Perspectivas para o mercado
financeiro em 2018
Otávio Medeiros
UnB/FACE – Departamento de Ciências Contábeis e Atuariais MERFI 2017/2018
Introdução
• Agradecimentos• Profissionais de mercado x acadêmicos
• Profissionais: Enfoque pragmático e principalmente conjuntural com objetivo de lucro; absorção de
informações nacionais e internacionais oriundas da mídia, reuniões com clientes, mesas redondas, internet, num regime 24/7, HME na prática, etc;
• Acadêmicos: Enfoque teórico e estrutural (longo prazo); informações oriundas de artigos científicos e livros; preocupação com rigor científico e robustez dos trabalhos; objetivo de ensino, orientação e pesquisa
(“publish or perish”), cobrança da CAPES, etc
• Restrições legais ao trabalho do acadêmico com DE no Brasil (CGU). • Desprestígio da docência: “o sr. também trabalha ou só dá aula?” • Realidades opostas na academia: Brasil x EUA
Qualquer tentativa de rivalizar com um profissional de mercado seria “naïve”.
Introdução
• Situação econômica recente do país:
• Gestão econômica ideológica, heterodoxa e irresponsável, temperada com altas doses de corrupção pior recessão de todos os tempos desemprego quebradeira impeachment governo tampão incerteza
• Instituições (executivo, legislativo) quase totalmente capturadas por duas organizações criminosas (que ora se unem, ora se afastam), sem interesse em resolver os problemas do país, com respaldo de parte do judiciário de última instância (STF, STJ) corrupção desenfreada, administração pública inepta, gestores incompetentes ou corruptos crise nos serviços públicos (segurança, saúde, educação, infraestrutura, etc.)
população descrente, sem perspectivas
• Tentativa de reação por uma parte do judiciário de 1ª instância (lava-jato) • Conflitos institucionais: congresso x STF; 1ª instância x STF
Introdução
• Na realidade, há uma crise muito mais profunda no país.
• É uma crise de valores morais, de ética, de honra, dignidade, respeito,
atributos que o país perdeu há algum tempo, tornando-se uma sociedade
egoísta, hedonista, consumista, corrupta, amoral, fútil e violenta. O brasileiro típico só pensa nos seus direitos e desejos, nunca nos deveres e obrigações. • Não se constrói uma nação assim.
• Segundo Capistrano de Abreu (1853-1927), a Constituição brasileira deveria ter apenas dois artigos:
1. Todo brasileiro deve ter vergonha na cara. 2. Revogam-se as disposições em contrário.
Possível desfecho
• Vai haver de fato equilíbrio fiscal e orçamentário e reforma da previdência e tributária?
• A corrupção vai ser reduzida ou vão acabar com a lava-jato?
• Os criminosos que capturaram as principais instituições do país vão ser punidos ou afastados ou vão continuar com as suas
“dinastias” e com a corrupção?
• Será possível nos livrarmos do “voo de galinha”? Ou das “décadas perdidas”? Do estigma de eterno “país do futuro, deitado
QUEM ELEGEREMOS PARA PRÓXIMO PRESIDENTE?
• Um político tradicional da velha guarda? (Alkmin, FHC, Lula, CiroGomes?
• Um “não-político” moderno sem experiência? (Dória, Huk?)
• Um político “sobrevivente” da esquerda? (Haddad, Marina Silva?) • Um “salvador da pátria” de direita? (Bolsonaro?)
Qual é a solução?
• "It's the economy, stupid“, frase cunhada em 1992 por James Carville, estrategista da campanha presidencial de Bill Clinton contra George Bush, presidente dos Estados Unidos na época.
• No Brasil (e na Itália) atualmente: “It’s the politics, stupid”. • Minha opinião:
• Embora tenhamos excelentes economistas não heterodoxos, não acredito em solução meramente econômica (teoricamente viável) para o país.
• A solução fundamental está na política. A política está e vai continuar sendo um seríssimo obstáculo ao equilíbrio econômico e ao crescimento.
Opções para um palestrante acadêmico
• Focar em teorias, modelos, projeções, etc • Possíveis enfoques
• Modelagem estrutural simples • Modelo de equações simultâneas • Modelo GARCH
• Modelo VAR ou VEC • Modelo ARDL
• Modelo MIDAS
Tese de doutorado: Incerteza Política: Uma análise do impacto da incerteza política nacional e internacional no mercado de capitais brasileiro. Danielle M. S. Nunes. PPGA/UnB, 2017
• Objetivo: analisar os impactos da incerteza sobre PE (PE) (nacional e internacional) no mercado acionário brasileiro.
• Base: modelo de equilíbrio geral das escolhas do governo de Pástor e Veronesi (2013) • Inicialmente foi construída uma proxy de incerteza sobre a PE (abr. 1985 - dez. 2015)
a partir da frequência de notícias na imprensa sobre o tema.
• Em seguida, foi analisada a relação entre a proxy de incerteza sobre PE e o mercado de ações brasileiro (jul. 1994 - dez. 15), com modelos de regressão.
• Por fim, utilizou-se o modelo GVAR (Cambridge) para analisar a resposta do
Ibovespa a choques na incerteza de PE em outros países (Alemanha, Canadá, China, Coréia do Sul, Estados Unidos da América, França e Japão).
Resultados
• A proxy de incerteza sobre PE mostrou-se consistente com os
acontecimentos políticos e econômicos no País no período analisado. • A incerteza sobre PE é maior quando a situação econômica é
desfavorável, podendo ser reflexo do aumento da probabilidade de alteração da política atual, vista como danosa.
• A incerteza sobre PE afeta negativamente o mercado acionário (Retorno das ações).
Resultados
• A incerteza sobre PE afeta positivamente a volatilidade (risco).
• O impacto da incerteza de PE é menor quando a situação econômica é ruim, que seria o resultado de “put protection”, onde o governo intervém em tempos problemáticos, fazendo investidores acreditarem que ele tenta proteger os preços dos ativos.
• A incerteza de PE internacional, originada em outros países, impacta o mercado de ações brasileiro, mas a resposta diverge em função da origem • Um choque na incerteza de PE da Alemanha, Japão e França tiveram
impacto positivo nos preços de ações brasileiro, os demais países provocaram um impacto negativo.
Incerteza sobre Política Econômica
• Pástor e Veronesi (2013) utilizaram como proxy o índice de incertezasobre PE (Economic Policy Uncertainty Index), que é calculado para diversos países pelos professores Scott Baker (Northwestern), Nick
Bloom (Stanford) e Steven Davis (Chicago): Global, USA, Austrália, Brasil, Canada, Chile, China, Europa, France, Alemanha, Índia, Irlanda, Itália, Japão, Coreia, Holanda, Rússia, Cingapura, Espanha, Suécia, Reino Unido • Permite testar o impacto da incerteza PE de diversos países sobre
variáveis econômicas e financeiras dos próprios países ou entre países.
Um pequeno exercício
• Objetivo:
1. Modelar o impacto da incerteza PE do Brasil no mercado acionário (retorno), estimação por OLS, projeções até out-2018
2. Modelar o impacto da incerteza PE do Brasil na volatilidade (retorno absoluto), estimação por OLS e GARCH(1,1)
• Variáveis testadas: Retorno Ibovespa, Retorno absoluto Ibovespa (volatilidade), EPU Brasil (Baker, Bloom e Davis), taxa Selic, atividade econômica (índice IBC-Br), Embi+, taxa de câmbio, inflação (IPCA), dummy crise mundial.
• Fontes: BACEN, Ipeadata
Dependent Variable: DLOG(IBOVESPA) Method: Least Squares
Date: 10/17/17 Time: 22:47
Sample (adjusted): 2000M01 2017M09
Included observations: 213 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 0.009325 0.004813 1.937241 0.0541 D(SELIC) -0.245129 0.112481 -2.179299 0.0304 D(EPU)/EPU(-1) -0.014528 0.007796 -1.863412 0.0638 DUMMY -0.292005 0.068182 -4.282744 0.0000 R-squared 0.113592 Mean dependent var 0.006899 Adjusted R-squared 0.100869 S.D. dependent var 0.071734 S.E. of regression 0.068020 Akaike info criterion -2.519430 Sum squared resid 0.966984 Schwarz criterion -2.456307 Log likelihood 272.3193 Hannan-Quinn criter. -2.493920
Dependent Variable: RAIBOV Method: Least Squares
Date: 10/19/17 Time: 09:38
Sample (adjusted): 2000M02 2017M08
Included observations: 211 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 0.021014 0.010457 2.009610 0.0458
SELIC 0.033796 0.009237 3.658946 0.0003
D(CAMBIO) 0.044810 0.014198 3.156155 0.0018
R-squared 0.092267 Mean dependent var 0.057349
Adjusted R-squared 0.083539 S.D. dependent var 0.043809
S.E. of regression 0.041939 Akaike info criterion -3.491068
Sum squared resid 0.365853 Schwarz criterion -3.443411
Log likelihood 371.3076 Hannan-Quinn criter. -3.471804
F-statistic 10.57118 Durbin-Watson stat 1.867053
Dependent Variable: RAIBOV Method: ML - ARCH
Date: 10/17/17 Time: 21:15
Sample (adjusted): 2000M02 2017M08 Included observations: 211 after adjustments
Failure to improve likelihood (non-zero gradients) after 127 iterations Coefficient covariance computed using outer product of gradients Presample variance: backcast (parameter = 0.7)
GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob.
C 0.015051 0.002694 5.586068 0.0000 SELIC 0.037333 3.44E-05 1084.327 0.0000 D(CAMBIO) 0.026641 0.011203 2.377905 0.0174 Variance Equation C -9.60E-07 1.82E-05 -0.052708 0.9580 RESID(-1)^2 -0.038555 0.008844 -4.359667 0.0000 GARCH(-1) 1.045579 0.012173 85.89104 0.0000
R-squared 0.082029 Mean dependent var 0.057349
CAPM-G OLS
Dependent Variable: DLOG(IBOVESPA)-IR_USA Method: Least Squares
Date: 10/20/17 Time: 13:32
Sample (adjusted): 2000M02 2017M09
Included observations: 212 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 0.002641 0.005058 0.522067 0.6022 DLOG(DOWJONES)-IR_USA 0.998209 0.001870 533.7177 0.0000 D(EMBI) -4.05E-06 1.96E-06 -2.070024 0.0397 D(EPU)/EPU(-1) -0.012345 0.006315 -1.954982 0.0519 DUMMY -0.117176 0.055606 -2.107270 0.0363 R-squared 0.999276 Mean dependent var -1.733436 Adjusted R-squared 0.999262 S.D. dependent var 2.012045 S.E. of regression 0.054677 Akaike info criterion -2.951433 Sum squared resid 0.618849 Schwarz criterion -2.872268 Log likelihood 317.8519 Hannan-Quinn criter. -2.919436 F-statistic 71378.65 Durbin-Watson stat 1.912894
Dependent Variable: DLOG(IBOVESPA)-IR_USA Method: ML - ARCH
Date: 10/20/17 Time: 13:13
Sample (adjusted): 2000M02 2017M09 Included observations: 212 after adjustments Convergence achieved after 24 iterations
Coefficient covariance computed using outer product of gradients Presample variance: backcast (parameter = 0.7)
GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob.
C -0.003481 0.004530 -0.768476 0.4422
DLOG(DOWJONES)-IR_USA 0.995871 0.002068 481.5836 0.0000
D(EMBI) -5.98E-06 1.91E-06 -3.131253 0.0017
Variance Equation
C 0.000266 0.000248 1.072222 0.2836
RESID(-1)^2 0.117562 0.082516 1.424721 0.1542
GARCH(-1) 0.785294 0.137590 5.707494 0.0000
R-squared 0.999242 Mean dependent var -1.733436
Adjusted R-squared 0.999234 S.D. dependent var 2.012045
Referências
• Baker, Scott R., Nicholas Bloom, and Steven J. Davis, 2012, Measuring economic policy uncertainty, The Quarterly Journal of Economics, 2016. available in:
http://www.policyuncertainty.com/index.html
• Di Mauro, Filippo; Pesaran, M.H. Structure and Applications of a Macro Model of the Global Economy for Policy Analysis, Oxford, 2013.
• Global VAR Modelling: https://sites.google.com/site/gvarmodelling/gvar-toolbox
• Nunes, D.M.S., Incerteza Política: Uma análise do impacto da incerteza política nacional e internacional no mercado de capitais brasileiro. Tese de doutorado, UnB/PPGA, 2017.
• Pástor, L.; Veronesi, P. Political uncertainty and risk premia. Journal of Financial Economics, v. 110, p. 520-545, 2013.