariados, um de Correlao Condicional Constante (CCC) e outro de Correlao Condicional Dinmica de Engle (DCC) para modelar os retornos dos ativos. A partir dessa modelagem, a prior utilizada na estimao bayesiana foi composta pelas previses dos modelos para a mdia e a matriz de varinciacovarincia dos retornos dos ativos. A carteira obtida a partir do modelo DCC obteve desempenho superior ao daquela obtida pelo modelo CCC e esta, por sua vez, teve performance superior a da carteira bayesiana de prior convencional. O estudo da alocao tima de ativos, sobretudo utilizando uma abordagem bayesiana, um campo com diversas possibilidades de explorao, principalmente para dados do mercado brasileiro. Uma possvel extenso do presente trabalho seria a incluso de derivativos na carteira tima ou a repetio dos exerccios aqui realizados para modelos dinmicos.

36

6. Referncias Bibliogrficas
Attilio Meucci, Risk and Asset Allocation ed. Springer, 2005

Attilio Meucci, Robust Bayesian Allocation working paper, 2011

Avramov, D.; Zhou, G.; Bayesian Portfolio Analysis Annual Review of Financial Economics, n. 2, p. 25-47, 2010

Bade, A.; Frahm, G.; Jaekel, U., A general approach to Bayesian portfolio optimization Mathematical Methods of Operations Research, n. 70, p. 337356, 2009

Campbell, John Y.; Viceira, Luis M., Strategic Asset Allocation Oxford University Press, 2002

Harry Markowitz, Portfolio Selection The Journal of Finance, n. 1, vol. 1, p. 77-91, 1952

Tu, J.; Zhou, G., Incorporating Economic Objectives into Bayesian Priors: Portfolio Choice Under Parameter Uncertainty working paper, 2008

37

GLOSSRIO
Ao AMBV4 BBAS3 BBDC4 BISA3 BRAP4 BRFS3 BRKM5 BRML3 BRTO4 BTOW3 BVMF3 CCRO3 CESP6 CIEL3 CMIG4 CPFE3 CPLE6 CRUZ3 CSAN3 CSNA3 CYRE3 DTEX3 VAGR3 ELET3 ELET6 ELPL4 EMBR3 FIBR3 GFSA3 GGBR4 GOAU4 GOLL4 HGTX3 HYPE3 ITSA4 Empresa Ambev Banco do Brasil Banco Bradesco Brookfield Incorporaes Bradespar Brasil Foods Braskem BR Malls Brasil Telecom B2W Varejo BMF&FBOVESPA Grupo CCR Cia Energtica de So Paulo Cielo Cemig CPFL Energia Cia Paranaense de Energia Souza Cruz Cosan Cia Siderrgica Nacional Cyrela Brazil Realty Duratex Vanguarda Agro Eletrobras Eletrobras Eletropaulo Embraer Fibria Gafisa Gerdau Metalrgica Gerdau Gol Cia Hering Hypermarcas Itasa Ao ITUB4 JBSS3 KLBN4 LAME4 LIGT3 LLXL3 LREN3 MMXM3 MRFG3 MRVE3 NATU3 OGXP3 PCAR4 PDGR3 PETR3 PETR4 RDCD3 RSID3 SANB11 SBSP3 TAMM4 TCSL4 TIMP3 VIVT4 TMAR5 TNLP3 TNLP4 TRPL4 UGPA3/UGPA4 USIM3 USIM5 VALE3 VALE5 VIVO4 Empresa Ita Unibanco JBS Friboi Klabin Lojas Americanas Light LLX Logstica Lojas Renner MMX Marfrig MRV Engenharia Natura OGX Po de Acar PDG Realty Petrobras Petrobras Redecard Rossi Residencial Santander Brasil Sabesp Tam Tim Participaes Tim Participaes Vivo Telemar Telemar Telemar Cia de Transmisso de Energia Eltrica Paulista Ultrapar Usiminas Usiminas Vale Vale Vivo

38

APNDICE A TABELAS
Tabela A.1 Composio da Carteira da Subseo 4.1.1 AMBV4 BRKM5 CCRO3 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 38,96% 15,37% 23,44% 21,38% 19,92% 17,09% 17,29% 19,19% 28,62% 21,06% 18,42% 27,14% 28,35% 18,05% 19,55% 26,73% 33,09% 29,92% 31,98% 6,39% 0,00% 0,00% 0,00% 0,00% 1,09% 2,75% 3,27% 0,42% 1,19% 0,55% 0,00% 1,75% 0,00% 0,00% 0,00% 0,00% CESP6 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 2,77% 0,00% 0,00% 0,00% 0,00% CMIG4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 8,86% 5,15% 8,65% 9,97% CPFE3 0,00% 2,02% 14,58% 19,37% 14,74% 10,69% 9,32% 12,64% 0,00% 0,00% 0,00% 0,00% CPLE6 0,00% 4,27% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,51% CRUZ3 1,66% 0,00% 0,00% 0,00% 0,00% 11,26% 9,11% 7,67% 0,00% 0,00% 0,00% 0,00% ELPL4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 3,91% 0,00% 0,00% 0,00% 0,00% EMBR3 0,00% 10,54% 11,59% 4,47% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% KLBN4 0,00% 0,00% 0,00% 0,95% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% LIGT3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,31% 0,00% 0,00% 0,00% 0,00% 0,00%

LREN3 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 8,12% 1,47% 3,52% 3,16% 9,98% 9,94% 9,17% 8,44% 0,00% 0,00% 0,00% 0,00%

NATU3 9,43% 2,08% 0,71% 8,36% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00%

SBSP3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,06% 0,00% 0,00% 0,00% 0,00%

TAMM4 7,28% 6,40% 4,16% 0,00% 0,00% 1,41% 0,67% 0,00% 0,00% 0,00% 0,00% 0,00%

TNLP4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 2,24% 10,63% 7,41% 2,51%

TRPL4 18,09% 25,66% 25,17% 25,08% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00%

UGPA3 0,00% 0,00% 0,00% 0,00% 24,42% 20,60% 24,02% 31,50% 0,00% 0,00% 0,00% 0,00%

VALE3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,78% 0,00% 0,00%

VALE5 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 62,18% 50,36% 54,02% 54,04%

VIVO4 0,00% 0,00% 0,00% 1,71% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00%

VIVT4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 5,31% 0,00% 0,00% 0,00% 0,00%

Fonte - O Autor

39

Tabela A.2 Composio da Carteira da Subseo 4.1.2 AMBV4 BRKM5 38,95% 15,36% 23,39% 21,18% 18,97% 16,88% 17,23% 19,87% 28,65% 21,18% 18,40% 27,28% 27,43% 17,54% 16,31% 6,03% 26,72% 0,00% 29,72% 0,00% 28,49% 0,00% 29,86% 0,00% BRML3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,97% 0,00% 0,00% CCRO3 1,10% 2,77% 2,95% 0,15% 1,13% 0,50% 0,00% 0,98% 0,00% 0,00% 0,00% 0,00% CESP6 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,91% 0,00% 0,00% 0,00% 0,00% CPFE3 0,00% 2,22% 13,31% 19,13% 14,62% 10,59% 8,91% 9,51% 9,18% 1,93% 7,79% 8,85% CPLE6 0,00% 4,38% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% CRUZ3 1,67% 0,00% 0,00% 0,00% 0,00% 11,26% 8,80% 6,90% 0,00% 0,00% 0,00% 1,48% ELPL4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 2,04% 0,00% 0,00% 0,00% 0,00% EMBR3 0,00% 10,54% 11,08% 4,20% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% HGTX3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 61,58% 48,93% 52,21% 52,01%

Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

KLBN4 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0,00% 0,00% 0,00% 1,14% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00%

LIGT3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,11% 0,00% 0,00% 0,00% 0,00% 0,00%

LREN3 8,11% 1,41% 3,72% 3,47% 10,05% 10,00% 8,94% 8,60% 0,00% 0,00% 0,00% 0,00%

NATU3 TAMM4 9,43% 2,17% 0,10% 8,20% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 7,28% 6,33% 4,15% 0,00% 0,00% 1,41% 0,64% 0,00% 0,00% 0,00% 0,00% 0,00%

VIVT4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 2,00% 0,00% 0,00% 0,00% 0,00%

UGPA3 18,10% 25,62% 23,98% 25,11% 24,38% 20,56% 23,19% 27,49% 2,52% 8,62% 6,76% 2,09%

VIVO4 0,00% 0,00% 0,00% 1,49% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00%

CDI 0,00% 0,00% 4,85% 0,00% 0,00% 0,00% 3,45% 18,25% 0,00% 0,00% 4,75% 0,00%

DLAR 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 9,84% 0,00% 5,71%

Fonte - O Autor

40

Tabela A.3 Composio da Carteira da Subseo 4.2.1 AMBV4 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 5,70% 3,40% 3,74% 3,73% 4,97% 3,10% 0,00% 0,09% 0,00% 1,62% 2,79% 3,89% CESP6 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 2,00% 2,28% 4,60% 3,93% 2,47% 2,09% 1,24% 1,81% 3,44% 2,00% 5,09% 3,84% ELET3 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0,00% 0,00% 0,00% 0,91% 1,93% 2,73% 5,26% 4,27% 3,18% 0,00% 0,00% 0,00% BBAS3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,79% 1,69% 1,38% 2,08% 1,59% 3,21% CIEL3 4,90% 4,28% 4,45% 6,56% 6,87% 7,65% 3,95% 3,30% 3,20% 4,12% 1,99% 2,02% ELET6 0,00% 0,00% 0,00% 0,60% 2,53% 2,93% 4,36% 4,92% 3,63% 0,27% 0,00% 0,00% BBDC4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,41% 0,00% 2,02% CMIG4 4,80% 8,05% 7,15% 7,62% 4,31% 4,83% 1,52% 1,47% 1,58% 0,00% 0,00% 0,00% ELPL4 9,09% 6,97% 6,27% 3,26% 3,12% 1,18% 3,10% 4,17% 5,77% 1,07% 2,97% 1,74% BRFS3 1,29% 0,00% 1,82% 2,27% 1,10% 0,71% 1,99% 0,00% 0,38% 1,67% 0,64% 1,51% CPFE3 10,34% 20,83% 20,55% 17,74% 15,95% 12,69% 6,22% 3,08% 3,28% 4,60% 6,46% 1,77% GFSA3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,99% 0,00% BRKM5 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,87% 0,00% 0,73% 0,00% 0,00% 0,15% CPLE6 1,25% 5,26% 6,58% 5,39% 4,64% 6,19% 3,95% 3,59% 3,48% 4,22% 7,02% 3,29% GGBR4 0,00% 0,00% 0,00% 0,00% 0,00% 0,20% 1,21% 0,49% 0,62% 1,94% 0,00% 0,00% BRML3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,23% 0,78% 0,00% 0,00% CRUZ3 10,42% 8,46% 5,98% 4,10% 1,71% 1,86% 0,00% 1,42% 0,85% 3,98% 4,80% 6,03% GOAU4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,49% 0,48% 0,80% 2,47% 0,00% 0,00% BRTO4 0,00% 0,00% 0,00% 3,21% 2,01% 2,24% 2,23% 0,72% 0,11% 0,00% 0,00% 0,00% CSAN3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,28% 0,88% 0,29% 1,32% HGTX3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,13% 1,57% BTOW3 0,00% 0,13% 0,00% 0,39% 2,43% 2,11% 1,86% 0,98% 0,59% 0,00% 0,00% 0,00% CSNA3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,45% 0,00% 0,00% 0,00% 0,00% 0,00% HYPE3 0,00% 1,70% 2,04% 0,84% 0,00% 0,00% 0,29% 0,24% 0,00% 0,00% 0,00% 0,00% BVMF3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,84% CYRE3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,82% 2,04% ITSA4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,30% 0,00% 0,00% 0,00% 0,47% CCRO3 0,00% 0,00% 0,00% 1,01% 2,28% 1,25% 0,00% 0,00% 0,00% 0,68% 3,18% 8,80% DTEX3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,65% 2,16% 3,13% 1,41% 0,79% 0,00% ITUB4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,18%

41

JBSS3 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0,77% 0,72% 0,24% 0,59% 1,74% 2,90% 2,46% 4,18% 4,35% 2,14% 3,58% 2,69% PCAR4 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 3,00% 3,15% 2,85% 3,82% 4,20% 4,00% 5,89% 6,10% 7,54% 3,04% 3,02% 1,37% TNLP4 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0,11% 0,57% 0,00% 0,39% 0,26% 0,63% 1,57% 0,42% 0,00% 0,00% 0,00% 0,00%

KLBN4 0,00% 0,00% 0,00% 0,18% 0,89% 2,10% 3,38% 2,74% 1,61% 2,18% 1,79% 2,17% PETR3 0,00% 0,00% 0,00% 0,00% 0,44% 1,04% 1,72% 1,85% 1,23% 1,93% 4,24% 4,20% TRPL4 14,60% 12,15% 9,70% 9,02% 14,06% 15,65% 14,94% 12,45% 8,12% 18,17% 10,65% 9,81%

LAME4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,49% 0,93% 0,42% PETR4 0,00% 0,00% 0,00% 0,00% 0,06% 0,75% 1,99% 2,37% 1,70% 2,02% 5,05% 5,65% UGPA3 0,85% 0,00% 0,00% 0,00% 0,00% 0,00% 0,22% 0,00% 0,05% 5,67% 1,37% 2,39%

LIGT3 9,91% 3,84% 3,24% 2,01% 1,87% 2,39% 2,32% 4,87% 5,31% 0,58% 0,00% 0,00% RDCD3 3,10% 3,91% 4,80% 5,55% 6,01% 6,47% 4,16% 4,24% 4,02% 5,96% 4,68% 6,53% USIM3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,05% 0,00% 0,71% 2,36% 2,29% 3,04%

LLXL3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,28% 0,35% 0,21% 0,03% 0,00% 0,00% SANB11 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,72% 0,00% 0,00% USIM5 0,00% 0,00% 0,00% 0,00% 0,18% 0,58% 1,55% 0,74% 3,48% 4,99% 6,42% 3,90%

LREN3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,60% 1,63% 0,26% SBSP3 2,46% 0,00% 0,02% 1,15% 0,14% 0,43% 0,00% 0,00% 0,10% 0,00% 0,00% 0,00% VAGR3 0,49% 0,57% 1,78% 0,24% 0,00% 0,00% 0,39% 0,48% 0,27% 0,00% 0,00% 0,00%

MRFG3 3,69% 1,73% 3,38% 3,91% 4,40% 1,45% 1,88% 2,08% 2,09% 0,00% 0,00% 0,00% TAMM4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 1,12% 0,24% 0,61% 0,00% 0,00% 0,00% VALE3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,16% 0,38% 0,30% 0,00% 0,00% 0,00%

MRVE3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,17% 0,00% TIMP3 0,00% 0,00% 0,31% 0,00% 0,00% 0,00% 1,16% 3,89% 3,70% 0,23% 0,00% 0,00% VALE5 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,17% 0,53% 0,49% 0,05% 0,00% 0,00%

NATU3 0,00% 1,62% 1,02% 1,95% 0,94% 1,16% 0,00% 0,00% 0,00% 0,52% 5,02% 7,81% TMAR5 0,00% 0,31% 0,00% 0,84% 0,43% 0,17% 1,98% 2,30% 0,75% 0,00% 2,70% 0,96% VIVO4 3,11% 4,58% 3,61% 2,17% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00%

OGXP3 0,00% 0,11% 0,72% 1,59% 1,31% 2,91% 3,54% 3,47% 4,15% 0,17% 0,00% 0,00% TNLP3 0,37% 0,08% 0,04% 0,27% 0,82% 1,45% 1,14% 1,11% 1,00% 0,00% 0,00% 0,09% VIVT4 7,75% 5,32% 5,12% 4,76% 5,93% 4,14% 6,52% 10,02% 10,53% 11,95% 6,93% 4,03%

Fonte - O Autor

42

Tabela A.4 Composio da Carteira da Subseo 4.2.2 BISA3 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,20% 0,00% 0,00% ELET3 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0,00% 0,00% 0,34% 0,13% 0,11% 0,10% 0,10% 0,05% 0,08% 0,00% 0,00% 0,00% LLXL3 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0,00% 0,17% 0,23% 0,19% 0,17% 0,10% 0,10% 0,07% 0,06% 0,31% 0,18% 0,18% BRTO4 0,17% 0,18% 0,08% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% ELET6 0,00% 0,00% 0,18% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% BTOW3 0,24% 0,20% 0,15% 0,27% 0,52% 0,43% 0,30% 0,28% 0,35% 0,38% 0,00% 0,00% FIBR3 0,00% 0,04% 0,16% 0,32% 0,08% 0,14% 0,11% 0,00% 0,02% 0,00% 0,00% 0,00% BVMF3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,30% 0,09% 0,73% GFSA3 0,00% 0,00% 0,00% 0,00% 0,10% 0,00% 0,03% 0,09% 0,06% 0,38% 0,61% 0,57% MRVE3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,16% 0,10% 0,25% CIEL3 0,03% 0,10% 0,27% 0,00% 0,00% 0,06% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% GGBR4 0,04% 0,00% 0,00% 0,00% 0,04% 0,30% 0,39% 0,36% 0,31% 0,69% 0,04% 0,00% NATU3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,42% 1,27% CMIG4 0,00% 0,44% 0,08% 0,18% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% GOAU4 0,04% 0,00% 0,00% 0,00% 0,12% 0,36% 0,43% 0,42% 0,39% 0,83% 0,19% 0,00% OGXP3 0,00% 0,00% 0,00% 0,00% 0,00% 0,03% 0,10% 0,18% 0,31% 0,17% 0,11% 0,19% CPLE6 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,35% 0,00% HYPE3 0,00% 0,00% 0,09% 0,18% 0,00% 0,18% 0,38% 0,53% 0,40% 0,19% 0,23% 0,31% PCAR4 0,00% 0,01% 0,29% 0,28% 0,27% 0,26% 0,31% 0,27% 0,68% 0,18% 0,00% 0,00% CSNA3 0,00% 0,00% 0,00% 0,00% 0,00% 0,04% 0,04% 0,05% 0,08% 0,21% 0,00% 0,04% ITSA4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,12% 0,00% 0,02% PDGR3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,19% CYRE3 0,00% 0,00% 0,00% 0,00% 0,07% 0,00% 0,00% 0,01% 0,04% 0,34% 0,38% 0,72% ITUB4 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,06% 0,00% 0,08% PETR3 0,20% 0,14% 0,03% 0,00% 0,00% 0,00% 0,00% 0,02% 0,00% 0,00% 0,10% 0,31% DTEX3 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,21% 0,27% 0,28% 0,11% JBSS3 0,60% 0,39% 0,42% 0,58% 0,63% 0,56% 0,66% 0,81% 0,82% 0,81% 1,11% 0,91% PETR4 0,11% 0,09% 0,00% 0,00% 0,00% 0,00% 0,01% 0,02% 0,00% 0,00% 0,00% 0,38%

MMXM3 MRFG3 0,00% 0,00% 0,00% 0,00% 0,11% 0,00% 0,00% 0,03% 0,00% 0,39% 0,00% 0,00% 1,04% 0,45% 1,02% 0,92% 0,96% 0,42% 0,52% 0,53% 0,45% 0,00% 0,17% 0,07%

43

Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

RDCD3 0,04% 0,15% 0,26% 0,13% 0,05% 0,20% 0,08% 0,00% 0,00% 0,00% 0,00% 0,00%

SANB11 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,55% 0,25% 0,00%

TMAR5 0,02% 0,20% 0,07% 0,02% 0,00% 0,00% 0,00% 0,03% 0,00% 0,00% 0,04% 0,00%

TNLP3 0,00% 0,02% 0,00% 0,00% 0,02% 0,03% 0,00% 0,32% 0,27% 0,00% 0,18% 0,21%

TNLP4 0,23% 0,48% 0,09% 0,10% 0,03% 0,00% 0,00% 0,01% 0,00% 0,00% 0,12% 0,05%

USIM3 0,00% 0,01% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00%

USIM5 0,05% 0,24% 0,08% 0,21% 0,38% 0,48% 0,60% 0,55% 1,50% 1,22% 1,54% 1,46%

VAGR3 0,00% 0,00% 0,22% 0,39% 0,27% 0,26% 0,42% 0,26% 0,05% 0,00% 0,00% 0,00%

CDI

95,03% 93,93% 92,95% 90,38% 88,96% 89,99% 90,16% 89,39% 88,52% 87,89% 92,20% 91,40%

DOLOF 2,17% 2,73% 2,97% 5,72% 7,09% 6,06% 5,27% 5,71% 5,41% 4,34% 1,30% 0,55%

Fonte - O Autor

44

Tabela A.5 Composio da Carteira Bayesiana Convencional da Subseo 4.2.4 AMBV4 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 29,16% 26,71% 23,34% 24,32% 25,42% 19,39% 17,43% 15,58% 15,69% 16,47% 17,66% 20,40% BTOW3 1,13% 1,08% 0,00% 0,58% 3,92% 3,68% 4,09% 4,64% 3,72% 4,26% 0,00% 0,27% CIEL3 9,31% 8,37% 9,96% 15,00% 15,84% 18,87% 13,95% 12,49% 13,84% 13,33% 10,25% 8,59% CRUZ3 35,21% 37,86% 28,88% 23,26% 19,19% 18,90% 18,00% 16,18% 15,57% 20,57% 22,98% 22,67% VAGR3 5,51% 4,97% 10,14% 7,10% 5,55% 6,49% 7,27% 7,85% 7,98% 3,38% 2,56% 4,79% FIBR3 0,00% 0,46% 3,36% 3,63% 1,67% 1,95% 4,10% 2,50% 2,52% 0,00% 0,00% 0,00% GFSA3 2,15% 2,11% 0,00% 0,81% 4,36% 4,48% 5,85% 5,41% 5,17% 12,46% 15,19% 11,48% HYPE3 6,86% 7,08% 7,05% 5,84% 3,68% 4,62% 4,31% 3,52% 3,58% 2,34% 3,33% 3,52% RDCD3 4,18% 3,78% 6,97% 8,62% 9,88% 10,45% 9,52% 8,88% 9,73% 12,21% 12,38% 16,74% TIMP3 6,50% 7,60% 10,30% 10,84% 10,51% 11,15% 15,49% 22,95% 22,19% 14,98% 15,65% 11,56%

Fonte - O Autor

Tabela A.6 Composio da Carteira Bayesiana CCC da Subseo 4.2.4 AMBV4 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 0.00% 0.00% 0.00% 0.00% 40.43% 27.93% 22.03% 20.66% 28.25% 28.73% 27.24% 34.03% BTOW3 1.48% 2.35% 0.00% 0.00% 3.89% 3.65% 3.81% 0.00% 0.00% 0.00% 0.00% 0.00% CIEL3 0.00% 0.00% 0.00% 0.00% 24.83% 22.65% 19.86% 19.26% 18.66% 12.54% 4.11% 0.00% CRUZ3 67.52% 66.30% 51.09% 48.59% 3.17% 8.93% 3.87% 8.56% 3.67% 14.17% 17.00% 12.17% VAGR3 4.85% 3.91% 13.15% 9.32% 0.00% 4.42% 10.49% 4.91% 5.61% 0.00% 0.00% 0.00% FIBR3 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% GFSA3 0.00% 0.00% 0.00% 0.00% 0.00% 0.82% 6.50% 9.80% 4.22% 12.11% 16.05% 14.25% HYPE3 6.57% 9.05% 4.85% 4.10% 0.00% 0.00% 0.00% 0.00% 1.44% 0.00% 0.00% 2.19% RDCD3 2.73% 1.34% 9.54% 16.00% 9.10% 11.37% 7.74% 2.19% 8.51% 17.91% 20.27% 32.14% TIMP3 16.86% 17.04% 21.35% 21.98% 18.58% 20.23% 25.71% 34.63% 29.64% 14.53% 15.33% 5.21%

Fonte - O Autor

45

Tabela A.7 Composio da Carteira Bayesiana DCC da Subseo 4.2.4 AMBV4 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez 19.47% 19.18% 9.42% 21.23% 39.73% 26.47% 17.94% 17.56% 23.87% 26.86% 25.23% 32.79% BTOW3 0.00% 0.00% 0.00% 0.00% 4.18% 3.27% 4.00% 0.00% 2.17% 0.00% 0.00% 0.00% CIEL3 11.58% 11.09% 17.14% 28.52% 25.07% 23.36% 22.49% 21.19% 22.26% 13.20% 4.59% 0.00% CRUZ3 48.65% 48.13% 39.08% 21.54% 3.82% 9.54% 4.41% 9.04% 2.57% 13.73% 15.96% 11.04% VAGR3 3.75% 2.60% 13.20% 7.64% 0.07% 6.48% 14.34% 7.86% 10.57% 0.00% 0.00% 0.34% FIBR3 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% GFSA3 0.00% 0.00% 0.00% 0.00% 0.00% 0.39% 5.45% 9.09% 3.29% 15.14% 19.83% 18.34% HYPE3 1.94% 4.84% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.05% 0.00% 0.00% 0.28% RDCD3 0.00% 0.00% 0.00% 0.89% 8.29% 10.18% 4.53% 0.00% 6.54% 18.52% 21.06% 34.10% TIMP3 14.61% 14.16% 21.16% 20.18% 18.84% 20.31% 26.85% 35.26% 28.66% 12.54% 13.32% 3.12%

Fonte - O Autor

46