Felipe Cardoso Granero
Análise de retornos anormais dos fundos de investimento
brasileiros no período de 2002 a 2010
Monografia apresentada à Faculdade de Economia do Insper, como parte dos requisitos para conclusão do curso de graduação em Economia.
Aprovado em Dezembro 2012
EXAMINADORES
______________________________________________________________________ _____
Prof. Dr. José Luiz Rossi Junior Orientador
______________________________________________________________________ _____
Prof. Dr. Ricardo Dias Oliveira Brito Examinador
______________________________________________________________________ _____
Prof. Dr. Marcelo Leite de Moura e Silva Examinador
2
Sumário
Resumo ... 3 Abstract ... 4 1. Introdução... 5 2. Revisão Bibliográfica ... 6 3. Metodologia ... 93.1. Ordinary Least Squares (OLS) ... 10
3.2. Residual Augmented Least Squares (RALS) ... 11
4. Dados ... 12
5. Resultado ... 13
6. Conclusão ... 15
7. Bibliografia... 16
3
Resumo
GRANERO, Felipe Cardoso. Análise de retornos anormais dos fundos de investimento brasileiros no período de 2002 a 2010. São Paulo, 2012. Monografia – Faculdade de Economia e Administração. Insper Instituto de Ensino e Pesquisa.
A grande busca dos investidores é encontrar investimentos que possuam um excesso de retorno ao mercado, conhecido na literatura como a habilidade de market timing ou
alpha. Com isso, os fundos de investimento buscam encontrar ativos que possam gerar
tal retorno para se tornarem investimentos atrativos. O presente trabalho busca comparar duas formas de se estimar este retorno de alguns fundos de investimento brasileiros durante o período de 2002 e 2010: o Ordinary Least Squares (OLS) e o Residual Augmented Least Squares (RALS), com o intuito de testar a afirmação de Heuson e Hutchinson (2010) para fundos de investimento brasileiros de que alphas estimados via RALS são mais significativos.
O resultado obtido ao longo do período inteiro confirma a teoria desses autores, porém o argumento de que essa diferença é ainda maior em períodos de crise não se mostrou verdadeira.
4
Abstract
GRANERO, Felipe Cardoso. Analysis of abnormal returns of Brazilian investment funds in the period 2002 to 2010. São Paulo, 2012. Monograph – Faculdade de Economia e Administração. Insper Instituto de Ensino e Pesquisa.
The greatest search of investors is to find investments that have an excess return to the market. Thus, hedge funds seek to find assets that can generate such return to become attractive investments. This study aims to compare two ways to estimate the return of some Brazilian hedge funds during the period 2002 to 2010: Ordinary Least Squares (OLS) and Residual Augmented Least Squares (RALS), in order to test Heuson and Hutchinson’s (2010) argument for Brazilian hedge funds, that alphas estimated by RALS are more significant than those estimated by OLS.
The results obtained over the entire period confirm the theory of those authors, but the other argument that this difference is even greater in times of crisis was not true.
5
1. Introdução
Muitos trabalhos sobre avaliação de fundos de investimento acabam utilizando determinadas técnicas na estimação do retorno anormal de cada fundo, representado na literatura pela letra α. Alguns trabalhos foram feitos nesta área para provar a eficiência de determinados métodos de estimação. Dentre eles, Fung and Hsieh’s (2004) defende o uso do OLS (Ordinary Least Square), método amplamente utilizado para a estimação da
performance dos fundos de investimento.
Outro trabalho nesta área é o de Heuson e Hutchinson (2010). Neste trabalho, os autores definem como uma melhor alternativa para a estimação dos retornos dos fundos de investimento o método do RALS (Residual Augmented Least Square). Os autores demonstram que “[...] o erro da avaliação de performance via OLS depende sistematicamente da assimetria, é economicamente significante e que o RALS não é sensível a este viés.” (Heuson e Hutchinson, “Which Hedge Fund Managers Deliver Alpha?”, 2010) Além disso, eles argumentam que os alphas formados por RALS são mais persistentes do que aqueles formados por OLS.
Este trabalho tem como objetivo comparar ambos os métodos na estimação dos retornos anormais dos fundos de investimento no mercado brasileiro durante o período de 2000 a 2010. Durante o período da crise de 2008, poderemos testar um dos argumentos defendidos por Heuson e Hutchinson, de que durante períodos de crise, os alphas formados por RALS são ainda mais persistente do que aqueles formados por OLS.
Para tal, se estimará os retornos para os fundos utilizando o método OLS e veremos se os resultados estão de acordo com outros trabalhos feitos na mesma área para o mercado brasileiro. Em seguida, o procedimento se repetirá para o método do RALS.
Por fim, se comparará os resultados e veremos se há diferença entre os mesmos e se a diferença é significante e persistente. Se terá mais cuidado ao analisar o período de 2008 a 2009, período marcado pela crise do Sub Prime para se testar o argumento utilizado por Heuson e Hutchinson.
6
2. Revisão Bibliográfica
A teoria moderna de Finanças teve seu início nos anos 50, quando Harry Markowitz (1952), pela primeira vez na história, introduziu os conceitos de risco e retorno de um ativo. Adicionalmente, o autor atribui a variância e a média, respectivamente, como medidas para tais conceitos.
Apesar disso, a maior contribuição desta obra se refere à criação do conceito da carteira diversificada. Ela se baseia na criação de um portfólio, carteira composta por mais de um ativo, de tal maneira que a combinação entre os mesmos reduza, de maneira significante, o risco não sistemático de cada ativo, ou seja, o risco diversificável. Essa seleção de ativos deve levar em conta os dois conceitos que Markowitz (1952) estuda em sua obra – média e variância como medidas para o retorno e risco, respectivamente – para a tomada de decisão de seleção de ativos para a composição do portfólio da carteira.
A teoria teve sequência doze anos mais tarde com os trabalhos de William Sharpe (1964), Lintner John (1965) e Jan Mossin (1966) com a criação do modelo CAPM – Capital Asset Pricing Model.
Como o próprio nome já diz, o CAPM é um modelo que define a taxa de retorno exigida para um ativo (Ri), e possui algumas premissas importantes, entre elas: não há
tributos e nem custo de transação na negociação dos ativos; todos os ativos são publicamente negociados; os investidores conseguem tomar emprestado e emprestar qualquer montante a certa taxa fixa de juros; e não há superavaliações ou subavaliações dos títulos. Além disso, o CAPM cria a variável β, que representa “a covariância do ativo com a carteira de mercado como fração da variância da carteira de mercado” (Bodie, Kane e Markus, “Investimentos”, 8ª edição, 2010). A carteira de mercado representa todos os ativos negociáveis no mercado ponderando por seus valores.
A variável β é calculada da seguinte maneira:
onde:
7 Rm – é a taxa média do mercado;
Rf – é a taxa de rendimento de um investimento livre de risco;
Reorganizando a equação (1), temos:
Com esta equação, pode-se encontrar a taxa Ri, que é a taxa mínima de retorno
exigida pelos investidores para cada ativo i, dado o seu risco sistemático, representado na equação pela letra β e que satisfaça uma situação de equilíbrio.
Apesar deste modelo ser uma das bases da teoria moderna de Finanças, ele é muito questionado devido à difícil aplicação prática de algumas de suas premissas, como por exemplo não haver custos de transação na negociação de ativos e nem tributos e não haver ativos subvalorizados e nem sobrevalorizados.
O próximo modelo dentro da teoria moderna, desenvolvido por Stephen Ross (1976), foi o APT – Arbitrage Pricing Theory.
Este modelo, ao contrário do CAPM, busca relacionar o retorno esperado de uma ação a diversos fatores que se julgue relevante. Portanto, o APT pode ser visto com uma ampliação do modelo CAPM. Outros fatores que podem alterar a taxa mínima de rentabilidade de uma ação, por exemplo, são inflação, PIB, curva de juros e etc. Para tanto, o modelo segue a seguinte estrutura:
sendo que:
Ri – é a taxa de retorno exigida do investimento;
Rf – é a taxa de rendimento de um investimento livre de risco;
Fn – prêmio de risco do fator n;
Βjn – a sensitividade do preço da ação com o prêmio de risco do fator n;
O grande desafio para os gestores, além de montar uma carteira de forma eficiente, é obter retornos em excesso ao mercado, rejeitando a teoria de mercado eficiente. Esta teoria de mercado, proposta inicialmente por Fama (1970) defende que se o mercado é eficiente, o preço dos ativos deste mercado reflete completamente toda a
8 informação disponível sobre cada ativo. Em seu trabalho, Fama classifica cada mercado dentro de uma das seguintes três divisões: forma fraca; forma semi-forte; e forma forte. Esta primeira acontece quando a informação disponível é somente o histórico dos preços passados. A segunda forma de eficiência de mercado acontece quando o preço do ativo se ajusta eficientemente a qualquer outra informação que seja publicamente conhecida. Por fim, a última forma de eficiência de mercado, forma forte, acontece quando algum investidor possui acesso a algum tipo de informação relevante e que não seja pública e que possa alterar o preço do ativo.
A análise somente da performance de portfólios foi estuda por muito autores em diversos mercados.
Jensen (1968) procura analisar somente a capacidade do gestor de um portfólio “prever” o mercado. Amin e Kat (2003) analisaram os fundos de investimento como sendo um veículo de investimento que oferece uma melhor relação risco retorno, porém concluíram que isso não acontecia. Sharpe (1975) explora a capacidade dos ganhos do
market timing e conclui que a existência do mesmo no mercado norte americano pode
ser considera, na melhor das hipóteses, como moderada. Treynor e Mazuy (1966) analisam alguns fundos de investimento nos Estados Unidos e conclui que somente em um fundo existe a habilidade de market-timing. Henriksson (1984) aplica alguns testes no mercado norte americano a procura da existência de market-timing nos fundos de investimento, porém conclui que o mesmo é quase inexistente.
Para o mercado brasileiro também foram feitos alguns trabalhos. Entre eles, Jordão e Moura (2011) analisam a existência de retornos anormais em fundos de investimento no mercado brasileiro durante os anos de 2000 a 2009. O resultado que os autores chegam é que a existência de retornos anormais aparece em apenas 5% dos fundos analisados. Brito e Leusin (2008) analisaram a capacidade de market timing de alguns fundos de investimento brasileiros durante o período de 1998 até 2003. A conclusão dos autores é de que essa capacidade se encontra somente em um pequeno grupo de fundos.
Outro trabalho realizado foi o de Gomes e Cresto (2009), que analisa a existência de retorno anormal nos fundos brasileiros durante o período de 2001 a 2008. Os autores separam o retorno em excesso, o α, em duas categorias: seletividade de ativos e habilidade de maket-timing. Por fim, os autores apresentam o resultado de que a grande maioria do pequeno número de retornos anormais encontrados neste mercado se dá devido à seletividade dos ativos e não à habilidade de market-timing.
9 Laes (2010) estuda a obtenção de retornos anormais pelos fundos de investimento brasileiros durante o período de 2002 a 2009 utilizando uma distribuição cross-sectional dos alfas de cada fundo. O resultado do estudo foi bem parecido com o dos outros autores, encontrando pouquíssimas evidências de retornos anormais.
Portanto, pode-se concluir das obras previamente citadas de que a habilidade de
market timing é muito restrita a alguns fundos de investimento, e mesmo aqueles que
apresentam um market timing significante, acabam não sustentando essa habilidade com o passar do tempo.
3. Metodologia
Para se alcançar os objetivos deste trabalho, se utilizará o modelo de precificação de ativos proposto por Sharpe (1964), Lintner (1965) e Mossin (1966), o CAPM. O mesmo é representado pela seguinte equação:
Se testará se a premissa de que não há ativos subvalorizados nem sobrevalorizados testando se o alpha da seguinte equação é realmente zero (conforme pregado pelo CAPM):
onde representa o retorno exigido para aquele ativo; representa o retorno do ativo livre de rico; representa o excesso de retorno; representa a sensibilidade do
retorno do ativo ao prêmio de risco do mercado, representado pelo ; e por final, representa o erro que não pode ser explicado pelo modelo.
Como o foco deste trabalho está somente no que diz respeito à performance dos fundos de investimento, a única parte do modelo que nos interessa é aquela que representa o excesso de retorno, o αi. Estimar-se-á o α pelo método do OLS e,
posteriormente, pelo método do RALS, comparando os resultados ao final do procedimento. O que pode se esperar é que em situações que os erros são normais, o OLS é eficiente, caso contrário, o RALS se torna a melhor escolha. Nas seções 3.1. e
10 3.2. serão analisados os métodos OLS e o RALS, respectivamente, com um pouco mais de detalhamento.
3.1. Ordinary Least Squares (OLS)
O método dos Mínimos Quadrados (OLS) nada mais é do que a minimização do quadrado dos resíduos de uma estimação linear. Supondo que o processo gerador da variável y se dá pela seguinte equação:
onde y é a variável analisada (variável dependente); α o intercepto; β a sensibilidade da variável dependente com a variável independente, x; e por último, e é o erro, que não pode ser explicado pelo modelo. Dado isso, pode se querer estimar o α e o β montando a equação:
̂ ̂ ̂ os parâmetros estão com o símbolo “^” uma vez que são estimativas dos reais parâmetros e o ̂ passa a se chamar resíduo. O estimador de OLS é consistente quando os regressores são exógenos e não há multicolinearidade e é, também, não viesado.
Com isso, o método do OLS busca minimizar a soma dos quadrados dos resíduos, para que os resultados estimados sejam os mais próximos possíveis dos valores reais. Sendo assim, tem-se:
∑ ̂
que pode ser reescrita como:
∑ ̂ ̂
Portanto, pode se minimizar esta equação derivando-a em relação ao parâmetro que se queira estimar e igualando a mesma a zero. Com isso, tem-se que:
11 ̂ ∑ ̅ ̅
∑ ̅ ̂ ̅ ̂̅
Este método foi desenvolvido por Legendre (1805) e Gauss (1809) e pressupõe que os resíduos sejam normalmente distribuídos e que sejam independentes entre si e com os parâmetros. Além disso, este estimador é não-viesado, ou seja, a seu valor esperado se equivale ao parâmetro.
3.2. Residual Augmented Least Squares (RALS)
Este segundo método, proposto por Im e Schmidt (2008), aumenta a eficiência da estimação adicionando à regressão, variáveis que não são correlacionadas com o regressor, porém que sejam correlacionadas com o erro. Isso faz com que a variância do erro se torne a variância condicional das variáveis “aumentadas”, o que passa a ser menos do que a variância do erro original. Além disso, utilizando o método RALS pode-se observar que a variância da estimação reduz assintoticamente. Conforme Heuson e Hutchinson (2010), deve-se partir de um modelo de regressão linear multivariado:
onde zt = (1,xt´)´; x´t é um vetor de séries temporais; e = (αβ´)´, onde α é o intercepto
e β´ é o vetor de coeficiente da variável xi.
Adicionalmente, devem-se assumir as seguintes condições de momentos:
[ ] { [ ]}
A equação (13) garante que xt e ut são não correlacionados, e a equação (14)
garante que nenhuma função de ut seja não correlacionada com xt. H é um vetor J x 1 de
12 Deve-se pressupor que xt é não correlacionado com et e que nenhuma função de
et é não correlacionada com xt. Im e Schmidt (2008) propõem um estimador de duas
etapas, em que a primeira etapa se consiste em utilizar o método OLS na equação acima e a segunda etapa se baseia em “aumentar” o estimador da primeira etapa com a seguinte equação:
̂ [( ̂ ̂ ̂ ) ( ̂ ̂ )]´ (15)
onde ̂ representa o resíduo e ̂ representa a variância residual estimada com o estimador por OLS.
Em seu trabalho, Heuson e Hutchinson (2010) simulam uma série de retornos de fundos de investimento para verificarem o ganho de eficiência da utilização RALS. Tendo em vista que os investidores preferem retornos com assimetria positiva e o correspondente prêmio pelo risco em equilíbrio em um cenário de assimetria negativa, os resultados obtidos mostram que para assimetria simulada positiva, os alpha’s utilizando o RALS são maiores que aqueles utilizando OLS. Já para assimetria negativa, os alpha’s utilizando o método OLS são maiores do que aqueles obtidos por RALS.
Além disso, os autores citam dois pontos positivos do estimador de RALS: primeiramente, este estimador devolve coeficientes estimados que não impõe qualquer restrição na distribuição dos retornos dos fundos de investimento. Adicionalmente a isso, ele é facilmente estimado utilizando dois estágios de mínimos quadrados.
4. Dados
Os dados que serão utilizados são informações públicas disponibilizadas ao mercado. Essas informações são retornos de cotas de fundos de investimento brasileiros durante o período de janeiro de 2002 até dezembro de 2010. Os dados serão diários. Os fundos selecionados e algumas estatísticas descritivas dos mesmos podem ser encontrados na Tabela I.
Durante este período, podem-se observar três grandes crises: a crise da eleição do presidente Lula, que foi uma crise de credibilidade que os países estrangeiros passaram a duvidar do comprometimento do Brasil em honrar seus compromissos, dado que o ex-presidente Lula era de um partido de esquerda; a crise do Sub-Prime, que foi
13 uma crise financeira que abalou o sistema financeiro norte americano em 2008/2009 e que se espalhou para todo o mundo, criando uma das maiores crises econômicas já vistas no mundo; e a crise das dividas soberanas da Europa, criada pela dificuldade que alguns países da Zona do Euro encontraram para honrar suas dívidas, devido ao alto grau de endividamento que se encontram. Esta última crise teve início em 2010 e até a presente data deste trabalho não se resolveu, gerando muita volatilidade e desconfiança nos mercados do mundo inteiro.
Além disso, por ser um período de tempo relativamente grande (2002-2010), se consegue obter resultados que não são influenciados por eventos de curto prazo.
Outro fato observável devido a este período de tempo muito grande é a utilização de fundos que possuem um retorno acima de seus peers de mercado, uma vez que serão utilizados somente fundos que possuam cotas durante todos os dias entre janeiro de 2002 e dezembro de 2010, excluindo fundos que fecharam durante este período, o que leva a concluir que estes fundos que permaneceram são mais rentáveis do que aqueles que fecharam.
Os dados foram retirados da base de dados Bloomberg e foram analisados utilizando o software estatístico Eviews versão 7.0.
Para o cálculo do retorno, será utilizado o retorno logarítmico, sendo uma de suas vantagens o favorecimento operacional desta fórmula matemática. Para o cálculo do prêmio de risco de mercado, será utilizado o índice bivespa como Proxy do retorno de todos os ativos na economia. Já para a taxa livre de rico, será utilizada a taxa do CDI (Certificado de Depósito Interfinanceiro), que apesar de na realidade sofrer risco de crédito dos bancos brasileiros privados, uma vez que é a taxa praticada por empréstimos entre essas instituições, podemos utilizar esta taxa como sendo livre uma vez que em vários artigos acadêmicos é esta taxa é considerada como sendo livre de risco.
5. Resultado
Foram analisados três períodos diferentes para se testar as duas afirmações de Im e Schmidt (2008): a utilização do método RALS para medir o excesso de retorno dos fundos de investimento gera resultados mais significantes do que aqueles utilizando o OLS; e em períodos de crise, a diferença entre a estimação via RALS e via OLS é ainda maior. Para se testar essas duas afirmações, será analisado um período grande te tempo e outros dois períodos de crise econômica.
14 Utilizando o método OLS, pode-se verificar que entre período de janeiro de 2002 e dezembro de 2010 apenas 28% dos fundos de investimento analisados possuem retorno acima do mercado significante. Porém, a média destes retornos significantes é de 0,01732%, ou seja, apesar de significantes, estes retornos são extremamente baixos, tendo em vista que este retorno é referente a 8 anos. Já no período de outubro de 2002 e outubro de 2003, caracterizado pela crise da eleição do presidente Luiz Inácio Lula da Silva, o número de alpha’s significantes é ainda menor, 16%. Apesar disso, a média destes retornos é maior do que a do primeiro cenário, chegando a 0,031%. Já no terceiro período, que abrange o período de junho de 2008 a dezembro de 2010, espaço de tempo caracterizado pela crise do Sub Prime americano e inicio da crise soberana da Europa, o número de fundos de investimento que possuem retornos acima do mercado chega a 36%, com média de retorno de 0,013%.
A primeira conclusão que se pode tirar é que estes resultados reforçam toda a literatura prévia sobre este assunto, que afirma que pouquíssimos fundos apresentam retornos acima do mercado, e mesmo aqueles que apresentam alpha positivo e significante, este retorno acaba não sendo persistente ao longo do tempo.
Além disso, outro fato interessante é que apesar da crise de 2008-2010 ter sido mais severa do que a de 2002-2003, o número de fundos que conseguiram retornos acima do mercado foi maior.
[Inserir Tabela II]
Após feitas as estimações utilizando o método RALS, pode-se observar os seguintes fatos: durante o primeiro período, 52% dos fundos analisados possuem alpha significativo, sendo que a média desses retornos significantes é 0,01405%. Durante o segundo período, 44% dos 32 fundos analisados possuem alpha significativo, sendo que 0,05717%. Já no último período analisado, apenas 40% dos fundos apresentaram retorno significativo acima do mercado, com uma média 0,0059%.
[Inserir Tabela III]
Analisando os resultados que se obteve com a estimação utilizando o método RALS, observa-se um resultado mais coerente com o resultado analisado com o método OLS, observando um decaimento da proporção entre alpha´s significativos e total de fundos analisados, uma vez que, teoricamente, durante o período de 2002 a 2010 foi um período em que houve crises porém houve também momentos de bonança para a economia, e no último período analisado ocorreu somente tempos de crise para a economia, sendo que a crise do Sub Prime foi uma das piores crises econômicas já vistas.
15
6. Conclusão
Analisando os resultados obtidos nas regressões utilizando os métodos OLS e RALS, podemos observar que nos três períodos analisados, a quantidade de retornos significativos foi maior utilizando o método RALS do que o método OLS. Portanto, pode se concluir que a primeira afirmação de Im e Schmidt (2008), de que alpha´s estimados utilizando RALS são maiores que aqueles estimados utilizando OLS.
Analisando os dois períodos de crise que foi estudado, podemos observar que durante os anos de 2002 a 2003, tanto a quantidade de fundos que conseguiram gerar
alpha significativos quanto a média desses retornos foi maio utilizando o método de
estimação RALS do que o método OLS. Já durante o segundo período de crise analisado, a crise do Sub Prime, a quantidade de retornos significativos é maior utilizando o método RALS, porém a média destes retornos é maior utilizando o método OLS.
Além disso, se for observada a diferença entre cada alpha do RALS com os de OLS durante esses três períodos, pode-se concluir que no segundo período analisado (2002-2003) a diferença entre os alpha´s realmente foi maior do que a observada no primeiro período. Porém, não se pode concluir isso quando analisado o terceiro período. Para este último, a diferença em relação ao primeiro período é negativa, ou seja, a soma dos alpha´s do terceiro período foi menor do que a observada no primeiro período.
[Inserir Tabela IV]
Portanto, pode-se concluir que realmente a utilização do RALS encontra mais
alpha´s significativos e maiores, porém a afirmação de que durante períodos de crise a
diferença é ainda maior entre esses dois métodos de estimação não se provou verdadeira para os dois períodos de crise analisados (2002-2003 e 2008-2010).
16
7. Bibliografia
BODIE, Zvi, KANE, Alex e MARCUS, Alan, Investimentos, 8ª edição, McGraw Hill, 2010;
FAMA, Eugene, Efficient Capital Markets: A Review of Theory and Empirical
Work. The Journal of Finance, Vol. 25, Nº 2 (May, 1970), pp. 383-417.
FUNG, William e HSIEH David, Extracting Portable Alphas from Equity
Long-Short Hedge Funds. Journal of Investment Management, 2. (2004), pp. 57-75;
GAUSS, Carl, Theoria Motus Corporum Coellestium. Werke, 7, K. Gesellschaft Wissenschaft. (1809);
GOME, Fábio e CRESTO, Vicente, Avaliação do Desempenho dos Fundos
Long-Short no Brasil. Revista Brasileira de Finanças, Vol. 8, No. 4. (Jul, 2010), pp. 505-529;
HENRIKSSON, Roy, Market Timing and Mutual Fund Performance: An
Empirical Investigation. The Journal of Business, Vol. 57, No. 1, Part. 1. (Jan., 1984),
pp. 73-96;
HEUSON, Andrea e HUTCHINSON, Mark, Wich Hedge Fund Manager Deliver
Alpha? Assesing Performance When Returns are Skewed. (Mar., 2011);
IM, Kyung e SCHMIDT, Peter, More Efficient Estimation Under Non-Normality
When Higher Moments Do Not Depend on the Regressors, Using Residual-Augmented Least Squares. Journal of Econometrics 144. (May., 2000), pp. 163-172;
JENSEN, Michael, The Performance of Mutual Funds in the Period 1954-64.The Journal of Finance, Vol. 23, No. 2. (May 1968), pp. 389-416;
JORDÃO, Gustavo e MOURA, Marcelo, Performance Analysis of Brazilian Hedge
Funds. (2011);
LEGENDRE, Andrien, Nouvelles Méthodes pour la Détermination des Orbites des Comètes. (1805);
LINTNER, John, The Valuation of Risk Assets and the Selection of Risky
Investments in Stock Portfolios and Capital Budgets. The Journal of Finance, Vol.
47, No. 1. (Feb., 1965), pp. 13-37;
MARKOWITZ, Harry, Portfolio Selection. The Journal of Finance, Vol. 7, No. 1. (Mar., 1952), pp. 77-91;
MOSSIN, Jan, Equilibrium in a Capital Asset Market. The Journal of Finance, Vol. 34, No. 4. (Oct., 1966), pp. 768-783;
ROSS, Stephen, The arbitrage theory of capital asset pricing. Journal of Economic Theory, Vol. 13, No. 3. (1976), pp. 341-360;
17 SHARPE, William, Capital Asset Prices: A theory of market equilibrium under
conditions of risk. The Journal of Finance, Vol. 19, No. 3. (Sep., 1964), pp. 425-442; SHARPE, William, Likely Gains from Market Timing. Financial Analysts Journal, Vol. 31, No. 2. (Mar.-Apr., 1975), pp. 60-69;
TREYNOR, Jack e MAZUY, K., CanMutual Funds Outguess Market? Harvard Business Review, Vol. 44, No. 4. (1966), pp. 131-136.
18
8. Anexos
Tabela I
Análise Descritiva
Fundo Retorno Acumulado (01/2002-12/2010) Desvio Padrão Criação Classe
GOYA FI MULTIMERCADO 135,29% 0,176% 08/06/2000 Fundo Multimercado
AQUILA 2 FI MULTIMERCADO 146,42% 0,215% 04/07/2001 Fundo Multimercado
SUL AMER SAP GRUPAL FI MULT 125,77% 0,190% 16/04/1998 Fundo Multimercado
MEGAWATT FI MULTIMERCADO 127,62% 0,071% 22/03/2001 Fundo Multimercado
REAL FI MULTIMERCADO BREMEN 128,70% 0,047% 20/01/1997 Fundo Multimercado
CSHG VERDE FIC FI MULTIMERCA 208,38% 0,586% 04/07/1996 Fundo Multimercado
CSHG VERDE 14 FIC FI MULTIME 208,75% 0,587% 01/11/2001 Fundo Multimercado
OPPORTUNITY MRKT FIC FI MULT 138,61% 0,235% 03/06/1996 Fundo Multimercado
PORTO SEGURO FI
MULTIMERCADO 110,26% 0,129% 30/08/1999 Fundo Multimercado
FI MULTIMERCADO MAPFRE
PRIV2 125,48% 0,069% 14/12/1998 Fundo Multimercado
TARGET D FI MULTIMERCADO 127,00% 0,119% 12/11/1996 Fundo Multimercado
BB VEICULO FI MULT CRED PRIV 139,07% 0,217% 01/09/1999 Fundo Multimercado
BNY MELLON ARX HEDGE FI
MULT 143,75% 0,164% 28/05/1998 Fundo Multimercado
CSHG STAR FI MULTIMERCADO 196,18% 0,768% 21/02/2000 Fundo Multimercado
QUEST I FI MULTIMERCADO 143,34% 0,512% 21/02/2000 Fundo de Ações
BBM HIGH YIELD FI MULTIMERME 136,14% 0,447% 03/11/1998 Fundo Multimercado
FRG PLANO BD FI
MULTIMERCADO 169,85% 0,178% 02/08/2000 Fundo Multimercado
HG MULTIMANAGER PLUS IB FIM 124,07% 0,248% 05/05/2000 Fundo Multimercado
HED GRIF MULTIMANAGER IB FIM 122,88% 0,155% 28/01/2002 Fundo Multimercado
CLARITAS HEDGE FI MULTIM LP 151,99% 0,478% 17/08/1999 Fundo Multimercado
BB MULT CONSERV LP MIL FICFI 104,39% 0,160% 27/09/1996 Fundo Multimercado
CONFIANCA F FI MULTIMERCADO 140,55% 0,198% 15/01/1995 Fundo Multimercado
BB TOP MULTI MODER LP FI MUL 112,77% 0,390% 29/09/2000 Fundo Multimercado
AQUILA FI MULTIMERCADO 136,53% 0,384% 09/08/1999 Fundo Multimercado
19 Tabela II
OLS
Fundo α (jan/2002-dez/2010) α (out/2002-out/2003) α (jun/2008-dez/2010)
GOYA FI MULTIMERCADO 0,005% 0,002% 0,035% AQUILA 2 FI MULTIMERCADO 0,010% 0,024% 0,005% SUL AMER SAP GRUPAL FI MULT 0,002% 0,011% 0,018% MEGAWATT FI MULTIMERCADO 0,002% 0,012% 0,008% REAL FI MULTIMERCADO BREMEN 0,003% 0,012% 0,003% CSHG VERDE FIC FI MULTIMERCA 0,036% 0,062% 0,031% CSHG VERDE 14 FIC FI MULTIME 0,037% 0,061% 0,031% OPPORTUNITY MRKT FIC FI MULT 0,006% 0,017% 0,003% PORTO SEGURO FI MULTIMERCADO 0,006% -0,002% -0,009% FI MULTIMERCADO MAPFRE PRIV2 0,002% 0,001% -0,003% TARGET D FI MULTIMERCADO 0,002% 0,004% 0,003% BB VEICULO FI MULT CRED PRIV 0,008% 0,028% 0,002% BNY MELLON ARX HEDGE FI MULT 0,009% 0,031% 0,005% CSHG STAR FI MULTIMERCADO 0,029% 0,058% 0,021% QUEST I FI MULTIMERCADO 0,010% -0,004% -0,003% BBM HIGH YIELD FI MULTIMERME 0,007% 0,010% 0,013% FRG PLANO BD FI MULTIMERCADO 0,021% 0,068% 0,018% HG MULTIMANAGER PLUS IB FIM 0,000% -0,002% -0,015% HED GRIF MULTIMANAGER IB FIM 0,000% 0,004% -0,011% CLARITAS HEDGE FI MULTIM LP 0,013% 0,046% -0,013% BB MULT CONSERV LP MIL FICFI -0,009% 0,001% -0,016% CONFIANCA F FI MULTIMERCADO 0,007% 0,006% 0,005% BB TOP MULTI MODER LP FI MUL -0,008% 0,032% -0,024% AQUILA FI MULTIMERCADO 0,004% 0,020% -0,012% LUXOR FI MULTIMERCADO 0,027% -0,008% -0,121% (Os valores em amarelo apontam os retornos significantes)
20 Tabela III
RALS
Fundo α (jan/2002-dez/2010) α (out/2002-out/2003) α (jun/2008-dez/2010)
GOYA FI MULTIMERCADO 0,00534% 0,00131% 0,03470% AQUILA 2 FI MULTIMERCADO 0,01047% 0,02304% -0,04719% SUL AMER SAP GRUPAL FI MULT 0,00172% 0,01631% 0,01837% MEGAWATT FI MULTIMERCADO 0,00212% 0,01187% 0,00751% REAL FI MULTIMERCADO BREMEN 0,00260% 0,01239% 0,00287% CSHG VERDE FIC FI MULTIMERCA 0,03870% 0,06591% 0,02012% CSHG VERDE 14 FIC FI MULTIME 0,03900% 0,06412% 0,02028% OPPORTUNITY MRKT FIC FI MULT 0,00720% 0,01629% -0,00039% PORTO SEGURO FI MULTIMERCADO -0,00530% -0,00242% -0,01177% FI MULTIMERCADO MAPFRE PRIV2 0,00170% 0,00173% -0,00259% TARGET D FI MULTIMERCADO 0,00240% 0,00562% 0,00242% BB VEICULO FI MULT CRED PRIV 0,00800% 0,02643% 0,00159% BNY MELLON ARX HEDGE FI MULT 0,00940% 0,32570% 0,00411% CSHG STAR FI MULTIMERCADO 0,03100% 0,06193% 0,00420% QUEST I FI MULTIMERCADO 0,00990% 0,00799% -0,00320% BBM HIGH YIELD FI MULTIMERME 0,00660% 0,00922% 0,01227% FRG PLANO BD FI MULTIMERCADO 0,02100% 0,06731% 0,01696% HG MULTIMANAGER PLUS IB FIM 0,00050% -0,00138% -0,01555% HED GRIF MULTIMANAGER IB FIM -0,00010% 0,00531% -0,01103% CLARITAS HEDGE FI MULTIM LP 0,01300% 0,05211% -0,01291% BB MULT CONSERV LP MIL FICFI -0,00830% 0,00575% -0,01849% CONFIANCA F FI MULTIMERCADO 0,00780% 0,00715% 0,00278% BB TOP MULTI MODER LP FI MUL 0,00450% 0,06034% -0,03167% AQUILA FI MULTIMERCADO 0,00600% 0,01878% -0,02069% LUXOR FI MULTIMERCADO 0,03670% 0,06850% -0,15090% (Os valores em amarelo apontam os retornos significantes)
21 Tabela IV
Diferenças (RALS - OLS)
Fundo α (jan/2002-dez/2010) α (out/2002-out/2003) α (jun/2008-dez/2010)
GOYA FI MULTIMERCADO 0,00009% -0,00096% -0,00030% AQUILA 2 FI MULTIMERCADO 0,00037% -0,00066% -0,05220% SUL AMER SAP GRUPAL FI MULT 0,00003% 0,00491% -0,00003% MEGAWATT FI MULTIMERCADO 0,00014% -0,00043% -0,00065% REAL FI MULTIMERCADO BREMEN 0,00004% 0,00019% -0,00013% CSHG VERDE FIC FI MULTIMERCA 0,00230% 0,00381% -0,01108% CSHG VERDE 14 FIC FI MULTIME 0,00240% 0,00362% -0,01082% OPPORTUNITY MRKT FIC FI MULT 0,00098% -0,00041% -0,00355% PORTO SEGURO FI MULTIMERCADO -0,01111% 0,00005% -0,00260% FI MULTIMERCADO MAPFRE PRIV2 0,00002% 0,00027% 0,00004% TARGET D FI MULTIMERCADO 0,00008% 0,00120% -0,00026% BB VEICULO FI MULT CRED PRIV 0,00006% -0,00187% 0,00000% BNY MELLON ARX HEDGE FI MULT 0,00040% 0,29470% -0,00125% CSHG STAR FI MULTIMERCADO 0,00190% 0,00433% -0,01710% QUEST I FI MULTIMERCADO 0,00037% 0,01214% -0,00064% BBM HIGH YIELD FI MULTIMERME -0,00021% -0,00035% -0,00023% FRG PLANO BD FI MULTIMERCADO 0,00020% -0,00099% -0,00134% HG MULTIMANAGER PLUS IB FIM 0,00041% 0,00082% -0,00025% HED GRIF MULTIMANAGER IB FIM 0,00014% 0,00106% -0,00003% CLARITAS HEDGE FI MULTIM LP 0,00050% 0,00601% 0,00039% BB MULT CONSERV LP MIL FICFI 0,00082% 0,00435% -0,00219% CONFIANCA F FI MULTIMERCADO 0,00089% 0,00095% -0,00241% BB TOP MULTI MODER LP FI MUL 0,01235% 0,02864% -0,00787% AQUILA FI MULTIMERCADO 0,00249% -0,00112% -0,00919% LUXOR FI MULTIMERCADO 0,00960% 0,07695% -0,03000%
