Finanças as Comportamentais

Transcrição

1 Fnanças as Comportamentas Prf. José Fajardo Barbachan IBMEC Mercado Efcente Um mercado fnancero é efcente se o preço de cada atvo é gual ao valor esperado descontado dos fluxos de caxa futuros. Perguntas: Expectatvas de quem? Qual é a taxa de desconto?

2 Mercado Efcente Duas suposções centras da Hpóteses de mercados efcentes a) Investdores possuem expectatvas raconas b) Se sto não acontece, arbtragem traz o preço para os fundamentos Arbtragem Mondglan-Mller: Arbtragem= A compra e venda smultânea do mesmo, ou essencalmente smlar, atvo em dos mercados dferentes, por preços vantajosamente dferentes Este tpo de arbtragem possu três prncpas característcas:

3 Arbtragem. Com certeza, sto não requer captal.. Produz lucro postvo no prmero período 3. Não enfrenta rsco Duas deas adconas devdas a Mlton Fredman Investdores rraconas perdem dnhero e desaparecem Investdores rraconas aprendem Algumas frases As fnanças tradconas estão mas concentradas em checar que duas garrafas de ketchup de 400 gr esta perto do preço de uma garrafa de 800 gr.. Larry Summers Para converter um louro num fnancsta trenado é necessáro que aprenda somente uma palavra arbtragem.. Stephen Ross O Mercado pode fcar rraconal muto mas tempo do que você fcar solvent..john Maynard Keynes 3

4 Arbtragem Mecansmos de mercado sempre corrgrão erros de apreçamento dos nvestdores espertos e raconas Porem estes erros não são passeos aleatóros e sm erros persstentes e em algum sentdo resultados de veses pscológcos. Le do Preço Únco (LPU) Bens dêntcos devem ter o mesmo preço Exemplo: uma grama de ouro deve ter o mesmo preço em Londres assm como em New York, caso contraro u ouro ra de uma cdade para outra. LPU só podera acontecer em mercados perfetamente compettvos: sem custos de transação nem barreras à entrada Por esta razão LPU não é uma boa descrção do mercado fnancero 4

5 Economas Ketchup Uma garrafa de 34 gr de ketchup é vendda a 0.59lbras e uma garrafa de 570 gr. Custa 0.69 lbras Isto vola LPU, já que 0 gr custam 0.07 na prmera garrafa, enquanto na maor custam 0.0 lbras Isto é segundo o preço da prmera garrafa, a segunda devera custar 0.98 lbras, sto sgnfca um erro de apreçamento do 43% Economas Ketchup Por que os arbtradores não corrgem este erro, vendendo a garrafa de 34g e comprando a de 570 gr? E mesmo que alguma cosa pare os arbtradores, por que alguém comprara a garrafa de 34 gr? È claro que o mercado de ketchup não é um mercado líqudo e o fato das pessoas comprarem as pequenas pode estar relaconado a preferênca, quza eles preferem garrafas pequenas por que ocupam menos espaço na geladera. 5

6 Efcênca e LPU Fama (99) defne um mercado efcente como aquele no qual os desvos da versão extrema da hpótese de efcênca estão entre nformação e custos de transação. O mercado de ketchup, segundo Fama sera classfcado como um mercado efcente, mesmo com um erro do 43%! Fama (99) chama o problema de testar a efcênca de mercado de problema da hpótese conjunta : A efcênca de mercado per se não é testável. Esta deve ser testada conjuntamente com um modelo de equlíbro Evdênca de Efcênca de Mercado (EM) 6

7 Efcênca no Mercado Braslero? Ibovespa- 003-até er Sem Efcênca no Mercado Braslero? Ibovespa er trmestre

8 Efcênca no Mercado Braslero? Dferentes Versões da EM Versão : Os Retornos dos atvos não podem ser predtos usando retornos passados dos atvos. Isto é chamado de forma fraca de efcênca do mercado ou hpótese de passeo aleatóro. 8

9 Dferentes Versões da EM Versão : Os retornos dos atvos não podem ser predtos a partr de qualquer nformação públca. Isto é chamado de forma sem forte de efcênca do mercado. Implcações: Preço dos atvos se ajustam rapdamente a toda nformação dsponível. Dferentes Versões da EM Versão 3: Os retornos dos atvos não podem ser predtos a partr de qualquer nformação: públca ou prvada. Isto é chamado de forma forte da efcênca de mercado. 9

10 Defesa do HME Investdores são raconas, logo preços de mercado são guas ao VPL dos atvos Mesmo que o nvestdor não for raconal, os negócos dos nvestdores rraconas são aleatóros e as operações se cancelam umas a outras. Mesmo que um grupo de nvestdores rraconas operem da mesma forma, arbtradores raconas elmnaram sua nfluênca no mercado. Defesa do HME Como temos vsto, arbtragem tem menos nfluenca nos preços do que esperado, sto há enfraquecdo a tercera lnha de defesa, que era a únca mas segura. Porém testes ncas deram suporte a forma semforte da HME. O Estudo de Evento Observa ao preço de um atvo antes e depos de um novo anunco sobre o atvo. O estudo mostra que o mercado reage medatamente a esta nova nformação e depos para. 0

11 HME Scholes (97) encontra alguma reação a nformação sem novdades, por exemplo: a venda de um grande bloco de ações pode levar nvestdores rraconas também a vender, causando uma queda do preço. Mas, a venda de um bloco é consderado nformação sem novdade, pos não contem nformação sobre o valor fundamental do atvo. Estudo de Evento

12 Introdução Qual o efeto de um evento econômco no valor da frma? O mpacto do evento pode ser mensurado pela varação do preço da ação na data do evento. Aplcações: - fusões e aqusções, - anúnco de resultados, - emssão de novos atvos, ou - no anúnco de varáves macroeconômcas. Descrção Sumára. Examne preços e retornos ao longo do tempo -t 0 +t Data do Anúnco

13 Descrção Sumára. Ajuste os retornos para determnar se são anormas - abordagem do Modelo de Mercado a. R t = a t + b t R mt + e t (Retorno Esperado) = a t + b t R mt b. Excesso de Retorno = (Realzado - Esperado) e t = R t -(a t + b t R mt ) Descrção Sumára. Ajuste os retornos para determnar se são anormas c. Acumule o excesso de retornos ao longo do tempo: -t 0 +t 3

14 Exemplo de Estudo de Evento Amostra: 94 empresas vítmas de tentatva de takeover Announcement Date Cumulatve Abnormal Return (%) Days Relatve to annoncement date Fonte: Keown & Pnkerton (JF 98) Merger Announcements and Insder Tradng Actvty Teste da HME Teste de HME: podemos testar a hp. de efcênca de mercado com um estudo de evento. É possível obter excessos de retorno sgnfcatvos utlzando nformação conhecda? HME => não devemos observar retornos anormas após a data de anúnco (0). 4

15 Etapas do Estudo de Evento Defnção do evento Crtéro de seleção Retornos normas e anormas Procedmento de estmação Procedmento de teste Resultados empírcos Interpretação e conclusões. Defnção do Evento Defna o evento de nteresse, e Identfque o período de exame dos preços dos atvos envolvdos no estudo (a janela do evento). Por exemplo: O evento: anúnco de resultados pelas empresas A janela do evento: é o da do anúnco. OBS.: na prátca, estende-se um pouco a janela. 5

16 . Crtéro ro de Seleção Determne o crtéro de seleção das frmas que farão parte do estudo, preocupando-se em mnmzar os eventuas problemas de vés. 3. Retornos Normas e Anormas Modele o retorno normal. Ou seja, o retorno se o evento não tvesse acontecdo: E [ R t t ] Mensure o retorno anormal: ε [ R ] t = R t E t t onde: ε t e R t são os retornos anormal e realzado. t é a nformação necessára ao modelo de performance normal. 6

17 3. Modelando os Retornos Normas Hpótese: Seja R t o vetor (N x ) dos retornos de N atvos na data t. R t é ndependente e normal multvarado. Podemos calcular os retornos normas de formas alternatvas: Retorno constante 3. Modelando os Retornos Normas R t [ ] = Var[ ξ ] = σ E ξ = μ + ξ t t 0 t ξ Modelo de Mercado R E t = α + β R [ ε ] = Var[ ε ] = t mt + ε 0 t σ ε t 7

18 3. Modelando os Retornos Normas O Modelo de Mercado é um aperfeçoamento sobre o Retorno Constante, pos tende a reduzr a varânca dos retornos anormas. O ganho dependerá do R da regressão do modelo de mercado: [ R ] Var[ R ] σ ξ = Var t μ = t e: σ ε = Var = = [ R α β R ] Var[ Rt ] β Var[ Rmt ] = ( R ) Var[ Rt ] ( R ) σ t ξ mt onde: R éo R do modelo de mercardo. Notação: 3. Medndo os Retornos Normas T 0 T 0 T T 3 τ (estmação] (evento] (pós-evento] Indexamos a data por τ e defnmos τ = 0 como a data do evento; τ = T 0 + a τ = T é a janela de estmação, com L = T -T 0 elementos; τ = T + a τ = T é a janela do evento, com L = T -T elementos. 8

19 3. Medndo os Retornos Anormas Dado o modelo de mercado para o atvo na data τ: R = α + β R + ε τ mτ τ a amostra da janela de estmação pode ser representada pelo sstema: [ ] ' R = θ + ε onde: é um vetor (L x ), é uma = R,T...R,T 0 + = ι R m matrz (L x ) com um vetor ι de uns e o vetor de mercado R = [...R ] ', e θ = [ α β ] ' é um vetor ( x ). R [ ] m Rm,T 0 + m,t 3. Medndo os Retornos Anormas Com: R = θ + ε os estmadores de OLS dos parâmetros do modelo de mercado são: θ σ ε ε = Var ' ( ) = R θ ' ' = ε ε L ' [ θ ] = ( ) σ R ε 9

20 0 Propredades estatístcas dos retornos anormas: Sendo: o vetor (L x ) de retornos anormas da janela do evento, temos: m θ R R ι R ε = = β α [ ] [ ] ( ) ( ) [ ] 0 = = = E E E θ θ θ R θ R ε 3. Medndo os Retornos Anormas 3. Medndo os Retornos Anormas e: Ou seja, sob H 0 de nenhum mpacto do evento, temos que: [ ] ( ) [ ] ( ) [ ] [ ] ( ) ( ) ( )( ) ( ) ' ' ' ' ' ' ' ' ' ' ε E E E σ ε σ I θ θ θ θ ε θ θ θ θ ε ε ε θ θ ε θ θ ε ε ε V + = + = = = ( ) N V 0 ε, ~ 3. Medndo os Retornos Anormas 3. Medndo os Retornos Anormas

21 3. Acumulando os Retornos Anormas Defna CAR (τ, τ ) como o retorno anormal acumulado do atvo entre as datas τ e τ com T < τ <= τ <=T. Então, temos: e: CAR ( τ, τ ) = γ ' ε [ ' ( τ, τ )] = σ ( τ τ ) = γ V γ Var CAR, onde: γ éum vetor (L x ) com uns nas posções de τ -T a τ - T e zeros nas demas. 4. Testando Retornos Anormas Sob H 0 : CAR ( ) ( τ, τ ) ~ N 0, σ ( τ, τ ) e podemos testar retornos anormas para o atvo utlzando a estatístca de teste: CAR ( ) ( τ, τ ) SCAR τ, τ = τ, τ ( ) Sob H 0, a estatístca tem dstrbução de Student com (L -) graus de lberdade (Lembre que para L >30 podemos aproxmar pela normal). σ

22 4. Testando Retornos Anormas Dada uma amostra de N eventos, podemos calcular o vetor médo: ε = N N = ε Var N [ ε ] = V = N = V e proceder como no caso dos atvos ndvduas. 4. Testando Retornos Anormas ( ) Defna CAR τ,τ como o retorno anormal acumulado do atvo entre as datas τ e τ com T < τ <= τ <=T. Então, temos: e: CAR Var ( τ, τ ) γ' ε [ CAR ( τ, τ )] = ( τ, τ ) = γ' Vγ. σ onde: γ éum vetor (L x ) com uns nas posções de τ -T a τ - T e zeros nas demas.

23 4. Testando Retornos Anormas Equvalentemente, podemos obter CAR ( τ,τ ) por: CAR N ( τ, τ ) = CAR ( τ, τ ) = Sob H 0 : N [ ( τ, τ )] = σ ( τ, τ ) = ( τ, τ ). VarCAR CAR N σ = ( ) ( τ, τ ) ~ N 0, ( τ τ ) σ, 4. Testando Retornos Anormas e podemos testar retornos anormas para o evento utlzando a estatístca de teste: J CAR ( τ, τ ) [ ( τ, τ )] a = N σ ( 0, ) que vale assntotcamente, uma vez que temos um estmador no denomnador. ~ 3

24 4. Testando Retornos Anormas Um procedmento alternatvo é agregar os SCAR (τ, τ ): SCAR N SCAR, N = ( τ, τ ) = ( τ τ ) Supondo que não a sobreposção das janelas dos N atvos, sob H 0, SCAR será assntotcamente normalmente dstrbuído: ( τ,τ ) J N ( L 4) a = SCAR L ~ N, ( τ, τ ) ( ). 0 Reação Exagerada Segundo HME: Os mercados não tem memóra. Porém De Bondt and Thaler (985) Does the Stock Market Overreact Journal of Fnance Retornos mensas da NYSE Janero 96- Dezembro 98 Cada tercero ano a partr de janero 930 (mês 49) os 7 resíduos dos retornos mensas são estmados. O procedmento é repetdo 6 vezes até janero 975. Em dezembro de 93 calculamos o excesso de retorno acumulado dos 36 meses anterores, fazemos sto até dezembro 977. Rankeamos estes excessos em cada um das 6 vezes. Formamos carteras com os 35 melhores atvos (carteras Vencedoras) e outros carteras com os 35 pores (carteras Perdedoras). 4

25 Reação Exagerada Agora para cada cartera começado em janero de 933 até dezembro 980, calculamos o CAR V,n,t e CAR P,n,t dos próxmo 36 meses, n=,..,6 e t=,..,36 Logo com os 6 períodos de teste e os CAR calculamos o ACAR V,t e ACAR P,t A hpótese de reação exagerada dz que para todo t>0, ACAR V,t <0 e ACAR P,t >0. Daqu ACAR P,t -ACAR V,t >0 Por últmo temos que ver se esta dferença é estatstcamente sgnfcatva: 5

26 De Bondt and Thaler (985) De Bondt and Thaler (985) A cartera perdedora teve um ótmo resultado, bem depos, de 0% e a vencedora teve um péssmo resultado depos de -5%, spread do 5%. 6

27 No Brasl Bonomo e Dall Agnol (004). Retornos Anormas e Estratégas Contráras. Revsta Braslera de Fnanças. Fzeram o mesmo exercíco com dados da BOVESPA e da SOMA de 986 a 000. Encontram evdênca de lucratvdade de estratégas contráras para horzontes de 3 meses a 3 anos, A lucratvdade das estratégas contráras é nclusve maor para horzontes mas curtos, No Brasl Renato Rodrgues de Aguar (006): Prevsbldade de Retornos no Mercado Aconáro Braslero. Dssertação de Mestrado IBMEC Não rejeta a hpótese do efeto pequenaempresa ; Conforme esperado, menores graus de autocorrelação são evdencados nos retornos mensas. Isso ndca que custos de transação podem mpactar efcênca dos retornos dos preços no curtíssmo prazo. A hpótese nula de não exstênca de efetos sazonas mensas, como o efeto Janero, não é rejetada. 7

28 Retornos passados podem predzer retornos futuros? Investdores reagem exageradamente tanto a notcas boas como runs, logo atvos que subram nos últmos três anos devdo a boas notcas tem preços muto altos e aqueles que caíram devdo a notcas runs tveram preço muto baxos. De Bont and Thaler vem este péssmo resultado dos vencedores como correções deste erro de apreçamento. A reação exagerada não é aceta pelos segudores de HME. A dferença na performance segundo eles é devdo a dferença nos rscos, sto é, grandes retornos na cartera perdedora são devdos a que ela é mas arrscada e não a um problema de apreçamento. Mas Anomalas Segundo HME os retornos dos atvos não pode ser predto por qualquer nformação públca, porém o coefcente valor contábl/ valor de mercado é um predtor do retorno ( Fama e French (99)) VC/VM alto sgnfca que temos varos atvos de valor e VC/VM baxo sgnfca que temos atvos de crescmento. Porém em contraste com o CAPM, estes atvos tendem a ser mas arrscados que o mercado e a ter uma performance por, especalmente em mercados em baxa. Esta evdênca é contra ou a favor da HME? 8

29 Fama e French (99) Mas Fama e French Fama e French (996), dzem que seu modelo de três fatores explcam as observações de De Bondt e Thaler Segundo Fama e French, perdedores tendem a fcar mas expostos no segundo e tercero fator, estes fatores tem prêmos pelo rsco médos maores. Mas se os retornos altos são raconas ou são produto de uma reação exagerada, anda é motvo de dscussão 9

30 Mas Fama e French Fama e French (996) dscutem uma evdênca empírca, que segundo eles não é explcada pelo CAPM, pelo modelo de 3 fatores nem pela hpótese de reação exagerada: É a contnudade da tendênca dos retornos, quando as carteras são formadas em períodos curtos de tempo, perdedores de curto prazo seguem perdendo e vencedores de curto prazo contnuam ganhando. O oposto ao resultado de De Bond e Thaler para período longos. Este momentum é consstente com a falta de reação a anunco de ganhos. Mas Fama Mas anda não temos um bom entendmento de por que exste pouca reação ou reação exagerada em alguns casos. Fama (998) argumenta que a exstênca no mercado fnancero de tas reações é consstente com HME. 30

31 Tempo de Mercado O tempo das companhas para lançar IPO toma vantagem de condções de mercado favoráves? Num mercado efcente a resposta é não, já que todos os tempos são gualmente bons. Então é o mesmo em depressões que em prosperdade: você obtém o preço justo. Num mercado nefcente, uma companha desejara lançar IPO quando os nvestdores estão otmstas assm obteram um preço melhor. Assm as companhas lançam IPO, compram atvos ou títulos quando é um bom momento para faze-lo Problemas teórcos no HME Investdores não são raconas (teora prospect, aversão à perda, etc) Desvos da raconaldade não são aleatóros (erros correlaconados) Problemas de agênca podem levar gestores de fundos a usar estratégas rraconas Arbtragem lmtada: O ponto central nas fnanças comportamentas é que a arbtragem é arrscada e daqu lmtada. 3

32 Por que a Arbtragem é arrscada? Perda de substtutos perfetos, os arbtradores não podem elmnar seus rscos vendendo o fcando ao descoberto atvos sobre valorados e comprando essencalmente o mesmo atvo que não esteja sobre valorado. Rsco fundamental: notcas sobre os atvos ao descoberto podem ser boas ou runs Dfculdade de fnancar e manter uma posção quando o erro de apreçamento fca por. Por que a Arbtragem é arrscada? O custo de nformação e transação de uma arbtragem não é trval Arbtradores são forçados a operar em mercados complexos onde o valor e ncerto e o hedge perfeto não exste. 3

33 Rscos na Arbtragem Rsco Fundamental: Este é smplesmente o rsco de que o arbtrador esteja errado na sua posção, sto é mas obvo com substtutos mperfetos. Por exemplo você esta comprado no atvo A e venddo no atvo B, por que você percebe um erro relatvo de apreçamento. Logo o atvo A anunca notcas que justfcam seu maor apreçamento em relação ao atvo B. A posção deve ser fechada com perda. Rscos na Arbtragem Devdo ao fato de que no mercado exstem nvestdores rraconas, exste o rsco que uma posção se complque pelo fato de exstrem estes nvestdores rraconas. Exstem outros rscos como o rsco de Margem este é possvelmente o mas conhecdo e entenddo dos rscos que encaram os arbtradores, quando uma posção se move contra o arbtrador, ele probabelmente sofrerá uma chamada de margem. 33

34 Rscos na Arbtragem Outro elemento de rsco concerne o rsco de lqudação nvoluntara, nos refermos uma stuação em que o arbtrador empresta atvos para fcar ao descoberto, quando o dono do atvo demanda a devolução do atvo, o arbtrador não tem outra escolha que fechar a posção prematuramente. Bblografa: gsbwww.uchcago.edu/fac/eugene.fama/research/ Fama, E. "Effcent Markets: II," Journal of Fnance, 46 (December 99), Fama E and K. French. The Cross-Secton of Expected Stock Returns, Journal of Fnance, 47 (June 99), Fama E and K. French., Sze and Book-to-Market Factors n Earnngs and Returns, Journal of Fnance, 50 (March 995), Fama E and K. French. Multfactor Explanatons of Asset Prcng Anomales, Journal of Fnance, 5 (March 996), Fama, E. Market Effcency, Long-Term Returns, and Behavoral Fnance, Journal of Fnancal Economcs, 49 (September 998),