Características dos Investidores e Alocação em Ações: Evidência com um Banco de Dados de uma Consultoria de Investimentos

Transcrição

1 1 FUNDAÇÃO GETÚLIO VARGAS ESCOLA BRASILEIRA DE ECONOMIA E FINANÇAS MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL THIAGO COUPEY GIANNINI Características dos Investidores e Alocação em Ações: Evidência com um Banco de Dados de uma Consultoria de Investimentos Rio de Janeiro 2018 THIAGO COUPEY GIANNINI

2 2 Características dos Investidores e Alocação em Ações: Evidência com um Banco de Dados de uma Consultoria de Investimentos ORIENTADOR: André de Castro Silva Rio de Janeiro 2018

3

4

5 Dedico esta dissertação à minha grande referência, e inspiração, meu amado primo, Wilson, à mulher da minha vida, Priscila, pelo apoio incondicional e com quem compartilho todas as minhas conquistas, ao meu grande amor, minha querida mãe, Olinda (in memorian), ao Matheus, ao qual tenho o orgulho e prazer de chamar de irmão, à Deus, pois sem ele nada disso seria possível e à toda minha família 4

6 5 RESUMO Este trabalho identifica a influência de variáveis socioeconômicas e demográficas, como idade, gênero, tempo investido, área de atuação, estado civil e classe de atendimento na alocação em ações utilizando uma base de dados de clientes de uma empresa de consultoria em investimentos. Em seguida, o presente estudo avalia se a orientação fornecida por esta empresa implica um sharpe ratio maior. Os principais resultados revelam que indivíduos com mais tempo de carteira, homens, com formação em exatas e que possuem assessoria financeira tem uma probabilidade maior de ter ações na carteira. Dentre os indivíduos que possuem ações na carteira, aqueles com maior tempo de investimentos, jovens e solteiros tendem a ter uma alocação em ações na carteira de 35 pontos percentuais a mais. O grupo de clientes private (que possuem assessoria financeira) tende a ter alocação em ações 11 pontos percentuais menor. Por fim, observa-se que esse grupo possui sharpe ratio igual a 2,8 enquanto o grupo varejo possui sharpe ratio igual a 1,9. Palavras-chaves: Alocação de Ativos, Características dos Investidores, Decisões de Investimentos, Household finance, Finanças Comportamentais

7 6 ABSTRACT This research identifies the influence of socioeconomic and demographic variables, such as age, gender, time invested, field of work, marital status and type of service in the allocation of stocks using a database of clients of an investment consulting firm. Next, the present study evaluates if the financial guidance provided by this company implies a higher sharpe ratio. The main results reveal that individuals that have maintained an investment portfolio for a longer period, men, with majors that are related to exact sciences and that have more financial advise, have a greater probability of having stocks in their portfolio. Among the individuals that have stocks in their portfolio, those that have maintained an investment portfolio for a longer period, young and single, tend to have a larger allocation in stocks, of 35 percentage points more. The group of clients in the private segment (that have more financial guidance) tend to have less stocks, of 11 percentage points less. Lastly, it can be observed that this group has a Sharpe ratio of 2,8 while the retail group has a Sharpe ratio of 1,9. Keywords: Asset Allocation, Investor Characteristics, Investment Decisions, Household Finance, Behavioral Finance

8 7 SUMÁRIO 1 INTRODUÇÃO DADOS RESULTADOS Estatística descritiva das variáveis explicativas Estatística descritiva das variáveis dependentes Modelo logit - decisão entre ter ou não ações na carteira Modelo de regressão linear - alocação em ações Modelo de regressão linear sharpe ratio por classe de atendimento MODELO DE ATUAÇÃO DA EMPRESA DE CONSULTORIA Processo de seleção de fundos Modelo de remuneração Processo de investimento CONCLUSÃO REFERÊNCIAS... 28

9 8 1. INTRODUÇÃO Usualmente assessores de investimentos se deparam com investidores de diversas características que se comportam de formas distintas. Existe, portanto um desafio de entender melhor se essas características ajudam a explicar os comportamentos no que tange à algumas decisões de investimentos. Para esse estudo levantam-se três grandes abordagens de interesse as quais os assessores de investimentos da firma se deparam com frequência: (1) Decisão entre ter ou não fundos de ação na carteira, (2) Tamanho da alocação nos fundos de ação e (3) Sharpe ratio dos investidores com ações na carteira. A presente pesquisa busca responder as seguintes perguntas: i) dentre os fatores coletados na base de dados, quais contribuem com significância estatística para explicar a probabilidade do individuo de ter ações na carteira. Nessa fase busca-se apenas avaliar a probabilidade de ter ações na carteira independente do tamanho da posição; ii) utilizando somente a base de clientes que possuem ações na carteira, quais fatores contribuem para uma maior ou menor alocação em ações (como percentual total da carteira). Busca-se, portanto avaliar se os fatores identificados no item (i) continuam sendo significantes e tendo a mesma direção, além de avaliar se novos fatores surgem para explicar o percentual alocado em ações; (iii) identificar se os clientes que possuem um acompanhamento e gestão mais próxima da carteira chamado cliente private obtém um sharpe ratio maior em relação ao grupo de clientes que não possui a mesma frequência de assessoria financeira. Muitos estudos como Grable e Joo (1999), Grable e Joo (2004), Hallahan et al (2004), Yao et al. (2004) e Keese (2012) apontam que o nível de risco assumido pelo individuo está associado à algumas variáveis demográficas como idade, gênero, estado civil e renda. Outra verificação se dá através de estudos como Sung e Hanna (1996) que mostram que o nível de risco assumido está associado a variáveis socioeconômicas como conhecimento em finanças e patrimônio. De acordo com Grable e Joo (2004), Hallahan et al. (2004), Yao et al., (2004) e Sung e Hanna (1996), (a) solteiros são mais propensos ao risco do que os casados. Outros autores como Christ, Stefano e Raifur (2014), Melo e Silva (2010) e Bidarte et al. (2014) revelam que (b) homens são mais propensos ao risco do que as mulheres e (c) pessoas mais velhas são mais avessos ao risco do que jovens. Os autores Grable e Joo (1999) e Haliassos e Bertaut (1995) mostram que (d) indivíduos com maior conhecimento em finanças tendem a ter um apetite maior à risco.

10 9 Algumas das conclusões citadas acima são verificadas no presente estudo utilizando uma base de clientes dos anos de 2016 e 2017 de uma empresa de consultoria localizada no Rio de Janeiro a fim de buscar entender melhor a alocação em ações dos clientes perante o mercado acionário brasileiro. De modo a situar o leitor em relação ao momento de mercado analisado, o gráfico abaixo mostra a série histórica do Ibovespa e do CDI ao longo dos anos de 2015 e ,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00% -10,00% -20,00% dez-14 fev-15 abr-15 jun-15 ago-15 out-15 dez-15 fev-16 abr-16 jun-16 ago-16 out-16 dez-16 fev-17 abr-17 jun-17 ago-17 out-17-30,00% CDI Ibovespa Figura 1 - Série histórica de retorno do índice Ibovespa e CDI durante o período de 2015 a 2017 Fonte: Quantum Axis Nesse período aconteceram alguns fatos marcantes que geraram volatilidade no mercado: impeachment da presidente Dilma Roussef, queda na taxa SELIC, saída do Reino Unido da União Européia, Eleição de Donald Trump nos EUA e etc. Entender de antemão essa propensão a incluir ações no portfólio auxilia os assessores financeiros a traçarem o perfil do investidor e até mesmo a adotar estratégias de atuação em relação aos mesmos. Para tal análise, as variáveis coletadas são separadas em grupos e posteriormente utilizados os modelos logit e regressão linear simples para estimar os coeficientes e gerar a estatística da regressão. Além da introdução apresentada, o presente estudo está estruturado em outras três seções. A segunda trata a respeito da base de dados agrupadas pelas variáveis coletadas e resultados das análises. Por fim, dedico uma seção especifica para discorrer sobre o processo de

11 10 investimento da empresa de consultoria, modelo de remuneração e politica de atendimentos aos clientes.

12 11 2. DADOS A presente pesquisa considera a base de dados dos anos de 2016 e 2017 dos clientes de uma empresa de consultoria em investimentos, totalizando 443 carteiras que são utilizadas na análise do modelo logit auxiliando a identificar os fatores que levam à decisão de ter ou não ações na carteira. A partir dos dados iniciais, a pesquisa se concentra nas carteiras com alocação positiva em ações, que resume o total da amostra em 165 carteiras. Por fim, de modo a não gerar viés no cálculo do sharpe ratio, retira-se dessa amostra de 165 carteiras, 23 delas que foram criadas ao longo dos anos de 2016 e Os dados são coletados utilizando os dois grandes sistemas da empresa: o primeiro, de relacionamento com o cliente onde constam todas as informações qualitativas e o sistema de carteiras onde constam todas as informações quantitativas. Consolidam-se os dados para se chegar a uma base única. O ponto chave nesse momento é o de identificar o patrimônio total dos investidores aos quais não possuem informações completas. Essa tratativa é de suma importância, pois influencia no percentual de ações que o cliente possui na carteira. Além desse tratamento, identificam-se as carteiras que pertencem ao individuo que toma decisão acerca dos investimentos. Após os devidos tratamentos dos dados, cada variável coletada passou por uma análise de cluster e testes-t de diferença entre médias para agrupar indivíduos semelhantes entre si. As variáveis independentes, mapeadas e tratadas na base de dados são: Idade, classe de atendimento, tempo de constituição de carteira, sexo, estado civil e área de atuação. A variável escolaridade foi mapeada, porém devido ao número irrelevante de investidores que não possuem ensino superior, foi desconsiderada da amostra. As variáveis dependentes são segregadas de três maneiras de acordo com as análises. Primeiramente, utilizando a base total de 443 carteiras, separa-se a variável alocação em ações na carteira de forma binária com o parâmetro 1 para investidores com alguma posição em ações na carteira e parâmetro 0 para investidores que não possuem ações na carteira. Nessa etapa, roda-se um modelo de regressão logit em que o objetivo é encontrar coeficientes que aumentem ou diminuem a probabilidade do investidor ter ações na carteira. Em seguida, com a amostra reduzida para as 165 carteiras que possuem alocação positiva em ações, utiliza-se a variável de forma continua, ou seja, considerando a participação total em

13 12 percentual das ações nas carteiras dos clientes. Para essa etapa, utiliza-se o modelo padrão de regressão linear onde a variável dependente é continua e varia de 0 a 100 estimando a parcela em ações que os clientes teriam de acordo com os coeficientes das variáveis explicativas. Por fim a variável dependente sharpe ratio é também utilizada de forma continua de modo a estimar através de uma regressão linear simples, o valor do sharpe da carteira de cada cliente. A seguir, na seção 4, são apresentadas no detalhe cada uma dessas variáveis.

14 13 3. RESULTADOS 3.1 Estatística descritiva das variáveis explicativas A primeira variável a ser apresentada é o tempo de formação de carteira. A maioria dos investidores da base, 57,56%, possuem carteira constituída a mais de 3 anos. Tempo de Formação de Carteira Observações % Até 1 Ano 68 15,35% Entre 1 e 3 Anos ,09% Acima de 3 Anos ,56% Total de Observações ,00% Tabela 1 - Distribuição das carteiras por tempo de formação Fonte: Própria Na sequencia observa-se a variável estado civil onde é possível notar uma distribuição similar entre casados e solteiros com uma leve vantagem para os casados sendo esses responsáveis por 52,82% da base analisada. Estado Civil Observações % Casados ,82% Solteiros ,18% Total de Observações ,00% Tabela 2 - Distribuição das carteiras por estado civil Fonte: Própria Em relação à área de formação do investidor a tabela abaixo mostra que 51,24% dos clientes pertencem ao ramo de exatas e 48,76% aos demais ramos como humanas, biológicas e etc. Área de Formação Observações % Não Exatas ,76% Exatas ,24% Total de Observações ,00% Tabela 3 - Distribuição das carteiras por formação na área de exatas e não exatas Fonte: Própria No que tange à idade, grande parte da base de dados analisada pertence à classe dos adultos / idosos contribuindo com 88,71% dos investidores. Já os jovens representam somente 11,29% da amostra.

15 14 Idade Observações % Adulto (Acima de 30 anos) ,71% Jovem (Até 30 anos) 50 11,29% Total de Observações ,00% Tabela 4 - Distribuição das carteiras entre jovens e adultos / idosos Fonte: Própria Quanto ao gênero, a base de dados coletada é composta por 66,14% de homens e 33,86% de mulheres como mostra a tabela abaixo: Gênero Observações % Mulher ,86% Homem ,14% Total de Observações ,00% Tabela 5 - Distribuição das carteiras por gênero Fonte: Própria A última variável explicativa coletada na base de dados é o segmento de cliente categorizado na politica de atendimento da empresa de consultoria. Divide-se, portanto, os clientes em dois segmentos: varejo com 55,30% dos clientes e private com 44,70% dos clientes. Classe de Atendimento Observações % Varejo (Até 500 mil) ,30% Private (Acima de 500 mil) ,70% Total de Observações ,00% Tabela 6 - Distribuição das carteiras por classe de atendimento Fonte: Própria

16 Estatística descritiva das variáveis dependentes Inicialmente, a variável percentual alocado em fundos de ação é segregada de forma binária entre o grupo que não possui alocação em ações representando 62,75% dos investidores e o grupo que possui alocação em ações com 37,25% dos clientes. Essa segregação binária da variável alocação em ações é utilizada no modelo logit. Alocação em Fundos de Ação Observações % Não Possui ,75% Possui ,25% Total de Observações ,00% Tabela 7 - Distribuição das carteiras por alocação em ações Fonte: Própria Após essa segregação, busca-se avaliar o universo dos 165 investidores que possuem ações na carteira. As faixas começam pelo valor mínimo de ações na carteira, no caso 1,44% e terminam no valor máximo, 100%. Esse grupo está distribuído da seguinte forma em relação ao percentual alocado em fundos de ação Alocação em Fundos de Ação - > 0% Observações % 1,44% a 15,44% 73 44,24% 15,44% a 29,44% 47 28,48% 29,44% a 43,44% 19 11,52% 43,44% a 57,44% 16 9,70% 57,44% a 71,44% 1 0,61% 71,44% a 85,44% 2 1,21% 85,44% a 100,00% 7 4,24% Total de Observações ,00% Tabela 8 - Distribuição das carteiras dos clientes que possuem ações por grupos de alocação Fonte: Própria Na análise final, a variável dependente da amostra é o sharpe ratio em que o cálculo leva em consideração o retorno anualizado sobre a volatilidade anualizada de cada carteira em seu respectivo período porém sem levar em consideração a taxa livre de risco em função da alta taxa SELIC e do CDI no Brasil ao longo desses anos. Nessa etapa final o objetivo é entender se existe diferença significativa nos sharpes entre os clientes do grupo private (acima de 500

17 16 mil) e varejo (abaixo de 500 mil). Como premissa do cálculo, de forma a eliminar o possível viés, não se consideram as carteiras constituídas ao longo dos anos analisados, mantendo somente as carteiras que renderam durante o ano inteiro. Dessa forma as 165 observações se tornaram 142. A tabela abaixo mostra a distribuição dessas 142 carteiras de acordo com o sharpe ratio: Sharpe Ratio Observações % 0,24 a 1, ,04% 1,07 a 1, ,94% 1,90 a 2, ,73% 2,73 a 3, ,20% 3,56 a 4, ,04% 4,39 a 5,22 4 2,82% 5,22 a 6,05 4 2,82% 6,05 a 8,54 2 1,41% Total de Observações ,00% Tabela 9 - Distribuição das carteiras dos clientes que possuem ações por grupos de sharpe ratio Fonte: Própria

18 Modelo logit - decisão entre ter ou não ações na carteira Nesse bloco, é apresentada a primeira análise de regressão logit do estudo com o objetivo de testar de que forma as variáveis explicativas interferem na probabilidade do investidor em ter ações na carteira. A regressão de número 1 mostra o modelo com todas as variáveis e na regressão da coluna 2, somente com as variáveis estatisticamente significantes. Variáveis Dependentes Probabilidade de Alocação em Fundos de Ação 1 2 Constante -2,633-2,496 (0,448)*** (0,420)*** Tempo de Formação de Carteira 0,427 0,424 (0,149)*** (0,,147)*** Estado Civil (Solteiro) 0,230 (0,226) Área de Formação (Exatas) 0,554 0,575 (0,220)** (0,217)*** Idade (Jovem) -0,079 (0,358) Gênero (Homem) 0,580 0,537 (0,243)** (0,239)** Classe de Atendimento (Private - Acima de 500 mil) 0,564 0,537 (0,212)*** (0,206)*** Número de Observações Tabela 10 Regressão através do modelo logit com o objetivo de identificar as variáveis que contribuem para a probabilidade do investidor de ter ações na carteira, independentemente do tamanho da posição Fonte: Própria utilizando os dados da regressão modelada no software estatístico R Legenda: Valores em parênteses: Erro padrão do coeficiente gerado pela regressão P-valor: * < 0,1, ** < 0,05 e *** < 0,01 Observa-se com significância estatística (p-valor < 0,05) que as variáveis gênero, tempo de carteira (leia-se experiência em investimentos), área de formação e clientes private (acima de 500 mil) contribuem positivamente com a probabilidade do individuo ter ações em seu portfólio. Os coeficientes evidenciados acima revelam a variação no logit. Por exemplo, caso o indivíduo seja homem, o logaritmo da relação entre a probabilidade de ter ações na carteira e

19 não ter ações na carteira aumenta em 0,537 unidades. Para encontrar uma interpretação direta, é necessário calcular a estimativa do odds rstio 1, conforme mostra a tabela abaixo: Variáveis Dependentes Odds Ratio Constante 0,082 Tempo de Formação de Carteira 1,529 Área de Formação (Exatas) 1,777 Gênero (Homem) 1,712 Classe de Atendimento (Private - Acima de 500 mil) 1,711 Tabela 11 Valores estimados de Odds Ratio obtido através do software estatístico R Fonte: Própria Em relação ao gênero, observamos que se o investidor for do sexo masculino a probabilidade de ter ações em seu portfólio aumenta em 71,2%. Esse comportamento é evidenciado em diversos estudos como Christ, Stefano e Raifur (2014), Kesse (2012) e Bidarte et al. (2014) que apontam as mulheres sendo mais conservadoras que os homens com respeito à alocação em ações. Quanto ao tempo de formação de carteira, observa-se que quanto maior a experiência com investimentos, maior tende a ser a probabilidade de ter ações na carteira. A odds ratio mostra que a probabilidade de ter ações aumenta em 52,90% na medida em que o investidor aumenta o tempo de constituição de carteira. No caso dos investidores analisados, maior tempo de carteira significa maior tempo de relacionamento com a empresa de consultoria e por conseguinte maiores informações a respeito do mercado esse investidor terá, tornando-se mais educado financeiramente e com maior conhecimento do que o cliente que está iniciando seu processo de investimento. Esse resultado vai ao encontro de estudos como Grable e Joo (1999) e Haliassos e Bertaut (1995) que mostram a relação entre alocação em ativos arriscados e conhecimento financeiro. Em relação à variável área de formação (exatas), também se verifica coeficiente positivo e estatisticamente significante apontando que investidores com formação na área de exatas possuem uma probabilidade de ter ações na carteira 77,7% superior. Esse resultado positivo deve-se ao fato de que indivíduos ligados ao campo de exatas tendem a conhecer mais de números e entender gráficos e conceitos como volatilidade, expectativa de retorno e etc Odds Ratio é a razão entre o valor final e o valor inicial do Odds. Odds por sua vez é a razão de duas probabilidades complementares onde o numerador representa a probabilidade de sucesso e o denominador a probabilidade de fracasso. Valores de Odds Ratio acima de 1 indicam variações positivas na probabilidade de sucesso (no caso na probabilidade de ter ações na carteira) quando o valor do regressor aumenta.

20 19 Por fim, a variável classe de atendimento mostra, também de forma estatisticamente significante, que a probabilidade do individuo da classe private (acima de 500 mil reais investidos) ter ações na carteira aumenta em 71,1%. Investidores da classe private são mais assistidos através de uma maior frequência de contatos, além de ter sua carteira monitorada de forma mais próxima e gerida pela empresa de consultoria. Nos anos coletados na amostra de 2016 e 2017 foi frequentemente sugerido pela empresa de consultoria uma posição em ações nas carteiras dos clientes.

21 Modelo de regressão linear - alocação em ações Na segunda etapa da análise, utiliza-se somente os clientes que possuem posições em ações de modo a entender quais fatores explicativos levantados levam a uma alocação maior ou menor em ações. Variáveis Dependentes Alocação em Ações (em Percentual) 1 2 Constante 8,601 9,359 (6,942) (6,466) Tempo de Formação de Carteira 4,989 5,107 (2,316)** (2,272)** Estado Civil (Solteiro) 11,662 11,360 (3,367)*** (3,169)*** Área de Formação (Exatas) 0,538 (3,350) Idade (Jovem) 18,050 18,521 (5,430)*** (5,171)*** Gênero (Homem) 0,860 (3,959) Classe de Atendimento (Private - Acima de 500 mil) -11,193-11,133 (3,101)*** (3,077)*** Número de Observações R² 29,86% 29,82% Tabela 12 Regressão linear simples utilizando somente as carteiras que possuem ações, com o objetivo de identificar os coeficientes que contribuem para o tamanho da posição em ações Fonte: Própria Legenda: Valores em parênteses: Erro padrão do coeficiente gerado pela regressão P-valor: * < 0,1, ** < 0,05 e *** < 0,01 A variável tempo de carteira continua sendo significante para explicar alocação em ações, dessa vez o resultado mostra que um ano a mais de tempo de carteira leva a 5,10 pontos percentuais a mais do portfolio daquele investidor em ações. Já a variável classe de atendimento continua apresentando significância estatística, porém dessa vez com sinal contrário, ou seja, o investidor pertencente ao grupo private (acima de 500 mil reais investidos) possui uma alocação 11,13 pontos percentuais menor em ações do que o investidor do grupo varejo. O período apresentou diversas incertezas no âmbito politico e econômico A classe de atendimento private possui maior assistência financeira e com isso tende a montar posições estruturais em ações diversificando a carteira

22 21 com uma dose mais equilibrada de risco pincipalmente se tratando dos anos analisados em que se observou uma volatilidade grande nos mercados e um ambiente politico incerto com impeachment e continuidade da operação lava jato. 2 Surgem duas novas variáveis que não foram significativas na regressão binária da seção 4.3. A primeira com maior relevância é a idade. O modelo aponta que os jovens tendem a ter uma alocação em ações 18,52 pontos percentuais maior do que os investidores de maior idade (acima de 30 anos), indo ao encontro ao estudo de Worthy, Jonkman e Blinn Pik (2010) que revela os jovens sendo mais propensos ao risco por, em geral, não terem responsabilidades fixas como despesas familiares. De acordo também com Peterson (1972), os idosos são mais avessos ao risco. Brown, Garino e Tauylor (2013) também destacam que o aumento de risco tende a diminuir com a idade. A segunda variável que surge é o estado civil. De acordo com a regressão apresentada, os solteiros tendem a ter uma alocação em ações 11,36 pontos percentuais maior do que o investidor casado, corroborando alguns estudos como Sung e Hanna (1996), Grable e Joo (2004), Hallahan et al. (2004) e Yao et al. (2004) que também mostram maior disposição à risco por parte dos solteiros. Outro resultado interessante ao analisar somente os investidores com algum percentual em ações é o resultado das variáveis gênero e área de formação. Apesar de apresentar coeficientes positivos assim como na primeira regressão, os mesmos deixam de ser significativos com p- valor acima de 0,1, refutando estudos como Christ, Stefano e Raifur (2014), Kesse (2012), Bidarte et al. (2014) e Peterson (1972) que indicavam o homem como tendo maior propensão à risco. 2 Mais precisamente em 02 de Dezembro de 2015 instaurou-se na câmara dos deputados o processo de impeachment da presidente Dilma Roussef que encerrou-se no dia 31 de agosto de Além disso, ainda em 2015, a operação lava jato começava a envolver situações políticas como o depoimento do ex-presidente Luiz Inácio Lula da Silva e a prisão do senador Delcidio Amaral.

23 Modelo de regressão linear - sharpe ratio por classe de atendimento A mudança de direção da variável classe de atendimento apresentada nas regressões acima levou a uma reflexão: Será que o grupo de clientes private influenciado por uma gestão mais ativa da empresa de consultoria gerou maiores retornos ajustados ao risco para as carteiras dos clientes? De modo a estabelecer diferenciação nos atendimentos, a empresa de consultoria segrega seus clientes de acordo com o patrimônio liquido em dois grandes grupos: Private e Varejo. Os clientes do grupo private, possuem as seguintes características de atendimento: Envio mensal da carteira do cliente com a atribuição de performance segregada por ativos e um breve resumo qualitativo dos ganhos e perdas; Reunião presencial ou call trimestral com elaboração de estudo; Envio de carta mensal comentada sobre os acontecimentos do mês e algum estudo de caso da indústria; Constante revisão da carteira com sugestões de mudanças quando pertinentes; Já para os clientes do grupo Varejo (até 500 mil reais de patrimônio), o atendimento é feito sob demanda e não há ação ou revisão da carteira. A amostra dessa análise final, considera as 165 carteiras com alocação em ações, retornos e volatilidade anualizadas para enfim encontrar o sharpe ratio. 3 Da base de 165 carteiras, 23 delas foram criadas ao longo dos anos de 2016 e 2017 podendo gerar viés no resultado. Chega-se, portanto a um número final de 142 carteiras, com os seguintes resultados da regressão: 3 O sharpe calculado leva em consideração o retorno anualizado dividido pela volatilidade anualizada da carteira sem considerar o desconto da taxa livre de risco.

24 Variáveis Dependentes Sharpe Ratio 1 Constante 1,948 Classe de Atendimento (Private - Acima de 500 mil) (0,147)*** 0,903 (0,196)*** Número de Observações 142 R² 13,10% Tabela 12 Regressão linear simples utilizando somente as carteiras que possuem ações e que rentabilizaram durante os anos de 2016 e 2017, com o objetivo de identificar a geração de valor da empresa de consultoria através das classes de atendimento aos clientes Fonte: Própria Legenda: Valores em parênteses: Erro padrão do coeficiente gerado pela regressão P-valor: * < 0,1, ** < 0,05 e *** < 0,01 23 Observa-se com bastante significância estatística (p-valor < 0,01) que o grupo de clientes private possui sharpe ratio 0,90 superior ao grupo de clientes varejo. 4 No modelo acima esse incremento de sharpe ratio de 0,90 mostra que investidores private possuem sharpe igual a 2,851 contra 1,948 dos investidores da classe de varejo. Isso representa um aumento percentual de 46,36% em relação ao retorno obtido pelos clientes do grupo varejo dado o mesmo nível de risco. Revela-se, portanto a geração de valor e vantagem comparativa em ter um advisor financeiro acompanhando a carteira e realizando a sua gestão. Vale ressaltar que os dois tipos de clientes possuem acesso integral aos fundos selecionados pela consultoria em seu portfólio, obedecendo aos limites mínimos de entrada em cada produto. 4 O sharpe calculado leva em consideração o retorno anualizado dividido pela volatilidade anualizada da carteira sem considerar o desconto da taxa livre de risco.

25 24 4. MODELO DE ATUAÇÃO DA EMPRESA DE CONSULTORIA 4.1 Processo de seleção de fundos A empresa em questão busca, através de um processo de due diligence, identificar os principais fundos de investimentos da indústria. Em seguida, uma vez aprovado, chega-se à etapa de criar relacionamento comercial com a gestora responsável pelo fundo estando apto a distribuir o fundo em questão. 4.2 Modelo de remuneração A remuneração da empresa de consultoria se dá através de um repasse da taxa de administração cobrada pelo fundo. Dessa forma não há nenhum custo adicional para o cliente ao utilizar o serviço de consultoria da empresa. A cada recurso investido através de algum cliente indicado pela consultoria, um percentual da taxa de administração é repassado para a empresa. 4.3 Processo de investimento Separo em algumas etapas o processo de investimento: Etapa 1 Prospecção, nessa etapa, através da área comercial ou indicação de clientes antigos, busca-se novos clientes para uma primeira reunião no escritório; Etapa 2 Primeira Reunião Presencial ou Call, a ideia é sempre atrair o cliente para uma reunião presencial de modo a conhecer a equipe da empresa e as instalações. Nessa primeira reunião é solicitado ao cliente que apresente os atuais produtos de investimentos que o mesmo possui na carteira além do preenchimento do questionário de suitability para identificação do perfil e informações sobre patrimônio; Etapa 3 Apresentação de Estudo e Cadastro, nessa etapa apresenta-se o estudo elaborado pela consultoria comparando a carteira atual do cliente com as sugestões apresentadas pela consultoria com base nas informações coletadas na etapa 2. O cliente geralmente escolhe uma das sugestões apresentadas ou pede alguma alteração especifica. Em seguida inicia-se a fase de cadastro dos clientes nos fundos sugeridos; Etapa 4 Investimento, uma vez cadastrado nos fundos, o cliente, orientado pela empresa de consultoria realiza as transferências para os fundos;

26 25 Etapa 5 Pós Investimento, a partir daí toda carteira do cliente, inclusive as eventuais posições que esse cliente venha a ter fora da empresa, são consolidadas no sistema da empresa de consultoria de modo a criarmos um acompanhamento da carteira. Dependendo do patrimônio do cliente, há uma frequência maior de contatos e até mesmo de supervisão da carteira, de acordo com a política de atendimento da empresa detalhada abaixo.

27 26 5. CONCLUSÃO A primeira análise revela que se o investidor é do sexo masculino, a chance ter ações em sua carteira aumenta em 71,2%. Essa probabilidade também aumenta em 77,7% caso o investidor tenha formação acadêmica na área de exatas. Caso o investidor tenha mais tempo de formação de carteira, a probabilidade de ter ações na carteira aumenta em 52,9%. Por fim, caso esse investidor seja classificado como private, a probabilidade de ter ações na carteira aumenta em 71,1%. Em uma segunda etapa, com o objetivo de avaliar somente o grupo de clientes que possui ações na carteira, observa-se que investidores que possuem mais tempo de carteira, tendem a ter uma carteira com 5,10 pontos percentuais a mais em ações. Aliado a isso, os investidores solteiros tendem a ter 11,36 pontos percentuais a mais em ações do que os indivíduos casados. Observam-se também os jovens com 18,52 pontos percentuais a mais do que os adultos / idosos. Por fim, uma contradição em relação à primeira análise, a variável classe de atendimento passa a ter direção contrária, ou seja, contribuindo de forma negativa para o tamanho da posição em ações com 11,13%. Esse resultado é fruto do trabalho da empresa de consultoria que nos anos de 2016 e 2017 sugeriu aos clientes que possuem ações, uma posição menor e mais estrutural devido à volatilidade do mercado e para efeitos de diversificação do portfólio. Diante do resultado encontrado em relação à variável classe de atendimento, surge um questionamento: qual dos dois grupos de clientes gerou maior retorno ajustado ao risco durante esse período: os clientes do grupo private que recebem assessoria financeira frequente ou os clientes varejo que escolhem seu portfolio sem o auxilio da consultoria? A última regressão aponta que os investidores do grupo private possuem um sharpe ratio 0,90 superior do que os investidores do grupo varejo. Pelo modelo, isso significa que os investidores do grupo varejo apresentaram sharpe de 1,948 enquanto o grupo private apresentou sharpe de 2,851, o que representa um aumento percentual de 46,36% em relação ao retorno obtido pelos clientes do grupo varejo dado o mesmo nível de risco. A conclusão evidenciada pelo resultado acima é a de que existe vantagem comparativa para o investidor em realizar a gestão do seu investimento através de um advisor financeiro, observando o mesmo modelo de remuneração adotado pela empresa de consultoria avaliada em que o investidor não tem nenhum custo adicional por esse serviço de consultoria.

28 27 Como sugestão de trabalhos futuros, seria interessante avaliar essa mesma metodologia para os próximos anos e utilizando bases de outras consultorias de investimento de forma a buscar corroborar os resultados encontrados. Outra comparação entre retornos interessante é avaliar essa diferença de sharpe entre clientes de mesmo perfil com assessoria de um grande banco e assessoria de uma empresa de consultoria independente.

29 28 REFERÊNCIAS BIDARTE, M. V. D.; PINTO, C. DOS S.; FLORES, S. A. M. MOCELLIN, T. G. Finanças comportamentais e perfil do investidor: uma análise com estudantes universitários. Anais... XXII Seminário de Iniciação Científica, BROWN, S.; GARINO, G.; TAYLOR, K. Household Debt and Attitudes Toward Risk. Review of Income and Wealth, v. 59, n. 2, p , CHRIST, E.; STEFANO, S. R.; RAIFUR, L.A influência de fatores socioeconômicos na determinação do perfil de risco dos alunos do Curso de Administração de uma Universidade Pública. Anais... XXXVIII Encontro da Anpad, EnANPAD, GRABLE, J. E.; JOO, S. Environmental and biopsychosocial factors associated with risk tolerance. Financial Counseling and Planning, v. 15, n. 1, p , HALIASSOS, M.; BERTAUT, C. C. Why Do So Few Hold Stocks? Economic Journal, v. 105, p , HALLAHAN, T. A.; FAFF, R. W.; MCKENZIE, M. D. An Empirical investigation of personal financial risk tolerance.financial Services Review, v. 13, n. 1, p , KEESE, M.Who Feels Constrained by High Debt Burdens? Subjective vs. Objective Measures of Household Indebtedness. Journal of Economic Psychology, v. 33, n. 169, p. 5-31, ODEAN, T.; BARBER, B. Boys Will Be Boys: Gender, Overconfidence and Common Stock Investment. Quarterly Journal of Economics 116 (1) fevereiro: PETERSON, R. Desvendando a mente do investidor. Editora Campus, p , SUNG, J.; HANNA, S. Factors Related To Risk Tolerance. Association for Financial Counseling and Planning Education, v. 7, p , WORTHY, S. L.; JONKMAN, J. N.; BLINN-PIKE, L. Sensation-seeking, risk-taking, and problematic financial behaviors of college students. Journal of Family and Economic, v. 31, n. 2, p , YAO, R.; HANNA, S. D.; LINDAMOOD, S. Changes in financial risk tolerance, Financial Services Review, v. 13, n. 4, p , 2004.