4 Otimização e Diversificação: o Binômio Risco-Retorno

Tamanho: px
Começar a partir da página:

Download "4 Otimização e Diversificação: o Binômio Risco-Retorno"

Transcrição

1 4 Otmzação e Dversfcação: o Bnômo Rsco-Retorno O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante desafo de utlzarem estratégas que maxmzem a rentabldade das suas carteras de nvestmentos, mnmzando o rsco do portfolo. Através do processo de formação de carteras, é possível dlur o rsco envolvdo no nvestmento de captal e, anda assm, obter um maor retorno. Uma cartera de nvestmentos é uma combnação de atvos, como títulos públcos federas, ações, opções de dólar, commodtes, que pertence a um nvestdor, pessoa físca ou pessoa jurídca. A cartera tem como fnaldade reduzr o rsco por meo da dversfcação. Este capítulo apresenta a moderna teora de carteras, o conceto de rsco e retorno e o da dversfcação. Posterormente será apresentado o modelo Captal Asset Prcng Model (CAPM) e suas premssas, e por fm daremos uma descrção dos ndcadores de efcênca mas utlzados atualmente. 4. O Modelo de Markowtz: a orgem da Moderna Teora de Carteras Na lteratura fnancera, os agentes econômcos estão sempre buscando obter o maor rendmento dos seus nvestmentos e ao mesmo tempo objetvando mnmzar o rsco da melhor manera possível. A prncpal adção aos modelos de fnanças no que dz respeto aos desenhos dos fundamentos da teora de composção de carteras deve-se aos trabalhos de Harry Markowtz na década de 950. Em sua teora, ao consderar as correlações entre os atvos que compõem o portfolo, a decsão quanto ao que rá compor uma cartera está baseada em dos fundamentos báscos que são conseqüênca de um processo de mnmzação de rsco: desvo padrão e valor esperado dos retornos da cartera.

2 Varga (999, p.) defne bem a contrbução que Markowtz deu com a publcação do lvro Portfolo Selecton: effcent dversfcaton of nvestments: 62 Se o retorno esperado de um atvo é tanto maor quanto seu rsco, então a nclusão de alguma medda de rsco na avalação deste permte verfcar quanto do retorno proporconado por um nvestdor vem de seu talento, quanto vem da sorte e quanto do rsco assumdo. Determnamos assm a verdadera contrbução do gestor para o retorno do fundo. Outro aspecto mportante na nclusão do rsco é a sua contrbução para a determnação da cartera ótma de um nvestdor (para nvestdores que se mportem com rsco, pos, no caso de nvestdores neutros ao rsco, basta conhecer o retorno esperado). Com sso, determnamos a contrbução do nvestdor para o retorno da cartera de ações seleconadas por ele. Os nvestdores são capazes de defnr todas as carteras ótmas, em relação ao bnômo rsco e retorno e formar assm a frontera efcente, que nada mas é do que a melhor combnação de um conjunto de atvos que tenha o maor retorno dado um nível de rsco ou com menor rsco para um determnado retorno. Os nvestdores se concentraram na seleção de uma melhor cartera na frontera efcente e gnoraram as outras consderadas nferores. Um nvestmento ou atvo com rsco domna outro quando para o mesmo nível de retorno esperado, apresenta rsco menor ou quando para o mesmo nível de rsco, apresenta retorno esperado maor. A fgura abaxo lustra a curva onde se stuam todas as carteras dtas efcentes de atvos com rsco: Retorno esperado B Frontera efc e nte A I Desvo padrão Fgura 3 Representação da Frontera Efcente: Fonte: Samanez (2007) Pode-se vsualzar na fgura acma que é possível haver combnações abaxo da superfíce da curva (pontos A e B), como por exemplo a combnação I, mas elas são nefcentes, pos para um mesmo nível de rsco, o retorno esperado

3 63 da combnação B é superor ao da I. Em outras palavras, fxando-se o retorno esperado, a cartera de menor rsco é dta mas efcente, ou por outra ótca, ao fxar o rsco, a cartera mas efcaz é a que gera um maor retorno. Podemos perceber então que B domnará qualquer combnação stuada na porção nferor da frontera efcente. As carteras que Markowtz denomnou de carteras efcentes atendem a esses requstos de efcênca descrtos acma e estão stuadas na parte superor da curva chamada frontera efcente. O formato da frontera efcente mplca na exstênca de uma relação postva entre retorno e rsco; portanto, para obter maor retorno, o nvestdor terá necessaramente que ncorrer em maor rsco. 4.2 O Conceto de Rsco e Retorno em Carteras Como fo dto acma, a grande contrbução de Markowtz em sua teora de seleção de portfolos fo a de que esta levasse em consderação a relação de dependênca exstente entre os atvos, que é conhecda como correlação. Ao se formar uma cartera devemos ter me mente que o rsco não é smplesmente a soma ndvdual dos rscos, e sm da proporção com que esse partcpa frente aos outros atvos e como menconado, do grau de correlação entre os retornos. Consderemos um unverso de N atvos. O retorno observado destes atvos é uma méda ponderada dos retornos observados (R) dos atvos ndvduas. Seja X o peso aplcado a cada retorno correspondente a fração do valor da cartera aplcada naquele atvo: R c = N X = X R... ( 9 ) O valor esperado da cartera é o valor esperado da equação acma: N R c = E( X = X R ) = N X = X E(R ) = N X = X R... ( 20 )

4 A varânca de uma cartera de N atvos é a expectânca dos quadrados dos retornos observados em torno do retorno esperado: 64 σ 2 = E ( R c c - R c ) 2 N = E ( X = X R - N X = X R ) 2... ( 2 ) σ 2 c = E ( N R = R ) X ) 2... ( 22 ) Se generalzarmos para caso de N atvos temos: σ 2 N 2 = c = N N X σ 2 + = j= j X X j σ, j... ( 23 ) O rsco da cartera teórca acma leva em consderação os rscos de todos os atvos, tratados de forma ndvdual e ponderados pela relação exstente entre eles (covarânca) e pela partcpação de cada atvo na cartera. A covarânca representa uma medda de relação lnear entre dos atvos, ou de outra forma, a medda de dependênca lnear entre duas varáves aleatóras. Essa covarânca nada mas é do que o valor esperado do produto de dos desvos: os desvos dos retornos dos atvos e j em relação a seus retornos esperados, medndo dessa forma como os retornos dos atvos varam em conjunto: ρ, j Cov,j =... ( 24 ) σ σ j Onde : Cov,j = covarâca entre as taxas de retorno do atvo e do atvo j. σ j = desvo-padrão da taxa de retorno do atvo j. σ = desvo-padrão da taxa de retorno do atvo. ρ, j = correlação entre as taxas de retorno do atvo e do atvo j.

5 65 Ao se dvdr a covarânca pelo produto dos desvos padrão dos dos atvos e j obtém-se uma medda estatístca denomnada coefcente de correlação, o qual possu as mesmas meddas da covarânca, stuada no ntervalo de - a +. Desta forma a determnação do coefcente de correlação nos possblta auferr as possbldades acerca da covarânca: Se - < ρ < 0, sto é, a covarânca é negatva, os atvos movem-se em dreções contráras. Neste caso os desvos postvos e negatvos ocorrem em momentos dferentes; Se ρ = 0, a covarânca é nula, os atvos são dtos ndependentes, ou seja, os desvos postvos e negatvos não estão correlaconados; e Se o < ρ <, a covarânca é postva, e os atvos movem-se na mesma dreção. Neste caso, os atvos apresentam desvos postvos e negatvos nos mesmos momentos. Vale a pena destacar que a dvsão da covarânca pelo produto dos desvos padrão não modfca as propredades do coefcente de correlação, somente a normalza para que assuma valores compreenddos entre o ntervalo de - a Dversfcação de Carteras: Rsco de Mercado e Rsco Dversfcável O rsco na manutenção de um atvo é composto por duas partes: um rsco não sstemátco, dversfcável e um rsco sstemátco, não dversfcável, conhecdo também como Rsco de Mercado. O rsco total nada mas é do que o somatóro destes dos rscos, conforme mostrado na fgura 4: Rsco Rsco σ 2 dversfcável σ, j Rsco de mercado Número de atvos da cartera Fgura 4 Dversfcação: Rsco de Mercado e Rsco Dversfcável

6 66 O rsco não sstemátco é um rsco específco a um determnado atvo, sendo assm ndependente de fatores externos. Este tpo de rsco pode ser elmnado ou atenuado através de uma adequada dversfcação, se a cartera for efcente. Este tpo de rsco está assocado a fatos como alterações ou problemas de gestão da empresa (problemas operaconas de uma empresa específca), alterações nos padrões de consumo relatvos aos produtos da empresa, alterações de legslações no que dz respeto a um segmento exclusvo, entre outros. Samanez (2007, p.89) defne da segunte forma: O rsco de uma cartera bem dversfcada depende apenas do rsco de mercado dos atvos que nela estão ncluídos. Esse é um dos prncípos fundamentas de fnanças, o prncípo de dversfcação, que mostra como elmnar o rsco não correlaconado aos movmentos geras do mercado. O rsco sstemátco ocorre devdo ao rsco relaconado com mercado como um todo englobando aspectos polítcos, socas ou econômcos como, por exemplo, alterações nas taxas de juros, mudanças nas alíquotas dos mpostos, sejam estes do mundo, do país ou apenas para um setor específco, e não é possível reduz-lo ou cobr-lo através da dversfcação da catera. Este rsco é representado pelo coefcente beta ( β ), que por decorrer da covarânca do atvo com o mercado não é dversfcável, e reflete o grau de sensbldade do título ao rsco da economa de forma geral. Vsto de uma outra forma, é a tendênca de uma ação ndvdual varar em conjunto com o mercado, onde estatstcamente é meddo através da covarânca do retorno de um título tomado de forma ndvdual com o da cartera que representa o mercado. O beta de um atvo também chamado de índce de rsco sstemátco pode ser vsto abaxo: Onde, Cov( R m, R ) β = σ 2... ( 25 ) m Cov R m, R ) = Covarânca entre o retorno do atvo e a cartera de mercado. 2 σ m ( = Varânca dos retornos da cartera de mercado. O beta de uma cartera ou de um atvo específco nos mostra o seu comportamento em relação ao mercado, sendo classfcado da segunte manera:

7 . Defensvo - β <. Nesse caso os retornos desse atvo ou da cartera têm 67.. v. uma varação menor que a varação sofrda pelo mercado, ou seja, a cartera de mercado é mas arrscada que a cartera de atvos; Agressvo - β >. Já nesse caso os retornos do atvo ou da cartera sofrem uma varação maor que a sofrda pelo mercado. Vsto de outra forma, atvos que possuem essa característca têm um rsco maor se compararmos com o rsco de mercado. Se o mercado está em alta (bullsh), o retorno da cartera de atvos é maor que a cartera de mercado e, se o mercado está em baxa (bearsh), o retorno do mercado é superor à cartera de atvos; Neutro - β =. Aqu há uma correlação dta perfeta do mercado com a cartera ou do atvo em que se está analsando, ou seja, a cartera de atvos tem o mesmo rsco que a cartera de mercado; e β < 0. Nesse últmo caso os retornos do atvo ou da cartera varam nversamente com os retornos do mercado. 4.4 Modelo de Avalação de Atvos de Captal (CAPM) A Hpótese da Efcênca dos Mercados juntamente com o modelo de precfcação dos atvos fnanceros CAPM - são o plar da moderna teora de fnanças. Samanez (2007, p. 224) em seu lvro denomnado Gestão de Investmentos e Geração de Valor faz uma descrção do processo de formação do modelo de formação de preços de atvos com rsco: A dfculdade em se estabelecer crtéros específcos de ajuste para dferentes níves de exposção ao rsco retardou a formalzação adequada dos prncípos de avalação de títulos e projetos de nvestmento, até o desenvolvmento, por Sharpe, Lntner e Mossn, do modelo de Equlíbro de mercado conhecdo como CAPM. Ao falarmos que um mercado é efcente partmos do pressuposto que não há assmetra de nformação, ou seja, todas as nformações dsponíves na economa estão refletdas gualmente nos preços dos atvos e esses preços se ajustam no mesmo momento a qualquer nova nformação. Dessa forma pode-se

8 68 dzer que a compra ou venda de atvos em um mercado de captas efcente pelo preço vgente nunca terá valor presente líqudo postvo. O CAPM é um modelo expectaconal (valores esperados), em que o retorno esperado do atvo é dvddo em duas partes dstntas, a saber: Retorno Esperado = Taxa lvre de Rsco + Prêmo de Rsco O prmero termo que é o retorno de uma taxa lvre de rsco representa o preço pelo tempo, que pode ser entenddo também como a compensação que o nvestdor tem ao postergar o consumo em favor do nvestmento. O segundo termo é o prêmo de rsco de mercado que representa o retorno adconal exgda pelo nvestdor para compensar a undade de rsco suplementar assumda pelo mesmo. Pode ser entenddo como a dferença entre os retornos de mercado e da taxa rsk free (lvre de rsco) que é multplcada pela covarânca entre os retornos do atvo e do mercado, dvddo pela varânca dos retornos do mercado. A dferença entre o modelo de Markowtz e o CAPM se dá quanto à consttução da frontera efcente, uma vez que o prmero se utlza do desvopadrão dos títulos com rsco e das correlações entre os pares de retornos esperados dos títulos com rsco. A smplcdade do modelo CAPM quanto ao prêmo de rsco o dstngue dos demas modelos e com sso ele passou a ser amplamente utlzado no mercado fnancero mundal para mensurar o custo de captal das empresas Premssas Báscas do CAPM O modelo é baseado nos seguntes pressupostos báscos:. Os nvestdores são avessos ao rsco e maxmzam a utldade esperada;. Os nvestdores possuem expectatvas homogêneas acerca do retorno dos atvos (prêmos) e rscos dos atvos;. Os mercados são perfetos: o nvestdor é um tomador de preços e dessa forma é ncapaz de nfluencar as cotações dos títulos e não há custos de transação tanto na obtenção das nformações quanto nas transações;

9 69 v. Os nvestdores possuem retornos líqudos dêntcos, possundo as mesmas taxações e custos operaconas; v. Exste um atvo lvre de rsco tal que os nvestdores podem emprestar ou tomar emprestado quantas lmtadas a uma mesma taxa de juros lvre sem rsco; v. Não exste lmte para empréstmos, restrções de revenda à curto prazo e lmte superor para a compra de ações; v. O únco rsco que os nvestdores ncorrem é o rsco sstemátco; e v. O horzonte de tempo é dêntco para todos os nvestdores; O CAPM pode ser defndo como a relação lnear exstente entre o rsco sstemátco de um atvo e sua taxa de retorno esperada, e assm, um nvestdor possurá um certo atvo se o retorno esperado proporconar uma compensação pelo nível de rsco ncorrdo. O modelo pode ser representado da segunte manera: E(R) = Rf + [E(Rm-Rf] β... ( 26 ) Onde: E(R) = Retorno esperado do Atvo ; Rf = Retorno do atvo lvre de rsco; [E(Rm-Rf] = Prêmo de Rsco de Mercado; β = Rsco Sstemátco do Atvo, sto é, a volatldade dos retornos do atvo em relação ao índce de mercado. Elton e Grubber (99) menconam que a equação do CAPM estabelece que a taxa de retorno esperada de um atvo é gual à taxa lvre de rsco mas um prêmo de rsco. Samanez (2007) dz que o prêmo de rsco é o retorno adconal exgdo pelos nvestdores para compensar o rsco adconal assumdo, e é função de duas varáves: o beta, que mede a contrbução ncremental de certo atvo para o rsco da cartera dversfcada e a dferença entre o retorno esperado da cartera e a taxa lvre de rsco. A taxa lvre de rsco pode ser entendda como o retorno esperado dos atvos sem rsco. É váldo destacar a fundamental mportânca do beta quanto ao apreçamento de atvos, pos ndca a sensbldade dos retornos do atvo a

10 varações na rentabldade da cartera. Pode ser vsto matematcamente da segunte manera: 70 cov( R, Rm) σ, β = = σ 2 m var( Rm) m... ( 27) O beta de uma empresa é determnado tanto pelo rsco de negócos quanto pelo rsco fnancero. O prmero está relaconado ao rsco operaconal da empresa e o segundo à alavancagem fnancera, meddo pelo seu índce de endvdamento. Partndo do pressuposto que o mercado está sempre em equlíbro, a relação medda pelo beta entre o rsco sstemátco de um atvo e sua taxa de retorno esperada será lnear, e esta frontera efcente lnear do CAPM é conhecda como Securty Market Lne ou Lnha de Mercado de Títulos (LMT). Desvo-Padrão Fgura 5 Lnha de Mercado de Captas Fonte: Samanez (2007) O equlíbro no mercado de títulos é dvdo em dos parâmetros conforme vsto na fgura acma. O ntercepto vertcal que nada mas é do que a taxa lvre de rsco e o coefcente angular da LMT (beta), que dz que quanto maor o beta, maor o rsco envolvdo, necesstando por sua vez de um maor retorno requerdo pelo nvestdor. A nclnação da LMT é gual ao prêmo por rsco de mercado, ou seja, a recompensa por assumr uma quantdade méda de rsco sstemátco. Qualquer atvo stuado fora da LMT estará em desequlíbro. Se esse atvo estver localzado acma estará subvalorado, e todos os agentes econômcos ao perceberem que o retorno desse atvo é superor aos outros, dado o nível de rsco sstemátco, automatcamente desejarão comprar esse atvo. Seu preço se elevará reduzndo sua taxa de retorno e assm voltará ao equlíbro. O mesmo ocorre com

11 7 atvos stuados abaxo da LMT, mas o racocíno é exatamente o oposto do descrto para atvos que possuem retornos superores aos outros para o mesmo nível de rsco sstemátco. A grande contrbução de Sharpe ao desenvolver este modelo específco é a de que ele é váldo tanto para as carteras de atvos quanto para atvos ndvduas. Isso não sgnfca que o referdo índce, ao ser sustentado por números pressupostos que mutas vezes não se adéquam a nossa realdade não possa ser utlzado. Blume e Frend em 972 realzaram testes empírcos ao analsar as ações negocadas na Bolsa de Nova Iorque (NYSE) entre 960 e 968. Black, Jensen e Scholes nesse mesmo ano de 72 também testaram a relação rscoretorno das ações da NYSE entre 93 e 965. O própro Sharpe observou que sua teora é bastante lmtada, porém ressaltou que as hpóteses eram acetáves dadas suas mportantes aplcações. 4.5 Análse de Performance de Carteras Ao vermos como calcular o retorno e o rsco de uma cartera de atvos podemos aprofundar a análse e ncar a apresentação de alguns ndcadores de desempenho (performance). O prmero desses ndcadores será o Índce de Sharpe. Posterormente serão apresentados os Índce de Treynor, Sortno, Alfa de Jensen e fnalmente a Medda Ômega Índce de Sharpe (IS) Este é um dos índces mas conhecdos tanto pelos nvestdores quanto para os membros da academa, e tem sdo objeto constante de uso por estes agentes na avalação de fundos de nvestmento. O índce em questão utlza a Captal Market Lne (CML) como padrão de comparação. Este índce, formulado ncalmente por Wllam Sharpe em 966, é obtdo através da razão entre o prêmo de rsco e o rsco total da cartera. O Índce de Sharpe se enquadra de manera perfeta na teora de seleção de carteras (CAPM), onde se constroem pontos na lnha de mercado de captas, que nada mas são do

12 72 que as carteras ótmas. Este índce como ldo, utlza a CML como padrão de comparação. Essa lnha está lgada dretamente ao modelo de Markowtz de seleção de carteras, em que o rsco é mensurado pelo desvo padrão e a partr dos retornos e dos rscos, se chega à lnha de frontera efcente. É mportante destacar que nessa frontera efcente se consegue mnmzar o rsco dado um nível de retorno, e dado um nível de rsco consegue-se maxmzar o retorno. O prêmo de rsco é a dferença entre a expectânca do retorno da cartera e a rentabldade dos atvos lvre de rsco. A fórmula é defnda da segunte manera: IS = Premo de Rsco = R -Rf... ( 28 ) Rsco Total σ Onde: R = Retorno Médo Esperado Rf = Retorno dos Atvos Lvre de Rsco σ = Desvo Padrão dos retornos de Este índce, que derva da teora de seleção de carteras, mede portanto o excesso de retorno por undade de rsco de uma cartera hpotétca. A teora da méda varânca de Markowtz fornece a composção da cartera ótma com relação ao rsco e retorno. O Índce de Sharpe sumarza portanto o retorno e o rsco de uma cartera em uma únca medda que nos dá o desempenho do fundo ajustado ao rsco. Quanto maor for o IS, maor é a efcênca da cartera, e assm categorza o desempenho do fundo ajustado ao seu rsco. Também é conhecdo como Rewardto-Varablty ou Recompensa pela Varabldade. É mportante ressaltar que o Índce de Sharpe merece um certo cudado ao ser utlzado pos pode resultar em retornos negatvos no que dz respeto ao prêmo de rsco. Esse caso ocorrerá sempre que o retorno do atvo em questão for nferor ao retorno do atvo lvre de rsco que se está comparando, conforme a equação acma. Esse fato do ponto de vsta da moderna teora de fnanças é no

13 73 mínmo sem sentdo, já que o nvestdor pelo modelo tem sempre a possbldade de nvestr na taxa lvre de rsco. Pensando nesse fato, fo crado o Índce de Sharpe Modfcado, que coloca os índces em um rankng de forma ordenada mesmo que não evte os retornos negatvos. Desse modo, esse método alternatvo nos mostra que quanto menor o índce, mas exposção ao rsco, valendo o mesmo para o caso contráro onde quanto maor o índce menos rsco corremos: ISM = σ RD RD Abs(RD)... ( 29 ) Onde: RD = Retorno Dferencal =Retorno do Atvo (ou fundo) Retorno do Benchmark σ = desvo-padrão do atvo (rsco) Abs (RD) = Valor Absoluto do Retorno Dferencal Outro ponto de destaque quanto aos cudados que devemos tomar ao utlzá-lo, decorre do fato de que ao se calcular o IS, este não leva em consderação a correlação exstente entre os atvos da cartera. Assm, ao adconarmos a uma cartera com rsco um outro atvo que também tenha rsco, a utlzação do IS perde mportânca Índce de Treynor (IT) A dferença exstente entre este ndcador de desempenho e o Índce de Sharpe é a de que o prmero utlza o desvo-padrão ou rsco total como medda de rsco enquanto o Índce de Treynor utlza o rsco sstemátco ( β da cartera), ao consderar que os nvestdores detêm um conjunto dversfcado de atvos. É também uma medda de excesso de retorno em relação ao rsco sstemátco e a sua utlzação é bem útl quando a cartera do nvestdor é uma das númeras carteras ncluídas dentro de um grande fundo, conforme a fórmula abaxo:

14 74 IT = Premo de Rsco = R - Rf... ( 30 ) Rsco Sstemátco β Onde: R = Retorno Médo Esperado Rf = Retorno dos Atvos Lvre de Rsco β = Rsco Sstemátco em Relação a um benchmark (CDI por exemplo) Duarte Júnor (2005), destaca que a utlzação da Razão de Treynor requer uma cudadosa estmação dos betas dos fundos de nvestmento escolhdos ou uma base de dados confável para esses betas. O autor ctado mencona em seu lvro, Gestão de Rscos para Fundos de Investmentos, a dfculdade em se estmar precsamente esses betas em dversos trabalhos acadêmcos. Sharpe (966) dz que pelo fato do Índce de Treynor não capturar a porção de varabldade relatva à falta de dversfcação, ele é uma medda nferor no que dz respeto ao desempenho passado, mas superor quando se trata de prevsão quanto ao desempenho futuro. Esse fato decorre porque qualquer dstorção entre a varabldade dos retornos e a porção relatva a movmentos do mercado pode ser consderada como transtóra, desde que os fundos sejam bem dversfcados. Assm, ao se procurar prever o desempenho futuro se mostra mas nteressante focar na parte sstemátca da varabldade dos retornos do fundo, pos é uma relação mas permanente, dexando de lado os efetos transtóros. Duarte Júnor (2005) também mencona que tanto a Razão de Sharpe quanto a de Treynor dão usualmente ordenações bastante smlares no que dz respeto à sua aplcabldade em um mesmo conjunto de fundos de nvestmentos, não sendo válda essa aplcabldade ao se realzar a Razão de Sortno, que será ctada a segur Índce de Sortno (ISor) Sortno (994), dz que o Índce que leva seu nome dfere do Índce de Sharpe, pos leva em consderação no cálculo da varânca somente as perdas fnanceras que são defndas a partr do chamado Retorno Mínmo Acetável

15 (RMA), englobando assm um novo conceto denomnado Downsde Rsk (DR), que é exposto abaxo: 75 DR = m = mn [ 0;( r RMA) ] m 2... ( 3 ) Nesse índce, m é o número de observações realzadas em ntervalos de tempo guas para o retorno r da cartera analsada. A partr do conceto de Downsde Rsk, chega-se ao ISor, que mede o rsco de não se consegur atngr o ganho em relação a uma meta estabelecda (RMA). A vantagem de se utlzar esse índce está no fato de que na estmação do rsco consdera apenas as perdas, que são meddas em função do RMA: ISor = [ r ] E p RMA DR... ( 32 ) Onde: E [ r p ] = Retorno Esperado do Portfolo Duarte Júnor (2005) dz que uma comparação entre a razão de Sharpe e a Razão de Sortno depende bascamente de como o MRA fo seleconado. Outro ponto mportante destacado pelo autor ctado no parágrafo acma dz respeto ao entendmento dessa medda de efcênca. Como tal efcênca depende exclusvamente do MRA estpulado pelo gestor do fundo de nvestmento, a Razão de Sortno é uma medda de efcênca de mas fácl acetação e compreensão por parte dos analstas técncos.

16 Índce de Jensen Este índce fo desenvolvdo por Jensen (968) e se baseou nas mplcações do CAPM. Essa medda é dada pela dferença entre a taxa de retorno méda da cartera e o retorno médo encontrado no CAPM, ou de outra manera, mede a dferença entre o retorno prevsto do mercado e o retorno médo da cartera. Nesse caso, o modelo mostra que se um gestor tvesse a capacdade de prever os preços dos atvos analsados, as carteras que fossem formadas apresentaram desempenho superor ao esperado pelo CAPM. Jensen também buscou defnr uma medda que fosse absoluta, onde fosse possível dzer que um fundo é melhor que o outro como também se um fundo possu um desempenho nferor ou superor em relação a um benchmark. Ao assumr que os retornos de um fundo de nvestmento podem ser explcados pelo CAPM, temos que: E (R) = Rf + [ E (Rm) Rf ] β + E... ( 33 ) Onde: E (R) = Retorno Esperado do Atvo ; Rf = Retorno do Atvo Lvre de Rsco; E (Rm) = Retorno esperado da cartera de mercado; β = Rsco Sstemátco do atvo ; E = Erro resdual Ao subtrarmos R f de ambos os lados temos: E (R ) R f = [ E (R m ) R f ] β + E... ( 34 ) Jensen dz que se um gestor consegur prever corretamente o comportamento do mercado, ele deve adqurr os atvos com β < quando o mercado estver em queda e β > quando o mercado estver em alta. Se sso for

17 77 verdade, ou seja, se o admnstrador consegur prever acertadamente as osclações, deve-se consderar a exstênca de uma constante dferente de zero na equação de Jensen, que reescrta fca da segunte manera: E (R ) R f = [ E (R m ) R f ] β + [ α + E ]... ( 35 ) Partdo do pressuposto que E tem valor esperado zero, resta o termo α, que nada mas é do que o retorno adconal da cartera não afetado pelas osclações do mercado. Sendo assm, quando o retorno do mercado for zero, α nos dá o retorno adconal do fundo. Uma outra manera de nterpretar este índce é que caso o gestor esteja agndo corretamente, sto é, comprando nos momentos de baxa e vendendo nos pcos de alta, o α será postvo. Se o α for negatvo, dz-se que o gestor não está prevendo corretamente os movmentos de mercado Medda Ômega (Ω) Na últma década, as meddas de performance tradconas ctadas acma, que partem da hpótese de normaldade dos retornos, têm sofrdo uma sére de crítcas na lteratura por não levar em consderação todos os momentos da dstrbução de ganhos. Segundo Guterrez Castro (2008), as hpóteses adotadas, como o fato de méda e varânca descreverem como um todo a dstrbução de probabldade e a de que as característcas do rsco e retorno de uma cartera podem ser descrtas sem precsar realzar referênca a nenhum nível de retorno além da méda dos retornos, não é sufcente para analsarmos de forma completa o real comportamento dos atvos no cotdano. A necessdade de ncorporar nessas meddas de performance nformações que vão além do cálculo de tas meddas estatístcas, levaram Keatng e Shadwck ao desenvolvmento de uma técnca em 2002, denomnada medda Ômega (Ω). A hpótese de normaldade assumda nos índces tradconas como o Índce de Treynor (965), Índce de Sharpe (966) e Jensen (968), gera como conseqüênca que o retorno esperado de uma cartera é tanto maor quanto seu rsco sstemátco segundo uma forma lnear. (GUTIERREZ CASTRO, 2008).

18 78 A capacdade de ldar com o alto dnamsmo do mercado fnancero mundal, onde gestores têm a necessdade de tomar decsões em um curto espaço de tempo, requer modelos que levem em consderação os momentos de ordem superor na mensuração de meddas de performance. Ao levar em consderação o formato do comportamento da dstrbução de retorno dos atvos que compõem a cartera, os tomadores de decsão conseguem avalá-los com mas exatdão. Ao olharmos a fgura abaxo retrada do trabalho de Keatng e Shadwck (2002), ambas dstrbuções seram equvalentes do ponto de vsta dos ndcadores clásscos, pos possuem méda e desvo-padrão guas. Por outro lado, ao analsarmos os momentos de ordem superor como curtose e assmetra elas não são smlares, e dessa forma, a utlzação da medda Omega tera vtal mportânca: Fgura 6 Dstrbuções com Varânca e Méda guas Fonte: Adaptado de Guterrez Castro (2008) A medda ômega pode ser defnda da segunte manera: Ω (r) = b [ F( x)] dx r... ( 36 ) r a F( x) dx F = Função cumulatva de dstrbução dos ganhos r = Nível mínmo desejado de ganho

19 79 b = Retorno máxmo a = Retorno mínmo Podemos dzer então, que sempre desejaremos obter um índce Ω (r) >, já que a gualdade nos dz que perdas ponderadas e ganhos ponderados se gualam. Se qusermos vsualzar a equação de uma outra forma, Kazem et al (2003), desenvolveram o conceto de Expected Chance (EC) e Expected Shortfall (ES), conforme equação 37: Ω (r) = Onde: b r r a ( x r) f ( x) dx ( r x) f ( x) dx E[ Max( x r;0)] EC( r) = =... (37) E[ Max( r x;0)] ES( r) (x-r) = Valor esperado do excesso de ganho condconal a valor postvo ou EC (r-x) = Valor esperado da perda condconal a valor negatvo ou ES. Por fm podemos dzer que dentre as meddas de performance ctadas nesse trabalho, a medda Ω é a mas correta do ponto de vsta da análse de rsco e dos retornos dos nvestmentos, que normalmente não seguem uma normaldade de dstrbuções de ganhos e perdas.

4. Conceitos de Risco-Retorno, diversificação e índices de desempenho de Fundos de Investimento

4. Conceitos de Risco-Retorno, diversificação e índices de desempenho de Fundos de Investimento 4. Concetos de Rsco-Retorno, dversfcação e índces de desempenho de Fundos de Investmento O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL

CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL ESCOLA FEDERAL DE ENGENHARIA DE ITAJUBÁ INSTITUTO DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PRODUÇÃO CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL Dego

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

2 Referencial Teórico

2 Referencial Teórico Referencal Teórco O obetvo deste capítulo é apresentar os concetos de rsco, correlação e dversfcação no contexto da Teora oderna de Carteras e os últmos estudos a respeto das correlações entre mercados

Leia mais

Sinézio Fernandes Maia Professor Adjunto do Departamento de Economia da UFPB

Sinézio Fernandes Maia Professor Adjunto do Departamento de Economia da UFPB SETOR BANCÁRIO BRASILEIRO NO PERÍODO DE JANEIRO DE 2009 A JULHO DE 2010: AVALIAÇÃO DA RELAÇÃO DE RISCO E RETORNO COM ABORDAGEM NAS TEORIAS DE MARKOWITZ E SHARPE Alza Slva de Lma Estudante de Pós-graduação

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

PESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc. (colaboração de Prof. Claudio Cunha)

PESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc. (colaboração de Prof. Claudio Cunha) PESQUISA EM MERCADO DE CAPITAIS Prof. Patrca Mara Bortolon, D. Sc. (colaboração de Prof. Claudo Cunha) Cap. 15 Testes Empírcos de Modelos de Equlíbro ELTON, E.; GRUBER, M.; BROWN, S., GOETZMANN, W. Moderna

Leia mais

Finanças - BACEN 1997 CESPE

Finanças - BACEN 1997 CESPE Fnanças - BACE 997 CESPE Legenda: Tema, Itens Importantes Certo, Errado Questão 3. Exstem dversos nstrumentos fnanceros a dsposção do nvestdores: LIBOR, ações, opções, Eurobond, Swaps. Quanto às característcas

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Diversificação - exemplo

Diversificação - exemplo INCETEZA E ISCO /4/009 Dversfcação - exemplo oss cap. 0 Cartera com N atvos Nova stuação: Cartera mas dversfcada Todos os títulos têm a mesma Varânca Todas as covarâncas são guas Todos os Títulos tem a

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Economia Industrial. Prof. Marcelo Matos. Aula 7

Economia Industrial. Prof. Marcelo Matos. Aula 7 Economa Industral Prof. Marcelo Matos Aula 7 Concentração de Mercado Resende e Boff [cap 5 de K&H, 2013]; Ferguson e Ferguson cap.3; Meddas de Concentração: característcas Possbldade de classfcar meddas

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

2 Modelos de Otimização sob Incerteza 2.1. Introdução

2 Modelos de Otimização sob Incerteza 2.1. Introdução 2 Modelos de Otmzação sob Incerteza 2.. Introdução Modelos de programação matemátca são comumente utlzados para solução de problemas de programação da produção, de logístca, de schedulng e de planejamento

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

Modelo de Programação Estocástica

Modelo de Programação Estocástica Modelo de Programação Estocástca 23 2 Modelo de Programação Estocástca 2.. Concetos báscos A programação estocástca (PE) é defnda como um modelo de otmzação que apresenta um ou mas parâmetros estocástcos

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

UNIVERSIDADE FEDERAL DO CEARÁ UFC CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA CAEN EVIDÊNCIA EMPÍRICA DO MODELO CAPM PARA O BRASIL FABRINI OLIVEIRA MATOS

UNIVERSIDADE FEDERAL DO CEARÁ UFC CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA CAEN EVIDÊNCIA EMPÍRICA DO MODELO CAPM PARA O BRASIL FABRINI OLIVEIRA MATOS UNIVERSIDADE FEDERAL DO CEARÁ UFC CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA CAEN EVIDÊNCIA EMPÍRICA DO MODELO CAPM PARA O BRASIL FABRINI OLIVEIRA MATOS FORTALEZA CEARÁ 006 FABRINI OLIVEIRA MATOS EVIDÊNCIA EMPÍRICA

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

METODOLOGIA DO ÍNDICE DIVIDENDOS BM&FBOVESPA (IDIV)

METODOLOGIA DO ÍNDICE DIVIDENDOS BM&FBOVESPA (IDIV) METODOLOGIA DO ÍNDICE DIVIDENDOS 02/01/2018 SUMÁRIO 1 OBJETIVO... 3 2 TIPO DE ÍNDICE... 3 3 ATIVOS ELEGÍVEIS... 3 4 CRITÉRIOS DE INCLUSÃO... 3 5 CRITÉRIOS DE EXCLUSÃO... 4 6 CRITÉRIO DE PONDERAÇÃO... 5

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV).

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV). 01 de novembro de 2017 069/2017-DP O F Í C I O C I R C U L A R Partcpantes dos Mercados da B3 Segmento BM&FBOVESPA Ref.: Nova Metodologa do Índce Dvdendos BM&FBOVESPA (IDIV). Concluída a fase de dscussão

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

UM ESTUDO SOBRE DIVERSIFICAÇÃO NA BOLSA DE VALORES DE SÃO PAULO

UM ESTUDO SOBRE DIVERSIFICAÇÃO NA BOLSA DE VALORES DE SÃO PAULO UM ESTUDO SOBRE DIVERSIFICAÇÃO A BOLSA DE VALORES DE SÃO PAULO Autores: André Luz Oda, Mara Carlota Morandn Senger e Alexandre oboru Chára Resumo O artgo estuda a redução de rsco que podera ter sdo obtda

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

ANÁLISE DA EVOLUÇÃO DO BETA DE ATIVOS DE RENDA VARIÁVEL ATRAVÉS DO MONITORAMENTO DE PERFIL

ANÁLISE DA EVOLUÇÃO DO BETA DE ATIVOS DE RENDA VARIÁVEL ATRAVÉS DO MONITORAMENTO DE PERFIL RICARDO WONSEUK KIM ANÁLISE DA EVOLUÇÃO DO BETA DE ATIVOS DE RENDA VARIÁVEL ATRAVÉS DO MONITORAMENTO DE PERFIL Trabalho de Formatura apresentado à Escola Poltécnca da Unversdade de São Paulo para obtenção

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS GARANIA DE EXCELENE INERCAMBIALIDADE E REDUÇÃO DE CUSOS ARAVÉS DA ANÁLISE ESAÍSICA DE OLERÂNCIAS Edvaldo Antono Bulba* *Prof. Dr. da Fatec SP FEI e Unversdade São Judas E mal: bulba@fe.edu.br Resumo Numa

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 16: Equilíbrio Geral e Eficiência Econômica Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva

Leia mais

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações.

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações. A CONSTRUÇÃO DE CARTEIRAS EFICIENTES POR INTERMÉDIO DO CAPM NO MERCADO ACIONÁRIO BRASILEIRO: UM ESTUDO DE CASO PARA O PERÍODO 006-010 Rodrgo Augusto Vera (PROVIC/UEPG), Emerson Martns Hlgemberg (Orentador),

Leia mais

METODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2)

METODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2) METODOLOGIA DO ÍNDICE CARBONO Abrl/2015 [data] METODOLOGIA DO ÍNDICE CARBONO O ICO2 é o resultado de uma cartera teórca de atvos, elaborada de acordo com os crtéros estabelecdos nesta metodologa. Os índces

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

Leia mais

Cap. 5 Classificação Temática

Cap. 5 Classificação Temática Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA) ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais