• Nenhum resultado encontrado

Futebol e Retorno no Mercado de Ações

N/A
N/A
Protected

Academic year: 2021

Share "Futebol e Retorno no Mercado de Ações"

Copied!
21
0
0

Texto

(1)

Futebol e Retorno no Mercado de Ações

Caio Henrique Machado

Julho, 2012

Resumo

Este trabalho investiga o impacto de jogos do campeonato brasileiro de futebol sobre o retorno das ações negociadas na Bovespa. Nosso estudo é motivado pelo impacto de eventos esportivos sobre o humor dos investidores. Os resultados sugerem um efeito positivo dos jogos do campeonato brasileiro sobre o retorno das ações negociadas na bolsa.

Abstract

This paper investigates the impact of the brazilian soccer championship on brazilian stock market returns. Our study is motivated by the effect of sports events on investors’ mood. The results suggest a positive effect of the brazilian soccer championship games on stock returns.

Códigos JEL: G02, G14

Palavras-chave: futebol, humor dos investidores, finanças comportamentais

Filiação institucional: Escola de Economia de São Paulo, Fundação Getúlio Vargas Área de submissão: Finanças

(2)

1

Introdução

Há uma vasta literatura que indica haver relação de causalidade entre o humor do mercado e o preço de ativos. Em particular, parte da literatura foca no impacto de varíaveis supostamente correlacionadas com o humor dos investidores no preço de ações. Para citar alguns exemplos, Kamstra, Kramer e Levi (2000), estudam o impacto da mudança do horário de inverno para o horário de verão (e vice-versa) sobre o retorno de indíces de ações dos Estados Unidos, Canadá, Reino Unido e Alemanha. A ideia é que nos dois finais de semana em que há a mudança do horário deveríamos esperar um efeito negativo no humor, uma vez que o padrão de sono das pessoas foi alterado. Os autores encontram essa evidência para todos os países, exceto para a Alemanha, onde a amostra é consideravelmente menor. Kamstra, Kramer e Levi (2003) encontram um efeito de negativo sobre a duração da noite em diferentes epócas do ano e o retorno das ações em diversos países. Cao e Wei (2005) acham resultados que sugerem que temperatura e retorno das ações estão correlacionados negativamente. Usando uma amostra de 22 países, Drakos (2010) encontra evidência que ataques terroristas são seguidos por menores retornos no mercado de ações no dia seguinte. Kaplanski e Levy (2010b) encontram um efeito negativo da acidentes aéreos sobre o retorno das ações. 1

Alguns estudos passaram a usar resultados de eventos esportivos como uma ”proxy” para a a variável “humor do mercado”. Edmans, García e Norli (EGN)(2007) encontram evidência de que derrotas de seleções nacionais de futebol impactam negativamente os retornos do mercado e este impacto se dá via alterações no humor dos investidores, embora vitórias não tenham efeito. Usando dados de jogos de 32 seleções nacionais, os autores encontram, por exemplo, que uma eliminação na Copa do Mundo reduz 0.49 pontos bases o retorno das ações negociadas no país eliminado no dia seguinte, enquanto vitórias não têm efeito. Além disso os autores acham evidência semelhante para outros esportes. Ashton, Gerrard e Hudson (2003) estudam o impacto de resultados de futebol sobre o retorno de ações na Inglaterra e Nova Zelândia. Os resultados destes autores não sugerem que há um efeito assimétrico entre vitórias e derrotas, tal como em EGN (2007).

Kaplansky e Levi (2010a) investigam o impacto da Copa do Mundo de futebol no retorno do mercado de ações americano. Baseado nos resultados de EGN (2007), de que apenas derrotas impactam o humor do mercado, os autores investigam os efeitos dos jogos (e não dos resultados)

(3)

da Copa do Mundo no mercado de ações. A ideia por trás é que em toda rodada algumas seleções nacionais sofrem perdas (principalmente nas fase eliminatórias) e, uma vez que diversos investidores estrangeiros investem na bolsa americana, deveríamos esperar um retorno negativo no dia seguinte aos jogos. Os autores encontram tal evidência e sugerem uma estratégia para conseguir retornos acima da média, que consiste simplesmente em investir em renda fixa durante o período de Copa do Mundo.

O objetivo deste trabalho é testar se tais resultados se confirmam no Brasil, utilizando clubes ao invés da seleção nacional. Utilizamos clubes pois isso nos garante uma amostra maior que conseguiríamos para a seleção brasileira. Dessa forma, optamos por utilizar jogos do campeonato brasileiro, que é a mais importante competição nacional. Como uma medida do retorno do mercado utilizamos o índice IBOVESPA.

Na seção 2 descrevemos os principais aspectos da metodologia empregada. A seção 3 apresenta a base de dados utilizada, enquanto na seção 4 são apresentados e discutidos os principais resultados. Na seção 5 concluímos.

2

Metodologia

Imagine que queremos estimar o impacto de algum evento esportivo (por exemplo, vitórias da seleção nacional) sobre o retorno de algum ativo (ou portfólio de ativos). Em geral, estimamos qual seria retorno o normal desse ativo, na ausência deste evento e então analisamos a diferença do retorno normal estimado e do retorno observado no dia seguinte ao evento. Se incluímos todas as variáveis que não são independentes ao evento esportivo, e que afetam o retorno, na estimação do retorno normal deste ativo, devemos esperar que essa diferença se deva ao evento esportivo. Outra forma, é colocar uma dummie para o dia imediatamente posterior ao evento na equação usada para estimar o retorno normal deste ativo. Este é o procedimento adotado aqui.

Testamos diversas hipóteses que ficarão mais claras quando explicarmos os eventos esportivos considerados. Mas por enquanto, vale dizer que para estimar o impacto do evento esportivo em questão sobre o retorno das ações, rodamos a seguinte regressão:

Rt= α + β1Rt−1+ 1 X i=0 γiWt−i+ 6 X i=2 δiDit+ λFt+ θ0Mt+ φEt+ εt (1)

(4)

Index”, calculado pela Morgan Stanley, que inclui as principais ações de 24 países desenvolvidos e 21 subdesenvolvidos; Dit é uma dummie para dias das semanas (de segunda a sexta-feira); Fit é

uma dummie que indica se houve algum feriado há i dias atrás; Mt = (Mk1t...Mknt)

0 é um vetor

de dummies mensais, onde os meses escolhidos irão variar conforme o evento testado (denotaremos por P os conjunto de meses {k1, ..., kn} escolhido para uma dada regressão); Et é o evento a ser

testado; εté o termo de erro.

Rodamos as regressões com diferentes definições de Et. Segue algumas definições para facilitar

a exposição. Dizemos que um dia é um dia útil se as cotações do IBOVESPA estão disponíveis para aquele dia. Dizemos que dois jogos pertencem a mesma rodada se o primeiro dia útil após cada jogo é o mesmo. Assim, dizemos que o dia t é uma rodada do jogo a se t é o primeiro dia útil após o jogo a.

Definimos o grupo de variáveis aleatórias dummies DJt= {DJ1t, DJ2t, ...}. DJit assume valor

1 se em t − 1 houveram pelo menos i jogos no campeonato brasileiro e 0 caso contrário. Da mesma forma definimos RJt= {RJ1t, RJ2t, ...}, onde RJitassume valor 1 se t é uma rodada de pelo menos

i jogos. Ainda definimos DVt = {DV1t, DV2t, ...}, onde DVit assume valor 1 se assume valor 1 se

em t − 1 houveram pelo menos i vitórias (e consequentemente pelo menos i derrotas). Da mesma forma, definimos RVt= {RV1t, RV2t, ...}, onde RVitassume valor 1 se t é uma rodada de pelo menos

i jogos que tiveram um vencedor. Olhando para resultados de clubes, definimos o grupo de variáveis para o clube j como Clubej = {DDCjt, DV Cjt, RDCjt, RV Cjt}, onde: DDCjt assume valor 1 se o

clube j perdeu em t − 1; DV Cjt assume valor 1 se o clube j perdeu em t − 1; RDCjt assume valor 1 se t é uma rodada de um jogo que o time j perdeu; RV Cjt assume valor 1 se t é uma rodada de um jogo que o time j ganhou. Por fim, para um dado conjunto de meses P , definimos pt como uma

variável que assume valor i se t é um dia de algum mês de P .

Inicialmente, nosso exercício consistirá em fixar alguns conjuntos de meses P e estimar a equação (1) usando como Eto produto de pte diferentes variáveis pertencentes a DJt, RJt, DVte RVt. Por exemplo, fazendo P = {N ovembro, Dezembro} e Et = ptDJ3t, estaremos regredindo o retorno do

mercado brasileiro contra diversos controles e uma variável dummie que assume valor 1 se o dia t é o próximo dia útil a pelo menos três jogos de futebol e t é um dia de novembro ou dezembro. Perceba que teremos duas dummies mensais no modelo, uma para o mês de novembro e outra para dezembro. Isso para eliminar a possibilidade de termos resultados espúrios em decorrência de algum efeito sazonal. Incluímos a possibilidade de considerar apenas jogos de alguns meses pois pode ser o

(5)

caso que apenas jogos finais tenham efeito maior sobre o humor do mercado do que os jogos iniciais. Embora alguns times cheguem ao final do campeonato sem ter possibilidade de lutar mais pelo título, a grande maioria ainda está atrás de uma vaga para alguma competição internacional ou tentando evitar o rebaixamento. Como os jogos finais têm um impacto sobre a distribuição que o torcedor tem em mente sobre os possíveis resultados de um time ao fim de um campeonato, devemos esperar que se, de fato os resultados impactam o retorno do mercado, esse impacto seja maior para jogos mais decisivos. Como o término do campeonato é sempre perto do início de dezembro 2, acreditamos que dummies para os últimos meses do ano captam bem esse efeito.

A diferença entre um dado dia ser uma rodada e ser um dia imediatamente posterior a um jogo é introduzida para capturar a possibilidade de que o efeito sobre o humor dos investidores não persiste por mais de um dia. Por exemplo, o humor de um investidor na segunda-feira pode ser muito afetado se seu time perdeu no domingo, mas pode já não ser tão afetado se a derrota foi no sábado, uma vez que o efeito sobre o humor se deu no domingo. Incluir jogos do sábado na amostra poderia a nos levar a resultados insignificantes, caso o efeito sobre o humor não seja persistente o bastante. Dessa forma, consideramos os dois casos. Introduzimos dummies de dia da semana para evitar que nossos resultados sejam decorrentes de algum efeito do dia da semana, uma vez que os jogos geralmente estão concentrados nas quartas quintas-feiras.

A variável clube é inserida para tentar captar algum efeito de vitória e derrotas dos dois ti-mes com maior torcida no país, Flamengo e Corinthians. Ou seja, no nosso exemplo com P = {N ovembro, Dezembro}, a variável Et = ptDV Cjt, j = Corinthians capta o efeito de vitórias do

Corinthians nos meses de Novembro e Dezembro sobre o retorno das ações. Ainda, usaremos uma dummie que assume valor se ambos os times (Flamengo e Corinthians) ganharam (ou perderam) em um dado conjunto de meses. Por exemplo, faremos Et = ptDV CjtDV Cht, j = Corinthians,

h = F lamengo.

Para simplificar, quando P incluir todos os meses do ano, excluiremos as dummies mensais da equação (1). Ainda, usaremos as variáveis de Clubej multiplicados por pt, onde faremos

j = Corinthians, Flamengo. Por fim, estimaremos a equação (1) usando o produto das variáveis referentes a Flamengo e Corinthians. Mais precisamente, seja Corinthians o clube 1 e Flamengo o clube 2. Então, usaremos as variáveis do conjunto

Clube1,2= {DDC1tDDC2t, DV C1tDV C2t, RDC1tRDC2t, RV C1tRV C2t}

(6)

multiplicadas por pt. Se conseguirmos achar algo, podemos identificar o efeito isolado de vitórias e derrotas sobre o retorno do IBOVESPA. Entretanto, segundo a última pesquisa da consultoria Pluri, a torcida do Flamengo representa 15 % da população, enquanto o Corinthians representa 13 %. Assim, pode ser que mesmo que vitórias ou derrotas impactem o humor dos investidores, e este afete o retorno das ações, pode ser que não achemos resultados significantes, pois estes ainda representam uma parcela pequena da torcida dos investidores.

Por fim, é importante dizer que mesmo que nosso modelo esteja omitindo alguma variável, não esperamos que isso leve nossas estimativas a serem viesadas. Isso porque esperamos que todas as variáveis que não são independentes com a dummie do evento e que possam afetar o retorno na bolsa estão inclusas na equação, ou seja, as dummies semanais e a dummies mensais. Se estamos omitindo alguma variável que afete o retorno do índice, não esperamos que essa variável tenha alguma relação com a dummie do evento.

3

Dados

Nossa amostra consiste de resultados de todos os jogos do campeonato brasileiro entre 1995 e 2011, somando um total de 5.514 jogos. Os dados foram retirados do site Bola na Área 3 e site da Fifa4. Dados dos retornos foram tirados da base Thomson One.

Ate 1995 a 2002 o campeonato brasileiro era disputado em apenas um turno, onde todos os times se enfrentavam nesta primeira fase. Após isso, os melhores classificados (em geral oito times) pas-savam para as fases seguintes para disputar o título ou então vagas em competições sul-americanas. A partir de 2003 o campeonato passou a ser disputado no sistema de pontos corridos, onde todos os times se enfrentam duas vezes e o time que somar mais pontos ao fim do campeonato leva o título (e as vagas para as competições sul-americanas são alocadas seguindo o critério de maior número de pontos). Os times que somam menos pontos disputam a série B no ano seguinte.

3www.bolanaarea.com 4www.fifa.com

(7)

4

Resultados

A tabela 1 apresenta o número de eventos para as variáveis RJi, i = 1, ..., 8. Perceba que para o

mês de dezembro temos pouquíssimos utilizando o conceito de rodada e jogos. Se usarmos derro-tas e/ou dias teremos menos observações ainda. Para os meses de Novembro e Dezembro temos bastante observações, embora estas se reduzam quase à metade quando comparado aos meses de Outubro, Novembro e Dezembro. Claramente há um trade-off quanto a escolha de quais meses usar: quanto mais meses incluímos menos importantes os jogos que estamos considerando, entre-tanto mais observações ganhamos. Olhando para os jogos do Internacional de Porto Alegre, vemos que se considerarmos apenas os jogos de Novembro e Dezembro, estaremos em geral pegando os últimos 6 ou 7 jogos deste time no campeonato (exceto por dois anos onde pegaríamos apenas o último jogo e um onde pegaríamos o décimo jogo, todos os demais jogos de Novembro e Dezembro se situam entre o quinto, sexto e sétimo jogo, sendo a grande maioria o sexto ou o sétimo). Se pegarmos jogos de Outubro, Novembro e Dezembro, para este mesmo time, estaremos pegando em geral os últimos 12 ou 13 jogos. Olhando apenas para o mês de Dezembro, teríamos poucas datas do evento, em geral conseguiríamos pegar apenas o último jogo de um dado time, ou nem isso, uma vez que normalmente o campeonato acaba início de dezembro. Por isso que o número de datas onde a dummie do evento assume valor 1 reduz praticamente à metade quando tiramos o mês de Outubro do conjunto de meses.

Tabela 1: Número de Eventos

Todos Out, Nov, Dez Nov,Dez Dez

RJ1 919 388 208 58 RJ2 756 308 161 41 RJ3 714 266 133 26 RJ4 628 233 119 23 RJ5 578 209 103 16 RJ6 554 198 99 16 RJ7 542 190 96 16 RJ8 468 164 83 16

(8)

Acreditamos que os meses de Outubro, Novembro e Dezembro captam bem o caráter decisivo dos jogos finais e não nos impõem poucos dias do evento.

Estimamos as mesmas regressões usando P igual a todos os meses do ano. Os resultados não foram significativos, provavelmente por conta dos primeiros jogos não afetarem muito o humor da população, uma vez que são pouco decisivos.

4.1

Efeito dos Jogos

A tabela 2 apresenta os resultados usando P = {Outubro, Novembro, Dezembro} para as variáveis RJit, i = 2, 3, 4, 5, 6, 7. Os resultados utilizando DJit são semelhantes, bem como DVit e RVit,

por isso os omitimos. Todos coeficientes continuam sendo significativos para i = 8, mas nenhum é significativo para i = 1.

A tabela 3 os mesmos resultados da tabela (1) mas usando apenas os meses de Novembro e Dezembro. Os resultados usando Os resultados utilizando DJit são semelhantes, bem como DVit e

RVit, embora alguns coeficientes sejam ligeiramente menos (ou mais) significantes.

Os resultados mostram coeficientes significativos para a maioria dos eventos considerados. En-tretanto, perdemos algumas estimativas significativamente diferentes de zero quando consideramos apenas os meses de Novembro e Dezembro. Provavelmente por causa na grande redução do números de dias do evento.

Nossos resultados diferem dos resultados encontrados por Kaplanski e Levy (2010a). Neste trabalho os autores encontram coeficientes negativos para as variáveis que indicam se houve jogos de Copa de Mundo ou não, usando o mercado americano. A ideia por trás desse resultado é que derrotas afetam negativamente o humor dos investidores mas vitórias não afetam positivamente, uma vez que os torcedores tendem a estimar a probabilidade de seu time ganhar com um viés positivo. Essa ideia se baseia nos resultados de EGN (2007). Como há investidores de diversos países do mundo operando no mercado americano, devemos esperar que após um dia de jogos de Copa de Mundo efeito líquido sobre o humor dos investidores seja negativo: os que viram suas seleções nacionais perderem irão piorar seu humor, enquanto os que experimentaram vitórias não terão nenhuma alteração.

Nossos resultados parecem não suportar essa hipótese de que derrotas afetam negativamente o humor e vitórias não, pelo menos no que se refere a clubes e não a seleções nacionais. Assim, o canal de transmissão de jogos de futebol no humor dos investidores não se dá através do efeito

(9)

Tabela 2: Coeficientes usando Outubro, Novembro e Dezembro (1) (2) (3) (4) (5) (6) Rt Rt Rt Rt Rt Rt Rt−1 -0.0249 -0.0246 -0.0244 -0.0242 -0.0241 -0.0236 (-1.62) (-1.59) (-1.58) (-1.57) (-1.56) (-1.53) Wt 1.262*** 1.263*** 1.262*** 1.263*** 1.262*** 1.261*** (42.40) (42.40) (42.37) (42.41) (42.42) (42.39) Wt−1 -0.0995*** -0.0993*** -0.0997*** -0.0999*** -0.101*** -0.102*** (-2.82) (-2.82) (-2.83) (-2.83) (-2.87) (-2.90) F 0.000456 0.000470 0.000467 0.000364 0.000336 0.000293 (0.26) (0.27) (0.27) (0.21) (0.19) (0.17) D2 0.00216 0.00217 0.00216 0.00205 0.00196 0.00190 (0.11) (0.11) (0.11) (0.10) (0.10) (0.10) D3 0.00473 0.00467 0.00463 0.00464 0.00465 0.00463 (0.24) (0.24) (0.24) (0.24) (0.24) (0.24) D4 0.00458 0.00453 0.00448 0.00451 0.00453 0.00451 (0.23) (0.23) (0.23) (0.23) (0.23) (0.23) D5 0.00245 0.00245 0.00246 0.00246 0.00247 0.00243 (0.12) (0.12) (0.13) (0.13) (0.13) (0.12) D6 0.00558 0.00560 0.00562 0.00565 0.00567 0.00566 (0.28) (0.29) (0.29) (0.29) (0.29) (0.29) M10 -0.00236* -0.00214* -0.00190 -0.00213* -0.00221* -0.00227* (-1.91) (-1.74) (-1.58) (-1.79) (-1.87) (-1.93) (continua...)

(10)

Tabela 2: Coeficientes usando Outubro, Novembro e Dezembro (continuação) M11 0.000126 0.000337 0.000505 0.000325 0.000229 0.000163 (0.10) (0.27) (0.42) (0.27) (0.19) (0.14) M12 -0.0000958 0.0000799 0.000125 0.000141 0.000114 0.0000944 (-0.08) (0.07) (0.11) (0.13) (0.10) (0.08) RJ2 0.00356** (2.43) RJ3 0.00332** (2.15) RJ4 0.00311* (1.93) RJ5 0.00414** (2.47) RJ6 0.00474*** (2.78) RJ7 0.00521*** (3.02) α -0.00329 -0.00328 -0.00326 -0.00325 -0.00325 -0.00322 (-0.17) (-0.17) (-0.17) (-0.17) (-0.17) (-0.16) N 4207 4207 4207 4207 4207 4207 t statistics in parentheses * p < 0.10, ** p < 0.05, *** p < 0.01

(11)

Tabela 3: Coeficientes usando Novembro e Dezembro (1) (2) (3) (4) (5) (6) Rt Rt Rt Rt Rt Rt Rt−1 -0.0242 -0.0240 -0.0240 -0.0236 -0.0234 -0.0233 (-1.57) (-1.55) (-1.55) (-1.53) (-1.51) (-1.51) Wt 1.261*** 1.261*** 1.261*** 1.261*** 1.261*** 1.261*** (42.36) (42.34) (42.35) (42.36) (42.36) (42.36) Wt−1 -0.100*** -0.100*** -0.101*** -0.100*** -0.101*** -0.101*** (-2.85) (-2.84) (-2.85) (-2.85) (-2.86) (-2.86) F 0.000531 0.000599 0.000569 0.000503 0.000507 0.000498 (0.31) (0.35) (0.33) (0.29) (0.29) (0.29) D2 0.00212 0.00223 0.00221 0.00213 0.00207 0.00207 (0.11) (0.11) (0.11) (0.11) (0.11) (0.11) D3 0.00452 0.00444 0.00443 0.00442 0.00442 0.00441 (0.23) (0.23) (0.23) (0.23) (0.23) (0.22) D4 0.00438 0.00429 0.00429 0.00429 0.00428 0.00428 (0.22) (0.22) (0.22) (0.22) (0.22) (0.22) D5 0.00237 0.00236 0.00238 0.00237 0.00237 0.00236 (0.12) (0.12) (0.12) (0.12) (0.12) (0.12) D6 0.00543 0.00542 0.00544 0.00544 0.00544 0.00544 (0.28) (0.28) (0.28) (0.28) (0.28) (0.28) M11 -0.000211 0.000527 0.000547 0.000309 0.000199 0.000230 (-0.16) (0.41) (0.43) (0.24) (0.16) (0.18) (continua...)

(12)

Tabela 3: Coeficientes usando Novembro e Dezembro (continuação) M12 -0.000147 0.000199 0.000207 0.000215 0.000184 0.000181 (-0.13) (0.18) (0.18) (0.19) (0.16) (0.16) RJ2 0.00475** (2.50) RJ3 0.00300 (1.46) RJ4 0.00328 (1.53) RJ5 0.00454** (2.01) RJ6 0.00521** (2.27) RJ7 0.00527** (2.28) α -0.00325 -0.00324 -0.00324 -0.00322 -0.00321 -0.00320 (-0.17) (-0.17) (-0.17) (-0.16) (-0.16) (-0.16) N 4207 4207 4207 4207 4207 4207 t statistics in parentheses * p < 0.10, ** p < 0.05, *** p < 0.01

assimétrico de vitórias e derrotas encontrado em EGN (2007). Portanto, é provável que o ambiente gerado por jogos de clubes seja diferente do ambiente gerado por seleções nacionais. Talvez aqui os resultados importem menos, ou os jogos dos rivais importam mais, etc. Resumimos nos próximos parágrafos três possíveis explicações que visam explicar o canal de transmissão deste efeito de jogos do campeonato brasileiro sobre o retorno das ações.

(13)

entre países. Ou seja, o torcedor de um dado país não é muito afetado pelo resultado de outros países. Entretanto, quando se trata de clubes, pelo menos no Brasil, vemos que torcedores de outros times se importam com os resultados de seus rivais. Ou seja, pode ser que não apenas o resultado de um time tenha impacto no humor, mas sim o resultado de vários times. Pode ser o caso que derrotas do rival tenham um impacto positivo, mas vitórias não tenham um impacto negativo, o que explicaria, na média, o efeito positivo sobre o humor de uma rodada do campeonato brasileiro (pois na média sempre haverá algum rival perdendo).

Segundo, pode ser que a direção da assimetria seja diferente da encontrada em EGN (2007), ou seja, vitórias do time pelo qual o torcedor torce impactem positivamente o humor, mas derrotas não impactem negativamente. Ou seja, diferentemente do caso de seleções nacionais onde o torcedor estima a probabilidade de vitória com um viés positivo, e por isso derrotas têm impacto negativo sobre o humor, pois, na média, são inesperadas, pode ser que aqui o torcedor seja pessimista.

Por último, pode ser simplesmente que não é o resultado dos jogos que impacta o humor do investidor no seguinte, mas simplesmente o fato de ter ou não jogo. Rodadas decisivas do campeo-nato brasileiro geralmente estão associadas com grande convívio social no momento do jogo, bares lotados, etc. Além do mais, o fato de ter havido um jogo do no dia anterior facilita a interação entre as pessoas no ambiente de trabalho, uma vez que futebol parece ser um assunto recorrente nestes ambientes.

A próxima seção é uma tentativa de isolar o efeito de vitórias e derrotas, para ver se conseguimos aceitar a segunda hipótese, de que vitórias importam mas derrotas não. Para isso consideramos os dois clubes com maior torcida no país.

4.2

Efeito dos Resultados dos Principais Times

Não achamos resultados muito significativos para o efeito dos jogos quando consideramos os resul-tados dos dois times com maior torcida no país, Flamengo e Corinthians (ver tabela 5 no apêndice A), mesmo quando consideramos os resultados de ambos conjuntamente (o que diminui a variância da nossa dummie fortemente). Explicamos esse resultado pelo fato que, embora estas duas torci-das sejam as maiores do país, estas ainda representam um fração pequena do total de torcedores. Devemos ter cuidado ao interpretar estes resultados: embora não achemos um efeito específico de vitórias e derrotas, não podemos rejeitar a hipótese de que vitórias impactem positivamente o hu-mor e derrotas não impactem. Isso porque, Flamengo e Corinthians representam uma fração não

(14)

muito grande do total de torcedores. Ou seja, nossas estimativas tendem a subestimar da maneira significativa o efeito de vitórias e derrotas sobre o humor. Um bom experimento seria ver o impacto dos resultados do clube de algum estado com torcida pouco heterogênea sobre algum preço regional, no qual algum estado possui grande influência. Deixamos isto para pesquisa futura.

Ainda para tentar captar algum efeito específico de resultados (embora não para clubes e sim para a seleção nacional), também estimamos, utilizando uma amostra de 277 jogos da seleção brasileira entre 1995 e 2012 (ver tabela 6 no apêndice A), mas não achamos resultados significativos, provavelmente por nossa amostra ser em grande parte de amistosos e eliminatórias, que recebem pouca atenção do público, uma vez que, no caso da seleção brasileira, estes jogos em geral são pouco decisivos. Para os jogos de Copa do Mundo temos poucas observações.

5

Conclusão

Identificamos que jogos do campeonato brasileiro parecem afetar retorno do mercado de ações em torno de 0,5 pontos percentuais, quando consideramos apenas os últimos jogos do campeonato. Por exemplo, um investidor que em um mês com oito rodadas do campeonato brasileiro tirar seu dinheiro de outro investimento (que não é correlacionado com os jogos do campeonato brasileiro) e colocar em ações do IBOVESPA, esperará ter conseguido um retorno anormal de 3,6 % ao fim do mês, ignorando-se custos de transação.

Não conseguimos encontrar evidência que jogos da seleção brasileira afetam o humor dos inves-tidores. O próximo passo é tentar identificar o efeito de vitórias e derrotas de algum estado com torcida suficientemente homogênea sobre algum preço regional, de tal forma que poderemos separar mais claramente o efeito de vitórias e derrotas (se é que eles existem).

A

Tabelas

Apresentamos aqui algumas tabelas adicionais omitidas no texto. A tabela 4 apresenta os resultados da variável RJi, i = 2, 3, ..., 7 quando usamos todos os jogos do campeonato. Como já dito, os coe-ficientes não são significativos. A tabela 5 apresenta os coecoe-ficientes de algumas variáveis envolvendo Flamengo e Corinthians. A tabela 6 apresenta os resultados para a seleção brasileira. Perceba que incluímos dummies para os meses de junho e julho para os eventos que envolvem a Copa do Mundo,

(15)

uma vez que esta ocorre nestes meses (também utilizamos dados até maio de 2012 neste caso).

Tabela 4: Coeficientes usando todos os meses

(1) (2) (3) (4) (5) (6) Rt Rt Rt Rt Rt Rt Rt−1 -0.0242 -0.0241 -0.0241 -0.0239 -0.0238 -0.0236 (-1.57) (-1.56) (-1.56) (-1.55) (-1.54) (-1.53) Wt 1.263*** 1.263*** 1.263*** 1.263*** 1.264*** 1.263*** (42.40) (42.40) (42.41) (42.42) (42.43) (42.43) Wt−1 -0.0983*** -0.0984*** -0.0984*** -0.0986*** -0.0991*** -0.0993*** (-2.79) (-2.79) (-2.79) (-2.80) (-2.81) (-2.82) F 0.000806 0.000780 0.000785 0.000704 0.000622 0.000580 (0.47) (0.45) (0.45) (0.41) (0.36) (0.33) D2 0.00258 0.00249 0.00252 0.00231 0.00208 0.00198 (0.13) (0.13) (0.13) (0.12) (0.11) (0.10) D3 0.00452 0.00451 0.00451 0.00450 0.00449 0.00448 (0.23) (0.23) (0.23) (0.23) (0.23) (0.23) D4 0.00435 0.00435 0.00435 0.00434 0.00433 0.00432 (0.22) (0.22) (0.22) (0.22) (0.22) (0.22) D5 0.00252 0.00247 0.00249 0.00241 0.00233 0.00230 (0.13) (0.13) (0.13) (0.12) (0.12) (0.12) D6 0.00552 0.00550 0.00552 0.00551 0.00550 0.00549 (0.28) (0.28) (0.28) (0.28) (0.28) (0.28) (continua...)

(16)

Tabela 4: Coeficientes usando todos os meses (continuação) (1) (2) (3) (4) (5) (6) Rt Rt Rt Rt Rt Rt RJ2 0.0000646 (0.07) RJ3 0.000253 (0.28) RJ4 0.000185 (0.19) RJ5 0.000624 (0.61) RJ6 0.00109 (1.04) RJ7 0.00131 (1.24) α -0.00326 -0.00325 -0.00325 -0.00324 -0.00323 -0.00322 (-0.17) (-0.17) (-0.17) (-0.17) (-0.16) (-0.16) N 4207 4207 4207 4207 4207 4207 t statistics in parentheses * p < 0.10, ** p < 0.05, *** p < 0.01

(17)

Tabela 5: Coeficientes para Outubro, Novembro e Dezembro (1) (2) (3) (4) Rt Rt Rt Rt Rt−1 -0.0243 -0.0245 -0.0247 -0.0255* (-1.57) (-1.59) (-1.60) (-1.65) Wt 1.262*** 1.262*** 1.262*** 1.263*** (42.40) (42.36) (42.37) (42.41) Wt−1 -0.0990*** -0.0988*** -0.0984*** -0.0977*** (-2.81) (-2.80) (-2.79) (-2.77) F 0.000628 0.000632 0.000658 0.000621 (0.36) (0.37) (0.38) (0.36) D2 0.00235 0.00247 0.00255 0.00246 (0.12) (0.13) (0.13) (0.13) D3 0.00453 0.00451 0.00451 0.00461 (0.23) (0.23) (0.23) (0.23) D4 0.00438 0.00435 0.00434 0.00444 (0.22) (0.22) (0.22) (0.23) D5 0.00252 0.00250 0.00251 0.00254 (0.13) (0.13) (0.13) (0.13) D6 0.00553 0.00553 0.00552 0.00560 (0.28) (0.28) (0.28) (0.29) (continua...)

(18)

Tabela 5: Coeficientes para Outubro, Novembro e Dezembro(continuação) M10 -0.00142 -0.00111 -0.00101 -0.00136 (-1.26) (-1.00) (-0.90) (-1.22) M11 0.000948 0.00117 0.00132 0.00104 (0.82) (1.01) (1.15) (0.91) M12 0.000247 0.000265 0.000324 0.000235 (0.22) (0.24) (0.29) (0.21) RV CF la 0.00420* (1.84) RV CCor 0.00194 (0.88) RDCF la 0.000764 (0.31) RDCCor 0.00417* (1.75) α -0.00326 -0.00327 -0.00329 -0.00333 (-0.17) (-0.17) (-0.17) (-0.17) N 4207 4207 4207 4207 t statistics in parentheses * p < 0.10, ** p < 0.05, *** p < 0.01

(19)

Tabela 6: Resultados para a Seleção Brasileira (1) (2) (3) (4) (5) (6) Rt Rt Rt Rt Rt Rt Rt−1 -0.0257* -0.0258* -0.0257* -0.0258* -0.0257* -0.0258* (-1.69) (-1.69) (-1.68) (-1.69) (-1.68) (-1.69) Wt 1.263*** 1.262*** 1.263*** 1.262*** 1.263*** 1.262*** (43.08) (43.08) (43.09) (43.07) (43.10) (43.07) Wt−1 -0.0970*** -0.0969*** -0.0971*** -0.0969*** -0.0973*** -0.0970*** (-2.79) (-2.79) (-2.80) (-2.79) (-2.80) (-2.79) D2 0.00282 0.00289 0.00285 0.00291 0.00291 0.00289 (0.15) (0.15) (0.15) (0.15) (0.15) (0.15) D3 0.00447 0.00457 0.00447 0.00457 0.00448 0.00457 (0.23) (0.23) (0.23) (0.23) (0.23) (0.23) D4 0.00444 0.00452 0.00444 0.00453 0.00446 0.00453 (0.23) (0.23) (0.23) (0.23) (0.23) (0.23) D5 0.00255 0.00264 0.00256 0.00263 0.00263 0.00264 (0.13) (0.14) (0.13) (0.13) (0.14) (0.14) D6 0.00551 0.00561 0.00551 0.00560 0.00553 0.00561 (0.28) (0.29) (0.28) (0.29) (0.28) (0.29) F 0.00169 0.00164 0.00168 0.00166 0.00176 0.00165 (0.99) (0.97) (0.99) (0.97) (1.03) (0.97) M6 -0.000827 -0.000630 -0.000775 (-0.75) (-0.58) (-0.70) (continua...)

(20)

Tabela 6: Resultados para a Seleção Brasileira (continuação) M7 -0.000548 -0.000507 -0.000558 (-0.51) (-0.47) (-0.52) Vitória -0.000257 (-0.17) Vitória Copa 0.00430 (0.95) Derrota -0.00214 (-0.69) Derrota Copa -0.000613 (-0.06) Jogo -0.000912 (-0.74) Jogo Copa 0.00280 (0.69) α -0.00334 -0.00334 -0.00334 -0.00335 -0.00334 -0.00335 (-0.17) (-0.17) (-0.17) (-0.17) (-0.17) (-0.17) N 4309 4309 4309 4309 4309 4309 t statistics in parentheses * p < 0.10, ** p < 0.05, *** p < 0.01

Obs: A dummie Derrota Copa assume valor 1 em apenas 4 observações. A dummie Vitória Copa assume valor 1 em 19 observações.

A dummie Derrota assume valor 1 em 40 observações. A dummie Vitória assume valor 1 em 183 observações. A dummie Jogo assume valor 1 em 272 observações. A dummie Jogo Copa assume valor em 24 observações.

(21)

Referências

[1] J. K. Ashton, B. Gerrard, and R. Hudson. Economic impact of national sporting success: evidence from the london stock exchange. Applied Economics Letters, 10(12):783–785, 2003. [2] Melanie Cao and Jason Wei. Stock market returns: A note on temperature anomaly. Journal

of Banking & Finance, 29(6):1559–1573, June 2005.

[3] Konstantinos Drakos. Terrorism activity, investor sentiment, and stock returns. Review of Financial Economics, 19(3):128–135, August 2010.

[4] Alex Edmans, Diego Garcia, and Oyvind Norli. Sports sentiment and stock returns. Journal of Finance, 62(4):1967–1998, 08 2007.

[5] Laura Frieder and Avanidhar Subrahmanyam. Nonsecular regularities in returns and volume. Financial Analysts Journal, 60:29–34, 2004.

[6] Mark J. Kamstra, Lisa A. Kramer, and Maurice D. Levi. Losing sleep at the market: The daylight saving anomaly. American Economic Review, 90(4):1005–1011, September 2000. [7] Mark J. Kamstra, Lisa A. Kramer, and Maurice D. Levi. Winter blues: A sad stock market

cycle. American Economic Review, 93(1):324–343, March 2003.

[8] Guy Kaplanski and Haim Levy. Exploitable predictable irrationality: The fifa world cup effect on the u.s. stock market. Journal of Financial and Quantitative Analysis, 45(02):535–553, April 2010a.

[9] Guy Kaplanski and Haim Levy. Sentiment and stock prices: The case of aviation disasters. Journal of Financial Economics, 95(2):174–201, February 2010b.

[10] S. Kothari and J. Warner. Econometrics of event studies. Chapter 1 in Espen Eckbo, Ed., Handbook of Empirical Corporate Finance, Elsevier-North-Holland, 1:5–36, 2006.

[11] Edward Saunders Jr. Stock prices and wall street weather. American Economic Review, 83(5):1337–45, December 1993.

[12] Kathy Yuan, Lu Zheng, and Qiaoqiao Zhu. Are investors moonstruck? lunar phases and stock returns. Journal of Empirical Finance, 13(1):1–23, January 2006.

Referências

Documentos relacionados

Figura 8 – Isocurvas com valores da Iluminância média para o período da manhã na fachada sudoeste, a primeira para a simulação com brise horizontal e a segunda sem brise

Quanto às variáveis relacionadas à satisfação nas duas últimas duas semanas, somente para dinheiro não houve diferença antes e depois da cirurgia, para as demais:

 Para os agentes físicos: ruído, calor, radiações ionizantes, condições hiperbáricas, não ionizantes, vibração, frio, e umidade, sendo os mesmos avaliados

De seguida, vamos adaptar a nossa demonstrac¸ ˜ao da f ´ormula de M ¨untz, partindo de outras transformadas aritm ´eticas diferentes da transformada de M ¨obius, para dedu-

Equipamentos de emergência imediatamente acessíveis, com instruções de utilização. Assegurar-se que os lava- olhos e os chuveiros de segurança estejam próximos ao local de

Note on the occurrence of the crebeater seal, Lobodon carcinophagus (Hombron &amp; Jacquinot, 1842) (Mammalia: Pinnipedia), in Rio de Janeiro State, Brazil.. On May 12, 2003,

Tal será possível através do fornecimento de evidências de que a relação entre educação inclusiva e inclusão social é pertinente para a qualidade dos recursos de

Com o objetivo de compreender como se efetivou a participação das educadoras - Maria Zuíla e Silva Moraes; Minerva Diaz de Sá Barreto - na criação dos diversos