• Nenhum resultado encontrado

Evidência do efeito manada em fundos de renda variável na indústria de fundos brasileira

N/A
N/A
Protected

Academic year: 2017

Share "Evidência do efeito manada em fundos de renda variável na indústria de fundos brasileira"

Copied!
52
0
0

Texto

(1)

FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO

FABRICIO ROSAS TARIKI

EVIDÊNCIA DO EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL NA INDÚSTRIA DE FUNDOS BRASILEIRA

(2)

FABRICIO ROSAS TARIKI

EVIDÊNCIA DO EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL NA INDÚSTRIA DE FUNDOS BRASILEIRA

Dissertação apresentada à Escola de Economia da Fundação Getúlio Vargas (FGV/EESP) como requisito para obtenção do título de Mestre em Macroeconomia.

Orientador: Prof. Ricardo Ratner Rochman

(3)

Rosas Tariki, Fabricio.

EVIDÊNCIA DO EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL NA INDÚSTRIA DE FUNDOS BRASILEIRA / Fabricio Rosas Tariki. - 2014. 52 f.

Orientador: Ricardo Ratner Rochman

Dissertação (MPFE) - Escola de Economia de São Paulo.

1. Finanças – Processo decisório. 2. Fundos de investimento - Brasil. 3.

Investimentos - Análise. 4. Mercado financeiro - Brasil. I. Rochman, Ricardo Ratner. II. Dissertação (MPFE) - Escola de Economia de São Paulo. III. Título.

(4)

FABRICIO ROSAS TARIKI

EVIDÊNCIA DO EFEITO MANADA EM FUNDOS DE RENDA VARIÁVEL NA INDÚSTRIA DE FUNDOS BRASILEIRA

Dissertação apresentada à Escola de Economia da Fundação Getúlio Vargas (FGV/EESP) como requisito para obtenção do título de Mestre em Macroeconomia.

Data de aprovação: __ / __ / ____

Banca Examinadora:

______________________________________ Prof. Ricardo Ratner Rochman

Orientador EESP - FGV

______________________________________ Prof. Bruno Ferman

EESP - FGV

______________________________________ Prof. William Eid Jr.

(5)

AGRADECIMENTOS

Este trabalho não poderia ser possível sem o incentivo, o amor e o carinho da minha família, meus pais, irmãos e minha linda namorada. Para vocês, o meu mais profundo agradecimento.

Aos meus amigos, que compreenderam minha ausência nesses últimos dois anos de estudos.Aos colegas do Itaú Asset Management, pelo apoio e compreensão para que este trabalho pudesse ser construído. E aos colegas do mestrado, em especial ao grande amigo Caio Guitton, que trilharam este árduo caminho comigo. Sem dúvida, sem a presença de todos vocês a jornada não teria sido tão enriquecedora quanto foi.

(6)

RESUMO

Este trabalho tem por objetivo identificar e quantificar o comportamento de manada (herd behavior) nos fundos de ações ativos do mercado financeiro brasileiro,

valendo-se da medida LSV, proposta por Lakonishok et al (1992).

Para tanto, analisamos a composição das carteiras de 642 fundos de ação, de 214 gestores diferentes, de setembro de 2007 até outubro de 2013.

(7)

ABSTRACT

This present study seeks to identify and quantify herding behavior in actively managed equity funds in the Brazillian financial market. Therefore, we used the LSV herd measure, first proposed by Lakonishok et al (1992).

Thus, we analyzed 642 fund’s holdings, from 214 different equity managers, from September 2007 to October 2013.

(8)

SUMÁRIO

LISTA DE ABREVIAÇÕES ... 1

LISTA DE ILUSTRAÇÕES E GRÁFICOS ... 2

LISTA DE TABELAS ... 3

1 INTRODUÇÃO ... 4

2 REVISÃO BIBLIOGRÁFICA ... 6

3 METODOLOGIA ... 13

3.1. Dados Amostrais ... 13

3.2. Critérios de Seleção ... 15

3.3. Período de Análise ... 19

3.4. Estatísticas Descritivas ... 20

3.5. Medida de avaliação do efeito manada 𝑯 𝒊 ... 23

4 RESULTADOS ... 26

4.1. Toda amostra ... 26

4.2. Tamanho dos fundos ... 28

4.3. Tamanho das ações ... 29

4.4. Ações individuais – Ultra Large Cap ... 32

5 CONCLUSÃO ... 39

(9)

1 LISTA DE ABREVIAÇÕES

ANBIMA: Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais

CAPM: Capital Asset Pricing Model CVM: Comissão de Valores Mobiliários HME: Hipótese dos Mercados Eficientes IBOV: Índice Bovespa (Ibovespa)

IBrX: Índice BM&FBOVESPA Brasil 100 LSV: Lakonishok, Shleifer e Vishny

MCLX:Índice BM&FBOVESPA MidLarge Cap

MTF: Moderna Teoria de Finanças

SMLL:Índice BM&FBOVESPA Small Cap

(10)

2 LISTA DE ILUSTRAÇÕES E GRÁFICOS

Gráfico 3.3.1: Percentual do Volume dos Trades da amostra vs. BM&F Bovespa (mensal) . 19

Gráfico 3.4.1: Percentual do Volume dos Trades da amostra segregado por quintis vs. BM&F

Bovespa (mensal) ... 22

Gráfico 3.4.2: Percentual do Patrimônio Líquido dos fundos da amostra segregado por quintis vs. Free Float Market Capitalization da BM&F Bovespa ... 22

Gráfico 4.1.1: Medida do efeito manada 𝐻 𝑖 ... 27

Gráfico 4.4.1 Ambev PN ... 34

Gráfico 4.4.2: Brasil Foods ON ... 34

Gráfico 4.4.3: Petrobras ON ... 34

Gráfico 4.4.4: Petrobras PN ... 35

Gráfico 4.4.5: Itaú PN ... 35

Gráfico 4.4.6: Itausa PN ... 35

Gráfico 4.4.7: Banco do Brasil ON ... 36

Gráfico 4.4.8: Bradesco PN ... 36

Gráfico 4.4.9: Cielo ON ... 36

Gráfico 4.4.10: Embraer ON ... 37

Gráfico 4.4.11: Cosan ON ... 37

Gráfico 4.4.12: Gerdau ON ... 37

Gráfico 4.4.13: VALE ON ... 38

(11)

3 LISTA DE TABELAS

Tabela 3.2.1:Patrimônio Líquido (R$ Bi) por Instituição Administradora. Data base: junho

2014 ... 18

Tabela 3.4.1:Descrição da amostra por classificação Anbima. Data base: outubro 2013 .... 20

Tabela 3.4.2:Descrição da amostra por instituição gestora. Data base: outubro 2013 ... 21

Tabela 4.1.1:Medida do efeito manada 𝐻 𝑖 de toda amostra ... 26

Tabela 4.1.2Teste-t de igualdade de médias – por ações mais líquidas ... 27

Tabela 4.2.1:Medida do efeito manada 𝐻 𝑖 segregada por tamanho do fundo ... 28

Tabela 4.2.2:Teste-t de igualdade de médias – por tamanho dos fundos ... 29

Tabela 4.3.1:Medida do efeito manada 𝐻 𝑖 segregada por market cap ... 31

Tabela 4.3.2:Teste-t de igualdade de médias – por capitalização bursátil das ações ... 31

Tabela 4.4.1:Maiores participações no IBrX (set/2007 a out/2013) ... 32

(12)

4 1 INTRODUÇÃO

O estudo recente da economia financeira é dominado em grande parte por um arcabouço teórico comumente chamado de Modern Finance Theory, ou Moderna

Teoria de Finanças (MTF). Este corpo teórico não é o resultado de um surto de brilhantismo de uma pessoa apenas, mas sim fruto do trabalho de diversos pesquisadores, como narrado por Samuelson (2009) em sua retrospectiva da MTF.

A MTF é baseada na racionalidade dos agentes econômicos, ou seja, assume que os indivíduos identificam e ordenam consistente e corretamente suas preferências, procuram sempre maximizar o resultado de suas escolhas e são coerentes e consistentes quando confrontados com alguma escolha que envolva incertezas referentes a eventos futuros. Estes pressupostos, porém, têm-se mostrado insuficientes para explicar diversos fenômenos empíricos observados em estudos de economia financeira. Assim, surge o estudo das Finanças Comportamentais, que se contrapõe ao pressuposto de racionalidade dos tomadores de decisão.

As Finanças Comportamentais têm apresentado sucesso em descrever o comportamento do investidor; no caso, de quais tipos de portfolios estes tendem a ter, e como seu comportamento de negociação de ativos muda ao longo do tempo. O objeto de estudo deste trabalho é, portanto, testar empiricamente a ocorrência do efeito manada na gestão de fundos de investimento em ações no Brasil. Ainda que já exista um número de estudos empíricos sobre a evidência do efeito manada em outros mercados, a literatura sobre o assunto no Brasil é incipiente.

A literatura existente aponta sobre diferenças da ocorrência e intensidade de efeito manada entre mercados desenvolvidos e mercados emergentes. Desta maneira, este trabalho visa mensurar a ocorrência do efeito manada no mercado brasileiro de ações.

(13)

5 movimento generalizado dos investidores, a pressão de compra ou de venda de ativos pode levar a desequilíbrios (WERMERS 1999)?

(14)

6 2 REVISÃO BIBLIOGRÁFICA

A partir de uma abordagem microeconômica neoclássica, um dos pilares da Moderna Teoria de Finanças (MTF) é a eficiência dos mercados, ancorado pelas premissas acerca a racionalidade ilimitada, a aversão ao risco e a maximização da utilidade esperada dos agentes econômicos. Na hipótese da eficiência de mercado, ou Hipótese de Mercados Eficientes (HME), assume-se que uma nova informação é incorporada instantaneamente e corretamente nas expectativas dos agentes (FAMA 1970, 1991).

Desta forma, é impossível a um agente auferir ganhos acima do mercado consistentemente, e todos os preços no mercado estão sempre em equilíbrio. Ainda segundo Fama (1970, 1991), há três formas de eficiência de mercado: Fraca, Semi-Forte e Semi-Forte. A forma fraca ocorre em mercados onde os preços atuais refletem os preços passados. Na forma semi-forte, há informações disponíveis publicamente, sendo refletidas completamente nos preços de hoje. Com base exclusivamente nas informações divulgadas publicamente, não seria possível ter desempenho melhor que a do mercado. Já na forma forte, os preços atuais refletem toda a informação existente no mercado, inclusive informações privilegiadas (inside information).

Existem evidências da forma fraca em muitos mercados emergentes e a forma semi-forte em outros mercados. Porém, não se conseguiram evidências da forma semi-forte de eficiência de mercado em nenhum mercado. No Brasil, a literatura refuta a hipótese de eficiência de mercado forte (ROCHMAN, EID 2007).

No tema informacional da eficiência de mercado, Freeman (2001) aborda a questão da informação por outro prisma:

“One of the fallacies which underlie the simplistic view of information

technology and its supposed role in providing more perfect information to all agents in various markets is a confusion between information and knowledge. Indeed, the two terms were often used interchangeably. Information about price movements does not in itself convey

(15)

7 information may be to the development of such understanding. Still less does information in itself confer the power to predict future movements

or changes in the markets.” (FREEMAN, 2001, p. 5)

Este é um ponto sutil, mas essencial no mercado financeiro. Acesso à informação e a incorporação da informação em seu processo decisório são duas coisas diferentes. Ainda que as informações estejam disponíveis em grande quantidade e para inúmeros agentes participantes do mercado, o que diferencia a atuação de cada participante e os resultados obtidos é o conhecimento específico. Segundo Freeman (2001), conhecimento é a capacidade de compreender as informações obtidas e saber usá-las. Deste modo, a informação em si tem pouco valor. Os agentes que compreendem melhor as informações disponíveis a todo o mercado obtêm melhores resultados, mesmo sem o uso de inside information.

Segundo Fama (1998), eventuais desvios do resultado esperado que eventualmente sejam observados são explicados no curto prazo pelos limites da arbitragem e a tendência dos mercados de reagirem de maneira exacerbada (overreaction e underreaction); ou atribuídos a aberrações estatísticas, erros de metodologia e

modelos inadequados, no caso de divergências observadas no longo prazo.

(16)

8 Este conceito foi expandido no modelo CAPM (Capital Asset Pricing Model), de Sharpe (1964). Neste, é introduzido o conceito que, além da carteira eficiente, todos agentes também se valem do ativo livre de risco na sua alocação.

Porém, nos últimos anos, um corpo de evidências empíricas mostrou que esta abordagem proposta pela MTF não é mais suficiente para modelar o comportamento dos agentes. Modelos tradicionais, baseados na racionalidade ilimitada dos agentes econômicos, e que, no passado, que foram tão utilizados pela facilidade da modelagem do comportamento dos mesmos, já não bastavam para explicar uma gama de fenômenos regularmente observados nos mercados financeiros (YOSHINAGA et al, 2008).

Desta forma, surge o estudo das Finanças Comportamentais, que postula que estes fenômenos observados, que divergem das conclusões esperadas do MTF, podem ser explicados por modelos que assumem uma racionalidade limitada dos agentes. A princípio, o estudo das Finanças Comportamentais se ancorou em duas vertentes: a formalização dos limites à arbitragem, o que impediria agentes racionais explorarem desequilíbrios nos preços causados por agentes menos racionais; e a psicologia dos agentes (BARBERIS, THALER 2002).

(17)

9 Em Finanças, o comportamento de manada (herd behavior) se caracteriza pelo

movimento correlacionado dos investidores, resultante de uma intenção ou ação de um grupo de investidores de imitar ou copiar o comportamento de outro grupo (BIKHCHANDANI, SHARMA 2001).

A distinção entre o efeito manada intencional (intentional herding) e o efeito manada

espúrio (spurious herding) também foi discutida por Bikchandani et al (2001). No

primeiro, um grupo de investidores ativamente buscam emular a decisão de investimento de outro grupo de investidores. Já o segundo tipo pode ser descrito como um movimento racional de agentes econômicos com o mesmo objetivo de investimento, de posse do mesmo conjunto de informações, e por meio de um processo decisório racional, autônomo e independente, acabam por tomar decisões de investimento semelhantes, movimentando-se no mesmo sentido. Ainda mais, o efeito manada intencional pode decorrer de restrições de acesso dos investidores a alguns mercados. Enquanto o efeito manada espúrio não viola os preceitos da MTF, o efeito manada intencional o faz.

A natureza desse efeito manada é chamada de cascata informacional, onde indivíduos não observam o processo decisório dos outros indivíduos, apenas os movimentos em si. Sem ter acesso às informações privadas dos que motivaram as decisões dos outros agentes, as ações prévias passam a ser os sinais que os demais agentes se utilizam. O autor ainda argumenta que, mesmo em um ambiente desprovido de assimetria de informação, o movimento ainda tem uma importância muito grande:

“Individuals can observe each other’s actions but not the private information or signals that each player receives. (Even if individuals communicate their private information to each other, the idea that

“actions speak louder than words” provides justification for this

assumption.) If individuals have some view about the appropriate course

of action, then inferences about a player’s private information can be

(18)

10 Scharfstein e Stein (1990) propõem outra explicação teórica para a origem do efeito manada, oriunda dos incentivos oferecidos à remuneração dos profissionais do mercado financeiro; tais como gestores de fundos de investimento, analistas e consultores. Uma vez que a remuneração tende a ser baseada no desempenho relativo do profissional, ou seja, seu desempenho quando comparado com profissionais do mesmo perfil de instituições diferentes (peer group), há uma tendência

dos profissionais menos competentes imitarem o comportamento dos mais competentes, a fim de melhorar sua reputação no sistema.

Além do mais, assumindo que há um componente de incerteza na avaliação de ativos financeiros, o esquema de remuneração acaba por incentivar o comportamento homogêneo. Por conta da existência de choques imprevisíveis sistemáticos afetando os preços dos ativos financeiros, o ônus de errar na decisão de investimento quando

se “segue o mercado”, aqui no sentido de peer group, é muito menor do que errar quando se foi “contra o mercado”, ou seja, na contramão do peer group. Deste modo,

há um incentivo a esses gestores de adotar uma estratégia alinhada com os concorrentes; o autor chama este comportamento de sharing-the-blame effect.

(SCHARFSTEIN, STEIN 1990).

Trueman (1994) também analisou o efeito manada pelo prisma do comportamento dos analistas. O autor encontrou evidências de que as previsões produzidas não refletem as informações disponíveis de uma maneira imparcial. O resultado disso é o surgimento de um comportamento de manutenção do status quo, ou seja, de produzir

previsões em linha com os resultados passados de uma empresa, ainda que essas previsões se desviem do que seriam esperadas dadas as informações atuais.

(19)

11 eles encontraram uma evidência fraca de efeito manada em ações de menor capitalização (small cap).

De maneira semelhante e se valendo da mesma metodologia e métrica (LSV) do estudo citado acima, Wermers (1999) analisou o comportamento dos gestores de 4848 fundos no mercado americano, em um período entre 1975 a 1994. Em sua análise, o autor introduziu também a avaliação do estilo de gestão (ações growth vs. value), além do tamanho das ações (large, mid e small cap).

Da mesma maneira que Lakonishok et al (1992), o autor observou um nível de efeito

manada baixo no agregado, porém mais significativo entre as ações de menor capitalização (small cap), de menor liquidez e entre os fundos orientados a ações de

maior crescimento (growth).

Em relação ao tema de efeito manada em mercados emergentes, vários estudos na literatura apontam níveis de efeito manada superiores em mercados emergentes, quando comparado com métricas similares em mercados maduros.

Como um exemplo de um estudo em um mercado em amadurecimento, Lobão e Serra (2002) analisaram 32 fundos no mercado português, no período entre 1998 a 2000. Em seu estudo, identificaram um nível de efeito manada significativamente mais elevado que o encontrado em mercados maduros. Valendo-se da métrica LSV, eles observaram também que a medida era primariamente sensível à volatilidade do mercado e ao desempenho recente do mercado acionário.

(20)

12 Também no mercado brasileiro, Sanches (2013) investigou a ocorrência de efeito manada no mercado brasileiro de ações em relação ao índice de mercado, através da medida de dispersão transversal dos betas (beta herding) das ações de 645 fundos

(21)

13 3 METODOLOGIA

Neste capítulo, descreveremos a metodologia utilizada para medir o efeito manada. Descreveremos a natureza dos dados utilizados, o critério de seleção e exclusão dos mesmos, assim como a origem dos dados. Apresentaremos também a estatística descritiva da amostra estudada. Por fim, descreveremos a métrica utilizada para a avaliação do efeito manada.

3.1. Dados Amostrais

Os dados utilizados são as informações da composição da carteira dos fundos de investimento em ação, no período compreendido entre jan/2006 a dez/2013, com periodicidade mensal. Por conta da Instrução CVM nº 409/2004, no assunto de interesse alterada pelos Incisos IV e V da Instrução CVM nº522/2012, os fundos são obrigados a divulgar a composição da carteira todo mês, podendo o administrador omitir a divulgação da carteira em até 90 dias.1

As seguintes informações foram coletadas do sistema Quantum Axis, que replica a base de informação presente na CDA 3.0 (Composição e Diversificação das Aplicações) da CVM, agregando algumas outras. As informações coletadas dos fundos de investimento são:

a. Código ANBID: código único identificador do fundo no SI-ANBID b. Data de competência: data de referência das informações da carteira c. Patrimônio Líquido do Fundo: valor de todos ativos financeiros menos as

obrigações do fundo, na data de competência. d. Nome do Ativo: nome do ativo (não padronizado). e. Valor do Ativo: valor do ativo na data de competência.

f. Quantidade Total: quantidade do ativo na data de competência.

1 Do texto integral da Instrução CVM nº 409, de 18 de agosto de 2004, com alterações introduzidas pelas

(22)

14 g. Participação do Ativo: percentual do valor do ativo no Patrimônio Líquido do

fundo.

h. Quantidade Aquisição: quantidade comprada no mês de competência do ativo em questão.

i. Valor Aquisição: valor financeiro comprado no mês de competência do ativo em questão.

j. Quantidade Venda: quantidade vendida no mês de competência do ativo em questão.

k. Valor Venda: valor financeiro vendido no mês de competência do ativo em questão.

l. Tipo do Ativo: classe do ativo.

m. Tipo de Aplicação: classificação contábil.

n. Data da Divulgação: data de envio das informações à CVM.

Adicionalmente, também utilizamos a composição e o retorno dos índices de ações, assim como o retorno das ações componentes dos índices da BM&F BOVESPA, obtidos diariamente do sistema de informação da BM&F Bovespa. Os índices utilizados são:

a. IBrX: Índice BM&FBOVESPA Brasil 100 b. MCLX: Índice BM&FBOVESPA MidLarge Cap

c. SMLL: Índice BM&FBOVESPA Small Cap

Para os índices supracitados, também obtivemos a capitalização bursátil livre (free float market capitalization), medida que mostra a quantidade realmente disponível no

mercado para negociação. Esta medida exclui as ações que compõem a capitalização de mercado, mas que não são negociadas (locked-in shares), como as ações detidas

(23)

15 Para as ações que compõem os índices no período estudado, também obtivemos o volume diário de negociação. Ambas as medidas foram obtidas do terminal de informação Bloomberg.

3.2. Critérios de Seleção

O primeiro critério de seleção da amostra de fundos foi baseado na classificação CVM sobre a composição da carteira dos fundos e sua modalidade legal. Selecionamos os fundos de ação, ou seja, que mantenham em seu patrimônio líquido um percentual mínimo de 67% nos seguintes ativos financeiros:

a) ações admitidas à negociação em bolsa de valores ou entidade do mercado de balcão organizado;

b) bônus ou recibos de subscrição e certificados de depósito de ações admitidas à negociação nas entidades referidas na alínea “a”;

c) cotas de fundos de ações e cotas dos fundos de índice de ações

negociadas nas entidades referidas na alínea “a”; e

d) Brazilian Depositary Receipts classificados como nível II e III, de acordo com o art. 3º, §1º, incisos II e III da Instrução CVM nº 332, de 04 de abril de 2000.2

Importante notar que a instrução normativa não prevê qualquer restrição de concentração em qualquer ativo listado acima, inclusive a ativos de emissão da instituição gestora, administradora ou custodiante:

§ 2º Sem prejuízo do disposto no caput, o investimento nos ativos financeiros listados no inciso I do § 1º não estará sujeito a limites de concentração por emissor, desde que o regulamento e o prospecto, quando houver, contenham, com destaque, alerta de que o fundo pode

(24)

16 estar exposto a significativa concentração em ativos financeiros de poucos emissores, com os riscos daí decorrentes.3

Também excluímos os fundos que têm modalidade legal Fundo de Investimento em Cotas de Fundos de Investimento (FICFI), tal como disposto no Capítulo XIII da Instrução CVM nº409/2004. Esta instrução dispõe que estes fundos devem manter, no mínimo, 95% de seu patrimônio investido em cotas de fundos de investimento de uma mesma classe, excetuando-se os fundos de investimentos em cotas classificados como multimercado.

A razão disto é que a indústria de fundos no Brasil apresenta uma particularidade, que é bastante relevante para a seleção da amostra a ser estudada. Por não permitir mais de uma classe de cota em um mesmo fundo, uma instituição que deseja vender uma estratégia para mais de um segmento comercial, variando as taxas cobradas dos cotistas, é obrigada a montar uma série de fundos cujo objetivo único é a venda, e um outro fundo que concentra a gestão dos ativos de fato. Na indústria, esta estrutura tem o nome coloquial de fundos-mãe e fundos-filho, ou master fund e feeder fund, ambos

casos respectivamente se referindo aos fundos de investimento onde é realmente feita a gestão; e aos fundos de investimento cujo objetivo é a venda.

Uma vez que nosso objeto de estudo é o comportamento do gestor, introduzir fundos de investimento de cota equivale a realizar uma dupla contagem. Por este mesmo motivo, retiramos os chamados fundos-espelho. Ainda que não seja uma classificação legal, este tipo de fundo busca replicar o retorno de outro fundo, investindo a maior parte de seu patrimônio em um único fundo de investimento, com o objetivo de oferecer condições diferentes de investimento ao cotista, como perfil de liquidez ou aplicação mínima diferentes daqueles encontrados no fundo original.

Buscamos também selecionar os fundos de investimento em ações no qual a gestão seja discricionária, ou seja, inteiramente a cargo da instituição gestora. Por conta disso, retiramos os fundos de modalidade previdenciária, por introduzir limitações à

(25)

17 gestão e à escolha de ativos. Limitados pelas normas que regem as Entidades Fechadas de Previdência Complementar (EFPC)4 e a instrução que rege o

funcionamento dos fundos de investimento, temos que fundos de ação destinados à EFPC, diferentemente dos fundos de ação normais, possuem uma limitação de deter ações das empresas coligadas a sua administradora:

I – é vedada a aquisição de ações de emissão do administrador, exceto no caso do fundo cuja política de investimento consista em buscar reproduzir índice de mercado do qual as ações do administrador ou de companhias a ele ligadas façam parte, caso em que tais ações poderão ser adquiridas na mesma proporção de sua participação no respectivo índice;5

Uma vez que o serviço de administração de recursos no Brasil é concentrado nos grandes conglomerados financeiros, e as ações destas empresas se encontram entre as de maior capitalização bursátil e liquidez no mercado, a grande maioria dos fundos previdenciários está exposta a este tipo de restrição.

Quando analisamos os dados de junho de 2014, vemos que as 10 maiores instituições administradoras concentram 84% de todos os recursos financeiros. No caso de fundos de previdência, mais de 95% dos recursos financeiros encontra-se em instituições com ações negociadas na BM&F Bovespa, portanto sujeitas à limitação descrita acima.6

4 Resolução CMN nº 3.792/2009 e suas revisões subsequentes.

5 Instrução CVM nº 409/2004 e suas revisões subsequentes. Art. 86. Parágrafo 2º. Inciso I

6 A lista de administradoras que possuem ações de emissão própria ou de coligadas negociadas em Bolsa de

(26)

18

Tabela 3.2.1:Patrimônio Líquido (R$ Bi) por Instituição Administradora. Data base: junho 2014

Fonte: Elaboração própria, dados obtidos junto à Anbima.

Também retiramos da amostra os fundos single-stock, ou seja, aqueles fundos que

investem grande parte de seu patrimônio em apenas uma ação, além dos Fundos Mútuos de Privatização FGTS (FMP-FGTS), regulamentado pela Instrução CVM nº 279/1998. Por ter um escopo de atuação tão limitado, e ter a negociação de seu único ativo ditado unicamente por aportes, resgates ou recebimento de dividendos, a inclusão de dados de negociação provenientes deste tipo de fundo traria para a análise um elemento espúrio na avaliação do efeito manada.

Por este mesmo motivo também retiramos os fundos indexados, abertos (open ended funds) e fechados (close ended funds). Por seguirem um índice de mercado, o padrão

da negociação de seus ativos também responde mais a eventos de aporte, resgate e recebimento de dividendos. Mais problemático, os fundos fechados somente recebem aportes e honram resgates por meio de uma cesta de integralização, composta pelos ativos que compõe o índice de referência.7

7 Instrução CVM nº 359/2002 e suas revisões subsequentes.

Administrador Curto Prazo

+ Ref. DI Renda Fixa

Multimercado

+ Cambial Ações Previdência Outros Total

BB 126,2 218,0 11,6 58,2 94,6 19,2 527,8

Itau Unibanco 84,1 109,0 38,0 10,7 88,5 21,8 352,1

Bradesco 76,2 89,4 16,6 4,3 98,3 1,6 286,4

Caixa 32,5 104,0 16,5 22,7 22,4 26,8 225,0

BTG Pactual 6,1 16,5 71,9 13,9 0,1 48,4 156,8

BEM 4,0 43,0 73,3 10,9 2,3 23,2 156,7

Santander 50,9 36,6 17,0 3,3 22,0 11,6 141,5

BNY Mellon 6,8 14,2 52,1 33,2 4,7 18,5 129,5

Intrag 1,0 12,8 46,9 13,5 3,2 23,6 100,9

HSBC 28,6 25,6 10,7 2,0 11,7 7,3 85,9

416,4 668,9 354,6 172,7 347,9 201,9 2.162,5

90,9% 90,5% 71,3% 85,0% 96,7% 64,0% 84,0%

Total 458,1 739,4 497,3 203,3 359,8 315,4 2.573,2

(27)

19 Assim, a seleção da amostra a ser estudada visa selecionar apenas os fundos com gestão ativa, desta forma minimizando a possibilidade de capturar o efeito manada espúrio (BIKHCHANDANI, SHARMA 2001).

3.3. Período de Análise

Foram coletadas informações referentes à composição dos fundos de investimentos selecionados do período de jan/2006 a dez/2013. Ao se verificar a representatividade do volume de negociação mensal da amostra ante o volume apresentado pela Bolsa BM&F Bovespa no mesmo período, observamos que capturamos um percentual muito pequeno da movimentação antes de set/2007.

Gráfico 3.3.1: Percentual do Volume dos Trades da amostra vs. BM&F Bovespa (mensal)

Fonte: Elaboração própria, dados da pesquisa.

Observamos também uma queda desta medida após out/2013. Na data de obtenção dos dados, as posições acionárias dos fundos para os meses de nov/2013 e dez/2013 estavam ocultadas pelos administradores, que possuem a prerrogativa de omitir por 90 dias a divulgação da carteira para os órgãos competentes (CVM).8

Por estes motivos, restringimos o período de estudo para set/2007 a out/2013.

8 Instrução CVM nº 409/2004 e suas revisões subsequentes.

(28)

20 3.4. Estatísticas Descritivas

Podemos observar, pela tabela abaixo, a distribuição dos fundos da amostra por classificação Anbima. Vemos que a categoria Ações Livre é responsável por cerca de 50% da quantidade de fundos e de recursos financeiros. A categoria dos fundos de Ações Setoriais detém a terceira posição na quantidade de fundos, e a segunda posição quanto ao patrimônio líquido.

Tabela 3.4.1:Descrição da amostra por classificação Anbima. Data base: outubro 2013

Fonte: Elaboração própria, dados obtidos junto à Anbima.

Assim como os fundos de Ação Ibovespa Ativo, IBrX Ativo, Dividendos, Small Caps e

Sustentabilidade/Governança, os fundos denominados Ações Setoriais possuem uma política de investimento bastante clara:

Fundos que investem em empresas pertencentes a um mesmo setor ou conjunto de setores afins da economia. Estes fundos devem explicitar em suas políticas de investimento os setores, subsetores ou segmentos elegíveis para aplicação, conforme classificação setorial definida pela Bovespa.9

9 Classificação ANBIMA de Fundos:

http://portal.anbima.com.br/fundos-de-investimento/classificacao-de-fundos

Classificação Anbima

Ações Livre 311 48,4% 29.856,3 50,7%

Ações Setoriais 78 12,1% 7.802,4 13,2%

Ações Ibovespa Ativo 121 18,8% 7.787,5 13,2%

Ações Dividendos 56 8,7% 6.050,0 10,3%

Ações IBrX Ativo 43 6,7% 4.762,4 8,1%

Ações Small Caps 30 4,7% 2.556,2 4,3%

Ações Sustentabilidade/Governança 3 0,5% 73,9 0,1%

Total 642 58.888,7

(em R$ Bilhões)

(29)

21 Já em relação às instituições gestoras, vemos que as maiores instituições financeiras ocupam as primeiras posições tanto de patrimônio, quanto de gestão.

Tabela 3.4.2:Descrição da amostra por instituição gestora. Data base: outubro 2013

Fonte: Elaboração própria, dados obtidos junto à Anbima.

Verificamos também que, quando separamos os fundos por seu patrimônio líquido em quintis, mês a mês, a representatividade dos mesmos é uniforme no período estudado, tanto em relação ao percentual do patrimônio líquido quanto ao volume, tende a ser razoavelmente constante.

Gestor

Itaú Asset Management 53 8,3% 5.324,7 9,0%

BRAM 35 5,5% 3.953,6 6,7%

BB 27 4,2% 3.731,1 6,3%

Dynamo Asset Management 4 0,6% 2.768,9 4,7%

Vinci Partners 12 1,9% 2.586,0 4,4%

BTG Pactual 16 2,5% 2.037,5 3,5%

Santander Asset Management 20 3,1% 1.915,7 3,3%

Solidus Asset Management 3 0,5% 1.733,6 2,9%

Western Asset Management 9 1,4% 1.697,6 2,9%

ARX Asset Management 8 1,2% 1.560,8 2,7%

Credit Suisse Hedging-Griffo 9 1,4% 1.507,9 2,6%

Caixa 10 1,6% 1.392,4 2,4%

Demais (202 gestores) 436 67,9% 28.678,9 48,7%

Total 642 58.888,7

(em R$ Bilhões)

(30)

22

Gráfico 3.4.1: Percentual do Volume dos Trades da amostra segregado por quintis vs. BM&F Bovespa (mensal)

Fonte: Elaboração própria, dados da pesquisa.

Gráfico 3.4.2: Percentual do Patrimônio Líquido dos fundos da amostra segregado por quintis vs. Free Float Market Capitalization da BM&F Bovespa

Fonte: Elaboração própria, dados da pesquisa.

0% 1% 2% 3% 4% 5% 6% 7%

Q1 Q2 Q3 Q4 Q5

0% 1% 2% 3% 4% 5% 6%

(31)

23

3.5. Medida de avaliação do efeito manada 𝑯𝒊

Para a mensuração do efeito manada, utilizamos a métrica apresentada por Lakonishok, Shleifer, Vishny(1992) (LSV).

Esta métrica busca medir o comportamento de compras e vendas líquidas realizadas por um conjunto de fundos de investimento em um período 𝒕, para cada ação 𝒊 detida em carteira.

Assim, avalia-se a diferença entre a probabilidade observada de uma ação 𝒊 ser comprada ou vendida por um gestor de fundos de investimento em um período 𝒕 e a probabilidade de que o mesmo ativo 𝒊 seja comprado ou vendido caso cada gestor agisse de forma independente.

Procura-se então medir como o comportamento de compra ou venda de um determinado ativo diverge do esperado, ou seja, diverge da hipótese da não ocorrência do efeito manada.

A medida é definida por:

𝑯

𝒊,𝒕

= |

𝒊,𝒕 +𝑺𝒊,𝒕 𝒊,𝒕

− 𝒑

𝒊,𝒕

| − 𝑭

𝒊,𝒕 Equação (1)

𝑭

𝒊,𝒕

= Ε |

𝒊,𝒕

𝒊,𝒕 +𝑺𝒊,𝒕

− 𝒑

𝒊,𝒕

|

Equação (2)

Onde:

𝒊,𝒕

=

número de gestores que aumentaram suas posições no ativo 𝒊 no período 𝒕

(32)

24

𝑺

𝒊,𝒕 = número de gestores que diminuíram suas posições no ativo 𝒊 no período 𝒕

(vendedores líquidos);

𝒑

𝒊,𝒕 = é a proporção esperada de gestores comprando ações no período em relação

ao número total de gestores;

𝑭

𝒊,𝒕 = termo de ajuste, a esperança do primeiro termo sob a premissa de não

ocorrência de efeito manada.

A medida consiste na proporção de fundos que foram compradores líquidos, ou seja, aumentaram sua participação da ação 𝒊 no período 𝒕, em relação a todos os fundos que negociaram a ação 𝒊 no período 𝒕.

Na hipótese de não ocorrência de efeito manada, ou seja, que todos os fundos negociam de forma independente, esta medida tem um valor esperado nulo, ou seja, metade dos gestores é compradora líquida, e a outra metade é vendedora líquida.

Ainda mais, ao menos que assumirmos que a indústria de fundos de ações tenha crescimento nulo, ou seja, não sofra variações em seu patrimônio por conta de aportes e resgates, a medida da proporção dos compradores líquidos 𝒊,𝒕

𝒊,𝒕 +𝑺𝒊,𝒕 poderá divergir

tanto para cima quanto para baixo, sem a ocorrência de efeito manada (BELLANDO 2012).

Desta forma, sob a hipótese nula da não ocorrência de efeito manada, espera-se que o comportamento de compra e venda seja homogêneo no período 𝒕. Portanto:

Ε|𝒑

𝒊,𝒕

|

=

𝒑

𝒕 Equação (3)

(33)

25

𝒑

𝒕

=

𝐵 𝐵 𝑡

𝑡 + 𝑡

Equação (4)

Uma vez que o comportamento de 𝒊,𝒕 para cada ação e fundo segue uma distribuição binomial, esta medida é viesada para ações que são detidas por um pequeno número de fundos. Portanto, utiliza-se o termo de ajuste 𝑭𝒊,𝒕, o valor esperado de | 𝒊,𝒕

𝒊,𝒕+𝑺𝒊,𝒕 − 𝒑𝒊,𝒕 | sob a hipótese nula de não ocorrência de efeito

manada. Como dito antes, este termo segue uma distribuição binomial com probabilidade de sucesso 𝒑𝒊,𝒕 , e quantidade de tentativas dada por 𝒊,𝒕 + 𝑺 𝒊,𝒕, ou seja, o número de fundos que negociaram o ativo 𝒊 no período 𝒕. Utilizamos o módulo dos dois termos para evitar compensações do efeito manada no sentido de compra com o de venda.

Desta maneira, conhecendo o número de fundos ativos em uma ação e a proporção de fundos que são compradores líquidos no mês, facilmente se calcula o termo de ajuste 𝑭𝒊,𝒕 .

Por fim, o roteiro de construção da métrica é:

1. Contagem do número de fundos que foram compradores líquidos, vendedores líquidos e que negociaram a ação 𝒊 no mês 𝒕;

2. Apuração de 𝒑𝒕 e 𝒑𝒊,𝒕 ; 3. Simulação e cálculo de 𝑭𝒊,𝒕; 4. Cálculo de 𝑯𝒊,𝒕 ;

5. Apuração da média, erro-padrão e significância estatística da medida 𝑯 𝒊,𝒕 para:

a. Toda amostra;

b. Grupo de fundos, segregados em quintis por seu patrimônio líquido; c. Grupo de ações 𝒊, segregados por sua capitalização bursátil;

d. Ações individuais, selecionadas as de maior representatividade no

(34)

26 4 RESULTADOS

Neste capítulo são analisados os principais resultados e as características obtidos na análise da amostra para indícios de ocorrência do efeito manada.

Investigamos a ocorrência do efeito manada primeiramente em (i) toda amostra, depois (ii) segregando os fundos em quintis por seu patrimônio líquido, (iii) dividindo pela capitalização bursátil das ações e finalmente (iv) analisando o comportamento individual das dez maiores ações em termos de capitalização bursátil.

4.1. Toda amostra

A tabela 4.1.1 apresenta o resultado o efeito manada para toda a amostra. No caso, temos um total de 74 observações mensais, abrangendo 172 ações de 149 empresas diferentes. Observamos que todos valores são significativamente diferentes de zero a um nível de significância de 1%.

Tabela 4.1.1:Medida do efeito manada 𝑯𝒊 de toda amostra

Fonte: Elaboração própria, dados da pesquisa.

Em linha com Lakonishok et al (1992), a medida de efeito manada tende a decrescer

com o aumento no número de gestores ativos na ação em cada período. Observamos que a amostra estudada apresenta este mesmo comportamento.

Na tabela 4.1.2 apresentamos o p-value de um teste t, onde testamos se as médias

dos diferentes níveis são iguais. Formalizando:

{𝐻𝐻0: 𝐻 𝑜𝑑𝑜𝑠 = 𝐻>20

𝑎: 𝐻 𝑜𝑑𝑜𝑠 ≠ 𝐻>20 e {

𝐻0: 𝐻 𝑜𝑑𝑜𝑠 = 𝐻>50

𝐻𝑎: 𝐻 𝑜𝑑𝑜𝑠 ≠ 𝐻>50

empresas

ações Todas ações

Ações detidas por mais de 20 gestores

Ações detidas por mais de 50 gestores

Média 0,1048 0,1015 0,0898

(DP) (0,0079) (0,0102) (0,0107)

Mediana 0,1045 0,0990 0,0905

(35)

27 A um nível de significância de 5%, vemos que a métrica 𝐻𝑖 para o grupo de ações detida por 20 ou mais fundos é significativamente diferente das duas demais.

Tabela 4.1.2Teste-t de igualdade de médias – por ações mais líquidas

Fonte: Elaboração própria, dados da pesquisa.

O gráfico 4.1.1 mostra a evolução da medida ao longo do tempo, indicando a persistência temporal destes níveis de efeito manada, sem tendência de aumento ou queda.

Gráfico 4.1.1: Medida do efeito manada 𝑯𝒊

Fonte: Elaboração própria, dados da pesquisa.

Todos >20 >50

Todos 1

>20 0,0288 1

>50 0,0000 0,0000 1

(36)

28 4.2. Tamanho dos fundos

A tabela 4.2.1 apresenta o resultado do efeito manada para os fundos segregados por seu tamanho. Dividimos a cada final do mês a amostra de fundos em cinco quintis pelo patrimônio líquido. A amostra é rebalanceada mensalmente.

Tabela 4.2.1:Medida do efeito manada 𝑯𝒊 segregada por tamanho do fundo

Fonte: Elaboração própria, dados da pesquisa.

Os fundos posicionados no primeiro quintil, ou seja, com menor patrimônio líquido apresentam um nível de efeito manada menor que o observado em toda a amostra. Entre os fundos classificados no segundo ao quinto quintil, vemos pouca diferença no nível da medida 𝐻𝑖 .

Na tabela 4.2.2 apresentamos o p-value de um teste t, onde testamos se as médias

dos diferentes níveis são iguais. Os valores em negrito indicam aqueles que não podemos rejeitar a hipótese nula de igualdade de médias a um nível de significância de 5%.

empresas

ações Todas ações

Média 0,1048

(DP) (0,0079) Mediana 0,1045

Média 0,0965

(DP) (0,0202) Mediana 0,0970

Média 0,1023

(DP) (0,0145) Mediana 0,1025

Média 0,1019

(DP) (0,0125) Mediana 0,1034

Média 0,1041

(DP) (0,0103) Mediana 0,1053

Média 0,1037

(DP) (0,0133) Mediana 0,1051

Toda amostra

153

134 / 155

150

/ 151 172

/ 146 149

136

4

5

(Maior)

/

/

/ 136 133 130

1

(Menor)

2

(37)

29

Tabela 4.2.2:Teste-t de igualdade de médias – por tamanho dos fundos

Fonte: Elaboração própria, dados da pesquisa.

Observamos que a maioria dos fundos, com exceção dos 20% menores fundos, são homogêneos no que tange o nível do efeito manada.

4.3. Tamanho das ações

Investigamos também como a métrica 𝐻𝑖 varia em relação à segmentação da capitalização bursátil das ações (market capitalization, ou abreviado, market cap).

Para tanto, utilizamos a definição da BM&F Bovespa para o que são as ações de menor capitalização (Small Cap, ou SMLL) e maior capitalização (Mid Large Cap, ou

MLCX).

As empresas que, em conjunto, representarem 85% do valor de mercado total da Bolsa são elegíveis para participarem do índice MLCX. As demais empresas que não estiverem incluídas nesse universo são elegíveis para participarem do índice SMLL. (BM&F Bovespa, 2013) 10

Adicionalmente, segmentamos as ações de maior capitalização em três níveis: enorme capitalização (Ultra Large Cap), maior capitalização (Large Cap) e média

capitalização (Mid Cap), análogo às restrições de investimentos obtidas na definição

do que é um Fundo Small Cap para a ANBIMA.

10 Conforme obtido na página da BM&F Bovespa:

http://www.bmfbovespa.com.br/indices/ResumoIndice.aspx?Indice=SMLL

Q1 Q2 Q3 Q4 Q5 Total

Q1 1

Q2 0,0480 1

Q3 0,0569 0,8388 1

Q4 0,0049 0,3878 0,2358 1

Q5 0,0115 0,5289 0,3735 0,8599 1

(38)

30 Fundos cuja carteira investe, no mínimo, 90% em ações de empresas que não estejam incluídas entre as 25 maiores participações do IBrX - Índice Brasil, ou seja, ações de empresas com relativamente baixa e média capitalização de mercado. Os 10% remanescentes podem ser investidos em ações de maior liquidez ou capitalização de mercado, desde que não estejam incluídas entre as dez maiores participações do IBrX – Índice Brasil, ou em caixa. (ANBIMA, 2013) 11

Assim sendo, segmentamos as ações de acordo com sua capitalização bursátil, agregando a participação de todas as classes de ações de emissão de uma mesma companhia. Deste modo, temos os seguintes níveis:

1. Ultra Large Cap: as ações correspondentes às dez maiores participações do

índice IBrX.

2. Large Cap: as ações que correspondem à 11ª até a 25ª maior participação do

índice IBrX.

3. Mid Cap: todas ações que compõem o índice MCLX e que não se enquadram

em nenhuma das demais categorias aqui descritas. 4. Small Cap: as ações que compõem o índice SMLL.

As ações são reclassificadas ao final de cada mês. Desta maneira, migrações de segmento de capitalização bursátil são capturadas e refletidas corretamente nas avaliações das métricas. A tabela 4.3.1 apresenta o resultado do efeito manada das ações segregados pelo tamanho.

11 Conforme obtido na página da ANBIMA:

(39)

31

Tabela 4.3.1:Medida do efeito manada 𝑯𝒊 segregada por market cap

Fonte: Elaboração própria, dados da pesquisa.

Também em linha com os resultados obtidos por Lakonishok et al (1992), observamos

que o nível do de efeito manada é maior para as ações Small Cap, e também menor com o aumento no número de gestores ativos na ação no período em questão.

Na tabela 4.2.2 apresentamos o p-value de um teste t, onde testamos se as médias

dos diferentes níveis são iguais. Os valores em negrito indicam aqueles que não podemos rejeitar a hipótese nula de igualdade de médias.

Tabela 4.3.2:Teste-t de igualdade de médias – por capitalização bursátil das ações

Fonte: Elaboração própria, dados da pesquisa.

empresas

ações Todas ações

Ações detidas por mais de 20 gestores

Ações detidas por mais de 50 gestores

Média 0,1048 0,1015 0,0898

(DP) (0,0079) (0,0102) (0,0107)

Mediana 0,1045 0,0990 0,0905

Média 0,0828 0,0810 0,0764

(DP) (0,0171) (0,0184) (0,0190)

Mediana 0,0787 0,0792 0,0751

Média 0,0954 0,0877 0,0832

(DP) (0,0207) (0,0191) (0,0181)

Mediana 0,0939 0,0887 0,0783

Média 0,0980 0,0991 0,0911

(DP) (0,0158) (0,0176) (0,0196)

Mediana 0,0977 0,0968 0,0917

Média 0,1147 0,1153 0,1038

(DP) (0,0133) (0,0202) (0,0263)

Mediana 0,1134 0,1119 0,1016

Média 0,0900 0,0846 0,0800

(DP) (0,0138) (0,0120) (0,0125)

Mediana 0,0889 0,0834 0,0800

Média 0,0944 0,0922 0,0853

(DP) (0,0099) (0,0109) (0,0113)

Mediana 0,0953 0,0920 0,0870

Média 0,0971 0,0953 0,0880

(DP) (0,0123) (0,0139) (0,0140)

Mediana 0,0988 0,0953 0,0895

/ 84

/ 68 / 46

/ 88

/ 38 / 172

/ 16

/ 22 16

10

Toda amostra 149

Large + Mid Cap 53

63 26 86 37

Ultra Large Cap

Large Cap

Mid Cap

Small Cap

Ultra + Large Cap

Ultra + Large + Mid Cap

Ultra Large Mid Small Total

Ultra 1

Large 0,0001 1

Mid 0,0000 0,3806 1

Small 0,0000 0,0000 0,0000 1

(40)

32

4.4. Ações individuais –Ultra Large Cap

Aqui apresentamos a métrica do efeito manada 𝐻𝑖 para uma seleção das ações Ultra Large Cap, definidas pelas 10 maiores participações históricas do IBrX. Comparamos

com o retorno da ação e a representatividade do volume mensal negociado dos fundos da amostra com o total apurado. A análise é realizada no período de set/2007 a out/2013, devido às exclusões da base, tal como descrito na seção 3.2.

Todos valores são significativamente diferentes de zero a um nível de significância de 1%.

Tabela 4.4.1:Maiores participações no IBrX (set/2007 a out/2013)

Fonte: Elaboração própria, dados da pesquisa.

Maior

Nome Setor posição H(i) % Trades

AMBV4 Ambev PN Consumo Não Cíclico 3 0,0749 5,43%

BRFS3 Brasil Foods ON Consumo Não Cíclico 7 0,0717 6,75%

PETR3 Petrobras ON Petróleo, Gás e Biocombustíveis 2 0,0983 7,10%

PETR4 Petrobras PN Petróleo, Gás e Biocombustíveis 1 0,0705 2,88%

ITUB4 Itaú PN Financeiro 1 0,0754 4,56%

ITSA4 Itausa PN Financeiro 7 0,0860 6,72%

BBAS3 Banco do Brasil ON Financeiro 8 0,0897 6,03%

BBDC4 Bradesco PN Financeiro 3 0,0742 4,05%

BVMF3 BMF Bovespa ON Financeiro 7 0,0863 3,39%

CIEL3 Cielo ON Financeiro 11 0,0994 6,48%

EMBR3 Embraer ON Bens Industriais 11 0,1018 5,87%

CSNA3 Cosan ON Materiais Básicos 7 0,0909 4,72%

GGBR4 Gerdau PN Materiais Básicos 7 0,0714 5,58%

VALE3 Vale ON Materiais Básicos 4 0,0976 9,01%

VALE5 Vale PN Materiais Básicos 1 0,0728 3,30%

CMIG4 Cemig PN Utilidade Pública 10 0,0754 6,73%

Média 0,0835 5,54%

(41)

33 Na tabela 4.4.2 apresentamos o p-value de um teste t, onde testamos se as médias

das ações individuais são iguais à média para o segmento Ultra Large Cap. Os valores

em negrito indicam aqueles que não podemos rejeitar a hipótese nula de igualdade de médias, a um nível de significância de 5%.

Assim, verificamos também que, com a exceção de uma ação, Embraer ON (EMBR3), a medida de efeito manada das ações Ultra Large Cap possuem um comportamento

homogêneo.

Tabela 4.4.2:Teste-t de igualdade de médias – ações individuais vs. segmento Ultra Large Cap

Fonte: Elaboração própria, dados da pesquisa.

Nome Setor p-value

AMBV4 Ambev PN Consumo Não Cíclico 0,8299

BRFS3 Brasil Foods ON Consumo Não Cíclico 0,1129

PETR3 Petrobras ON Petróleo, Gás e Biocombustíveis 0,0603

PETR4 Petrobras PN Petróleo, Gás e Biocombustíveis 0,2247

ITUB4 Itaú PN Financeiro 0,1589

ITSA4 Itausa PN Financeiro 0,7447

BBAS3 Banco do Brasil ON Financeiro 0,4543

BBDC4 Bradesco PN Financeiro 0,2808

BVMF3 BMF Bovespa ON Financeiro 0,2682

CIEL3 Cielo ON Financeiro 0,2371

EMBR3 Embraer ON Bens Industriais 0,0224

CSNA3 Cosan ON Materiais Básicos 0,2746

GGBR4 Gerdau PN Materiais Básicos 0,1244

VALE3 Vale ON Materiais Básicos 0,1128

VALE5 Vale PN Materiais Básicos 0,1929

(42)

34 G ráfi co 4.4 .1 A m be v PN 12 G ráfi co 4.4 .2 : Br as il F oo d s O N 13 G ráfi co 4.4 .3 : Pe trobra s ON 12 N a da ta de 11/no v /201 3, t an to as aç õ e s o rd iná rias q ua nt o as pr e fe re nc iai s da A m be v ( A M B V) f o ram c o nv e rt ida s e m aç õ e s o rdi ná ria s AB E V3, a u m f at o r d e 5 aç õ e s re ce bi d as p ar a cad a 1 d e tida . 13 N a da ta d e 22/se t/200 9, S ad ia (S D IA ) f o i i nc o rpo rad a po r B R F o o ds (P R G A ), an tig a P e rdi g ão . E m 10/de z/20 09, se u có d ig o de n e g o ciaç ão m ud o u de P R G A pa ra B R F S 3.

- 10,

00 20, 00 30, 00 40 ,00 50, 00 60, 00 70, 00 80, 00 90, 00 10 0,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 2,0% 4,0% 6,0% 8,0% 10,0% 12,0% 14,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 10

,00 20, 00 30, 00 40, 00 50, 00 60 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 2,0% 4,0% 6,0% 8,0% 10,0% 12,0% 14,0% 16,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 10

,00 20, 00 30, 00 40, 00 50, 00 60 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0% 45,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 5,0% 10,0% 15,0% 20,0% 25,0%

(43)

35 G ráfi co 4.4 .4 : Pe trobra s PN G ráfi co 4.4 .5 : Ita ú PN 14 G ráfi co 4.4 .6 : Ita us a PN 14 N a da ta de 03/no v /200 8, f o i a nu nc iad o o a co rdo d e f us ão e n tr e It aú e Un iba nc o , f o rm an do o It aú Un iba nc o . E m 30/ m ar /2 009, as uni ts do Uni ba nc o ( UB B R 11 ) f o ram c o nv e rt ida s e m a çõ e s do It aú ( IT A U) . E m 20 /m ai /200 9, s e u có di g o d e n e g o ciaç ão m ud o u de IT A U p ar a IT UB .

- 5,

00 10, 00 15, 00 20, 00 25, 00 30, 00 35, 00 40 ,00 45 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 5,

00 10, 00 15, 00 20, 00 25, 00 30, 00 35, 00 40 ,00 45 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0% 8,0% 9,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 2,00 4,

00

6,

00

8,00 10,

00

12,

00

14

,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 2,0% 4,0% 6,0% 8,0% 10,0% 12,0% 14,0%

(44)

36 G ráfi co 4.4 .7 : Ban co do Bra sil ON G ráfi co 4.4 .8 : Br ade sc o PN G ráfi co 4.4 .9 : Cie lo ON 15 15 N a da ta de 29/ jun /200 9, f o i r e a liz ad o o IP O d e Vi sa ne t. E m 18/ de z/200 9, as a çõ e s de Vi sa ne t ( VN E T 3) f o ram c o nv e rt ida s e m Ci e lo (C IE L3) .

- 5,00 10,

00 15, 00 20 ,00 25, 00 30, 00 35 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0% 45,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 2,0% 4,0% 6,0% 8,0% 10,0% 12,0% 14,0% 16,0% 18,0% 20,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 5,

00 10, 00 15, 00 20, 00 25, 00 30, 00 35, 00 40 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0% 8,0% 9,0% 10,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 10,

00 20, 00 30, 00 40, 00 50, 00 60, 00 70, 00 80 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 2,0% 4,0% 6,0% 8,0% 10,0% 12,0% 14,0%

(45)

37 G ráfi co 4.4 .10 : Em bra er O N G ráfi co 4.4 .11 : Cos an O N G ráfi co 4.4 .12 : G erda u O N

- 5,

00 10 ,00 15, 00 20, 00 25 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 2,0% 4,0% 6,0% 8,0% 10,0% 12,0% 14,0% 16,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 5,00 10,

00 15, 00 20 ,00 25, 00 30, 00 35 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

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

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 5,

00 10, 00 15, 00 20, 00 25, 00 30, 00 35, 00 40 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0% 8,0% 9,0% 10,0%

(46)

38 G ráfi co 4.4 .13 : VA LE O N G ráfi co 4.4 .14 : VA LE PN

- 10

,00 20, 00 30, 00 40, 00 50, 00 60 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 T ra d e s A mo str a v s. Fu n d o ( m ê s)

- 5,

00 10, 00 15, 00 20 ,00 25, 00 30, 00 35, 00 40, 00 45, 00 50 ,00

0,0% 5,0% 10,0% 15,0% 20,0% 25,0%

set/2007 dez/2007 mar/2008 jun/2008 set/2008 dez/2008 mar/2009 jun/2009 set/2009 dez/2009 mar/2010 jun/2010 set/2010 dez/2010 mar/2011 jun/2011 set/2011 dez/2011 mar/2012 jun/2012 set/2012 dez/2012 mar/2013 jun/2013 set/2013 h (i) Pr e ço A çã o

0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0%

(47)

39 5 CONCLUSÃO

Este trabalho se propôs a testar empiricamente a ocorrência de efeito manada entre os gestores de fundos de renda variável com gestão ativa no Brasil por meio da análise da composição das carteiras de 642 fundos de ação no período de setembro de 2007 a outubro de 2013.

Em linha com a literatura relacionada ao comportamento de manada em mercados emergentes, encontramos fortes evidências da ocorrência deste fenômeno. Ao analisar a dinâmica da amostra segmentada por (i) tamanho dos fundos, (ii) tamanho das ações e (iii) ações individuais dentro do segmento Ultra Large Cap, obtivemos os

seguintes resultados:

(i) Com exceção para os 20% menores fundos, o comportamento é homogêneo; (ii) Com exceção de Large Cap vs. Mid Cap, o comportamento é heterogêneo;

(iii) Com exceção de uma ação, para o segmento Ultra Large Cap, o

comportamento das ações individuais é homogêneo.

Assim como os resultados encontrados por Lobão e Serra (2002), os níveis do efeito manada encontrados na indústria de fundos de ações no Brasil são compatíveis com os encontrados em mercados emergentes. Verificamos que o efeito manada é mais pronunciado nas ações de menor capitalização bursátil (Small Cap), assim como o

observado em estudos em mercados maduros (LAKONISHOK et al 1992; WERMERS 1999).

As limitações deste estudo podem dar indicações de estudos futuros. Ainda que o efeito manada seja de fácil entendimento, a maior parte das medidas propostas pela literatura não permite identificar corretamente o efeito manada espúrio, onde investidores se utilizam das mesmas informações públicas, do efeito manada intencional, que decorre de agentes econômicos emulando o comportamento de outro.

(48)

40 É necessário dispender um tempo precioso em tarefas tão banais quanto a padronização do nome dos ativos.

Em relação à abrangência da informação, vimos que, na melhor das hipóteses, conseguíamos capturar 6,5% do volume de negociação mensal. Com uma série de veículos financeiros que não necessitam ter o mesmo grau de abertura, por exemplo, carteiras administradas; e agentes econômicos cujos hábitos de negociação são muito heterogêneos, por exemplo, grandes tesourarias com uma mesa de algorithmic trading. Assim, sempre haverá um grande pedaço do mercado que não observamos.

Imagem

Tabela 3.2.1: Patrimônio Líquido (R$ Bi) por Instituição Administradora. Data base: junho 2014
Gráfico 3.3.1: Percentual do Volume dos Trades da amostra vs. BM&F Bovespa (mensal)
Tabela 3.4.1: Descrição da amostra por classificação Anbima. Data base: outubro 2013
Tabela 3.4.2: Descrição da amostra por instituição gestora. Data base: outubro 2013
+7

Referências

Documentos relacionados

The convex sets separation is very important in convex programming, a very powerful mathematical tool for, see [ ], operations research, management

As diferenças mais significativas de humidade do solo entre tratamentos manifestam-se no final do Inverno e início da Primavera em resultado do grau de

Dada a elevada demanda de medicamentos manipulados, o LM tem uma produção diária quer de formulações magistrais, quer de formulações oficinais. Relativamente às

This development scenario implies that both the MaaS Integrator and Operator roles are absorbed by the private sector such as Transport service providers.. The Public

After analyzing all the procedures involved in the production process of GFRP profiles, it was concluded that it would be possible to improve the sustainability and

O desafio apresentado para o componente de Comunicação e Percepção Pública do projeto LAC-Biosafety foi estruturar uma comunicação estratégica que fortalecesse a percep- ção

Objetivou-se com este estudo avaliar o efeito da redução de nutrientes e energia suplementada ou não com fitase para frango de corte na fase 14 a 24 dias de idade

Com o avanço das políticas públicas educacionais voltadas para a Educação Inclusiva surgem novas propostas direcionadas ao Atendimento Educacional Especializado as