Académique Documents
Professionnel Documents
Culture Documents
CENTRO SCIO-ECONMICO
DEPARTAMENTO DE CINCIAS ECONMICAS
CURSO DE GRADUAO EM CINCIAS ECONMICAS
2. Anlise Discriminante
3. Termmetro de Kanitz
A Banca Examinadora resolveu atribuir a nota 8.0 ao aluno Eduardo Junqueira Vianna de
Andrade na disciplina CN1Vf 5420 Monografia pela apresentao deste trabalho.
Banca Examinadora:
Dedicatria
AGRADECIMENTO
SUMARI O
LISTA DE TABELAS
LISTA DE FIGURAS
LISTA DE QUADROS
CAPTULO 1 INTRODUO
1.3 Objetivos
1.4 Metodologia
8
9
II
IS
18
20
22
26
26
28
29
38
41
42
44
45
46
48
51
53
4 CONCLUSO
60
5 RECOMENDAES
62
6 REFERNCIAS BIBLIOGRFICAS
62
LISTA DE TABELAS
31
32
40
42
43
44
47
52
LISTA DE FIGURAS
16
Figura 2 - Relao entre a Varincia do Retorno de urna Carteira e o Nmero de Ttulos nela
Contidos
17
24
25
46
49
50
54
55
56
57
58
59
LISTA DE QUADROS
39
41
45
49
RESUMO
A anlise do desempenho das empresas atravs de indices contbeis cada vez mais
freqente entre investidores e analistas do mercado de capitais. Alm desses indicadores,
utilizam-se tambm indices fundamentalistas na anlise de aes de empresas de capital aberto. 0
objetivo da chamada anlise fundamentalista avaliar a situao da empresa visando
determinao de seu valor. Esta anlise se fundamenta na tese de que existe uma correlao
positiva entre o valor intrnseco de uma ao e seu preo de mercado. Outro mtodo muito
utilizado na analise de aes a Analise tcnica. Esta anlise tem por objetivo encontrar padres
no comportamento dos preos das aes , a partir da anlise dos preos passados. Para tanto ela
utiliza indicadores e grficos como instrumentos de anlise. Finalmente, com maior
fundamentao terica e emprica, encontra-se a denominada "Teoria Moderna de Finanas", que
tem no modelo de precificao de ativos (CAPM) um de seus pilares principais. Esse modelo
supe que o coeficiente beta a nica medida de risco que pode ser associada as rentabilidades
dos ativos, como aes e outros ttulos. 0 coeficiente beta mede a sensibilidade das variaes do
retorno de um ativo em relao ao ndice de mercado, representativo de todos os ttulos existentes
numa economia. A partir desses indices e medidas amplamente utilizados no contexto pratico e
terico de finanas, tambm foram desenvolvidos modelos com capacidade preditiva,
estruturados com base em indices contbeis e financeiros extrados dos balanos das empresas.
o caso do termmetro de Kanitz e que serviu de base para este estudo. Atravs de tcnicas
multivariadas, mais especificamente a anlise discriminante, Kanitz desenvolveu um modelo que
evidenciasse a tendncia de uma empresa falir ou no. A proposta deste trabalho desenvolver
um modelo de anlise de aes utilizando o ferramental estatstico da anlise discriminante. Para
tanto, sero utilizados indices contbeis, fundamentalistas e tcnicos, alm do coeficiente beta. A
idia que conhecidos os retornos das aes no perodo de anlise pode-se separar as aes em
dois grupos (de acordo com a rentabilidade) e assim, atravs de tcnicas da anlise discriminante,
estabelecer quais so os indices que mais explicam a diferena entre as rentabilidades das aes
e, desta maneira, propor um modelo (termmetro) que possa auxiliar os analistas no processo de
deciso de investimentos em aes. Para desenvolver o modelo os indices utilizados e o retorno
das aes foram calculados com base no perodo de julho de 2000 a junho de 2001. Os
resultados obtidos mostraram que
para as aes do grupo 2 (alta rentabilidade) e 85% para aes do grupo 1 (baixa rentabilidade)
quando aplicado ao perodo posterior: julho de 2001 a junho de 2002. Esse resultado
considerado muito bom quando comparado aos modelos de previso de insolvncia, cujo grau de
preciso varia de 70% a 90% para empresas solventes e insolventes, respectivamente.
2
CAPTULO 1 INTRODUO
3
Com base na anlise de indices financeiros, tambm foram desenvolvidos modelos
com capacidade preditiva, estruturados de acordo com uma cesta de informaes contbeis
e ponderadas de acordo com critrios estatsticos. o caso do modelo de previso de
falncias elaborado por Kanitz e que serviu de base para este estudo.
Segundo Kassai e Kassai (1998), Kanitz utilizou indices financeiros extrados dos
balanos das empresas para criar um termmetro que evidenciasse a tendncia de uma
empresa falir ou no. Para tanto, utilizou tcnicas estatsticas multivariadas, mais
especificamente a Analise Discriminante, que nada mais do que uma sofisticao dos
tradicionais clculos de regresso linear. Kanitz foi o precursor desta tcnica aqui no Brasil
e atualmente outros modelos semelhantes e mais atualizados foram desenvolvidos por
Elizabetsky, Matias e Pereira apud Kassai (1998). Nos EUA, Altman apud Kassai e Kassai
(1998), j explorava essa tcnica.
Kanitz aplicou seu modelo As 500 maiores empresas brasileiras, e, segundo Pereira
apud Kassai e Kassai (1998), seu modelo obteve um ndice de acerto de 90% para empresas
solventes e 86% para empresas insolventes.
Apesar desses modelos serem passveis de erro, quando combinados com outros
mtodos, podem ser Citeis para a tomada de deciso. Alm disso, o uso desses modelos
como instrumentos de avaliao de riscos tambm podem ser teis, uma vez que uma
determinada empresa, ao ser classificada como insolvente toma a aplicao em aes da
mesma mais arriscada.
Segundo Costa (2003), a anlise discriminante, tambm chamada de anlise do fator
discriminante ou anlise discriminante cannica, uma tcnica de tratamento estatstico dos
dados utilizada para estimar uma combinao linear entre duas ou mais variveis
independentes com o objetivo de discriminar, da melhor maneira possvel, dois ou mais
grupos de observaes previamente definidos. Trata-se, fundamentalmente, de levantar
situaes passadas e, atravs de tratamento matemtico, encontrar um modelo consistente
que nos habilite a tomar decises para o futuro de curto prazo.
Ao contrario da regresso linear, a anlise discriminante permite resolver problemas
onde a varivel dependente no numrica ou qualitativas, como o caso do termmetro
de Kanitz, que classifica as empresas ern solventes e no solventes.
4
Com base no modelo de Kanitz, este trabalho visa construir um modelo que possa
ser usado na anlise de aes. Para tanto, sero utilizados indices fundamentalistas,
tcnicos, indices contbeis e financeiros, alm do coeficiente beta.
0 objetivo principal desse modelo servir como um instrumento de auxilio ao
processo de deciso de investimentos em aes. Este modelo tambm tem como objetivo
avaliar os potenciais determinantes do desempenho das aes. 0 modelo identificar quais
so os principais indicadores quanto capacidade de diferenciar as aes que obtiveram um
bom desempenho das que obtiveram um mau desempenho e, assim, estabelecer evidncias
das condies ou motivos que possam explicar o bom desempenho dos preos das news.
5
Neste sentido, o desenvolvimento de modelos de anlise com base em indices destes
trs enfoques so de grande utilidade para os acionistas e investidores em geral.
A anlise individual desses indices depende muito do feeling do analista e como
existem muitos indices disponveis na literatura, muitos deles repetitivos e contraditrios, a
anlise pode tornar-se um pouco confusa. Ao contrrio, os modelos estruturados de acordo
com estes indices so de fcil interpretao e podem ser estruturados de acordo com
critrios estabelecidos visando atender os objetivos da anlise.
Alem disso, estes modelos podem aumentar as chances de avaliaes bem sucedidas
por parte dos investidores. No mercado financeiro as conseqncias de avaliaes malfeitas
so catastr ficas. A bolha da NASDAQ um bom exemplo dos desequilbrios gerados por
ms avaliaes. Os preos das aes de alta tecnologia estavam em nveis muito altos at o
ms de abril de 2000 em virtude de expectativas irreais de crescimento. Quando o mercado
percebeu que essas expectativas eram insustentveis o pnico foi generalizado, e fez os
preos das aes recuarem at perderem 60% do valor.
0 modelo proposto nesse trabalho ser desenvolvido numa planilha eletrnica Excel
atravs de uma regresso mltipla. No sero feitos testes para se verificar a normalidade
das variveis explicativas a serem usadas no modelo. Tambm no sero feitos testes para
verificar a homogeneidade entre as matrizes de correlao (ou de varincia-covarincia)
dos grupos. 0 ideal seria que todas as variveis de entrada no modelo obedecessem
distribuio normal, e que as matrizes de correlao entre os grupos fossem homogneas.
Tambm, ao se trabalhar com uma varivel dependente binria (alta rentabilidade versus
baixa rentabilidade das aes), o uso da regresso mltipla no seria a tcnica mais
indicada.
No entanto, em ultima instncia a preciso do modelo pode ser avaliada a posteriori
pela capacidade da funo discriminante estimada em separar os grupos corretamente.
6
0 uso de algum pacote estatstico tornaria a anlise dos dados mais completa. No
entanto, esses pacotes estatsticos no se encontram disponveis ao pblico de pequenos e
mdios investidores. Isso porque, alm do custo relativo obteno do software, o seu
manuseio no inteligvel a esses profissionais. As corretoras e gestoras de investimentos
de modo geral no possuem e no utilizam estes softwares. Ao contrrio, a planilha
eletrnica Excel conhecida por todos esse profissionais de forma que seus recursos so
amplamente utilizados.
Neste trabalho optou-se por utilizar o software Excel devido este ser difundido entre
os profissionais do mercado de capitais, de forma que qualquer investidor possa construir
seu prprio termmetro utilizando seus recursos.
1.3 Objetivos
i.
iii.
1.4 Metodologia
A natureza da pesquisa pode ser considerada do tipo aplicada, pois o modelo que
propomos desenvolver neste trabalho poder ser usado no dia-dia por investidores e
analistas de mercado. Do ponto de vista de sua abordagem considerada uma pesquisa
quantitativa, pois requer o uso de tcnicas estatsticas para o tratamento das variveis
analisadas.
Quanto aos objetivos e procedimentos tcnicos o estudo definido como de carter
exploratrio, visto que sea() levantados a bibliografia e estudos sobre o ferramental
estatstico da Analise Discriminante.
De acordo com o modelo de insolvncia de Kanitz ser aplicada a anlise
discriminante com o objetivo de estimar uma funo linear ou funo discriminante que
permitir separar uma amostra de aes em dois grupos distintos, um grupo de aes que
obteve alta rentabilidade e um grupo de aes que obteve baixa rentabilidade, num perodo
de um ano.
Uma vez estimada a funo discriminante, ser analisado o grau de preciso do
modelo, atravs do clculo do "escore discriminante" para cada ao. Em seguida, calculase o "ponto de corte" que servir de parmetro para classificar as aes nos grupos prdefinidos. Em seguida, ser construido um termmetro ou uma escala ilustrativa para
classificao das aes nos grupos pr-definidos. Por ltimo, sero calculados os escores
discriminantes das aes para um perodo posterior. Dessa maneira, conhecendo-se o
retorno das aes neste perodo pode-se verificar se o modelo classificou corretamente as
aes e, assim, apurar a viabilidade de sua aplicao na prtica.
0 modelo s ser aprovado se for obtido um grau aceitvel de preciso, caso
contrario, sera necessria a troca das variveis independentes at obter um grau aceitvel de
preciso.
Quanto aos procedimentos para alcanar o objetivo (i), primeiramente ser
estabelecido um critrio para selecionar uma amostra de aes, a saber: todas as aes
disponveis na base de dados do software Economtica. As aes sero filtradas pelo
8
critrio ndice de liquidez em bolsa, e em seguidas sero selecionadas 10% das aes mais
rentveis e 10% menos rentveis dentro no perodo de 01/07/2000 30/06/2001. Uma vez
selecionada a amostra, aplicam-se os procedimentos da analise discriminantes descritos
acima. Para analisar a validade do modelo para um perodo posterior ser necessrio
calcular os indices e o retorno com base no perodo de 01/07/2001 30/06/2002.
A base de dados assim como o calculo dos indices utilizados ser obtida atravs do
software Economtica e os testes sero realizados atravs da planilha eletrnica Excel,
utilizando o ferramental da regresso
Para atender aos objetivos(ii) e (iii), ser consultada a bibliografia sobre o tema.
10
Com base em estudos empricos inicialmente desenvolvidos por Robert (1959) e,
posteriormente por Fama (1970), a eficincia do mercado pode ser classificada em trs
nveis, de acordo com a relevncia das informaes disponveis. Estas constituem em:
forma fraca, semi-forte e forte (Bruni e Fam, 1998).
A eficincia dos mercados em sua forma fraca implica que todas as informaes
relevantes disponveis aos investidores so instantaneamente precificadas pelo mercado,
sendo impossvel obter retornos anormais para qualquer ativo utilizando informaes sobre
seus retornos passados. Isto implica que qualquer estratgia de investimento com base em
sries de preos e volumes histricos, como o caso da anlise Tcnica, no resultaria em
lucros extraordinrios.
A eficincia dos mercados em sua forma semi-forte implica que todas as
informaes publicas disponveis, como balanos e relatrios publicados pelas empresas,
so incorporadas instantaneamente nos preos dos ativos. Neste caso a analise
fundamentalista no traria benefcios para os investidores.
Por ltimo, a eficincia em sua forma forte implica que todas as informaes
pblicas e privadas - as que no esto disponveis ao pblico em geral esto incorporadas
nos preos dos ativos. Isto implica que a atuao dos insiders' no traria retornos anormais.
A Hiptese dos Mercados Eficientes - HME tem sido nos ltimos quarenta anos o
centro do debate no mbito das Finanas Modernas. Foi o assunto que mais gerou
controvrsias na comunidade cientifica e inmeros foram os estudos que a negaram. A
Anlise Tcnica e Anlise Fundamentalista so as duas tcnicas mais comuns utilizadas
pelos analistas para prever o comportamento futuro dos preps. Analisando as sries
histricas dos preos das aes e atravs de grficos e indicadores, a Analise Tcnica
estuda padres recorrentes e previsveis nos preos das aes. A analise fundamentalista
contempla o estudo da situao contbil e financeira da empresa e tem como objetivo
estimar o preo justo da ao, que seria o preo atribudo ao de acordo com a situao
financeira da empresa.
Nos ltimos anos (a partir dos anos 80) algumas anomalias verificadas no mercado
de capitais, que contrariam as previses dos modelos das Finanas Modernas, tm feito
li
com que as estratgias de investimentos oriundas da anlise tcnica e fundamentalista
possam trazer benefcios ou retornos acima da mdia do mercado.
buy-and-hold.
12
a) Efeito Janeiro: refere-se a retornos anormais das aes verificados no ms de
janeiro, principalmente aquelas com baixo valor de mercado. 0 efeito janeiro pode
estar ligado venda de prejuzo fiscal no fim do ano. A hiptese que muitos
participantes do mercado vendem as aes que caram em prep nos anos anteriores,
no colocando os recursos provenientes da venda das aes de volta no mercado at
o fim do ano. E assim a maior demanda no ms de janeiro gera uma presso
compradora que resulta em aumento de preps (Cunha, 2002).
b) Efeito Segunda Feira : refere-se a constatao de que os retornos das Wks nas
segundas feiras so inferiores mdia do mercado. Costa Jr. et all (2000) analisou
os retornos do lbovespa no perodo de 1986 e 1989 e constatou que os mesmos
eram significativamente inferiores nas segundas feiras.
c) Efeito Mudana de ms; refere-se constatao de que algumas aes tm
apresentado retornos anormais nos ltimos e primeiros quatro dias do ms.
d) Efeito Tamanho das Empresas: Verificou-se que os retornos mdios das empresas
pequenas so superiores aos retornos mdios de grandes empresas, mesmo ajustados
ao nvel de risco.
13
Knight apud Korbes (2000), investimentos em setores com um grau de risco maior devem
exigir retornos mais elevados para que possam atrair os recursos necessrios.
Todas as teorias que abrangem a moderna teoria de finanas se preocuparam de
alguma forma em mensurar o componente risco, de forma que os investidores, conheam
antecipadamente quanto podem perder ao tomar uma deciso de investimento.
E importante esclarecer, que embora muitos autores atribuam o mesmo conceito a
risco e incerteza eles no so, por natureza, iguais. Segundo Pindick (1998), a incerteza
atribuida a situaes nas quais os retornos possveis so muitos e as probabilidades de
14
ocorrncia so desconhecidas, e o risco, por sua vez, se refere a situaes nas quais as
probabilidades de cada resultado possvel podem ser mensuradas.
Esta distino plausvel, de acordo com Assaf Neto (2001), o risco pode ser
entendido pela capacidade de mensurar o estado de incerteza de uma deciso mediante o
conhecimento das probabilidades associadas A ocorrncia de determinados resultados ou
valores.
A medida estatstica mais usual que utilizada para se mensurar o nvel de risco de
um ativo o desvio padro. l representado pela seguinte equao:
E(xi-T02
S
n 1
Onde:
I= media aritmtica da amostra de n elementos da amostra;
Xi - I = desvio de cada numero do Xi em relao a mdia da amostra ;
0 risco total envolvido na compra de um ativo financeiro pode ser dividido em duas
partes: o risco sistemtico e o risco no-sistemtico. 0 risco sistemtico pode ser definido
como aquele que afeta um grande nmero de ativos em maior ou menor grau. Por afetar o
mercado como um todo tambm chamado de risco de mercado. Esse risco esta associado
a imprevisibilidade de mudanas polticas, macroeconomicas e sociais.
A parcela do risco no-sistematico aquela que afeta um ativo especifico, e no o
mercado como um todo. Esse risco est associado As peculiaridades inerentes a cada ativo.
Fatores como a estrutura contbil e a gesto financeira de uma empresa no afetam o
mercado como um todo e sim a empresa em questo.
Veremos mais adiante que a parcela do risco no sistemtico pode ser eliminado
atravs da diversificao, de acordo com a teoria de carteiras eficientes elaborada por
15
Markowitz (1952). Veremos ainda, que o modelo elaborado por Sharpe (1964) incorpora
um coeficiente para mensurar a parcela do risco sistemtico, chamado coeficiente beta.
Harry Markowitz recebeu o premio Nobel de Economia em 1990, quase quarenta anos depois de
desenvolver seu modelo que ficou conhecido como a Moderna teoria de Carteiras.
3
16
pode ser diminuda sem que se reduza seu retorno. A fi gura abaixo ilustra a situao
descrita, onde a fronteira eficiente a linha superior (em negrito).
Figura 1
Fronteira Eficiente
Retomo Esperado
lo R isc o
varincia individual dos ativos que compem a carteira, at o ponto em que a varincia da
carteira passe a ser representada por sua covarincia mdia (Korbes, 2000). A figura
seguinte ilustra o exposto:
17
Figura 2 - Rein d
- o entre a Varincia do Retorno de uma Carteira e o Nmero de
Ttulos nela Contidos
Varincia do
cia Carteir a
A
Reform)
Vir
R ;gr. nn DiversifieAvel
N de Ttulos
Fonte: Korbes (2000)
Pode-se observar na figura acima que medida que acrescentamos mais ttulos na
carteira, sua varincia tende a se aproximar do piso mnimo dado pela covarincia entre os
retornos de cada par de ttulos.
De acordo com os princpios de portfolio de Markowitz possivel diminuir o risco
no sistemtico atravs da diverssificao. Os ativos financeiros possuem caractersticas
diferentes que fazem com que reajam de forma diferente a mudanas macroectinomicas.
Uma crise cambial pode causar uma valorizao no preo de alguns ativos ( como por
exemplo, aes de empresas exportadoras) e desvalorizar o preo de outros (aes de
empresas cujo os insumos sejam importados). Dessa maneira, calculando-se o grau de
correlao entre os ativos do mercado, pode-se incluir no portfolio apenas aqueles que so
negativamente correlacionados. Quanto menor o grau de correlao entre os ativos do
portfolio, menor o desvio padro do retomo combinado do portfolio.
medida que
acrescentamos mais ativos ao portfolio, desde que esses ativos sejam negativamente
correlacinados, diminuimos a exposio da carteira ao risco. Portanto, quanto maior o nvel
de diversificao da carteira, menor o risco do portfolio como um todo.
18
Assim, pode-se avaliar os beneficios da diversificao atravs do coeficiente de
correlao entre os retornos dos ativos envolvidos no portfolio.
19
Ri = Rf+ Pi( Rm Rf )
Onde:
Ri = Retorno esperado do ativo;
Rf = Retorno do ativo livre de risco;
= Medida de risco sistemtico do ativo i;
(Rm Rf) = Premio pelo risco de mercado;
De acordo com essa equao, o retorno esperado do ativo i (Ri) igual ao retorno do
ativo livre de risco mais uma medida de sensibilidade (0) entre o retorno do mercado menos
o retorno do ativo livre de risco.
Assim, o coeficiente beta (0) do ativo passa a ser utilizado como indicador do risco
sistemtico do investimento, medindo a parcela do risco que no pode ser eliminada pela
diversificao. 0 beta
(0)
mercado como um todo. 0 beta pode ser estimado a partir da seguinte relao:
Co varicincia(Ri,Rm)
Varicincia(Rm)
Onde:
Bi = Beta do ativo i;
Covarifincia (Ri,Rm) = Covarincia dos retornos do ativo i em relao aos da
carteira de mercado;
Varincia (Rm) = Varincia dos retornos da carteira de mercado.
20
Nos ltimos anos o CAPM tem sido alvo de muitas criticas, muitas delas se referem
As hipteses restritivas que fundamentam o modelo. Desde sua formulao, nos anos 60,
diversos trabalhos empricos se ocuparam de testar se suas previses so vlidas,
desafiando a utilizao do beta como medida do risco sistemtico de um ativo.
Segundo Costa Jr. et all (2000), essas criticas se baseiam em trs argumentos:
primeiro, algumas pesquisas contrariam a idia de que o beta a medida mais apropriada
para se medir o risco sistemtico de um ativo individual. Estas pesquisas atribuem respostas
sistemticas a outras variveis macroeconmicas (taxa de juros, cmbio, etc.) e tambm, a
fatores relacionados ao preo das aes como os indices preo/lucro e preo/valor
patrimonial da ao. Segundo, pesquisadores encontraram evidncias empricas de que os
retornos dos ativos so afetados por outras medidas de risco no sistemtico, como a
varincia dos retornos de empresas pequenas. E terceiro, recentes evidncias empricas
indicam a inexistncia de relao sistemtica entre beta e os retornos de ativos.
Ainda de acordo com os autores, as criticas mais recentes As previses do CAPM
vm de trabalhos que indicam que algumas variveis fundamentalistas complementam ou
at so mais importantes na explicao das rentabilidades medias das aes.
Fama e French apud Costa Jr. et all (2000), analisaram 50 anos de retornos mensais
das aes norte-americanas e mostraram que alem do beta, outras quatro variveis podem
explicar as variaes das rentabilidades mdias das aes. Essas variveis so:
21
Atravs de testes multivariados Fama e French apud Costa Jr. et all (2000),
concluram que o ndice valor patrimonial da ao/preo da ao tem uma relao positiva
com os retornos mdios das aes e o ndice lucro por ao/preo da ao tem uma relao
negativa.
Chan apud Costa Jr. et all (2000), analisou dados mensais do mercado acionrio
japons entre janeiro de 1971 e dezembro de 1988, e segundo seus resultados as variveis
ndice lucro por ao/preo da ao, ndice valor patrimonial da ao/preo da ao e ndice
fluxo de caixa/preo da ao tem relao positiva com a rentabilidade das carteiras,
enquanto que a varivel valor de mercado apresentou relao inversa.
Um outro estudo realizado por Barbee apud Costa Jr. (2000) et all, que analisou o
mercado americano durante o perodo de 1979 a 1991, sugere que o ndice vendas/preo
um indicador mais confidvel na avaliao do desempenho das empresas e de suas aes, do
que os indices lucro por ao/preo da ao e valor patrimonial/preo da ao. Isso porque,
o mtodo para contabilizar a depreciao e os estoques pode afetar o lucro e o valor
patrimonial, mas no afeta as vendas.
Uma das vantagens de utilizar os indices fundamentalistas para explicar o retorno
das aes que enquanto o beta tem que ser estimado, esses indices podem ser observados
diretamente atravs dos balanos das empresas. Segundo Costa Jr. et all (2000) 4 existem
diversas maneiras de se estimar o beta, e dependendo da metodologia empregada pode-se
incorrer em erros e vieses.
Para um aprofundamento desses erros na estimao do beta ver Costa Jr. et al, "Mercado de Capitais"
Analise emprica no Brasil, So Paulo, ed.Atlas, 2000.
22
Esta reviso dos fundamentos da moderna teoria de finanas foi necessria para
demonstrar que outras variveis alm do coeficiente beta podem explicar a rentabilidade
das aes.
A hiptese bsica da anlise fundamentalista a existncia de um valor natural ou
intrnseco para cada ao. Este valor est correlacionado diretamente com o desempenho da
empresa, seu setor de atuao e a situao da economia como um todo. Todo instrumental
fundamentalista est voltado para anlise dos fatores endgenos e exgenos inerentes a
cada empresa. Estes fatores afetam direta ou indiretamente o desempenho das empresas e
conseqentemente o valor intrnseco de suas respectivas aes. Os analistas do mercado de
capitais tomam suas decises de compra e venda estimando o valor intrnseco das aes e o
comparando com os preos de mercado. Segundo a anlise fundamentalista, teoricamente o
valor extrnseco e o valor de mercado das aes deveriam ser iguais. A no observncia
desse fato se deve a sub-estimativas ou super-estimativas dos participantes do mercado no
que se refere as variveis analisadas (Castro, 1979).
A constatao desse fato conduziu ao aprimoramento dos instrumentos da analise
fundamentalista e a criao de indices de avaliao de empresas. 0 P/L, por exemplo, se
tornou um dos indices mais tradicionais na anlise de aes. Ele permite projetar o prazo de
retomo de seu investimento sob a tica estritamente financeira.
J a Anlise Tcnica o estudo da dinmica do mercado atravs dos sinais que o
prprio mercado emite, como os preos, o volume de negcios e o total de contrato em
aberto. Ela utiliza somente dados produzidos no mercado de aes, no se fazendo
necessrio o conhecimento dos motivos pelos quais o preo da ao sobe ou desce. 0 que
importa identificar o comeo desses movimentos a fim de que nos posicionemos na ponta
compradora ou vendedora, de acordo com a indicao dada pelo mercado.
Segundo a Anlise Tcnica , os fatores que influenciam o preo de um determinado
ativo so descontados pelo prprio mercado no processo de negociao que determina este
preo. A Anlise Tcnica no ignora que os preos das aes so influenciados pelos
23
fundamentos relacionados ao desempenho da empresa emissora, tais como noticias,
balanos e at a situao geral da economia, entretanto mesmo que o analista tenha
conhecimento de todos esses fatores no ter todos os dados necessrios para compreender
a formao dos preos, pois no so estes dados em si que os afetam , mas sim a maneira
pela qual os participantes a elas reagem. (Nobre, 2001).
A Anlise Tcnica ou Anlise Grfica, de forma geral, se preocupa em identificar
padres de comportamento nos preos das aes. 0 fundamento terico desta escola parte
da idia que os preos movem-se em tendncia, que determinada pela mdia das
expectativas de retomo das aes, pelos participantes do mercado.
Uma infinidade de indicadores e grficos so utilizados pela anlise tcnica para
tentar identi ficar a tendncia em que os preos das aes iro se mover. Quanto aos
indicadores, dois so os mais conhecidos e utilizados pelos analistas tcnicos. Trata-se do
Estocdstico e o ndice de Fora Relativa.
O Estocdstico baseado na observao de que num processo de alta dos preos, os
24
Figura 3 - Grfico Dirio da Telemar PN e o Indicador EstocAstico
45
40
35
35
30
30
et'N
25 -1
931
25
4/011,1,
lis4P1
20
- 20
too- Overbought/
go. Sobre-COMprad0
100
venda
90
venda
80
70 -
80
so
70
80
50 7
so
so -
30 20 -
so
30
10
compra
0
October
20
Oversold/
Sobre-vendido
compra
compra
Unary
March
10
0
April
Ju
IJuly
Septamter
10818ber
a out.! 2003)
5
Figura 4 - Grfico Dirio da Telemar PN e o ndice de Fora Relativa
45 -
45
40
35 -
- 35
I ; aIl
- 30
141,4k
r
25 -
20 -
venda
80
lot
25
20
0098)
ao
75
70
65
80
55
50
70
85
80
55
so
45
40
35
30
25
20
15
to
lo
40
35
30
25
20
15
to
compra
compra
11
Nov 1040120021
1144r lAP, !WY IJon 1.15 lAug ISep ICct 114444 1044 12003 !Fob 174147 1,44:4 Noy
PO.
14.41
1Soo 1044
Sobre-comprado / Sobre-vendido.
27
Na verdade, a anlise discriminante uma simplificao dos tradicionais clculos de
regresso linear. A regresso linear geralmente utilizada quando se pretende explicar ou
prever variveis mtricas ou quantitativas. J a analise discriminante permite resolver
problemas em que a varivel dependente qualitativa.
0 objetivo da anlise discriminante descobrir as caractersticas que distinguem os
membros de um grupo dos de outro, de modo que, conhecidas as caractersticas de um novo
indivduo, se possa prever a que grupo ele pertence.
Uma abordagem mais formal fornecida por Costa (2003): "a anlise discriminante
tem como objetivo estimar uma combinao linear de duas ou mais variveis independentes
que possa, da melhor maneira possvel, separar ou discriminar dois ou mais grupos de
observaes ou casos previamente definidos".
Segundo Hair apud Costa (2003), a aplicao da anlise discriminante pode ser vista
como um processo de seis estgios:
26
Segundo Reis apud Costa (2003), a anlise discriminante teve sua origem no campo
da botnica e sua aplicao teve como objetivo fazer a distino entre grupos de plantas
com base no tamanho e no tipo de folhas, para que posteriormente fosse possvel classificar
novas espcies. Depois disso a anlise discriminante se generalizou para diversos campos
do conhecimento. A anlise discriminante pode ser empregada sempre que for possvel
encontrar grupos de indivduos e conhecer as caractersticas que os distinguem uns dos
outros.
28
3.2 0 Termmetro de Kanitz
Fator de Insolvncia= ( 0,05 x ) + ( 1,65 x 12) + ( 3,55 x 13 ) ( 1,06 x 14) (0,33 x 15)
As variveis
II,
= LucroLiquido
PatrimnioLiquido
Re ntabilidadePatr
LiquidezGeral(12)=
LiquidezSeca(L) =
AC + ARLP
PET
AC Estoques
Passivo Circulante
29
LiquidezCorrente(M= AtivoCirculante
PassivoCirculante
IndiceDeEndividamento(1 5) = P assivoExigivelTotal
P atrimnioLiquido
Aps a estimao do fator de insolvncia, seu resultado deve ser confrontado com
os intervalos de valores do termmetro de insolvncia. Dessa forma, se o fator resultar num
valor entre 0 e +7, considera-se que a empresa se situa na faixa de solvncia. Se o resultado
do fator se situar no intervalo entre 0 e 3, a empresa se situa numa rea denominada
"penumbra" e significa que o fator de insolvncia no suficiente para analisar o estado da
empresa, mas inspira cuidado. Por ltimo, se o fator ficar na faixa entre 3 e 7 indica uma
empresa com grande probabilidade de vir a falir. 0 risco de falncia aumenta medida que
o fator for diminuindo (Martins e Assaf Neto, 1986).
Com base neste termmetro construiremos um modelo com capacidade de prever se
uma ao ter alta rentabilidade ou baixa rentabilidade. Alta rentabilidade seria o conjunto
de 10% das aes mais rentveis, e baixa rentabilidade seria o conjunto de 10% das aes
menos rentveis.
A populao utilizada para a construo do modelo foi formada por todas as aes
negociadas na bolsa de valores de So Paulo e disponveis no software Economtica. Com
base nessa populao selecionou-se uma amostra de aes de acordo com o ndice de
liquidez em bolsa, disponvel no software Economtica. 0 ndice de liquidez em bolsa
representado pela seguinte frmula:
30
p
n * .L
LB= *
P N V
Onde:
p = nmero de dias em que houve pelo menos um negcio com a ao dentro do
perodo escolhido.
P = nmero total de dias no perodo escolhido
n = nmero de negcios com a ao no perodo escolhido
N = nmero de negcios com todas as aes dentro do perodo escolhido
v = volume em dinheiro com a ao dentro do perodo escolhido
V = volume em dinheiro com todas as aes dentro do perodo escolhido
o melhor desempenho
31
Abaixo sero apresentadas as composies finais de cada grupo de aes, bem como
os indices de liquidez em bolsa e os seus respectivos retornos. Em seguida sero
apresentados os indices contdbeis,fundamentalistas e tcnicos, bem como sua metodologia
de clculo e interpretao.
Mdia
109,707
Fonte: Economitica, 01/07/2000 a 30/06/2001.
AES
Tele Celular Sul ON
Klabin PN
Sibra PNC
Inepar Energia PNA
Acesita ON
Minupar PN
Tele Nordeste Celul PN
Trafo PN
Embratel Part ON
Tele Celular Sul PN
Inepar Construes PN
Acesita PN
Itautec ON
Paranapanema PN
Plascar PN
Telesp Cel Part PN
Net PN
Chapeco ON
Embratel Part PN
Lojas Americanas PN
LIQUIDEZ
EM BOLSA
0,4037
0,2506
0,004
0,0038
0,0674
0,0035
1,0355
0,0087
1,4793
1,191
0,3179
0,7557
0,0177
0,0493
0,0329
3,708
4,0068
0,0275
3,6068
0,2724
Media
RETORNO (%)
-37,51
-40,19
-40,34
-41,43
-42,59
-42,86
-43,59
-43,85
-44,84
-46,05
-48,05
-49,25
-49,49
-51,22
-53,59
-56,08
-56,92
-56,96
-58,01
-65,22
-48,402
ET=
PC + PELF
AT
33
Onde:
ET = Exigvel total
PC = Passivo Total
AT = Ativo Total
LiquidezGeral =
AC + ARLP
PC + PELP
Onde:
AC = Ativo Circulante
ARLP = Realizvel no longo prazo
PC = Passivo circulante
PELP = Exigvel no longo prazo
O ndice de liquidez geral indica se a empresa tem condies de pagar suas dividas
totais, mesmo aquelas de longo prazo, com os recursos que possui no ativo circulante. E
interpretado como quanto a empresa possui no ativo circulante e realizvel em longo prazo
para cada R$ I de divida total.
34
c) ndice de Liquidez Corrente
LiquidezCorrente =
AtivoCirculante
Passivo Circulante
LS= AC E DA
PC
Onde:
LS = Liquidez Seca
AC = Ativo Circulante
E = Estoques
DA = Despesas Antecipadas
PC = Passivo Circulante
Este ndice visa extrair da anlise de curto prazo da empresa a baixa liquidez dos
estoques e das despesas antecipadas. As despesas antecipadas, por sua vez, no representam
valores a receber e sim, servios e benefcios a pagar. Assim so tambm eliminadas no
clculo. O ndice indica o percentual das dividas de curto prazo que pode ser resgatado
mediante o uso de ativos circulantes de maior liquidez.
35
RPL = LL
PLMC
Onde:
RPL = Rentabilidade sobre o Patrimnio liquido
LL = Lucro liquido
PLMC = Patrimnio liquido mdio corrigido
Este ndice mensura o retorno dos recursos aplicados na empresa pelos seus
proprietrios. Para cada real (R$) de recursos prprios (patrimnio liquido) investidos na
empresa, mede-se quanto os proprietrios auferem de lucro.
O Margem Liquida
M arg emLiquida =
LucroLiquido
*100
VendasLiquidas
Este ndice mede a eficincia de uma empresa em produzir lucros atravs de suas
vendas, ou seja, indica qual a margem de lucro que a empresa alcana em relao ao valor
de suas vendas.
36
ndices Fundamentalistas utilizados
I L = Pr evodeMercadodaAvcio
LucroporAcio
b) ndice P/VPA
P I VPA =
Pr evodaAvCio
ValorPatrimonialdaAvcio
Este ndice indica quantos reais (R$) de patrimnio cada acionista possui para cada
ao que lhe pertence. Esse valor levado em considerao pelas empresas para verificar o
valor de sua ao e ou da riqueza social.
c) Dividend Yield
DividendYkld =
Dividendo
Pr evodaAveio
IFR =100
RM =
100
1+ RM
MA
MB
Onde:
IFR = ndice de fora relativa de n dias
RM = Relao entre as medias
MA = Mdia de alta
MB = Mdia de baixa
0 valor RM composto pela mdia dos (n preges) fechados em alta sobre a mdia
dos (n preges) fechados em baixa. 0 IFR varia numa escala entre "0 100%", quando o
valor for zero significa que a ao est completamente sem fora de alta, e quando o valor
for cem por cento significa que a ao esta dominada pelas altas, sinalizando uma venda.
b) EstocAstico
K =100*
H3
L3
L3 =
38
Onde:
dl ,d2,d3 = dia de hoje, ontem e anteontem;
D - C = fechamento;
Ln = mnimo dos ltimos dias;
Hn = mximo dos ltimos n dias;
N = nmero de dias escolhido para o estudo.
%D = mdia dos ltimos 3 valores de K.
a) Pi
Cov(Ri, Rm)
Var(Rm)
Onde :
f3i = Beta do ativo i;
Cov(Ri,Rm)= Covarifincia dos retornos do ativo i em relao aos da carteira de mercado;
Var(Rm)= Varincia dos retornos da carteira de mercado;
O coeficiente beta ( if) mede o risco de um ativo com relao ao risco do mercado
como um todo.
39
quadrados. 0 uso da regresso linear mltipla a partir de uma planilha Excel proporciona
um resultado aproximado quando comparado ao uso de um software estatstico apropriado
para a anlise discriminante. Mas como salientado no inicio do trabalho, isso uma
limitao do trabalho que tem como um dos objetivos disseminar essa tcnica entre pessoas
leigas em estatstica. A anlise de dados foi realizada atravs do software Excel, que atravs
do R-Quadrado, e dos testes de significncia das variveis foi verificada a relevncia e a
validade das variveis de entrada no modelo. A metodologia aqui utilizada foi baseada no
trabalho de Kassai e Kassai (1998).
Aps os testes de significncia foram selecionadas as variveis que apresentaram
um nvel de significncia de 10%. Desse modo, s foram incorporadas ao modelo, as
variveis mais representativas quanto A capacidade de diferenciar as aes nos grupos prdefinidos: o grupo formado por 10% das aes mais rentveis e outro grupo formado por
10% das aes menos rentveis.
0 quadro abaixo mostra o teste do R-Quadrado para as variveis originais de
entrada no modelo. 0 segundo quadro mostra o teste de significfincia das variveis
explicativas.
0,988
R-Quadrado
0,977
R-quadrado ajustado
0,967
Erro padro
0,090
Observaes
40
40
Como pode ser observado, o valor do R-Quadrado, calculado pelo Excel foi de 0,97.
Este resultado indica que na amostra observada, cerca de 97% da variao da varivel
dependente pode ser explicada por uma relao linear das variveis explicativas. Se o valor
encontrado fosse muito baixo seria recomendvel alterar as variveis explicativas at se
conseguir uma equao adequada.
Quanto ao grau de significncia das variveis explicativas, representado pelo valorP na tabela a seguir, pode ser observado que das onze variveis analisadas apenas quatro
(em negrito) foram signi fi cativas ao nvel de 10%. A varivel PNPA signi fi cativa ao
nvel de 11%. As outras variveis no so estatisticamente significantes para explicar a
Coeficiente
2,3134
-0,0129
-0,0067
-0,0101
0,0009
-0,0124
0,0059
0,0000
0,0153
-0,0375
0,0569
-0,0004
0,0000
valor-P
0,00
0,77
0,04
0,00
0,00
0,11
0,24
0,95
0,80
0,66
0,53
0,06
0,93
0 ideal seria que todas as variveis de entrada no modelo fossem signi fi cativas ao
nvel de 10%, no entanto isso no inviabiliza a aplicao do modelo, Em ltima instncia o
41
No entanto, no presente trabalho optou-se por incorporar ao modelo somente as
variveis com um nvel de significancia de 10%, alm da varivel P/VPA cujo grau de
significancia de 11%. Optou-se por isso porque melhora a capacidade de explicao do
modelo e torna-o mais simples.
Aps a escolha das principais variveis de entrada no modelo o prximo passo foi
realizar o clculo de regresso linear pelo mtodo dos mnimos quadrados usando as
seguintes variveis: ndice de Fora Relativa, Estocastico, Preo/Lucro, Preo/Valor
Patrimonial da ao e Rentabilidade sobre o Patrimnio liquido. 0 objetivo estimar a
equao linear, ou funo discriminante, que a base do modelo proposto. Como foi
salientado anteriormente foram selecionadas somente as variveis com um nvel de
significancia de 10%, alm da varivel P/VPA cujo grau de significancia de 11%.
0 quadro 2 mostra o teste do R-Quadrado, e em seguida a tabela 4 mostra a
significancia estatstica das variveis selecionadas:
0,986
R-Quadrado
0,973
R-quadrado ajustado
0,969
Erro padro
0,088
Observaes
40
42
Este quadro mostra algumas estatsticas e, em particular o valor do R-Quadrado, que
foi de 0,97. Este resultado indica que na amostra observada, cerca de 97% da variao da
rentabilidade da ao pode ser explicada por uma relao linear com os indices
explicativos. Assim o resultado pode ser considerado muito bom, pois, as variveis
independentes explicam 97% da varincia da varivel dependente.
teste de significcincia
Interseo
ndice de Fora Relativa
Estocdstico
Preo / Lucro
Preo/ Valor Patrimonial da ao
Rent s/ Patrimnio liquido
Coeficientes
valor-P
0,6912
0,0064
0,0096
-0,0010
0,0119
0,0003
0,00
0,04
0,00
0,00
0,08
0,05
Para uma melhor compreenso das caractersticas dos dois grupos (aes com alta
rentabilidade e aes com baixa rentabilidade) foram calculados a mdia e o desvio padro
de cada varivel dentro dos grupos e para o total da amostra. Estes resultados so
apresentados na Tabela 5. Os dados mostram claramente uma diferena marcante entre os
43
dois grupos analisados. Observa-se que a mdia das variveis IFR, Estocdstico e
Rentabilidade sobre o Patrimnio liquido, no grupo 2 superior ao do grupo 1. A mdia da
varivel P/L, que mede o tempo de retorno do investimento, inferior no grupo 2
evidenciando o maior retorno das aes que compem o grupo. Teoricamente a varivel
P/VPA teria que ser maior no grupo 2 que no grupo 1 em virtude de sua maior
rentabilidade, no entanto verificou-se que a mdia dessa varivel no grupo 2 inferior ao
grupo I. A varivel Rent. s/ Patr. Liquido tambm apresentou media superior no grupo 2,
evidenciando seu maior retorno, enquanto que no grupo 1 a mdia dessa varivel
apresentou valor negativo evidenciando seu retorno negativo. Entre as variveis analisadas,
a que apresentou a menor diferena entre os dois grupos foi P/VPA.
Observaes
64,44
6,2
20
89,88
9,03
20
3,2
17,5
20
1,18
1,7
20
11,68
12,63
20
Grupos
Variveis
Media
2 (alta rentabilidade)
Rentabilidade Media
1 (baixa rentabilidade)
109,70%
38,52
12,01
11,24
20
48,18
110,91
20
3,07
5,13
20
-74,73
220,95
20
-48,40%
51,48
14,09
40
Estocdstico
50,94
40,69
40
25,69
81,62
40
2,13
3,89
40
-31,52
160,55
40
20
Estocistico
Rentabilidade Mdia
total
3,91
30,65%
44
3.7 Determinao da Funo Discriminante
Variveis
Coeficientes
Interseo
0,69117
0,00642
X2 Estocdstico
0,00962
-0,00103
0,01189
0,00034
Segundo Costa (2003), o mtodo mais utilizado para isso o mtodo denominado de
"pesos discriminantes" (discriminant weights), que analisa o sinal e a magnitude dos
coeficientes da funo discriminante. Quando o sinal ignorado, cada peso ou coeficiente
representa a contribuio relativa da varivel associada ao coeficiente para a funo
45
discriminante. A interpretao dos pesos discriminantes anloga A interpretao dos
coeficientes de inclinao de uma regresso linear simples ou mltipla.
Dessa forma, a tabela acima mostra o valor dos coeficientes atribuidos a cada
varivel (ignorando o sinal). Nota-se que a varivel que mais contribuiu para a
discriminao entre as aes o P/VPA, cujo coeficiente 0,01189.
Grupo
Valor mdio da
funo
1,9847
1,0033
Ponto de corte
1,494
Calculado o valor dos centr6ides, determina-se o ponto de corte (Zc), que dado
pela mdia ponderada dos centr6ides de cada grupo, conforme a tabela apresentada acima.
Este ponto de corte serve para separar os valores da funo discriminante nos respectivos
grupos e permite tambm posicionar novas aes. A figura abaixo permite visualizar a
posio dos centr6ides e do ponto de corte sob as curvas de distribuio normal, auxiliando
na classificao entre os dois grupos.
46
Grupo I
(-\ Grupo 2
/
4
\,
1,003
Zc 1,984
1,494
4Classificar
no grupo 1
I I
p.
Classificar
no grupo 2
Zr =
20x1,984 + 20x1,003
= 1,497
40
47
0 ponto de corte (Zc) de "1,497" serve de parmetro para classificar as aes nesse
modelo. Abaixo desse escore sero classificadas as aes do grupo
"1" (baixa
rentabilidade) e acima as aes do grupo "2" (alta rentabilidade). A prxima etapa reclassificar as 20 aes selecionadas com base nesse modelo e, comparando-se com a
classificao original, apurar o seu "grau de preciso".
A tabela abaixo mostra o clculo do escore discriminante para cada ao bem como
a classificao das aes pelo modelo.
Escore
Classificao pelo
Original
Discriminante (Z)
Modelo
Supergasbras PN
1,937
Eberle PN
1,969
Telemig ON
2,123
Comgas PNA
1,824
EMAE PN
1,854
Embraer PN
1,964
Weg PN
1,983
Telebahia PNA
2,036
Ambev PN
1,858
EBE PN
2,041
Confab PN
2,008
Cim Itau PN
2,142
Forjas Taurus PN
2,094
S Gobain Canal PN
2,081
Coteminas ON
1,862
Pettenati PN
2,023
-)
Bompreco PN
2,095
Sanepar PN
1,888
Metal Leve PN
2,016
1,896
Aes
48
Tele Celular Sul ON
1,242
Klabin PN
1,045
Sibra PNC
0,990
1,132
Acesita ON
0,953
Minupar PN
0,993
0,886
Trafo PN
1,017
Embratel Part ON
1,015
1,097
Inepar Construcoes PN
1,063
Acesita PN
0,978
Itautec ON
1,040
Paranapanema PN
0,918
Plascar PN
0,954
1,011
Net PN
1,009
Chapeco ON
1,024
Embratel Part PN
0,958
Loj Americanas PN
0,979
Devido ao R-Quadrado exposto no item 3.5 apresentar um valor muito alto (97%), a
funo discriminante classificou corretamente todas as aes, ou seja, teve um ndice de
acerto de 100%.
escala ilustrativa para classificao das aes. Para isso, precisamos calcular a mdia e o
49
desvio padro dos escores discriminantes de cada grupo. 0 quadro abaixo mostra os
valores de mdia e desvio padro para cada um dos grupos.
Grupo
0,097
1,003
0,058
0,88
1,003
1,11
1,79
1,98
2,17
50
situao indefinida e, provavelmente, inspira cuidados. Estatisticamente, significa que o
modelo no tem base para afirmar nenhuma classificao nesse intervalo.
TERMMETRO
DE RETORNO
2.17
Alto Retorno
1,79
Penumbra
1.11
1.00
Baixo retorno
o escore
discriminante, cujo valor se situa acima de 1,79, significa que esta ao tem grande
probabilidade de pertencer ao grupo de aes mais rentveis. Se o valor encontrado for
menor que 1,11, significa que esta ao tem grande probabilidade de pertencer ao grupo de
aes menos rentveis. Finalmente se o valor do escore discriminante encontrado situar-se
entre os valores 1,11 e 1,79, significa que esta ao est numa posio indefinida.
Estatisticamente o modelo no tem base para classificar as aes nessa rea.
51
3.11 Testando o modelo para um perodo posterior
Com o intuito de apurar de forma mais rigorosa a preciso do modelo, ser testada a
capacidade do modelo em classificar as aes da amostra para um perodo posterior. A
partir da amostra de aes selecionada foram calculados seus respectivos escores
discriminantes com base nos indices apurados para um perodo seguinte, a saber:
01/07/2001 30/06/2002.
Dessa forma a preciso do modelo ser apurada de forma a avaliar a viabilidade de
sua aplicao ria prtica. Os indices contbeis e fundamentalistas sera() calculados com base
nos balanos divulgados no ano de 2001 at o ms de junho e os indices tcnicos tero seus
parmetros modificados para a data de 01/07/2001 30/06/2002.
Verificando a taxa de retorno das aes da amostra para esse perodo, verifica-se,
atravs do clculo do escore discriminante, se o modelo classificou as aes corretamente.
Algumas aes no continham os dados relativos ao perodo seguinte,
compreendido de 01/07/2001 30/06/2002, e por isso as mesmas foram excludas da
amostra. Essas aes so: Telemig ON, Telebahia PNA, S Gobain Canal PN e Bompreo
PN.
A tabela abaixo mostra as aes da amostra, a classificao original, seus
respectivos escores discriminantes, a classificao obtida pelo modelo e a rea relativa a
cada ao no "termmetro de retorno".
Como pode ser observada na tabela adiante, a maioria das aes foram classificadas
dentro da rea que Kanitz chamou em seu modelo de "Area de penumbra", conforme
mostrado no item anterior.
52
Aes
Retorno (%)
Classificao
Escore
Classificao
Area do
Original
Discriminante (Z) pelo Modelo Termmetro
Loj Americanas PN
Forjas Taurus PN
Confab PN
Coteminas ON
Weg PN
Metal Leve PN
Klabin PN
Sanepar PN
Cim Itau PN
Sibra PNC
Minupar PN
Acesita PN
Acesita ON
Eberle PN
Ainbev PN
Embraer PN
Itautec ON
Pettenati PN
Supergasbras PN
Tele Nordeste Celul PN
Trafo PN
Tele Sudeste Celula ON
Tele Celular Sul PN
Tele Celular Sul ON
179,14
93,9
42,43
37,93
24,97
23,26
14,88
10,6
7,25
0,75
0
-7,35
-14,52
-15,38
-17,45
-19,75
-21,58
-22,81
-26,67
-26,81
-28,77
-29,6
-30,59
-31,36
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1,7065
2,0392
1,6083
1,7513
1,9191
1,9219
1,5207
1,4606
2,1121
1,2908
1,308
1,551
1,4215
1,4917
1,4924
1,7209
1,2181
1,3164
1,2097
1,3759
1,0598
1,213
1,3457
1,3811
EBE PN
EMAE PN
Plascar PN
Inepar Energia PNA
Paranapanema PN
Comgas PNA
Chapeco ON
Telesp Cel Part PN
Inepar Construcoes PN
Net PN
Embratel Part PN
-34,4
-39,11
-50
-53,66
-55
-56,25
-64,17
-68,3
-75,5
-84,59
-91,78
1
1
1
1
1
1
1
1
1
1
1
1,2629
1,0468
0,9355
1,1659
0,8682
0,958
1,0665
0,3664
0,8997
0,2952
0,8802
2
2
2
2
2
2
2
1
2
I
1
2
1
-)
/
'
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
penumbra
alto retorno
penumbra
penumbra
alto retorno
alto retorno
penumbra
penumbra
alto retorno
penumbra
penumbra
penumbra
penumbra
penumbra
penumbra
penumbra
penumbra
penumbra
penumbra
penumbra
baixo retorno
penumbra
penumbra
penumbra
penumbra
baixo retorno
baixo retorno
penumbra
baixo retorno
baixo retorno
baixo retorno
baixo retorno
baixo retorno
baixo retorno
baixo retorno
53
Se fosse considerado apenas o ponto de corte para classificao das aes, a
classificao pelo modelo seria incorreta para as seguintes aes: Sanepar PN e Cibra PNC,
pertencentes ao grupo 2, e Acesita PN, Eberle PN, AmbevPN e Embraer PN pertencentes
ao grupo 1. De modo geral, considerando-se apenas o "ponto de corte" (Zc=1,497), o ndice
de acerto do modelo foi de 80% para as aes do grupo 2 (alta rentabilidade) e 85% para as
aes do grupo 1 (baixa rentabilidade), o que considerado muito bom se comparado com
os modelos de previso de insolvncia, cujo grau de preciso varia de 70 a 90%, conforme
Sanvicente e Minardi (1998) apud Costa (2003).
No entanto, quando considerada a rea de "penumbra", o ndice de acerto do
modelo cai para 40% para aes do grupo 2 (alta rentabilidade) e tambm 40% para as
aes do grupo I (baixa rentabilidade).
e menores escores
Forjas Tauros PN
o ponto de corte (Zc= 1,494), e situado-se na rea de alto retorno, acima da area de
54
Figura 8 - Termmetro da Ao Forjas Tauros PN
TERMMETRO
DE RETORNO
Z=2.03 C).
Alto Retorno
Penumbra
Baixo retorno
Cim Itaii PN
55
Figura 9 - Termmetro da Ao Cim Itati PN
TERMMETRO
DE RETORNO
Z=2.11
IC>
Alto Retorno
1,79
Penumbra
Baixo retorno
Metal Leve PN
A ao Metal leve PN tambm foi bem ranqueada pelo modelo, com escore
discriminante de Z = 1,92, valor situado acima da rea de penumbra. Sua rentabilidade foi
de 26,23%, evidenciando que o modelo acertou ao classific-la no grupo 2 (alta
rentabilidade).
56
TERMOMETRO
DE RETORNO
Z=1.92
Alto Retorno
Penumbra
Baixo retorno
0.8
Lojas Americanas PN
57
TERMMETRO
DE RETORNO
Alto Retorno
1,79
Z=1.70
Penumbra
Baixo retorno
0.88
Net PN
Esta foi ao com o pior ranking, isto 6, com o menor escore discriminante das
aes da amostra, cujo valor foi de Z = 0,29, valor bem abaixo da rea de penumbra. A
rentabilidade da ao foi de 84,59 e dessa forma o modelo classificou corretamente a ao
no grupo 1 (baixa rentabilidade).
58
Figura 12 - Termmetro da Ao Net PN
TERMO METRO
DE RETORNO
Alto Retorno
Baixo retorno
Z=0.29 C).
Telesp Part PN
0 escore discriminante da Telesp Part PN foi de Z = 0,33 valor situado na Area de
baixo retorno. Sua rentabilidade foi de 68,3%, evidenciando que o modelo classificou
corretamente a ao no grupo 1 (baixa rentabilidade).
59
TERMMETRO
DE RETORNO
Alto Retorno
1,79
Pen u ti b ra
Baixo retorno
o.8841
Z=0.3 3
60
4 CONCLUSO
61
ser classificada em nenhum dos grupos, isto 6, estatisticamente, o modelo no tem base
para avaliar a qual grupo a ao pertence. Neste caso o ndice de acerto do modelo foi de
40% para aes do grupo 2 (alta rentabilidade) e 40% para aes do grupo 1(baixa
rentabilidade), sendo que 63% das aes no total da amostra foram classificadas na rea de
penumbra.
Embora os resultados sejam considerados bons, sob o ponto de vista do ndice de
acerto, este modelo uma aproximao, e pode acontecer que, se o modelo for aplicado a
todos os anos subseqentes aps o perodo de sua construo, seu ndice de acerto pode
diminuir at o ponto em que se toma intil sua aplicao.
Este modelo poderia ser aprimorado se fosse construido num perodo mais curto, de
forma que os indices contbeis e fundamentalistas fossem calculados com base em balanos
divulgados trimestralmente, e no anualmente como foi feito neste trabalho. Dessa forma o
modelo iria classificar as aes com alta e baixa rentabilidade para um perodo de trs
meses. Alm disso, os indicadores tcnicos geralmente so utilizados para anlise de curto
prazo. Se os parmetros desses indicadores fossem alterados para um perodo menor, os
sinais de compra e venda seriam emitidos com maior preciso.
Entretanto, ao utilizar o ferramental estatstico da anlise discriminante, qualquer
pessoa pode desenvolver seu prprio termmetro, de modo que poder escolher os
indicadores que, de acordo com suas convices, melhor explicam a rentabilidade das
aes.
62
5 RECOMENDAES
Este trabalho poderia ser aprimorado se fosse utilizado um pacote estatstico para a
construo do modelo, de forma que as variveis tenham um tratamento estatstico mais
rigoroso. A anlise discriminante pressupe que as variveis explicativas tenham
distribuio normal multivariada. Neste caso o teste de aderncia de Kolmogorov-Smirnov
seria o mais indicado para verificar a normalidade de cada varivel.
Seria interessante escolher as variveis que mais contribuem para a maximizao da
separao das caractersticas entre dois ou mais grupos e, simultaneamente, aquelas que
deixam cada grupo o mais homogneo possvel. Para tanto, existem vrios testes, como por
exemplo, o Lambda de Wilks. Para obter a melhor discriminao possvel, pode-se utilizar o
mtodo stepwise. Neste mtodo, inicialmente, escolhe-se a varivel mais significativa e,
atravs de vrios passos e critrios pre-estabelecidos, novas variveis vo sendo
introduzidas ou retiradas, escolhendo-se aquelas que, em conjunto, maximizem o poder de
discriminao entre os grupos da funo discriminante.
Por ltimo, para que os resultados da anlise discriminante sejam mais precisos,
necessrio verificar se as matrizes de covarincia entre os grupos so homogneas. Para
tanto, esse teste, e os outros citados anteriormente esto disponveis em vrios pacotes
estatsticos, como por exemplo, o SPSS.
63
6 REFERNCIAS BIBLIOGRFICAS
64