Alocação de Carteiras de Ações Através da Utilização de Modelos de Lógica Fuzzy

Tamanho: px
Começar a partir da página:

Download "Alocação de Carteiras de Ações Através da Utilização de Modelos de Lógica Fuzzy"

Transcrição

1 Alocação de Carteiras de Ações Através da Utilização de Modelos de Lógica Fuzzy Resumo Autoria: Silas Roberto Trigo de Castro, Afonso de Campos Pinto Este trabalho tem por objetivo propor uma carteira composta por posições compradas e vendidas de ações que supere os principais Índices de mercado. O resultado é obtido através de um modelo de Lógica Fuzzy, que é um modelo de inteligência artificial que trata os dados de maneira lógica, ou seja, sem relacionar as variáveis através de modelos matemáticos convencionais. Para esse estudo utilizamos como variáveis de entrada os múltiplos Preço/Lucro Esperado e Preço/Valor Patrimonial da Empresa de cada ação considerada. Foram estudadas as ações do mercado americano pertencentes ao índice S&P 5, do ano de 2 até 27. Com o intuito de comparar a eficiência do Modelo de Lógica Fuzzy, utilizamos o modelo de Regressão Linear Multivariada e os índices de mercado S&P 5 e o S&P 5 com uma modificação para se adequar aos dados escolhidos para o estudo. O modelo proposto produziu resultados satisfatórios. Para quase todos os anos estudados o retorno da carteira obtida foi muito superior ao dos Índices de mercado e do modelo linear convencional. Através de testes adequados comprovamos estatisticamente a eficiência do modelo em comparação aos Índices de mercado e ao modelo linear convencional. Introdução Um dos maiores desafios do mercado financeiro é identificar dentre uma série de ativos, aqueles que terão melhores desempenhos no futuro. Metodologias foram desenvolvidas com o intuito de tentar obter carteiras de ativos com retornos mais altos do que a média de mercado. Dentre as metodologias desenvolvidas existem aquelas que levam em consideração informações passadas de retorno e volatilidade, como a fronteira eficiente de Markowitz, até métodos que levam em consideração informações específicas de cada ação, como análises de múltiplos da empresa. Para identificar se o retorno de uma carteira de ativos é alto, precisamos primeiramente ter uma carteira de comparação, que chamamos de Índice de mercado. Geralmente o Índice de mercado de ações é a carteira composta pelas ações mais líquidas desse mercado, ponderadas pelo valor de mercado de cada empresa. No nosso estudo utilizamos ações americanas e o Índice de mercado é o S&P5. O modelo utilizado para a obtenção dessa carteira de ativos foi um modelo de Lógica Fuzzy, o qual utiliza interações lógicas entre as variáveis explicativas e a variável resposta. Foi ainda desenvolvida uma carteira utilizando um modelo de Regressão Linear, para que a eficácia do modelo proposto fosse testada não somente em relação ao mercado, mas também frente a um modelo matemático tradicional. Portanto, esse trabalho busca uma metodologia capaz de identificar quais ações deveriam ser compradas e vendidas por um investidor, para obter uma carteira que supere o retorno do Índice de mercado. Muitas são as abordagens para atingir esse objetivo: Markowitz (1952) identificou técnicas para a obtenção de carteiras ótimas a partir do risco que o investidor estava disposto a correr, considerando para isso o histórico das rentabilidades e das volatilidades; outros estudos como o de Basu (1977) e Rosenberg, Reid e Lanstein (1985), identificaram múltiplos de mercado capazes de explicar o retorno futuro das ações, contrariando a teoria de mercado eficiente, que diz que toda e qualquer informação disponível é instantaneamente assimilada pelos operadores de mercado, impedindo que qualquer investidor tenha vantagens na obtenção de lucros (Ross, 2). O objetivo desse trabalho é, portanto, utilizando um modelo de Lógica Fuzzy, obter um portfolio composto por posições compradas e vendidas em ações e no fim de um ano comparar o rendimento dessa carteira com o Índice de mercado utilizado pelos investidores como parâmetro na tomada de decisão. O Modelo utiliza para isso, conceitos lógicos ao invés de 1

2 simplesmente utilizar relações matemáticas. Mais do que evidenciar que o Modelo traz melhores retornos se comparado ao Índice de mercado, demonstramos também que ele é melhor (no sentido de ser capaz de obter melhores rentabilidades) que um modelo matemático tradicional. Por esse motivo, será obtida uma carteira de ações compradas e vendidas, a partir de um modelo de regressão linear (o Modelo de Regressão Linear Multivariada). Assim, nosso segundo objetivo é evidenciar que o Modelo de Lógica Fuzzy traz resultados melhores que o Modelo Linear, ou seja, melhores rentabilidades. Na Seção 2, apresentamos uma revisão bibliográfica que justificará os indicadores e o modelo utilizados. Na Seção 3 descrevemos a metodologia adotada: a escolha dos indicadores utilizados como variáveis independentes, a base de dados escolhida, as características do Modelo de Lógica Fuzzy adotado e a descrição dos modelos utilizados para obtermos as carteiras, desde o funcionamento do Modelo de Lógica Fuzzy até o desenvolvimento do Modelo de Regressão Linear assim como os Índices de mercado, que serão utilizados para gerar carteiras-teste para o estudo. Na Seção 4 apresentamos os resultados da modelagem com os dados analisados. Por fim, na Seção 5 destacamos nossas principais conclusões, comentando também as limitações do trabalho e o que pode ser desenvolvido futuramente a partir dele. 2. Revisão Bibliográfica Basu (1977) comprovou que o múltiplo formado pela razão entre Preço e Lucro por ação (P/L), era correlacionado com o retorno dos ativos. O trabalho provou que ações com um baixo P/L tendiam a render mais do que ações com alto P/L. A teoria era de que se a relação entre preço e lucro de uma ação é baixa é porque essa ação está mal precificada pelo mercado, ou seja, está barata. Rosenberg, Reid e Lanstein (1985) identificaram que o múltiplo obtido pela razão entre Preço e Valor Patrimonial, ou seja, o valor contábil da empresa (P/VP) por ação também possuía correlação com os retornos dos ativos. A idéia por trás do trabalho é a de que se o preço está muito baixo em relação ao valor que os próprios contadores atribuem à empresa, é também porque a ação está barata. Fama e French (1992) analisaram vários fatores que poderiam influenciar o rendimento das ações conjuntamente, dentre eles estavam o múltiplo P/VP e o valor de mercado das empresas. Constataram que para as empresas menores, os múltiplos P/VP mais baixos geram retornos ainda maiores. Basu (1983) também estudou o efeito do valor de mercado das empresas sobre o múltiplo P/L e constatou que o efeito do múltiplo também é maior nas ações de empresas menores. Alguns trabalhos mais recentes estudaram os modelos que correlacionavam múltiplos e outros índices aos retornos maiores de ativos no futuro e identificaram algumas anomalias. Damodaran (21) conseguiu provar que os múltiplos P/L e P/VP realmente eram negativamente correlacionados com os retornos dos ativos, porém, algumas variáveis também tinham que ser consideradas, como taxa de crescimento, valor de mercado da empresa e qualidade da avaliação contábil. Um fato, porém, dificultava o estudo desses múltiplos: Eles se relacionam de maneira lógica com o retorno dos ativos, mas não através de um modelo matemático convencional. Isso fica evidente nos trabalhos de Basu (1977), Rosenberg, Reid e Lanstein (1985), Fama e French (1992), e Basu (1983) que, para comprovarem a relação entre as variáveis, tiveram que separá-las em categorias, para só então comparar o desempenho de cada grupo. Um dos objetivos deste trabalho consiste em obter um modelo que consiga analisar, de maneira adequada, variáveis com esta característica. Uma abordagem que pareceu ser adequada para tratar esse tipo de dados foi a Lógica Fuzzy, por utilizar conceitos lógicos no tratamento dos dados, de tal forma que a relação seja como uma resposta humana ao analisar a variável. 2

3 Zadeh (1965) desenvolveu a teoria de conjuntos Fuzzy como um modelo alternativo para analisar conhecimentos imprecisos que se relacionam logicamente, porém não através de modelos tradicionais. Mamdani (1977) realizou estudos que buscavam aplicar as teorias de Lógica Fuzzy em sistemas de controle. A partir de seus estudos, surgiram modelos de lógica Fuzzy aperfeiçoados, que foram base de nosso trabalho. Modelo de lógica Fuzzy passaram a ser empregados em diversos campos. Souto-maior (27) tentou prever movimentos diários de queda e alta de índices de ações a partir da variação destes mesmos índices nos três dias anteriores. Utilizou para isso o Modelo de Lógica Fuzzy e analisou diversos mercados para períodos diversos obtendo resultados satisfatórios. Pereira (28) utilizou Lógica Fuzzy para desenvolver de um modelo que auxilie um analista técnico a tomar decisões de compra e venda de ações diariamente, a partir de dados técnicos de mercado, como a média móvel e um índice que expressa a força relativa de um movimento de preço. 3. Metodologia 3.1. Principais indicadores Para estimarmos a carteira de ações com alto rendimento que estamos buscando, utilizamos alguns indicadores de mercado, que, em trabalhos anteriores, foram identificados como correlacionados com o bom desempenho de ações. Estes indicadores são: A Relação Preço / Lucro Esperado (P/L): É talvez o múltiplo mais difundido e utilizado pelos investidores de ações pela simplicidade e o apelo intuitivo. Uma ação negociada a um baixo múltiplo de seu lucro é freqüentemente caracterizada como barata (Damondaran, 21). Basu (1977) analisou ações negociadas na Bolsa de Nova York e mostrou em seu artigo que ações com baixo P/L geravam retornos maiores que as de alto P/L. Damondaran (21) identificou outros indicadores que podem influenciar essa razão entre os dois índices, como por exemplo, o setor de atuação e o tamanho da empresa. Nesse artigo, utilizamos o lucro esperado como denominador do múltiplo, pois dessa forma a relação entre preço e lucro traz exatamente o múltiplo que necessitamos em nosso estudo, ou seja, o preço de cada ação em relação à unidade de lucro esperada por ação. A Relação Preço / Valor Patrimonial da Empresa (P/VP): É também outro índice muito observado pelos investidores. O valor patrimonial da ação é a medida contábil de quanto vale o patrimônio de uma empresa. Os investidores acreditam que ele fornece uma medida mais realista do real valor das ações do que os mercados financeiros, muitas vezes afetados por oscilações irracionais de humor. A conseqüência lógica dessa visão é a de que ações negociadas a preços menores do que o valor patrimonial são subestimadas e ações negociadas a valores muito maiores são superestimadas (Damondaran, 21). Em 1985, Rosenberg, Reid e Lanstein, mostraram com uma série de ações da Bolsa de Nova York que, ações com baixa relação P/VP obtiveram melhores rendimentos que as com alto P/VP. Damondaran (21) encontrou alguns fatores que o trabalho inicial não considerou, como, por exemplo, a ocasional existência de fraudes por parte dos contadores no intuito de dar valores bons às empresas que nem sempre estão com a saúde financeira tão boa. Valor de mercado da empresa: Além dos múltiplos estudados, também utilizamos o valor da empresa para balancear as carteiras que pretendemos comparar com nosso modelo. O valor da empresa, portanto, não é uma variável independente do modelo, e 3

4 foi coletado para a elaboração da carteira-teste que será comparada com a carteira obtida através do modelo proposto Base de dados Para validar o modelo proposto, precisávamos analisar um mercado com as seguintes características: Alta liquidez: impedindo a escolha de ações difíceis de serem negociadas; Mercado pulverizado: com um grande número de ações disponíveis para negociação, garantindo uma carteira resultante bem diversificada; Baixa concentração: o que impediria que uma determinada ação tivesse rendimentos muito significativos numa carteira ponderada por valores de mercado. Para atender a esses pré-requisitos, optamos por utilizar o mercado americano de ações e analisar as ações pertencentes ao índice S&P 5 no ano de 28. Após a escolha das ações que seriam observadas, utilizamos a base de dados da Bloomberg, para coletar as informações necessárias para a análise. Optamos por fazer observações anuais, pois as empresas observadas possuem ciclos de vendas diferentes e, desta forma, uma análise trimestral incorreria em erros de sazonalidade. Os dados utilizados são do encerramento do ano de 2 até o encerramento de 27. Dessa forma, temos 5 ações, observadas durante 7 anos, sendo que para cada ação observamos as variáveis: P/L, P/VP, retorno e valor de mercado da empresa. É importante destacar que a composição do S&P5 não se manteve a mesma durante todo o período estudado, por isso, optamos por utilizar as ações que faziam parte do índice em junho de 28, data da elaboração do trabalho Modelo de Lógica Fuzzy O Modelo de Lógica Fuzzy foi o escolhido para obtermos uma carteira de ações com posições compradas e vendidas por se tratar de um modelo de inteligência artificial, que obtém resultados a partir de informações que não precisam ser precisas, mas que se relacionam de maneira lógica com a resposta procurada, sem que se exija utilizar um modelo matemático tradicional para essa análise. A teoria de conjuntos Fuzzy, desenvolvida por Zadeh (1965), tem sido empregada com sucesso para exprimir conhecimento impreciso e resolver problemas em muitas áreas, onde o processo de modelagem convencional é difícil, ineficiente ou muito oneroso (Lemos, 23). Por essas razões o Modelo de Lógica Fuzzy é muito utilizado em estudos financeiros, onde os dados são muito imprecisos, ou seja, são afetados por diversos fatores, o que dificulta sua mensuração através de modelos convencionais. A força dos modelos está justamente em sua habilidade para extrair conclusões e respostas a partir de informações imprecisas, qualitativas, incompletas ou até mesmo ambíguas. Mamdani (1977) propôs métodos de inferência através de um modelo de Lógica Fuzzy. Ele propôs as seguintes etapas para se obter um modelo de Lógica Fuzzy: Fuzzificação: trata-se do processo de atribuir uma qualidade, e seu grau de pertinência, a um determinado valor observado de uma variável estudada; 4

5 Regras Fuzzy: São as regras que utilizam as qualidades obtidas na fuzzificação para ajudar nas decisões que serão tomadas; Defuzzificação: É o processo de escolha do grau de confiança na decisão que será tomada. O modelo utiliza alguma relação estabelecida para chegar num grau de confiança da decisão tomada Modelo Proposto Para a realização do trabalho utilizamos como variáveis independentes do modelo os múltiplos P/L e P/VP. A resposta que buscávamos para o modelo é a de quais ações deveriam ser compradas e vendidas em um universo considerado, para um dado horizonte de tempo (no caso do trabalho, esse tempo foi de um ano). De início tínhamos uma base com 5 ações pertencentes ao S&P 5 em junho de 28 e seus respectivos P/Ls, P/VPs, valor de mercado e rentabilidade anual do ano de 21 até 27. O primeiro passo do trabalho foi ajustar a base de dados. Eliminamos as ações que não possuíam valores em algum dos anos considerados. Após essa filtragem restaram 373 ações com todas as informações necessárias em nosso estudo. A partir dessa base reduzida, fizemos um estudo descritivo dos dados para observarmos como as variáveis que iríamos estudar estavam distribuídas. O Quadro 1 abaixo traz as características das variáveis estudadas para o primeiro ano estudado, ou seja, o de 21. Podemos notar que o desvio padrão é muito grande para ambas as variáveis, além disso, encontramos valores máximos muito distantes da mediana, o que demonstra uma incidência muito alta de valores discrepantes de alto valor. PL PVP Mínimo 2,75,38 Mediana 19,43 3,33 Máximo 165,63 243,47 Média 29,67 5,88 Desvio Padrão 58,93 13,99 Quadro 1: Estatística Descritiva - 21 Os Gráficos 1 e 2, trazem, respectivamente, os histogramas das variáveis P/L e P/VP para o mesmo ano de 21 e, através deles, notamos que realmente os dados estão muito dispersos. Histograma - P/L Histogr ama - P /VP Frequencia Frequencia More Gráfico 1: Histograma para variável P/L Gráfico 2: Histograma para variável P/VP É interessante que esses valores não estejam tão dispersos quando formos qualificar as ações em grupos e criar as regras de grau de pertinência. Desta forma, como os dados parecem se distribuir de maneira log-normal, a utilização do logaritmo da variável nos traria 5

6 uma distribuição mais adequada para o nosso trabalho. No Quadro 2 temos as novas estatísticas para os logaritmos das variáveis P/L e P/VP para o ano de 21. Podemos notar que a transformação realmente nos trouxe valores menos dispersos, o que pode ser bem exemplificado pela diminuição do desvio padrão e pela diminuição da diferença entre o valor máximo e a mediana: Ln (PL) Ln (PVP) Mínimo 1,1 -,96 Mediana 2,97 1,2 Máximo 6,97 5,5 Média 3,8 1,3 Desvio Padrão,66,82 Quadro 2: Estatística Descritiva - 21 Os gráficos 3 e 4, trazem respectivamente os histogramas dos logaritmos das variáveis P/L e P/VP para o ano de 21. Notamos que, após as transformações, as distribuições dos dados estão menos dispersas e se aproximam de uma distribuição Normal. Histograma - Ln (P/L) His tog ra m a - L n (P /VP ) Frequenc 8 6 Frequenc More M ore Gráfico 3: Histograma da variável Ln(P/L) Gráfico 4: Histograma da variável Ln(P/VP) Para testar se os dados se distribuem segundo uma Distribuição Normal, realizamos o teste de Kolmogorov-Smirnov. A hipótese nula deste teste é a de que a distribuição é normal, portanto só confirmamos que a distribuição é normal se o p-value obtido for superior a,5 (supondo que queremos 95% de confiança no teste). Observando os resultados no Quadro 3, vemos que os p-values para as variáveis P/L e P/VP eram zero, indicando que a distribuição não era Normal. Com a transformação obtivemos um valor de p-value de,41 para o Ln(P/L) e um valor de,84 para o Ln(P/VP). Portanto os dados se aproximam mais de uma Normal, sendo que somente o Ln(P/VP) pode ser considerado uma distribuição Normal através do teste. Kolmogorov-Smirnov Test P/L P/VP Ln(P/L) Ln(P/VP) N Normal Parameters(a,b) Mean Std. Deviation Most Extreme Differences Absolute Positive Negative (.343) (.35) (.49) (.49) Kolmogorov-Smirnov Z p-value Quadro 3: Teste de Kolmogorov-Smirnov para todas as variáveis 6

7 Com essas transformações, passamos a ter uma nova base de dados que será utilizada para desenvolvermos o Modelo de Lógica Fuzzy efetivamente. A utilização do logaritmo das variáveis impede que tenhamos alguns valores muito altos (valores discrepantes), nos levando a acreditar que todos os demais são muito baixos. O logaritmo corrige essa falha ao aproximar os dados. Isso será importante, como veremos a seguir, quando utilizamos modelos matemáticos que se baseiam na diferença entre o máximo e a mediana e entre o mínimo e a mediana, para determinar se um valor é alto, médio ou baixo. O primeiro passo é o da Fuzzificação que, para cada ação i, determina se os valores obtidos para as variáveis Ln(P/L) e Ln(P/VP) são Baixo, Médio ou Alto, e atribui um grau de pertinência a esse valor dentro da classificação em que se encontra. Notar que não necessariamente a ação terá a mesma classificação para ambas as variáveis estudadas. Esse grau de pertinência, que varia de a 1, indica o quão grande é a confiança que temos ao alocar esta ação dentro da classificação e, logicamente, seu valor está associado ao valor que a variável nos fornece. Essa relação é obtida através de uma relação matemática que será exposta a seguir. Para cada ano estudado, observamos a mediana de cada uma das variáveis Ln(P/L) e Ln(P/VP) e a partir desses valores desenvolvemos uma regra de decisão para determinar se cada variável, para cada ação, possui um valor Baixo, Médio ou Alto. Para cada ação, observamos o valor de cada variável e obtemos um grau de pertinência (GP) para cada classificação (alto, médio e baixo), a que possuir o maior valor será a escolhida para aquela variável. Para atribuir um grau de pertinência a cada ação i, em cada classificação, a partir de um determinado valor das variáveis Ln(P/L) e Ln(P/VP), utilizamos as mesmas regras para ambas as variáveis estudadas. Para obtermos o grau de pertinência (GP) em cada classificação, a partir do valor da variável (X) utilizamos as Fórmulas 1,2 e 3 apresentadas abaixo. Aplicamos essas regras para todas as N ações. Baixo: Mediana X GP = Mediana Mínimo GP=, se Mínimo X Mediana (1), caso contrário Médio: X Mínimo GP = Mediana Mínimo, se Mínimo X Mediana (2) Máximo X GP = ( Máximo Mediana), se Mediana X Máximo Alto: X Mediana GP = Máximo Mediana GP =, se Mediana X Máximo (3), caso contrário Essas regras foram utilizadas para todos os anos analisados, sendo que a única variação de um ano para outro eram os valores: Mínimo, Mediana e Máximo. Podemos notar que, para qualquer valor da variável, obtemos um grau de pertinência nas três classificações. A soma de todos os graus sempre resulta em 1. Após a determinação desse grau de pertinência, classificamos a variável de acordo com o maior grau de pertinência. 7

8 A Figura 2 mostra como seria a representação gráfica da regra de fuzzificação descrita. Essa é uma forma mais clara de visualizar o processo de determinação do grupo que um indivíduo estaria e qual seria seu grau de pertinência a partir de um determinado valor para a variável. 1 Baixo 1 Médio 1 Alto Grau de Pertinência Grau de Pertinência Grau de Pertinência Mínimo Mediana Máximo Mínimo Mediana Máximo Mínimo Mediana Máximo Variável Variável Variável Figura 1: Regra de Fuzzificação Assim, para qualquer valor da variável, teremos um grau de pertinência para as três classificações: Baixo, Médio e Alto. Dentre as classificações, a que nos der o maior grau de pertinência será a forma como a variável será classificada. A Figura 3 traz um exemplo de como a regra foi aplicada para a variável Ln(P/L) para o ano de 21 e a Figura 4, como foi aplicada para a variável Ln(P/VP) para o mesmo ano. Figura 2: Regra de Fuzzificação Ln (P/L) 21 Figura 3: Regra de Fuzzificação Ln (P/VP) - 21 Podemos observar que o conjunto dos 3 gráficos são semelhantes para as duas variáveis estudadas, sendo a única diferença os valores do Mínimo, Mediana e Máximo, que correspondem a cada variável. Esses valores são os mesmos obtidos pela análise descritiva e mostrados no Quadro 2. Podemos notar que a mediana fica mais próxima do valor mínimo do que do máximo. Isso se deve ao grande número de valores discrepantes de alto valor. Para 8

9 cada um dos demais anos analisados teríamos outros conjuntos de 3 gráficos (Baixo, Médio e Alto) para cada variável com diferentes valores de Mínimo, Mediana e Máximo. Se tomarmos, como exemplo um valor de Ln(P/L) de 1,76 e Ln(P/VP) de -,9 teríamos, aplicando as fórmulas para o cálculo dos graus de pertinência, os seguintes valores para cada classificação. Classificação do Ln(P/L) = 1,76: Baixo:,62 Médio:,38 Alto:, Classificação do Ln(P/VP) = -,9: Baixo:,59 Médio:,41 Alto:, Ou seja, classificaríamos essa ação como uma ação de Ln(P/L) baixo e Ln(P/VP) baixo, já que nessas classificações encontramos os maiores graus de pertinência para cada variável dentre as 3 analisadas. A Figura 5 traz a representação gráfica da obtenção dos graus de pertinência para o exemplo acima para a variável Ln(P/L) nas 3 classificações e a Figura 6 traz a mesma representação para a variável Ln(P/VP). Figura 4: Exemplo de Grau de Pertinência para o valor de Ln (P/L) = 1,76 1 Baixo 1 Médio 1 Alto Grau de Pertinência,59 Grau de Pertinência,41 Grau de Pertinência , , , Log P/VP Log P/VP Log P/VP Figura 5: Exemplo de Grau de Pertinência para o valor de Ln (P/VP) = -,9 O segundo passo é a criação de regras, utilizando o que já foi demonstrado nos estudos de Basu (1977), que relacionou P/L com Retorno Esperado, e Rosenberg, Reid e Lanstein (1985), que relacionou P/VP com Retorno Esperado. O Quadro 4 mostra as regras utilizadas em nosso estudo: 9

10 REGRAS STATUS RESPOSTA REGRA 1: PL ALTO VENDER REGRA 2: PL BAIXO COMPRAR REGRA 3: PVP ALTO VENDER REGRA 4: PVP BAIXO COMPRAR Quadro 4: Regras da Fuzzificação Podemos notar que apesar de serem 4 regras, elas funcionam como dois pares de regras, já que as duas primeiras se referem ao Ln(P/L) e as duas últimas ao Ln(P/VP). Em cada par, as regras são excludentes, ou seja, se o Ln(P/L) for baixo utilizamos a regra 2 e descartamos a 1, se for alto utilizamos a regra 1 e descartamos a 2, se for médio não utilizamos nenhuma das duas regras, ou seja não compramos nem vendemos a ação. O mesmo vale para a variável Ln(P/VP) e as regras 3 e 4. Com essas regras decidimos o que fazer com as ações a partir da classificação obtida. No nosso exemplo, onde Ln(P/L) é igual a 1,76 e considerado baixo, a regra 2 diz que essa ação deve ser comprada; o Ln(P/VP) é igual a -,9 e também é considerado baixo, a regra 4 também diz que essa ação deve ser comprada. O próximo passo é a defuzzificação, onde atribuímos um grau de confiança na decisão que será tomada, ou seja, obtemos um resultado numérico que representa a força da decisão que iremos tomar. Chamamos esse resultado de Crisp. Para o cálculo do Crisp, utilizamos as fórmulas 4 e 5 abaixo para o cálculo da compra e da venda de ações, a partir do GP: Compra: Venda: Crisp = GP (4) Crisp = GP (5) Portanto, após todo esse processo, teremos sempre um par de respostas, o Crisp 1 e o Crisp 2, sendo que o primeiro se refere á variável Ln(P/L) e o segundo se refere à variável Ln(P/VP). Estes Crisps assumem valores positivos quando formos comprar as ações, negativos quando formos vendê-las e zero quando não compramos nem vendemos a ação. É importante notar que um Crisp, não precisa estar relacionado com o outro, ou seja, podemos obter valores negativos para um (indicando que devemos vender a ação) e positivo para o outro (indicando que devemos comprá-la). O último passo é obter um Crisp único para cada ação i, ou seja, que receba todas as regras ao mesmo tempo. Observando o comportamento do mercado e através da análise dos dados, notamos que a variável P/L possui mais influência no retorno esperado do que a variável P/VP, por isso, optamos por atribuir 8% de peso para o Crisp da variável Ln(P/L) e 2% para o Crisp da variável Ln(P/VP), conforme a fórmula abaixo: crisp ( i) =,8* crisp1 ( i) +,2* crisp2( i) (6) Para o exemplo de ação sugerido, temos: o Ln(P/L) igual a 1,76, portanto compraríamos a ação com grau de pertinência igual a,62, e para acharmos o Crisp 1, utilizaríamos a fórmula de compra 4, que nos daria um valor de,62; o Ln(P/VP) igual a -,9, indica que devemos comprar a ação com grau de pertinência igual a,59 e, para acharmos o Crisp 2, utilizaríamos a fórmula de compra 4 novamente, que nos daria o valor de,59. Temos agora que calcular o Crisp resultante. Esse seria calculado através da fórmula 6 e obteríamos um Crisp de,614. Portanto, a ação i considerada teria um Crisp de,614 e, por ser positivo, indica que compraríamos a ação i. Após realizarmos este procedimento para uma ação repetimos o mesmo para todas as outras restantes, até que tenhamos 373 valores de Crisp (variando entre -1 e 1), sendo que os 1

11 positivos indicam as ações que devem ser compradas, os negativos as que devem ser vendidas e os de valor zero as que não serão utilizadas. Dispondo das informações de quais ações deveriam ser compradas ou vendidas e que grau de confiança tínhamos nessa decisão (Crisp), desenvolvemos uma metodologia para ponderar o percentual de ações (x i ) que seriam compradas e vendidas, para compor a carteira final de ações. Usamos uma média ponderada respeitando as Fórmulas 7 e 8 abaixo: x i = Crispnegi Crispneg Crisppos + i (7) x i = Crispposi Crispneg Crisppos + i, (8) Onde Crisppos é cada um dos Crisps positivos e Crispneg é cada um dos Crisps negativos. Essa fórmula assegura que sejam compradas e vendidas as ações, proporcionalmente ao Crisp de cada ação, ou seja, proporcional ao grau de confiança que temos na decisão. As vendas terão valor negativo e as compras, valores positivos. Com a nova carteira proposta, utilizamos os retornos já conhecidos, para calcular qual o retorno a carteira geraria se fosse montada no começo do período Modelo de comparação Para testar a efetividade do modelo, precisávamos de carteiras-teste que pudessem ser comparadas com o modelo proposto. Usamos duas abordagens: a primeira a de usar carteiras que o mercado americano acompanha como índice de referência (índice de mercado), o que nos permite testar a eficiência do modelo frente ao índice padrão do mercado (S&P 5); e a segunda foi a utilização de um modelo de regressão linear, o que permitiu comparar o modelo proposto com um modelo estatístico convencional. Para cada ano comparamos 4 carteiras de ações: 1) Modelo de Lógica Fuzzy, que já foi apresentado e é o alvo do estudo; 2) S&P 5, Índice de mercado padrão dos investidores americanos. É composto pelas 5 ações mais líquidas do mercado, cujo peso de cada uma na carteira é ponderado pelo valor da empresa no mercado; 3) S&P 5 modificado, O mesmo índice mostrado acima, porém considerando somente as ações utilizadas em nosso estudo. Ou seja, utilizamos as mesmas 373 ações usadas, ponderadas pelo valor de mercado da empresa que elas representam. Isso permitiu chegar a um índice mais justo para ser comparado com o Modelo Fuzzy, já que este descartou as ações que não utilizamos em nossa análise. 4) Modelo de Regressão Linear Multivariada (MRLM), que seria um modelo matemático convencional, para relacionar os múltiplos estudados com o retorno esperado. Fizemos uma regressão linear multivariada utilizando os dados de cada ano. Com os valores obtidos para os coeficientes, estimamos retornos futuros para o ano seguinte. Somente no primeiro ano estudado (21) é que utilizamos os coeficientes obtidos através da Regressão aplicada no próprio ano de 21. Utilizamos como variável independente o 11

12 logaritmo das variáveis originais (P/L e P/VP). Essa transformação permitiu que utilizássemos na regressão, variáveis com distribuição próximas de uma Normal. Essa transformação é muito útil, pois, com a falta da normalidade dos dados, perdemos a homogeneidade das variâncias, o que é uma das suposições iniciais para que possamos fazer uma análise de regressão. O MRLM, ao contrário do Modelo de Lógica Fuzzy, não indica as ações que devem ser compradas e vendidas. Na realidade, ele estima retornos futuros. Por isso utilizamos a seguinte regra para escolher dentre as ações estudadas quais iriam fazer parte da carteira: Compramos as 21 ações de maior retorno estimado e vendíamos as 2 ações com menor retorno estimado. Assim garantimos que a carteira resultante será uma carteira, comprada em uma unidade monetária, como as demais. Desta forma montamos uma carteira baseada no MRLM. Este modelo tem uma importância muito grande, pois os outros dois testes confirmam que utilizar os múltiplos é uma boa forma de obter bons retornos. Porém o MRLM comprova a eficiência do Modelo Fuzzy frente a um modelo linear tradicional, provando que o modelo lógico é mais eficaz nesse tipo de estudo que um modelo matemático convencional Fluxo para a formação das carteiras através do Modelo de Lógica Fuzzy Abaixo apresentamos de forma resumida os passos seguidos pela análise aqui apresentada: 1) Para cada ano estudado determinamos os parâmetros para cada variável: Ln(P/L) e Ln(P/VP): Ln( P / L) Ln( / L) Mínimo, Mediana P Ln( P / L), Máximo Ln( P / VP) Mínimo, Ln( P / VP) Mediana, Máximo Ln( P / VP) 2) Geramos os gráficos e as fórmulas 1, 2 e 3 que são utilizados na fuzzificação; 3) Para cada ação i, sendo i = 1, 2,...N, onde N é o número total de ações analisadas (com com = 373 em nosso estudo), utilizamos as fórmulas 1, 2 e 3 para obter os Graus de Pertinência para cada classificação: GP, Ln( P / L) Baixo GP, Ln( P / L) Médio GP, Ln( P / L) Alto GP, Ln( P / VP) Baixo GP, Ln( P / VP) Médio GP, Ln( P / VP) Alto 4) Classificamos cada ação i de acordo com o maior GP e desta forma temos duas classificações, uma referente à variável Ln(P/L) e outra referente à variável Ln(P/VP); 5) Sobre as classificações obtidas, aplicamos as regras de fuzzifcação apresentadas no Quadro 3. Novamente, temos duas respostas, uma para cada variável estudada (por exemplo: comprar e comprar); 6) Para cada ação i obtemos 2 Crisps a partir das Fórmulas 4 e 5, o que se refere à variável Ln(P/L) e o que se refere à variável Ln(P/VP); 7) Determinamos o, que é o Crisp único obtido através da Fórmula 6, para a ação i. 12

13 8) Repetimos os passos de 3 até 8 para todas as ações estudadas, até que tenhamos N Crisps, sendo que, se o valor desse Crisp for positivo, a ação deve ser comprada; se for negativo, deve ser vendida e se for zero, não deve ser adicionada ao portfolio; 9) Determinamos o peso que cada ação i terá na carteira através da Fórmula 7. Desta forma, obtemos uma carteira de ativos ponderadas pelos seus respectivos Crisps; 5. Resultados 1) Todo o processo é repetido para os demais anos do estudo Obtenção de parâmetros do MRLM O Quadro 5 traz os resultados do Modelo de Regressão Linear e da Análise de Variância para esse modelo. Podemos notar que o coeficiente de correlação é muito baixo (,716), mostrando que a correlação linear não se ajusta muito bem às variáveis. Os coeficientes da regressão obtidos vêm de encontro ao que esperávamos, ou seja, temos um intercepto alto e valores negativos para os coeficientes das variáveis, demonstrando que quanto maior o valor das variáveis independentes, menor será o retorno, pois maior será o valor retirado do valor do intercepto. Em outras palavras, quanto maior as relações P/L e P/VP de uma empresa, menor será o Retorno Esperado. Estatística de regressão R múltiplo,2675 R-Quadrado,716 R-quadrado ajustado,666 Erro padrão,3399 Observações 373 ANOVA gl SQ MQ F F de significação Regressão 2 3,2951 1, ,2637, Resíduo 37 42,738,1155 Total ,331 Coeficientes Erro padrão Stat t valor-p Intercepto,4415,868 5,853, Ln (P/L) -,183,32-3,3814,8 Ln (P/VP) -,418,258-1,623,154 Quadro 5: Dados da Regressão Linear Mltivariada Esses resultados nos mostram que realmente a regressão linear não se ajusta perfeitamente aos dados. O provável motivo desses resultados ruins é a característica dos dados econômicos, que em geral são influenciados por diversos fatores que não conseguimos mensurar e que acabam prejudicando as previsões sobre essas variáveis Análise de desempenho dos modelos Após desenvolvermos o Modelo de Lógica Fuzzy, constatamos que ele se mostrou muito eficiente. Como podemos observar no Quadro 6, em quase todos os anos estudados o Modelo de Lógica Fuzzy se comportou muito melhor que o S&P 5 e que o S&P 5 Modificado, e foi um pouco pior somente no ano de 26. O Modelo de Regressão Linear 13

14 também se mostrou melhor que os índices de mercado. Isso já era esperado, já que estudos anteriores demonstraram haver correlação entre as variáveis estudadas e o retorno das ações. Na comparação entre o Modelo Linear e o Modelo de Lógica Fuzzy, notamos que em todos os anos estudados o Modelo de Lógica Fuzzy traz retornos muito maiores. Se observarmos o Retorno Total, ou seja, o acumulado durante todo o período de estudo, podemos notar que o retorno do Modelo de Lógica Fuzzy é muito superior aos demais modelos comprovando a eficiência do modelo proposto frente aos demais. Outra observação interessante é a de que os retornos obtidos a partir do Modelo de Lógica Fuzzy foram positivos até mesmo nos anos em que os Índices de mercado tiveram retornos negativos. ANO S&P 5 S&P 5 Modif. Regressão linear Retorno Mod. Fuzzy Total MRLM Total Mod. Fuzzy 21-13,4% -1,96% 21,76% 27,24% ,37% -21,32% 6,99% 18,3% ,38% 26,33% 9,% 74,73% ,99% 9,8% 8,65% 128,14% ,% 4,83% 1,32% 47,26% ,62% 14,6% 4,86% 13,61% ,53% 5,5%,6% 12,28% TOTAL 11,22% 23,17% 78,57% 127,1% Quadro 6: Retornos obtidos em cada carteira simulada para cada modelo Observando as duas últimas colunas do Quadro 5, que indicam o número de ações que compunham a carteira do MRLM e do Modelo de Lógica Fuzzy, respectivamente, também podemos notar que as carteiras obtidas pelo Modelo de Lógica Fuzzy possuem quantidades de ações parecidas com as utilizadas no MRLM, o que nos mostra que utilizar 41 ações para formar a carteira do MRLM foi uma boa aproximação. A Figura 5 traz os retornos para cada modelo estudado e por ela podemos notar que o desempenho do Modelo Fuzzy realmente é superior aos demais modelos para quase todos os anos estudados. 13,% 11,% 9,% 7,% 5,% 3,% 1,% -1,% ,% -5,% S&P 5 S&P 5 Modif. Regressão linear Retorno Mod. Fuzzy Figura 6: Retornos de cada Modelo para cada ano estudado Para testar se o Modelo de Lógica Fuzzy gerou melhores retornos do que os demais utilizamos um teste estatístico que compara o retorno dos modelos um a um contra o Modelo de Lógica Fuzzy. A estatística utilizada foi o Teste t-student Pareado que analisa se as diferenças de retorno são significativas se comparadas ano a ano. O Quadro 7 traz os resultados obtidos na comparação dos modelos contra o Modelo de Lógica Fuzzy: MODELO p-value S&P 5 1,24% S&P 5 modificado 1,44% Regressão linear 2,94% Quadro 7: P-value da estatística T pareada - Comparação entre o Modelo Fuzzy e os demais 14

15 Através do Quadro 7 podemos notar que o Modelo de Lógica Fuzzy pode ser considerado mais eficiente na obtenção de altos retornos do que os dois índices de mercado, com um grau de 95% de confiança, já que, para ambos os casos, o modelo possui um p-value abaixo de 5% (1,24% para o S&P 5 e 1,44% para o S&P 5 modificado). Na comparação com o Modelo de Regressão Linear, obtivemos um p-value de 2,94%, o que indica que o Modelo de Lógica Fuzzy é também superior ao Modelo de Regressão Linear. 5. Conclusão O trabalho usou Lógica Fuzzy para compor portfolios de ações a partir de múltiplos conhecidos de mercado (P/L e P/VP). Em outros estudos, já foi demonstrado que esses múltiplos realmente se relacionam com o rendimento futuro das ações. A partir dessa modelagem, foi montada uma carteira de ações que tinha por objetivo superar os índices padrões de mercado e também um modelo de regressão linear. Desta forma o modelo proposto mostraria sua eficiência e, além disso, seria comprovado que ele obtém melhores resultados que um modelo linear tradicional na composição de uma carteira de alto rendimento. Tivemos algumas limitações no trabalho, como a de não ter um histórico maior para os múltiplos estudados. Não utilizamos as ações do mercado brasileiro, por não ser um mercado muito pulverizado, pois neste caso, teríamos que comparar a carteira com o IBOVESPA, Índice de mercado de ações para o mercado brasileiro. Como o valor de mercado da Petrobrás e Vale do Rio Doce são muito maiores que o das demais empresas, por mais que o modelo indicasse que estas ações deveriam ser compradas ou vendidas, elas nunca seriam adquiridas na proporção de aproximadamente 35% da carteira, que é o peso dessas ações juntas no IBOVESPA. Após analisarmos os resultados, notamos que o Modelo Fuzzy não somente apresentou melhores resultados, como também mostrou tratar melhor os dados econômicos, que muitas vezes são muito influenciados por fatores que não conseguimos mensurar, o que torna as relações entre as variáveis, imprecisas. O Modelo Linear mostrou-se frágil, já que a correlação entre os múltiplos e os retornos ficou muito baixa. Mesmo assim, trouxe resultados melhores do que os índices de mercado, o que era esperado, já que as variáveis realmente se correlacionam com o retorno, como evidenciado em estudos anteriores. O Modelo Fuzzy comprovou tratar as variáveis imprecisas de maneira mais coerente. Os resultados obtidos através desse modelo foram muito superiores aos índices de mercado e bem superior ao Modelo de Regressão Linear. O fato do Modelo de Lógica Fuzzy aceitar também variáveis qualitativas (que aqui não foram utilizadas) indica possíveis extensões deste trabalho. As mesmas podem ser um bom sinalizador de bons rendimentos, como, por exemplo, a qualidade dos diretores da empresa, opinião dos operadores sobre o setor de atuação e taxa de crescimento da empresa. Além disso, o modelo pode ser aplicado a outros mercados, desde que estes tenham um número considerável de ações e que as mesmas sejam pulverizadas e líquidas. Referências Bibliográficas BASU, S. (1977). Investiment performance of commom stocks in relation to their priceearning ratios: a test of market efficiency. Journal of Finance, 32 (junho), pp

16 BASU, S. (1983). The Relationship Between Earnings yield, Market Value and Return for NYSE Common Stocks: Further Evidence. Journal of Financial Economics 12 (june 1983), DAMODARAN, A. (21). Avaliação de investimentos: ferramentas e técnicas para determinação do valor de qualquer ativo. São Paulo: Qualitmark, 63 p. FAMA, E. & FRENCH, K. (1992). The Cross-section of Expected Stock Returns. Journal of Financial Economics 6. MARKOWITZ, Harry (1952). Portfolio Selection Journal of Finance (March) MAMDANI, E. H. (1977). Aplications of Fuzzy Set Theory to Control Systems: A Survey. In Fuzzy Automata and Decision Processes, M. M. Gupta, G. N. Saridis & B. R. Gaines, eds., North-Holland, New York, pp PEREIRA, C. R. T. (28). Sistema de Tomada de Decisão para Compra e Venda de Ativos Financeiros Utilizando Lógica Fuzzy. Escola Politécnica da Universidade de São Paulo. Departamento de Engenharia de Sistemas Eletrônicos. ROSENBERG, B., REID, K. & LANSTEIN, R. (1985). Persuasive Evicence of Market Inefficiency. Journal of Portfolio Management ROSS, Stephen A., WESTERFIELD,R. W., JORDAN, B. D. (2). Princípios de Administração Financeira, 2a ed. São Paulo, Atlas. SOUTO-MAIOR, César Duarte (27). Previsão da direção de movimento de índices de ações usando um sistema fuzzy. 197f ZADEH, L. A. (1973) Outline of a new approach to the analysis of complex systems and decision processes. Journal IEEE Trans. On Systems, Man and Cybernetics. Vol. SMC-3, n. 1, January

2. Otimização de Portfolio

2. Otimização de Portfolio 2. Otimização de Portfolio 2.1. Análise de Média-Variância Portfolio (carteira, em português) é uma combinação de ativos, tais como investimentos, ações, obrigações, commodities, imóveis, entre outros.

Leia mais

UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA A GEOMETRIA DO VaR: (Value at risk) Aplicações computacionais AUTOR: RODOLFO VENDRASCO TACIN PROFESSOR

Leia mais

Modelagem da Venda de Revistas. Mônica Barros. Julho de 1999. info@mbarros.com 1

Modelagem da Venda de Revistas. Mônica Barros. Julho de 1999. info@mbarros.com 1 Modelagem da Venda de Revistas Mônica Barros Julho de 1999 info@mbarros.com 1 Modelagem Matemática e Previsão de Negócios Em todas as empresas, grandes e pequenas, é necessário fazer projeções. Em muitos

Leia mais

COMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE II

COMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE II COMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE II O que é o Índice de Treynor? Índice de Treynor x Índice de Sharpe Restrições para as análises de Sharpe e Trynor A utilização do risco

Leia mais

Metodologia de Gerenciamento de Risco de Mercado

Metodologia de Gerenciamento de Risco de Mercado Metodologia de Gerenciamento de Risco de Mercado O Gerenciamento de Risco de Mercado das Carteiras geridas pela Rio Verde Investimentos é efetuado pela Administradora dos Fundos, no caso BNY Mellon Serviços

Leia mais

6 O Papel do BNDES e o Crédito Externo 6.1. O BNDES

6 O Papel do BNDES e o Crédito Externo 6.1. O BNDES 6 O Papel do BNDES e o Crédito Externo 6.1. O BNDES Uma vez confiantes nos resultados encontrados em relação à influência dos juros sobre o investimento na economia, partimos para uma segunda fase do estudo.

Leia mais

Seleção e Monitoramento de Fundos de Investimentos

Seleção e Monitoramento de Fundos de Investimentos 2010 Seleção e Monitoramento de Fundos de Investimentos Nota Técnica 02 Diretoria de Investimentos Previ-Rio 09/2010 NOTA TÉCNICA 02 1 - Introdução Esta nota técnica, desenvolvida pela Equipe da, tem por

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

5 Análise prospectiva dos investimentos das EFPC

5 Análise prospectiva dos investimentos das EFPC 5 Análise prospectiva dos investimentos das EFPC Nesta seção serão apresentados os resultados encontrados para os diversos modelos estimados. No total foram estimados dezessete 1 modelos onde a variável

Leia mais

Objetivos. Engenharia de Software. O Estudo de Viabilidade. Fase do Estudo de Viabilidade. Idéias chave. O que Estudar? O que concluir?

Objetivos. Engenharia de Software. O Estudo de Viabilidade. Fase do Estudo de Viabilidade. Idéias chave. O que Estudar? O que concluir? Engenharia de Software O Estudo de Viabilidade Objetivos O que é um estudo de viabilidade? O que estudar e concluir? Benefícios e custos Análise de Custo/Benefício Alternativas de comparação 1 2 Idéias

Leia mais

RENTABILIDADE E RISCO NOS MERCADOS FINANCEIROS. Série Estudos nº10

RENTABILIDADE E RISCO NOS MERCADOS FINANCEIROS. Série Estudos nº10 RENTABILIDADE E RISCO NOS MERCADOS FINANCEIROS Luís Portugal Série Estudos nº10 2 de Março de 2010 Actuarial - Consultadoria 1 Índice 1. INTRODUÇÃO... 3 2. EVOLUÇÃO DOS ÍNDICES... 3 3. RENTABILIDADE E

Leia mais

Análises: Análise Fundamentalista Análise Técnica

Análises: Análise Fundamentalista Análise Técnica Análises: Análise Fundamentalista Análise Técnica Análise Fundamentalista Origem remonta do final do século XIX e princípio do século XX, quando as corretoras de bolsa tinham seus departamentos de análise

Leia mais

3 Metodologia 3.1. Tipo de pesquisa

3 Metodologia 3.1. Tipo de pesquisa 3 Metodologia 3.1. Tipo de pesquisa Escolher o tipo de pesquisa a ser utilizado é um passo fundamental para se chegar a conclusões claras e responder os objetivos do trabalho. Como existem vários tipos

Leia mais

MS777 : Projeto Supervionado I

MS777 : Projeto Supervionado I MS777 : Projeto Supervionado I Aluno: Orientador: Bruno Luís Hönigmann Cereser RA:072864 Prof. Dr. Laércio Luis Vendite 1 Objetivos do Trabalho O objetivo desse trabalho é um estudo da lógica fuzzy para

Leia mais

Aula 5 Metodologias de avaliação de impacto

Aula 5 Metodologias de avaliação de impacto Aula 5 Metodologias de avaliação de impacto Metodologias de Avaliação de Impacto Objetiva quantificar as mudanças que o projeto causou na vida dos beneficiários. Plano de Aula Método experimental: regressão

Leia mais

Análise de Sensibilidade

Análise de Sensibilidade Análise de Risco de Projetos Análise de Risco Prof. Luiz Brandão Métodos de Avaliação de Risco Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista a pensar em diversos

Leia mais

MS 777 Projeto Supervisionado Professor: Laércio Luis Vendite Ieda Maria Antunes dos Santos RA: 033337

MS 777 Projeto Supervisionado Professor: Laércio Luis Vendite Ieda Maria Antunes dos Santos RA: 033337 1 Análise de Investimentos MS 777 Projeto Supervisionado Professor: Laércio Luis Vendite Ieda Maria Antunes dos Santos RA: 033337 2 Sumário 1- Juros------------------------------------------------------------------------------------------------------

Leia mais

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos

Leia mais

APOSTILA DE AVALIAÇÃO DE EMPRESAS POR ÍNDICES PADRONIZADOS

APOSTILA DE AVALIAÇÃO DE EMPRESAS POR ÍNDICES PADRONIZADOS UNIVERSIDADE DO ESTADO DE SANTA CATARINA ESCOLA SUPERIOR DE ADMINISTRAÇÃO E GERÊNCIA DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS PROGRAMA DE EXTENSÃO: CENTRO DE DESENVOLVIMENTO EM FINANÇAS PROJETO: CENTRO DE CAPACITAÇÃO

Leia mais

Previsão de demanda em uma empresa farmacêutica de manipulação

Previsão de demanda em uma empresa farmacêutica de manipulação Previsão de demanda em uma empresa farmacêutica de manipulação Ana Flávia Brito Rodrigues (Anafla94@hotmail.com / UEPA) Larissa Pinto Marques Queiroz (Larissa_qz@yahoo.com.br / UEPA) Luna Paranhos Ferreira

Leia mais

ANÁLISE ECONÔMICO-FINANCEIRA DAS SIDERÚRGICAS LISTADAS NA BOVESPA: COMPARAÇÃO POR ÍNDICES-PADRÃO

ANÁLISE ECONÔMICO-FINANCEIRA DAS SIDERÚRGICAS LISTADAS NA BOVESPA: COMPARAÇÃO POR ÍNDICES-PADRÃO XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE ECONÔMICO-FINANCEIRA DAS SIDERÚRGICAS LISTADAS NA BOVESPA: COMPARAÇÃO POR ÍNDICES-PADRÃO Rafael Martins Noriller (UFGD) rafael_mn1985@hotmail.com

Leia mais

Aula 5 Técnicas para Estimação do Impacto

Aula 5 Técnicas para Estimação do Impacto Aula 5 Técnicas para Estimação do Impacto A econometria é o laboratório dos economistas, que busca reproduzir o funcionamento do mundo de forma experimental, como se faz nas ciências naturais. Os modelos

Leia mais

Pindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO

Pindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO Pindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO 1. Uma empresa utiliza tecidos e mão-de-obra na produção de camisas em uma fábrica que foi adquirida por $10 milhões. Quais de seus insumos

Leia mais

POLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO

POLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO POLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO 1. INTRODUÇÃO A política de Risco de Mercado do Scotiabank Brasil ( Scotiabank ) é baseada na política do grupo de Risk Management Global do Scotiabank

Leia mais

Risco e Retorno dos Investimentos. Paulo Pereira Ferreira Miba 507

Risco e Retorno dos Investimentos. Paulo Pereira Ferreira Miba 507 Risco e Retorno dos Investimentos Paulo Pereira Ferreira Miba 507 Risco e Retorno Esperados Linha Característica Linha do Mercado de Títulos Linha de Combinação Realidade Brasileira genda Risco e Retorno

Leia mais

5 Sistema americano. 5.1 Forma de Ressuprimento

5 Sistema americano. 5.1 Forma de Ressuprimento 5 Sistema americano O objetivo deste capítulo é descrever o sistema de programação de entregas e previsão de demanda para clientes VMI utilizado pela matriz da Empresa de Gases Alfa nos Estados Unidos.

Leia mais

3 Metodologia 3.1. Tipo de pesquisa

3 Metodologia 3.1. Tipo de pesquisa 3 Metodologia 3.1. Tipo de pesquisa A definição do tipo de pesquisa é fundamental para a escolha da metodologia adequada, só assim será possível atingir os objetivos propostos. Esta pesquisa usará a classificação

Leia mais

ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO

ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO 1. INTRODUÇÃO O Scotiabank Brasil (SBB), em atendimento à Resolução CMN 3.464 e alinhado a política global do grupo, implementou estrutura de Gerenciamento

Leia mais

Felipe Lopes Meira Alves Matrícula nº: 121003

Felipe Lopes Meira Alves Matrícula nº: 121003 UNIVERSIDADE FEDERAL DO RIO DE JANEIRO INSTITUTO DE ECONOMIA MBA EM FINANÇAS EMPRESARIAIS TRABALHO DE CONCLUSÃO DE CURSO Fronteira eficiente: Uma aplicação ao mercado brasileiro em 2012 Felipe Lopes Meira

Leia mais

Unidade IV INTERPRETAÇÃO DAS. Prof. Walter Dominas

Unidade IV INTERPRETAÇÃO DAS. Prof. Walter Dominas Unidade IV INTERPRETAÇÃO DAS DEMONSTRAÇÕES CONTÁBEIS Prof. Walter Dominas Conteúdo programático Unidade I Avaliação de Empresas Metodologias Simples Unidade II Avaliação de Empresas - Metodologias Complexas

Leia mais

Curso Preparatório CPA20

Curso Preparatório CPA20 Página 1 de 9 Você acessou como Flávio Pereira Lemos - (Sair) Curso Preparatório CPA20 Início Ambiente ) CPA20_130111_1_1 ) Questionários ) Passo 2: Simulado Módulo II ) Revisão da tentativa 1 Iniciado

Leia mais

SISTEMAS DE INFORMAÇÕES GERENCIAIS

SISTEMAS DE INFORMAÇÕES GERENCIAIS 1 SISTEMAS DE INFORMAÇÕES GERENCIAIS John F. Eichstaedt, Toni Édio Degenhardt Professora: Eliana V. Jaeger RESUMO: Este artigo mostra o que é um SIG (Sistema de Informação gerencial) em uma aplicação prática

Leia mais

SÉRIE IPO s: TUDO O QUE VOCÊ PRECISA SABER SOBRE ABERTURA DE CAPITAL. Parte 5: Os investidores

SÉRIE IPO s: TUDO O QUE VOCÊ PRECISA SABER SOBRE ABERTURA DE CAPITAL. Parte 5: Os investidores SÉRIE IPO s: TUDO O QUE VOCÊ PRECISA SABER SOBRE ABERTURA DE CAPITAL Parte 5: Os investidores o Quem são os investidores o Como o investidor decide o Métodos de Avaliação o Relações pós-abertura de capital

Leia mais

O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE II

O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE II O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE II! Como implementar o escore de crédito?! Como avaliar o escore de crédito?! Como calcular a função discriminante usando o Excel?! Como aplicar a função

Leia mais

SÉRIE IPO s: TUDO O QUE VOCÊ PRECISA SABER SOBRE ABERTURA DE CAPITAL. Parte 3: Qual o Valor das Empresas que Abriram o Capital entre 2004 e 03/2006

SÉRIE IPO s: TUDO O QUE VOCÊ PRECISA SABER SOBRE ABERTURA DE CAPITAL. Parte 3: Qual o Valor das Empresas que Abriram o Capital entre 2004 e 03/2006 SÉRIE IPO s: TUDO O QUE VOCÊ PRECISA SABER SOBRE ABERTURA DE CAPITAL Parte 3: Qual o Valor das Empresas que Abriram o o A Quantidade do Capital Vendido o O Valor das Empresas no dia do IPO o O Valor das

Leia mais

Escolha de Portfólio. Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/

Escolha de Portfólio. Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/ Escolha de Portfólio considerando Risco e Retorno Aula de Fernando Nogueira da Costa Fernando Nogueira da Costa Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/ Relação entre risco e

Leia mais

2 Referencial Teórico

2 Referencial Teórico 2 Referencial Teórico Baseado na revisão da literatura, o propósito deste capítulo é apresentar a estrutura conceitual do tema de Avaliação de Investimentos, sendo dividido em diversas seções. Cada seção

Leia mais

Medindo a Produtividade do Desenvolvimento de Aplicativos

Medindo a Produtividade do Desenvolvimento de Aplicativos Medindo a Produtividade do Desenvolvimento de Aplicativos Por Allan J. Albrecht Proc. Joint SHARE/GUIDE/IBM Application Development Symposium (October, 1979), 83-92 IBM Corporation, White Plains, New York

Leia mais

Posição e Desempenho da Carteira - Resumo HSBC INSTITUIDOR FUNDO MULTIPLO - MODERADA MIX 20

Posição e Desempenho da Carteira - Resumo HSBC INSTITUIDOR FUNDO MULTIPLO - MODERADA MIX 20 BENCHMARK RF:80.00% ( 100.00%CDI ) + RV:20.00% ( 100.00%IBRX 100 ) Relatório Gerencial Consolidado - Período de 01/04/2015 Posição e Desempenho da Carteira - Resumo a 30/04/2015 pg. 1 Posição Sintética

Leia mais

Projeto Supervisionado

Projeto Supervisionado Projeto Supervisionado Caio Almasan de Moura ra: 095620 Indice 1. Introdução 2. Principal Projeto: Modelo de Score 2.1. Objetivo... pg 3 2.2. Agentes Envolvidos... pg 3 2.3. Contextualização... pg 3 2.4.

Leia mais

Correlação Canônica. Outubro / 1998. Versão preliminar. Fabio Vessoni. fabio@mv2.com.br (011) 30642254. MV2 Sistemas de Informação

Correlação Canônica. Outubro / 1998. Versão preliminar. Fabio Vessoni. fabio@mv2.com.br (011) 30642254. MV2 Sistemas de Informação Correlação Canônica Outubro / 998 Versão preliminar Fabio Vessoni fabio@mv.com.br (0) 306454 MV Sistemas de Informação Introdução Existem várias formas de analisar dois conjuntos de dados. Um dos modelos

Leia mais

Contabilometria. Aula 10 Grau de Ajustamento e Verificação das Premissas MQO

Contabilometria. Aula 10 Grau de Ajustamento e Verificação das Premissas MQO Contabilometria Aula 10 Grau de Ajustamento e Verificação das Premissas MQO Ferramentas -------- Análise de Dados -------- Regressão Regressão Linear - Exemplo Usando o Excel Regressão Linear Output do

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

TUDO O QUE VOCÊ PRECISA SABER SOBRE O INDICADOR : RETORNO SOBRE O PATRIMÔNIO LÍQUIDO

TUDO O QUE VOCÊ PRECISA SABER SOBRE O INDICADOR : RETORNO SOBRE O PATRIMÔNIO LÍQUIDO TUDO O QUE VOCÊ PRECISA SABER SOBRE O INDICADOR : RETORNO SOBRE O PATRIMÔNIO LÍQUIDO! Quanto ao nome do indicador! Quanto à reinversão dos lucros mensais! Quanto aos novos investimentos em fase de maturação!

Leia mais

DURATION - AVALIANDO O RISCO DE MUDANÇA NAS TAXAS DE JUROS - PARTE lli

DURATION - AVALIANDO O RISCO DE MUDANÇA NAS TAXAS DE JUROS - PARTE lli DURATION - AVALIANDO O RISCO DE MUDANÇA NAS TAXAS DE JUROS - PARTE lli! Entendendo melhor a duração modificada! Como utilizar a duração modificada?! O que é imunização?! Qual o efeito da mudança do cupom

Leia mais

Retorno e risco de carteiras de investimento

Retorno e risco de carteiras de investimento Retorno e risco de carteiras de investimento 1 OBJETIVOS DA UNIDADE DE ESTUDO Compreender o processo de avaliação do risco de uma carteira. Definir e mensurar a covariancia entre duas variáveis Definir

Leia mais

Uma análise econômica do seguro-saúde Francisco Galiza Outubro/2005 www.ratingdeseguros.com.br

Uma análise econômica do seguro-saúde Francisco Galiza Outubro/2005 www.ratingdeseguros.com.br Uma análise econômica do seguro-saúde Francisco Galiza Outubro/2005 www.ratingdeseguros.com.br Um dos ramos mais importantes do mercado segurador brasileiro é o de saúde. Surgido sobretudo com uma opção

Leia mais

LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O ALFA II AÇÕES - FUNDO DE INVESTIMENTO EM AÇÕES DA PETROBRAS CNPJ: 03.919.927/0001-18

LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O ALFA II AÇÕES - FUNDO DE INVESTIMENTO EM AÇÕES DA PETROBRAS CNPJ: 03.919.927/0001-18 LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O ALFA II AÇÕES - FUNDO DE INVESTIMENTO EM AÇÕES DA PETROBRAS Informações referentes à Dezembro de 2015 Esta lâmina contém um resumo das informações essenciais sobre

Leia mais

DÓLAR FUTURO X DÓLAR PRONTO NO FUTURO: EVIDÊNCIA EMPÍRICA PÓS-PLANO REAL. Autoria: Maurício Barreto Campos e Adonírio Panzieri Filho

DÓLAR FUTURO X DÓLAR PRONTO NO FUTURO: EVIDÊNCIA EMPÍRICA PÓS-PLANO REAL. Autoria: Maurício Barreto Campos e Adonírio Panzieri Filho DÓLAR FUTURO X DÓLAR PRONTO NO FUTURO: EVIDÊNCIA EMPÍRICA PÓS-PLANO REAL. Autoria: Maurício Barreto Campos e Adonírio Panzieri Filho RESUMO Este artigo relata uma pesquisa empírica de teste e quantificação

Leia mais

COMO CALCULAR O COEFICIENTE BETA DE UMA EMPRESA DE CAPITAL FECHADO

COMO CALCULAR O COEFICIENTE BETA DE UMA EMPRESA DE CAPITAL FECHADO COMO CALCULAR O COEFICIENTE BETA DE UMA Como dimensionar o Custo de Capital de uma empresa de capital fechado? Como solucionar a apuração de custo de capital no Brasil? A determinação do coeficiente Beta

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avaliação de Empresas Profa. Patricia Maria Bortolon Profa. Patricia Maria Bortolon Avaliação Relativa ou por Múltiplos Pressupostos Básicos Ativos semelhantes devem ter preços semelhantes. O valor da

Leia mais

Posição e Desempenho da Carteira - Resumo HSBC INSTITUIDOR FUNDO MULTIPLO - CONSERVADORA FIX

Posição e Desempenho da Carteira - Resumo HSBC INSTITUIDOR FUNDO MULTIPLO - CONSERVADORA FIX BENCHMARK 100.00%CDI Relatório Gerencial Consolidado - Período de 01/04/2015 Posição e Desempenho da Carteira - Resumo a 30/04/2015 pg. 1 Posição Sintética dos Ativos em 30/04/2015 Financeiro % PL FUNDOS

Leia mais

LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O SPINELLI FUNDO DE INVESTIMENTO EM AÇÕES CNPJ 55.075.238/0001-78 SETEMBRO/2015

LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O SPINELLI FUNDO DE INVESTIMENTO EM AÇÕES CNPJ 55.075.238/0001-78 SETEMBRO/2015 Esta lâmina contém um resumo das informações essenciais sobre o Spinelli Fundo de Investimento em Ações. As informações completas sobre esse fundo podem ser obtidas no Prospecto e no Regulamento do fundo,

Leia mais

PERGUNTAS E RESPOSTAS QUE TODO EXECUTIVO FINANCEIRO GOSTARIA DE FAZER SOBRE ANÁLISE ECONÔMICA

PERGUNTAS E RESPOSTAS QUE TODO EXECUTIVO FINANCEIRO GOSTARIA DE FAZER SOBRE ANÁLISE ECONÔMICA CAVALCANTE & PERGUNTAS E RESPOSTAS QUE TODO EXECUTIVO FINANCEIRO GOSTARIA DE FAZER SOBRE ANÁLISE ECONÔMICA! O conceito de econômico e financeiro! Como concluir com base em indicadores! Construção de índices

Leia mais

Carteira Top Pick Dezembro 01.12.13

Carteira Top Pick Dezembro 01.12.13 CARTEIRA COMENTÁRIO Carteira Top Pick Dezembro 01.12.13 A carteira direcional recomendada pela equipe de analistas da Socopa Corretora é mensalmente avaliada buscando relacionar as cinco melhores opções

Leia mais

Manual de Risco Yield Capital

Manual de Risco Yield Capital Manual de Risco Yield Capital Introdução: O objetivo deste manual é apresentar a metodologia utilizada no sistema de risco da Yield Capital. Os fundos tem seu risco de mercado monitorado diariamente utilizando,

Leia mais

Perfil de investimentos

Perfil de investimentos Perfil de investimentos O Fundo de Pensão OABPrev-SP é uma entidade comprometida com a satisfação dos participantes, respeitando seus direitos e sempre buscando soluções que atendam aos seus interesses.

Leia mais

OTIMIZAÇÃO MULTICRITÉRIO DE CARTEIRA DE INVESTIMENTOS

OTIMIZAÇÃO MULTICRITÉRIO DE CARTEIRA DE INVESTIMENTOS Anais do 14 O Encontro de Iniciação Científica e Pós-Graduação do ITA XIV ENCITA / 2008 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 20 a 23 2008. OTIMIZAÇÃO MULTICRITÉRIO

Leia mais

Administração Financeira II

Administração Financeira II Administração Financeira II Introdução as Finanças Corporativas Professor: Roberto César INTRODUÇÃO AS FINANÇAS CORPORATIVAS Administrar é um processo de tomada de decisões. A continuidade das organizações

Leia mais

4 Tentativas de se Modelar Alterações no Prêmio de Risco

4 Tentativas de se Modelar Alterações no Prêmio de Risco 4 Tentativas de se Modelar Alterações no Prêmio de Risco Antes de partirmos para considerações sobre as diversas tentativas já realizadas de se modelar alterações no prêmio de risco, existe um ponto conceitual

Leia mais

4 Metodologia. 4.1. Base de dados

4 Metodologia. 4.1. Base de dados 4 Metodologia O objetivo deste capítulo é explicar os procedimentos adotados para a coleta e tratamento dos dados. Utilizou-se a metodologia apresentada por PEREIRO, L.E. (2001) para a determinação do

Leia mais

6 Construção de Cenários

6 Construção de Cenários 6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.

Leia mais

Este capítulo é divido em duas seções, a primeira seção descreve a base de

Este capítulo é divido em duas seções, a primeira seção descreve a base de 30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações

Leia mais

LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O VIDA FELIZ FUNDO DE INVESTIMENTO EM AÇÕES CNPJ 07.660.310/0001-81 OUTUBRO/2015

LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O VIDA FELIZ FUNDO DE INVESTIMENTO EM AÇÕES CNPJ 07.660.310/0001-81 OUTUBRO/2015 Esta lâmina contém um resumo das informações essenciais sobre o Vida Feliz Fundo de Investimento em Ações. As informações completas sobre esse fundo podem ser obtidas no Prospecto e no Regulamento do fundo,

Leia mais

PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES?

PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES? PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES? Índice 1. O que é planejamento de...3 1.1. Resultados do planejamento de vendas e operações (PVO)...

Leia mais

Capítulo 7 Medidas de dispersão

Capítulo 7 Medidas de dispersão Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).

Leia mais

Representa o quanto a empresa tomou de capital de terceiros para cada $100 de capital próprio. Capital de Terceiros. Patrimônio Líquido

Representa o quanto a empresa tomou de capital de terceiros para cada $100 de capital próprio. Capital de Terceiros. Patrimônio Líquido RAU DE EDVDAETO Conceituação Representa o quanto a empresa tomou de capital de terceiros para cada $100 de capital próprio. étodo de Cálculo endiv. = Capital de Terceiros Patrimônio Líquido X 100 Definição

Leia mais

1. Introdução. 1.1 Introdução

1. Introdução. 1.1 Introdução 1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de

Leia mais

Gerenciamento de Projetos Técnicas e Ferramentas iniciais

Gerenciamento de Projetos Técnicas e Ferramentas iniciais Gerenciamento de Projetos Técnicas e Ferramentas iniciais Metodologia Aula Teórica Exemplos e Exercícios práticos Questões de concursos anteriores Metodologia e Bibliografia Fontes PMBOK, 2004. Project

Leia mais

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL Marcelo Maciel Monteiro Universidade Federal Fluminense, Engenharia de Produção Rua Martins Torres 296, Santa Rosa, Niterói, RJ, Cep 24240-700

Leia mais

AULAS 24 E 25 Análise de Regressão Múltipla: Inferência

AULAS 24 E 25 Análise de Regressão Múltipla: Inferência 1 AULAS 24 E 25 Análise de Regressão Múltipla: Inferência Ernesto F. L. Amaral 23 e 25 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma

Leia mais

Módulo 4 - Especulação e Cobertura de Riscos com Futuros

Módulo 4 - Especulação e Cobertura de Riscos com Futuros Sumário Módulo 4 - Especulação e Cobertura de Riscos com Futuros ISEG Universidade Técnica de Lisboa 6 de Maio de 2005 Parte I Sumário Parte I: Arbitragem com Futuros Parte II: Especulação com Futuros

Leia mais

3 Literatura teórica

3 Literatura teórica 23 3 Literatura teórica O FFP é um exemplo de programa bem sucedido na indução de lealdade dos consumidores. Tal programa recompensa consumidores por acúmulo de viagens numa mesma companhia, enquanto pune

Leia mais

3 Método de Monte Carlo

3 Método de Monte Carlo 25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional

Leia mais

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA O que é risco? Quais são os tipos de riscos? Quais são os tipos de análises? Qual a principal função do Excel para gerar simulações aleatórias? O que é distribuição

Leia mais

GESTÃO DO CRÉDITO: AVALIAÇÃO DO RISCO, E ANÁLISE PARA TOMADA DE DECISÃO DE CRÉDITO

GESTÃO DO CRÉDITO: AVALIAÇÃO DO RISCO, E ANÁLISE PARA TOMADA DE DECISÃO DE CRÉDITO Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 109 GESTÃO DO CRÉDITO: AVALIAÇÃO DO RISCO, E ANÁLISE PARA TOMADA DE DECISÃO DE CRÉDITO Claudinei Higino da Silva,

Leia mais

Contabilidade Gerencial 2. Contabilidade Gerencial. Projeção do orçamento. Administração. Prof: Marcelo dos Santos. Projeção Orçamento

Contabilidade Gerencial 2. Contabilidade Gerencial. Projeção do orçamento. Administração. Prof: Marcelo dos Santos. Projeção Orçamento Administração Prof: Marcelo dos Santos Contabilidade Gerencial 2 Contabilidade Gerencial Projeção Orçamento Análise de Desempenho Projeção do orçamento Uma projeção De orçamento deve Se iniciar pela vendas.

Leia mais

ENTENDENDO OS CONCEITOS DE RISCO E RETORNO

ENTENDENDO OS CONCEITOS DE RISCO E RETORNO ENTENDENDO OS CONCEITOS DE RISCO E RETORNO! O Que é Risco?! Quais as origens do Risco?! As preferências com relação ao Risco! O Que é retorno sobre o investimento? Autores: Francisco Cavalcante(f_c_a@uol.com.br)!

Leia mais

3 Metodologia de Gerenciamento de Riscos

3 Metodologia de Gerenciamento de Riscos 3 Metodologia de Gerenciamento de Riscos Este capítulo tem como objetivo a apresentação das principais ferramentas e metodologias de gerenciamento de riscos em projetos, as etapas do projeto onde o processo

Leia mais

A medida da lei de cotas para o ensino superior

A medida da lei de cotas para o ensino superior Versão 2, 1/12/2008 A medida da lei de cotas para o ensino superior Simon Schwartzman Qual o verdadeiro alcance da lei de cotas para o ensino superior aprovada pelo Congresso Nacional no Dia da Consciência

Leia mais

Este artigo é uma breve resenha da tese de mestrado em economia de Albernaz,

Este artigo é uma breve resenha da tese de mestrado em economia de Albernaz, AMELHORIA DA QUALIDADE DA EDUCAÇÃO NO BRASIL: UM DESAFIO PARA O SÉCULO XXI Introdução ANGELA ALBERNAZ* Este artigo é uma breve resenha da tese de mestrado em economia de Albernaz, 2002, 1 cujo objetivo

Leia mais

OFÍCIO-CIRCULAR/CVM/SIN/SNC/ Nº 01/2012. Rio de Janeiro, 04 de dezembro de 2012

OFÍCIO-CIRCULAR/CVM/SIN/SNC/ Nº 01/2012. Rio de Janeiro, 04 de dezembro de 2012 OFÍCIO-CIRCULAR/CVM/SIN/SNC/ Nº 01/2012 Rio de Janeiro, 04 de dezembro de 2012 Assunto: Orientação sobre os deveres e responsabilidades dos administradores e dos auditores independentes, na elaboração

Leia mais

Parametrização e configuração da ferramenta IBM Algo One ALM Base e outro Dúvida: Esclarecimento: 1. Dúvida: Esclarecimento: Dúvida:

Parametrização e configuração da ferramenta IBM Algo One ALM Base e outro Dúvida: Esclarecimento: 1. Dúvida: Esclarecimento: Dúvida: 1 Dúvida: Sobre Conciliar contabilmente os saldos da rubricas contábeis... e Consultar o resultado da conciliação..., entendemos que o Banco deseja que seja desenvolvido um relatório que concilie, com

Leia mais

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL Raquel Oliveira dos Santos, Luis Felipe Dias Lopes Programa de Pós-Graduação em Estatística e Modelagem Quantitativa CCNE UFSM, Santa Maria RS

Leia mais

INSTITUTO ASSAF: ANÁLISE DO DESEMPENHO DOS BANCOS MÉDIOS E DOS BANCOS GRANDES

INSTITUTO ASSAF: ANÁLISE DO DESEMPENHO DOS BANCOS MÉDIOS E DOS BANCOS GRANDES INSTITUTO ASSAF: ANÁLISE DO DESEMPENHO DOS BANCOS MÉDIOS E DOS BANCOS GRANDES O Instituto Assaf comparou diversos indicadores de desempenho dos bancos grandes e dos bancos médios de 2009 a 2011. Primeiramente

Leia mais

ESTUDO DE ALM SERPROS FUNDO MULTIPATROCINADO SERPRO (PSI) e SERPRO (PSII BD/PSII CD)

ESTUDO DE ALM SERPROS FUNDO MULTIPATROCINADO SERPRO (PSI) e SERPRO (PSII BD/PSII CD) ESTUDO DE ALM SERPROS FUNDO MULTIPATROCINADO SERPRO (PSI) e SERPRO (PSII BD/PSII CD) Janeiro de 2012 1 MOVIMENTOS FIC ADVANTAGE III PSI E PSII - BD Carteira Título Vencimento Alocação Atual - MTM Alocação

Leia mais

Por dentro da Política de Investimentos IPERGS Porto Alegre (RS) Fev/2015

Por dentro da Política de Investimentos IPERGS Porto Alegre (RS) Fev/2015 Por dentro da Política de Investimentos IPERGS Porto Alegre (RS) Fev/2015 Política de Investimento Os RPPS possuem obrigação legal de elaborar anualmente sua política de investimentos; Essa política deve

Leia mais

Instituto Tecnológico de Aeronáutica Engenharia de Infra-Estrutura Aeronáutica. Relatório de Estágio Curricular. Sérgio Henrique Cunha de Albuquerque

Instituto Tecnológico de Aeronáutica Engenharia de Infra-Estrutura Aeronáutica. Relatório de Estágio Curricular. Sérgio Henrique Cunha de Albuquerque Instituto Tecnológico de Aeronáutica Engenharia de Infra-Estrutura Aeronáutica Relatório de Estágio Curricular Sérgio Henrique Cunha de Albuquerque São José dos Campos Novembro/2005 Relatório de estágio

Leia mais

Simulado: Análise das Demonstrações Contábeis p/ TCU

Simulado: Análise das Demonstrações Contábeis p/ TCU Simulado: Análise das Demonstrações Contábeis p/ TCU Prezados(as), para fins de revisão de alguns pontos da disciplina de Análise das Demonstrações Contábeis, exigida no concurso para Auditor Federal de

Leia mais

MANUTENÇÃO PREDITIVA : BENEFÍCIOS E LUCRATIVIDADE.

MANUTENÇÃO PREDITIVA : BENEFÍCIOS E LUCRATIVIDADE. 1 MANUTENÇÃO PREDITIVA : BENEFÍCIOS E LUCRATIVIDADE. Márcio Tadeu de Almeida. D.Eng. Professor da Escola Federal de Engenharia de Itajubá. Consultor em Monitoramento de Máquinas pela MTA. Itajubá - MG

Leia mais

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,

Leia mais

Adoção e Aplicação da IFRS

Adoção e Aplicação da IFRS IFRS Normas internacionais de contabilidade PARTE I Adoção e Aplicação da IFRS AULA 2 Prof. MSc. Márcio de Souza e Silva Objetivos: Compreender como adotar e implementar pela primeira vez as normas internacionais

Leia mais

Os fundos referenciados identificam em seu nome o indicador de desempenho que sua carteira tem por objetivo acompanhar.

Os fundos referenciados identificam em seu nome o indicador de desempenho que sua carteira tem por objetivo acompanhar. FUNDO REFERENCIADO DI Os fundos referenciados identificam em seu nome o indicador de desempenho que sua carteira tem por objetivo acompanhar. Para tal, investem no mínimo 80% em títulos públicos federais

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análise Exploratória de Dados Profª Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Programa de Pós-graduação em Saúde Coletiva email: alcione.miranda@gmail.com Introdução O primeiro passo

Leia mais

4 Estratégias para Implementação de Agentes

4 Estratégias para Implementação de Agentes Estratégias para Implementação de Agentes 40 4 Estratégias para Implementação de Agentes As principais dúvidas do investidor humano nos dias de hoje são: quando comprar ações, quando vendê-las, quanto

Leia mais

Exemplo de Aplicação do DataMinig

Exemplo de Aplicação do DataMinig Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta

Leia mais

Leilão do IRB: Considerações Econômicas

Leilão do IRB: Considerações Econômicas Leilão do IRB: Considerações Econômicas Francisco Galiza - Mestre em Economia (FGV) Março/2000 SUMÁRIO: I) Introdução II) Parâmetros Usados III) Estimativas IV) Conclusões 1 I) Introdução O objetivo deste

Leia mais

Back-Test no MetaStock

Back-Test no MetaStock Back-Test no MetaStock Visão Geral Tela principal do System Tester O System Tester visa testar sistemas (trading systems) para determinar seu histórico de rentabilidade. Ele ajuda a responder a pergunta

Leia mais

DO PLANO DE CONTRIBUIÇÃO DEFINIDA

DO PLANO DE CONTRIBUIÇÃO DEFINIDA GUIA PARA A ESCOLHA DO PERFIL DE INVESTIMENTO DO PLANO DE CONTRIBUIÇÃO DEFINIDA Caro Participante: Preparamos para você um guia contendo conceitos básicos sobre investimentos, feito para ajudá-lo a escolher

Leia mais

Parte 1 Risco e Retorno

Parte 1 Risco e Retorno TÓPICOSESPECIAIS EM FINANÇAS: AVALIAÇÃO DE PROJETOS E OPÇÕES REAIS. AGENDA 1. RISCO E RETORNO 2. CUSTO DE CAPITAL PROF. LUIZ E. BRANDÃO 3. CUSTO MÉDIO PONDERADO DE CAPITAL (WACC) RAFAEL IGREJAS Parte 1

Leia mais