Estudo de Um Modelo de Analise de Acoes

JEFFERSON SOUZA HONRIO
ESTUDO DE UM MODELO DE ANLISE DE AES
Trabalho de Formatura apresentado Escola

Politcnica da Universidade de So Paulo para
obteno do diploma de Engenheiro de Produo
Orientadora: Profa. Dra. Linda Lee Ho
So Paulo
2008
JEFFERSON SOUZA HONRIO
ESTUDO DE UM MODELO DE ANLISE DE AES
Trabalho de Formatura apresentado Escola

Politcnica da Universidade de So Paulo para
obteno do diploma de Engenheiro de Produo
Orientadora: Profa. Dra. Linda Lee Ho
So Paulo
2008
FICHA CATALOGRFICA
Honrio, Jefferson Souza

Estudo de um Modelo de Anlise de Aes / Jefferson Souza Honrio;
Orientadora: Profa. Dra. Linda Lee Ho.
So Paulo, 2008
108 f.
Trabalho de Formatura Escola Politcnica da Universidade de So Paulo.
1. Aes. 2. Variveis Econmicas. 3. Regresso Mltipla. 4. Anlise de Sries
Temporais
1. Universidade de So Paulo. Escola Politcnica. Departamento de Engenharia
de Produo
DEDICATRIA
minha famlia,
AGRADECIMENTOS
Primeiramente a Deus,
minha famlia por tudo que sou, pelos anos de incentivo, pelo apoio
incondicional em todos os momentos e por terem me oferecido a oportunidade e
acesso ao estudo e encorajado a busca pelo conhecimento. Sem ela no haveria
alcanado mais esta conquista.
Escola Politcnica por proporcionar meu crescimento tanto intelectual
como pessoal ao longo destes ltimos anos.
Aos professores do Departamento de Engenharia de Produo PRO por
todo seu empenho e dedicao na tarefa de transmisso de conhecimento e auxlio no
difcil processo de aprendizado.
professora Dra. Linda Lee Ho, pela pacincia, orientao e dedicao
durante o processo de realizao deste trabalho.
minha namorada e amiga, Roberta, pelo incentivo e apoio nos momentos
difceis e por estar presente nos momentos alegres.
Aos amigos da graduao, pelo suporte e incentivo mtuo ao longo de todo o
curso em busca do mesmo objetivo maior. Amigos que com certeza levarei para toda
a vida.
A todos aqueles que colaboraram direta ou indiretamente realizao deste
Trabalho.
RESUMO
O mercado acionrio movimenta todos os dias um volume de dinheiro

extraordinrio, e existem inmeras razes bastante razoveis para justificar esse
interesse dos investidores: alta liquidez, baixa carga tributria, se comparado aos
ativos de renda fixa, facilidade de operar em uma corretora, nos ltimos quatro anos
a bolsa tem superado o CDI, entre outros podem ser citados como alguns motivos.
Porm uma correta anlise do desempenho destes ativos frente ao cenrio econmico
se faz necessrio, visto a crise em que o mercado tem sofrido nos ltimos meses em
que cenrios desfavorveis podem resultar em perdas catastrficas referentes a anos
de retornos acumulados.
Neste contexto o presente trabalho prope o estudo de um modelo de anlise
de aes com o principal objetivo de estudar o ativo com base em uma srie de
variveis que procuram sintetizar comportamento do mercado como um todo. Esta
abordagem permite a percepo dos fatores externos que interferem nas oscilaes
dos preos dos ativos e seu retorno ao investidor, proporcionando, principalmente o
aprendizado acerca do comportamento dos ativos, a partir do estudo de modelos de
regresso mltipla e sries temporais.
Palavras Chave: Aes, Variveis Econmicas, Regresso Mltipla, Anlise
de Sries Temporais
ABSTRACT
The stock market moves every day an extraordinary amount of money, and
there are lots of very reasonable reasons to justify this interest of investors: high
liquidity, low tax burden, if compared to assets of fixed income, easy to operate at a
brokerage in the last four years the stock has surpassed the CDI, among others, may
be cited as some reasons. But a correct analysis of the performance of these active
fronts of the economic environment is necessary because the crisis in which the
market has suffered in recent months in which losses can result in catastrophic losses
for the years of accumulated returns.
In this context the present study suggests the study of a model analysis of
assets with the primary aim of studying the active based on a number of variables
that summarize the behavior of the market as a whole. This approach allows the
perception of external factors that interfere in the price changes of assets, providing,
especially learning about the behavior of stocks, from the study of models of
multiple regression and time series.
Key words: Stocks, Economic Variables, Multiple Regression, Time series
Analysis
LISTA DE FIGURAS
Figura 1 - Esquema de um Modelo de Regresso Linear Simples. ........................... 30

Figura 2 - Significado geomtrico da igualdade STotal=SReg+SRes. ............................. 34
Figura 3 - Apresentao de esquemas de resduos (a) satisfatrios e (b), (c) e (d)
insatisfatrios. ............................................................................................................ 44
Figura 4 Sistema Dinmico ..................................................................................... 45
Figura 5 - Um processo estocstico como uma famlia de variveis aleatrias. ........ 46
Figura 6 (a) Srie semanal de PETR4 (b) Primeira diferena de PETR4 ............... 49
Figura 7 Fluxograma da construo do modelo ARIMA........................................ 50
Figura 8 - Exemplo de um processo AR(1) ............................................................... 52
Figura 9 - Exemplo de um processo MA(1)............................................................... 54
Figura 10 - Exemplo de um modelo ARMA(1, 1) ..................................................... 56
Figura 11 - Evoluo dos preos do ativo PETR4. .................................................... 63
Figura 12 - Evoluo dos preos do ativo BBDC4. ................................................... 63
Figura 13 - Evoluo dos preos do ativo VALE5 .................................................... 64
Figura 14 - Primeiras diferenas de PETR4 ............................................................... 70
Figura 15 - Retornos percentuais de PETR4 .............................................................. 71
Figura 16 - Disperso ndices de Aes vs. PETR4 .................................................. 72
Figura 17 - Disperso Commodities vs PETR4 ......................................................... 73
Figura 18 - Disperso Moedas vs PETR4 .................................................................. 75
Figura 19 - Disperso Ttulos do Governo Americano vs PETR4 ............................ 77
Figura 20 - Sries real, estimada e residual para o modelo de regresso sobre o ativo
PETR4 ........................................................................................................................ 80
Figura 21 - Autocorrelaes e autocorrelaes parciais para os resduos da regresso,
sendo (a) Original, (b) Primeiras diferenas e (c) Segundas diferenas .................... 81
Figura 22 - Sries Real, Estimada e Residual para o modelo ARIMA(2, 5) dobre os
resduos da regresso.................................................................................................. 83
Figura 23 - Autocorrelaes e Autocorrelaes Parciais para os retornos percentuais
do ativo PETR4. Sendo a) Original, b) Primeira diferena e c) Segunda Diferena . 84
Figura 24 - Segundas diferenas dos retornos percentuais de PETR4 ....................... 85
Figura 25 - Sries Real, Estimada e Residual para o modelo ARIMA(4, 2, 4) sobre o

ativo PETR4 ............................................................................................................... 86
Figura 26 - Sries Real, Estimada e Residual do modelo sobre o ativo PETR4 ........ 89
Figura 27 - Resduos padronizados ............................................................................ 91
Figura 28 - Resduos plotados no Papel de Probabilidade Normal (PPN) ................. 92
Figura 29 - Sries Real, Estimada e Residual do modelo sobre o ativo BBDC4 ....... 97
Figura 30 - Sries Real, Estimada e Residual do modelo sobre o ativo VALE5 ....... 99
LISTA DE TABELAS
Tabela 1 - Anlise de Varincia (ANOVA) para uma varivel ................................. 35
Tabela 2 - Anlise de varincia (ANOVA) para k variveis independentes ............. 38
Tabela 3 Comportamento das fac (k) e facp (kk) de um processo ARIMA(p, d, q)
.................................................................................................................................... 59
Tabela 4 - Sadas do software Eviews para o modelo de regresso de PETR4 ......... 79
Tabela 5 - Sadas do software Eviews para o modelo ARIMA(3, 2, 5) sobre os
resduos da regresso.................................................................................................. 82
Tabela 6- Sadas do software E-Views para o modelo de sries temporais ARIMA(4,
2, 4) sobre o ativo PETR4 .......................................................................................... 86
Tabela 7 - Sadas do software E-Views para o modelo de regresso mltipla sobre os
resduos ...................................................................................................................... 87
Tabela 8 - Sadas do software Eviews para o modelo de sobre o ativo PETR4 ........ 88
Tabela 9 - Sadas do software Eviews para o modelo de sobre o ativo BBDC4 ....... 96
Tabela 10 - Sadas do software Eviews para o modelo de sobre o ativo VALE5...... 98
SUMRIO
INTRODUO ................................................................................................. 13
1.1
Objetivo do Trabalho ................................................................................... 15
1.2
Investimento ................................................................................................ 15
1.3
Mercado Financeiro ..................................................................................... 17
1.4
Aes ........................................................................................................... 20
1.5
Previso ....................................................................................................... 22
1.6
Analise Tcnica e Anlise Fundamentalista ................................................ 24
LEVANTAMENTO BIBLIOGRFICO ........................................................ 29

2.1
Modelos de Regresso ................................................................................. 29
2.1.1
Regresso Linear Simples .................................................................... 30
2.1.2
A Abordagem Matricial ....................................................................... 36
2.1.3
Regresso Mltipla............................................................................... 37
2.1.4
Tcnicas para a obteno do melhor modelo de regresso .................. 40
i.
Forward Selection Method....................................................................... 40
ii.
Backward Elimination Method ................................................................ 40
iii. Stepwise Procedure .................................................................................. 41

2.1.5
2.2
Anlise dos resduos ............................................................................. 42
Sries Temporais ......................................................................................... 44
2.2.1
Processos Estocsticos ......................................................................... 46
2.2.2
Funo de autocorrelao ..................................................................... 46
2.2.3
Estacionariedade .................................................................................. 47
2.2.4
Modelos ARIMA (Auto Regressive Integrated Moving Average)....... 49
i.
Modelos Auto-Regressivos ...................................................................... 51
ii.
Modelos de Mdias Mveis ..................................................................... 53
iii. Modelos ARMA (p, q) ............................................................................. 55

iv. Modelos no Estacionrios ...................................................................... 57
v.
3
Modelo ARIMA (p, d, q) ......................................................................... 57
PROPOSTA DE MODELAGEM .................................................................... 61

3.1
Seleo dos ativos estudados ....................................................................... 62
3.2
Seleo das variveis ................................................................................... 65
3.2.1
ndices de Aes................................................................................... 66
3.2.2
Commodities ......................................................................................... 67
3.2.3
Moedas ................................................................................................. 67
3.2.4
Taxas de juros....................................................................................... 68
3.3
Apresentao da proposta de modelagem ................................................... 69
3.4
Estudo das Correlaes ................................................................................ 71
3.4.1
ndices de Aes................................................................................... 72
3.4.2
Commodities ......................................................................................... 73
3.4.3
Moedas ................................................................................................. 75
3.4.4
Taxas de Juros ...................................................................................... 76
3.5
Aplicao Primeiramente do modelo de regresso...................................... 78
3.6
Aplicao primeiramente do modelo de sries temporais ........................... 83
3.7
Aplicao do modelo de regresso e sries temporais simultaneamente .... 87
3.8
Anlise dos resduos .................................................................................... 90
APLICAO DO MODELO .......................................................................... 95

4.1
Expanso para outros ativos ........................................................................ 95
4.2
Aplicaes do Modelo ............................................................................... 100
CONCLUSES ............................................................................................... 103
REFERNCIAS BIBLIOGRFICAS .......................................................... 107
INTRODUO
13
Captulo 1 Introduo
INTRODUO
O mercado acionrio, desde sua criao, sempre despertou nas pessoas um

interesse extraordinrio, fora do comum. Desde sua primeira negociao, o desejo de
todos adquirir o conhecimento da frmula mgica que explicaria os movimentos
dos ativos, de forma a desenvolver a capacidade de se antecipar, tomando decises
corretas, em momentos oportunos, esquivando-se dos perigos e se aproveitando das
oportunidades de retorno rpido.
Porm esta frmula mgica no existe e cabe aos investidores o
desenvolvimento de ferramentas e modelos que, de certa forma, consigam auxiliar o
processo de tomada de deciso, que funcione como um instrumento de aprendizado
aliado a experincia e o conhecimento do investidor no processo de alocao do
capital.
Estudo de um Modelo de Anlise de Aes
Captulo 1 Introduo
14
Porm, como aponta Butler (1966), estes modelos so passveis de erros,

principalmente em eventos de stress, uma vez que a dinmica dos preos dos ativos
extremamente complexa, no sendo possvel, um modelo englobar todas as variveis
que interferem na evoluo dos retornos dos ativos. Principalmente pelo fato de o
valor das aes no dependerem exclusivamente da evoluo da empresa
correspondente, pelo contrrio, dependem tambm de outros componentes bastante
significativos e incontrolveis como a subjetividade dos investidores e a expectativa
do mercado.
Neste sentido este trabalho vem propor o estudo de um modelo para anlise
de aes com base em uma srie de variveis de mercado, com o objetivo de auxiliar
o entendimento da evoluo dos preos dos ativos, e que possibilite a percepo dos
fatores externos que interferem no retorno dos ativos estudados, proporcionando,
alm de tudo um aprendizado acerca do comportamento dos ativos, uma vez que se
levam os fatores de mercado que interferem diretamente em seus preos.
O Trabalho de Formatura se desenvolveu em paralelo a um estgio em uma a
organizao financeira em que dispe de uma distribuidora de ttulos e valores, de
uma gestora de recursos e de uma consultoria de investimentos internacionais. A
empresa atende um grande espectro de investidores, tanto em operaes no mercado
brasileiro como no internacional. As tarefas do autor se desenvolveram na elaborao
de ferramentas computacionais para auxlio na tomada de decises, sendo assim o
presente estudo se apresenta como uma importante ferramenta de auxlio tanto ao
processo de anlises de ativos, quanto gesto de recursos, uma vez que procura
explorar as interferncias do mercado nos preos dos ativos e nos retornos ao
investidor.
Para tanto o trabalho est dividido em quatro captulos principais, incluindo
esta introduo. Primeiramente, continuando esta introduo, so apresentados
alguns aspectos importantes acerca do tema selecionado para o trabalho, expondo
suas caractersticas em situando o leitor na problemtica em que o estudo est
inserido, bem como as bases para o desenvolvimento do processo de modelagem. No
captulo seguinte, realizado um levantamento terico necessrio em que so
15
Captulo 1 Introduo
apresentados modelos estatsticos que sero utilizados posteriormente para o

processo de desenvolvimento do modelo proposto. Posteriormente apresentada a
utilizao dos aspectos tericos levantados, de forma detalhada para a construo do
modelo. E por fim realizada uma apresentao dos resultados obtidos com a
elaborao do modelo. Objetivo do Trabalho
O objetivo principal do presente trabalho a elaborao de um modelo para
anlise de ativos do mercado financeiro a partir de uma metodologia calcada da
percepo de como diversas variveis de mercado, sintetizadas por meio de ndices
de aes, preos de commodities, etc. interferem nas oscilaes dos preos dos ativos
de forma a conseguir estabelecer relaes entre as variveis levantadas e os ativos
estudados.
Com este estudo pretende-se conseguir entender, quantitativamente como a
evoluo das variveis estudadas afetam de fato a flutuao dos preos dos ativos e o
retorno ao investidor. Assim possvel entender, com maior clareza como se d o
comportamento dos ativos estudados frente s variaes do mercado e o quo
sensvel estes ativos so diante das constantes transformaes do mercado financeiro.
Para tanto, num primeiro momento ser apresentado um levantamento sobre
mercado financeiro e investimento, a fim de contextualizar o leitor acerca do
problema que ser abordado posteriormente. Assim alguns conceitos necessitam ser
introduzidos bem como algumas discusses so tambm de grande valia para o
entendimento adequado das questes abordadas no desenvolvimento do trabalho.
1.1
INVESTIMENTO
O ser humano possui necessidades diversas que vo desde as necessidades
vitais e biolgicas, necessidades estas em que a no satisfao implicam em no

sobrevivncia, at as necessidades culturais, oriundas do convvio com a sociedade,
igualmente importantes, porm no vitais. A satisfao destas necessidades se d,
principalmente pelo consumo de recursos naturais e em boa parte destas
necessidades, a satisfao est diretamente ligada a desembolso de capital.
Captulo 1 Introduo
16
Ao longo da vida, as pessoas ganham e gastam dinheiro, com o objetivo

principal de satisfazer suas necessidades. Este fluxo de capital proporcionado pela
incessante busca de suas satisfaes nem sempre resulta num valor lquido nulo, ou
seja, na maioria dos casos existe um dficit ou um supervit no resultado final dos
recebimentos e gastos.
No caso de um resultado negativo, as pessoas so levadas a recorrer a
emprstimos e outras formas de crdito para honrar com suas obrigaes.
J no caso de um resultado positivo com relao a seus recebimentos e
desencaixes, as pessoas possuem diversas alternativas quanto ao destino do capital
excedido. Uma alternativa satisfazer desejos at ento privados pela no posse de
capital necessrio para sua realizao imediata. Outra alternativa a privao de seus
desejos atuais e a aceitao de se desfazer da posse imediata do capital excedido
visando no futuro um recebimento maior que o capital atual. Este tradeoff entre a
posse imediata do capital e a esperana de um recebimento que justifique esta
privao chamado de investimento. (REILLY E BROWN, 1997)
Segundo Oliveira (1983), as razes que levam as pessoas a avaliarem o
consumo futuro em relao ao presente, se faz a partir de dois pontos fundamentais:
a)
O primeiro deles uma questo de segurana. As pessoas sentem
necessidade de garantir o seu futuro e o de sua famlia. Quando algum faz um

seguro de vida, atravs desse ato de poupana est criando garantias para sua famlia
quanto sua morte prematura. A simples acumulao de riqueza uma forma de
garantir o futuro;
b)
O segundo o desejo que qualquer um tem de melhorar o seu padro
de vida. Isto inclui desde o poupar para comprar um carro ou uma casa praia, at o
desejo de simplesmente aumentar sua riqueza, porque pode significar poder.
17
1.2
Captulo 1 Introduo
MERCADO FINANCEIRO
Ao longo da histria sempre houve pessoas que por gastarem menos que
produzem, possuem excedentes que esto dispostos a ofertar para aqueles que por
gastarem alm do que so capazes de produzir, necessitam daqueles recursos.
No passado o homem percebeu que um indivduo no conseguia mais
produzir sozinho tudo aquilo que necessitava para a satisfao de todas suas
necessidades. A partir de ento, ocorreu o desenvolvimento de um sistema de trocas,
baseados em indivduos ofertando diretamente o produto de seu trabalho em troca do
produto do trabalho de outros. Neste sistema de trocas, conhecido como escambo, as
mercadorias eram trocadas em espcie.
Porm, as trocas realizadas com tanta freqncia entre os cidados eram
comumente truncadas e dificultadas, por exemplo, se o primeiro no possuir uma
mercadoria que o segundo necessite, a troca no poderia ser realizada.
No decorrer do tempo o homem foi desenvolvendo ferramentas para facilitar
este sistema de trocas e proporcion-la maior liberdade, como por exemplo, a moeda,
primeiro ativo financeiro, que alm de facilitar este sistema de trocas, permitiu sua
expanso. A moeda foi muito importante para o desenvolvimento do sistema de
trocas devido ao fato de que a partir de sua utilizao, a necessidade de conjugar as
necessidades de um indivduo com o excedente de outro em espcie, e
simultaneamente as necessidades do outro com o excedente do um.
Muitas mercadorias diferentes foram empregadas com esta finalidade, o gado
parece ter sido um instrumento comum de comrcio, tendo vrias referncias nos
poemas homricos de sua utilizao, outra mercadoria foi o sal, por exemplo, na
Abissnia. Em algumas regies da costa da ndia, observou-se a utilizao de uma
espcie de concha como meio de avaliao de mercadorias. Porm, o homem parece
ter dado uma total preferncia pelo emprego dos metais, tanto pela sua facilidade de
manejo e conservao quanto pela sua fcil divisibilidade, tendo visto o emprego do
Captulo 1 Introduo
18
cobre, ouro, prata, entre outros sendo os dois ltimos mais comuns. (ADAM SMITH,
1969)
Outro ativo financeiro bastante importante para este processo de
desenvolvimento foi o contrato de emprstimo, que permitiu que os recursos ociosos
se tornassem produtivos pela sua aplicao em investimento, propiciando ganhos,
tanto para o poupador como para o tomador de recursos e incentivando, assim,
atitudes de poupana e de investimento, beneficiando tanto os envolvidos na
transao como a comunidade em geral como aumento da capacidade produtiva, com
reflexos diretos sobre o bem-estar e o nvel de renda.
Com o desenvolvimento deste sistema de trocas e, conseqentemente o
aumento de sua complexidade, surgiram instituies financeiras com o objetivo de
intermediar as transaes entres as contrapartes e facilitar o processo, aproximando e
conectando os agentes ofertadores de recursos dos agentes tomadores de recursos,
confrontando necessidades de um com excedentes de outro.
Desta forma podemos conceituar Sistema Financeiro como um conjunto de
instituies financeiras que possibilitam e viabilizam a transferncia de recursos dos
ofertadores ltimos para os tomadores ltimos e criam condies para que os ttulos
tenham liquidez no mercado (possibilidade de converter o ativo em dinheiro).
(OLIVEIRA, 1983)
Fabozzi (1994) destaca algumas funes importantes dos mercados
financeiros:
a) Determinar o preo dos ativos negociados entre os agentes ofertadores e
tomadores;
b) Prover um mecanismo para o investidor compra ou vender um ativo,
oferecendo liquidez;
19
Captulo 1 Introduo
c) Reduzir os custos das transaes, sendo estes basicamente dois, os search

costs, custos estes derivados do objetivo de encontrar uma contraparte, e
os information costs, custos derivados da busca por informaes tanto
sobre o ativo, como tambm da contraparte.
De acordo com estas caractersticas, podemos subdividir os mercados
financeiros em quatro mercados especficos (ASSAF NETO, 2006):
a) Mercado monetrio;
b) Mercado de crdito;
c) Mercado de capitais;
d) Mercado cambial.
No mercado monetrio so realizadas as operaes de curto e curtssimo
prazo, que permitem o controle da liquidez monetria da economia. So negociados
neste mercado, principalmente, os papis emitidos pelo Banco Central destinados a
execuo da poltica monetria do governo, e aqueles emitidos pelo Tesouro
Nacional com o intuito de financiar as necessidades oramentrias da Unio, alm de
diversos ttulos emitidos pelos Estados e Municpios.
O mercado de crdito constitudo em sua essncia pelos bancos
comerciais/mltiplos. O objetivo bsico desse mercado o de suprir as necessidades
de recursos de curto e mdio prazo dos diversos agentes econmicos, seja pela
concesso de crditos s pessoas fsicas, seja por modalidades de emprstimos e
financiamentos s empresas.
O mercado de capitais a grande fonte de recursos para investimentos da
economia, assumindo um papel relevante no processo de desenvolvimento
econmico. Apresenta uma forte ligao entre os agentes superavitrios, que
possuem capacidade de poupana, e os investidores carentes de recursos de longo
Captulo 1 Introduo
20
prazo. A atuao do mercado de capitais se processa por diversas modalidades de

financiamentos a longo prazo para giro e capital fixo. O mercado de capitais atua
tambm com operaes de prazo indeterminado, como aquelas que envolvem
emisso e subscrio de aes.
No mercado cambial ocorrem as diversas operaes de compra e venda de
moedas estrangeiras conversveis. Este mercado envolve todos os agentes
econmicos com motivos para realizar operaes com o exterior, como importadores
e exportadores, investidores e instituies financeiras.
1.3
AES
A prpria origem das sociedades annimas sugere que a origem do mercado
de aes se deu quando o mercado de crdito deixou de ser eficiente para garantir o
fluxo de recursos nas condies adequadas, especialmente em termos de prazo e
custo, para a atividade produtiva.
Segundo Miranda Valverde apud Oliveira (1983), a primeira S.A. data de
1407, quando a Repblica de Gnova, no podendo pagar ttulos de dvida por ela
emitidos, transformou-se em aes nominativas, inscritas nos registros e livremente
alienveis e cotadas no mercado.
medida que a economia cresce no bastam pequenas unidades produtoras
para dar conta da produo de alguns bens e servios requeridos pela comunidade.
Algumas caractersticas s so possveis ou viveis em grande escala. Desta forma,
num primeiro momento, os empresrios procuram complementar os investimentos
para o desenvolvimento de suas atividades buscando emprstimos e financiamentos
junto aos bancos e outras instituies financeiras. Naturalmente, mesmo que todos os
lucros sejam reinvestidos chega o momento em que a relao entre os capitais de
terceiros e prprio se torna to elevada que os credores, inicialmente, aumentam a
taxa de juros e, posteriormente, recusam a concesso de emprstimo para aquele
empresrio.
21
Captulo 1 Introduo
A soluo , ento, aumentar o nmero de scios da empresa, aumentando

conseqentemente o volume de capital investido sem a obrigatoriedade e resgate
num certo perodo.
Um problema neste processo o seguinte: Como reunir as duas partes
interessadas no processo de negociao, o empresrio, disposto a vender aes de sua
empresa buscando, desta forma aumentar o capital prprio da empresa, e o
investidor, disposto a comprar aes desta empresa, com o objetivo de obter lucros
com dividendos e a valorizao da empresa em questo? Este o papel das
corretoras de valores. atravs de uma corretora que pessoas compram e vendem
aes, surgindo, desta forma o mercado de aes.
Aes so ttulos representativos das cotas-partes em que se divide o capital
social de uma sociedade annima, negociadas no mercado. Uma ao representa,
pois, a menor parte (frao) em que dividido o seu capital. Quando algum compra
uma ao torna-se acionista da empresa e um de seus donos (ASSAF NETO, 2006).
H dois tipos de aes: ordinrias e preferenciais. As aes ordinrias
proporcionam aos titulares o direito de voto em assemblias gerais de acionistas e
participao nos lucros da sociedade mediante o recebimento de dividendos. As
aes preferenciais, ao contrrio, no possuem o direito a voto, oferecendo em
contrapartida algumas vantagens ou preferncias, como a prioridade no recebimento
de dividendos (muitas vezes em percentual mais elevado) e a preferncia no
reembolso de capital em caso de dissoluo da sociedade.
Os rendimentos das aes so variveis, dependendo principalmente dos
resultados apurados pela sociedade emitente e das condies de mercado e da
economia. As principais vantagens do acionista so:
Dividendos Parte dos resultados lquidos da sociedade, distribudo aos
acionistas;
Captulo 1 Introduo
22
Juros sobre o capital prprio em vez de dividendos a sociedade pode

remunerar o acionista por meio de juros calculados sobre o capital, obtendo, desta
forma, vantagens fiscais;
Bonificao as bonificaes podem ser em aes ou em dinheiro. Quando a
sociedade deseja elevar seu capital prprio, esta emite aes que so distribudas a
seus acionistas de forma gratuita, de acordo com a proporo de cada acionista. Em
outros casos a sociedade pode distribuir uma parcela adicional de seus lucros, sendo
esta a denominada bonificao em dinheiro;
Valorizao ganho obtido pelo acionista por meio de operaes de compra
e venda das aes da sociedade, mediante a variao do preo do ativo no mercado;
Direitos de subscrio so direitos inerentes a todo acionista de adquirir
(subscrever) todo aumento de capital na proporo das aes possudas.
1.4
PREVISO
Conhecer o futuro, se antecipar aos acontecimentos, tirar proveito de
informaes sobre o que ainda est por acontecer. Estes so desejos das pessoas
desde os primrdios da humanidade, sendo que o ato de elaborar previses a cerca do
futuro uma atividade to antiga quanto a prpria humanidade. sempre possvel
encontrar pessoas dispostas a pagar para conhecer o futuro. Os profissionais da
previso (profetas, meteorologistas, economistas, gurus de mercado, etc.) podem
basear-se desde em uma simples intuio at estarem calcados em modelos
matemticos altamente complexos e sofisticados com o auxlio de computadores de
elevada capacidade de processamento.
No mercado isto no diferente, desde o incio do processo de trocas, o
homem tem tentado de diversas formas encontrar a frmula mgica que revelaria o
domnio do processo de formao dos preos futuros, e que traria consigo a
capacidade de antecipar-se aos acontecimentos, tomando decises corretas no
momento correto, reduzindo seus riscos e ampliando sua capacidade de retornos.
23
Captulo 1 Introduo
Desta forma, todos os envolvidos tentam de alguma forma construir modelos

e ferramentas para tentar descrever o processo de movimentao dos preos dos
ativos nos perodos futuros, procurando, a partir das informaes disponveis,
encontrar uma relao que justifique suas decises e indiquem o movimento futuro
dos ativos e do mercado.
Embora nenhuma tcnica ou modelagem do mercado seja infalvel, devido,
principalmente, sua caracterstica notavelmente complexa, alguns mtodos de anlise
se mostram ao longo do tempo mais eficientes e confiveis que outros no intuito de
prover sustentao para as decises e afirmaes acerca do comportamento do
mercado. (BUTLER, 1966). Assim por detrs das previses do comportamento do
mercado, os administradores de investimentos sempre procuram calcar suas anlises
em slidas ferramentas e tcnicas analticas de forma a sustentar suas opinies. No
entanto a experincia do analista sempre ser um fator bsico e essencial para o
processo, sendo que muitos admitam tomar algumas decises com certas doses de
instinto.
Para o caso das aes, ao longo de toda a histria das negociaes deste tipo
de ativo, muitos modelos foram elaborados no intuito de proporcionar aos seus
criadores o conhecimento do comportamento de tais ativos do mercado.
Muitos destes modelos confeccionados para o entendimento do mercado
acionrio baseiam-se de certa forma na Teoria do Caminho Aleatrio, o CAPM
(Capital Asset Price Model), desenvolvido por Sharpe apud Reilly e Brown (1997)
em que prope a anlise e manuteno de uma carteira escolhida, baseando-se em
um modelo de programao quadrtica, que utiliza uma estimativa do risco do
investimento, com a utilizao da varincia histrica dos ativos, buscando minimizar
a exposio aos riscos, almejando um retorno estimado.
Todo modelo construdo com o intuito de auxiliar o processo de tomada de
deciso, seja ele baseado em qualquer que seja os aspectos tericos e conceituais,
sempre buscam entender o processo de evoluo dos movimentos ativos,
relacionando-os com outros aspectos exgenos de forma a conseguir, a partir dos
Captulo 1 Introduo
24
dados e informaes disponveis no momento trazer objetividade ao mercado

acionrio e retirar parte de seu carter imprevisvel.
Nesta busca incessante por um modelo confivel, vrias abordagens quanto
anlise so aplicadas na construo e elaborao de metodologias de estudo. Os
mtodos aplicados no processo de modelagem de mercado so diversos e contrastes
entre metodologias utilizadas pelos investidores so visveis. Para ilustrar estas
divergncias de pensamento no sentido de entender as variveis que interferem no
mercado, bem como a que intensidade estas variveis so capazes de influenciar nos
retornos dos ativos negociados ser apresentado um levantamento breve sobre duas
abordagens bastante utilizadas no mercado financeiro, a anlise tcnica e a anlise
fundamentalista.
1.5
ANALISE TCNICA E ANLISE FUNDAMENTALISTA

O principal objetivo da anlise tcnica , a partir da observao dos
movimentos passados dos ativos, volumes negociados, contratos abertos, anlises de

grficos, indicadores, entre outros, desenvolver regras e ferramentas para a descrio
dos movimentos futuros dos ativos, bem como o estudo do funcionamento do
mercado. (MURPHY, 1986)
Esta filosofia de estudo altamente contrastante com a anlise fundamental
em que os movimentos e desempenhos passados no possuem qualquer influncia
sobre os movimentos futuros dos ativos. Na anlise fundamental a deciso sobre
investimentos baseia-se no exame detalhado de aspectos econmicos e variveis que
afetam, direta ou indiretamente, s empresas envolvidas no estudo, e no valor do
investimento comparado com o valor de mercado.
A anlise tcnica, por sua vez, envolve o exame de preos e valores de
variveis passados, bem como a observao dos volumes negociados de forma a
conseguir a elaborao de modelos que procurem de certa forma descrever o
comportamento dos ativos estudados num horizonte de anlise futuro, e, portanto,
auxiliar nas decises de investimento.
25
Captulo 1 Introduo
A principal vantagem apontada pelos analistas tcnicos o fato de

acreditarem que uma mudana no preo dos ativos tende a prever mudanas nas
variveis fundamentalistas, tendendo a antecipar-se s anlises fundamentalistas. A
maioria das empresas de investimentos que trabalham muito forte com anlises
fundamentalistas tambm emprega a anlise tcnica para sustentarem suas decises
de investimentos.
A anlise tcnica uma ferramenta til para os gestores de portflio, uma vez
que as expectativas baseadas somente com a utilizao de mtodos fundamentalistas
nem sempre esto corretas. Segundo Allen (2005) possvel que as expectativas
provindas da utilizao de anlises fundamentalistas acerca de uma companhia
simplesmente no se concretizar por diversos motivos, ou simplesmente a resposta
do mercado pode no ser como esperado, mesmo que a anlise sobre as expectativas
de performance da empresa estejam corretas.
De acordo com Murphy (1986), trs premissas orientam a anlise tcnica: a
de que o funcionamento do mercado antecipa tudo, a de que os preos se
movimentam em tendncias e de que a histria se repete e o comportamento
psicolgico humano no muda.
Alm disso, o estudo do comportamento do mercado, anlises das sries
temporais dos ativos estudados, mximos e mnimos, volatilidades, padres de
oscilaes dos preos, podem servir como aprendizado, pois sempre se pode tirar
alguma coisa estudando os movimentos passados dos ativos, bem como suas reaes
frente aos movimentos de outras variveis de mercado.
Os analistas tcnicos concentram-se no na anlise dos relatrios das
empresas e pesquisas econmicas, mas focam sua pesquisa na maneira como os
preos se comportam no passado e como isso afeta os movimentos futuros. Os
fundamentos econmicos so estudados e justificados indiretamente. No comeo de
uma tendncia, ningum sabe justificar ao certo o porqu de ela estar ocorrendo. Pelo
estudo das sries de preos, os analistas deixam que o mercado lhes conte como est
atuando. O analista no tenta ser mais esperto que o mercado, mas sim, tirar
Captulo 1 Introduo
26
informaes deste. Esta uma das idias centrais da anlise tcnica, relacionada
dinmica dos mercados.
As duas frentes so bastante contrastantes, uma vez que enquanto os analistas
tcnicos procuram estudar os efeitos da psicologia do mercado, os fundamentalistas
procuram encontrar as causas deste comportamento. Os fundamentalistas acreditam
que as aes das empresas possuem um valor intrnseco, relacionado diretamente
empresa emissora, que pode, ou no estar refletido no seu preo de mercado.
Observando as duas abordagens, aparentemente, a anlise fundamentalista se
apresenta mais slida, uma vez que no somente o cenrio econmico analisado,
mas tambm as particularidades do nicho de atuao da empresa e sua situao
interna. Sendo assim, o que interessa, ento, o potencial de crescimento dos lucros
da empresa frente s oscilaes da economia, e sua conseqente capacidade de pagar
dividendos, sendo influenciado diretamente pela estratgia de operao da empresa,
o tipo de produto e mercado, variveis macroeconmicas, entre outros fatores.
Segundo MURPHY (1986), as vantagens da anlise tcnica frente s outras
abordagens so:
a) A definio do momento certo para entrar no mercado, o timing, s
pode ser obtido com a utilizao da analise tcnica;
b) A anlise tcnica flexvel e adaptvel. Os mesmos conceitos podem
ser aplicados a diversos mercados;
c) possvel se acompanhar vrios mercados com a anlise tcnica, uma
vez que se resume a indicadores e grficos. J a fundamentalista
requer um maior nvel de informao;
d) Algumas vezes, alguns mercados oferecem maiores possibilidades de
lucros, o que pode ser identificado pela anlise tcnica e no pela
fundamentalista;
e) A anlise tcnica permite operaes rpidas, onde posies so
abertas e fechadas no mesmo dia, os chamados day-trades, pois
27
Captulo 1 Introduo
possvel se definir indicadores que utilizam preos em intervalos

curtos, o que impossvel com a anlise fundamentalista.
LEVANTAMENTO BIBLIOGRFICO
29
Captulo 2 Levantamento Bibliogrfico
LEVANTAMENTO BIBLIOGRFICO
Nesta parte do trabalho realizado um levantamento detalhado dos aspectos

tericos necessrios para a elaborao do modelo a ser elaborado.
2.1
MODELOS DE REGRESSO
Segundo Meyres (1990) o termo regresso descreve uma coleo de tcnicas
estatsticas que servem para projetar inferncias sobre relaes quantitativas em um

sistema cientfico.
O modelo de regresso um dos modelos mais utilizados em estatstica, tendo
sua aplicao estendida em diversas reas do conhecimento. Em qualquer modelo de
30
regresso o principal objetivo obter uma equao matemtica que represente

quantitativamente a relao entre duas ou mais variveis, da seguinte maneira:
= , ,
, , + ,
(1)
Onde:
2.1.1
Yt a varivel dependente, no instante t;
X1, X2, .... , Xn so as variveis independentes, ou preditoras;
t o resduo da regresso em relao ao valor real, no instante t.
Regresso Linear Simples

O principal objetivo da regresso linear simples relacionar o comportamento
de duas variveis atravs de uma equao do tipo:

= + +
(2)
A regresso linear simples assume que a varivel Y depende somente de uma

nica varivel e que sua variao pode ser descrita por meio de uma reta que cruza o
eixo das ordenadas no ponto Y= 0 e possui coeficiente angular 1. Trata-se de um
modelo relativamente simples, porm bastante utilizado, tendo os conceitos
envolvidos para sua definio facilmente expandidos para outros casos mais
complexos desde que entendidos de forma adequada.
250
200
150
100
50
0
0
20
40
60
80
100
-50
Figura 1 - Esquema de um Modelo de Regresso Linear Simples.
31
A obteno da equao que descreve o modelo de regresso simples pode ser

obtida aplicando-se o Mtodo dos Mnimos Quadrados (MMQ).
A idia bsica para encontrar-se a equao que represente o caso estudado
baseia-se no fato de que 0 e 1 so desconhecidos, ento estima-se os parmetros da
equao , b0 e b1 atravs dos dados do problema de modo que se minimize o erro
total entre os valores em relao ao valor real Yt, obtidos atravs do modelo:
= + + ,
(3)
Onde:
o estimador da varivel dependente (Y), no instante t;

o estimador do parmetro 0;
o estimador do parmetro 1;
a varivel independente ou preditora, no instante t;
o resduo da regresso em relao ao valor real de Y.
Sendo assim:

= 0 1

4
Porm, encontrar o mnimo da expresso (4) fica dificultado devido ao fato de

a funo mdulo no ser derivvel em todos os pontos. Sendo assim, minimizar a
soma dos erros ficaria mais simples se a funo que se deseja minimizar fosse
derivvel em todos os pontos, desta forma, o MMQ faz o uso da soma dos
quadrados, tendo desta forma que minimizar a seguinte funo:
= =

5
32
Derivando a equao acima em relao a 0 e 1, temos:
!
= 2
!

!
= 2
!

6
7
Para encontrarmos os valores de b0 e b1 basta encontrarmos o ponto em que as

derivadas expressas em (6) e (7) so nulas, ponto este onde se encontra o mnimo da
soma dos quadrados dos erros, desta forma, j isolando b1, podemos encontrar que:
=

&

+
&

8
Onde se pode, com uma notao conveniente, escrever:

() = * * = &**
(( = * = &*

)) = * = &*
9
10
11
De onde podemos concluir que:

=
,,,
12
Para b0, basta aplicar:
33
= * *
13
Para analisar a preciso do modelo de regresso construdo, podemos definir:
A varincia total como a soma dos quadrados das diferenas entre a

mdia * e as observaes , chamando de soma dos quadrados total, ou

/012 = *

14
A varincia da regresso como a soma do quadrado das diferenas entre
as previses 3 e a mdia *, chamando de soma dos quadrados da
regresso, ou
456 = 3 *

15
A varincia do erro como a soma dos quadrados do erro, chamando de

soma dos quadrados residual, ou

457 = 3

16
A partir das equaes (14), (15) e (16) para definio das varincias, podemos
considerar a seguinte identidade:
/012 = 456 + 457
17
34
Yi
Yi - i = ei
Yi - Yi
i
Yi - i
Yi
Fitted line i = b0 + b1X
Figura 2 - Significado geomtrico da igualdade STotal=SReg+SRes. Fonte: DRAPER
Assim, possvel verificar a proporo da varincia explicada pelo modelo

(SReg) em relao variao total do modelo (STotal). Para tanto se pode apresentar o
coeficiente de determinao R2. Este coeficiente varia entre 0 e 1, sendo que quanto
mais prximo de 1, melhor o modelo, tendo a frao residual (SRes) pouca influncia
no modelo. De (15) e (17) temos que:
8 =
456
/012
18
A partir do resultado das equaes apresentadas anteriormente, podemos

realizar uma Anlise de Varincia (ANOVA), sendo que os quadrados mdios so
obtidos a partir da diviso de cada soma dos quadrados apresentados pelos
respectivos graus de liberdade.
35
Tabela 1 - Anlise de Varincia (ANOVA) para uma varivel
Variao
Regresso
Residual
Total
Graus de
Soma dos
Quadrados
Liberdade
Quadrados
Mdios
:;456
<:;
457
n2
n1
3 *

3 *

*
456
9
1
4579
&2

A estatstica F, obtida com o auxlio da tabela ANOVA apresentada

anteriormente, serve para analisar a significncia do modelo. Pode-se desta forma
testar a hiptese de o coeficiente da varivel independente ser 0, ou seja testa-se a
hiptese:
= : = 0
= : 0
Caso o valor da estatstica F obtida a partir da tabela, ou seja, do modelo

proposto, for maior que o valor crtico de F obtido de uma tabela de valores padres
a partir do nmero de graus de liberdade (1 e n 2) e o coeficiente adotado de
significncia para o modelo , pode-se rejeitar H0, logo considerar que o coeficiente
da varivel independente no nulo, ou seja, significativo para o modelo. Caso o
valor encontrado seja menor que o valor crtico no se pode afirmar ao nvel de
significncia adotado que o valor do coeficiente no seja nulo, sendo necessrio,
portanto, novos testes para confirmar a afirmao.
2.1.2
36
A Abordagem Matricial
Notao:

G
F

F,
F
E
1
C
B1
@ = B1
B
A1

C G
B F
H = B
F,
BF
A E
I = J K M,
L

C G
B F
N = B
F,
BF
A E
1
C1G
B F
L = B1F
BF
A1E
O mtodo aplicado para a definio da equao matemtica que mais

represente a relao entre as variveis, assim como apresentado anteriormente o
MMQ, porm costuma-se utilizar a notao matricial para facilitar a definio dos
clculos, bem como o desenvolvimento do processo de regresso.
Consideremos ainda o caso da regresso linear simples:
Note que:
+ +
+ + = N N
19
& = + +
+ + = L H
21
+ +
+ + = H H
20
O P9
Q
Q
& =
& = H LL H
22
1
@ @ = R

@ H = R
1

1

1
&
1 1
S
T
U
=
T

1
1

1
S
T
U
=
T
U

23
24
37
Sendo assim, podemos escrever:

@ @V = @ H
25
De onde podemos concluir, isolando b, que:

V = @ @ WL @ H
2.1.3
26
Regresso Mltipla
A realizao da regresso mltipla se faz necessrio quando uma varivel, em
sua srie, tem seu movimento correlacionado com mais de uma varivel, ou seja,
mais de uma varivel interfere e define o valor da varivel objetivo, sendo esta
sensvel s suas variaes.
Os aspectos conceituais que envolvem a resoluo da regresso mltipla so
os mesmos utilizados e definidos anteriormente na abordagem matricial, onde a
estimao dos parmetros do modelo definida utilizando o MMQ.
Sendo assim:
1
C
B1
@ = B1
B
A1

Y
Y G
F
Y
F, H =
F
Y E

C G
C KG

B F
B L F
B
F, I = , N =
B F
BF
AZ E
A E

C
B
B
B
A
Y
Y G
Y
FF, L =
F
Y E
1
C1G
B F
B1F
BF
A1E
Assim a soluo para a estimao do vetor b segue o mesmo raciocnio do

modelo linear simples apenas alterando a dimenso das matrizes envolvidas no
processo. Devido ao tamanho elevado das matrizes envolvidas no processo,
aconselhvel o uso de softwares para a resoluo da parte de clculo e operaes
envolvendo as matrizes.
Assim podemos dizer que, analogamente ao modelo linear simples:
38
V = @ @ WL @ H
27
Assim como na regresso linear simples, tambm podemos definir as somas

dos quadrados envolvidos na regresso, necessrios para a anlise de varincia.
Analogamente, temos:

[
/012 = * = H H &H

28

[
456 = 3 * = V @ H &H
28

457 = O 3 P = H H V @ H
29

Sendo k o nmero de variveis envolvidas na confeco do modelo proposto,

podemos apresentar, neste momento, a tabela que sintetiza a anlise de varincia
(ANOVA) para a regresso mltipla:
Tabela 2 - Anlise de varincia (ANOVA) para k variveis independentes
Variao
Regresso
Residual
Total
Graus de
Soma dos
Quadrados
Liberdade
Quadrados
Mdios
:;456
<:;
457
nk1
n1
3 *

3

*
456
9
1
4579
& ] 1

Da mesma forma que apresentado anteriormente para a regresso linear

simples, o objetivo testar a estatstica F obtida com o auxlio da tabela acima, com
39
o retirado de uma tabela de F padres, agora com k e n k 1 graus de liberdade e

significncia , para verificar a seguinte hiptese:
= : = 0, 1 ]
= : `a bc&ad eb 0, 1 ]
Da mesma forma, caso o F calculado seja maior que o F tabelado, rejeita-se

H0, podendo-se afirmar, com uma significncia , que ao menos um coeficiente bi
no nulo, ou seja, significativo para o modelo.
Podemos apresentar, como na regresso simples, o coeficiente de
determinao, sendo este calculado como segue:
8 =
456
/012
30
Para o caso da regresso mltipla, DRAPER (1969) atenta para o fato de que
medida que se acrescentam variveis ao modelo, sempre ocorre um acrscimo para
R2, mesmo que pouco acrescentem ou nada acrescentem ao modelo, devendo-se,
portanto, levar em conta o acrscimo nos graus de liberdade devido ao acrscimo de
variveis ao modelo. Para contornar este tipo de problema, uma alternativa a
utilizao do R2Ajustado.
8 fgh71i0 = 1
&1
1 8
&]1
31
Outra alternativa para verificar a melhora obtida para o modelo devido o

acrscimo de uma varivel ao modelo, a execuo de testes a partir dos F-parciais,
ou F-tests. Neste teste avalia-se o quanto se melhora o modelo ao acrescentar a
varivel avaliada a um modelo que inicialmente no continha tal varivel. Este
critrio muito til para adicionar ou remover variveis ao modelo.
2.1.4
40
Tcnicas para a obteno do melhor modelo de regresso

Existem vrios procedimentos, algoritmos para a obteno do melhor modelo
de regresso a partir das variveis disponveis, de forma a utilizar as variveis que

realmente acrescentam e melhoram o modelo, justificando, desta forma, sua
utilizao.
DRAPER (1969) descreve diversos modelos para a obteno da melhor
alternativa de regresso. A seguir descrito dois dos principais mtodos utilizados.
i.
Forward Selection Method

Inicia-se o processo sem nenhuma varivel, a partir de ento avaliam-se todas
as correlaes da varivel objetivo com as varivel explicativas, identifica-se a
varivel com maior correlao frente varivel objetivo e testa se esta quando
inserida no modelo apresenta um F-parcial maior que o valor crtico para o nvel de
significncia em que se est trabalhando e para os graus de liberdade.
Comparando o F-parcial da varivel candidata a entrar no modelo, pode-se
decidir quanto a sua incluso/excluso, desta forma vo se inserido uma a uma as
variveis significativas no modelo. O mtodo pra quando a varivel candidata no
apresentar um F-parcial que justifique sua entrada no modelo.
ii.
Backward Elimination Method

Inicia-se com o nmero total (mximo) de variveis e, partindo desta situao
iniciado um processo iterativo em que se testam todos os F-parciais de modo a
identificar a varivel que menos acrescenta ao modelo, dado um nvel de
significncia, visto que o acrscimo de uma varivel ao modelo sempre reduzir seu
erro quadrtico, o problema identificar se esta reduo do erro justifica a
permanncia desta varivel no modelo.
41
A realizao do teste F considera o efeito da varivel no modelo, como se

esta fosse a ltima a ser inserida ao modelo. Desta forma possvel avaliar o quanto
efetivamente a insero desta varivel acrescentou, ou melhorou o modelo em
questo. Comparado com o valor crtico para um nvel desejado de significncia
possvel justificar ou no a permanncia da varivel no modelo.
Stepwise Procedure
iii.
Como no mtodo Forward Selection inicia-se sem nenhuma varivel no

modelo, porm, neste algoritmo possvel a insero de variveis bem como sua
eliminao a cada iterao.
Primeiramente seleciona-se a varivel que possui a maior correlao com a
varivel objetivo, e a partir desta varivel encontra-se a equao que descreve o valor
de Y em funo de Z1 selecionado, obtendo-se Y = f(Z1).
Em seguida verifica se a varivel inserida significante para o modelo. Para
tanto realizada uma anlise com relao ao F-parcial. Caso a varivel no seja
significante para o modelo abandona-se a varivel e adota Y = como melhor
modelo.
Caso seja significativo para o modelo, seleciona-se a segunda para entrar no
modelo de regresso. Examinam-se as correlaes com a varivel objetivo de Zj,
sendo j=1. Matematicamente isto consiste em encontrar as correlaes entre:
a) Os resduos da regresso = f(Z1) e
b) Os resduos de cada regresso j = f(Z1, Z2)
Escolhe-se o Zj com maior correlao parcial com Y e encontra-se = f(Z1,
Z2). Testa-se a significncia da regresso. Para tanto se examina os F-parciais de
ambas as variveis do modelo, os F-parciais so comparados com os valores crticos
42
para o nvel de significncia desejado, desta forma mantm-se ou rejeita-se cada uma
das variveis.
possvel utilizar tambm diferentes nveis de significncia para insero de
variveis ao modelo e remoo de variveis do modelo. Por exemplo, pode-se
utilizar para insero de variveis ao modelo uma significncia de 5% e para
remoo um nvel de significncia de 10%. Neste caso adotada uma postura
conservadora, visto que medida que uma varivel inserida no modelo espera-se
que esta permanea no modelo.
A iterao pra quando no se consegue inserir nem remover variveis.
2.1.5
Anlise dos resduos

A anlise dos resduos uma etapa essencial em qualquer modelo de
regresso. Sua realizao tem por objetivo testar a aderncia do modelo construdo
com os dados observados a fim de avaliar a efetividade do modelo confeccionado
uma vez que os modelos assumem que as sries temporais so compostas por um
movimento aleatrio composto por uma mdia, um desvio padro e uma determinada
distribuio (ENDERS, 2004).
Os resduos so definidos como as n diferenas c = 3 , i = 1, 2, ... , n,
onde uma observao e 3 o valor correspondente obtido com a utilizao do
modelo de regresso. Desta forma, pode-se perceber que os resduos ei so as
diferenas entre o que realmente observado, e o que foi estimado atravs do modelo
de regresso, ou seja, o que o modelo de regresso construdo no pde explicar.
Algumas hipteses acerca dos resduos obtidos com a regresso devem ser
feitas, a fim de avaliar a eficcia do modelo: as hipteses comuns so que os erros
so independentes entre si, e seguem uma distribuio descrita por N(0, 2), ou seja,
uma distribuio normal, com mdia zero e varincia constante e igual a 2.
43
Portanto, se o modelo construdo for satisfatrio, os resduos encontrados

com a utilizao do modelo devem tender a confirmar as hipteses feitas, ou, ao
menos devem no demonstrar justificativas para neg-las.
Algumas ferramentas so muito importantes para a realizao dos testes
acerca hipteses necessrias para a anlise correta dos resduos, bem como a
validao do modelo proposto.
Uma destas ferramentas o histograma que apresenta a freqncia dos
valores dos resduos da regresso obtidos com o modelo, dentro de faixas
estabelecidas. possvel observar, com o histograma, o perfil da curva dos resduos
podendo, desta forma compar-lo com uma curva normalmente distribuda. Quanto
mais prximo de uma curva normal, mais prximos esto da hiptese de normalidade
dos resduos, logo melhor o modelo, podendo considerar que o modelo engloba
satisfatoriamente as causas do movimento da varivel resposta, restando ento,
apenas, a componente puramente varivel.
Outra ferramenta o time sequence plot em que se plotado num grfico os
pontos dos resduos na ordem temporal em que eles aparecem, com esta ferramenta,
o objetivo principal a avaliao da evoluo dos resduos ao longo do tempo, ou
seja, o efeito do tempo sobre os resduos apresentados. Draper (1969) apresenta
alguns exemplos podem ser apresentados para resduos no satisfatrios:
1) A varincia no constante ao longo do tempo, pois cresce a medida que
se avana na linha do tempo, indicando a utilizao de uma anlise
ponderada dos mnimos quadrados;
2) Um termo linear no tempo deve ser includo no modelo;
3) Termos lineares e quadrticos devem ser includos no modelo.
A Figura abaixo representa os problemas apontados acima, bem como o
esquema de um resduo satisfatrio.
44
(a)
(b)
(c)
(d)
Figura 3 - Apresentao de esquemas de resduos (a) satisfatrios e (b), (c) e (d) insatisfatrios.
Fonte: DRAPER
Outra importante ferramenta na analise dos resduos o Papel de

Probabilidade Normal (PPN). Esta ferramenta capaz de analisar a proximidade dos
resduos
uma
curva
normalmente
distribuda.
Devido
sua
escala
convenientemente construda, uma varivel que descreve uma curva normal de

probabilidades, ao plotada nesta escala, descrever sobre o papel uma linha reta,
podendo, desta forma, testar a normalidade dos resduos obtidos como processo de
regresso.
2.2
SRIES TEMPORAIS
Uma srie temporal consiste em qualquer conjunto de dados ordenados no
tempo. Os modelos que abordam a utilizao de anlises de sries temporais so

muito utilizados nos mais variados campos, indo deste a sua utilizao em Geofsica,
at Economia e Finanas. Desta forma, a quantidade de modelos existentes muito
grande para descrever fenmenos particulares, assim sua construo depende de
45
diversos fatores como

omo o comportamento da srie estudada, bem como o objetivo da
anlise e a utilizao de softwares adequados.
Os principais objetivos da utilizao de anlises de sries de tempo podem ser
listadas, de forma resumida, como:
Investigar o mecanismo gerador;
Fazer previses de valores futuros;
Descrever o comportamento da srie;
Procurar periodicidades relevantes.
Muitas situaes em engenharia, fsica ou economia podem ser descritos

utilizando o conceito de sistema dinmico, definido na expresso (32) e ilustrado
ilust
na
Figura 4:
jk = lm k m
n
32
Figura 4 Sistema Dinmico
Morettin e Toloi (2004) apresenta alguns exemplos de problemas

considerados de interesse, com a utilizao deste conceito:
Estimar funo de transferncia (l (t)), conhecendo X(t) e Z(t);

Z(t)
Fazer previses de Z(t + ), conhecendo Z(t);
Estudar o comportamento, simulando Z(t);
2.2.1
46
Controlar Z(t), ajustando convenientemente Z(t).
Processos Estocsticos
Os modelos utilizados para descrever sries temporais so processos
estocsticos, ou simplesmente, processos controlados por leis probabilsticas.

Podemos definir formalmente um processo da seguinte forma:
Seja T um conjunto arbitrrio. Um processo estocstico uma famlia Z =
{Z(t), t T}, tal que, para cada t T, Z(t) uma varivel aleatria. (MORETTIN E
TOLOI, 2004).
Podemos dizer, portanto, que um processo estocstico uma famlia de
variveis aleatrias (v.a.) definidas num mesmo espao de probabilidades (o, p),
sendo T comumente tomado como sendo o conjunto dos nmeros inteiros Z, sendo
que, para cada t T, Z(t) ser uma v.a. real.
t z(z)
Z(t, )
(t 1)
t1
(t 2)
(t 3)
t2
t3
t
Figura 5 - Um processo estocstico como uma famlia de variveis aleatrias. Fonte: Morettin e
Toloi (2004)
2.2.2
Funo de autocorrelao
Para a anlise dos modelos de sries temporais, se faz necessrio a
observao das autocorrelaes entre seus valores, sendo assim se faz necessrio a
introduo deste conceito.
47
Seja {Xt, t T} um processo estacionrio real discreto, de mdia zero e facv

t = E{Xt Xt+}. (MORETTIN E TOLOI, 2004).
Sendo que a facv t satisfaz algumas propriedades especficas:
(i)
0 > 0,
(ii)
- > ,
(iii)
|| 0,
(iv)
no negativa definida, no sentido que

`g `q rns Wnt 0
g q
para quaisquer nmeros reais a1, ... , an e 1, ... , n de Z.

Tipicamente a facv de um processo estacionrio tende a zero, para | | .
A funo de autocorrelao (fac) de um processo estocstico dado por:
vn =
rn
, m w x8
r
33
e tem as mesmas propriedades de , exceto que agora 0 = 1.

2.2.3
Estacionariedade
Para a anlise de uma srie temporal, uma das hipteses mais comuns a
suposio de que a srie estacionria, ou seja, ela se desenvolve ao longo do tempo

ao redor de uma mdia constante e uma varincia estvel. Exemplos de sries no
estacionrias so sries econmicas, que em geral apresentam tendncias, sendo o
caso mais simples aquele em que a srie flutua ao redor de uma reta, com inclinao
positiva ou negativa.
48
Devido a uma comum suposio de estacionariedade das sries para a anlise

estatstica de sries temporais, comum a realizao de transformaes da srie
original a fim de obter-se uma srie estacionria. Sendo assim a transformao mais
comum efetuada com este intuito a tomada de diferenas sucessivas da srie
original.
A primeira diferena de Z(t) definida por:
jk = jk jk 1
34
A segunda diferena :
jk = zjk { = zjk jk 1 {
Ou seja,
jk = jk 2jk 1 + jk 2
Ou ainda de modo geral:
jk = zW jk {
35
A Figura 6 apresenta a tomada de diferenas sobre a srie de preos do ativo

PETR4, sendo que em (a) a srie apresenta a srie semanal dos preos e em (b) a
srie das primeiras diferenas, obtidas a partir da aplicao da transformao
apresentada na expresso (34).
49
(a)
(b)
Figura 6 (a) Srie semanal de PETR4 (b) Primeira diferena de PETR4
2.2.4
Modelos ARIMA (Auto Regressive Integrated Moving Average)

Os modelos auto-regressivos integrados de mdias mveis ARIMA (p, d, q)
consistem numa metodologia bastante utilizada no processo de analise de sries

temporais. Uma estratgia para a construo do modelo proposto por Box e Jenkins
(1970):
Passo 1: Especificao Uma classe geral de modelos considerada

para anlise;
Passo 2: Identificao do modelo a ser utilizado com base nas

autocorrelaes, autocorrelaes parciais;
Passo 3: Estimao dos parmetros do modelo identificado;
Passo 4: Verificao ou diagnstico do modelo ajustado, atravs da

anlise dos resduos, para validao do modelo.
50
O fluxograma do processo de construo do modelo ARIMA(p, d, q)

ilustrado na Figura 7 mostrando o processo de repetio do ciclo caso o modelo
obtido no seja satisfatrio, necessitando o reprocesso a partir do Passo 2
(Identificao).
Especificao
Identificao
Estimao
Verificao
No
Adequado?
Sim
Figura 7 Fluxograma da construo do modelo ARIMA
Uma etapa importante para facilitar o entendimento das equaes ao longo do

trabalho, alm de facilidade proporcionada nas etapas de manipulao dos modelos,
a definio de operadores convenientes:
(a) Operador Translao para o Passado (B):
|j = jW , | Y j = jWY
36
(b) Operador Translao para o Futuro (F):

}j = j~ , } Y j = j~Y
37
(c) Operador Diferena ()
51
j = j jW = 1 | j
Ou
= 1 |
38
(d) Operador Soma (S)

j = j + jW + 1 + | + | + j ,
Sendo assim:
j = 1 | W j = W j
Ou melhor
= W
39
Nas prximas subsees sero apresentados uma sntese dos principais

modelos de sries temporais que constituem nos modelos de anlise ARIMA(p,d,q).
Para maiores detalhes e as definies completas consultar (MORETTIN E TOLOI,
2004) ou (BOX & JENKINS, 1970).
Modelos Auto-Regressivos
i.
Pode-se definir um modelo AR(p) Auto-regressivo de ordem p, como

abaixo:
j = jW + jW + + jW + ` ,
Ou, utilizando a notao apresentada anteriormente, baseada em operadores,
temos que:
Ou simplesmente:
| = 1 | | | ,
52
| j = `
40
Figura 8 - Exemplo de um processo AR(1)
Tomando a equao que representa o modelo auto-regressivo, apresentada
acima, multiplicando-se ambos os membros por Zt-1, e aplicando-se a esperana,
temos que
Oj jWg P = OjW jWg P + OjW jWg P + + OjW jWg P
+ O` jWg P
41
Como jWg s envolve rudos at `Wg , podemos afirmar que O` jWg P = 0,
para j > 0, sendo assim
rg = rgW + rgW + + rgW ,
>0
Dividindo a equao acima por r = `j , obtemos

vg = vgW + vgW + + vgW ,
>0
42
43
53
O comportamento da funo de autocorrelao de um processo autoregressivo, apresenta um decaimento exponencial para um modelo de ordem 1, ou
seja, AR(p) com p = 1, ou genericamente, apresenta uma combinao de polinmios,
exponenciais e senides amortecidas.
ii.
Modelos de Mdias Mveis

Por um modelo de mdias mveis de ordem q denota-se MA(q) moving
average podendo se utilizar a seguinte notao:
j = + ` `W `W
44
Sendo assim, podemos escrever

j = O1 | | P` = | `
45
Onde
j = j
| = 1 | | |
Segundo Enders (2004), o modelo de mdias mveis apropriado quando a

varivel explicada atravs da soma ponderada dos rudos brancos anteriores mais
um rudo atual.
54
Figura 9 - Exemplo de um processo MA(1)
A partir da definio de modelos de mdias mveis apresentado acima, bem
como do conceito de facv, podemos tomar que:
rg = j jW = ` q `Wq `Wg 2 `WgW2

q
2
46
Lembrando que
r1 = O` `Wg P =
1 ,
0,
=0
0
De onde podemos chegar que

v =
Ws ~ s ~ s ~~ s
~ ~ ~~
0,
= 1, , ,
>
47
55
De onde pode-se observar que a fac de um processo MA(q) igual a zero

para lags maiores do que q, ao contrrio do que acontece com um processo AR(p).
(MORETTIN E TOLOI, 2004).
iii.
Modelos ARMA (p, q)

Modelos ARMA (p, q) so muito utilizados, principalmente em algumas
reas como Economia ou em Cincias Fsicas ou Geofsicas. Para muitas sries

encontradas na prtica, segundo Morettin e Toloi (2004), a utilizao de modelos
ARMA bastante til para obteno de modelos com um nmero no muito grande
de parmetros. O modelo ARMA (p, q) combina uma frao auto-regressiva AR(p) e
uma frao determinada por um modelo de mdias mveis MA(q).
Um modelo ARMA(p,q) pode ser representado da seguinte forma:
Frao AR(p)
Frao MA(q)
j = jW + + jW + W W
48
Sendo
j = j ,
Ou utilizando os operadores definidos anteriormente:
| j = |
49
56
Figura 10 - Exemplo de um modelo ARMA(1, 1)
Tomando a equao que define um modelo ARMA(p, q) apresentado
anteriormente, podemos chegar que
rg = Oj jW P
= O jW + + jW + ` `W
`W PjW
50
Desta forma podemos obter a fac do processo a partir de equao acima,

como
vg = vgW + vgW + + vgW ,
>
51
Assim, pode-se perceber que as autocorrelaes de lags 1, 2, ... , q sero

afetadas pelos parmetros de mdias mveis, mas para j > q, pode-se notar que estas
se comportam como nos modelos auto-regressivos. (MORETTIN E TOLOI, 2004)
57
iv.
Modelos no Estacionrios
Como dito anteriormente, a anlise de sries temporais supe, primeiramente
que a srie estudada seja estacionria, ou seja, tenha ao longo de sua distribuio
uma mdia constante e uma varincia estvel, de forma que no importe o ponto de
partida tomado para a anlise da srie, esta tenha uma distribuio com as mesmas
caractersticas ao longo da srie. Caso a srie no seja estacionaria, fato comum em
se tratando de sries de ativos econmicos, se faz necessrio para a utilizao dos
modelos uma transformao da srie original, a fim de obter uma srie estacionria.
v.
Modelo ARIMA (p, d, q)

Sendo = Z uma srie estacionria, podemos, desta forma, representar
Wt por um modelo ARMA (p, q). Sendo assim:
= |
|
52
Na maioria dos casos d = 1 ou 2 j se mostra suficiente para obter uma srie

estacionria, correspondendo a casos de no-estacionariedade homognea, sendo
possvel represent-la por um modelo ARMA (p, q), estacionrio e invertvel.
(a) Sries no estacionrias quanto ao nvel: oscilam ao redor de um nvel mdio
durante certo tempo e depois saltam para outro nvel. Para torn-la
estacionria basta uma diferena;
(b) Sries no estacionrias quanto inclinao: oscilam ao redor de uma reta
numa direo por algum tempo e depois passa a oscilar ao redor de outra reta
com inclinao diferente da primeira. Para torn-la estacionria se faz
necessria a tomada da segunda diferena.
A escolha do modelo a ser utilizado realizada com base, principalmente nos
grficos de autocorrelaes e autocorrelaes parciais estimadas, que como se espera
representem satisfatoriamente as respectivas quantidades tericas.
58
No processo de identificao so realizadas a determinao dos valores que

determinam o modelo ARIMA (p, d, q) a ser utilizado, a saber p, d e q, bem como as
estimativas preliminares dos parmetros que sero utilizados no processo de
estimao.
O procedimento de identificao pode ser dividido em trs etapas sendo cada
uma a definio de um parmetro do modelo:
(c) Verificar a necessidade de realizar uma transformao preliminar na srie
com o intuito de estabilizar sua varincia. Em sries econmicas comum a
realizao da transformao logartmica, porm sua realizao deve ser
analisada quanto a necessidade. A identificao da melhor transformao
pode ser efetuada com auxlio de grficos.
(d) Tomar diferenas a fim de obter uma srie estacionria de modo a considerar
uma modelo ARMA(p, q) da srie diferenciada tendo d diferenas da srie
original. O nmero de diferenas a serem tomadas obtido quando a fac
amostral de Wt decresce rapidamente para zero.
(e) Identificar o processo ARMA(p, q) para a srie diferenciada, atravs de
autocorrelaes e autocorrelaes parciais estimadas, cujos comportamentos
devem imitar o comportamento da srie terica.
A Tabela 1 representa sucintamente as caractersticas teis para a
identificao do modelo adequado para a utilizao.
59
Tabela 3 Comportamento das fac (k) e facp (kk) de um processo ARIMA(p, d, q) Fonte:
MORETTIN E TOLOI (2004)
Ordem
Comportamento de k
(1, d, 0)
(0, d, 1)
somente 1 0
decai exponencialmente
Comportamento de kk
somente k 0
estimativas iniciais
regio de admissibilidade
= 1
-1 < < 1
Ordem
Comportamento de k
(2, d, 0)
mistura de exponenciais ou
ondas senides amortecidas
Comportamento de kk
somente 11 0 e 22 0
decaimento exponencial dominante

2
1 = - /(1 + )
-1 < < 1
(0, d, 2)
somente 1 0 e 2 0
dominada por mistura de exponenciais ou
senides amortecidas
1 = 1(1 - 2)/(1-1 )
2
2 = 2(2 - 1 )/(1-1 )
2 = -2/(1 + 1 + 2 )
-1 < 2 < 1
2 - 1 < 1
2 + 1 < 1
-1 < 2 < 1
2 - 1 < 1
2 + 1 < 1
Ordem
Comportamento de k
(1, d, 1)
decai exponencialmente aps o lag 1
Comportamento de k
dominada por decaimento exponencial ps o lag 1

2
1 = (1 - )( - )/(1 + - 2)
2 = 1
-1 < < 1
-1 < < 1
1 = -1(1 - 2)/(1 + 1 + 2 )
PROPOSTA DE MODELAGEM
61
Captulo 3 Proposta de Modelagem
Inserir um pensamento bacana aqui
PROPOSTA DE MODELAGEM
Neste captulo do trabalho ser apresentada a construo do modelo proposto

com a aplicao dos conceitos apresentados no Captulo 2.
A proposta de modelagem consiste no estudo de uma ferramenta que
relacione as variveis que sintetizem o comportamento do mercado, com o intuito de
apresentar matematicamente a funo que resume a evoluo dos movimentos
futuros dos ativos estudados com as variveis explicadoras, servindo como uma
ferramenta de entendimento dos fatores que influenciam diretamente no
comportamento dos preos do ativo.
Sendo assim o modelo proposto parte da aplicao dos conceitos
apresentados na reviso bibliogrfica discutida no captulo anterior, a saber, os
princpios da modelagem de regresso e sries temporais, sendo que a funo
62
proposta para posteriormente proporcionar ferramentas para as anlises futuras pode

ser resumidamente ser descrita como segue:
= + W + `Wg + q q +

g
q
Onde:
= i
Sendo que:
y a varivel dependente do modelo, ou seja, o ativo em estudo;
i so os coeficientes correspondentes ao modelo autorregressivo

AR(p);
j so os coeficientes correspondentes ao modelo de mdias mveis

MA(q);
3.1
k so os coeficientes correspondentes ao modelo de regresso;
xk so as variveis independentes, ou seja, explicativas do modelo.
SELEO DOS ATIVOS ESTUDADOS

Para a elaborao do modelo e a realizao das anlises propostas para este
trabalho foram selecionados alguns ativos para expor a metodologia empregada. Os

ativos selecionados para apresentar o mtodo esto listados abaixo, sendo que todos
so negociados na BOVESPA Bolsa de Valores de So Paulo seguidos das
Figuras 11-13 as quais representam a evoluo das sries dos preos dos respectivos
ativos, dentro do perodo selecionado para anlise (entre 31/12/2004 a 19/9/2008) e
com periodicidade semanal.
63
I.
PETR4 Petrleo Brasileiro S.A. (Petrobrs)
PETR4
35,00
30,00
25,00
20,00
15,00
10,00
5,00
-
Figura 11 - Evoluo dos preos do ativo PETR4.
II.
BBDC4 Banco Bradesco S.A.
BBDC4
30,00
25,00
20,00
15,00
10,00
5,00
-
Figura 12 - Evoluo dos preos do ativo BBDC4.
III.
64
VALE5 Cia. Vale do Rio Doce (Vale)
VALE4
40,00
35,00
30,00
25,00
20,00
15,00
10,00
5,00
-
Figura 13 - Evoluo dos preos do ativo VALE5
Quando da seleo dos ativos que comporiam as anlises, foram adotados

alguns critrios para sua definio, tais como volume negociado, liquidez, entre
outros. A descrio de tais critrios est exposta detalhadamente a seguir:
Liquidez Foram considerados ativos com alta liquidez, o que facilita a
anlises das sries de preos, uma vez que ativos com baixa liquidez acarretam
dificuldades na obteno de dados, visto que teriam perodos sem dados suficientes,
uma vez que no houve negociao.
Volume Foram considerados ativos com alto volume de negociao, tanto
para garantir a liquidez quanto para justificar sua importncia de anlise.
Setor Foram selecionados ativos de diferentes setores econmicos, a fim de
abordar diferentes reas.
Incio de negociao Os ativos selecionados foram negociados desde 2004,
a fim de obter um volume de dados suficientes para a realizao das anlises.
65
3.2
SELEO DAS VARIVEIS

As aes representam as respectivas empresas envolvidas, de forma que
quando um investidor compra uma ao de uma empresa, est diretamente

comprando uma frao do capital desta empresa, passando, portanto a ser um scio
desta empresa. Neste sentido, a flutuao dos preos das aes das empresas reflete a
situao da empresa frente s condies ambientais em que esta empresa est
inserida.
Com este pensamento a idia de utilizar, neste trabalho, uma metodologia de
anlise calcada em indicadores que representem estes fatores de risco em que a
empresa est sendo afetada, tem o intuito de identificar a sensibilidade dos ativos das
empresas em relao s flutuaes dos fatores de risco s quais as empresas esto
inseridas. Assim, as variveis selecionadas objetivam sintetizar estes fatores de risco
por meio de indicadores que procuram expressar este ambiente das empresas.
Para tanto foram selecionados variveis tais como ndices de Bolsas,
commodities, taxas de juros etc. Os fatores foram selecionados de forma a englobar
todos os ativos selecionados, sendo posteriormente analisada a pertinncia de cada
fator no modelo final. Abaixo sero apresentadas as variveis selecionadas para o
processo de anlise sendo que para uma melhor exposio, estas sero estratificadas
em quatro grandes grupos, a saber, ndices de Aes, Commodities, Moedas e Taxas
de Juros.
Para que fosse possvel uma comparao entre as variveis bem como uma
anlise adequada das relaes entre as varveis e os ativos estudados, foi realizada
uma unificao das unidades, ou seja, todas as variveis citadas esto no processo de
modelagem esto expressas em uma nica moeda, sendo que a moeda selecionada
para a unificao dos preos o Dlar Americano.
Esta abordagem considera uma anlise do ativo da perspectiva de um
investidor americano, lembrando que se o modelo proposto no tem o intuito de
analisar empresas e sim ativos e seu retorno para o investidor. Cabe esclarecer
66
poderia ter adotado qualquer outra moeda, porm foi utilizada uma moeda
estrangeira para apresentar alguns efeitos do cmbio no processo de anlise de ativos
quando da anlise de ativos por um investidor de outro pas, visto que a bolsa
brasileira, comparada outras emergentes, barata, e isso bastante atrativo para o
estrangeiro.
Abaixo na apresentao das variveis, quando inserido o mnemnico em
parnteses este significa o nome utilizado nas sadas do programa, quando da anlise
do modelo, mais adiante, para os outros casos foram utilizados os prprios nomes
apresentados.
3.2.1
ndices de Aes
ndices de aes so importantes pois sintetizam algumas caractersticas do
mercado, sumarizam algum comportamento observado. Muitas vezes trazem

informaes sobre as tendncias de todo um setor da economia ou do comportamento
de um conjunto de ativos, ou seja, conseguem expressar em um nmero, uma grande
quantidade de informaes. A seguir alguns ndices utilizados:
Hang Seng Index (HSI) ndice calculado a partir da mdia ponderada dos
ativos das maiores empresas da Bolsa de Valores de Hong Kong. o principal
indicador do desempenho em Hong Kong.
NASDAQ 100 Stock Index (NDX) ndice que rene os preos das 100
maiores empresas listadas no Nasdaq Stock Market.
Este indicador reflete o
crescimento das empresas em vrios setores econmicos, com exceo do financeiro.

S&P 500 Index Standard And Poors 500 Index (SPX) Indicador
calculado a partir de uma mdia ponderada de 500 ativos. Este ndice reflete o
desempenho o desempenho das grandes empresas, bem como mudanas na
economia.
67
3.2.2
Commodities
As commodities representam, em alguns casos, os principais produtos das
empresas, ou em outros, principais insumos, logo sua anlise de grande valia para o
processo de anlise dos ativos, visto que de uma forma ou de outra, impacta tanto nos
custos quanto nos lucros das empresas.
Reuters/Jefferries CRB IX (CRY) ndice de commodities, calculado como
a mdia aritmtica dos preos futuros de algumas das principais commodities do
mercado, agregando-as em seis grupos principais: Gros, Soft Commodities,
Industriais, Energia, Gado e Metais Preciosos.
Petrleo Importante insumo para diversas empresas, bem como principal
fonte de receita para a Petrobrs, cujo ativo correspondente, a PETR4, ser foco da
anlise.
Cobre Outro produto importante de empresas mineradoras como a Vale
(VALE5), sendo da mesma forma importante sua incluso no processo de anlise.
Gs Natural Um dos produtos da empresa Petrobrs e tambm muito
utilizado como insumo para outras empresas. Tambm insumo para diversas
empresas do mercado brasileiro.
Soja Importante produto de exportao de empresas no Brasil, quanto s
empresas estudadas, foi selecionada, a fim de estudar a ocorrncia de relaes no
esperadas ou simplesmente avaliar a capacidade do modelo em selecionas as
variveis significantes.
3.2.3
Moedas
A grande maioria das empresas negociadas em Bolsa apresenta forte contato
comercial com o mercado externo, seja como importadores ou exportadores. Desta
68
forma, o cmbio entre as moedas estrangeiras representa um risco sempre presente

no ambiente natural das empresas.
Real Todos os preos dos ativos selecionados para a anlise, bem como das
variveis identificadas para estudo das correlaes esto expressos Dlar. Desta
forma,
importante
identificar
correlao
dos
ativos
com
valorizao/desvalorizao da moeda brasileira em relao ao Dlar, sendo assim, foi

includo no estudo o preo do Real expresso em Dlares.
Euro Devido grande caracterstica exportadora da maioria das empresas
selecionadas para o estudo, tambm para o mercado europeu, vale a pena incluir na
anlise o valor do Euro (moeda nica para os pases da Unio Europia), expresso
em Dlares.
3.2.4
Taxas de juros
Treasuries (T2 e T10) Esta varivel referente ao governo americano, reflete
a taxa de juros exercida pelos ttulos emitidos pelo tesouro americano. Sero
estudados neste trabalho as taxa referentes a Ttulos de 2 anos e 10 anos.
Credit Default Swap (CDS1 e CDS10) uma taxa adicional treasure que
um pas tem de pagar para toma crdito no exterior, reflete o risco de crdito do pas,
negociados em funo do prmio expresso em basis points1. Aquele que tem posse
de um contrato CDS possui o direito de receber um valor financeiro caso ocorra
default do emissor da dvida referenciada no contato. Sero estudados neste trabalho
as taxas para 1 e 10 anos.
LIBOR (London Interbank Offered Rate) A Libor de 3 Meses, utilizada no
trabalho, fixada diariamente s 11h (horrio de Londres), um derivado das cotaes
fornecidas pelos bancos determinados pela British Bankers' Association. Reflete a
taxa preferencial de juros oferecida para grandes emprstimos entre os bancos
internacionais que operam com eurodlares para um perodo de 3 meses.
1
Pontos Base: 100 bps, ou basis points equivalm a 1%.
69
3.3
APRESENTAO DA PROPOSTA DE MODELAGEM

A fim de obter uma apresentao mais didtica, ser apresentada
detalhadamente a construo do modelo a partir do exemplo do ativo PETR4 (da

empresa Petrobrs), sendo as etapas de construo aplicadas semelhantemente em os
outros ativos, cujos resultados sero apresentados e analisados, conjuntamente ao
ativo apresentado na descrio da metodologia. (Posteriormente no prximo
Captulo).
Para a anlise das sries em vez de se analisar diretamente a srie dos preos
dos ativos, foi adotada a utilizao dos retornos percentuais das sries, ou seja, foram
utilizadas a variaes percentuais das sries entre as observaes, sendo estes
representam as flutuaes semanais, tanto dos ativos estudados quanto das variveis
selecionadas para o modelo.
Esta abordagem foi utilizada, a fim de estudar diretamente a variao dos
ativos frente s oscilaes das variveis explicativas que foram adotadas no modelo,
assim era possvel, a partir dos retornos percentuais avaliar a sensibilidade de cada
oscilao semanal da srie frente s oscilaes das variveis explicativas utilizadas
no processo de modelagem.
Esta proposta tambm permitiu reduzir alguns problemas encontrados
quando da anlise dos valores originais da srie. Um problema encontrado foi a
grande diferena de escala observada entre as diferentes sries, bem como dentro de
uma mesma srie, visto que quando observam-se os ltimos valores, estes se
apresentam muito maiores que seus valores iniciais da srie. Isto provoca flutuaes
maiores nos preos, o que indica um aumento de varincia ao longo da srie,
dificultando-se a obteno de uma srie estacionria a partir da tomada de diferenas,
prejudicando tanto a anlises dos modelos de regresso quanto do modelo de sries
temporais. Este problema pode ser observado na Figura 14.
70
1a. Diferena de PETR4

4,00
3,00
2,00
1,00
-1,00
-2,00
-3,00
-4,00
Figura 14 - Primeiras diferenas de PETR4
Neste sentido, a proposta a anlise dos retornos percentuais dos ativos, bem
como das variveis explicativas reduziria tanto o problema das diferentes escalas
entre as sries, bem como o aumento de varincia observado anteriormente ao longo
das sries analisadas, sendo que ao longo das observaes os retornos se apresentam
proporcionais aos valores do ativo ou da varivel no instante da observao, o que
garante a manuteno da volatilidade ao longo da srie e maior facilidade em se
obter uma srie estacionria a partir da tomada de diferenas, como ser visto mais
adiante. Sendo assim apresentada nas Figuras 14 (Acima) e 15 as sries das
diferenas simples e dos retornos percentuais do ativo PETR4, respectivamente, a
fim de verificar a reduo do crescimento da volatilidade ao longo da srie
graficamente.
71
Retornos Percentuais de PETR4

0,20
0,15
0,10
0,05
-0,05
-0,10
-0,15
-0,20
Figura 15 - Retornos percentuais de PETR4
Aps ter sido definida a abordagem de anlise a partir dos retornos

percentuais das sries, uma etapa importante para o desenvolvimento do modelo a
anlise das correlaes entre os retornos das variveis com os retornos do ativo, de
forma a permitir posteriormente, aps ter sido realizada a regresso, questionar a
pertinncia das variveis que permaneceram no modelo, bem como os sinais dos
coeficientes destas variveis no modelo final, a fim de identificar incoerncias, bem
como validar coeficientes que trazem consigo significado prtico.
Sendo assim, daqui em diante sempre que o texto referir-se a srie dos ativos
entenda-se a srie dos retornos percentuais dos ativos, como definido anteriormente
sua utilizao.
Seguindo a ordem apresentada quando da definio das variveis
selecionadas, variveis estas cujas definies foram apresentadas anteriormente na
Seo 3.2.
3.4
ESTUDO DAS CORRELAES

Assim como na apresentao das variveis selecionadas para a anlise dos
ativos, o estudo das correlaes ter sua exposio estratificada seguindo os mesmos
grupos apresentados anteriormente, a saber, ndices, Commodities, Moedas e Taxas
de Juros.
3.4.1
72
ndices de Aes
A Figura 16 inicia das correlaes entre os ativos do estudo a partir da anlise
das variveis descritas como ndices de Aes, que apresenta os grficos de

disperso de tais variveis frente ao ativo PETR4.
(a)
(b)
(c)
Figura 16 - Disperso ndices de Aes vs. PETR4
Analisando os grficos de disperso das variveis, possvel observar alguns

aspectos importantes. Estes aspectos so apresentados a seguir. (As letras referem-se
s letras da Figura 16).
(a)
A Figura 16 apresenta mostra uma correlao tambm positiva do
indicador asitico, porm de baixa intensidade. Isto mostra que o mercado asitico
apresenta certa interferncia nos movimentos do ativo da empresa, dada a forte
globalizao do mercado financeiro atual em que movimentos da economia no
mundo afetam todos os mercados.
(b)
O ndice da bolsa de Nasdaq sintetiza a evoluo de vrios setores da
economia, visto que representa uma mdia de vrios preos de ativos. Porm a
Figura 16 mostra uma correlao positiva relativamente baixa entre as variaes do
ativo frente s oscilaes do indicador, independente da reta apresentada ter
inclinao positiva, observa-se uma disperso relativamente alta entre as duas sries.
73
(c)
A observao da correlao entre o ativo estudado e o indicador S&P
observa-se uma correlao positiva relativamente alta entre o as variaes do

indicador apresentado e o retorno do ativo estudado.
3.4.2
Commodities
Em seguida o estudo das correlaes se estende para a anlise de algumas
commodities, sendo assim a Figura 17 apresenta os grficos de disperso destas

variveis frente ao ativo PETR4. Em seguida so apresentados alguns comentrios
acerca das observaes dos grficos.
(a)
(b)
(c)
(d)
(e)
(f)
Figura 17 - Disperso Commodities vs PETR4
A partir de ento, ser estudado a correlao com algumas das principais

commodities, a fim de estudar algum impacto destas para com a PETR4, bem como
identificar a no interferncia destas nos retornos do ativo.
(a)
74
Quando comparados os retornos do ativo com a variao do indicador
de commodities CRY, podemos observar certa correlao entre as duas sries de

observaes, fato que mostra relativa coerncia, visto que a principal produto da
empresa estudada um produto pertencente a categoria de commodity, sendo assim,
dada uma oscilao dos preos das commodities em geral, espera-se uma oscilao,
no mesmo sentido dos lucros da empresa, sendo portanto, refletido no preos dos
ativos desta empresa.
(b)
A relao do ativo PETR4 com os preos do petrleo apresentam,
como pode ser observado na Figura 17 uma correlao positiva. Isto vem ao encontro
do que se era esperado, dado que o principal produto da empresa, sendo que por se
tratar de uma commodity, os movimentos dos preos do petrleo impactam
diretamente sobre os lucros da empresa, que por sua vez repassado para os preos
das aes negociadas em bolsa.
(c)
A Figura 17 apresenta a correlao com os retornos dos preos do
cobre. Vemos que a correlao obtida positiva, apesar de no ser esperada alguma
correlao deste tipo com o ativo em estudo, a PETR4. Isto pode de alguma forma
ser justificado pelo fato de os preos das commodities em geral serem afetados pelos
preos do petrleo, ou simplesmente energia, podendo ser observado neste caso um
vis causado pelas distores advindas do problema de causa e efeito. No seria o
preo do cobre que afetaria os lucros da empresa Petrobrs, mas sim o preo do
petrleo que afetaria tanto o preo da commodity quanto os lucros e
conseqentemente, os preos do ativo PETR4.
(d)
Quanto correlao do ativo com o Nquel esperado uma baixa
correlao, porm da mesma forma que o cobre, descrito acima, a correlao

apresenta um valor levemente positivo, causado, possivelmente pelos mesmos
motivos apresentados anteriormente.
(e)
Com relao ao Gs Natural, a Figura 17 mostra uma baixssima
correlao entre as sries, fato que no era esperado, visto que este tambm um
produto da empresa analisada e era previsto uma correlao mais forte desta
75
commodity com as oscilaes dos preos do ativo, fato que no foi confirmado com o
estudo realizado. Porm se analisado os relatrios referentes ao terceiro trimestre de
2008, podemos justificar esta baixa correlao, se observado a baixa importncia da
produo de gs natural para os lucros da empresa, visto que a receita advinda do
petrleo muito mais importante para a empresa sendo cerca de 14 vezes maior que
a de gs natural. A empresa importa boa parte do gs natural da Bolvia, figurando
este tambm nos custos da empresa. Sendo assim, os impactos dos preos do gs
natural sobre as oscilaes dos preos do ativo da empresa so realmente baixos de
forma coerente com o observado no grfico.
(f)
A prxima commodity a ser analisada a soja, que no apresenta
significado prtico para a empresa analisada visto que no possui relao com o
negocio da empresa. Esta no relao pde ser confirmada com a anlise de
correlao entre as duas sries que, conforme o grfico que apresenta baixa
correlao com o ativo estudado.
3.4.3
Moedas
Por se tratar de uma empresa com grande mercado externo, importante
estudar o comportamento do ativo frente a moedas estrangeiras, de modo a

identificar a sensibilidade dos retornos do ativo frente a oscilaes do cmbio com
moedas de outros pases.
(a)
(b)
Figura 18 - Disperso Moedas vs PETR4
(a)
76
Sendo assim importante estudar como a relao com a moeda
brasileira impacta sobre os retornos do ativo PETR4. A Figura 18 mostra uma

correlao positiva entre a valorizao do Real frente ao Dlar e os retornos do ativo
estudado. O coeficiente positivo indica que para o investidor estrangeiro (lembrando
que todas as variveis esto expressas em Dlares) o cmbio representa um risco
maior que a sensibilidade dos lucros da empresa refletidos no preo do ativo
negociado, isto , uma variao negativa do real (desvalorizao), de modo
simplificado, no considerando outros fatores econmicos, afetaria de modo positivo,
visto que a empresa tem seu principal ativo negociado em dlares, implicando num
aumento de receita em reais, porm para o investidor estrangeiro que aplica em
ativos da Petrobrs, isso representaria uma perda visto que o ativo da empresa valeria
menos em dlares. A Figura apresenta esta desvantagem para o investidor, uma vez
que apresenta uma correlao positiva com a moeda brasileira.
(b)
Em comparao com outra moeda estrangeira, agora o Euro, tambm
expresso em dlares, notamos ao observar a Figura 18, uma correlao positiva entre
as oscilaes da moeda europia frente ao dlar e os retornos do ativo PETR4, porm
de intensidade menor que ao comparado com o dlar, mostrando uma sensibilidade
maior moeda americana que a europia.
3.4.4
Taxas de Juros
77
(a)
(b)
(d)
(c)
(e)
Figura 19 - Disperso Ttulos do Governo Americano vs PETR4
(a)
Quanto Treasure para o perodo de 2 anos, a correlao com o ativo
PETR4 apresenta um valor positivo, porm de baixa intensidade, isso indica pouca
interferncia desta taxa sobre os retornos do ativo estudado.
(b)
Para a Treasure referente a um perodo de 10 anos o comportamento
em relao ao ativo PETR4 se apresenta de maneira semelhante ao exposto para o

perodo de 2 anos, com uma correlao positiva de baixa intensidade.
(c)
A correlao apresentada pelo Credit Default Swap apresentada na
Figura 19 mostra uma baixa intensidade com o ativo estudado, mostrando-se

relacionado com o ativo em questo.
(d)
Para um perodo de 10 anos o CDS tambm, semelhantemente ao
apresentado para um perodo de 1 ano, apresenta baixa correlao com o ativo

PETR4.
(e)
78
A correlao entre o ativo PETR4 e a taxa Libor apresentada
anteriormente e ilustrada na Figura 19 reflete uma baixa correlao entre as duas

sries, isto indica que as flutuaes da taxa no impactam em oscilaes no ativo
estudado, indicando baixa interao. pouco provvel que esta varivel venha a
incorporar o modelo final.
A seguir apresentado o processo de modelagem propriamente dito, sendo
que sua apresentao ser baseada em algumas etapas: primeiramente ser realizada
a modelagem de regresso linear mltipla a partir do ativo PETR4, sendo que em
seguida, sobre os resduos desta regresso, ser aplicada a modelagem de sries
temporais utilizando um modelo ARIMA(p, d, q). A segunda abordagem realiza
primeiramente a aplicao de um modelo ARIMA(p, d, q), em seguida sobre os
resduos obtidos desta proposta ser realizado uma regresso utilizando-se as
variveis descritas anteriormente. A terceira abordagem consiste na aplicao dos
modelos de regresso mltipla e de sries temporais simultaneamente.
3.5
APLICAO PRIMEIRAMENTE DO MODELO DE REGRESSO

Primeiramente, a proposta para a obteno da funo descrita acima foi a
realizao preliminar da regresso, com o intuito de obter um funo que explique o

movimento do ativo estudado a partir da evoluo das variveis explicativas. A partir
dos resduos desta funo, far-se-ia, ento, um modelo ARMA(p, q), a fim de
remover a correlao interna dos resduos.
Aps ter sido analisado separadamente a correlao de cada varivel frente
aos retornos do ativo estudado, foi realizada a regresso a fim de resumir as
interferncias das variveis selecionadas em relao ao ativo. A princpio foram
inseridas no processo de regresso todas as variveis acima, mesmo que suas
correlaes sejam ruins. O objetivo era testar se, aplicando o backward, apresentado
anteriormente, o modelo seria capaz de selecionar as variveis pertinentes para o
processo.
79
Sendo assim, a tabela abaixo representa a sada do programa Eviews, utilizado

para a realizao do processo de regresso, bem como as anlises de sries
temporais, estas que sero definidas e apresentadas posteriormente. Os dados
referem-se somente ao processo de regresso.
Tabela 4 - Sadas do software Eviews para o modelo de regresso de PETR4
Vale ressaltar que, para a realizao do backward, foi considerado um nvel

de significncia de 10% para determinar o ponto de parada para o algoritmo, ou seja,
enquanto estivessem variveis com a coluna Prob. maior que 10% o processo
removeria-se a varivel com maior valor para este fator. Para todos os outros casos
em que for aplicado o mtodo backward foi utilizado o mesmo critrio apresentado.
A Figura 20 mostra a comparao entre o modelo proposto parcial somente
com o processo de regresso a partir das variveis selecionadas e mantidas aps a
aplicao do mtodo backward. A Figura apresenta a srie real, a estimada e os
resduos obtidos da comparao entre estas.
80
.15
.10
.05
.00
-.05
.08
-.10
.04
-.15
.00
-.04
-.08
06M01
06M07
07M01
Residual
07M07
Actual
08M01
08M07
Fitted
Figura 20 - Sries real, estimada e residual para o modelo de regresso sobre o ativo PETR4
A partir da obteno dos resduos do modelo de regresso foi realizada uma

anlise das autocorrelaes destes resduos a fim de aplicar-se uma modelagem
ARIMA(p, d, q), a fim de reduzir os erros que puderem ser explicados por estas
correlaes internas dos resduos, melhorando assim o modelo. O propsito desta
abordagem seria reduzir os erros e validar o resultado obtido na regresso, visto que
parte dos erros do modelo no seria por conta da no eficcia das variveis na
explicao das oscilaes dos retornos dos ativos e poderiam ser melhorados com o
estudo das autocorrelaes dos resduos.
Para tanto se faz necessrio, neste momento, a anlise da srie dos resduos a
fim de avaliar a necessidade de se tomar diferenas, com o intuito de tornar a srie
estacionria, neste sentido apresentado os grficos de autocorrelaes e
autocorrelaes parciais.
81
(a)
(b)
(c)
Figura 21 - Autocorrelaes e autocorrelaes parciais para os resduos da regresso, sendo (a)
Original, (b) Primeiras diferenas e (c) Segundas diferenas
A partir da observao da Figura 21, pode se notar em (a) que a srie original
dos resduos no apresenta uma caracterstica estacionria, sendo que a srie que
melhor representa uma srie estacionria a srie das segundas diferenas, sendo,
portanto, utilizada para a realizao do modelo de sries temporais. A definio dos
outros parmetros do modelo pode ser realizada tambm com a Figura 21, onde se
observa uma perda significativa das autocorrelaes j a partir do quarto lag, e para
as autocorrelaes parciais pode se observar esta perda de significncia a partir do
sexto lag. Estas caractersticas indicam a utilizao de um modelo ARIMA(3, 2, 5).
82
A tabela 5 apresenta a sada para o modelo ARIMA(3, 2, 5), aplicado sobre os

resduos da regresso. Foram removidos os parmetros no significativos utilizando
o mtodo backward.
Tabela 5 - Sadas do software Eviews para o modelo ARIMA(3, 2, 5) sobre os resduos da
regresso
A Figura 22, por sua vez apresenta a comparao entre as sries estimada e
real, bem como a apresentao dos resduos do processo obtidos das diferenas entre
as sries. Pela observao das sries pode se notar uma aderncia razovel do modelo
proposto em relao s sries das observaes reais.
Utilizando-se a equao (30) podemos concluir que :
R = 0.9273
83
.2
.1
.0
-.1
.08
-.2
.04
.00
-.04
-.08
-.12
06M07
07M01
07M07
Residual
Actual
08M01
08M07
Fitted
Figura 22 - Sries Real, Estimada e Residual para o modelo ARIMA(2, 5) dobre os resduos da
regresso
3.6
APLICAO PRIMEIRAMENTE DO MODELO DE SRIES

TEMPORAIS
A segunda abordagem a realizao do processo de modelagem de sries
temporais, com o intuito de verificar, primeiramente a parte que pode ser explicada
atravs das autocorrelaes da srie. Posteriormente sobre os resduos desta
modelagem realizado o processo de modelagem de regresso mltipla, a fim de
verificar destes resduos a frao que pode ser explicada pelas variveis de mercado,
uma vez que j se removeu a frao explicada pelas autocorrelaes da srie.
Antes de iniciar o processo de modelagem cabe o estudo das autocorrelaes
e autocorrelaes parciais sobre a srie dos retornos percentuais do ativo PETR4,
srie esta que esta sendo foco do presente estudo. A Figura 23 apresenta
84
sinteticamente os grficos para a srie original, das primeiras diferenas e das

segundas diferenas respectivamente, a fim de avaliar a necessidade de se tomar
diferenas durante o processo de modelagem.
(a)
(b)
(c)
Figura 23 - Autocorrelaes e Autocorrelaes Parciais para os retornos percentuais do ativo
PETR4. Sendo a) Original, b) Primeira diferena e c) Segunda Diferena
A observao das autocorrelaes e autocorrelaes parciais mostra que a

srie que melhor apresenta uma evoluo estacionria, a segunda diferena, visto
ao decaimento rpido da funo de autocorrelao. Apesar de o grfico referente s
primeiras diferenas apresentarem certa caracterstica estacionria, a srie referente
s segundas diferenas apresenta caractersticas mais fortes desta estacionariedade,
sendo, portanto, definida a abordagem com a utilizao das segundas diferenas.
85
Novamente para a definio dos parmetros restantes para o modelo

ARIMA(p, q, d) deve ser observado a perda de significncia das autocorrelaes e
autocorrelaes parciais apresentadas na Figura 23. Assim, pode-se verificar uma
perda de significncia para as autocorrelaes j no quinto nvel, j para as
autocorrelaes parciais esta perda de significncia pode ser observada no quinto
nvel. Sendo assim pode-se concluir que os parmetros para a frao referente ao
modelo de sries temporais do modelo so de um processo ARIMA(4, 2, 4).
A Figura 24 apresenta a srie das segundas diferenas dos retornos
percentuais do ativo PETR4, sendo que possvel observar graficamente as
caractersticas da estacionariedade da srie, quando se pode notar a manuteno da
varincia ao longo da srie e uma mdia em torno de zero.
2a. Diferenas dos Retornos de PETR4

0,4
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
-0,4
Figura 24 - Segundas diferenas dos retornos percentuais de PETR4
A Tabela 6 apresenta as sadas do software E-views para o modelo de sries

temporais ARIMA(4, 2, 4) sobre o ativo PETR4, sobre os resduos deste processo de
modelagem que ser aplicado a modelagem de regresso linear mltipla.
86
Tabela 6- Sadas do software E-Views para o modelo de sries temporais ARIMA(4, 2, 4) sobre
o ativo PETR4
A Figura 25 apresenta a comparao da srie estimada frente aos valores reais

da srie com a utilizao somente do modelo de sries temporais ARIMA(4, 2, 4) e
j retirados os parmetros no significativos.
.4
.2
.0
.2
-.2
.1
-.4
.0
-.1
-.2
06M07
07M01
Residual
07M07
Actual
08M01
08M07
Fitted
Figura 25 - Sries Real, Estimada e Residual para o modelo ARIMA(4, 2, 4) sobre o ativo
PETR4
87
Com posse dos resduos deste modelo ser realizado a modelagem de

regresso mltipla a fim de explicar tais resduos com a utilizao das variveis
selecionadas para a realizao do processo de modelagem e apresentadas
anteriormente. A Tabela 7 apresenta as sadas para o modelo de regresso sobre os
resduos apresentados anteriormente antes de se aplicar o mtodo backward, ou seja,
com todas as variveis.
Tabela 7 - Sadas do software E-Views para o modelo de regresso mltipla sobre os resduos
A tabela apresenta um baixo R2, mesmo com todas as variveis inseridas.

Assim ao calcularmos o R2 do modelo, chegamos ao valor de R2 = 0.8947, inferior
ao valor atingido no modelo anterior e com todas as variveis no modelo. Ao aplicarse o mtodo backward o R2 tende a sempre reduzir-se, ou seja, no adianta aplicar o
mtodo, visto que o modelo j apresenta resultados inferiores ao atingido com a
primeira abordagem.
3.7
APLICAO DO MODELO DE REGRESSO E SRIES TEMPORAIS

SIMULTANEAMENTE
A segunda proposta de modelagem, seria a aplicao do processo de
regresso conjuntamente com o modelo ARIMA(p, d, q), de forma simultnea,
88
permitindo que as variveis tenham seus coeficientes ajustados de forma conjunta

com os coeficientes do modelo de sries temporais.
Sendo assim a Tabela 8 resume os resultados obtidos com o processo de
modelagem conjunta utilizando os modelos de regresso e sries temporais
simultaneamente na obteno dos coeficientes timos para as sries das segundas
diferenas. Novamente o processo de refino das variveis foi realizado utilizando-se
o mtodo backward, inclusive com os coeficientes pertencentes ao modelo de sries
temporais.
Tabela 8 - Sadas do software Eviews para o modelo de sobre o ativo PETR4
A Figura 25 permite a comparao entre a srie real dos retornos do ativo, e a

srie estimada a partir da aplicao do modelo obtido. possvel tambm a
observao do aspecto dos resduos obtidos a partir da discrepncia entre os valores
reais e estimados, o que mostra boa aderncia do modelo proposto srie com os
valores reais, visto a semelhana entre as duas sries ao longo de todas as
observaes.
89
.4
.2
.0
.08
-.2
.04
-.4
.00
-.04
-.08
-.12
06M07
07M01
07M07
Residual
08M01
Actual
08M07
Fitted
Figura 26 - Sries Real, Estimada e Residual do modelo sobre o ativo PETR4
A observao do R2, em comparao com a abordagem apresentada

anteriormente retifica a hiptese de melhoria da modelagem ao aplicar-se a
simultaneamente os modelos de regresso e sries temporais, uma vez que a primeira
abordagem apresenta um R2 = 0.927, enquanto a ltima abordagem em que se aplica
no processo de modelagem tanto os parmetros referentes ao modelo de regresso
quanto os advindos da modelagem de sries temporais apresenta um R2 relativamente
maior, apresentando um valor de 0.944.
possvel tambm destacar a baixa ocorrncia de pontos fora dos limites de
dois desvios padres para baixo e para cima (no segundo modelo foram identificados
4 pontos contra 8 do primeiro modelo proposto, correspondentes a 2,8% e 5,6% dos
pontos respectivamente). Este fato credibiliza o modelo confirmando sua aderncia
frente aos valores reais, porm uma anlise dos resduos mostrar maiores
informaes acerca da eficincia do modelo proposto.
3.8
90
ANLISE DOS RESDUOS

Como apresentado anteriormente, quando da exposio das consideraes
tericas a respeito dos modelos de regresso, a anlise dos resduos corresponde a

uma etapa de extrema importncia no processo de avaliao do modelo proposto.
Tem como principal objetivo testar a aderncia do modelo frente aos valores reais
observados.
As hipteses comuns so que os erros so independentes entre si, e seguem
uma distribuio descrita por N(0, 2), ou seja, uma distribuio normal, com mdia
zero e varincia constante e igual a 2. Portanto, se o modelo construdo for
satisfatrio, os resduos encontrados com a utilizao do modelo devem tender a
confirmar as hipteses feitas, ou, ao menos devem no demonstrar justificativas para
neg-las.
Sendo assim cabe neste momento apresentar uma representao
bastante til para a avaliao dos resduos, o grfico dos resduos padronizados. A
padronizao dos resduos realizada dividindo-se os resduos pelo seu desvio
padro, desta forma possvel avaliar a disperso dos resduos em relao aos
valores reais. A Figura 27 ilustra os resduos padronizados do modelo proposto,
sendo que possvel observar um comportamento aceitvel, uma vez que no
apresenta muitos valores acima dos limites de dois desvios padres para baixo ou
para cima, na verdade somente apresenta poucos valores abaixo dos limites de dois
desvios padres.
91
3
2
1
0
-1
-2
-3
06M01
06M07
07M01
07M07
08M01
08M07
Figura 27 - Resduos padronizados
Enquanto a apresentao dos resduos padronizados avalia a magnitude dos

erros em relao aos valores reais da srie, alm da evoluo dos resduos como
descrito anteriormente na reviso bibliogrfica que deve seguir um perfil semelhante
ao apresentado na Figura 3 (a), em que so expostos padres satisfatrios e
insatisfatrios para a evoluo dos resduos. Neste sentido os resduos tambm
apresentam caracterstica satisfatria, se aproximando do perfil caracterizado como
satisfatrio.
O Papel de Probabilidade Normal PPN avalia uma hiptese importante
quando da anlise dos resduos, a normalidade dos dados. Construdo em uma escala
conveniente, uma varivel que descreve uma curva normal de probabilidades, ao
plotada nesta escala, descrever sobre o papel uma linha reta. A Figura 28 apresenta
os resduos plotados em um PPN em que observada uma aderncia dos resduos e a
representao de uma reta, com exceo das caudas que apresentaram um
comportamento ligeiramente fora, porm os resduos como um todo tenderam a
apresentar um comportamento correspondente a uma distribuio normal, o que
recorre a uma avaliao positiva quanto aos resduos do modelo.
92
Figura 28 - Resduos plotados no Papel de Probabilidade Normal (PPN)
Desta forma, podendo agora concluir que o modelo mais adequado para o tipo
de anlise o proposto pelo ltimo modelo. Na seqncia apresentada a equao
obtida, que representa os retornos do ativo estudado em funo das variveis
selecionadas para a anlise, e que ao final do processo de modelagem permaneceram
no modelo pode ser descrita abaixo:
84 = 0,80638 + 0,25781 | + 0,51452 + 0,43096
+ 1,25419 0,82533 } 0,50869 0,39379 =
0,19534 x 0,99721
Onde:
A Segunda Diferena dos Retornos dos preos do Real
B Segunda Diferena dos Retornos dos preos do Petrleo
C Segunda Diferena da Variao do ndice de commotidies CRY
D Segunda Diferena da Variao do ndice de Hong Kong
E Segunda Diferena da Variao do ndice S&P
93
F Fator auto-regressivo de ordem 1
G Fator auto-regressivo de ordem 3
H Fator auto-regressivo de ordem 4
I Fator de mdias mveis de ordem 1
J Fator de mdias mveis de ordem 1
Quanto s variveis explicativas que permaneceram no modelo, a saber: Real,

Petrleo, CRY, ndice de Hong Kong e o S&P, como apresentados anteriormente
quando da anlise das correlaes com o ativo PETR4, estas variveis se apresentam
como muito pertinentes em relao ao significado econmico.
O Real de extrema importncia na anlise visto que: primeiro o ativo o ativo
negociado em moeda brasileira e, segundo, a empresa apresenta um comrcio
externo bastante significativo, sendo que a valorizao/desvalorizao da moeda
impacta nos retornos ao investidor. O coeficiente positivo desta varivel indica que
para o investidor estrangeiro, como j fora explicado anteriormente, quando do
estudo das correlaes indica que para o investidor estrangeiro o efeito do cmbio
mais expressivo que as flutuaes dos preos do ativo correspondente sensibilidade
dos resultados da empresa frente s oscilaes da moeda brasileira. Lembrando que o
presente trabalho no procura avaliar empresas, mas sim ativos. Para o investidor
estrangeiro, extremamente importante levar em considerao os efeitos do cmbio
em seus investimentos.
Quanto ao Petrleo e o ndices de commodities, j era esperado que entrassem
no modelo dada a caracterstica do negocio da empresa, e o fato de estarem no
modelo final bem como os coeficientes positivos, ratifica a seleo de variveis e o
processo de modelagem proposto.
Os ndices de Aes podem ser justificados pela influncia da economia
global nos retornos do ativo, dada a intensa globalizao em que o mercado
financeiro est inserido, logo flutuaes nos preos dos ativos globais so refletidos
nos retornos do ativo da empresa brasileira.
APLICAO DO MODELO
95
Captulo 4 Aplicao do Modelo
APLICAO DO MODELO
Como apresentado anteriormente, a modelagem proposta no captulo 3 foi

aplicada para outros ativos, seguindo a metodologia exposta, de forma a
proporcionar, nesta seo, um material suficiente para avaliar o processo de
modelagem quanto pertinncia das variveis, bem como a aplicao deste tipo de
modelagem para uma carteira de aes.
4.1
EXPANSO PARA OUTROS ATIVOS

Os ativos selecionados para a anlise foram definidos tambm na seo
anterior e so os seguintes: PETR4, ativo este que serviu de apresentao e descrio

do processo de modelagem, VALE5, da empresa Vale do Rio Doce, e BBDC4, da
empresa Bradesco. Os resultados obtidos do processo de modelagem, os grficos,
96
bem como as equaes obtidas que resumem as interferncias das variveis sobre as
oscilaes dos retornos dos ativos, so apresentados a seguir:
Primeiramente so apresentados os resultados referentes anlise do ativo
BBDC4, sendo que a tabela abaixo apresenta as sadas do Eviews, aps a retirada das
variveis no significativas utilizando-se o algoritmo backward.
Tabela 9 - Sadas do software Eviews para o modelo de sobre o ativo BBDC4
Em seguida cabe a apresentao da reconstruo da srie a fim de compar-la

com a srie original dos retornos do ativo estudado, bem como a observao dos
resduos obtidos das diferenas entre as duas sries, onde possvel observar um
comportamento dos resduos de maneira satisfatria, dada sua semelhana com a
figura 3 (a) que apresenta o perfil de resduos satisfatrios, bem como a baixa
incidncia de pontos fora dos limites de dois desvios padres.
97
.4
.2
.0
.08
-.2
.04
-.4
.00
-.04
-.08
-.12
06M07
07M01
07M07
Residual
08M01
Actual
08M07
Fitted
Figura 29 - Sries Real, Estimada e Residual do modelo sobre o ativo BBDC4
Por fim a equao obtida que resume o comportamento dos retornos do ativo
frente s variveis estudadas, apresentada a seguir:
||4 = 1,13068 + 0,53080 | + 1, 218534 1,014
0,83033 + 0, 1296 } 1,05338 0,82276 =
0,8776 x
Onde:
B Segunda Diferena da Variao do ndice de Hong Kong
C Segunda Diferena da Variao do ndice S&P
D Fator auto-regressivo de ordem 1
E Fator auto-regressivo de ordem 2
F Fator auto-regressivo de ordem 4
98
G Fator de mdias mveis de ordem 1
H Fator de mdias mveis de ordem 3
I Fator de mdias mveis de ordem 4
Em seguida, na tabela 8, so apresentados os resultados obtidos da anlise do

ativo VALE5, sendo apresentada, neste primeiro momento a tabela que sintetiza as
sadas do programa.
Tabela 10 - Sadas do software Eviews para o modelo de sobre o ativo VALE5
Por fim apresentado na Figura 30 o grfico que rene consigo a comparao

da srie original e a srie estiada com a utilizao do modelo proposto, a fim de obter
tambm a visualizao dos resduos do modelo e a aderncia do modelo frente aos
valores reais da srie.
99
.4
.2
.0
.15
-.2
.10
-.4
.05
-.6
.00
-.05
-.10
06M07
07M01
07M07
Residual
Actual
08M01
08M07
Fitted
Figura 30 - Sries Real, Estimada e Residual do modelo sobre o ativo VALE5
Aps a apresentao do modelo para o ativo, a seguir apresentada a equao

que rene as variveis selecionadas e como estas interferem e explicam o movimento
e as oscilaes dos retornos do ativo VALE5:
5 = 0,93940 0,12586 | + 0,095156 + 0,30998
+ 0,26582 + 0,28969 } + 1,46479 0,77112 =
0,67699 x 0,65834 0,39481 0,98069
Onde:
B Segunda Diferena da Variao do Credit Default Swap (10

anos)
C Segunda Diferena da Variao do Credit Default Swap (1 ano)
D Segunda Diferena dos Retornos dos preos do Petrleo
100
E Segunda Diferena da Variao da taxa de juros do Governo

americano (2 anos)
4.2
F Segunda Diferena dos Retornos dos preos do Cobre
G Segunda Diferena da Variao do ndice S&P
H Fator auto-regressivo de ordem 1
I Fator auto-regressivo de ordem 2
J Fator auto-regressivo de ordem 3
K Fator auto-regressivo de ordem 2
L Fator de mdias mveis de ordem 1
APLICAES DO MODELO
Uma das aplicaes deste modelo proporcionar o conhecimento dos ativos e
a definio das condies de mercado que interferem sobre o retorno dos ativos, ou
seja, quais riscos a empresa mais sensvel, qual dever ser a preocupao do
investidor, bem como proporcionar a observao e a explorao de oportunidades,
uma vez que possvel atravs da modelagem proposta identificar dentre as variveis
selecionadas para a anlise aquelas que possuem interferncia, correlao com os
ativos estudados, sendo possvel verificar a sensibilidade dos ativos frente s
flutuaes do mercado e ao ambiente em que a empresa emissora do ativo est
inserida.
Uma vez conhecido as variveis que influenciam diretamente nas oscilaes
dos preos dos ativos, possvel verificar quais riscos o investidor est mais sensvel,
e conseqentemente analisar quais riscos ele est sujeito a assumir. Desta forma
possvel, portanto, tanto analisar o potencial de retorno de um portflio j
previamente definido com a utilizao de outros mtodos de anlise, quanto propor
portflios a partir da explorao de oportunidades identificadas com a metodologia
proposta.
Outra finalidade deste tipo de abordagem de verificao de fatores de risco
a possibilidade de imunizao de portflios, visto que so levantados os riscos que
101
cada ativo est sujeito, sendo possvel, portanto, propor portflios que sejam capazes
de proporcionar uma imunizao para um fator de risco especfico, tanto pela
combinao de ativos com correlaes contrrias com dado fator de risco quanto
assumindo posies compradas e vendidas com ativos que possuem correlao de
com mesmo sinal em relao a um mesmo fator de risco.
Desta forma construindo um portflio que parte da combinao de ativos com
correlaes contrrias em relao a um fator de risco ou mesmo assumindo posies
compradas e vendidas em ativos com correlao de mesmo sinal, possvel uma
alocao que permita a obteno de um portflio com uma correlao bastante
reduzida em relao a um determinado fator de risco proporcionando uma
imunizao com relao a este risco o qual o investidor no est disposto a assumir
por algum motivo, seja pelo no conhecimento profundo acerca deste fator de risco,
seja pela expectativa de uma elevada volatilidade com relao a este risco.
Inserir um pensamento bacana
CONCLUSES
103
Captulo 5 Concluses
CONCLUSES
Retomando a problemtica do estudo de aes importante ressaltar a

elevada complexidade observada quando da anlise de aes. A quantidade de
variveis envolvidas representa um cenrio impossvel de ser abordado por completo
por um modelo matemtico. Como apontado no texto cabe aos investidores o
desenvolvimento de ferramentas que auxiliem no processo de deciso, permitindo
uma anlise dos ativos de maneira satisfatria e rpida a fim de acompanhar o
dinamismo do mercado acionrio.
A apresentao dos resultados obtidos com a aplicao do modelo aos ativos
estudados no trabalho indica uma boa aderncia do modelo aos valores reais das
sries. A modelagem construda com a utilizao dos modelos de regresso linear
mltipla bem como de sries temporais simultaneamente, apresentou boa
consistncia, trazendo bons resultados.
Captulo 5 Concluses
104
A abordagem adotada tanto quanto anlise a partir dos retornos percentuais

apresentou bons resultados, tanto quanto a obteno das sries estacionrias, a
padronizao das escalas, bem como as correlaes obtidas frente s variveis do
modelo. Os retornos percentuais permitiram a observao da sensibilidade dos ativos
frente s oscilaes das variveis em janelas semanais, o que apresentou bons
resultados, visto a pertinncia confirmada das variveis remanescentes do processo
de modelagem com a utilizao do mtodo backward, apresentado ao longo do texto.
O modelo proposto permite alm da identificao de variveis intuitivamente
relacionadas, a observao de variveis aparentemente no relacionadas, ou at
mesmo a observao da no correlao de uma varivel em relao ao ativo estudado
mesmo que aparentemente esta relao seja economicamente esperada. Um exemplo
disso foi a observao da no correlao dos preos do Gs Natural com o ativo
PETR4, onde era esperada uma correlao dado que a commodity parte dos
produtos oferecidos pela empresa, logo era esperado um impacto nos lucro e
finalmente nos preos do ativo. Fato que pde ser perfeitamente justificado mas que
seu levantamento se deu atravs do processo de modelagem.
Uma dificuldade observada, principalmente na seleo das variveis, foi a
quantidade reduzida de indicadores que refletem a dinmica do cenrio econmico
brasileiro com histrico amplo, a maioria possui um histrico muito breve. Isto se
deve ao fato de a economia brasileira no apresentar ainda um estgio de
desenvolvimento que pode ser observado em outras economias como a europia e a
norte-americana, onde so encontrados inmeros indicadores, e com um histrico
bastante antigo.
Porm j observada uma evoluo nestes aspectos por parte dos indicadores
brasileiros, bem como uma evoluo crescente da confiabilidade dos rgos que
realizam tais levantamentos. Isto indica um potencial bastante interessante para este
tipo de abordagem exposto no trabalho, visto que esta depende da existncia de
indicadores que sintetizem o comportamento da economia.
REFERNCIAS BIBLIOGRFICAS
107
Captulo 6 Referncias Bibiogrficas
REFERNCIAS BIBLIOGRFICAS
ALLEN W.C. Winning The Performance Game Managing Stock Portfolios

For Top Performance. S. Jackson St., 2005. (e-book disponvel em
<www.clayallen.com>).
ASSAF NETO, A. Finanas Corporativas e Valor. Editora Atlas. 2 Edio,
2006.
BOX, G. E. P. e JENKINS, G. M. Time Series Analysis: Forecasting and
Control. Holden- Day Inc., 1970.
BUTLER, W. F. How Business Economists Forecast. Englewood Cliffs, N.J. :
Prentice-Hall, 1966.
CEDISMONDI, G. N. S. Anlise de um Modelo de Previso da Taxa de Juros
dos Ttulos Pblicos Brasileiros, EP/PRO, 2008.
Captulo 6 Referncias Bibiogrficas
108
DRAPER, N. R.; SMITH, H. Applied regression analysis. John Wiley & Sons
Inc., 1966.
ENDERS, W. Applied Econometric Time Series 2 edio, John Wiley &
Sons, Inc., 2004.
FABOZZI, F. J. Investment Management. Englewood Cliffs : Prentice Hall,
1994
MARTINS A. C. Mercados Derivativos e Anlise de Risco. MAS Editora. 1
Edio. Volumes 1 e 2., 2004
MURPHY, J. J. Technical Ananalisys of the Futures Markets A
Comprehensive Guide to Trading Methods and Applications. New York.
Prentice-Hall. 1986.
MORETTIN P. A.; TOLOI C. M. C. Anlise de Sries Temporais. 2. ed. So
Paulo: Edgard Blcher Ltda, 2004.
MYERS, R. H. Classical and Modern Regression With Applications. Duxbury
Press. Second Edition, 1990
OLIVEIRA, M. D. B. Introduo ao mercado de aes. CNBV - COMISSO
NACIONAL DE BOLSAS DE VALORES, 1983
PETRLEO BRASILEIRO S. A. Disponvel em < www.petrobras.com>. Acesso
em 11/11/2008.
REILLY F.K.; BROWN K.C. Investment Analysis and Portfolio Management.
The Dryden Press. Fifth Edition, 1997
SMITH, ADAM A Riqueza das Naes. So Paulo: Abril Cultural, 1983
WOODRUFF, G. P. Investment and Speculation. Alexander Hamilton Institute.
1954

Estudo de Um Modelo de Analise de Acoes

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estudo de Um Modelo de Analise de Acoes

Transféré par

Droits d'auteur :

Formats disponibles

JEFFERSON SOUZA HONRIO

ESTUDO DE UM MODELO DE ANLISE DE AES

Trabalho de Formatura apresentado Escola

JEFFERSON SOUZA HONRIO

ESTUDO DE UM MODELO DE ANLISE DE AES

Trabalho de Formatura apresentado Escola

Honrio, Jefferson Souza

O mercado acionrio movimenta todos os dias um volume de dinheiro

Figura 1 - Esquema de um Modelo de Regresso Linear Simples. ........................... 30

Figura 25 - Sries Real, Estimada e Residual para o modelo ARIMA(4, 2, 4) sobre o

Objetivo do Trabalho ................................................................................... 15

Mercado Financeiro ..................................................................................... 17

Analise Tcnica e Anlise Fundamentalista ................................................ 24

LEVANTAMENTO BIBLIOGRFICO ........................................................ 29

Modelos de Regresso ................................................................................. 29

Regresso Linear Simples .................................................................... 30

A Abordagem Matricial ....................................................................... 36

Tcnicas para a obteno do melhor modelo de regresso .................. 40

Forward Selection Method....................................................................... 40

Backward Elimination Method ................................................................ 40

iii. Stepwise Procedure .................................................................................. 41

Anlise dos resduos ............................................................................. 42

Sries Temporais ......................................................................................... 44

Processos Estocsticos ......................................................................... 46

Funo de autocorrelao ..................................................................... 46

Modelos ARIMA (Auto Regressive Integrated Moving Average)....... 49

Modelos Auto-Regressivos ...................................................................... 51

Modelos de Mdias Mveis ..................................................................... 53

iii. Modelos ARMA (p, q) ............................................................................. 55

Modelo ARIMA (p, d, q) ......................................................................... 57

PROPOSTA DE MODELAGEM .................................................................... 61

Seleo dos ativos estudados ....................................................................... 62

Seleo das variveis ................................................................................... 65

Apresentao da proposta de modelagem ................................................... 69

Estudo das Correlaes ................................................................................ 71

Taxas de Juros ...................................................................................... 76

Aplicao Primeiramente do modelo de regresso...................................... 78

Aplicao primeiramente do modelo de sries temporais ........................... 83

Aplicao do modelo de regresso e sries temporais simultaneamente .... 87

Anlise dos resduos .................................................................................... 90

APLICAO DO MODELO .......................................................................... 95

Expanso para outros ativos ........................................................................ 95

Aplicaes do Modelo ............................................................................... 100

CONCLUSES ............................................................................................... 103

REFERNCIAS BIBLIOGRFICAS .......................................................... 107

O mercado acionrio, desde sua criao, sempre despertou nas pessoas um

Estudo de um Modelo de Anlise de Aes

Porm, como aponta Butler (1966), estes modelos so passveis de erros,

apresentados modelos estatsticos que sero utilizados posteriormente para o

vitais e biolgicas, necessidades estas em que a no satisfao implicam em no

Estudo de um Modelo de Anlise de Aes

Ao longo da vida, as pessoas ganham e gastam dinheiro, com o objetivo

O primeiro deles uma questo de segurana. As pessoas sentem

necessidade de garantir o seu futuro e o de sua famlia. Quando algum faz um

O segundo o desejo que qualquer um tem de melhorar o seu padro

Estudo de um Modelo de Anlise de Aes

Estudo de um Modelo de Anlise de Aes

Estudo de um Modelo de Anlise de Aes

c) Reduzir os custos das transaes, sendo estes basicamente dois, os search

Estudo de um Modelo de Anlise de Aes

prazo. A atuao do mercado de capitais se processa por diversas modalidades de

Estudo de um Modelo de Anlise de Aes

A soluo , ento, aumentar o nmero de scios da empresa, aumentando

Estudo de um Modelo de Anlise de Aes

o estimador da varivel dependente (Y), no instante t;

a varivel independente ou preditora, no instante t;

o resduo da regresso em relao ao valor real de Y.

(( = * = &*

as previses 3 e a mdia *, chamando de soma dos quadrados da

457 = 3