Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM
ADMINISTRAÇÃO E ECONOMIA
DDIISSSSEERRTTAAÇÇÃÃOO DDEE MMEESSTTRRAADDOO PPRROOFFIISSSSIIOONNAALLIIZZAANNTTEE EEMM AADDMMIINNIISSTTRRAAÇÇÃÃOO
“AVALIANDO A ESTRATÉGIA PAIRS TRADING NO MERCADO ACIONÁRIO
BRASILEIRO ”.
DDOOUUGGLLAASS SSAANNTTOOSS HHAARRTTUUNNGG
ORIENTADOR: PROFa. DRa. MARIA AUGUSTA SOARES MACHADO
Rio de Janeiro, 14 de dezembro de 2010.
“AVALIANDO A ESTRATÉGIA PAIRS TRADING NO MERCADO AC IONÁRIO BRASILEIRO”
DOUGLAS SANTOS HARTUNG
Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Administração geral.
ORIENTADORA: Profa. Dra. MARIA AUGUSTA SOARES MACHADO
Rio de Janeiro, 14 de dezembro de 2010.
“AVALIANDO A ESTRATÉGIA PAIRS TRADING NO MERCADO ACIONÁRIO BRASILEIRO ”
DOUGLAS SANTOS HARTUNG
Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Administração Geral.
Avaliação:
BANCA EXAMINADORA:
_____________________________________________________
Professor MARIA AUGUSTA SOARES MACHADO (Orientador) Instituição: IBMEC (RJ) _____________________________________________________
Professor EDSON JOSÉ DALTO Instituição: IBMEC (RJ) _____________________________________________________
Professor JESÚS DOMECH MORÉ Instituição: Universidade Estácio de Sá (RJ)
Rio de Janeiro, 14 de dezembro de 2010.
FICHA CATALOGRÁFICA .
332.011 H336
Hartung, Douglas Santos. Avaliando a estratégia Pairs Trading no mercado acionário brasileiro / Douglas Santos Hartung - Rio de Janeiro: Faculdades Ibmec, 2010. Dissertação de Mestrado Profissionalizante apresentada ao Programa de Pós-Graduação em Administração das Faculdades Ibmec, como requisito parcial necessário para a obtenção do título de Mestre em Administração. Área de concentração: Administração geral. 1. Mercado financeiro. 2. Investimentos - Estratégia.
v
DEDICATÓRIA
À minha mãe Luzia, ao meu filho Leonardo, minha esposa Iara, pelas palavras de incentivo e apoio na elaboração desta pesquisa e meu pai José (in memorian).
vi
AGRADECIMENTOS
Agradeço primeiramente a Deus, que é a fonte de todo o saber, que a todos reparte a sabedoria
liberalmente. Muito obrigado.
Agradeço à BB Gestão de Recursos DTVM S/A, na pessoa do Srs. Diretores por ter me
proporcionado a experiência e o conhecimento que viabilizaram a realização dessa pesquisa.
À Brascan Corretora de Títulos e Valores, por ter permitido utilizar suas indicações de pares
Long-short para este trabalho.
Aos amigos: Antonio Carlos Pinto Dias Alves, pela sugestão de estudo deste tema, e pelas
inúmeras dúvidas esclarecidas, Dalton Rodrigues da Silva Leite, pelas sugestões apresentadas,
Geraldo Sales Marinho pelas dúvidas esclarecidas, Felipe Noronha Tavares, pelas sugestões e
orientações apresentados, à amiga Íris Baldo de Castro Andreatta, pela ajuda na pesquisa e
pelas sugestões oferecidas.
Um agradecimento em especial à Sra. Luiza Baldo, pelo precioso tempo dispensado na
revisão deste trabalho, não há como recompensar tão preciosa contribuição.
vii
RESUMO
Este trabalho tem como objetivo avaliar a performance da estratégia Pairs Trading no
mercado acionário brasileiro. Utilizando técnicas simples e através da observação dos spreads
dos preços, nós identificamos a possibilidade de se obter lucros com essa estratégia. A
estimativa de Value at Risk – VaR foram avaliadas com base em backtesting, utilizando o
teste de Kupiec. Nossos resultados apresentam boa performance na lucratividade e no
backtesting do VaR.
Palavras Chave: Pairs Trading, Long-Short, Estratégia de Investimento, Arbitragem, Kupiec,
Sharpe, Hedge Funds.
viii
ABSTRACT
The aim of this study is to evaluate the strategy known as Pairs Trading in the Brazilian
equity market. Using simple techniques and through the observation of price spreads, we
identified the possibility of making a profit with this strategy. The estimations of Value at
Risk – VaR were evaluated based on Kupiec’s backtesting method. Our results shows a good
performance on profitability and VaR backtesting.
Key Words: Pairs Trading, Long-Short, Value at Risk, Kupiec, Strategy of Investiment,
Backtesting. Sharpe, Hedge Funds.
ix
LISTA DE FIGURAS
Figura 1- VaR com distribuição normal – elaboração do autor ............................................... 22
Figura 2 – Exemplo de Pairs Trading com Gol e Embraer ...................................................... 25
Figura 3 – Acompanhamento das indicações – elaboração do autor ........................................ 25
Figura 4 – Scatterplot dispersão dos retornos dos pares. Retornos acumulados até o
encerramento da posição. ................................................................................................. 35
Figura 5 – Histograma da distribuição do retorno dos pares. Retornos acumulados até o
encerramento da posição. ................................................................................................. 36
Figura 6 – Dados estatísticos da amostra.................................................................................. 37
Figura 7 – Scatterplot dos retornos da amostra. Elaborado pelo autor ..................................... 37
Figura 8 – Scatterplot dispersão dos retornos dos 551 pares. ................................................... 41
Figura 9 – Representação dos níveis de VaR de Gol e Embraer, com intervalo de confiança de
90%, 95% e 99%. - Elaboração do autor. ......................................................................... 44
Figura 10 – Representação dos níveis de VaR de Gol e Embraer. Elaboração do autor. ......... 44
Figura 11 – Representação das violações do VaR do par Petr3 e Petr4. - Elaboração do autor.
.......................................................................................................................................... 45
Figura 12 – Regressão do potencial de retorno E ( r ) contra os retornos apurados ( R ), da
amostra. ............................................................................................................................ 47
Figura 13 – Regressão do potencial de retorno E ( r ) contra os retornos apurados ( R ), das
observações que performaram. ......................................................................................... 47
Figura 14 – Dados estatísticos dos pares que performaram. .................................................... 61
Figura 15 – Histograma dos retornos das observações que performaram. ............................... 62
Figura 16 – Scatterplot dos retornos das observações que performaram. ................................ 62
Figura 17 – Box & Whisker Plot dos retornos vs. potencial de retorno. .................................. 63
Figura 18 – Dados estatísticos dos pares - primeiro trimestre de 2009. ................................... 64
Figura 19 – Resultados da regressão dos pares - primeiro trimestre de 2009. ......................... 64
x
Figura 20 – Dados estatísticos dos pares segundo trimestre de 2009. ...................................... 65
Figura 21 – Resultados da regressão dos pares segundo trimestre de 2009. ............................ 65
Figura 22 – Dados estatísticos dos pares - terceiro trimestre de 2009. .................................... 66
Figura 23 – Resultados da regressão dos pares - terceiro trimestre de 2009. ........................... 66
Figura 24 – Dados estatísticos dos pares - quarto trimestre de 2009. ...................................... 67
Figura 25 – Resultados da regressão dos pares - quarto trimestre de 2009. ............................. 67
xi
LISTA DE TABELAS
Tabela 1 – Patrimônio da Indústria de Fundos de Investimento ................................................ 2
Tabela 2 – Principais trabalhos realizados no Brasil .................................................................. 3
Tabela 3 – Identificação do par 1 ............................................................................................. 27
Tabela 4 – Resultados do par 1 ................................................................................................. 28
Tabela 5 – Principais resultados apurados da amostra ............................................................. 38
Tabela 6 – Principais resultados apurados dos Top 5 ............................................................... 39
Tabela 7 – Principais resultados apurados dos Top 20 (pós Top 5) ......................................... 39
Tabela 8 – Principais resultados apurados dos Top 100 (pós Top 21) ..................................... 40
Tabela 9 – Retornos acima de + 2 desvios padrões da amostra. .............................................. 42
Tabela 10 – Retornos abaixo de - 2 desvios padrões da amostra. ............................................ 43
Tabela 11 – Resultados do Backtesting do VaR – Teste de Kupiec......................................... 46
Tabela 12 – Indicações de investimento utilizadas pelo autor. ................................................ 60
Tabela 13 – Test t e Levene. ..................................................................................................... 63
xii
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................... 1
1.1 PANORAMA DA INDÚSTRIA DE FUNDOS DE INVESTIMENTO ... ................................................ 2
1.2 ESTRATÉGIA PAIRS TRADING .............................................................................................................. 4
2 REVISÃO DE LITERATURA ............................. .................................................. 8
2.1 PREÂMBULO ............................................................................................................................................. 8
2.2 PAIRS TRADING OU PARES LONG-SHORT ....................................................................................... 10
2.3 PRINCIPAIS TRABALHOS NO BRASIL ............................................................................................. 15
2.4 VAR – VALUE AT RISK .......................................................................................................................... 20
3 METODOLOGIA ....................................... ......................................................... 24
3.1 PERFORMANCE ....................................................................................................................................... 26
3.2 BACKTESTING - VAR .............................................................................................................................. 31
3.3 BASE DE DADOS ..................................................................................................................................... 32
3.4 ANÁLISE DOS DADOS ............................................................................................................................ 32
3.5 LIMITAÇÕES DA PESQUISA ................................................................................................................ 33
4 APRESENTAÇÃO DOS RESULTADOS ....................... .................................... 34
4.1 AVALIAÇÃO DOS RETORNOS ............................................................................................................ 34
4.2 VALUE AT RISK - VAR .......................................................................................................................... 43
5 CONCLUSÃO ......................................... ........................................................... 49
REFERÊNCIAS BIBLIOGRÁFICAS ........................ ................................................. 53
xiii
APÊNDICE A – AMOSTRA IDENTIFICAÇÃO DOS PARES ...... ............................. 56
APÊNDICE B – DADOS DAS 551 INDICAÇÕES ............. ....................................... 61
APÊNDICE C – RESULTADOS 1º. TRIMESTRE 2009 ........ .................................... 64
APÊNDICE D – RESULTADOS 2º. TRIMESTRE 2009 ........ .................................... 65
APÊNDICE E – RESULTADOS 3º. TRIMESTRE 2009 ........ .................................... 66
APÊNDICE F – RESULTADOS 4º. TRIMESTRE 2009 ........ .................................... 67
GLOSSÁRIO ......................................... .................................................................... 68
1
1 INTRODUÇÃO
O objetivo deste trabalho é avaliar a performance da estratégia Pairs Trading ou long-short
no mercado acionário brasileiro, fornecendo uma visão geral sobre a mesma. Nossos testes
terão como parâmetro a lucratividade da estratégia, o Índice de Sharpe que as mesmas
apresentarem, bem como uma análise estatística dos resultados. Também faz parte da
pesquisa um backtesting das violações dos níveis de risco da operação, por intermédio do
VaR – Value at Risk. Com isso pretende-se responder às seguintes questões: a estratégia é
lucrativa? Existem violações ao VaR? Essas violações encontram-se dentro do intervalo de
confiança? Para tanto, utilizaremos indicações fornecidas pela Brascan Corretora de Títulos e
Valores e pela BB Gestão de Recursos DTVM e acompanharemos os resultados dessas
indicações.
Para melhor discorrer sobre o tema proposto, estruturou-se o presente trabalho em 5 seções.
Na primeira, temos uma introdução ao assunto, na qual discorremos sucintamente sobre o
tema, sua relevância e o objetivo da pesquisa. Na segunda seção, apresentamos a revisão da
bibliografia, que consta de artigos, dissertações e material didático que serviram de fonte para
nossa pesquisa. Na terceira, a metodologia que utilizamos, na quarta, os resultados apurados
e, na quinta, a conclusão.
2
1.1 PANORAMA DA INDÚSTRIA DE FUNDOS DE INVESTIMENTO
A Indústria de Fundos de Investimento no Brasil administra atualmente um total de R$ 1,437
trilhão de reais. Os fundos multimercados totalizam um patrimônio de R$ 341 bilhões de
reais, cerca de 24% do patrimônio total da indústria de fundos. Nos últimos anos, com a
redução das taxas de juros no Brasil, os investidores passaram a optar por ativos de maior
risco, que também oferecem melhores retornos. Assim, os fundos que aplicam recursos em
renda variável ou os que mesclam suas aplicações em vários mercados, tais como: Renda
Fixa, moeda estrangeira, juros, Renda Variável, também conhecidos como fundos
multimercados, passaram a atrair um contingente maior de recursos.
De acordo com a ANBIMA – Associação Brasileira das Entidades dos Mercados Financeiro e
de Capitais, os fundos multimercados saltaram de R$ 291 bilhões, em junho de 2009, para R$
349 bilhões, em maio de 2010, conforme tabela a seguir.
Patrimônio Líquido Mensal - Distribuição % por Tipo
Fundos de Investimento
Período Multimercado Total Multimercados R$
jun-09 22,37 291.519,93
jul-09 23,07 315.329,32
ago-09 23,69 327.277,07
set-09 24,03 340.335,77
out-09 24,19 346.625,39
nov-09 23,72 347.098,98
dez-09 23,73 353.941,93
jan-10 23,21 346.996,43
fev-10 23,28 348.942,39
mar-10 22,93 348.766,68
abr-10 23,05 349.492,24
mai-10 23,42 349.451,07
fonte: ANBIMA
Dados trabalhados pelo autor
1.491.980,89
1.463.100,67
1.491.627,25
1.494.939,43
1.498.670,91
1.521.076,82
1.515.981,44
PL Total em R$ milhões
1.303.207,74
1.366.915,81
1.381.709,58
1.416.409,69
1.432.812,03
Tabela 1 – Patrimônio da Indústria de Fundos de Investimento
3
O aumento do volume de recursos administrados pelos gestores de fundos de investimentos
demanda, cada vez mais, conhecimento e tecnologia para melhor gerir os recursos captados
dos investidores. Assim, como consequência, o avanço proporcionado pela popularização dos
computadores vem permitindo uma evolução no estudo de estratégias cada vez mais
complexas. A indústria de fundos de investimento tem se beneficiado da evolução tecnológica
e, progressivamente, surgem nos mercados financeiros operações sofisticadas com objetivo de
gerar resultados positivos para os investidores. Os Pairs Trading ou pares long-short estão
sendo favorecidos com essa evolução.
A expectativa de valorização dos ativos listados na Bovespa tem levado mais investidores a
aplicar seus recursos naquele mercado, como consequência, busca-se cada vez mais
identificar estratégias de investimento. A estratégia Pairs Trading surgiu para atender a essa
demanda. Do ponto de vista acadêmico o assunto é relativamente novo no Brasil e existem
poucos estudos a esse respeito. A seguir, listamos os trabalhos publicados no Brasil que
encontramos durante nossa pesquisa:
Autor Título Ano
IMAMURA, André Teruo Pairs Trading: Uma Análise Através do Vetor de Co-Integração
2009
PERLIN, Marcelo S. Evaluation of Pairs Trading Strategy at the Brazilian Financial Market
2009
TAKIMOTO, Elton A Estratégia Pairs Trading no Mercado de Ações Brasileiro
2007
KABASHIMA, Ernesto Masamitsu
Pairs Trading: Aplicação no mercado acionário brasileiro 2005
Tabela 2 – Principais trabalhos realizados no Brasil
4
1.2 ESTRATÉGIA PAIRS TRADING
A técnica denominada Pairs Trading consiste em explorar, por meio de uma arbitragem
estatística, ativos que estejam fora de seu ponto de equilíbrio. Vidyamurthy (2004) afirma que
a técnica Pairs Trading é uma estratégia de mercado neutro na sua forma mais primitiva. Os
portfólios de mercado neutro são construídos usando-se dois ativos, duas ações: compra-se
uma ação que estaria com seu preço abaixo do valor apontado pelo modelo e vende-se outra
que estaria acima de seu respectivo valor. A expectativa que se segue ao investimento é a
reversão dos preços a patamares históricos, dessa forma, o investidor lucraria com essa
reversão.
Em outras palavras, uma posição financeira comprada (também identificada por “long”)
significa comprar um determinado ativo ou ação, e uma posição financeira vendida (também
identificada como “short”) significa vender um ativo que não se possui. Na prática a posição
vendida é montada por meio de aluguel de ações.
O processo todo se inicia com a identificação dos pares. Nessa etapa o foco é identificar ações
que possuem comportamentos similares, ou seja, se deslocam juntas ao longo de
determinados períodos e que eventualmente se descolam para posteriormente voltarem a
andar juntas. Na prática, calcula-se o spread verificado entre os preços de dois ativos, quais
sejam, os pares, e passa-se a observar o mesmo. O objetivo é identificar ocasiões aleatórias
em que esses ativos apresentam comportamento adverso, distanciando-se um do outro. Nesse
momento, abrem-se as posições de compra e venda dos ativos, compra-se o ativo que estiver
barato e vende-se aquele que estiver caro. A partir daí, monitora-se o comportamento das
ações até que esses ativos as retornem as suas posições anteriores, cujo fato denominamos
reversão à média.
5
De acordo com Ehrman (2006), a estratégia de investimento em pares não é nova. Ela sempre
esteve presente desde que as ações passaram a ser listadas em bolsa. Todavia, com a evolução
da informática, dos recursos computacionais, a mesma se popularizou. Conforme Gatev et al.
(2006), a estratégia surgiu em meados da década de 80, quando um estatístico chamado
Nunzio Tartaglia reuniu um grupo de físicos, matemáticos e técnicos em computação, com o
objetivo de descobrir oportunidades de arbitragem no mercado de ações. Dessas reuniões
surgiram técnicas estatísticas que identificaram pares de ações que usualmente se deslocavam
juntas – mantinham constantes seus spreads – e que em alguns momentos se distanciavam
uma da outra, para posteriormente retornarem aos spreads históricos. Aparentemente o
surgimento dessa estratégia é atribuído a Tartaglia, segundo acredita, inclusive, Vidyamurthy
(2004).
Ainda na década de 80 um operador de Wall Street chamado John Bollinger observou os
mesmos movimentos em um grupo seleto de ativos. Bollinger (2002) desenvolveu uma
ferramenta que utilizava uma média móvel de 20 dias para os preços das ações, criando um
túnel de ± 2 desvios padrões. Quando um ativo se distanciava da média móvel e se
aproximava ou superava o desvio padrão, vendia-se ou comprava-se o ativo. Essa ferramenta
se popularizou rapidamente e foi denominada Bandas de Bollinger. É muito utilizada para
indicar o momento de se adquirir os ativos e encontra-se disponível em grande parte dos
aplicativos utilizados em assets, mesas de operações e tesourarias. Embora as Bandas de
Bollinger não sejam especificamente o foco deste trabalho, boa parte das indicações
analisadas é fruto da aplicação dessa ferramenta. Além do mais, convém registrar, essa
ferramenta é extremamente popularizada e utilizada. Muitas posições long-short são extraídas
por meio das bandas de Bollinger.
6
Elliot et al. (2005) simplificam muito a definição de Pairs Trading ao afirmar: “Consider two
similar stocks which trade at some spread. If the spread widens short the high stock and buy
the low stock. As the spread narrows again to some equilibrium value, a profit results.”
(ELLIOT et al. 2005, p. 1)
A indicação dos pares long-short é fruto de um desequilíbrio do mercado. Trata-se de dois
ativos que caminham juntos, ou seja, duas séries cointegradas, que, por algum motivo, em
dado momento se descolam, daí surge a oportunidade de venda de um ativo, que se encontra
caro, e compra do outro, que se encontra barato. Quando os preços convergirem se desfaz a
posição e lucra-se com os resultados. De fato, estamos diante de uma arbitragem estatística.
O processo todo se inicia com a identificação dos pares. Nessa etapa, o foco é identificar
ações que possuem comportamentos similares isto é, que se deslocam juntas ao longo de
determinados períodos e que, eventualmente, se descolam para posteriormente voltarem a
andar juntas. Na prática, calcula-se o spread verificado entre os preços de dois ativos, ou seja,
os pares, e passa-se a observar o mesmo. Quando em momentos aleatórios esses ativos
apresentam comportamento adverso, distanciando-se um do outro, abrem-se as posições de
compra e venda, compra-se o ativo que estiver barato e vende-se aquele que estiver caro.
Espera-se que ocorra uma reversão à trajetória natural dos preços e, com isso, lucra-se com o
retorno dos mesmos à sua média.
Assim sendo, se consideramos que os investidores são racionais, que estão sempre buscando
as melhores oportunidades de investimento e que os mercados são eficientes, presumimos que
os preços dos ativos convergirão novamente e então ocorrerá o momento favorável para uma
realização de lucro.
7
É preciso ressaltar que, uma vez abertas as posições, não existe prazo estabelecido para a
reversão à média. Tal reversão pode ocorrer em um dia, uma semana um mês ou vários meses.
Em alguns casos, pode ocorrer o encerramento da operação sem que tenha havido a reversão à
média.
8
2 REVISÃO DE LITERATURA
2.1 PREÂMBULO
O conceito de eficiência dos mercados é o ponto central em finanças. Os estudos relativos ao
comportamento dos ativos datam da década de 30. Segundo Dimson e Mussavian (1998),
Bachelier apresentou em 1934 um estudo acerca do comportamento dos preços de
commodities, no qual concluiu que os preços desses ativos flutuam randomicamente.
Os estudos originalmente produzidos por Fama (1970) apontaram para a existência de um
mercado eficiente, onde, em tese, as informações estariam igualmente disponíveis ao mercado
e contidas nos preços dos ativos, dessa forma, não haveria espaço para retornos excepcionais.
Uma boa revisão acerca da eficiência dos mercados pode ser encontrada também em Fama
(1991), e Dimson e Mussavian (1998).
Os pares long-short surgiram por uma deficiência do mercado. Eles indicam uma
oportunidade de arbitragem entre dois ativos, no caso proposto deste estudo, duas ações. Essa
arbitragem proporciona uma oportunidade de se obter ganhos com o comportamento dos
ativos, vendendo-se o ativo que se encontra caro e comprando-se o que se encontra barato.
Fama (1970) apresentou a teoria da hipótese de mercados eficientes, a qual presume que os
preços dos ativos incorporam todas as informações disponíveis sobre os mesmos. Além disso,
9
acredita-se que as informações sejam distribuídas de forma igual a todos os participantes do
mercado. Todavia, essas premissas precisam ser consideradas de forma relativa, pois, se
fossem absolutas, não haveria distorções nos mercados, proporcionando oportunidades de
arbitragens.
Desde o trabalho pioneiro de Markowitz (1952), por meio do qual este apresentou à
comunidade científica seus estudos acerca do que foi chamado de fronteira eficiente, os
estudos acerca do comportamento dos ativos financeiros não pararam de crescer e se
multiplicar. O estudo de Markowitz (1952) tornou-se um clássico na literatura especializada
em finanças. De acordo com Miller (1999), coube a Markowitz identificar o risco e retorno
de um portfólio, por meio da média e variância, elementos que passaram a fazer parte do
cotidiano dos profissionais de finanças em nossos dias.
William Sharpe (1966) apresentou uma medida de avaliação dos fundos de investimento, que
também pode ser utilizada para medir a performance de outros ativos, tais como ações,
propondo como parâmetro os retornos do portfólio sobre o desvio padrão do mesmo. Tal
medida se tornou incrivelmente popular e ficou conhecida como Sharpe Ratio ou Índice de
Sharpe, todavia seu autor a chamou de reward-to-variability ratio.
Na década de 90, com a popularização e a evolução dos sistemas computacionais houve um
salto quantitativo e qualitativo nos estudos relacionados a finanças, promovendo uma
avalancha de pesquisas e teorias. Métodos sofisticados e complexos passaram a ser
desenvolvidos para atender a uma demanda cada vez mais crescente acerca de negócios com
ações.
10
2.2 PAIRS TRADING OU PARES LONG-SHORT
É recente o estudo da estratégia Pairs Trading na literatura de finanças. Dentre os trabalhos
mais importantes citamos Gatev et al. (2006), que apresentaram um trabalho evidenciando
que a estratégia de investimento denominada de Pairs Trading é lucrativa. Em sua pesquisa,
utilizaram como ponto de partida a base de dados das ações negociadas nos Estados Unidos
no período de 1962 a dezembro de 2002. Suas conclusões demonstraram também que, embora
a atividade dos hedge funds – ou fundos multimercados –tenha reduzido a lucratividade dos
long-short, a mesma ainda pode ser considerada lucrativa. De qualquer forma, a
popularização dessa estratégia não deve ter afetado suas características de risco e retorno.
Andrade et al. (2005) argumentam que surpreendentemente a estratégia tem recebido pouca
atenção por parte da literatura acadêmica, sendo que o mais importante trabalho teria sido
produzido por Gatev et al. (2006).
Do e Faff (2010) apresentam uma atualização do estudo de Gatev et al. (2006), abordando a
performance dos pares long-short, por um período compreendido entre julho de 1962 a junho
de 2009. Em suas análises, colheram evidências de que essa estratégia teve uma performance
forte durante períodos de prolongada turbulência, dentre os quais cita-se a recente crise
financeira global, ocorrida entre 2007 e 2009. Os autores apresentaram dados que comprovam
a tendência de declínio da média de retornos dos pares, todavia, registram que os testes
estatísticos sugerem que os retornos possuem significância. Merece atenção o registro de que
a lucratividade durante as duas maiores quedas do mercado, a primeira ocorrida entre janeiro
de 2000 a dezembro de 2007 e a segunda, de julho 2007 a junho de 2009, apresentou uma
notável exceção de seus declínios. A produção de retornos maiores no período das crises foi
acompanhada de uma elevada volatilidade.
11
Para os autores Do e Faff (2010), a estratégia Pairs Trading está necessariamente baseada na
premissa de que a negociação irracional no mercado não seria totalmente eficiente,
provocando divergência nos preços entre ativos/ações de características similares.
Gatev et al. (2006) discutem em seu trabalho que a lucratividade dos pares não seria causada
exclusivamente pela reversão à média, como o documentado na literatura. Outros fatores
estariam contribuindo para esses retornos, dentre os quais a própria volatilidade dos
mercados. Todavia, o estudo das estratégias adotadas pelos hedge funds ainda se encontra em
fase de crescimento na literatura econômica financeira. Os pares são indicados quando ocorre
uma divergência entre os preços das ações e suas respectivas médias históricas e, geralmente,
é observada uma distância mínima de dois desvios padrões entre a média e o spread atual.
Andrade et al. (2005) utilizaram como ponto de partida uma versão de 2003 do trabalho de
Gatev et al., e a aplicaram no mercado acionário de Taiwan. Os pesquisadores utilizaram uma
base de dados compreendida entre 05 de janeiro de 1994 e 29 de agosto de 2002. Para os
autores, os resultados sugerem que a estratégia é lucrativa por identificar situações de pressão
temporária nos preços dos ativos. No período de negociação, os pares eram encerrados
quando ocorria convergência de preços. Caso isso não ocorresse, os pares seriam encerrados
até o final do sexto mês, geralmente com perdas.
Para Jacobs e Levy (1996) os pares long-short são, na prática, um portfólio específico, pois
muitos investidores ainda os vêem como uma simples compra acompanhada de uma venda de
determinados ativos. Para os pesquisadores, a estratégia tem de ser vista como uma operação
única, não devendo ser percebida como se fossem dois portfólios. Na prática, é apenas um
portfólio composto de duas ações. Para os autores, a performance dos pares pode ser medida
levando-se em conta o spread verificado entre os retornos computados entre a ponta
12
comprada e a ponta vendida. Embora a estratégia seja tida como neutra ao risco, a verdade é
que, em caso de mudanças significativas nos mercados, a mesma pode provocar impactos
significativos nos resultados do portfólio.
Todavia, Preston (2005) avalia que a expectativa de reversão à média dos spreads pode não se
concretizar e, quando isso ocorre, os investidores podem ter perdas consideráveis, tanto no
que se refere à parte comprada, fato provocado pela queda da ação, quanto pela parte vendida,
neste caso, provocado pela alta da ação. O autor defende a utilização dos pares quando se está
extremamente confiante na transação. Acreditamos que o risco de má performance dos pares
pode estar intimamente ligado ao desempenho econômico financeiro de uma das empresas
emissora das ações que fazem parte da estratégia. Gatev et a.l (2006) citam isso como um
risco de quebra da empresa, portanto, a simples abertura do spread não deve ser considerada
como uma regra que captura com precisão o momento de investimento. Preston (2005) ainda
acrescenta que se os spreads não se reverterem e se moverem contra a sua posição esse é o
momento de promover o stop loss da operação. Para evitar surpresas, Erhman (2009)
recomenda uma avaliação dos fundamentos de cada ação, para confirmar que uma análise
fundamentalista não contraindicaria a premissa do trade. Para Jacobs e Levy (2006), a
ocorrência de um crash no mercado acionário não significaria necessariamente uma perda nas
duas pontas da operação. Para os autores, uma queda generalizada no mercado provocaria
ganhos na ponta vendida, que contrapor-se-ia a uma perda na ponta comprada. Em síntese, um
crash pode provocar liquidez para uma operação long-short. Andrade et al. (2005)
acrescentam que os traders lucram quando há conversão dos preços, mas registram perdas
quando os preços divergem.
Do e Faff (2010), de forma pioneira, nomearam três tipos de riscos associadas à estratégia: (i)
risco fundamental, ocorre diante da possibilidade de uma inesperada ruptura da relação entre
13
os pares; (ii) noise-traders, nesse caso quando uma negociação irracional impacta
significativamente as atividades de arbitragem; (iii) risco sincronizado ou sincronização dos
riscos, provocado pelas incertezas causadas pelas ações de outros arbitradores que procuram
explorar a mesma estratégia. Dessa forma, registram os autores, o resultado da estratégia é
uma combinação da eficiência do mercado com os efeitos do risco da arbitragem.
A seleção dos ativos é um aspecto importante no processo. Encontrar ações que se movem
juntas e se correlacionam é a primeira etapa do processo de Pairs Trading. Preston (2005)
defende que a construção e identificação dos pares deve ser feita cuidadosamente. Essa
estratégia depende de paciência em adquirir conhecimento, analisar oportunidades e executar
o trade. O autor argumenta que se deve trabalhar com ações que possuam correlação de, no
mínimo, 0,80 e adicionalmente devem ser verificadas as correlações nos prazos de 90 e 120
dias. Para Eherman (2009) uma correlação de, no mínimo, 0,70 já seria aceitável, mas
recomenda também verificar a correlação entre os ativos para outros períodos de 30, 90, 180 e
365 dias anteriores à data em que se está realizando o teste. Quanto mais similares forem os
resultados, maior será a confiança na interação desses dois ativos. Esse procedimento visa
confirmar que os ativos realmente se movem juntos.
Klerk (2004) acredita que o segredo do sucesso da estratégia Pairs Trading consiste na
identificação do perfeito timing para execução da mesma. Além do mais, é importante
identificar se as ações possuem histórico de se movimentarem juntamente e se ainda se
relacionam da mesma forma. Klerke (2004) acrescenta que essa estratégia é comumente usada
por considerável grupo de investidores, especialmente hedge funds para maximizar seus
retornos. Holter (2006) observa que uma análise estatística válida requer considerável cuidado
em cada estágio do processo, não se pode trabalhar com presunções.
14
Leung e Chong (2003) testaram a eficiência dos pares long-short por meio de dois modelos
muito conhecidos nos mercados financeiros: Bandas de Bollinger e Moving Average
Envelopes (MVE). Na prática, ambos são indicadores gráficos de oportunidades de trade. Os
autores chegaram à conclusão de que as Bandas de Bollinger são mais dependentes da
flutuação do preços ao redor da média, ao invés do nível de flutuação da média.
Bolgun et al. (2009) identificaram três métodos para implementar a estratégia de Pairs
Trading:
• Método de distância entre preços;
• Método de Cointegração;
• Método via spread ou estocástico
Esses autores avaliaram o desempenho da estratégia Pairs Trading baseado no ISE-30 Index
Shares de Stanbul Stock Exchange no período de 2002 a 2008. Utilizaram o método de
distância mínima entre preços e seus resultados apontaram que as taxas de retorno
apresentaram menor volatilidade do que foi observado nos mercados. Além do mais, sugerem
que a estratégia é particularmente poderosa em mercados de volatilidade.
Entendemos que a seleção de ativos para compor um portfólio é uma arte. Portanto, a decisão
deve ser tomada com parâmetros consistentes e que ofereçam possibilidade de retorno
factível. Dessa forma, as ferramentas desenvolvidas pelos estudiosos da área visam preencher
as lacunas existentes. Todavia, há de se ressaltar que em casos de crises não existem modelos
15
que resistam. Crises como as ocorridas a partir do segundo semestre de 2008 colocam por
terra todo e qualquer modelo quantitativo.
2.3 PRINCIPAIS TRABALHOS NO BRASIL
Kabashima (2005) parece ter sido o pioneiro no estudo dessa estratégia no universo
acadêmico nacional. O autor apresentou em sua dissertação de mestrado na FGV-São Paulo
um estudo acerca do assunto.
A metodologia utilizada consistiu em testes de cointegração de séries. O autor estudou o
comportamento das ações que faziam parte do Índice Bovespa, no período compreendido
entre 04 de janeiro de 1993 a 30 de junho de 2005.
À época do trabalho, o Índice Bovespa era composto de 56 ações. Considerando-se todas as
possíveis combinações de duas ações, chegou-se ao número de 1540 pares. Os 1540 pares
foram ordenados pela medida de distância, então, foram selecionados os 50 primeiros de cada
período de formação. Assim, como resultado, foram pré selecionados 1.150 pares que foram
submetidos aos testes de cointegração.
Para a seleção final foi utilizado o método de Dickey-Fuller aumentado (Augmented Dickey-
Fuller test – ADF) com o objetivo de identificar a existência de raiz unitária da série de
resíduo da combinação linear do logaritmo dos preços.
Após a seleção dos pares, por meio do teste acima mencionado, os mesmos foram simulados
historicamente por meio de um backtesting, com o objetivo de analisar o desempenho e a
performance de seus retornos. Neste caso incluiu-se também uma estimativa de custos
operacionais, ou seja, o aluguel das ações.
16
A conclusão do autor é de que os pares apresentam retornos positivos, e que os níveis de
significância que poderiam classificar os pares de ações em mais ou menos cointegrados, para
que pudessem refletir nos resultados mostraram-se pouco representativos.
Perlin e Ceretta (2007) em seu trabalho “Evaluation of Pairs Trading Strategy at the
Brazilian Financial Market” realizaram alguns testes no sentido de avaliar a estratégia
aplicada ao mercado financeiro brasileiro. A metodologia deles dividiu em duas partes: a
primeira consistiu em identificar os pares, e a segunda, na avaliação dos retornos dos mesmos.
O critério de identificação dos pares seguiu o modelo de distância mínima dos preços,
normalizando os preços dos ativos, utilizando-se a média e desvio padrão. O próximo passo,
para cada ação, foi encontrar um par que atendesse ao critério de medida mínima de distância.
Tal critério visa identificar os pares que andam juntos ao longo do tempo.
Para tanto, os autores utilizaram uma base de dados compreendida entre 2000 e 2006.
Selecionaram as 100 (cem) ações mais líquidas no período. O estudo levou em consideração o
risco e retorno obtido com a negociação dos pares, levando-se em conta custos da transação.
Para identificar o momento em que ocorria a transação, os autores buscaram o ponto em que o
par se distanciava um do outro, ou seja, quando o preço de uma ação encontrava-se mais alto.
Então, abria-se uma posição de venda, naturalmente, comprando-se a que se encontrava
abaixo de seu preço. Assim, esperava-se uma reversão de preços que produzisse o lucro. Esse
raciocínio é válido inclusive quando a distância entre os pares é negativa, ou seja, quando uma
ação que habitualmente encontra-se acima de seu preço e, em determinado momento, pode
estar abaixo, o mesmo ocorrendo com a outra ação que, geralmente, encontra-se abaixo. Em
outras palavras, existem momentos em que os pares se invertem.
17
A conclusão básica do trabalho é que a estratégia de Pairs Trading apresenta bons resultados
quando aplicada ao mercado brasileiro. Os testes dos autores indicaram Beta próximo de zero,
evidenciando a tese da neutralidade, conforme o já afirmado por Vidyamurthy (2004), de que
a referida estratégia é considerada neutra.
Takimoto (2007), em seu trabalho “A Estratégia Pairs Trading no Mercado de Ações
Brasileiro”, apresentou um estudo sobre o assunto, no qual abordou vários aspectos
interessantes, dentre os quais destaca-se o impacto do custo do aluguel de ações na estratégia.
O autor utilizou a base de dados fornecida pela CBLC – Companhia Brasileira de Liquidação
e Custódia, do aluguel de ações no mercado financeiro brasileiro, no período de 2002 a 2006,
bem como o custo médio do aluguel de cada papel. Com isso, acredita o autor, promover um
experimento mais próximo da realidade possível.
Para todos os ativos da amostra foram utilizados os preços de fechamento, ajustados por
proventos e dividendos, além da respectiva classificação setorial NAICs na Economática, no
período de 2001 a 2006.
Sua pesquisa foi dividida em três etapas: a) período de formação dos pares; b) período de
acompanhamento e negociação dos mesmos e c) o cálculo da rentabilidade das carteiras.
A formação dos pares levou em consideração ações que tivessem negócios em todos os dias
do período de formação. Ações que não apresentaram negócios em pelo menos um dia, foram
excluídas da amostra. Tal procedimento se concretiza num critério para identificação das
ações mais líquidas.
18
De posse das ações mais líquidas formaram-se os pares de ações possíveis, porém aplicou-se
uma restrição: o par deveria ser constituído de ações que pertencessem ao mesmo setor.
Para cada ação foi construído um índice cumulativo durante o período de formação dos pares.
Após isso, para cada um dos pares calculou-se a soma do quadrado das distâncias entre os
preços das duas ações. Assim, a distância entre os preços corresponderia à diferença absoluta
entre os índices cumulativos de cada ação, em cada data do período de formação. O autor
justificou a escolha, fundamentando que Gatev et al. (2006) consideram esse critério muito
similar ao teste de cointegração.
Após a seleção dos pares, o autor realizou o acompanhamento dos mesmos. Nessa fase, o
acompanhamento é realizado diariamente, buscando-se o momento oportuno de abertura e
encerramento da posição. No período de acompanhamento dos pares, o autor utilizou o
critério de média móvel exponencial, EWMA (exponentialy weighted moving average),
utilizando como lambda os fatores de 0,99, 0,98 e 0.96, para 12 meses, 6 meses e 3 meses,
respectivamente. O critério para abrir uma posição é de que o spread do par esteja fora do
intervalo estatístico de 2 desvios padrões para mais e para menos, em pelo menos uma das
quatro faixas observadas – 22 dias, 3 meses, 6 meses e 12 meses. Simultaneamente à abertura
da posição – compra e venda dos ativos, realizou-se o monitoramento do VaR do par.
O autor conclui que os estudos indicam que a estratégia é lucrativa, mesmo considerando-se
os custos de transação. O coeficiente beta revelou-se próximo de zero, evidenciando que a
estratégia é neutra em relação ao mercado, os índices Sharpe (1966) mostraram-se superiores
às relações risco-retorno mensais do índice Bovespa, e o VaR empírico do resultado sugeriu
que a estratégia apresentava baixo risco quando comparada com o Bovespa. Salienta-se que
19
os melhores resultados foram obtidos por carteiras formadas por pares de ações, em sua
totalidade, ou quase, por ações ON e PN da mesma empresa.
Imamura (2009), em seu trabalho “Pairs Trading: uma análise através do vetor de co-
integração”, buscou verificar a eficácia da estratégia de Pairs Trading realizada por meio da
análise do vetor de cointegração. Na referida pesquisa, o autor se valeu de uma seleção de
pares cointegrados de ações que constam do índice Bovespa. Adicionalmente foram utilizados
testes de Johansen para investigar a cointegração.
O autor utilizou para seu estudo dados das ações negociadas no Bovespa no período de 02 de
janeiro de 2003 a 30 de dezembro de 2008. Foram selecionadas 36 ações, que apresentaram
negócios durante o período em questão, mesmo levando-se em conta que o Índice Bovespa
possuía 66 ações. O objetivo era eliminar do trabalho ações que não apresentassem liquidez
no período proposto, ou que deixaram de ser negociadas durante o período da formação dos
pares.
Para efeito de definição do critério do preço, o autor utilizou o preço médio (já ajustado por
proventos e dividendos, em moeda local). Tal fato decorre do objetivo de se eliminar o efeito
do Bid /Ask sobre as ações estudadas.
Adicionalmente, o autor utilizou estatísticas do mercado de aluguel de ações, uma vez que as
ações vendidas, geralmente, ocorrem por meio do aluguel. Nesse caso, incorporando o custo
do aluguel no modelo, sendo que, nesse estudo específico, a taxa média de aluguel, no ano de
2008, ponderada pelo volume negociado foi da ordem 2,73% ao ano.
20
Semelhantemente aos trabalhos anteriores, o autor acompanhou a abertura e encerramento dos
pares, com consequente verificação de seus retornos, excessos de retornos e testes de
significância. Os resultados do trabalho foram considerados positivos, evidenciando-se que a
estratégia de Pairs Trading que utiliza o vetor de cointegração como sinalizador da abertura e
encerramento das posições é eficaz, quando aplicada ao mercado acionário brasileiro.
2.4 VAR – VALUE AT RISK
Uma das questões que a literatura de finanças tem desenvolvido em muitos estudos nas
últimas décadas é a do Risco das operações. Nesse caso, estamos nos referindo ao Value at
Risk. As constantes crises que provocaram perdas substanciais aos agentes dos mercados
mundiais têm provocado mudanças constantes na forma de administrar o risco. Uma das
contribuições mais importantes no estudo da econometria é a noção do valor em risco. O valor
em risco tem como finalidade a mensuração de riscos de mercado, em termos de volatilidade
de uma determinada carteira ou preços de ativos. Segundo Jorion (2000) esse instrumento
sintetiza a maior (ou pior) perda esperada para um portfólio ou carteira, dentro de
determinadas janelas de tempo e intervalos de confiança. O VaR é medido com base na
volatilidade σ da carteira. Essa volatilidade geralmente é medida tomando-se como referência
a média do desvio padrão em uma determinada janela de tempo. Dentre as técnicas
desenvolvidas existem os seguintes modelos: método de suavização exponencial - EWMA;
volatilidade condicional – GARCH; e volatilidade estocástica, VE. Na presente pesquisa
optou-se por utilizar o método de suavização exponencial, EWMA, por apresentar um nível
de eficiência maior na estimação da volatilidade que os demais modelos. Galdi e Pereira
(2007) constataram que o VaR medido pelo EWMA apresentou um menor número de
violações do que o calculado pelo GARCH e VE, além de apresentar uma maior simplicidade
em sua implementação. O EWMA é obtido por meio da seguinte equação:
21
(2.1)
λ= Lambda ou fator de decaimento.Neste trabalho utiliza-se como fator de decaimento 0,94,
σ corresponde a volatilidade, e o µ representa o último valor do EWMA.
O VaR é dado pela seguinte relação:
VaR = µ + ρ σ (2.2)
onde: µ é a média, ρ é a probabilidade e σ o desvio padrão do portfólio.
Vários valores podem ser utilizados para o lambda, sendo comuns os valores 0,90, 0,94, 096,
0,97. Neste trabalho opta-se por utilizar 0,94 de fator de decaimento por ser esse o valor
adotado pela Riskmetrics. De acordo com um trabalho realizado pela J.P. Morgan (1996), o
fator de decaimento de 0,94 foi o que produziu os resultados mais consistentes nos testes de
VaR.
Por definição, o VaR de um portfólio dependerá sempre do nível de significância escolhido.
Um exemplo prático: dado um portfólio qualquer no valor de R$ 1.000.000,00 (um milhão de
reais), com um VaR de R$ 10.000,00 (dez mil reais) ou 1% (um ponto percentual), com um
nível de significância de 5% (cinco pontos percentuais) significa que perdas maiores de R$
10.000,00 só podem ocorrer em 5% das vezes. Quando se trata de uma amostra finita, se
considerada a hipótese de que a distribuição dos retornos esteja correta, a frequência
observada de valores acima do VaR terá uma variabilidade que fará com que ela seja diferente
do valor esperado de p. Note que, quando fala-ses da significância, trata-se de 1-p. O que se
passa a avaliar a partir daí é o quanto essa divergência é consistente com o nível de confiança
( ) 21
21
2 1 −− −+= nnn uλλσσ
22
que foi estabelecido para o cálculo do VaR. Em princípio, é esperado que o número de
violações do VaR não seja superior a p. Abaixo um gráfico nos mostra um exemplo de VaR
com distribuição normal. Espera-se que no máximo em 5 % das observações os valores de
perda se encontrem fora do intervalo de confiança.
Figura 1- VaR com distribuição normal – elaboração do autor
Campbell (2005) em seu artigo “A Review of Backtesting and Backtesting Procedures”
examinou os principais modelos de avaliação de risco - VaR existentes no mercado
americano. Dentre os quais, destacou o modelo proposto por Kupiec (1995), denominado de
POF test – Proportion of Failures, que foca exclusivamente na quantidade de violações do
VaR que tenham ocorrido no período da análise das informações. Em outras palavras, Kupiec
(1995) faz uma espécie de teste de hipótese, indicando se as violações do modelo de VaR
podem ser consideradas relevantes.
Nosso objetivo é testar a semelhança entre o percentual de falhas verificadas e o percentual de
falhas esperadas. A hipótese nula H0 é de que os valores sejam iguais. A hipótese alternativa
H1 é de que os valores sejam diferentes.
23
Kupiec (1995) apresentou um modelo estatístico que se baseia na freqüência da extrapolação
do VaR numa amostra de um determinado portfólio. O modelo é bastante simples e fácil de
ser implementado. Todavia, Mollica (1999) detectou o que pode-se chamar de inconsistências
no teste de Kupiec. O modelo apresentou problemas ao rejeitar a semelhança de extrapolações
que se situavam na casa dos 3,5 % a 6,5 %.
Para Silva et al. (2004), o teste de Kupiec (1995) apresenta baixo poder em amostras pequenas
existindo significativa possibilidade de não se rejeitar a hipótese nula quando ela for falsa.
24
3 METODOLOGIA
Nossa metodologia consiste em avaliar a performance das indicações de investimento
sugeridas por corretoras e gestoras de recursos de terceiros. No nosso caso, utilizamos
indicações fornecidas pela Brascan Corretora e BB Gestão de Ativos – DTVM S/A. Cada
indicação é feita com uma esperança de retorno, também identificada como potencial de
retorno, que é traduzido pela distância observada entre o spread do par em relação à sua
média histórica. Esse potencial é gerado de acordo com os critérios e modelos adotados por
cada casa. Na maioria dos casos, trata-se de indicação via Bandas de Bollinger. Essa
expectativa é fruto de uma divergência na trajetória verificada entre os ativos. Como cada
fonte pode utilizar critérios diversos, fatores de lambda diferentes, médias móveis diferentes,
torna-se impossível replicar os modelos, pois, de acordo com os critérios adotados, as
indicações de investimento podem não ser iguais, ou seja, é possível que um agente sugira
indicação de investimento em um par específico e outra casa não indicá-lo. A seguir, um
exemplo de visualização gráfica da estratégia Pairs Trading com ações da Gol e Embraer.
25
Figura 2 – Exemplo de Pairs Trading com Gol e Embraer
Dessa forma, do ponto de vista do gestor de fundo de investimento, que busca o retorno,
adota-se o seguinte critério: utiliza-se a variação do spread verificado diariamente do par,
para apurar seu retorno. Considera-se que a estratégia é bem sucedida quando, em t+n,
verificarmos que o spread produziu o retorno no mínimo superior à esperança de retorno
identificada em t. Nesse caso, a posição será encerrada e consideraremos que o objetivo foi
atingido. O potencial de retorno ou esperança é fornecido pelos players. Em caso de não
atingir a esperança de retorno, o acompanhamento prosseguirá até 60 (sessenta dias), quando
será finalizado apurando-se o resultado acumulado nesse último dia.
Figura 3 – Acompanhamento das indicações – elaboração do autor
26
Nossa metodologia visa apurar os retornos produzidos pela estratégia, a partir da data de sua
indicação, até o limite máximo de 60 dias. Durante o período do acompanhamento foram
monitorados o VaR e suas respectivas violações, bem como ao encerramento da estratégia,
que se deu com a concretização do resultado ou no 60º dia, o que ocorrer primeiro. O retorno
foi computado pela soma dos retornos diários calculados com base no spread entre a posição
long contra a posição short, verificados na data da indicação, como se segue.
3.1 PERFORMANCE
A performance das indicações foi apurada de acordo com os seguintes critérios:
a) Apuração dos retornos:
.t
nt
sp
spR += (3.1)
Onde:
R = retorno apurado
spt = spread verificado entre os ativos na data da indicação
spt.+n = spread verificado entre os ativos nas datas subsequentes até que produza o
retorno esperado r, ou potencial de retorno.
b) Verificação do spread:
27
b
a
p
psp= (3.2)
Onde:
sp = spread verificado entre os ativos
pa = preço de fechamento da ação long verificado na data 0
pb= preço de fechamento da ação short verificado na data 0
Exemplo da apuração de retorno, em que utilizaremos o par nº 1 de nossa amostra:
PAR NR. Data Ind. Compra Preço Vende Preço E (R) Spread
1 03/03/2009 MMXM3 2,3285 VALE3 29,6800 12,44% 0,0785
Tabela 3 – Identificação do par 1
Os preços das ações verificadas em 03/03/2009 foram R$2,3285 e R$ 29,6800, MMXM3 e
VALE3, respectivamente, com expectativa de retorno, ou potencial de retorno, equivalente a
12,44 %, por conta da abertura do spread verificado entre os ativos, que nesse dia foi de
0,0785. Em nossa análise, que é a posteriori da indicação, considera-se que os ativos
produzirão retornos nos dias subseqüentes e, para efeito de alcance de seu objetivo, no
momento em que o spread verificado em t+n, contra o spread da indicação produzir resultado
igual ou superior a 12,44 %, entende-se que a posição esteja encerrada, ou seja, os pares
devem produzir retornos positivos para os investidores, em caso contrário, se até o 60º dia não
for atingida a expectativa de retorno, considera-se os pares encerrados com o resultado que
vierem a apresentar.
28
No caso do par tivemos os seguintes resultados:
PAR NR.
Data
encerramento Compra
Preço
R$ Vende
Preço
R$ R Dias
1 30/03/2009 MMXM3 2,8559 VALE3 30,4300 19,625% 19
Tabela 4 – Resultados do par 1
Em dezenove dias o par produziu um retorno – sobre o spread, de 19,625 %. A título de
ilustração, o investidor que acreditou nessa indicação e aplicou R$ 10.000,00 (dez mil reais)
nessa estratégia, ou seja, na compra de MMXM3 e venda de VALE3, teve um lucro de R$
2.012,13. Isto prova que os pares produziram retorno condizente com seu potencial de
retorno, e assim, a estratégia, nesse caso foi eficiente. Apenas para corroborar a análise, no
mesmo período, o Índice Bovespa rendeu 11,48 %, portanto, no exemplo proposto, o par
gerou retornos melhores que o benchmark.
Para Gatev et al. (2006), os retornos são chamados de excessos de retorno. Na prática os
autores se utilizaram do somatório dos retornos produzidos por cada par ao longo do período
de apuração, isso se deve ao fato de que o mesmo par pode ser indicado mais de uma vez no
período, conforme evidenciado no Apêndice A, onde vários pares receberam múltiplas
indicações.
c) Retorno Individual das ações:
Onde:
(3.3)
29
Pt = preço de fechamento da ação verificado na data 0
Pt-1= preço de fechamento verificado no dia anterior à data 0
d) Índice de Sharpe
Índice de Sharpe (1966) é um indicador do retorno do portfólio por unidade de risco. Ele
expressa a relação risco retorno do portfólio. É um dos mais utilizados no mercado financeiro.
−=p
RfRpIS
σ (3.4)
Onde:
Rp = média dos retornos dos ativos – ações ou pares long-short
Rf = taxa livre de risco, que neste trabalho equivalerá à taxa CDI Cetip
σp = desvio padrão do ativo analisado, podendo ser ações ou pares long-short
e) Sharpe Ajustado
No índice de Sharpe Ajustado teremos a substituição da Rf (taxa de juros livre de risco) pela
média dos retornos do benchmark, que nesse caso equivalerá aos retornos do Índice Bovespa.
30
(3.5)
Onde:
Rp = média dos retornos dos ativos – ações ou pares long-short
Rb = retorno verificado do benchmark, neste caso, serão os retornos verificados no
Índice Ibovespa
σp = desvio padrão do ativo analisado, podendo ser ações ou pares long-short
f) Alfa de Jensen
(3.6)
Onde:
Rp = retorno do par
Rf = taxa de juros livre de risco, definido com CDI ou DI Cetip;
= Beta do portfolio. Neste caso o beta dos pares;
Rm = Retorno do mercado ou do benchmark. Neste caso o retorno do Ibovespa
apurado no mesmo período que os pares;
−=p
RbRpISa
σ
31
3.2 BACKTESTING - VAR
Para realizarmos o teste de Kupiec utilizou-se de um procedimento chamado de Backtesting
que na prática é uma simulação com dados históricos de cada série ou cada par. Por meio
desse método trabalha-se com cada par num período de 500 dias anteriores a sua indicação.
Foram apurados seus retornos e verificou-se se houve violações do VaR com intervalos de
confiança de 90 %, 95 % e 99 %. A partir dos resultados desse Backtesting aplicou-se o teste
de Kupiec.
O resultado do teste de Kupiec indica se a análise da série de exceções é significativa. Por
exemplo: supondo que estamos trabalhando com uma amostra de 100 observações e construí-
se uma série de VaR com nível de significância de 95%. Se a metodologia do cálculo do VaR
for boa, espera-se que seja observada uma taxa de exceções de até 5%. Entretanto,
imaginemos que seja apurada uma taxa de 6 % ou 7% de exceções. O teste de Kupiec nos dirá
o quanto este último valor é diferente dos 5 % inicialmente estimados. O POF possui uma
distribuição chi-quadrada com um grau de liberdade. A hipótese nula é de que os valores
apurados sejam iguais e a hipótese alternativa é de que os valores sejam diferentes. T
corresponde ao período utilizado para backtesting, que foi de 500 dias. Todas as indicações
são testadas ao longo de 500 (quinhentos) dias. N será o somatório das violações de cada
indivíduo da amostra, contados no intervalo de 500 dias anteriores à indicação.
Teste de Kupiec
(3.7)
32
Onde:
POF = Proporção de falhas
T = tamanho da amostra
N = número de exceções
α = taxa de exceções prevista no modelo, ex. 5%
3.3 BASE DE DADOS
Utilizou-se as cotações ou preços de fechamento das ações negociadas na Bolsa de Valores de
São Paulo – BMFBovespa, extraídas da Economática. Nossa base de dados compreendeu o
período de Janeiro de 2007a 14 de abril de 2010. Esse período corresponde aos 500 dias
anteriores às indicações, utilizados para backtesting do VaR e o período subseqüente às
indicações. Os testes encerraram-se 60 dias após a data da indicação. A primeira indicação é
datada de 30/01/2009 e a última é de 30 de dezembro de 2009. A amostra total correspondeu a
880 indicações de investimento. Os prazos foram avaliados levando-se em conta os dias úteis,
portanto quando se menciona que um determinado par performou em 15 dias, isso significa 15
dias úteis.
3.4 ANÁLISE DOS DADOS
Os cálculos dos retornos, as medidas de performance Sharpe, Sharpe Ajustado e Alfa de
Jensen foram realizados em planilha EXCEL da MICROSOFT. Os resultados foram
trabalhados no Software STATISTICA, por meio do qual foram extraídas as médias, desvios
33
padrões, gráficos e histogramas, o procedimento de standarização e testes de normalidade dos
retornos.
3.5 LIMITAÇÕES DA PESQUISA
Os fatores a seguir foram selecionados como limitadores do trabalho. Tais fatores não
interferem nos resultados, todavia, cabe-nos informar:
a) Período relativamente curto da análise. A análise e coleta de informações estão
centradas no ano de 2009.
b) A análise foi realizada por meio da distância verificada entre o spread do início da
operação e o spread da data em que ocorreu a valorização superior à distância inicial;
c) Custos de transação e despesas com aluguel de ações não foram considerados;
d) Diferenças entre os modelos que originam as indicações podem produzir resultados
diferentes daqueles por nós apurados.
e) Amostra fornecida por duas casas do mercado.
34
4 APRESENTAÇÃO DOS RESULTADOS
4.1 AVALIAÇÃO DOS RETORNOS
A avaliação dos pares leva-nos a crer que seus retornos encontram-se randomicamente
distribuídos ao longo do período pós indicação, e até o fim do prazo por nós estabelecido, que
compreende o máximo de 60 (sessenta dias). Os retornos podem ser positivos ou negativos.
Os testes indicaram uma performance positiva da maior parte das indicações. Das 880 por nós
coletadas, 551 tiveram retornos positivos no intervalo de até 60 dias. Isso significa que
61,12% das indicações performaram de acordo com as expectativas.
A análise dos dados indica uma média de performance em 19 dias, considerando-se apenas as
551 indicações. Para toda a amostra e, nesse caso, incluindo as que não performaram, o prazo
médio chega a 34 dias. Abaixo vemos o gráfico apresentando a dispersão das indicações. Nele
observa-se com clareza como os retornos positivos estão concentrados nos primeiros 30 dias
após as indicações. Percebe-se também que, quando mantemos as indicações até o 60º dia, os
retornos concentram-se no campo negativo, ou seja, são encerradas com prejuízo.
35
Scatterplot of (R) against Dias
Todos in Análise definitiva 18v*887c
-10 0 10 20 30 40 50 60 70
Dias
-0,5
-0,4
-0,3
-0,2
-0,1
0,0
0,1
0,2
0,3
0,4
(R)
Figura 4 – Scatterplot dispersão dos retornos dos pares. Retornos acumulados até o encerramento da posição.
A seguir apresenta-se o histograma da distribuição dos retornos da amostra. Nele observa-se
que o teste de W-Shapiro rejeita a hipótese da normalidade da distribuição, apresentando um
p-valor 0,000.
Outliers: Gol- Embraer
Outliers: Gol- Embraer
36
Histogram of (R)
(R) = 880*0,049*normal(x; 0,025; 0,1007)
-0,3944-0,3454
-0,2964-0,2474
-0,1984-0,1494
-0,1004-0,0514
-0,00240,0466
0,09560,1446
0,19360,2426
0,29160,3406
(R)
0
50
100
150
200
250
300
350
No
of o
bs
(R): SW-W = 0,9132; p = 0.0000
Figura 5 – Histograma da distribuição do retorno dos pares. Retornos acumulados até o encerramento da posição.
A figura 6 a seguir, apresenta os dados estatísticos gerais da amostra. Nele estão contidos
informações acerca das 880 observações coletadas. Pode-se observar que a média dos retornos
(R ) da amostra encontra-se abaixo do benchmark Ibovespa, representado por “Ibov”. Isso se
deve ao fato de que alguns pares tiveram desempenho muito aquém da expectativa, tendo sido
encerrados com prejuízo.
37
Figura 6 – Dados estatísticos da amostra
Abaixo vemos um Scatterplot dos retornos de toda a amostra.
Figura 7 – Scatterplot dos retornos da amostra. Elaborado pelo autor
A tabela abaixo resume os principais resultados de toda a amostra e a estatística básica dos
retornos dos pares. Nessa tabela utilizam-se os retornos médios. Adicionam-se informações
relativas à performance do índice do Ibovespa – principal indicador da valorização da Bolsa
de Valores de São Paulo, para observar como a média dos pares se comportou em relação ao
mercado. Os retornos do Ibovespa foram apurados no mesmo período do acompanhamento de
cada par, portanto, referem-se ao desempenho do mercado durante a vida de cada indicação.
38
Ibovespa
Menor Média Maior Menor Média Maior
Retornos -0,3944 0,0250 0,3406 -0,1321 0,0827 0,4188
Sharpe 0,1487
Sharpe Ajustado 0,2943
Alpha Jensen 0,0059
Valores médios obtidos em toda amostra - 880 observações.
Assimetria -1,1386
Curtose 1,7777
Desvio padrão -0,1007 0,090018
Observações > 0 630
% Observaçôes > 0 0,7159
Toda a amostra 880 observações
Tabela 5 – Principais resultados apurados da amostra
O Alfa de Jensen, neste caso é a média dos Alfa de Jensen de todos os pares. É como se
estivéssemos montando uma carteira de investimento só baseada em pares long-short. No
caso de ser positivo indica que o conjunto todo teve uma performance superior ao mercado.
As tabelas 6 e 7 apresentam os principais resultados dos top 5 e top 20, respectivamente.
Pode-se observar que, embora a média da amostra tenha se situado abaixo do benchmark –
apresentado na tabela 5 - o mesmo não aconteceu com esses pares, cujo desempenho foi
superior ao Índice Ibovespa. Esses pares chegaram a produzir, na média, quase o dobro do
retorno daquele índice.
39
Ibovespa
Menor Média Maior Menor Média Maior
Retornos 0,2136 0,2723 0,3406 0,069394 0,1417 0,234658
Sharpe 0,2330
Sharpe Ajustado 0,3667
Alpha Jensen 0,01501
Assimetria -0,0119
Curtose -2,9015
Desvio padrão 0,0551 0,07757
Top 5
Tabela 6 – Principais resultados apurados dos Top 5
Ibovespa
Menor Média Maior Menor Média Maior
Retornos 0,1700 0,1832 0,213579 -0,07718 0,0959 0,220784
Sharpe 0,4336
Sharpe Ajustado 0,5400
Alpha Jensen 0,0182
Assimetria 1,0765
Curtose 0,5979
Desvio padrão 0,0125 0,0835
Após Top 5 - Top 20
Tabela 7 – Principais resultados apurados dos Top 20 (pós Top 5)
Para todos os casos estamos trabalhando com os retornos obtidos, computados por meio do
spread, a partir da data da indicação até o momento em que o par produz o resultado
esperado, ou seja, aquele que foi calculado na data da indicação, limitando-se ao prazo de 60
dias, o que acontecer primeiro.
A seguir é apresentado a tabela 8 com os principais resultados dos top 100, pós Top 21, e
nesses pares constata-se a persistência da performance com média de retornos superiores ao
Índice Bovespa. Embora o maior retorno do Ibovespa tenha sido maior que o máximo apurado
40
para esses pares, pode-se observar que aquele Índice apresentou retorno negativo enquanto
que os pares registraram apenas retornos positivos.
Ibovespa
Menor Média Maior Menor Média Maior
Retornos 0,1110 0,1353 0,1720 -0,0772 0,0678 0,3791
Sharpe 0,2582
Sharpe Ajustado 0,3664
Alpha Jensen 0,0139
Assimetria 0,4884
Curtose -0,9674
Desvio padrão 0,0183 0,0818
Após Top 21 - Top 100
Tabela 8 – Principais resultados apurados dos Top 100 (pós Top 21)
A seguir, temos a representação dos retornos dos 551 pares que tiveram performance positiva
ao longo do período. Notam-se outliers formados por Gol e Embraer, que tiveram resultados
expressivos na amostra:
41
Figura 8 – Scatterplot dispersão dos retornos dos 551 pares.
Adotou-se o procedimento de “Standarization”. Tal procedimento permite, de forma prática e
segura, selecionar os elementos da amostra que se encontram nas extremidades, ou seja, os
outliers. Adotou-se como critério o limite de dois desvios padrões para mais e para menos.
Dessa forma pudemos observar os pares que estiveram fora desse intervalo. É interessante
notar que alguns pares estiveram em ambos limites, tanto no campo positivo como no
negativo. Esses pares denominaram-se agressivos, pois performaram de forma expressiva seja
no campo positivo ou no campo negativo. A seguir, uma síntese da tabela, contendo os cinco
principais pares que estiveram fora do limite dos dois desvios padrões.
Outliers: Gol- Embraer
42
PAR STD Data Long Short R Par R Long R Short
698 2,016946 02/04/2009 TCSL4 TNLP4 0,2285 0,2500 0,0175
52 2,073954 02/04/2009 TAMM4 EMBR3 0,2342 0,5427 0,2500
65 2,578575 09/04/2009 GOLL4 EMBR3 0,2849 0,2766 0,0065-
53 3,044884 03/04/2009 GOLL4 EMBR3 0,3318 0,4453 0,0852
51 3,132509 02/04/2009 GOLL4 EMBR3 0,3406 0,4843 0,1071
Tabela 9 – Retornos acima de + 2 desvios padrões da amostra.
Na tabela anterior é interessante notar que a valorização das ações da Gol foi responsável pelo
resultado dos pares 65, 53 e 51. Como a operação consistia em comprar Gol e vender
Embraer, observamos que as ações da Gol se valorizaram em até 48% no período em que os
pares estiveram abertos, proporcionando uma performance, em matéria de retorno, superior às
demais indicações.
Na Tabela 10 vemos que o par formado por Embraer e Gol também se destacou na
classificação via “Standarization”, porém, desta vez na outra extremidade, ou seja, pares que
tiveram desempenho negativo. Aqui houve inversão da posição dos ativos, comprando-se
Embraer (long) e vendendo-se Gol (short). Da mesma forma a forte valorização dos papéis da
Gol prejudicou a performance da estratégia. Um dos fatores que pode ter favorecido essa
performance do papel é a queda do preço do petróleo, que teria impactado positivamente seus
resultados. Todavia, novas pesquisas com enfoque fundamentalista deveriam ser feitas para
identificar essa anomalia, bem como aprimorar os modelos da estratégia. Convém registrar
que, nessa pesquisa, trabalhou-se com um horizonte de 60 (sessenta dias) após a indicação,
portanto, esse resultado reflete o fato da indicação ser levada até esse prazo. Para evitar perdas
excessivas seria conveniente adotar um critério de stop loss, por exemplo, a violação do limite
de VaR.
43
PAR STD Data Long Short R Par R Long R Short
181 -4,179 02/06/2009 EMBR3 GOLL4 -0,3944 0,119 0,848
196 -3,931 05/06/2009 EMBR3 GOLL4 -0,3695 0,155 0,831
185 -3,900 03/06/2009 EMBR3 GOLL4 -0,3664 0,173 0,852
190 -3,693 04/06/2009 EMBR3 GOLL4 -0,3456 0,142 0,745
79 -3,535 15/04/2009 CYRE3 RSID3 -0,3297 0,273 0,899
870 -3,415 01/12/2009 BRTO4 TCSL4 -0,3177 -0,260 0,085
83 -3,313 16/04/2009 CYRE3 RSID3 -0,3074 0,372 0,981
93 -3,226 23/04/2009 TLPP4 GVTT3 -0,2986 -0,118 0,257
90 -3,189 22/04/2009 BRTP4 GVTT3 -0,2949 -0,086 0,296
97 -3,110 24/04/2009 TLPP4 GVTT3 -0,2870 -0,130 0,220
92 -3,004 23/04/2009 BRTP4 GVTT3 -0,2763 -0,090 0,257
Tabela 10 – Retornos abaixo de - 2 desvios padrões da amostra.
4.2 VALUE AT RISK - VAR
A seguir veremos uma representação dos limites de VaR do par Gol e Embraer, num
horizonte de 500 dias. Esses limites foram apurados com intervalos de confiança de 90 %, 95
% e 99%. Podemos observar a estacionariedade da série e os limites de VaR representados
nas linhas tracejadas, contínuas e com marcador, representando 90%, 95 % e 99 % de
confiança, respectivamente. Na figura 9 vemos como se comporta o par Gol e Embraer dentro
do horizonte estabelecido. Observam-se violações do VaR em todos os intervalos de
confiança. Na figura 10 retiramos o limite de 99 % de confiança para poder observar com
maiores detalhes e incluímos o momento em que ocorre a indicação de investimento.
44
Figura 9 – Representação dos níveis de VaR de Gol e Embraer, com intervalo de confiança de 90%, 95% e 99%. - Elaboração do autor.
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
Ret VaR 90 Var 95
Início da indicação -
par 181 Gol -
Embraer
Violações do VaR
Figura 10 – Representação dos níveis de VaR de Gol e Embraer. Elaboração do autor.
45
Abaixo temos a representação gráfica do VaR de Petr3 e Petr4 com níveis de 90% e 95% de
intervalo de confiança. O traço em vermelho pontilhado mostra o momento da indicação do
par 472 ocorrida em 30/10/2009.
Figura 11 – Representação das violações do VaR do par Petr3 e Petr4. - Elaboração do autor.
Pode-se observar que Petr3 e Petr4 são pares que possuem um nível de violação do VaR
menor do que o par formado por Gol e Embraer.
Para o backtesting do VaR, utilizou-se a metodologia de proporção de violações proposta por
Kupiec (1995). Realizou-se uma avaliação de todas as indicações numa janela de tempo de
500 dias úteis para cada par indicado. A partir daí, optou-se por tratar todos os pares de forma
conjunta, assim como se fizessem parte de uma carteira. Dado que todos os pares estão na
mesma base de tempo – 500 (quinhentos dias úteis) e todos foram observados com os mesmos
46
intervalos de confiança, ou seja 90%, 95% e 99%, adotou-se o critério de média de violações
no período para cada intervalo de confiança. Assim, o teste de hipótese verificado foi:
I t+1(α ) = 1 , se Rt,t+1 < VaRt (1-α) (4.1)
0 , se Rt,t+1 ≥ VaRt (1-α)
Onde o Rt é o retorno observado diariamente dos pares entre t e t+1. Ou seja, neste caso
específico, trata-se da soma do total de vezes em que foi observado retorno do par pior do que
o VaR calculado. A hipótese nula é de que o modelo de VaR adotado seja adequado, uma vez
que os valores observados entre as exceções esperadas e as exceções observadas são iguais.
Os resultados apurados aparecem representados na tabela 11.
Estatística Kupiec
Int. Conf. Exceções Esperadas Exceções Observadas Est. Kupiec P-Valor
90% 10% 9,56% 0,1079 0,7425 95% 5% 4,79% 0,0462 0,8298 99% 1% 1,14% 0,0948 0,7581
Tabela 11 – Resultados do Backtesting do VaR – Teste de Kupiec.
Para todos os intervalos de confiança as exceções esperadas e as observadas foram
consideradas iguais pelo teste de Kupiec, portanto, nesse caso admite-se que a hipótese nula é
verdadeira, ou seja, os valores são iguais. Observa-se que no caso do intervalo de confiança
de 99% houve exceções observadas da ordem de 1,14% e, mesmo assim, a metodologia
considerou a hipótese nula verdadeira, logo, admite-se que os parâmetros sejam iguais.
Todavia, cabe registrar, como uma das limitações deste teste, o fato de estarmos trabalhando
com um período de horizonte relativamente pequeno. Alguns trabalhos, dentre eles citamos
47
Mollica (1999) e Campbell (2005), destacam que o método de Kupiec (1995) possui um baixo
poder para amostras pequenas, tendo “uma alta probabilidade de aceitar a hipótese nula
quando ela é falta em amostras com número de observações limitado” (MOLLICA: 1999, p.
69).
A regressão dos retornos apurados das 880 observações utilizadas em nossa amostra, contra o
potencial de realização, apresentou os seguintes resultados:
Multiple Regression Results Dependent: (R) Multiple R = ,08696827 F = 6,691345 R²= ,00756348 df = 1 , 878 No. of cases: 880 adjusted R²= ,00643314 p = ,009848 Standard error of estimate: ,100351114 Intercept: ,009757113 Std.Error: ,0067990 t( 878 ) = 1,4351 p = ,1516
E (r) beta=,087
(significant betas are highlighted)
Figura 12 – Regressão do potencial de retorno E ( r ) contra os retornos apurados ( R ), da amostra.
A seguir temos a regressão das 551 observações que produziram retornos positivos, contra o
potencial de retorno verificado por ocasião da indicação.
Multiple Regression Results Dependent: (R) Multiple R = ,94142052 F = 4278,333 R²= ,88627260 df = 1 , 549 No. of cases: 551 adjusted R²= ,88606545 p = 0,000000 Standard error of estimate: ,014931328 Intercept: ,006073876 Std.Error: ,0013311 t( 549 ) = 4,5630 p = ,0000 E (r) beta=,941 (significant betas are highlighted)
Figura 13 – Regressão do potencial de retorno E ( r ) contra os retornos apurados ( R ), das observações que performaram.
48
No apêndice B, aparece representado o histograma, o scatterplot dos retornos dos 551 pares,
bem como a estatística regressão do potencial de retorno contra os retornos apurados. Nos
apêndices C, D, E e F apresentam-se os resultados apurados trimestralmente.
49
5 CONCLUSÃO
Inicialmente cabe-nos informar que nossas análises são feitas em ambiente de simulação, que
não necessariamente esses mesmos resultados foram observados pelos agentes que
gentilmente nos forneceram as indicações, uma vez que nossos testes não utilizaram pontos de
stop loss, como violação do VaR ou critério de encerramento da posição quando a mesma
atinge um determinado percentual de rentabilidade. Porém, podemos afirmar, pelos nossos
testes, que as indicações a nós oferecidas são suficientemente criteriosas para proporcionar
ganhos robustos para os investidores.
Quanto aos resultados, Gatev et al (2006) já havia registrado que avaliar a estratégia Pairs
Trading não é tarefa fácil. Concordamos com sua observação. No nosso entendimento, não se
trata de uma estratégia em sai, na prática estamos avaliando 880 estratégias, pois podemos
considerar que cada operação equivale a uma estratégia específica, com resultados,
volatilidades e VaR próprios. Daí a dificuldade em se avaliar 880 observações como se fosse
uma só estratégia, pois não o são.
A avaliação dos pares leva-nos a crer que seus retornos encontram-se randomicamente
distribuídos ao longo do período pós indicação e até o fim do prazo por nós estabelecido, que
compreende o máximo de 60 (sessenta dias), os intervalos dos retornos podem ser positivos
ou negativos.
50
Nossas análises apontam para lucratividade da estratégia, considerando-se o horizonte de até
60 dias. Entretanto, acreditamos que a referida estratégia pode ser encerrada em um prazo
menor do que o por nós utilizado. Embora não tenhamos utilizado o VaR como parâmetro de
stop loss, sugerimos a adoção desse critério como objetivo de reduzir perdas. Nossos testes
indicam que os pares possuem boa performance e que o modelo de VaR por nós adotado
mostrou-se aderente aos intervalos de confiança. As violações mostram que os pares se
comportam dentro das referidas expectativas, merecendo destaque para os pares formados
pela Gol que possuíram performance nos extremos de nossas análises, tanto no que se refere a
positivo quanto negativo.
A análise geral dos pares medida na Tabela 5 nos mostra que a estratégia na média teve
retornos menores que o Ibovespa. Tal evento decorre do desempenho negativo de pares,
mencionados na Tabela 9 cujos retornos impactaram toda a amostra. Porém, quando se avalia
os Top 5, Top 20 e Top 100, constantes das Tabelas 6, 7 e 8, respectivamente, observa-se que
essas indicações performaram acima do Benchmark, no geral produziram o dobro dos retornos
verificados pelo Ibovespa, cumprindo com folga o seu objetivo. O Alfa de Jensen também se
mostrou positivo em todos os Tops acima relatados.
Acrescentamos que a estratégia Pairs Trading deve ser utilizada como investimento de curto
prazo e que a mesma produziu resultados expressivos, tanto positivos, quanto negativos.
Observamos que a volatilidade verificada em apenas uma ação é suficiente para gerar retornos
de acordo com o potencial esperado. Esse fato foi observado no caso das indicações dos pares
identificados na Tabela 9 onde a variação expressiva de apenas uma ponta da operação foi
responsável pelos retornos expressivos.
51
Os resultados apurados refletem nossos objetivos de levar as indicações a um ponto máximo,
testando os limites de violação de VaR, bem como não utilizando critérios de stop loss, exceto
o prazo limite de 60 (sessenta) dias.
Todavia, nossas conclusões apontam para a necessidade de estabelecer critérios para
encerramento das posições, para evitar perdas excessivas como as diagnosticadas na Tabela
10, relativa ao procedimento standarization em que alguns pares chegam a produzir 39% de
perda. Tais critérios podem ser estabelecidos, tanto nos parâmetros relativos ao VaR, quanto a
um limite para perdas.
Parece-nos que o ponto principal da estratégia é conhecer o comportamento da ação ou par,
nesse sentido concordamos com o que fora reportado por Erhman (2009) onde recomenda
uma avaliação dos fundamentos de cada ação ou empresa para evitar surpresas.
Sugestão para pesquisas futuras:
• Avaliar se houve alteração da lucratividade da estratégia no mercado brasileiro ao
longo dos últimos anos;
• Avaliar a eficiência dos mercados em decorrência do aumento da aplicação da
estratégia e dos arbitradores (fundos multimercados) que exploram as oportunidades
de arbitragem;
• Avaliar os efeitos da atuação dos hedge funds ou dos fundos multimercados na
lucratividade da estratégia Pairs Trading;
52
• Avaliar o impacto da eficiência dos mercados na lucratividade da estratégia, bem
como os riscos da arbitragem.
53
REFERÊNCIAS BIBLIOGRÁFICAS
ANBID. Associação Nacional dos Bancos de Investimento. Evolução Histórica de PL e Captação líquida da indústria de Fundos, Base de Dados, FDO_Consolidado.xls. <http://www.anbid.com.br/institucional/CalandraRedirect/?temp=2&temp2=3&proj=ANBID&pub=T&nome=sec_ESTATISTICAS_FUNDOS_PlCap&db=CalSQL2000> -data do acesso 29 junho 2010. ANDRADE, S.C.; PIETRO V.; SEASHOES M.S. Understand the Profitability of Pairs Trading. UC Berkeley, California, fevereiro 2005. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6023: Informação e Documentação. Referências. Elaboração. Rio de Janeiro: ABNT. 2002. BOLGUN et al. Dynamic Pairs Trading Strategy For the Companies Listed in The Stanbul Stock Exchange. Munich Personal RePec Archive, Munich. 2009. BOLLINGER, J. Bollinger on Bollinger Bands. New York : The Mcgraw-Hill Companies, Inc. 2002. CAMPBELL, S. D. A Review of Backtesting and Backtesting Procedures. 2005. Disponível em: <http://www.federalreserve.gov/PUBS/feds/2005/200521/200521pap.pdf>. Data do acesso: 10 dezembro de 2009. COOPER, D. R.; SCHINDLER, P. S. Métodos de Pesquisa em Administração. 7ed. Porto Alegre: Editora Bookman. 2003. DIMSON, D., MUSSAVIAN, M. A Brief History Of Market Efficiency, European Financial Management, vol. 4 no. 1, p 91-103. 1998. DO, BIHN; FAFF, ROBERT. Does Simple Pairs Trading Still Work? Financial Analysis Journal, vol. 66, número 4. julho/agosto 2010. EHRMAN, D. S. Pairs Trading: New look at an old strategy. Futures: News, Analysis & Strategies for Futures, Options & Derivatives Traders. Vol. 33ed. 6, p 32-34. Maio 2004. ______. The Handbook of Pairs Trading. Hokoken, NJ: John Wiley and Sons Inc. 2006
54
______ Trading Pairs. http://www.traderslog.com/trading-pairs.htm, data do acesso 19 de fevereiro de 2009. ELTON, E. J.; GRUBER, J. M.; BROWN, S. J.; GOETZMANN, W.N. Moderna Teoria de Carteiras e Análise de Investimentos. São Paulo: Editora Atlas, 2004. ELLIOTT, R.J.; HOECK, J. V.D.; MALCOLM, W.P. Pairs Trading.Quantitative Finance, vol. 5, número 3, p. 271-276. Junho /2005. FAMA, E.F. Efficiente Capital Markets: A review of a teory and empirical work. Journal of Finance. Vol. 25, p. 383-417. 1970. ______. Efficiente Capital Markets II. The Journal of Finance. Vol. 46, p. 1575-1617. Dezembro 1991. GALDI, F.C.; PEREIRA, L.M. Valor em Risco (VaR) utilizando modelos de previsão de volatilidade: EWMA, GARCH e Volatilidade Estocástica. Brazilian Business Review. p. 74-95, Vitória – ES – Janeiro/abril 2007. GATEV, E. ; GOETZMANN, W. N.; ROUWENHORST, K. G. Pairs Trading: Performance of a Relative Value Arbitrage Rule. Yale International Center for Finance. 2006. Disponível em: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=141615, data do acesso 15 maio 2009. HAIR JR., J. F.; ANDERSON R. E.; TATHAM, R. L.; BLACK, W.C. Análise Multivariada de Dados, 5ed. São Paulo: Editora Bookman, 2006. HOLTER, J.T. Best Practices for Statistical Trading. Futures Magazine, p. 48-51, abril 2006. IMAMURA, A.T. Pairs Trading: Uma Análise Através do Vetor de Co-Integração. Dissertação (Mestrado em Economia e Finanças). IBMEC. São Paulo, 2009. J.P. Morgan, Risk Metrics Technical Document, 4th edition, New York, 1996. JACOBS, B. I., LEVY, K. N, More on Long-short Strategies, Financial Analysts Journal, p 88-90. Mar/Abr 1995. ______. 20 Myths About Long-short, Financial Analysts Journal, p 81-85. Set/Out 1996. ______. STARER, D. On the Optimality of Long-short Strategies, Financial Analysts Journal, p 40-5. Mar/Abr 1998. JORION, P, Value at Risk: A Nova Fonte de Referência para o Controle do Risco de Mercado. Bolsa de Mercadorias & Futuros. São Paulo. 2000 KABASHIMA, E. M., Pairs Trading: Aplicação no mercado acionário brasileiro. Dissertação (Mestrado em Finanças e Economia Empresarial). Fundação Getúlio Vargas, São Paulo, 2005. KLERK, V.D. Putting The Right Pair Together. Finance Week, p. 44. 7 julho 2004.
55
KUPIEC, P. Techniques for Verifying the Accuracy of Risk Management Models, Journal of Derivatives, 3, p. 73-84. 1995. LEUNG, J. M. J; CHONG, T.T.L. An Ampirical Comparison Of Moving Average Envelopes And Bollinger Bands. Applieds Economics Letters. Vol. 10, p. 339-341. 2003. MARKOWITZ, H. Portfolio Selection. Journal of Finance, pp. 77-91, 1952. MEDEIROS, V. Z. (Coord.). Métodos Quantitativos com Excell. São Paulo: Cengage Learning Edições Ltda., 2008. MICHAUD, R. O., Are Long-short Equity Strategies Superior? Financial Analysts Journal, p. 44-49. Nov/Dez 1993. MILLER, M. H., The History Of Finance: An Eyewitness Account. Journal of Applied Corporate Finance, p. 8-14. Verão 2000. MOLLICA, M. A., Uma Avaliação de Modelos de Value-At-Risk: Comparação entre Métodos tradicionais e Modelos de Variância Condicional. Dissertação (Mestrado em Economia). Universidade de São Paulo. São Paulo. 1999 PERLIN, M.S., CERETTA, P.S., Evaluation of Pairs Trading Strategy at the Brazilian Financial Market . Porto Alegre: Universidade Federal do Rio Grande do Sul, 2007. PERLIN, M.S., Evaluation of Pairs Trading Strategy at the Brazilian Financial Market, Journal of Derivatives & Hedge Funds, Vol. 15,2. p. 122-136, 2009. PRESTON, T. Pairs Trading. traders-mag.com, november 2005, disponível em: http://mediaserver.thinkorswim.com/articles/TPPairsTradingArticle.pdf, data do acesso em 15 de março de 2010. SHARPE, W.F.; The Sharpe Ratio.1966. Reprinted from The Journal of Portfolio Management, Stanford University, http://www.stanford.edu/~wfsharpe/art/sr/sr.htm, data do acesso 01 de setembro de 2010. SILVA, A.C.R.; BARBEDO, C.H.S.; ARAÚJO, G.S.; NEVES, M.B.E. Internal Models Validation in Brazil: Analysis of VaR Backtesting Methodolgies. 2004. Disponível em: http://virtualbib.fgv.br/ojs/index.php/rbfin/article/viewFile/1157/369, data do acesso 15 março 2010. TAKIMOTO, E. A Estratégia Pairs Trading no Mercado de Ações Brasileiro, Dissertação (Mestrado em Economia e Finanças). IBMEC. São Paulo. 2007. VIDYAMURTHY, G. Pairs Trading, quantitative Methods and Analysis. Hokoken, NJ: John Wiley and Sons Inc, 2004.
56
APÊNDICE A – AMOSTRA IDENTIFICAÇÃO DOS PARES
Abaixo apresenta-se a relação de indicações utilizadas para este trabalho, bem como os
principais resultados verificados.
Long Short Indicações SharpeSharpe Ajustado
Média Retornos
Maior Ret Menor Ret
ALLL11 CCRO3 1 0,3779 0,5983 0,1477 0,1477 0,1477
AMBV3 AMBV4 7 0,3127 0,4660 0,0398 0,0586 0,0167
AMBV4 AMBV3 6 0,2497 0,9029 0,0318 0,0448 0,0152
ARCZ6 KLBN4 2 0,2443 0,3366 0,0969 0,1117 0,0821
ARCZ6 SUZB5 3 0,1276 0,2970 0,1177 0,1392 0,0760
BBAS3 ITUB4 1 -0,0900 0,0153 0,0505 0,0505 0,0505
BBDC3 BBDC4 4 0,1186 0,2171 0,0221 0,0503 (0,0044)
BBDC4 BBAS3 4 -0,0926 0,1877 (0,0223) 0,1313 (0,1245)
BBDC4 BBDC3 3 0,3172 0,4880 0,0289 0,0341 0,0222
BBDC4 ITUB4 1 -0,0277 0,3020 (0,0069) (0,0069) (0,0069)
BRKM5 PETR4 1 -0,3914 -0,4805 (0,0844) (0,0844) (0,0844)
BRKM5 UGPA4 1 -0,2020 -0,2006 0,0983 0,0983 0,0983
BRML3 IGTA3 2 0,1633 0,2303 0,0813 0,1139 0,0486
BRML3 PDGR3 1 0,1233 0,1401 (0,0391) (0,0391) (0,0391)
BRTO4 BRTP4 1 1,7687 3,8607 0,0784 0,0784 0,0784
BRTO4 GVTT3 1 -0,1741 -0,1233 (0,1674) (0,1674) (0,1674)
BRTO4 TCSL4 1 -0,1075 -0,0469 (0,3177) (0,3177) (0,3177)
BRTO4 TMAR5 2 0,6099 0,8214 0,0596 0,0875 0,0317
BRTO4 VIVO4 2 0,0008 -0,0153 (0,0193) 0,0744 (0,1131)
BRTP3 BRTP4 1 -0,0708 0,1489 0,0762 0,0762 0,0762
BRTP4 BRTO4 2 0,0398 0,4397 0,0440 0,0523 0,0356
BRTP4 GVTT3 13 -0,0702 0,0906 (0,0697) 0,0982 (0,2949)
BRTP4 TLPP4 2 0,0943 0,1092 0,1190 0,1324 0,1057
BRTP4 TMAR5 1 0,2557 0,4612 0,0531 0,0531 0,0531
BRTP4 TNLP4 8 0,4392 0,6226 0,0412 0,1209 (0,0758)
BRTP4 VIVO4 1 -0,1475 0,1492 0,0720 0,0720 0,0720
BTOW3 LAME4 7 -0,1142 0,0133 (0,1216) 0,0413 (0,2716)
CCRO3 OHLB3 5 -0,1219 0,0107 (0,0889) (0,0635) (0,1062)
CESP6 CMIG4 2 0,9355 1,7874 0,0882 0,1028 0,0736
CESP6 CPFE3 1 0,2826 0,5962 0,1170 0,1170 0,1170
57
Long Short Indicações SharpeSharpe Ajustado
Média Retornos
Maior Ret Menor Ret
CESP6 CPLE6 2 0,7614 0,7127 0,1174 0,1701 0,0646
CESP6 ELET6 4 0,1442 0,2685 0,0987 0,1700 (0,0150)
CESP6 ENBR3 1 0,1773 0,2913 0,0813 0,0813 0,0813
CESP6 GETI4 3 0,3869 0,7669 0,0653 0,0809 0,0446
CESP6 TBLE3 8 0,1097 0,3382 0,0695 0,0984 0,0449
CLSC6 CMIG4 3 0,0518 -0,0005 0,0440 0,0666 (0,0008)
CLSC6 COCE5 2 -0,1337 0,1272 0,0887 0,1025 0,0749
CLSC6 CPFE3 3 0,5588 0,5417 (0,0200) 0,0659 (0,1304)
CLSC6 CPLE6 4 -0,0166 0,0209 (0,0191) 0,1149 (0,1930)
CLSC6 ELET6 3 1,2382 1,9440 0,0678 0,0822 0,0597
CLSC6 EQTL3 5 -0,0661 0,0408 (0,1487) (0,1108) (0,1777)
CLSC6 LIGT3 3 -0,0590 -0,1479 0,0467 0,1105 (0,0239)
CMIG3 CMIG4 11 0,1452 -0,1386 0,0296 0,0542 (0,0276)
CMIG4 CESP6 5 0,0616 0,1429 0,0184 0,0844 (0,1341)
CMIG4 CLSC6 1 0,6060 0,4000 0,0614 0,0614 0,0614
CMIG4 CMIG3 6 0,3380 0,8028 0,0468 0,0666 0,0262
CMIG4 CPFE3 3 6,3435 9,3382 0,0628 0,0753 0,0565
CMIG4 CPLE6 6 -0,1084 0,2267 0,0095 0,0580 (0,1395)
CMIG4 ELET6 11 0,0031 0,1863 0,0331 0,1163 (0,1358)
CMIG4 ENBR3 9 0,0216 0,0760 0,0064 0,1559 (0,1550)
CMIG4 LIGT3 3 0,2523 0,4756 0,1353 0,1840 0,0636
CMIG4 TBLE3 1 0,0752 0,1556 0,0985 0,0985 0,0985
CNFB4 USIM5 4 -0,0772 0,0333 (0,0653) 0,0141 (0,1440)
CPFE3 CESP6 3 -0,1129 0,1791 (0,0528) 0,0799 (0,2100)
CPFE3 CLSC6 1 -0,0970 -0,0358 (0,0363) (0,0363) (0,0363)
CPFE3 CMIG4 11 0,1594 0,1965 0,0614 0,1001 0,0370
CPFE3 CPLE6 7 -0,1287 0,1396 (0,0370) 0,0761 (0,1240)
CPFE3 ELET6 13 0,2993 0,7140 0,0707 0,1420 0,0104
CPFE3 ENBR3 16 -0,0080 0,1198 0,0102 0,1136 (0,0648)
CPFE3 TBLE3 1 -0,0406 -0,1157 0,0008 0,0008 0,0008
CPLE6 CESP6 4 0,0284 0,1028 0,1010 0,1253 0,0826
CPLE6 CMIG4 2 0,5065 -0,2291 0,0454 0,0454 0,0454
CPLE6 CPFE3 2 0,4909 0,0856 0,0737 0,0837 0,0636
CPLE6 ELET6 6 0,0934 0,0102 0,1620 0,1880 0,0851
CPLE6 ENBR3 4 0,2120 0,1701 0,1566 0,1770 0,1243
CPLE6 TBLE3 1 0,0723 0,2892 0,0123 0,0123 0,0123
CSAN3 SMTO3 1 -0,0219 0,0949 0,1400 0,1400 0,1400
CSMG3 SBSP3 1 0,1166 0,3031 0,0879 0,0879 0,0879
CSNA3 GGBR4 10 -0,0097 -0,0413 0,0270 0,1330 (0,0639)
CSNA3 GOAU4 2 -0,0728 -0,1099 0,0295 0,0706 (0,0117)
CSNA3 USIM3 1 -0,1846 -0,2386 (0,0701) (0,0701) (0,0701)
CSNA3 USIM5 7 0,1175 0,0807 0,0155 0,1092 (0,0469)
CSNA3 VALE5 1 -0,0314 -0,0317 0,0630 0,0630 0,0630
CYRE3 DURA4 1 0,2183 0,3700 0,0718 0,0718 0,0718
CYRE3 GFSA3 6 0,5008 0,5555 0,1001 0,1359 0,0761
CYRE3 RSID3 9 0,0358 0,2104 (0,0399) 0,1489 (0,3297)
DURA4 GFSA3 1 0,1829 0,2618 0,1519 0,1519 0,1519
ELET3 ELET6 3 0,0033 0,6267 0,0267 0,0571 0,0005
ELET6 CESP6 9 0,2513 0,4688 (0,0178) 0,1023 (0,1683)
ELET6 CMIG4 2 0,3042 0,2901 0,0693 0,0861 0,0526
58
Long Short Indicações SharpeSharpe Ajustado
Média Retornos
Maior Ret Menor Ret
ELET6 CPFE3 2 0,2957 0,2478 0,0864 0,0985 0,0744
ELET6 CPLE6 4 0,0909 0,1681 (0,0222) 0,0686 (0,1366)
ELET6 ELET3 2 -0,0471 0,1941 (0,0106) (0,0106) (0,0106)
ELET6 ENBR3 3 -0,1287 0,0018 0,0562 0,1060 (0,0253)
ELET6 TBLE3 3 0,0853 0,1722 0,0144 0,0772 (0,0344)
EMBR3 GOLL4 9 -0,1686 -0,1433 (0,0961) 0,2136 (0,3944)
EMBR3 TAMM4 2 0,1959 0,3841 0,1210 0,1382 0,1039
ENBR3 CESP6 1 -0,1430 -0,0390 (0,1116) (0,1116) (0,1116)
ENBR3 CMIG4 2 0,3774 0,4701 0,0741 0,0839 0,0644
ENBR3 CPLE6 4 0,2466 0,3939 0,0674 0,0887 0,0570
ENBR3 ELET6 3 0,2202 0,3520 0,0982 0,1408 0,0420
EQTL3 CLSC6 5 0,4864 0,4626 0,0879 0,1269 0,0686
EQTL3 LIGT3 1 0,1793 0,3274 0,1178 0,1178 0,1178
GETI4 CESP6 9 0,0405 0,0857 (0,0140) 0,0961 (0,0758)
GETI4 ELET6 2 0,7955 0,8963 0,0894 0,1222 0,0566
GETI4 TBLE3 7 -0,0416 0,0272 (0,0193) 0,0593 (0,1182)
GFSA3 CYRE3 4 -0,0041 0,0618 0,0428 0,1150 (0,0903)
GFSA3 RSID3 15 -0,0937 0,0348 (0,0259) 0,1117 (0,2408)
GGBR3 GGBR4 14 -0,0118 -0,0010 0,0106 0,0296 (0,0070)
GGBR4 CSNA3 6 0,0358 0,2245 0,0802 0,1483 0,0561
GGBR4 GGBR3 3 0,2598 0,6282 0,0174 0,0244 0,0127
GGBR4 USIM5 3 0,2357 0,3905 0,0971 0,1127 0,0893
GGBR4 VALE5 1 0,2464 0,5124 0,1245 0,1245 0,1245
GOAU4 CSNA3 3 -0,0136 0,1395 0,0751 0,0938 0,0634
GOAU4 GGBR3 1 0,0265 0,3336 (0,0037) (0,0037) (0,0037)
GOAU4 GGBR4 16 -0,0782 0,2355 0,0021 0,0414 (0,0369)
GOAU4 USIM5 1 -0,2872 -0,1587 0,0946 0,0946 0,0946
GOLL4 EMBR3 4 0,6025 0,6824 0,2626 0,3406 0,0928
GOLL4 TAMM4 5 0,2144 0,1836 0,1203 0,1984 0,0706
GVTT3 BRTO4 2 0,4057 0,4408 0,1216 0,1688 0,0745
GVTT3 BRTP4 2 0,9499 0,6362 0,1064 0,1064 0,1064
GVTT3 TCSL4 3 0,2519 0,3192 0,0557 0,1398 (0,0571)
GVTT3 TLPP4 2 0,1834 0,4657 0,0861 0,0885 0,0837
GVTT3 TNLP4 2 0,2663 0,3302 0,0908 0,0908 0,0908
IGTA3 BRML3 2 1,3585 1,5023 0,1325 0,2071 0,0579
ITSA4 ITUB4 6 -0,0399 0,5262 (0,0015) 0,0175 (0,0399)
ITUB4 BBAS3 2 0,0142 0,3817 0,0289 0,0546 0,0032
ITUB4 BBDC4 2 -0,1616 0,2999 0,0301 0,0466 0,0136
ITUB4 ITSA4 10 0,1194 0,7840 0,0257 0,0411 0,0195
JBSS3 MRFG3 1 0,6398 0,9630 0,0910 0,0910 0,0910
KLBN4 SUZB5 16 0,1125 0,2100 0,0307 0,1431 (0,2314)
KLBN4 VCPA4 1 0,7355 0,9411 0,1670 0,1670 0,1670
LAME4 BTOW3 1 0,5418 0,6781 0,1253 0,1253 0,1253
LAME4 LREN3 5 0,4589 0,8863 0,0206 0,0664 (0,1099)
LAME4 PCAR5 9 0,2475 0,5807 0,0767 0,0961 0,0512
LIGT3 CESP6 6 -0,0099 0,1105 (0,0307) 0,1066 (0,1480)
LIGT3 CLSC6 8 0,1582 0,2392 0,0746 0,1057 0,0472
LIGT3 CMIG4 2 0,8678 0,5784 0,1023 0,1068 0,0978
LIGT3 ELPL6 1 -0,3071 -0,0996 (0,0448) (0,0448) (0,0448)
LIGT3 EQTL3 10 0,3099 0,4089 0,0415 0,1754 (0,1423)
59
Long Short Indicações SharpeSharpe Ajustado
Média Retornos
Maior Ret Menor Ret
LIGT3 TBLE3 1 -0,0272 0,1946 (0,0249) (0,0249) (0,0249)
LREN3 LAME4 10 0,3367 0,5373 0,0704 0,1178 0,0349
LREN3 NATU3 1 0,9373 1,3920 0,1712 0,1712 0,1712
MMXM3 VALE3 1 0,0928 0,2080 0,1963 0,1963 0,1963
MMXM3 VALE5 1 0,1138 0,2403 0,1869 0,1869 0,1869
MRFG3 JBSS3 8 0,5754 0,4708 0,0835 0,1553 0,0479
MRVE3 BRML3 1 1,4824 1,8789 0,0788 0,0788 0,0788
MRVE3 PDGR3 3 0,3553 0,5054 0,0468 0,0660 0,0213
OHLB3 CCRO3 3 0,1632 0,3327 0,1408 0,1511 0,1238
PCAR5 LAME4 11 0,1524 0,3595 0,0537 0,1225 (0,1808)
PCAR5 LREN3 1 -0,2690 -0,1159 (0,0327) (0,0327) (0,0327)
PDGR3 MRVE3 1 0,4337 0,5319 0,1300 0,1300 0,1300
PETR3 PETR4 15 0,1451 0,3703 (0,0110) 0,0266 (0,0425)
PETR4 BRKM5 4 -0,0825 -0,0061 (0,1321) 0,0788 (0,2274)
PETR4 LUPA3 2 0,7779 0,7863 0,0847 0,1126 0,0567
PETR4 PETR3 6 -0,1206 0,0580 (0,0092) 0,0102 (0,0296)
PETR4 UGPA4 3 0,6946 1,5466 0,0516 0,0800 (0,0038)
PETR4 UNIP6 1 -0,1609 -0,1369 (0,0057) (0,0057) (0,0057)
PETR4 VALE5 2 0,0019 0,2042 (0,0326) 0,0750 (0,1403)
POMO4 RAPT4 1 0,3147 0,2684 0,0706 0,0706 0,0706
POMO4 WEGE3 1 0,1129 0,1130 0,1202 0,1202 0,1202
RSID3 CYRE3 5 0,1812 0,2642 0,1132 0,1572 0,0854
RSID3 GFSA3 1 -0,0018 -0,0138 0,0652 0,0652 0,0652
SBSP3 CSMG3 6 0,1437 0,1279 0,0669 0,0899 0,0506
SBSP3 TRPL4 1 0,2972 0,4180 0,0738 0,0738 0,0738
SMTO3 CSAN3 4 0,0322 0,1531 0,0790 0,1820 (0,1649)
SMTO3 CSNA3 1 0,1489 0,2062 0,1201 0,1201 0,1201
SULA11 PSSA3 1 0,2837 0,4556 0,1204 0,1204 0,1204
SUZB5 KLBN4 12 -0,1854 -0,0306 (0,0652) 0,1299 (0,2566)
SUZB5 VCPA4 2 0,2135 0,3652 0,1027 0,1471 0,0584
TAMM4 EMBR3 6 0,1658 0,2986 0,1176 0,2342 0,0718
TAMM4 GOLL4 14 -0,0241 0,0823 (0,1034) 0,0864 (0,2641)
TBLE3 CESP6 12 -0,0647 -0,0036 (0,0707) 0,0532 (0,2070)
TBLE3 CMIG4 2 0,1311 0,1799 0,0674 0,0750 0,0599
TBLE3 CPFE3 1 -0,1660 0,0158 0,0147 0,0147 0,0147
TBLE3 CPLE6 2 0,0426 0,1011 (0,0204) 0,1094 (0,1501)
TBLE3 ELET6 22 0,1489 0,3366 0,0457 0,1797 (0,1777)
TBLE3 ENBR3 1 -0,1466 -0,0150 (0,0700) (0,0700) (0,0700)
TBLE3 LIGT3 2 0,0232 -0,0144 0,0568 0,0912 0,0223
TCSL3 TCSL4 2 -0,0097 0,1301 0,0027 0,0165 (0,0111)
TCSL4 BRTO4 1 0,3938 0,2106 0,1128 0,1128 0,1128
TCSL4 BRTP4 1 -0,0711 0,1426 0,1364 0,1364 0,1364
TCSL4 GVTT3 1 0,0708 0,1941 0,0759 0,0759 0,0759
TCSL4 NETC4 1 0,2016 0,2221 0,1550 0,1550 0,1550
TCSL4 TCSL3 1 0,1792 0,4243 0,1024 0,1024 0,1024
TCSL4 TNLP4 3 0,5864 0,5189 0,1502 0,2285 0,0772
TCSL4 VIVO4 10 0,0889 0,2229 0,0965 0,1229 0,0760
TLPP4 BRTP4 3 0,1100 0,2499 0,0824 0,0970 0,0749
TLPP4 GVTT3 11 -0,1712 0,0149 (0,1481) 0,0835 (0,2986)
TLPP4 TLPP3 1 0,3718 1,0983 0,0813 0,0813 0,0813
60
Long Short Indicações SharpeSharpe Ajustado
Média Retornos
Maior Ret Menor Ret
TLPP4 TNLP4 17 -0,0337 0,1307 (0,0369) 0,0845 (0,1891)
TMAR5 BRTO4 3 0,0417 -0,0701 0,0176 0,0400 (0,0203)
TMAR5 TNLP4 3 0,1115 0,3605 0,0146 0,0463 (0,0304)
TNLP3 TNLP4 2 0,5170 0,9151 0,0421 0,0515 0,0326
TNLP4 BRTP4 1 0,1962 0,2420 0,1276 0,1276 0,1276
TNLP4 GVTT3 9 -0,2090 -0,1364 (0,0786) 0,1110 (0,2474)
TNLP4 TCSL4 2 -0,1726 -0,1974 (0,1185) (0,0984) (0,1386)
TNLP4 TLPP4 3 0,2166 0,6352 0,0731 0,0972 0,0534
TNLP4 TMAR5 4 0,1387 0,3789 0,0403 0,0604 0,0197
TNLP4 TNLP3 5 0,1137 0,3309 0,0460 0,0599 0,0322
TNLP4 VIVO4 1 -0,0097 -0,0613 (0,1917) (0,1917) (0,1917)
UGPA4 BRKM5 3 0,1054 0,1595 (0,0146) 0,0834 (0,2035)
UNIP6 BRKM5 1 -0,0604 -0,0289 (0,0570) (0,0570) (0,0570)
USIM5 AMBV3 1 0,3643 0,6627 0,0999 0,0999 0,0999
USIM5 CNFB4 4 0,5896 0,6783 0,1111 0,1274 0,0750
USIM5 CSNA3 6 0,7415 1,1426 0,0798 0,1777 0,0406
USIM5 GGBR4 8 0,1569 0,3892 0,0370 0,0802 (0,0777)
USIM5 GOAU4 2 0,2373 0,4297 0,1102 0,1349 0,0856
USIM5 USIM3 1 -0,0167 0,0221 0,0661 0,0661 0,0661
USIM5 VALE5 1 0,2378 0,4954 0,0291 0,0291 0,0291
VALE3 MMXM3 2 -0,3336 -0,1279 (0,0059) 0,0074 (0,0191)
VALE3 VALE5 6 0,3259 -1,6348 0,0136 0,0213 0,0095
VALE5 BRAP4 5 0,2287 0,2899 0,0392 0,0651 0,0152
VALE5 CSNA3 3 0,0246 0,0827 (0,0453) (0,0132) (0,1019)
VALE5 GGBR4 5 -0,1023 -0,1795 (0,0488) 0,0635 (0,1799)
VALE5 GOAU4 1 0,2270 0,4018 0,0729 0,0729 0,0729
VALE5 MMXM3 2 -0,3315 -0,1245 (0,0328) (0,0174) (0,0482)
VALE5 PETR4 1 0,0410 -0,0765 0,0544 0,0544 0,0544
VALE5 USIM5 4 0,0547 0,2061 (0,0399) 0,1190 (0,2018)
VALE5 VALE3 6 0,2630 0,1119 0,0254 0,0427 0,0160
VCPA4 KLBN4 1 0,1243 0,2711 0,1003 0,1003 0,1003
VCPA4 SUZB5 2 0,1948 0,3137 0,0982 0,1243 0,0721
VIVO4 GVTT3 2 0,6018 1,0977 0,0709 0,0775 0,0643
VIVO4 TCSL4 10 0,0686 0,2657 0,0812 0,1481 0,0409
VIVO4 TNLP4 1 -0,1336 0,0615 0,0388 0,0388 0,0388
WEGE3 LUPA3 1 -0,0325 0,1979 0,1502 0,1502 0,1502
WEGE3 POMO4 3 0,0658 0,2123 0,0302 0,1011 (0,1112)
Tabela 12 – Indicações de investimento utilizadas pelo autor.
61
APÊNDICE B – DADOS DAS 551 INDICAÇÕES
Abaixo apresentamos os principais dados extraídos da amostra. Nesse caso estamos
trabalhando apenas com as 551 observações que apresentaram retorno igual ou superior ao
potencial de retorno.
Figura 14 – Dados estatísticos dos pares que performaram.
62
Histogram of (R)Definitivo 15v*551c
(R) = 551*0,0221*normal(x; 0,0826; 0,0442)
0,00950,0316
0,05360,0757
0,09780,1199
0,14190,1640
0,18610,2082
0,23020,2523
0,27440,2965
0,31850,3406
(R)
0
20
40
60
80
100
120
140
160
No
of o
bs
(R): SW-W = 0,9166; p = 0.0000
Figura 15 – Histograma dos retornos das observações que performaram.
Normal P-Plot: (R)
-0,05 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40
Value
-4
-3
-2
-1
0
1
2
3
4
Exp
ecte
d N
orm
al V
alue
Figura 16 – Scatterplot dos retornos das observações que performaram.
63
Teste – t por grupo independente, Inclusive teste de Levene, nível de significância de 0,05.
Tabela 13 – Test t e Levene.
Box & Whisker Plot
(R) vs. E (R)
Mean Mean±SE Mean±1,96*SE
(R) E (R)0,064
0,066
0,068
0,070
0,072
0,074
0,076
0,078
0,080
0,082
0,084
0,086
0,088
Figura 17 – Box & Whisker Plot dos retornos vs. potencial de retorno.
64
APÊNDICE C – RESULTADOS 1º. TRIMESTRE 2009
Abaixo apresentamos os principais resultados dos pares que obtiveram retornos iguais ou
superiores ao potencial de retorno, verificados no primeiro trimestre.
Figura 18 – Dados estatísticos dos pares - primeiro trimestre de 2009.
Multiple Regression Results Dependent: (R) Multiple R = ,92677217 F = 669,6257 R²= ,85890666 df = 1 , 110 No. of cases: 112 adjusted R²= ,85762400 p = 0,000000 Standard error of estimate: ,016039768 Intercept: ,010144214 Std.Error: ,0037220 t( 110 ) = 2,7254 p = ,0075 E ( R ) beta=,927 (significant betas are highlighted)
Figura 19 – Resultados da regressão dos pares - primeiro trimestre de 2009.
65
APÊNDICE D – RESULTADOS 2º. TRIMESTRE 2009
Os principais resultados dos pares que obtiveram retornos iguais ou superiores ao potencial de
retorno verificados no segundo trimestre.
Figura 20 – Dados estatísticos dos pares segundo trimestre de 2009.
Multiple Regression Results Dependent: (R) Multiple R = ,95988872 F = 1734,625 R²= ,92138636 df = 1 , 148 No. of cases: 150 adjusted R²= ,92085518 p = 0,000000 Standard error of estimate: ,014794969 Intercept: ,006080901 Std.Error: ,0023771 t( 148 ) = 2,5581 p = ,0115 E ( R ) beta=,960 (significant betas are highlighted)
Figura 21 – Resultados da regressão dos pares segundo trimestre de 2009.
66
APÊNDICE E – RESULTADOS 3º. TRIMESTRE 2009
Os principais resultados dos pares que obtiveram retornos iguais ou superiores ao potencial de
retorno, verificados no terceiro trimestre.
Figura 22 – Dados estatísticos dos pares - terceiro trimestre de 2009.
Multiple Regression Results Dependent: (R) Multiple R = ,89728686 F = 611,4562 R²= ,80512371 df = 1 , 148 No. of cases: 150 adjusted R²= ,80380698 p = 0,000000 Standard error of estimate: ,017295556 Intercept: ,004544338 Std.Error: ,0032473 t( 148 ) = 1,3994 p = ,1638 E ( R ) beta=,897 (significant betas are highlighted)
Figura 23 – Resultados da regressão dos pares - terceiro trimestre de 2009.
67
APÊNDICE F – RESULTADOS 4º. TRIMESTRE 2009
Os principais resultados dos pares que obtiveram retornos iguais ou superiores ao potencial de
retorno verificados no quarto trimestre.
Figura 24 – Dados estatísticos dos pares - quarto trimestre de 2009.
Multiple Regression Results Dependent: (R) Multiple R = ,95461403 F = 1448,412 R²= ,91128795 df = 1 , 141 No. of cases: 143 adjusted R²= ,91065879 p = 0,000000 Standard error of estimate: ,010143082 Intercept: ,005857558 Std.Error: ,0018253 t( 141 ) = 3,2091 p = ,0016 E ( R ) beta=,955 (significant betas are highlighted)
Figura 25 – Resultados da regressão dos pares - quarto trimestre de 2009.
68
GLOSSÁRIO
ANBIMA: Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais. É a
representante das instituições que atuam nos mercados financeiro e de capitais. A Associação
representa mais de 340 instituições, dentre bancos comerciais, múltiplos e de investimento,
asset managements, corretoras, distribuidoras de valores mobiliários e consultores de
investimento.
Benchmark: é um indicador que serve de parâmetro, referência ou performance que cada
fundo ou ativo busca alcançar.
BM&FBovespa: Principal instituição responsável onde ocorrem as negociações de ações e
derivativos no Brasil.
CDI: Certificado de depósitos interfinanceiros, sua taxa serve de indicador para os negócios
no mercado financeiro.
Índice Bovespa: é o mais importante indicador do desempenho médio das cotações do
mercado de ações brasileiro. Reflete o comportamento dos principais papéis negociados na
BM&FBOVESPA.
69
Long: Significa uma posição comprada em um determinado ativo.
Pairs Trading: Consiste em uma operação na qual se compra um ativo e se vende,
simultaneamente outro ativo – geralmente a descoberto. A compra e a venda devem ser de
mesmo montante.
Short: significa uma posição vendida em um determinado ativo.