O Efeito Momentum no mercado acionário brasileiro e a Incerteza Política Econômica.

Transcrição

1 O Efeito Momentum no mercado acionário brasileiro e a Incerteza Política Econômica. Resumo Este artigo analisa como o efeito momentum no mercado acionário brasileiro está relacionado com a incerteza política, interna e externa. Esta pesquisa contribui com evidências empíricas de que em mercados emergentes como o Brasil, a incerteza política externa pode ter um papel ainda maior na explicação do efeito momentum. O período analisado foi de janeiro de 2001 a junho de 2017, com séries temporais em uma frequência mensal. Como proxies para a incerteza política foi utilizado os índices baseados em notícias, desenvolvidos por Baker, Bloom e Davis (2015), sendo uma proxy para o Brasil e duas para a incerteza política externa, o índice americano e o índice global. Para analisar a forma como o efeito momentum no mercado Brasileiro se relaciona com a incerteza política econômica, os índices foram testados empiricamente com a série de retornos de carteiras de posição Long, Short e Long-Short conforme o efeito momentum, seguindo o modelo econométrico utilizado por Gu, Sun, Wu, e Xu (2017). Constatou-se que a proxy para a incerteza no mercado local apresentou poder explicativo para o efeito momentum apenas quando incluída no CAPM, porém ao controlar pelo modelo de Fama e French (1993), o coeficiente perdeu sua significância estatística. Já as proxies para a incerteza política externa apresentaram forte poder explicativo, mesmo quando controladas pelo modelo de três fatores, pela liquidez e pelo fluxo de capital externo. O poder explicativo é especialmente proveniente da ponta comprada (long) e se mostrou persistente em momentos de alta e baixa incerteza. 1

2 1 Introdução Notícias sobre o que os governos de todo o mundo fizeram ou poderiam fazer estão a cada dia influenciando mais os mercados financeiros (Pastor & Veronesi, 2013). Nesse contexto, há uma crescente literatura que estuda o impacto da incerteza política econômica no mercado de capitais (Brogaard & Detzel, 2015; Ferreira, Xavier, & Martins, 2018; Gu et al., 2017; Tsai, 2017). A maior parte desses estudos tem utilizado como proxy os índices baseados em notícias desenvolvidos por Baker, Bloom, e Davis (2016). Um importante achado apresenta evidências para o mercado americano de uma forte e negativa relação entre incerteza política econômica e uma das mais notórias e recorrentes anomalias de mercado, o efeito momentum (Gu et al., 2017). O efeito momentum é caracterizado pela tendência das ações em manter os retornos recentes por um período de curto prazo. Logo, as ações com baixos (altos) retornos no último ano tendem a apresentar baixos (altos) retornos nos meses seguintes (Jegadeesh & Titman, 1993). Há evidências de que a estratégia momentum era largamente adotada por fundos mútuos estadunidenses (Grinblatt & Titman, 1989), dos quais observavam os retornos passados das ações como possíveis indicadores de bom desempenho futuro, comprando ações de empresas que apresentavam alto retorno passado (ações vencedoras) e vendendo as ações com desempenho abaixo do esperado (ações perdedoras). Porém, ainda não há um consenso sobre os determinantes do efeito momentum, que podem ser provenientes de aspectos comportamentais ou racionais. Nesse sentido, um dos possíveis determinantes é decorrente de movimentos racionais na indústria de fundos de investimento. Ou seja, fundos que apresentam um bom desempenho tendem a receber injeções de capital, aumentando suas posições acionárias em ações vencedoras que já fazem parte dos seus portfólios. Já os fundos que apresentam uma má performance, sofrem diminuições de patrimônio, e consequentemente, diminuem suas posições acionárias, vendendo exatamente as ações perdedoras que possuem (Lou, 2012). Alinhado aos achados de Lou (2012), Starks e Sun (2016) apresentam evidências de que em períodos com alta incerteza na política econômica, a percepção sobre o desempenho dos fundos diminui, e consequentemente os investidores não aumentam (diminuem) a participação nos fundos, influenciando menos o efeito momentum. Essa base teórica apoia os achados de Gu et al. (2017) sobre a relação entre o efeito momentum e a incerteza política no mercado americano e ainda que haja fortes e recentes evidências da relação entre o efeito momentum e a incerteza política dos Estados Unidos, uma questão em aberto é como essa incerteza global pode afetar o efeito momentum local. Nesse sentido, esse trabalho tem como objetivo analisar a relação entre incerteza política e o efeito momentum no mercado acionário brasileiro, uma economia não madura e que possivelmente sofre influência incerteza política interna e externa. 2 Revisão da Literatura 2.1 A incerteza política econômica A precificação dos ativos nos mercados financeiros está relacionada com a mensuração dos fatores de risco que afetam os retornos acionários. Neste contexto, evidências empíricas sugerem que a incerteza política afeta o comportamento e as decisões operacionais das empresas, assim como os preços das ações e a volatilidade dos retornos (Baker et al., 2016). Em adição, Pastor e Veronesi (2013), sugerem que a incerteza na política econômica 2

3 afeta as crenças dos investidores quanto aos prospectos das firmas, impactando os preços e retornos das ações. Assim, as políticas econômicas também podem ser motivadas fatores econômicos, sociais e as forças políticas, possuindo associação com as políticas de estímulos econômicos e as regulações governamentais na medida em que influenciam a confiança dos investidores no mercado local Nunes e Medeiros (2016). Logo, altos níveis de incerteza em relação à política econômica adotada as regras do jogo das quais as empresas e indivíduos devem operar podem impactar com os níveis de poupança e investimento agregado (Duca & Saving, 2018). Com isto, dado que as políticas adotadas pelo governo afetam os fluxos de caixa futuros das empresas, e estando os preços das ações associados com as perspectivas sobre estes fluxos, é de se esperar que os retornos acionários apresentem variações quando os níveis de incerteza na política econômica variam. Em especial, a mensuração da incerteza política econômica ganha importância já que a mesma não pode ser diretamente observada. Com o intuito de mensurar a incerteza na política econômica Baker et al. (2016) desenvolveram um Índice de Incerteza na Política Econômica (Economic Policy Uncertanty EPU) com base em notícias dos principais jornais de cada país caso o índice seja local e em jornais com notícias de todo o globo, para o caso do índice mundial de incerteza política econômica, EPU Global. Até o momento, o índice EPU cobre as principais economias mundiais e uma parte dos principais países emergentes, incluindo o mercado brasileiro. Metodologicamente, para a mensuração da incerteza política econômica no Brasil, os autores utilizam edições do Jornal Folha de São Paulo, onde são contabilizados os artigos que apresentam as palavras "incerto", ou "incerteza", "econômico"ou "economia", como também as palavras relacionadas com regulações: "regulação", "déficit", "orçamento", "imposto", "banco central", "alvorada", "planalto", "congresso", "senado", "câmara dos deputados", "legislação", "lei"e "tarifa". Em seguida, o índice é obtido pela razão da quantidade de artigos com as palavras supracitadas e o total de artigos no jornal. O índice desenvolvido por Baker et al. (2016), foi amplamente aceito na literatura das finanças, contribuindo para o crescimento das pesquisas sobre incerteza política econômica e os mais variados temas em pesquisas internacionais. Dessa forma, pesquisa empíricas encontraram evidências de que o EPU está positivamente associado com a volatilidade das ações, o desemprego e os níveis de investimento das empresas, principalmente nas firmas mais sensíveis às variações das políticas econômicas, como os setores de saúde, financeiro, construção civil e defesa (Baker et al., 2016). No campo da precificação de ativos, pesquisas empíricas sugerem que o EPU possui relação com outros fatores de risco já documentados na literatura financeira. Segundo Brogaard e Detzel (2015), o EPU está relacionado positivamente com os retornos anormais no mercado de ações estadunidense, porém está negativamente relacionado com o prêmio pelo risco sistemático dos EUA. Tong (2017) em uma pesquisa no mercado Chinês, demonstra que elevações no EPU possuem efeitos negativos no retorno futuro do mercado de ações. Na mesma linha, Li (2017), reporta que empresas com maior exposição ao fator de incerteza da política econômica (betas de EPU), apresentam maiores retornos, e que portfólios formados por ações com altos betas de EPU, apresentam retornos anormais. Demais pesquisas buscaram investigar a relação entre os outros fatores explicativos dos retornos acionários documentados na literatura (anomalias de mercado) e a incerteza na política econômica. Neste ponto, Gu et al. (2017), documentam que em períodos de elevada incerteza na política econômica (mensurada pelo EPU), o prêmio pelo momentum é reduzido, principalmente dos portfólios vendidos (short). Seguindo o mecanismo proposto por Lou (2012) e as evidências empíricas de Starks e Sun (2016), os autores argumentam 3

4 que em períodos de alta incerteza, os investidores alocam o capital de forma aleatória entre os fundos e ações, uma vez que a incerteza altera as expectativas de que o desempenho dos fundos e gestores irá se manter em períodos futuros. Em adição, existes evidências de que o EPU global e das maiores economias também podem afetar o risco sistemático de outros países e regiões. Tsai (2017), explora o efeito contágio do EPU na China, Japão, EUA e em diversos países da união europeia. Segundo o autor, as incertezas na política econômica observadas na China e nos EUA, influenciam o prêmio pelo risco de mercado no Japão e em países emergentes asiáticos. Para o autor, os resultados podem ser atribuídos a dependência comercial entre os países e a internacionalização das empresas e mercados. No Brasil, as pesquisas que buscam compreender a relação entre a incerteza política econômica, os retornos acionários e as anomalias de mercado ainda são escassas. Em especial, destaca-se o trabalho realizado por Ferreira et al. (2018), que utilizam a mesma proxy de incerteza política desta pesquisa para compreender como a incerteza política afeta o prêmio de risco no mercado acionário brasileiro. Os resultados dos autores apontam para a existência de relações positivas e significantes entre a incerteza política e as medidas de risco sistemático no Brasil. Dessa forma, com base nas evidências de que a incerteza na política econômica afeta o prêmio pelo risco dos mercados nas economias desenvolvidas e em países emergentes, assim como possui relação com as anomalias de mercado, em especial com o efeito momentum, e que a incerteza de grandes economias apresenta efeito contágio em outras regiões, esta pesquisa busca evidências sobre a relação entre a incerteza na política econômica brasileira, dos EUA e a global na anomalia de mercado momentum presente no mercado acionário brasileiro. 2.2 Efeito momento e anomalias de mercado A Teoria da Eficiência de Mercado considera que nenhum agente econômico pode obter retornos persistentes e superiores ao mercado utilizando informações pública, uma vez que as informações são imediatamente incorporadas aos preços dos ativos. Assim, considerando a relação entre risco e retorno, o investidor cujas expectativas de retornos sejam acima do mercado, deve selecionar uma carteira de ativos com maior risco (Fama, 1970, 1991). O pressuposto de que os investidores são racionais e avessos ao risco é um dos pressupostos do modelo de precificação de ativos CAPM, proposto por Sharpe (1964), Lintner (1965) e Mossin (1966). Neste modelo, os retornos esperados dos ativos individuais estão em função da sua exposição à carteira de mercado. Logo, o fator beta, β, é suficiente na explicação dos retornos, já que o investidor não é renumerado por sua exposição ao risco não sistemático. No entanto, a partir da década de 1980 pesquisas empíricas apontaram para a existência de diversos padrões de retornos não explicados pelo fator β. Estes padrões foram denominados de anomalias de mercado (Fama & French, 2008). Neste ponto, destacam-se na literatura as anomalias de tamanho, caracterizada pelo retorno anormal apresentado por ações de baixa capitalização de mercado (Banz, 1981), anomalias de valor e crescimento, onde as ações com alto book-to-market apresentam retorno acima do esperado pelo CAPM (Fama & French, 1992). Em adição, recentemente os padrões de retorno relacionados com a rentabilidade e investimentos das firmas também foram documentados, sendo posteriormente adicionados em modelos de precificação multifatoriais (Hou, Xue, & Zhang, 2015). Dentre as várias anomalias relatadas, o efeito momentum é um dos mais notórios e recorrentes nos mercados, caracterizado pela tendência das ações em manter os retornos 4

5 recentes por um período de curto prazo. Logo, as ações com altos (baixos) retornos no último ano tendem a apresentar altos (baixos) retornos nos meses seguintes (Jegadeesh & Titman, 1993). Segundo Grinblatt e Titman (1989), em seu trabalho que motivou as pesquisas futuras sobre o efeito momentum, a estratégia era largamente adotada por fundos mútuos estadunidenses, dos quais observavam os retornos passados das ações como possíveis indicadores de bom desempenho futuro, comprando ações de empresas que apresentavam alto retorno passado (ações vencedoras) e vendendo as ações com desempenho abaixo do esperado (ações perdedoras). Fora do mercado estadunidense, Rouwenhorst (1998) testou a existência do momentum em 12 mercados europeus entre 1978 e 1995, encontrando evidências de que as estratégias de long-short no momentum geram retornos anormais. A estratégia também se mostrou lucrativa em vinte mercados emergentes testados, incluindo o brasileiro (Rouwenhorst, 1998). Griffin, Ji, e Martin (2003), testaram se o momentum possui relação com os ciclos econômicos em 39 mercados fora dos EUA. Os autores encontram que o momentum gerou retornos anormais na maioria dos mercados e não possui relação com os fatores macroeconômicos ou com explicações baseadas no risco. Nos mercados asiáticos, Chui, Titman, e Wei (2010), demonstraram que, com exceção do Japão, as estratégias de momentum são rentáveis em todos os grandes mercados. A existência da anomalia no Brasil também foi estudada, mas os resultados não apresentam consenso: Bonomo e Dall Agnol (2003), com base em estratégias de investimento expostas em Jegadeesh e Titman (1993, 2001), reportaram que as carteiras baseadas no momentum apresentaram retornos negativos, resultantes de reversões de curto prazo. Por outro lado, Mendonça, Klotzle, Pinto, e Montezano (2012) demonstraram que a estratégia apresenta retornos positivos, mas devido a baixa significância estatística obtida, não foi possível afirmar que os mesmos eram estatisticamente significativos. Santos, Famá, e Mussa (2012), testam o modelo de três fatores de Fama e French (1993) e o de quatro fatores de Carhart (1997). Os resultados corroboram com os achados de Bonomo e Dall Agnol (2003), onde o fator momentum também se apresentou negativo. Apesar dos resultados conflitantes no Brasil, Piccoli, Souza, Vieira, e Cruz (2015) argumentam que durante os períodos de crise e turbulência, as carteiras de momentum sofrem quebras, fazendo com que a estratégia produza variações extremas, caracterizadas por perdas de alta magnitude seguidas por lucros recorrentes ao longo dos meses. Logo, ao controlar pelas crises internas e internacionais os retornos auferidos pela carteira de momentum são estatisticamente significativos, com alfas positivos no CAPM e no modelo de três fatores de Fama e French (1993). 2.3 Explicações para o efeito momentum Ao longo dos anos, diversas explicações foram formuladas para a anomalia de momentum, sendo possível classificá-las em dois grandes grupos: as racionais e as comportamentais. Sendo a última, com maior aceitação pela literatura. De acordo com a explicação racional, o momentum pode ser um fator de risco ou estar fortemente associado com um fator de risco não documentado. Porém, poucos resultados corroboram com a vertente racional. Fama e French (1996) relatam que o momentum não pôde ser explicado pelo modelo de três fatores. Chordia e Shivakumar (2002), ao estudar variáveis relacionadas com os ciclos econômicos, como o dividend yeild, yeild e default spread dos títulos soberanos dos EUA, encontraram evidências da sua relação com os retornos das estratégias de momentum. Os 5

6 autores argumentam que o momentum só se mostra lucrativo em períodos de expansão econômica, sendo negativo ou estaticamente insignificante em períodos de recessão. Os autores concluem que os ciclos econômicos são importantes na explicação do momentum. Em adição, os autores defendem as variações temporais nos retornos esperados como um possível fator explicativo do momentum. Na vertente comportamental, Daniel, Hirshleifer, e Subrahmanyam (1998) sugerem que o momentum pode ser explicado segundo fatores psicológicos, como a alta confiança e o viés de confirmação: os investidores tendem a superestimar as informações que possuem, tornando-os céticos às novas informações que não confirmam as expectativas formadas. Em contraste, quando as novas informações são favoráveis às informações anteriores, ocorre o viés de confirmação, fazendo com que os investidores reajam exageradamente, intensificando o padrão de queda ou subida dos preços dos ativos. De forma similar, Hong e Stein (1999) argumentam que, dada a assimetria no tratamento entre os ganhos e perdas e a velocidade da difusão da informação entre os agentes do mercado, os preços podem apresentar autocorrelação enquanto o mercado incorpora as informações, resultando no momentum. A presença de correlação serial faz com que investidores de curto prazo utilizem a estratégia, elevando os preços acima do seu valor intrínseco. Com isto, a medida que os preços retornam ao seu valor fundamental são produzidas reversões de longo prazo. Lee e Swaminathan (2000), sugerem que o comportamento do pequeno investidor é um possível fator explicativo do momentum. Este comportamento poderia ser observado quando o volume de negócios passado é incluído como variável explicativa do momentum. De forma similar, Hvidkjaer (2006) examinou separadamente o comportamento das transações dos investidores individuais e institucionais. O autor sugere que existem diferenças substanciais entre os dois, sendo o momentum relacionado com o comportamento do pequeno investidor, que tende a vender as ações vencedoras com antecedência e manter as perdedoras por um período maior. Porém, este comportamento não é evidenciado nas grandes transações, tornando o volume de transações um possível preditor do momentum. Adotando uma lógica similar à proposta por Hong e Stein (1999), Friesen, Weller, e Dunham (2009), argumentam que o viés de confirmação é sensível ao número de informações e a sua magnitude (quantidade de informação). Sinais infrequentes que carregam muita informação, são interpretados de forma racional pelos agentes do mercado. Por outro lado, devido ao viés de confirmação, as informações com menor magnitude e maior frequência, não são interpretadas racionalmente: informações que confirmam o sinal de alta magnitude são utilizados para reforçar as expectativas, enquanto que os sinais que não estão alinhados são descartados. Lou (2012), apresenta um modelo em que os fundos de investimento influenciam o momentum nos preços: os fundos que apresentam maior rentabilidade tendem a receber maiores investimentos, dos quais são posteriormente alocados em posições que apresentam retornos consistentes. O mesmo mecanismo acontece com os fundos de baixa performance, dos quais ao sofrerem perdas com a retirada de capital do fundo, tendem a vender suas posições, aumentando a quantidade de ordens de venda e perpetuando o padrão de queda das ações perdedoras. Dada esta relação, Starks e Sun (2016), apresentam um modelo teórico e evidências empíricas de que os investidores aprendem com os sinais informacionais de desempenho dos fundos de investimento. Ou seja, os investidores alocam seus recursos nos fundos de investimento segundo os sinais de desempenho emitidos pelos gestores dos fundos. Situações onde os investidores possuem incerteza em relação ao sinal recebido poderiam afetar a sua 6

7 habilidade de alocação de recursos. Logo, em cenários de alta incerteza na política econômica, os investidores teriam dificuldade na seleção de fundos vencedores e, consequentemente, alocando seus recursos tanto em fundos de baixo como de alto desempenho. Com isto, são abundantes na literatura os mecanismos propostos para explicar o momentum. Porém, a grande maioria das pesquisas foram feitas em economias desenvolvidas, gerando pouca literatura teórica e empírica quantos aos mecanismos de produção do efeito momentum em países emergentes, em especial o mercado brasileiro. Esta pesquisa, busca apresentar evidências empíricas para preencher essa lacuna. 3 Metodologia 3.1 Dados O período analisado foi de janeiro de 2001 a junho de 2017, com séries temporais em uma frequência mensal. As séries de retorno e os fatores de risco foram coletados no website do NEFIN. Como a base de dados disponibilizada se encontra em uma frequência diária, todos os meses foi calculado o retorno acumulado através do simples somatório dos retornos diários. As séries das proxies para a incerteza política econômica, foram coletadas no website de Baker et al. (2016), o Economic Policy Uncertainty. Foi utilizado uma proxy para o Brasil e duas para a incerteza política externa, o índice americano e o índice global. As três séries foram padronizadas para apresentarem média zero e variância um. 3.2 Modelos Econométricos Para analisar a relação entre a incerteza política e o efeito momento, esta pesquisa utilizou como base o modelo econométrico utilizado por Gu et al. (2017). Portanto, inicialmente será estudado regressões em séries temporais para explicar as carteiras conforme a estratégia momento, sendo elas: Long (Winners), Short(Loosers) e Long-Short (Winners minus Loosers). Como variável dependente está essencialmente a incerteza política conforme modelo 1. R t = α + β 1 IP t 1 + ɛ t (1) Em que: R t é retorno no mês t na parte Long, Short, e Long menos Short; IP t 1 Índice de Incerteza Política Econômica para o Brasil, para os EUA e um global, conforme disponibilizado no website do Economic Policy Uncertainty e ɛ t é o termo do erro aleatório. A regressão dos retornos das carteiras momento em função da incerteza política já pode nos sinalizar o comportamento da estratégia em relação ao índice, entretanto tornase importante verificar se a relação persiste mesmo quando controlada a fatores de risco e outros possíveis determinantes. Nesse sentido os fatores de mercado, MKT, tamanho, SMB, e book-to-market, HML, serão adicionados na equação anterior, dando origem ao modelo 2. R t = α + β 1 IP t 1 + β 2 MKT + β 3 SMB + β 4 HML + ɛ t (2) Em que: R t é o retorno no mês t na parte Long, Short, e Long menos Short; IP t 1 é o Índice de Incerteza Política Econômica para o Brasil, para os EUA e um global, conforme disponibilizado no website do Economic Policy Uncertainty; MKT t retorno do portfólio de mercado no período t menos a taxa livre de risco no período t; SMB t é o spread do retorno no período t de uma carteira comprada em ações de baixo valor de mercado e uma vendida 7

8 em ações com alto valor de mercado; HML t é o spread do retorno no período t de uma carteira comprada em ações com alto índice book-to-market e uma vendida em ações com baixo índice book-to-market e ɛ t o termo do erro aleatório. Todos os retornos dos fatores de risco utilizados no modelo foram obtidos conforme disponibilizado no website do NEFIN ( No modelo 3 pretende-se analisar se a relação com a incerteza política econômica é persistente mesmo quando controlado por outros possíveis determinantes do fator momento. Para tanto, nesse modelo a variável dependente W ML t é o spread do retorno acumulado no mês t de uma carteira comprada (long) em ações vencedoras (Winners) e uma vendida (short) em ações perdedoras (Loosers), equivalente ao spread entre as duas carteiras (Long- Short) utilizado nas equações anteriores. Para a quarta variável de controle será utilizado tanto uma proxy para liquidez como para o fluxo de capital estrangeiro. Para a liquidez foi calculado o retorno acumulado no mês do fator iliquidez disponibilizado no website do NEFIN ( esse fator refere-se ao retorno de uma carteira comprada em ações não líquidas e uma vendida em ações líquidas. Já o fluxo de capital externo é o log do volume financeiro de investimento estrangeiro ingressado no mercado em ações, conforme disponibilizado pelo Banco Central do Brasil. W ML t = α + β 1 IP t 1 + β 2 MKT + β 3 SMB + β 4 HML + β 5 X + ɛ t (3) Em que: W ML t é o spread do retorno acumulado no mês t de uma carteira comprada (long) em ações vencedoras (Winners) e uma vendida (short) em ações perdedoras (Loosers), equivalente ao spread entre as duas carteiras (Long-Short); IP t 1 é o índice de incerteza política econômica para o Brasil, para os EUA e um global, conforme disponibilizado no website do Economic Policy Uncertainty ( MKT t retorno do portfólio de mercado no período t menos a taxa livre de risco no período t; SMB t é o spread do retorno no período t de uma carteira comprada em ações de baixo valor de mercado e uma vendida em ações com alto valor de mercado; HML t é o spread do retorno no período t de uma carteira comprada em ações com alto índice book-to-market e uma vendida em ações com baixo índice book-to-market; X t é a variável de controle adicional como fator liquidez e fluxo de capital externo e ɛ t o termo do erro aleatório. Todos os retornos dos fatores de risco utilizados no modelo foram obtidos conforme disponibilizado no website do NEFIN ( Para analisar o comportamento da anomalia momentum em períodos de alta e de baixa incerteza política, utiliza-se o modelo econométrico implementado por Stambaugh, Yu, e Yuan (2012) e Xavier e Machado (2017), respectivamente no mercado americano e brasileiro. Nesse modelo o intercepto será substituído por duas dummies, uma para quando a incerteza política for maior que a mediana da amostra, e outra para quando for menor que a mediana, conforme exposto no modelo 4. Dessa forma, será possível estimar a significância do intercepto condicional a alta incerteza política e baixa incerteza política. R t = β H α H,t + β L α L,t + β 1 MKT + β 2 SMB + β 3 HML + ɛ t (4) Em que: R t é o retorno no mês t na parte Long, Short, e Long-Short; IP t 1 o índice de incerteza política econômica para o Brasil, para os EUA e um global, conforme disponibilizado no website do Economic Policy Uncertainty ( MKT t retorno do portfólio de mercado no período t menos a taxa livre de risco no período t; SMB t é o spread do retorno no período t de uma carteira comprada em ações de baixo valor de mercado e uma vendida em ações com alto valor de mercado; HML t é o spread do 8

9 retorno no período t de uma carteira comprada em ações com alto índice book-to-market e uma vendida em ações com baixo índice book-to-market e ɛ t o termo do erro aleatório. Todos os retornos dos fatores de risco utilizados no modelo foram obtidos conforme disponibilizado no website do NEFIN ( Com a intenção de evitar problemas de inferência, efetuou-se teste de normalidade Jarque-Bera e apenas a carteira Long-Short não rejeitou a hipótese nula de que o resíduo se distribui normalmente, já as carteiras Long e Short rejeitaram a hipótese nula de normalidade ao nível de 5%. Ainda assim, é possível considerar que os testes de hipótese sobre os coeficientes da regressão é válido assintoticamente, pois de acordo com o teorema do limite central a distribuição assintótica dos termos de erro convergem para uma distribuição normal (Cochrane, 2009; Wooldridge, 2003). Apesar disso, com o intuito de tornar a estimativa mais robusta, aumentando o erro padrão e, consequentemente, a estatística t, os coeficientes de todas as regressões foram estimados erros robustos de Newey e West (1986), até mesmo quando a hipótese nula de autocorrelação e variância homocedástica não foi rejeitada. Quanto a multicolinearidade, todas as variáveis apresentaram baixo VIF (Variance Inflation Factors), portanto não foi constatado a existência de colinearidade entre os regressores. 4 Análise de Resultados A tabela 1 apresenta as principais estatísticas descritivas das variáveis estudadas. As médias mensais da carteira Long-Short (WML) do momentum no mercado brasileiro foram superiores aos valores reportados no mercado acionário dos EUA por Gu et al. (2017), onde no Brasil foram obtidos prêmios de 1,1% contra 0,74% nos EUA. Os fatores de Mercado (MKT), tamanho (SMB) e book-to-market (HML), apresentaram respectivamente prêmios mensais médios de 0,3%, -0,02% e 0,05%, respectivamente. ( Tabela 1 ) O resultado para o prêmio pelo risco de mercado (MKT) foi similar ao reportado por Xavier e Machado (2017), de 0,463%, e muito abaixo dos prêmios obtidos por Machado e Medeiros (2011) e Silva e Machado (2016) de 3,09% e 2,3%. Uma possível explicação está no maior intervalo de coleta das pesquisas anteriores, que se iniciam em O prêmio momentum desta pesquisa foi positivo, contrastando com os resultados de Xavier e Machado (2017), que obtiveram um prêmio negativo de -0,798% e corroborando com os achados de Medeiros e Machado (2011). Na tabela 2 a matriz de correlação de Spearman apresenta os primeiros insights das relações entre o momentum e as variáveis independentes. A matriz também ajuda na detecção de potenciais multicolinearidades que podem produzir estimações espúrias. Conforme os resultados, a maioria dos retornos dos portfólios apresentam baixa correlação entre eles e com a incerteza da política econômica. Por outro lado, as medidas de incerteza política apresentam forte correlação entre elas, principalmente a incerteza política na econômica global e dos EUA. Estes resultados não são surpreendentes, dado o papel de destaque do EUA na economia global. ( Tabela 2 ) 9

10 A tabela 3 apresenta o efeito momento no Brasil e a incerteza política mensurada pelo índice brasileiro (IP BRA,t 1 ). As variáveis dependentes são formadas pela média, ponderada pelo valor de mercado, dos retornos das ações que formam as carteiras conforme a anomalia momento. Ou seja as ações ganhadoras (winners) na posição comprada (Long), as ações perdedoras (loosers) na posição vendida (Short), e o spread entre as duas (Long-Short ou WML). ( Tabela 3 ) É possível perceber que a incerteza política tem uma relação negativa com o spread WML, -0,004 com uma estatística t de -1,817. Essa relação é proveniente principalmente da ponta short, semelhante aos resultados encontrados por Gu et al. (2017), entretanto essa força decorrente da ponta vendida só é observada no índice brasileiro. Ao observar o efeito da IP BRA,t 1 sobre as carteiras quando controlado pelos fatores de risco do modelo de Fama e French (1993), percebe-se que o índice deixa de ser significante. Logo, pode-se supor que o poder explicativo da proxy brasileira pode ser decorrente simplesmente de fatores de risco que estão sendo captados pelo índice e não necessariamente da incerteza política. Quanto aos sinais, observa-se que a relação entre a incerteza e o W ML é negativa, ou seja, quando há um aumento na incerteza política há uma redução na lucratividade da estratégia momento. Para análise da relação entre o efeito momento local e a incerteza política externa foi utilizado duas proxies, o índice global e o americano disponibilizados por Baker et al. (2016). A tabela 4 apresenta a relação entre a incerteza política externa e o efeito momento no mercado acionário brasileiro. ( Tabela 4 ) O Painel A demonstra os modelos com o índice de incerteza política global (IP global,t 1 ) como proxy para a incerteza política externa. Já no Painel B a proxy para a incerteza política externa utilizada é o índice de incerteza política do mercado norteamericano(ip EUA,t 1 ). Percebe-se que mesmo controlado pelos fatores de risco do modelo de Fama e French (1993), o IP global,t 1 mantem seu poder explicativo. Entretanto, tanto a ponta Long como a Short parecem ter uma relação negativa com a incerteza política. Na tabela 5 o spread é regredido com as três proxies estudadas, os fatores de risco de Fama e French (1993) e mais duas variáveis de controle. Observa-se que as três proxies se mantiveram significantes mesmo com a adição do fator de iliquidez, já quando controlados pelo fluxo de capital externo, observa-se que o único que se manteve significante foi o índice do mercado americano, o que nos leva a concluir de que o índice americano parece representar melhor o impacto da incerteza política externa do que o próprio índice global. ( Tabela 5 ) O menor poder explicativo do índice global pode ser decorrente de uma má mensuração de um dos países que o compõe. O que se configura como uma possível limitação. A tabela 6 apresenta a diferença do efeito momento entre alto e baixo índice. Os resultados demonstram que não há diferença significante entre os dois momentos. Contrário aos achados por Gu et al. (2017) tanto em períodos de baixa como de alta incerteza o efeito momento prevalece. Supõe se que no no Brasil o efeito momento possa ser determinado de forma mais forte por fatores comportamentais, conforme demonstrado por Xavier e Machado (2017). ( Tabela 6 ) 10

11 5 Conclusão Este artigo buscou analisar como a incerteza política econômica brasileira, americana e global afetam os retornos provenientes do efeito momentum no mercado acionário brasileiro, tanto da ponta comprada (Long), quanto da ponta vendida (Short) e do Long- Short (WML). Em adição, também foi verificado se os períodos de baixa e alta incerteza afetam os retornos Long, Short e Long-Short de forma diferente. Para mensurar a incerteza política econômica, foi utilizado o índice criado por Baker et al. (2016). Como achados empíricos, a incerteza política local afeta o efeito momentum apenas quando não é controlada pelos fatores de risco tamanho e book-to-market. Já a incerteza política externa tem forte poder explicativo, mesmo quando controlada pelos fatores de risco de mercado, tamanho e book-to-market. Nos testes de robustez, quando controlado por outros possíveis determinantes do retorno local, como a iliquidez e o fluxo de capital externo. A maior dependência econômica entre os dois países e a crescente alocação de recursos estrangeiros na bolsa de valores brasileira são indícios que suportam estas evidências da forte relação entre a incerteza política dos EUA e o prêmio pelo momentum no mercado brasileiro. Outra evidência importante é que a incerteza política econômica dos EUA afetam o efeito momentum local principalmente, na ponta comprada (Long). Nesse aspecto os resultados diferem dos reportados por Gu et al. (2017) sobre o mercado americano, onde a ponta vendida (Short) do efeito momentum é a mais afetada. As explicações para essa diferença ainda são escassas, porém uma possível justificativa é que investidores de fundos que obtiveram uma má performance tendem a não retirar o capital com a mesma facilidade da injeção de capital por parte de investidores de fundos com boa performance, sendo esses primeiros mais sujeitos à variação da incerteza política econômica. Com tudo, é possível perceber que os retornos de estratégias como o momentum diminuem com o aumento da incerteza política, possivelmente porque os investidores alocam seu capital em fundos e ações com base no seu histórico de rendimentos e o aumento da incerteza na política econômica altera as expectativas e percepções da viabilidade de estratégias com base em retornos passados, incluindo a estratégia momentum. Logo, esses achados podem fornecem informações relevantes para a tomada de decisão de gestores de fundos e investidores em geral, uma vez que ao anteciparem períodos cuja incerteza na política econômica pode ser elevada, podem melhorar as posições acionárias e as alocações de recursos. Quanto aos possíveis fatores limitantes deste trabalho, pode-se citar que existem poucos estudos na literatura que discutem a relação encontrada, necessitando de mais estudos para a compreensão desse fenômeno. Metodologicamente, o índice proposto de incerteza política econômica desenvolvido por Baker et al. (2016) ainda está em desenvolvimento e pode não captar exatamente a incerteza política de um país, dado que a mensuração é feita com base na captura textual dos principais jornais de grande circulação. Sobre as limitações empíricas, dado que os fatores de risco foram formados de forma ligeiramente diferente da literatura estrangeira, é possível que o uso de outras metodologias afete os sinais, os coeficientes e as significâncias encontradas. Com isto, os achados da pesquisa ficam restritos à metodologia utilizada para a obtenção dos fatores de risco e ao período estudado. Referências Baker, S. R., Bloom, N., & Davis, S. J. (2016). Measuring economic policy uncertainty*. 11

12 The Quarterly Journal of Economics, 131 (4), Retrieved from + dx.doi.org/ /qje/qjw024 doi: /qje/qjw024 Banz, R. W. (1981). The relationship between return and market value of common stocks. Journal of Financial Economics, 9 (1), doi: / X(81) Bonomo, M. A. C., & Dall Agnol, I. (2003). Retornos anormais e estratégias contrárias. Revista Brasileira de Finanças, 1 (2), Brogaard, J., & Detzel, A. (2015). The Asset-Pricing Implications of Government Economic Policy Uncertainty. Management Science, 61 (1), doi: /mnsc Carhart, M. M. (1997). On Persistence in Mutual Fund Performance. The Journal of Finance, 52 (1), 57. doi: / Chordia, T., & Shivakumar, L. (2002). Momentum, business cycle, and time-varying expected returns. Journal of Finance, 57 (2), doi: / Chui, A. C., Titman, S., & Wei, K. C. (2010). Individualism and momentum around the world. Journal of Finance, 65 (1), doi: /j x Cochrane, J. H. (2009). Asset pricing:(revised edition). Princeton university press. Daniel, K., Hirshleifer, D., & Subrahmanyam, A. (1998). Investor psychology and investor security market under-and overreactions. Journal of Finance, 53 (6), doi: / Duca, J. V., & Saving, J. L. (2018). What drives economic policy uncertainty in the long and short runs: European and u.s. evidence over several decades. Journal of Macroeconomics, 55, Retrieved from science/article/pii/s doi: Fama, E. F. (1970). Efficient Capital Markets-A Review of Theory and Empirical Work. The Journal of Finance, 25 (2), doi: / Fama, E. F. (1991). Efficient Capital Markets: II. The Journal of Finance, 46 (5), doi: / Fama, E. F., & French, K. R. (1992). The cross-section of expected stock returns. The Journal of Finance, 47 (2), doi: / Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33 (1), doi: / X(93) Fama, E. F., & French, K. R. (1996). Multifactor explanations of asset pricing anomalies. Journal of Finance, 51 (1), doi: /j tb05202.x Fama, E. F., & French, K. R. (2008). Dissecting anomalies. The Journal of Finance, 63 (4), doi: /j Ferreira, T. S. V., Xavier, G. C., & Martins, O. S. (2018). Political Uncertainty and Risk Premium in the Brazilian Stock Market. Journal of Financial Innovation, early view. doi: Friesen, G. C., Weller, P. A., & Dunham, L. M. (2009). Price trends and patterns in technical analysis: A theoretical and empirical examination. Journal of Banking and Finance, 33 (6), doi: /j.jbankfin Griffin, J. M., Ji, X., & Martin, J. S. (2003). Momentum Investing and Business Cycle Risk: Evidence from Pole to Pole (Vol. 58) (No. 6). doi: /j x Grinblatt, M., & Titman, S. (1989). Mutual Fund Performance: An Analysis of Quarterly Portfolio Holdings. The Journal of Business, 62 (3), doi: / Gu, M., Sun, M., Wu, Y., & Xu, W. (2017). Economic Policy Uncertainty and Momentum. working paper. Hong, H., & Stein, J. C. (1999). A unified theory of underreaction, momentum trading, and 12

13 overreaction in asset markets. Journal of Finance, 54 (6), doi: / Hou, K., Xue, C., & Zhang, L. (2015). Digesting anomalies: An investment approach. Review of Financial Studies, 28 (3), doi: /rfs/hhu068 Hvidkjaer, S. (2006). A trade-based analysis of momentum. Review of Financial Studies, 19 (2), doi: /rfs/hhj016 Jegadeesh, N., & Titman, S. (1993). Returns to buying winners and selling losers:implications for stock market efficiency. The Journal of finance, 48 (1), doi: / Jegadeesh, N., & Titman, S. (2001). Profitability of Momentum Strategies : An Evaluation of Alternative Explanations. The Journal of Finance, 51 (2), doi: / Lee, C. M., & Swaminathan, B. (2000). Price momentum and trading volume. Journal of Finance, 55 (5), doi: / Li, X.-M. (2017). New evidence on economic policy uncertainty and equity premium. Pacific- Basin Finance Journal, 46, Retrieved from science/article/pii/s x doi: Lintner, J. (1965). The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets. The Review of Economics and Statistics, 47 (1), doi: Lou, D. (2012). A flow-based explanation for return predictability. Review of Financial Studies, 25 (12), doi: /rfs/hhs103 Mendonça, F. P., Klotzle, M. C., Pinto, A. C. F., & Montezano, R. M. S. (2012). The relationship between idiosyncratic risk and returns in the Brazilian stock market. Revista de Contabilidade & Finanças, 23 (60), Mossin, J. (1966). Equilibrium in a Capital Asset Market. Econometrica, 34 (4), 768. doi: / Newey, W. K., & West, K. D. (1986). A simple, positive semi-definite, heteroskedasticity and autocorrelationconsistent covariance matrix. National Bureau of Economic Research Cambridge, Mass., USA. Nunes, D. M. S., & Medeiros, O. R. (2016). Incerteza política: Análise do impacto da incerteza política no prêmio de risco. Revista Globalização, Competitividade e Governabilidade, 10, Retrieved from gcg/article/view/1868/0 doi: Pastor, L., & Veronesi, P. (2013). Political uncertainty and risk premia. Journal of Financial Economics, 110 (3), doi: /j.jfineco Piccoli, P. G. R., Souza, A., Vieira, W. M., & Cruz, J. A. W. (2015). Revisitando as estratégias de momento: o mercado brasileiro é realmente uma exceção? Revista de Administração, 50 (2), doi: /rausp1193 Rouwenhorst, K. G. (1998). International momentum strategies. Journal of Finance, 53 (1), doi: / Santos, J. O., Famá, R., & Mussa, A. (2012). A adição do fator de risco momento ao modelo de precificação de ativos dos três fatores de fama e french aplicado ao mercado acionário brasileiro. Revista de Gestão, 19 (3), doi: /rege473 Sharpe, W. F. (1964). Capital Asset Prices: Atheory of Market Equilibrium under Conditions of Risk. The Journal of Finance, 19 (3), Stambaugh, R. F., Yu, J., & Yuan, Y. (2012). The short of it: Investor sentiment and 13

14 anomalies. Journal of Financial Economics, 104 (2), doi: /j.jfineco Starks, L., & Sun, S. Y. (2016). Economic policy uncertainty, learning and incentives: theory and evidence on mutual funds. McCombs School of Business Working Paper, Tong, C. J. (2017). Economic policy uncertainty in china and stock market expected returns. Working Paper. Retrieved from papers.cfm?abstract_id= doi: Tsai, I. C. (2017). The source of global stock market risk: A viewpoint of economic policy uncertainty. Economic Modelling. doi: /j.econmod Wooldridge, J. (2003). Introduction econometrics. Thomson/South-Western. Xavier, G. C., & Machado, M. A. V. (2017, 00). Anomalies and Investor Sentiment: Empirical Evidences in the Brazilian Market. BAR - Brazilian Administration Review,

15 Tabela 1: Estatísticas descritivas das variáveis estudadas Statistic N Mean St. Dev. Min Max WML 199 0,011 0,060 0,270 0,173 IP Brasil 199 0,000 1,000 1,364 5,534 IP Global 199 0,000 1,000 1,408 3,717 IP EUA 199 0,000 1,000 1,646 3,445 MKT 199 0,003 0,061 0,235 0,164 SMB 199 0,0002 0,049 0,184 0,172 HML 199 0,005 0,049 0,140 0,163 A tabela reporta as estatísticas descritivas das séries estudadas. IP é o índice de incerteza política econômica disponibilizado no website do Economic Policy Uncertainty ( sendo um para o mercado brasileiro (IP Brasil ) e dois como proxies para incerteza política econômica externa (IP Global e IP EUA ). As demais variáveis da tabela são fatores de risco obtidos no website do NEFIN ( W ML t é spread do retorno acumulado no mês t de uma carteira comprada (long) em ações vencedoras (Winners) e uma vendida (short) em ações perdedoras (Loosers), MKT t é o retorno acumulado do portfólio de mercado no mês t menos a taxa livre de risco no período t, SMB t é spread do retorno acumulado no mês t de uma carteira comprada em ações de baixo valor de mercado e uma vendida em ações com alto valor de mercado, HML t é spread do retorno acumulado no mês t de uma carteira comprada em ações com alto índice book-to-market e uma vendida em ações com baixo índice book-to-market. 15

16 Tabela 2: Correlação entre as variáveis estudadas WML IP BRA IP Global IP EUA MKT SMB WML IP BRA -0,08 IP Global -0,05 0,59*** IP EUA -0,02 0,27*** 0,81*** MKT -0,36*** -0,05-0,11-0,14* SMB -0,41*** -0,09-0,01-0,06 0,20** HML -0,19** 0,00 0,07 0,07 0,14 0,25*** A tabela reporta a correlação entre as variáveis estudadas. IP é o índice de incerteza política econômica disponibilizado no website do Economic Policy Uncertainty ( sendo um para o mercado brasileiro (IP Brasil ) e dois como proxies para incerteza política econômica externa (IP Global e IP EUA ). As demais variáveis da tabela são fatores de risco obtidos no website do NEFIN ( W ML t é spread do retorno acumulado no mês t de uma carteira comprada (long) em ações vencedoras (Winners) e uma vendida (short) em ações perdedoras (Loosers), MKT t é o retorno acumulado do portfólio de mercado no mês t menos a taxa livre de risco no período t, SMB t é spread do retorno acumulado no mês t de uma carteira comprada em ações de baixo valor de mercado e uma vendida em ações com alto valor de mercado, HML t é spread do retorno acumulado no mês t de uma carteira comprada em ações com alto índice book-to-market e uma vendida em ações com baixo índice book-to-market. Nível de significância: 10%, 5%, 1%. 16

17 Tabela 3: O Efeito Momento e Incerteza política no Brasil Variáveis dependentes: carteiras ponderadas pelo valor Long(W) Short(L) LongShort (WML) (1) (2) (1) (2) (1) (2) Intercepto 0,015 0,013 0,009 0,006 0,006 0,007 (3,126) (6,466) (1,889) (2,977) (2,056) (1,975) IP BRA,t 1 0,0003 0,002 0,004 0,002 0,004 0,004 ( 0,066) ( 1,022) (3,599) (1,321) ( 1,817) ( 1,450) MKT 0,915 1,171 0,257 (14,622) (12,874) ( 1,775) SMB 0,055 0,171 0,117 (1,091) (2,073) ( 0,987) HM L 0,080 0,107 0,188 ( 1,038) (1,205) ( 1,223) A tabela reporta a inclinação estimada dos coeficientes e suas estatísticas t das regressões: Modelo (1) R t = α+β 1 IP t 1 +β 2 MKT e Modelo (2) R t = α+β 1 IP t 1 +β 2 MKT +β 3 SMB +β 4 HML+ɛ. As variáveis dependentes são o retorno das carteiras compradas em ações vencedoras (Long), das carteiras vendidas em ações perdedoras (Short) e o spread entre as duas carteiras (Long-Short). IP Brasil é o índice de incerteza política econômica para o mercado brasileiro, conforme disponibilizado no website do Economic Policy Uncertainty ( As demais variáveis da tabela são fatores de risco obtidos no website do NEFIN ( W ML t é spread do retorno acumulado no mês t de uma carteira comprada (long) em ações vencedoras (Winners) e uma vendida (short) em ações perdedoras (Loosers), MKT t é o retorno acumulado do portfólio de mercado no mês t menos a taxa livre de risco no período t, SMB t é spread do retorno acumulado no mês t de uma carteira comprada em ações de baixo valor de mercado e uma vendida em ações com alto valor de mercado, HML t é spread do retorno acumulado no mês t de uma carteira comprada em ações com alto índice book-to-market e uma vendida em ações com baixo índice book-to-market. Nível de significância: 10%, 5%, 1%. Erros padrão robustos à heterocedasticidade e autocorrelação de Newey e West (1986). 17

18 Tabela 4: O Efeito Momento no Brasil e a Incerteza política externa. Painel A - Índice de Incerteza Política Global como proxy. Long(W) Short(L) LongShort (WML) (1) (2) (1) (2) (1) (2) Intercepto 0,015 0,013 0,009 0,006 0,006 0,007 (3,076) (6,333) (1,303) (2,442) (1,229) (1,816) IP global,t 1 0,002 0,004 0,008 0,004 0,010 0,008 ( 0,414) ( 1,992) (1,237) (1,303) ( 1,908) ( 1,768) MKT 0,915 1,171 0,256 (16,542) (12,500) ( 1,897) SMB 0,060 0,167 0,106 (1,206) (1,578) ( 0,766) HML 0,073 0,100 0,174 ( 0,983) (0,887) ( 1,016) Painel B - Índice de Incerteza Política americana como proxy. Long(W) Short(L) LongShort (WML) (1) (2) (1) (2) (1) (2) Intercepto 0,015 0,013 0,009 0,006 0,006 0,007 (3,103) (6,144) (1,324) (2,486) (1,179) (1,838) IP EUA,t 1 0,004 0,005 0,008 0,006 0,012 0,011 ( 0,837) ( 2,099) (1,134) (2,125) ( 2,196) ( 2,333) MKT 0,913 1,174 0,261 (17,325) (12,766) ( 1,975) SMB 0,063 0,160 0,097 (1,321) (1,567) ( 0,719) HML 0,071 0,096 0,168 ( 0,949) (0,859) ( 0,994) A tabela reporta a inclinação estimada dos coeficientes e suas estatísticas t das regressões: Modelo (1) R t = α+β 1 IP t 1 +β 2 MKT e Modelo (2) R t = α+β 1 IP t 1 +β 2 MKT +β 3 SMB +β 4 HML+ɛ. As variáveis dependentes são o retorno das carteiras compradas em ações vencedoras (Long), das carteiras vendidas em ações perdedoras (Short) e o spread entre as duas carteiras (Long-Short). IP Global é o índice de incerteza política econômica para o mercado brasileiro, é a média ponderada pelo PIB do índice de incerteza política econômica de 19 países, IP EUA é o índice de incerteza política econômica para o mercado americano, conforme disponibilizado no website do Economic Policy Uncertainty ( As demais variáveis da tabela são fatores de risco obtidos no website do NEFIN ( Nível de significância: 10%, 5%, 1%. Erros padrão robustos à heterocedasticidade e autocorrelação de Newey e West (1986). 18