INTEGRAÇÃO DE MERCADOS: BOVESPA, MERVAL E DOW JONES

Transcrição

1 INTEGRAÇÃO DE MERCADOS: BOVESPA, MERVAL E DOW JONES Gustavo de Souza Grôppo CEPEAD/UFMG hfamaral@face.ufmg.br Hudson Fernandes Amaral NUFI/CEPEAD/UFMG hfamaral@face.ufmg.br Luiz Alberto Bertucci DAD/PUCMINAS lbertucci@pucminas.br Lousanne Cavalcanti Barros NUFI/CEPEAD/UFMG lou@face.ufmg.br Abstract: The present study examines the level of integration between the markets of securities of Brazil, Argentina and the United States, represented, respectively, by the Ibovespa, Merval e Dow Jones indexes, besides examining the level of informational efficiency between them. The analytical tools used are those of cointegration and casualty tests and the results have confirmed that although markets are becoming more integrated, tending to move in association and diminishing the benefits of international investment, the influence of regional factors will still exists, creating opportunities of profit to international investors. Palavras chaves: capital markets, informational efficiency, casualty and cointegration.. Introdução A globalização e a internacionalização do capital leva cada vez mais à integração dos mercados, com implicações importantes para a montagem de portfólios. Assim é que à medida que os mercados se tornam mais integrados, mais eles tenderão a mover-se em conjunto, com menores benefícios advindos do investimento a nível internacional. Há a necessidade de examinar o processo de eficiência informacional dos mercados, para que os agentes de mercado possam obter cada vez melhores resultados. Neste sentido, existe uma série de estudos empíricos que baseiam-se apenas em séries temporais de retornos. Urritia (995) examinou o processo de eficiência informacional para mercados latino-americanos, utilizando o teste de razão das variâncias para retornos mensais no período entre dezembro de 975 e março de 99, concluindo pela eficiência informacional fraca desses mercados. Já Costa Junior & Leal (997) concluem que o mercados latino-americanos estão cada vez mais integrados, mostrando que as informações estão fluindo cada vez mais rapidamente entre os mercados. O presente estudo busca aferir os níveis de integração entre mercados de ações do Brasil, Argentina e dos EUA, respectivamente, Índices Ibovespa, Merval e Dow Jones. 2. Integração de mercados

2 É importante sabermos o que é integração de mercados sobre a ótica financeira. Segundo Eiteman, Stonehill e Moffett (99), a integração de mercados significa que o retorno esperado de ativos de mesma classe de risco, será o mesmo em diferentes mercados depois do ajustamento aos riscos cambial e político. Costa Junior e Leal (997), utilizaram em seu estudo a abordagem proposta por Granger (969) de causalidade, para verificar os elos entre os mercados, as quais refletiriam o relacionamento entre os diferentes mercados e que podem ser evidenciados por coeficientes de correlação. Segundo Leal e Silva (998), dois mercados podem ser correlacionados sem serem necessariamente integrados, uma vez que seu movimento conjunto pode ser causado por um fator externo comum a ambos. Empregando a metodologia desenvolvida por Chan, Gup e Pan (997), Sanvicente (998) faz uso de um conjunto de testes de raízes unitárias e testes de cointegração para indicar o nível de integração entre o mercado brasileiro de ações com o de mercados internacionais. 3. Análise das séries de tempo e teste de raiz unitária Em qualquer análise econométrica é necessário verificar inicialmente a ordem de integração das séries ao longo do tempo, pois só será possível estimar um modelo de regressão se as séries analisadas forem estacionárias, i.e., integradas de ordem zero I(), ou forem integradas de mesma ordem, i. e, forem I(d), e neste caso as séries temporais seriam cointegradas; caso fossem integradas de ordens diferentes, modelos de regressão que porventura as relacionassem produziriam resultados espúrios [Granger e Newbold (97)]. Segundo Brocklebank e Dickey (986) e Enders (995), a estacionariedade de uma série de tempo é determinada pelo comportamento de seu correlograma e, formalmente, utiliza-se os testes de raízes unitárias. O teste mais usualmente utilizado para aferir a estacionariedade de séries temporais é o teste de Dickey-Fuller (DF). Considerando S t como a variável sob análise, testa-se a significância do coeficiente α 2, na seguinte regressão: S t = α + α t + α 2 S t- + e t (3.) onde t significa uma tendência determinística linear. Este teste é constituído sob a hipótese da não existência de autocorrelação nos resíduos (3.). Quando isto não é verificado, deve-se incluir um termo de truncagem na equação (3.), gerando-se o teste de Dickey e Fuller Aumentado (ADF): d S t = α + α t + α 2 S t- + β i S t- + e t (3.2) As defasagens da variável log-diferença ( d βi S t- ) são introduzidas no teste para eliminar a autocorrelação dos resíduos da equação (3.). O número de defasagens (d) a serem incluídas na regressão (3.2) é determinado pela inclusão inicial de um número bastante razoável de períodos defasados que vão sendo eliminados um a um, conforme sugerido por Campbell e Perron (99). A significância estatística do último lag em conjugação com os menores valores dos critérios de informação Akaike e Schwarz serão os fatores determinantes do número ideal de defasagens. A estatística t computada para o coeficiente α 2 é, agora, denominada estatística τ (tau), cujos valores críticos foram tabulados por Dickey e Fuller (979) com base em simulações de Monte Carlo. Se a hipótese nula de raiz unitária não tiver sido rejeitada, isto poderá estar acontecendo devido ao baixo poder do teste. Deve-se, então, determinar se os parâmetros determinísticos, quais sejam, constante e tendência linear, devem mesmo ser incluídos na equação (3.2). Para testar as hipóteses conjuntas de que α = α 2 =, α = α = α 2 =, ou α = α 2 =, Dickey e Fuller (98) propõem um teste de razão de máxima

3 verossimilhança para o qual tabularam as estatísticas φ, φ 2, e φ 3, correspondentes, respectivamente, a cada uma das hipóteses nulas de significância conjuntas anteriores.. Teste de causalidade A abordagem utilizada para verificar a existência de elos entre os mercados, foi o de recorrer ao teste de exogeneidade econométrica de Sims (972) para testar a hipótese de direção causal entre duas variáveis. Este teste de exogeneidade econométrica fundamentase nas seguintes pressuposições: (a) as variáveis analisadas resultam de processos estocásticos; (b) as séries são estacionárias; e (c) o futuro não causa o passado. Sims (972) desenvolveu um teste empírico para análise da direção causal entre variáveis econômicas, que consiste em estimar equações como, Y=f(X) e X=g(Y). Sims estima quatro equações, duas restritas e duas não restritas, em que as equações não restritas envolvem os valores presentes, passados e futuros das variáveis exógenas e as equações restritas excluem as variáveis futuras. As possíveis relações de causalidade entre as duas variáveis, são as seguintes: - Causalidade Uni-direcional: X causa Y ou Y causa X.. - Causalidade Bi-direcional: X e Y são mutuamente relacionados quanto à direção de causalidade, X causa Y e Y causa X. Ausência de causalidade: X não causa Y e Y não causa X. Um cuidado a ser tomado na realização deste teste, diz respeito a definição do número de defasagens futuras e passadas que devem ser utilizadas. O modelo básico de Sims é constituído por um número suficiente de valores futuros e defasados para possibilitar a identificação do sentido de causalidade pelo teste, número este que não deve ser muito elevado por possibilitar a ocorrência de multicolinearidade. As equações que compõem o modelo para testar a direção de causalidade, entre os níveis X e Y podem ser especificados como apresentado abaixo: Equações não restritas R R R R XT YT X, t Y, t α 2iRYt+ i + α 3KRYt k +, t k= = α + α R + ε (.) o Y β 2iRXt+ i + β 3KRXt k + 2, t k= = β + β R + ε (.2) o X Equações restritas = γ + γ R + γ R ε (.3) o Y + 2K Yt k 3, t = θ + θ R + θ R ε (.) o X 2K + Xt k, t Em que R X é o logaritmo natural do retorno do índice X e R Y é o logaritmo natural do retorno do índice Y, α, α, α 2i, α 3k são os parâmetros a serem estimados na equação (.), β, β, β 2k, β 3k são os parâmetros a serem estimados na equação (.2), γ, γ, γ 2k são os parâmetros a serem estimados na equação (.3), θ, θ, θ 2i são os parâmetros a serem estimados na equação (.) e e t,, e 2t,, e 3t, e t são os erros aleatórios. O teste de Sims (972) requer a realização prévia de uma filtragem das séries de variáveis quando for detectada a autocorrelação entre os resíduos, o que garante a obtenção de estimadores isentos de viés na variância. A autocorrelação ocorre, principalmente, quando se trabalha com dados de séries temporais, sendo mais frequente quanto menores forem os períodos de observações individuais, implicando dizer que a incidência é maior em séries de dados diários que semanais. A presença de autocorrelação entre resíduos pode induzir a resultados incorretos e Aguiar (99), citado por Grôppo (997), argumenta que

4 na medida que a correlação serial entre erros conduz a uma variância superestimada, maior será a possibilidade de se rejeitar a presença de causalidade. Depois de estimada a regressão testa-se as seguintes hipóteses: α 2 = α 22 =... = α 2 = (Hipótese - os coef. das variáveis futuras de X = f(y) são nulos) e β 2 = β 22 =... = β 2 = (Hipótese 2 - os coef. das variáveis futuras de Y = f(x) são nulos). O teste é feito com base na estatística F, calculada segundo a fórmula: F = [(SQR r - SQR u ) / (q - p)] / [SQR u / (n - q)] (.5) Em que SQR r é a soma dos quadrados dos resíduos da regressão restrita, SQR u é a soma dos quadrados dos resíduos da regressão completa, q é o número de parâmetros estimados na regressão completa, p é o número de parâmetros estimados na regressão restrita e n é o número total de observações. Os resultados possíveis serão: a) se as duas hipóteses forem rejeitadas a relação será bicausal; b) se as duas hipóteses não forem rejeitadas haverá ausência de causalidade, c) se a primeira for rejeitada e a segunda não, a causalidade será do retorno do índice no nível Y para o retorno do índice no nível X, d) se a segunda for rejeitada e a primeira não, a causalidade será do retorno do índice no nível X para o retorno do índice no nível Y. 5. Teste de cointegração Segundo Engle e Granger (987), citado por Blumenschein (995), se as variáveis de um conjunto de séries temporais não são estacionárias de ordem um, I(), mas se uma série temporal que é estacionária de ordem zero, I(), pode ser gerada através de combinações lineares daquelas variáveis, as variáveis serão consideradas cointegradas. Engle e Granger interpretaram esta combinação linear como um equilíbrio de longo prazo e revelaram que a cointegração implica que este equilíbrio de longo prazo se sustenta, apesar das séries temporais apresentarem componentes de curto prazo com especificações dinâmicas e flexíveis. Para verificar essa hipótese, foram realizados os testes de razão de verossimilhança, conforme proposto por Johansen (988), Johansen e Juselius (99) e Johansen (99). O procedimento de cointegração tem a seguinte representação p x (5.) t = ΘDt + π xt p + π i xt i + ε t Um ponto que merece atenção na implementação do teste de cointegração de Johansen é a determinação do número de lags a serem incluídos na equação (5.). Para tanto, utilizou-se o procedimento que parte do geral para o específico. Estimou-se a equação (5.) com um número elevado de defasagens e foi-se eliminando uma a uma, buscando evitar o viés de omissão de variáveis relevantes. Os menores valores dos critérios de Akaike e Schwarz constituíram-se nos parâmetros para a determinação da dimensão do Vetor de Auto Regressão - VAR. O fator central para a análise de cointegração é o posto de π, que é igual ao número de vetores cointegrantes independentes. A matriz π representa a matriz de respostas de longo prazo, cujo posto é essencial para se obter informações sobre a ordem de integração de χ t. Neste estudo o posto π = 2 corresponde ao número de séries analisadas em separado e que são: Ibovespa com o Dow Jones, Merval com o Dow Jones e Ibovespa com Merval. Caso o posto seja zero, isto equivaleria à inexistência tanto de cointegração como de elos entre eles. Caso o posto seja dois, todas as séries seriam estacionárias em termos e níveis e, da mesma forma, não faria sentido falar em cointegração. Por fim, se o posto for um, haverá indício de cointegração, denotando haver uma combinação linear cointegrada. O teste utilizado para verificar o número de parâmetros π que sejam estatisticamente diferentes de zero tiveram as suas distribuições assintóticas derivadas por

5 Johansen e Juselius (99) e Johansen (99), com uma delas convergindo para o traço da matriz e a outra para o autovalor máximo da matriz. Neste estudo serão empregados os dois testes de razão de verossimilhança. A estatística do traço testa a hipótese nula de existência de no máximo k vetores cointegrantes contra a alternativa de que o número desses vetores é maior do que k, sendo dada pela equação que segue abaixo: N λ traço (k) = - T ln(- λ ^i) (5.2) k+ Já a estatística do autovalor máximo checa a hipótese nula de existência de exatamente k vetores cointegrantes contra a alternativa de que o número desses vetores é igual a k + e é dada pela seguinte equação: λ max (k, k + ) = - T ln(- λ^k + ) (5.3) Ainda vale ressaltar que os valores críticos para as equações (5.2) e (5.3) no presente estudo foram tabulados por Johansen e Juselius (99), bem como que o teste assume que D t da equação (5.) possui somente uma tendência determinística. 6. Origem e tratamento dos dados Os dados utilizados foram coletados no banco de dados da empresa Economática. São cotações diárias de fechamento dos principais índices bursáteis do Brasil, Argentina e EUA, que são, respectivamente, Ibovespa, Merval e Dow Jones. O período analisado vai de 3 de junho de 99 a 26 de abril de 2, tendo o mesmo sido dividido em três sub períodos. O primeiro vai de 3 de junho de 99 a 3 de junho de 99, antecedendo a implantação do Plano Real. Como fator adicional de sua escolha, citamos a vigência da Resolução 832 do Banco Central do Brasil, que facilitou a abertura do mercado nacional a investidores estrangeiros. O segundo subperíodo vai de de julho de 99 até 3 de dezembro de 998 e corresponde ao período pósimplementação do Plano Real até a forte desvalorização cambial ocorrida no início de 999. O último subperíodo vai de de janeiro de 999 a 26 de abril de 2 e corresponde ao período pós-desvalorização do Real. Quando, por qualquer motivo, não houve a constatação de uma cotação, adotou-se o procedimento de utilização de cotação do dia anterior. Já as cotações diárias de fechamento foram ajustadas pela cotação do dólar de cada país, utilizando a seguinte equação: R j,t = LN[(I j,t /I j,t- )/(X j,t /X j,t- )] (6.) onde: R j,t = Retorno, em dólar, do índice j, no dia t, em sua forma logarítmica; I j,t e Ij,t- = valores de fechamento diário do índice j, no dia t e t-, respectivamente; X j,t e X j,t- = taxas de câmbio nos dias t e t-, respectivamente, no país do índice j. As filtragens e demais procedimentos econométricos foram realizados por meio do software Eviews Resultados e discussões Antes de discutir os resultados obtidos com o teste de exogeneidade econométrica de Sims, deve-se verificar se as séries são estacionárias, o que pode ser aferido pelo comportamento do correlograma. Figura 7.. Funções de autocorrelação das variáveis em nível e em primeira diferença. Dow Jones Ibovespa

6 Ibovespa - Merval Dow Jones Merval Esta constatação gráfica deve ser confirmada pelo teste de raiz unitária, onde a hipótese nula de raiz unitária é contraposta à hipótese alternativa de estacionariedade. O teste utilizado neste estudo foi o de Dickey-Fuller Aumentado e os resultados confirmaram aqueles derivados da análise do correlograma, conforme exposto pela tabela 7.. Após a constatação de estacionariedade testou-se o sentido de causalidade dos retornos diários dos índices de ações do Brasil, Argentina e EUA para os três subperíodos e o período global e os resultados estão apresentados na tabela 7.2. Tabela 7.. Teste ADF Variável Nível nº de Lags ª diferença nº de Lags Ibovespa -2,6656* 3-23,22* 3 Dow Jones -29,88* 2-2,3652* Merval -27,6885* 2-23,28* 2 Fonte: Dados da pesquisa. Notas: * Nível de significância de % Tabela 7.2. Teste de causalidade entre os retornos diários dos índices de ações da Argentina, Brasil e Estados Unidos. Estatística F Mercados º Sub período 2º Sub período 3º Sub período Período Global Ibov Djo,88,75,97,75 Djo Ibov,835 2,975*,6632,5857* Ibov Mer 2,9326*,6593,27 2,69** Mer Ibov, ,363**,69732,2238 Djo Mer 6,75*,53929,525 3,39286* Mer Djo 2,75*,86875,6638 2,8** Fonte: Dados da pesquisa. Notas: As setas indicam o sentido de causalidade. O º sub período vai de 3/6/99 a 3/6/99; o 2º sub período vai de /7/99 a 3/2/998; e o 3º sub período vai de //999 a 26//2. * Nível de significância de % ** Nível de significância de 5%. A significância dessas interrelações é dada pela estatística F, que testa a hipótese de que os coeficientes das variáveis futuras das equações. e.2 são nulas. Os resultados da tabela 7.2. mostram que, no período global, houve uma causalidade unidirecional,

7 significativa a %, do mercado norte americano em relação ao mercado brasileiro. O mercado brasileiro em relação ao mercado argentino também se mostrou significativo, só que a um nível de significância de 5%. Encontrou-se ainda uma relação bicausal entre o índice Dow Jones e Merval, mostrando-se mais significativo o sentido de causalidade a favor do mercado americano em relação ao mercado argentino. No primeiro subperíodo foi encontrada causalidade unidirecional para o par Ibovespa causando o Merval, a um nível de significância de %, e uma causalidade bidirecional para os pares Dow Jones e Merval, também significativos a %. No subperíodo pós-implantação do Real até a sua desvalorização, houve um crescimento significativo dos pares Dow Jones causando o Ibovespa e do Merval causando o Ibovespa. Já no subperíodo pós-desvalorização do Real nenhum dos pares mostrou-se significativo. Para mostrar como os mercados se integram ao longo do período, utilizou-se a metodologia de cointegração e os resultados apresentados na tabela 7.3. são razoavelmente consistentes quando comparados com os resultados obtidos pelo teste ADF da tabela 7.. Os resultados do teste de cointegração mostram que, em todos os subperíodos e no período global, todas as especificações do VAR rejeitaram as hipóteses dos testes sobre traço e máximo auto valor (Eigenvalue) a um nível significância de %, com exceção do teste de traço para o terceiro subperíodo dos pares Ibovespa-Dow Jones e Ibovespa-Merval. Estes resultados mostram que o posto da matriz é igual ao número das séries em cada um dos sistemas multivariados, denotando que todas as séries são estacionárias e que, portanto, não ocorre cointegração. Em suma, os sistemas multivariados (Ibovespa-Dow Jones, Dow Jones-Merval e Ibovespa-Merval) não revelaram equilíbrio de longo prazo. Tabela 7.3. Teste de cointegração para os três sub períodos e para o período global onde as séries do índice Ibovespa e Dow Jones, Dow Jones e Merval e Ibovespa e Merval, são analisados conjuntamente. Ibovespa D. Jones D. Jones Merval Ibovespa Merval Hipótese nula: v = V = v = v = v = v = º λ máx 62,58* 32,72* 2,87* 79,7* 25,3* 83,65* 2º λ máx 3,2* 93,5* 23,8* 26,23* 23,2* 67,7* 3º λ máx 8,85* 2,37* 2,8* 58,82* 9,72* 23,5* Período global λ máx 335,27* 295,85* 33,27* 268,8* 375,63* 299,79* Valor cr.99% 2,7 9,83 2,7 9,83 2,7 9,83 Hipótese nula: v v v v v v º λ Traço 295,3* 32,72* 92,* 79,7* 29,8* 83,65* 2º λ Traço 26,36* 93,5* 37,7* 26,23* 38,7* 67,7* 3º λ Traço 69,22* 2,37** 8,66* 58,82* 72,87* 23,5** λ Traço Período global 63,2* 295,85* 598,5* 268,8* 675,2* 299,79* Valor cr.99% 2,7 2,99 2,7 2,99 2,7 2,99 Notas: O número de lags em cada VAR para cada sub período e período global foram,, e 7, respectivamente para o par Ibovespa-Dow Jones; 7,, 5 e 7, respectivamente para o par Dow Jones- Merval; e 6, 6, e 6, respectivamente para o par Ibovespa-Merval. Foram utilizados os critérios de Akaike e Schawrz para a identificação de um número ótimo de defasagens. Os valores críticos são da tabela A3 de Johansen e Juselius (99). ** (*) Indica que o coeficiente é significativo ao nível de 2,5% e (%) respectivamente. 8. Conclusões O presente trabalho buscou analisar o nível de integração dos mercados acionários do Brasil, Argentina e Estados Unidos, com intuito de detectar a eficiência informacional

8 que se estabelece entre eles. Este objetivo foi buscado com o uso do teste proposto por Sims (972), com o qual detectamos ter havido, no período global, causalidade unidirecional entre os índices representativos dos mercados americanos para o brasileiro e do mercado brasileiro para com o mercado argentino. Quando procedemos aos testes para diferentes períodos, determinamos que entre 99 e 99 ocorreu causalidade unidirecional entre o par Ibovespa-Merval e bicausalidade entre o índice Dow Jones e Merval. No período de 99 a 998, tanto o mercado argentino quanto o americano provocaram variações no mercado brasileiro. Podemos interpretar o curso destes resultados sobre testes de causalidade como uma indicação de benefícios possíveis advindos da diversificação dos ativos a nível internacional, com evidentes redução de riscos para agentes investidores. O teste de causalidade é utilizado somente como um indicativo de integração entre os mercados e para mostrar como os mercados se integram, utilizou-se a metodologia de cointegração, i.e., modelo de auto regressão vetorial (VAR). Os resultados mostram que os mercados são informacionalmente eficientes, isto é, as variações reveladas por um determinado índice não contêm informações úteis que permitam prever o comportamento de outro índice. 9. Referência Bibliográfica BISHOP, R. V. The construction and use of causality test. Agricultural Economics Research, v.3, n., p.-6, 979. BROCKLEBANK. J. C. ; DICKEY, D. A. SAS system for forecasting times series. North Caroline: SAS Institute Inc., p. CAMPBELL, J. Y.; PERRON, P. Pitfalls and opportunities: What macroeconomics should know about unit roots. In: BLANCHARD, O. J.; FISCHER, S. (eds.) NBER Macroeconomics annual 99, MA: MIT Press. 99. CHAN, K. C.; GUP, B. E.; PAN, M. S. International stock market efficiency and integration: A study of eighteen nations. Journal of Business Finance Accounting 2-6, p.83-3, july 997. COSTA JUNIOR, N. C. A.; LEAL, R. P. C. Mercosul e a globalização dos mercados de capitais: Testes de causalidade. Revista de Administração, São Paulo v.32, n., p.8-88, A integração entre as bolsas de valores de Buenos Aires e de São Paulo. Revista de Administração Contemporânea, v.2, n., p.87-99, 998. DICKEY, D. A.; FULLER,W. A. Distribution of the estimators for autoregressive times series with a unit root. Journal of the American Statistical Association. v.7, p.27-3, A likelihood ratio statistics for autoregressive time series with a unit root. Econométrica, v.9, n., p , 98. ENDERS, W. Applied econometric time series. st edition. Iowa: John Wiley & Sons Inc., p. FAMA, E.F. Efficient capital markets: a review of theory and empirical work. The Journal of Finance. V.25, n.2, p.383-7, 97.. Efficient capital markets: II. The Journal of Finance. V.6, n.5, p , dec., 99. GRANGER, C. W. J. Investigating casual relations by econometric models and cross spectral methods. Econométrica, v.36, p.2-38, 969.