A coleta de dados realizar-se-á dos sítios do IBGE, IPEA, BCB, IBOVESPA e Economatica, o período da pesquisa foi de 2008 a 2014, período pós crise.
Os arquivos utilizados estão no formato Excel e foram baixados dos sites citados, o período da informação é mensal.
Os dados serão tratados pelo software SPSS® v. 22.0, serão realizados dos testes de normalidade e é desejável que se encontre um pouco de multicolinearidade, o que idenficará conjuntos de variáveis inter-relacionadas.
Na sequência serão realizados os cálculos de correlação, esperando que os dados demonstrem correlação suficiente de forma a garantir a utilização da análise fatorial.
O teste de esferacidade Bartlett examinará a matriz de correlação inteira, demonstrando que há correlações significantes em pelo menos uma das variáveis.
Através do software escolhido será calculada a variância, Hair (2009) divide a variância em três tipos:
Variância Comum: é definida como aquela variância em uma variável que é compartilhada com todas as outras variáveis na análise. Essa variância é explicada (compartilhada) com base nas correlações de uma variável com as demais na análise (...).
Variância Específica: (...) é aquela associada com apenas uma variável específica. Essa variância não pode ser explicada pelas correlações com as outras variáveis, mas ainda é associada unicamente com uma variável.
Variância Comum: é também variância que não pode ser explicada por correlações com outras variáveis, mas resulta da não confiabilidade no processo de coleta de dados, de erro de medida ou de componente aleatório no fenômeno medido. (HAIR, 2009).
Serão realizados também testes de comunalidades, índice Kaiser-Meyer-Olkin (KMO), teste de esfericidade, matriz de fator com rotação e alpha de crombach de forma a corroborar ou refutar o presente trabalho.
Com base no referencial teórico, será elaborada a análise fatorial, com vista a redução de dados, caso os dados sejam reduzidos de forma soberana utilizar-se-á análise de componentes principais.
4 ANÁLISE DOS RESULTADOS
O presente capítulo trata da análise dos resultados obtidos através de testes realizados com o auxílio do software SPSS® v. 22.0, conforme explicitado no capítulo 3 - Metodologia.
Uma análise de componentes principais com rotação varimax foi realizada considerando 54 variáveis para o período entre janeiro/2008 a dezembro/2014 (anexo A). A medida de Kaiser-Meyer-Olkin confirmou a adequação amostral para a análise (KMO = 0,897). O teste de Esfericidade de Bartlett’s revela que a matriz de correlação não é uma matriz identidade, rejeitando desta forma a hipótese nula. A significância 0,000 torna adequado o método de análise fatorial para o tratamento dos dados.
Quadro 04 – Teste de KMO e Bartlett Teste de KMO e Bartlett
Medida Kaiser-Meyer-Olkin de adequação de amostragem. ,897
Teste de esfericidade de Bartlett
Aprox. Qui-quadrado 12222,725
Df 1431
Sig. ,000
Fonte: Elaborado pela autora - SPSS 22.0
O teste de Esfericidade de Bartlett’s e a significância indicaram que as correlações entre os itens são suficientes para a realização da análise. A análise por componentes principais mostrou que seis componentes explicam 93,316% da variância.
Quadro 05 – Matriz de Componente Rotativa Matriz de componente rotativaa
Componente 1 2 3 4 5 6 BRML3 ,949 -,124 ,183 ,127 CRUZ3 ,941 -,257 ,150 HGTX3 ,940 -,126 -,171 ,166 ,118 NATU3 ,920 ,250 -,125 -,172 POMO4 ,909 -,220 ,195 ,215 ,124 ENBR3 ,900 ,237 -,237 ,180 SBSP3 ,892 -,213 ,143 ,303 ,101 MULT3 ,869 -,207 ,407 ,138
CPFER ,862 -,152 ,181 -,180 ,340 LREN3 ,826 -,122 ,479 ,119 ,136 CCRO3 ,816 -,297 ,426 ,200 RENT3 ,797 -,149 ,512 ,126 ,192 ,103 TBLE3 ,770 -,353 ,415 ,231 ,165 CSAN3 ,763 ,428 ,409 ,101 ,104 PCAR4 ,760 -,295 ,536 ,124 PIB ,748 -,371 ,486 ,121 ABEV3 ,747 -,387 ,438 ,259 ,119 DTEX3 ,741 ,287 ,444 -,220 ,205 LAME4 ,731 -,156 ,573 ,222 ,110 CMIG4 ,721 -,337 ,345 ,373 -,192 VIVT4 ,701 -,490 ,340 ,168 ,258 SELIC -,693 -,179 -,195 ,457 ,308 CPLE6 ,567 ,128 ,398 -,531 ,373 BRKM5 ,518 ,116 ,482 -,106 ,262 ,480 CYRE3 ,907 ,175 ,159 -,149 VALE3 ,106 ,888 -,186 ,159 ,295 BRAP4 ,154 ,870 -,141 -,316 ,143 ,200 GOAU4 -,304 ,833 -,119 ,269 CSNA3 -,475 ,821 -,222 MRFG3 -,367 ,821 -,166 -,173 -,191 VALE5 ,344 ,815 -,105 -,229 ,181 ,278 CAMBIO -,810 ,303 ,353 -,125 USIM5 -,537 ,802 ,113 -,118 GFSA3 -,564 ,786 -,137 GOLL4 -,288 ,780 ,265 -,203 ,218 PETR4 -,517 ,758 -,122 -,210 MRVE3 ,339 ,757 ,184 -,391 ,114 SUZB5 -,602 ,704 ,226 ,169 PETR3 -,616 ,685 -,240 -,181 ALLL3/RUMO3 -,619 ,680 -,116 ,213 -,139 ITUB4 ,395 ,889 -,110 ,105 JBSS3 ,194 ,824 ,229 -,210 ITSA4 ,523 ,804 -,217 BBAS3 ,481 ,183 ,790 -,105 ,124 ,102 BBDC4 ,640 ,706 ,157 BBDC3 ,585 -,248 ,671 ,302 ,118 ,129 OIBR4 -,258 ,618 -,665 BRFS3 ,559 -,388 ,632 ,245 ,182 ,106 EMBR3 ,393 -,290 ,612 ,436 ,318 ,179 TIMP3 ,412 -,403 ,547 ,147 ,491 ,108 ELET6 -,323 ,492 -,225 -,717 -,122
ELET3 -,456 ,535 -,264 -,626 -,100
CESP6 ,300 ,230 ,300 ,808
IPCA ,171 ,109 ,732
Fonte: Elaborado pela autora - SPSS 22.0
Método de Extração: Análise de Componente Principal. Método de Rotação: Varimax com Normalização de Kaiser.a a. Rotação convergida em 10 iterações.
Quadro 06 - Matriz de Transformação de Componente Matriz de transformação de componente
Componente 1 2 3 4 5 6 1 ,781 -,410 ,431 ,110 ,135 ,081 2 ,289 ,871 ,299 -,202 ,106 ,128 3 -,472 ,009 ,745 ,471 -,014 ,017 4 -,283 -,242 ,273 -,697 ,540 ,099 5 -,036 ,051 -,297 ,427 ,593 ,612 6 ,054 ,111 -,089 ,239 ,572 -,770
Fonte: Elaborado pela autora - SPSS 22.0
Método de Extração: Análise de Componente Principal. Método de Rotação: Varimax com Normalização de Kaiser.
O método de extração de dados por componentes principais revelou que as variáveis tem forte relação com os fatores identificados por possuir alta comunalidade. De acordo com Corrar, Paulo e Dias (2011), o percentual de explicação de uma variável pela análise fatorial se dá através do percentual que elas representam, quanto mais próximo a 1 maior o poder de explicação dos fatores, no presente trabalho a comunalidade resultou em 1, o que justifica a análise fatorial com todas as variáveis.
Comunalidades Inicial CAMBIO 1,000 IPCA 1,000 PIB 1,000 SELIC 1,000 ABEV3 1,000 BRML3 1,000 BBDC3 1,000 BBDC4 1,000 BRAP4 1,000
BBAS3 1,000 BRKM5 1,000 BRFS3 1,000 CCRO3 1,000 CMIG4 1,000 CESP6 1,000 HGTX3 1,000 CPLE6 1,000 CSAN3 1,000 CPFER 1,000 CYRE3 1,000 DTEX3 1,000 ELET3 1,000 ELET6 1,000 EMBR3 1,000 ENBR3 1,000 GFSA3 1,000 GOAU4 1,000 GOLL4 1,000 ITSA4 1,000 ITUB4 1,000 JBSS3 1,000 RENT3 1,000 LAME4 1,000 LREN3 1,000 POMO4 1,000 MRFG3 1,000 MRVE3 1,000 MULT3 1,000 NATU3 1,000 OIBR4 1,000 PCAR4 1,000 PETR3 1,000 PETR4 1,000 ALLL3/RUMO3 1,000 SBSP3 1,000 CSNA3 1,000 CRUZ3 1,000 SUZB5 1,000 VIVT4 1,000 TIMP3 1,000 TBLE3 1,000 USIM5 1,000
VALE3 1,000
VALE5 1,000
Método de Extração: Análise de Componente Principal.
As variáveis macroeconômicas aparecem com sinal oposto ao dos ativos, demonstrando correlação negativa entre ações PIB e SELIC, o que sugere a formação de carteiras de ações que podem ser protegidas por estas variáveis, corroborando com as hipóteses testadas.
O trabalho nos permite encontrar a carteira de ativos que pode oferecer aos investidores alta taxa de retorno para razoável risco. É possível realizar a melhor combinação de ativos de risco com as variáveis estudadas.
5 CONCLUSÃO
O objetivo deste trabalho foi testar o comportamento das ações de maior de liquidez do Índice IBOVESPA e sua relação com as variáveis macroeconômicas, utilizando Análise Fatorial Exploratória por Componentes Principais, em virtude da importância destes ativos nas operações da IBOVESPA, principalmente na captação de recursos externos.
O estudo compreendeu o período de janeiro 2008 a dezembro de 2014, utilizando ações que compõem o índice IBOVESPA.
Selecionou-se os ativos de maior liquidez (anexo E) devido a sua solidez e representatividade no mercado de ações, bem como a transparência e publicação de seus dados oficiais. Estas informações, juntamente com as variáveis econômicas (IPCA, PIB, SELIC e CÂMBIO) são balizadores dos índices das ações das demais empresas negociadas no mercado financeiro, bem como o comportamento do índice IBOVESPA.
O método utilizado foi a Análise Fatorial, com rotação Varimax e extração de Componentes Principais.
O presente estudo investigou de forma exploratória o comportamento destas variáveis econômicas sobre as ações de maior liquidez do índice IBOVESPA, resultado em um modelo de 6 fatores, com variância total de 93,316% que explica o modelo proposto, corroboraram com as hipóteses de pesquisa.
Os resultados obtidos corroboram com a formação de carteiras protegidas por ativos com correlação negativa as variáveis estudadas, conforme demonstrado na Matriz de Componente Rotativa. O presente estudo mostra ainda a relevância das variáveis macroeconômicas ligadas ao risco e o comportamento do preço dos ativos negociados na IBOVESPA.
A correlação negativa entre as variáveis e as ações pode ser explicada pelo fato do crescimento da economia demandar investimento em produção e tecnologia, impactando diretamente na utilização de linhas de crédito ou lançamento de novas ações, o reduz o lucro por ação das empresas.
A aceleração da economia tem como reflexo aumento dos investimentos, que por sua vez geram necessidade de capital investido, o investimento reduz o lucro, refletido na correlação negativa das ações com as variáveis.
Todavia, mesmo frente à estabilidade econômica brasileira, os países emergentes apresentam grande volatilidade devido à conjuntura internacional, tanto no âmbito econômico como político.
Para os próximos estudos, sugere-se ampliar as variáveis macroeconômicas e medir o impacto temporal que essas variáveis macroeconômicas causam nos ativos, desta forma, espera-se medir por quanto tempo as alterações das variáveis impactam no valor dos ativos.
Outra variável que pode contribuir com este estudo é fator humano e a sustentabilidade, que pode ser medido pela qualidade do produto, desenvolvimento sustentável, transparências dos demonstrativos econômicos financeiros e seu impacto social e ambiental.
Sugere-se ainda a aplicação de variáveis macroeconômicas por setores de atividade, neste trabalho foram apresentadas as mesmas variáveis para todos os ativos, pode-se considerar que a análise apresentada é generalista e cada setor tem seu desempenho determinado por variáveis macroeconômicas distintas.
REFERÊNCIAS
ARRUDA, J. A florescência tardia: Bolsa de Valores de São Paulo e mercado global de capitais (1989 – 2000). Tese (Doutorado em História Econômica) – Departamento de História – Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo, São Paulo: 2008.
ARTUSO, A. R.; NETO, A. C. Identificação de Fatores Relevantes e Construção de Portfólio Diversificado no Mercado Acionário Brasileiro. Revista Produção Online, Florianópolis, SC, v. 12, n. 4, p. 1002-1030, out/dez 2012.
BACHELIER, L.Théorie de la speculation. (Thèse en Mathématique). Annales Scientifiques de l’École Normale Supérieure, v. 3, tome 17. Paris: Gauthier-Villars. p. 21-86, 1900.
BANCO CENTRAL DO BRASIL. Histórico das taxas de Juros. Disponível em:
http://www.bcb.gov.br/?COPOMJUROS. Acesso em: 17 julho 2015.
BANCO CENTRAL DO BRASIL. Regime de Metas para a Inflação no Brasil.
Disponível em: http://www4.bcb.gov.br/pec/gci/port/focus/faq%2010-
regime%20de%20metas%20para%20a%20infla%C3%A7%C3%A3o%20no%20brasil. pdf. Acesso em: 17 julho 2015.
BANCO CENTRAL DO BRASIL. Taxas de Câmbio. Disponível em: http://www4.bcb.gov.br/pec/taxas/port/ptaxnpesq.asp?id=txcotacao. Acesso em: 18 julho 2015.
BANCO CENTRAL DO BRASIL. Selic – Mercado de Títulos Públicos. Disponível em: http://www.bcb.gov.br/?SELIC. Acesso em: 18 julho 2015.
BELFIORE, P. P.; FÁVERO, L. P. L.; ANGELO, C. F.. Análise Multivariada para Avaliação dos Principais Setores Latino-Americanos. FACES Revista de Administração, Belo Horizonte: v. 5, n. 1, p. 73 – 90, jan / abr 2006.
BERK, J.; DEMARZO, P.. Finanças Empresariais: Essencial. Porto Alegre: Bookman, 2010.
BLACK, F.; JENSEN, M. C.; SCHOLES, M.. The capital asset pricing model: Some empirical tests, in Michael Jensen. Studies in the Theory of Capital Markets. p.79-121, 1972.
BOMFIM, P. R. C. M.; ALMEIDA, R. S.; GOUVEIA, V. A. L.; MACEDO, M. A. S.; MARQUES, J. A. V. C.. Utilização de Análise Multivariada na Avaliação do Desempenho Econômico-Financeiro de Curto Prazo: uma Aplicação no Setor de Distribuição de Energia Elétrica. Revista do Mestrado em Administração e Desenvolvimento Empresarial Universidade Estácio de Sá, ano 11, v. 15, n. 1, p. 75 – 92, jan / abr 2011.
BODIE, Z.; KANE, A.; MARCUS, A.. Fundamentos de Investimentos. São Paulo: AMGH, 2014.
BRASIL, BM&FBOVESPA: Perfil e Histórico. Disponível em:
http://ri.bmfbovespa.com.br/static/ptb/perfil-historico.asp?idioma=ptb. Acesso em: 22 março 2015.
BRIGHAM, E. F.; EHRHARDT, M. C.. Administração Financeira – Teoria e Prática. São Paulo: Cengage Learning, 2012.
CAMARGOS, M. A.; BARBOSA, F. V.. Teoria e evidência da eficiência informacional do mercado de capitais brasileiro. Caderno de Pesquisa em Administração da FEA/USP, v. 10, n.1, p. 41-55, São Paulo: 2003.
CAMPBELL, J. Y. Intertemporal asset pricing without consumption data. American Economic Review. vol.83 pp. 487-512, 1993.
CARHART, Mark M. On persistence in mutual fund performance, Journal of Finance, 52, 57-82, 1977.
CHAN, H. W.; FAFF, R. W. An investigation into the role of liquidity in asset pricing: Australian evidence. Pacific-Basin Finance Journal, v. 11, n. 5, p. 555-572, 2003.
CHAN, H. W.; FAFF, R. W. Asset pricing and the illiquidity premium. The Financial Review, v. 40, n. 4, p. 429-458, 2005.
CHEN, N. F.; ROLL, R.; ROSS, S. Economics Forces and the Stock Market. Journal of Business. Vol. 59, nº 3. 1986.
COLOMBO, J. A.; BAMPI, R. E.; CAMARGO, M. E.. Redução de Risco na Formação de Carteiras: um Estudo da Correlação das Ações do IBOVESPA. INGEPRO – Inovação, Gestão e Produção, ago / 2010.
CORRAR, L.J.; PAULO, E., & DIAS, J.M., FILHO. Análise Multivariada: para os cursos de administração, ciências contábeis e economia. 1. Ed. São Paulo: Atlas, 2011. D’ARAUJO, M.C. E Ele voltou... O segundo governo Vargas: de 1951 – 1954. Dossiês CPDOC (Centro de Pesquisa e Documentação de História Contemporânea do Brasil)
http://cpdoc.fgv.br/producao/dossies/AEraVargas2/artigos/EleVoltou/PoliticaCambial. Acesso em: 01 março 2015.
DAMODARAN, A. Avaliação de investimentos: ferramentas e técnicas para determinação do valor de qualquer ativo. 1. ed., 4a reimpressão. Rio de Janeiro: Qualitymark, 2002.
DORNBUSCH, R.; FISHER, S.. Exchange rates and the current account. American Economic Review, 70. 960-971. 1980.
ERBAS, S.N.; MIRAKHOR, A. The equity premium puzzle, ambiguity aversion, and institutional quality. International Monetary Fund Working Paper, 2007.
ESTADÃO. Acervo Estadão.
Disponível em: http://www.estadao.com.br/infograficos/o-que-e-o-
pib,economia,377864. Acesso em: 18 julho 2015.
EWIJK, C.V. e GROOT, H. L. F. A meta-analysis of the equity premium. Journal of Empirical Finance. Volume 19, Issue 5, December 2012, Pages 819 – 830.
FAMA, E. F. Efficient capital markets: a review of theory and empirical work. The Journal of Finance, v. 25, n. 2, p. 383-417, Cambridge, May, 1970.
FAMA, E. F. e FRENCH, K. R. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465.
FAMA, E. F,; MACBETH, J. D. Tests of The Multiperiod Two-Parameter Model. Journal of Financial Economics. Vol. 1, p 43-66, 1974.
FERSON, W. E.; HARVEY, C. R. The variation of economic risk premiums. Journal of Political Economy. 99: 385-415, 1991.
FRANKEL, J.A.. Monetary and portfolio balance models of exchange rate determination. In: Bhandari, J.S., Putnam, B.H. (Eds.), Economic Interdependence and Flexible Exchange Rates. MIT Press, Cambridge, MA. 1983.
FRENCH, C. W. The treynor capital asset pricing model. Journal of Investment Management, v. 1, nº 2, 2003, pp. 60-72.
GIANNELLIS, N.; PAPADOPOULOS, A.P. What causes exchange rate volatility: Evidence from selected EMU members and candidates for EMU membership countries. Journal of International Money and Finance. v.30, p.39–61, 2011.
GITMAN, L. J. Princípios de Administração Financeira. São Paulo: Pearson Prentice Hall, 2010.
GUIMARÃES, R. F. J.; GUIMARÃES, L. G. A.; CAMARA, S. F.; SOUZA, C. M. A. Desempenho de Carteiras Formadas com Base em Value Drivers. XXXI Encontro Nacional de Engenharia de Produção, Belo Horizonte, MG, Brasil, out 2011.
HAIR, J. F., BLACK, W.C., BABIN, B. J., ANDERSON, R. E. e TATHAM, R. L. Análise multivariada de dados. 6ª ed., São Paulo: Bookman Editora, 2009.
IBGE. Instituto Brasileiro de Geografia e Estatística. Disponível em: http://www.ibge.gov.br/home/estatistica/indicadores/precos/inpc_ipca/defaultseriesHist. shtm. Acesso em: 17 julho 2015.
IBGE. Instituto Brasileiro de Geografia e Estatística. Disponível em: ftp://ftp.ibge.gov.br/Contas_Nacionais/Contas_Nacionais_Trimestrais/Tabelas_Complet
as/Tab_Compl_CNT.zip. Acesso em: 18 julho 2015.
INSTITUTO EDUCACIONAL IBOVESPA. Introdução e Gestão de Risco. BMF &
Bovespa, jan / 2012. Disponível em:
http://lojavirtual.bmf.com.br/LojaIE/portal/pages/pdf/Apostila_PQO_Cap_08_V2.pdf. Acesso em: 14 julho 2015
IPEA. Instituto de pesquisa econômica aplica. Disponível em:
http://www.ipeadata.gov.br/. Acesso em: 18 julho 2015.
JAGANNATHAN, R.; WANG, Z.. The Conditional CAPM and the Cross-Section of Expected Returns. Journal of Finance, vol.51, Issue1, pp 3-53. Mar,1996.
KEENE, M. A.; PETERSON, D. R. The importance of liquidity as a factor in asset pricing. The Journal of Financial Research, v. 30, n. 1, p. 91-109, 2007.
KOTHARI, S. P, Jay Shanken, and Richard G. SLOAN. Another look at the crosssection
of expected stock returns. Journal of Finance. vol.50, pp.185-224.
LEITE, G.; ARAUJO, E. A. T.; SILVA, W. A. C. Metodologia de Constituição de Portfólios de Variância Mínima – Análise em Índices de Ações de Companhias de Energia Elétrica. XXXI Encontro Nacional de Engenharia de Produção, Bento Gonçalves, RS, Brasil, out 2012.
LIN, J., TREICHEL, V. The crisis in the Euro zone: did the Euro contribute to the evolution of the crisis? World Bank Policy Research Working Paper, 2012.
LINTNER, J. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. Review of Economics and Statistics, v. 47, n. 1, 1965, p. 13-37.
MACHADO, M. A. V.; MEDEIROS, O. R. Existe o efeito liquidez no mercado acionário brasileiro? Brazilian Business Review, v. 9, n. 4, p. 28-51, 2012.
MACHADO, M. A. V., MACHADO M. R. Liquidez e Precificação de ativos: evidências do mercado brasileiro. Brazilian Business Review, v. 11, n. 1, p. 73-95, Vitória-ES, janeiro/março, 2014.
MALUF FILHO, J. A. Eficiência do mercado de opções da Bolsa de Valores de São Paulo. Revista de Administração, FEA/USP, v. 26, n. 3, p. 12-22, São Paulo: julho/setembro, 1991.
MARKOWITZ, H. M. Portfólio Selection. Journal of Finance: New York:v.7, n.1, p. 77-91, Março de 1952.
MARKOWITZ, H. M. Portfólio selection: efficient diversification of investment. Journal of Finance, New York: Wiley, 1959.
MAYERS, D. Nonmarketable assets and capital market equilibrium under uncertainty, in Michael C. Jensen. Studies in the Theory of Capital Markets. pp.223- 248, 1972.
MEHRA, R.; PRESCOTT, E.C. The equity premium: a puzzle. Journal of Economic Perspectives, 1985.
MERTON, R. An intertemporal capital asset pricing model. Econometrica. 41, 867– 887, 1973.
MOSSIN, J. Equilibrium in a capital asset market. Econometrica. Out / 1966.
NABARRO, W. W. Bolsas De Valores e o Território Brasileiro: A Ascensão da Bm&Fbovespa. VI Congresso Iberoamericano de Estudios Territoriales y Ambientales. São Paulo: 8 a 12 de setembro de 2014.
NOGAS, P. S. M.; SILVA, W. V.; DUCLÓS, L. C. Estratégias de Investimentos e Integração de Mercados Acionários Internacionais. Revista Brasileira de Estratégia, Curitiba: v. 1, n. 2, p. 227-241, mai/ago 2008.
NUNES, M. S.; COSTA, C. A. J.; MEURER, R. A Relação entre o Mercado de Ações e as variáveis Macroeconômicas: uma análise econométrica para o Brasil. Revista Brasileira de Economia, Rio de Janeiro: out/dez 2005.
OSBORNE, M. F. M. Brownian motion in the stock market. Operations Research, vol. 7, n. 2, p. 145-176, March/April, 1959.
PÁDUA, E. M. M. Metodologia de Pesquisa: Abordagem teórico-prática. 10ª ed., Campinas: Papirus, 2004.
PASTOR, L.; STAMBAUGH, R. F. Liquidity risk and expected returns. The Journal of Political Economy, v. 111, n. 3, p. 642-685, 2003.
RIBAS, J. R.; VIEIRA, P. R. C. Análise Multivariada com o uso do SPSS. 1ª ed., Rio de Janeiro: Editora Ciência Moderna Ltda., 2011.
RIBEIRO, L.; BRUNOZI, A. C. J.; PAIVA, A. L. Análise Multivariada dos Indicadores Econômicos-Financeiros das Empresas de Construção e Engenharia Listadas na BM&FBovespa: Um Estudo da Aplicabilidade da Pecking Order Theroy. Simpósio de Excelência em Gestão e Tecnologia, out 2013.
RIBEIRO, B. R.; GABRIEL, F. S.; RIBEIRO, K. C. S. Influência das Variáveis Macroeconômicas sobre o Retorno das Ações da Petrobrás S.A.. XXXII Encontro Nacional de Engenharia de Produção, Bento Gonçalves: 15 a 18 de outubro de 2012.
ROBERTS, H. V. Stock market “patterns” and financial analysis: methodological suggestions. The Journal of Finance, The American Finance Association, v. 14, n. 1, p. 1-10, New York: 1959.
ROLL, R. A Critique of the Asset Princing Theory's Tests: Part I: On Past and Potencial Testability of the Theory. Journal of Financial Economics. Vol. 4. 1977.
ROSS, S. The Arbitrage Theory of Capital Asset Princing. Journal of Economic Theory. Vol. 13. 1976.
ROSS, S. A. Princípios de Administração Financeira. São Paulo: Atlas, 2000.
SHARPE, W.F. A Simplified Model for Portfolio Analysis. Management Science, 1963.
SHARPE, W.F. Capital Asset Prices: A Theory of Market Equilibrium Under Conditions of Risk. Journal of Finance, 1964.
SHACKMAN, J.D. The equity premium and market integration: evidence from international data. Journal Internacional Financial Markets Institutions and Money, 2006.
SHARPE, W. F. Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. Journal of Finance, Vol. XIX, setembro, pag. 425 – 442, 1964. SILVA, A. B. O. O sistema de informações estatísticas no Brasil e as relações entre seus produtores e usuários. Ci. Inf., Brasília, v. 34, n. 2, p. 62-69, maio/ago. 2005.
SILVA, W. A. C.; PINTO, E. A.; LEITE, G. e MELO, A. A. O. Portfólios de Mínima Variância e CAPM: Constituição de Índices Acionários de Empresas do Setor de Energia Elétrica. XIV Semead , out / 2011.
STRONG, R. A. Pratical investment management. 4. ed. Boston: South-Western College Pub, 2007.
TAMBOSI FILHO, E.; GARCIA, F. G.; IMONIANA, J. O. e MOREIRAS, L. M. F. Teste do CAPM condicional dos retornos de carteiras dos mercados brasileiro, argentino e chileno, comparando-os com o mercado norte-americano. Rev. adm. empres. [online]. 2010, vol.50, n.1, pp. 60-74. ISSN 2178-938X.
TAMBOSI FILHO, E.; COSTA JÚNIOR, N. C. A.; ROSSETTO, J. R. Testando o CAPM condicional nos mercados brasileiro e norte-americano. Revista de Administração Contemporânea, v. 10, n. 4, p. 143-168, out / dez 2006.
TOBIN, J. Liquidity Preference as Behavior Towards Risk. Review of Economics Studies, Feb, 1958.
TREYNOR, J. Toward a Theory of the Market Value of Risk Assets. Manuscrito não publicado, 1961, n° 95-209.
TREYNOR, J. L. Toward a theory of market value of risky assets. Manuscrito não publicado, 1962. Uma versão final foi publicada em 1999, em Asset Pricing and Portfolio Performance. Korajczyk, R. A.. Londres: Risk Books, 15-22.
TREYNOR, J. L. How to rate management of investment funds. Harvard Business Review, v. 43, p. 63-75, jan / feb 1965.
VARGA, G. Índice de Sharpe e outros Indicadores de Performance Aplicados a Fundos de Ações Brasileiros. RAC, v. 5, n. 3, set / dez, 2001: 215 – 245.
WALID, C.; ALOUI, C. MASOOD, O.; FRY, J. Stock Market Volatility and Exchange Rates in Emerging Countries: A Markov-state switching approach. Emerging Markets Review, v.12, p.272–292, 2011.
WEIL, Ph. The equity premium puzzle and the risk-free rate puzzle. Journal of Monetary Economics, 1989.
ANEXO A - Série Histórica do IPCA (Índice de Preços ao Consumidor Amplo) VARIAÇÃO ANO MÊS NÚMERO ÍNDICE (%) (DEZ 93 = 100) NO 3 6 NO 12
MÊS MESES MESES ANO MESES
2008 JAN 2746,37 0,54 1,67 2,64 0,54 4,56 FEV 2759,83 0,49 1,78 2,66 1,03 4,61 MAR 2773,08 0,48 1,52 2,97 1,52 4,73 ABR 2788,33 0,55 1,53 3,22 2,08 5,04 MAI 2810,36 0,79 1,83 3,64 2,88 5,58 JUN 2831,16 0,74 2,09 3,64 3,64 6,06 JUL 2846,16 0,53 2,07 3,63 4,19 6,37 AGO 2854,13 0,28 1,56 3,42 4,48 6,17 SET 2861,55 0,26 1,07 3,19 4,76 6,25 OUT 2874,43 0,45 0,99 3,09 5,23 6,41 NOV 2884,78 0,36 1,07 2,65 5,61 6,39 DEZ 2892,86 0,28 1,09 2,18 5,90 5,90 2009 JAN 2906,74 0,48 1,12 2,13 0,48 5,84 FEV 2922,73 0,55 1,32 2,40 1,03 5,90 MAR 2928,57 0,20 1,23 2,34 1,23 5,61 ABR 2942,63 0,48 1,23 2,37 1,72 5,53 MAI 2956,46 0,47 1,15 2,48 2,20 5,20 JUN 2967,10 0,36 1,32 2,57 2,57 4,80 JUL 2974,22 0,24 1,07 2,32 2,81 4,50 AGO 2978,68 0,15 0,75 1,91 2,97 4,36 SET 2985,83 0,24 0,63 1,96 3,21 4,34 OUT 2994,19 0,28 0,67 1,75 3,50 4,17 NOV 3006,47 0,41 0,93 1,69 3,93 4,22 DEZ 3017,59 0,37 1,06 1,70 4,31 4,31 2010 JAN 3040,22 0,75 1,54 2,22 0,75 4,59 FEV 3063,93 0,78 1,91 2,86 1,54 4,83 MAR 3079,86 0,52 2,06 3,15 2,06 5,17 ABR 3097,42 0,57 1,88 3,45 2,65 5,26 MAI 3110,74 0,43 1,53 3,47 3,09 5,22 JUN 3110,74 0,00 1,00 3,09 3,09 4,84 JUL 3111,05 0,01 0,44 2,33 3,10 4,60 AGO 3112,29 0,04 0,05 1,58 3,14 4,49 SET 3126,29 0,45 0,50 1,51 3,60 4,70 OUT 3149,74 0,75 1,24 1,69 4,38 5,20 NOV 3175,88 0,83 2,04 2,09 5,25 5,63 DEZ 3195,89 0,63 2,23 2,74 5,91 5,91 2011 JAN 3222,42 0,83 2,31 3,58 0,83 5,99 FEV 3248,20 0,80 2,28 4,37 1,64 6,01 MAR 3273,86 0,79 2,44 4,72 2,44 6,30 ABR 3299,07 0,77 2,38 4,74 3,23 6,51 MAI 3314,58 0,47 2,04 4,37 3,71 6,55 JUN 3319,55 0,15 1,40 3,87 3,87 6,71 JUL 3324,86 0,16 0,78 3,18 4,04 6,87 AGO 3337,16 0,37 0,68 2,74 4,42 7,23 SET 3354,85 0,53 1,06 2,47 4,97 7,31 OUT 3369,28 0,43 1,34 2,13 5,43 6,97 NOV 3386,80 0,52 1,49 2,18 5,97 6,64 DEZ 3403,73 0,50 1,46 2,54 6,50 6,50
2012 JAN 3422,79 0,56 1,59 2,95 0,56 6,22 FEV 3438,19 0,45 1,52 3,03 1,01 5,85 MAR 3445,41 0,21 1,22 2,70 1,22 5,24 ABR 3467,46 0,64 1,31 2,91 1,87 5,10 MAI 3479,94 0,36 1,21 2,75 2,24 4,99 JUN 3482,72 0,08 1,08 2,32 2,32 4,92 JUL 3497,70 0,43 0,87 2,19 2,76 5,20 AGO 3512,04 0,41 0,92 2,15 3,18 5,24 SET 3532,06 0,57 1,42 2,51 3,77 5,28 OUT 3552,90 0,59 1,58 2,46 4,38 5,45 NOV 3574,22 0,60 1,77 2,71 5,01 5,53 DEZ 3602,46 0,79 1,99 3,44 5,84 5,84 2013 JAN 3633,44 0,86 2,27 3,88 0,86 6,15 FEV 3655,24 0,60 2,27 4,08 1,47 6,31 MAR 3672,42 0,47 1,94 3,97 1,94 6,59 ABR 3692,62 0,55 1,63 3,93 2,50 6,49 MAI 3706,28 0,37 1,40 3,69 2,88 6,50 JUN 3715,92 0,26 1,18 3,15 3,15 6,70 JUL 3717,03 0,03 0,66 2,30 3,18 6,27 AGO 3725,95 0,24 0,53 1,93 3,43 6,09 SET 3738,99 0,35 0,62 1,81 3,79 5,86 OUT 3760,30 0,57 1,16 1,83 4,38 5,84 NOV 3780,61 0,54 1,47 2,01 4,95 5,77 DEZ 3815,39 0,92 2,04 2,68 5,91 5,91 2014 JAN 3836,37 0,55 2,02 3,21 0,55 5,59 FEV 3862,84 0,69 2,18 3,67 1,24 5,68 MAR 3898,38 0,92 2,18 4,26 2,18 6,15 ABR 3924,50 0,67 2,30 4,37 2,86 6,28 MAI 3942,55 0,46 2,06 4,28 3,33 6,37 JUN 3958,32 0,40 1,54 3,75 3,75 6,52 JUL 3958,72 0,01 0,87 3,19 3,76 6,50 AGO 3968,62 0,25 0,66 2,74 4,02 6,51 SET 3991,24 0,57 0,83 2,38 4,61 6,75 OUT 4008,00 0,42 1,24 2,13 5,05 6,59 NOV 4028,44 0,51 1,51 2,18 5,58 6,56 DEZ 4059,86 0,78 1,72 2,57 6,41 6,41
Fonte: IBGE, Diretoria de Pesquisas, Coordenação de Índices de Preços, Sistema Nacional de Índices de Preços ao Consumidor.