ANÁLISE COGNITIVA NO MERCADO DE CAPITAIS: A HIPÓTESE DE

EFICIÊNCIA DO MERCADO VERSUS A POSSIBILIDADE DE ANÁLISE PELA PSICOLOGIA ECONÔMICA

Utilan da Silva Ramos Coroa Economista e Professor, Especialista em Educação (UNEB),

Mestre em Administração (FEA-UFBA), Doutorando em Difusão do Conhecimento (UFBA, UNEB, UEFES, SENAI CIMATEC,

FVC, LNCC)

José Garcia Vivas Miranda Físico (UFMG) e Professor Adjunto da UFBA,

Mestre em Física (UFBA), Doutor em Ciências Ambientais Universidad de la Coruña

Tatiana Gargur dos Santos

Economista, Especialista em Administração de Negócios (UNA), Especialista em Finanças e Mercado de Capitais (CEPPEV),

Mestre em Desenvolvimento Humano e Responsabilidade Social (CEPPEV)

Resumo A eficiência dos mercados continua sendo uma das hipóteses mais testadas na era da chamada Finanças Modernas, que teve como marco a publicação da Moderna Teoria de Portfolios de Markowitz (1952). Diversos estudos objetivam testar sua veracidade e, diante das inúmeras anomalias, pesquisadores como Haugen (1995) afirmam que estamos diante das Novas Finanças (New Finance), era marcada pelos Mercados Ineficientes que têm como base a estatística, a econometria e a psicologia. Este estudo objetivou verificar se os retornos das vinte ações mais líquidas da Bovespa no período de janeiro de 2006 a maio de 2010 seguiam a hipótese de eficiência da formação de preços do mercado, caso contrário o mercado é ineficiente sugerindo a aplicação da aprendizagem dos processos mentais, dos significados e do comportamento econômico do investidor para a tomada de decisão. Palavras-chave: Análise Cognitiva, Eficiência do Mercado, Psicologia Econômica, Mercado de Capitais, Processos Mentais.

1. INTRODUÇÃO O sucesso da administração de carteiras de ações depende, em grande parte, do

conhecimento sobre a eficiência do mercado de capitais. Sabe-se que esse tem o papel de transferir recursos dos agentes superavitários para os deficitários. Sendo esses recursos escassos, a questão da eficiência do mercado torna-se peça fundamental para esse sucesso.

A base que forma a estrutura da Hipótese de Eficiência dos Mercados (HEM) é que os mercados são racionais, os preços refletem todas as informações disponíveis e que não se pode vencer o mercado. Contudo, não consegue achar explicações (ordem) em situações de caos, de descontrole financeiro global, de crises financeiras (MANDELBROT, 2004).

De acordo com Moreira (1999) pode-se considerar existentes três filosofias, ou sistemas de valores, subjacentes às teorias de aprendizagens: comportamentalismo, humanismo e cognitivismo. No comportamentalismo o “fornecimento de estímulos” é fator fundamento para essa teoria. No humanismo o importante é o “crescimento pessoal através da autorealização”. No cognitivismo o interesse maior está no “conhecimento dos processos mentais” por meio dos quais se efetiva a distribuição de significados, a compreensão, transformação, armazenamento e uso das novas informações.

Para Ausubel (1998) aprendizagem significa organização e integração do material na estrutura cognitiva da pessoa. A partir dos fundamentos acerca de aprendizagem significativa, será possível compreender a técnica de mapas conceituais que a utiliza como base. Novak (1998) desenvolveu um aprofundamento das pesquisas de aprendizagem significativa incorporadas ao conceito de mapas conceituais. Mapa conceitual é uma técnica desenvolvida por Joseph Novak na década de 1970 cuja função é representar graficamente e de maneira organizada o conhecimento acerca de um determinado assunto como, por exemplo, a modelagem de uma idéia, a estruturação de uma disciplina ou informações apresentadas em uma aula.

Dessa forma, este trabalho tem como objetivo verificar a possibilidade de aplicação da análise cognitiva através da aprendizagem dos processos mentais, dos significados e do comportamento econômico do investidor na tomada de decisão, caso não se verifique que os retornos das vinte ações mais líquidas da Bovespa, no período estudado, sigam a hipótese de eficiência da formação de preços do mercado de capitais.

A seguir mapa conceitual do estudo efetuado:

Figura 1: Mapa Conceitual sobre Análise Cognitiva do Mercado de Capitais

Fonte: elaboração própria 2. REFERENCIAL TEÓRICO Com o objetivo de compreender o funcionamento dos mercados a teoria de finanças

vem sofrendo ao longo dos anos inúmeras mudanças. Esse fascinante mundo do risco está subdividido em três fases principais: finanças antigas, finanças modernas e novas finanças.

As finanças antigas, que teve o seu marco final na década de 50, tinham como base a contabilidade e o direito, o tema era voltado para a análise das demonstrações financeiras e natureza dos títulos de crédito. Neste período surge um trabalho de imensa importância que mantém influência nas décadas seguintes, o livro Security Analysis de Graham e Dodd (1934), que se tornou a Bíblia dos investidores da época e teve inúmeras edições. O futuro para Graham e Dodd, (1934) não pode ser prognosticado e eles são particularmente contra estimar retornos futuros com base em tendências passadas. Eles abordaram técnicas de análise de balanços e criaram critérios para seleção de alternativas de investimentos em ações o que transforma este estudo como a base da análise fundamentalista.

As finanças modernas surgiram na década de 50, principalmente depois do trabalho de Markowitz (1952), que desenvolveu a teoria da Otimização de Portfolios. Surgiram também, nessa fase, importantes modelos como o da irrelevância de Modigliani e Miller (1958), o

CAPM (Capital Asset Pricing Model) de Sharpe (1964) e Lintner (1965) e a EMH (Eficiency

Market Hiperlink) de Fama (1970). A base desse período foi a economia. As novas finanças nascem com o tema dos mercados ineficientes iniciando a sua

trajetória na década de 90 com os retornos esperados de Haugen (1995), o risco de Chen, Roll e Ross (1986) e os modelos comportamentais de Kahneman e Tversky (1979). A base desta fase é a estatística, a econometria e a psicologia.

Após essas fases do mercado de ações a ciência financeira vem assumindo um caráter multidisciplinar resultando na união de instrumentos de investigação e conhecimento da filosofia, psicologia, neurologia, inteligência artificial, ou seja, não se tem mais uma ciência única e fria, existe sim um enriquecimento do entendimento do mercado financeiro e, essa multidisciplinaridade desempenha um papel fundamental, ao fornecer um embasamento para a análise cognitiva de como as preferências, o comportamento e as decisões dos investidores são tomadas.

2.1. Novas Finanças: a psicologia econômica na tomada de decisões As novas finanças trazem a análise para o interior do investidor, acreditando que

decisões financeiras são tomadas, muitas vezes, por emoções, excesso de confiança, otimismo e falhas cognitivas. Surge então, o conceito de finanças comportamentais que segundo Fuller (2000), é um campo novo na economia e pode ser caracterizado como uma integração da economia clássica e finanças com a psicologia e a ciência de tomada de decisão; uma tentativa de explicar o que causa algumas anomalias que são observadas na literatura de finanças.

Dois expoentes das finanças comportamentais foram os trabalhos de Tversky e Kahneman (1974;1979) que analisaram as falhas do modelo tradicional e buscaram demonstrar a influencia de fatores comportamentais dos investidores. Segundo os autores, a psicologia econômica pode ser definida como uma busca para compreender a experiência e o comportamento humano em contextos econômicos.

Atualmente a evolução da economia e principalmente a tomada de decisões econômicas se deve à psicologia cognitiva e a neurociência. Conforme Tvede (2000), a psicologia cognitiva se refere a todos os processos pelos quais os impulsos sensoriais são transformados, reduzidos, elaborados, armazenados, recuperados e usados. Portanto, no viés da psicologia o processo de tomada de decisão é interativo, pois, vários aspectos como percepções, convicções pessoais, modelos mentais, emoções e outros, podem ter influência e interferir na tomada de decisão.

Conforme Macedo Jr (2003), a psicologia cognitiva é peça fundamental do arcabouço teórico das finanças comportamentais. Nela, a decisão é considerada um processo interativo, no qual, fatores não triviais, como percepções, convicções e modelos mentais do próprio individuo têm influência e, acabam por interferir na ação ou decisão escolhida. Além disso, segundo o autor, motivos intrínsecos como emoções, estado da mente, tendências e atitudes psicológicas em relacionar fenômenos podem influenciar nas decisões, ou seja, o comportamento é adaptável e dependente do contexto e das condições percebidas.

A relação entre mente e ação são pressupostos estudados pela neurociência, segundo Lowenstein, Camerer e Prelec (2008), um fator importante apresentado é que o sistema cognitivo interfere no sistema deliberativo, sendo o comportamento de tomada de decisão um resultado da interação entre o sistema automático com processos controlados e os sistemas cognitivos e afetivos.

Mas não foi sempre assim, segundo Gardner (2003, p.113) Kant tinha sérias dúvidas acerca da possibilidade de uma ciência como a psicologia:

a) uma ciência tem que aplicar leis matemáticas aos dados empíricos; b) dados tem que ser coletados em experimentos reais com dimensões espaciais.

Um segundo problema era que a psicologia teria de investigar o instrumento do conhecimento, o eu; mas não é possível que o eu examine suas próprias operações, e muito menos que o faça de forma desinteressada. Além disso, havia o problema do nível de abstração. Para se conduzir uma pesquisa científica é necessário que se consiga excluir fatores acidentais, de modo que se possa focalizar as variáveis cruciais – uma manipulação radical do tema, que é difícil, senão impossível, de aplicar à interação humana, tão complexa e difundida.

Contrariando as advertências de Kant, o primeiro século de pesquisa psicológica, aproximadamente de 1850 a 1950, demonstrou que, sem dúvida nenhuma, estudos psicológicos são possíveis. Processos mentais podiam ser investigados no laboratório, muitos deles podiam até ser cronometrados, e o papel do sujeito conhecedor podia ser suficientemente controlado.

2.2. Finanças Modernas: A Hipótese de Eficiência dos Mercados e os Modelos

de Gestão de Carteiras A Hipótese do Mercado Eficiente (HME) surgiu no final da década de 60 e de acordo

com Tosta de Sá (1999), seus pressupostos estão centrados na teoria de que todos os investidores e analistas:

a) têm que ter acessos simultâneos às informações das empresas que podem afetar o preço de mercado da ação;

b) têm que ter conhecimento para poderem avaliar igualmente as informações das empresas;

c) possuem expectativas homogêneas quanto ao futuro; d) ajustam suas estimativas simultaneamente após cada nova informação. De acordo com Brito (1981, p. 111 apud SECURATO, 1996, p.132), os mercados de

capitais devem ser eficientes em três níveis: o informacional, o alocacional e o nível operacional.

No aspecto informacional, segundo os seguidores da Hipótese do Mercado Eficiente, as ações já refletem todas as informações disponíveis acerca da empresa, o que impede investidores auferir lucros anormais. Ou seja, o mercado é eficiente quando “as informações geradas no ambiente econômico são instantaneamente refletidas sobre os preços” (BRITO, 1981, p. 111 apud SECURATO, 1996, p.132).

Para Fama (1970), um mercado é chamado eficiente quando o preço dos seus títulos, em qualquer tempo considerado, reflete integralmente todas as informações disponíveis naquele momento. Ele foi o primeiro a sugerir as três formas de eficiência no âmbito informacional separando-as em forma fraca, semiforte e forte.

De acordo com Bodie, Kane e Marcus (2000, p.251 apud SANTOS � L. � L. 2003) na forma fraca de HME os preços das ações já refletem todas as informações passadas que podem influenciar no preço como histórico de preços passados, volume negociado, ou operação a descoberto.

Segundo Tosta de Sá (1999, p.24) e Bodie, Kane e Marcus (2000, p.251), a forma semiforte procura identificar o reflexo de novas informações que podem alterar o valor das ações como mudanças nas previsões dos resultados da empresa, greves imprevistas, alterações na política de dividendos, alterações na qualidade da administração da empresa, dados sobre a linha de produtos da empresa, composição do balanço, etc. De forma semelhante, espera-se que essas informações já estejam refletivas no preço da ação quando quaisquer dessas informações se tornem acessíveis aos investidores. O preço corrente reflete não somente a informação contida em todos os preços do passado, mas também toda a informação pública, incluindo demonstrações e relatórios financeiros.

A forma forte reflete as informações confidenciais disponíveis apenas no âmbito interno das empresas, de acesso restrito. Na forma forte de eficiência, nenhum investidor pode obter retornos anormais usando informações que não foram tornadas públicas. O preço corrente reflete toda a informação, pública e privada e nenhum investidor é capaz de consistentemente obter lucros acima do valor esperado.

A hipótese do mercado eficiente analisa, também, três argumentos: o primeiro considera que todos os investidores são racionais e avaliam os títulos racionalmente.

O segundo considera que, ao passo que alguns investidores não são racionais, suas negociações com títulos são aleatórias e, portanto, são negociações que se eliminam mutuamente sem alterar os preços dos títulos.

Já o terceiro argumento, defende que à medida que os investidores são irracionais, em muitos casos são encontrados em um mercado como arbitradores racionais que eliminam sua influência no preço dos títulos.

Samuelson (1965) e Mandelbrot (1966) demonstram um dos primeiros teoremas, mostrando como em mercados com investidores racionais, com aversão ao risco, os retornos são imprevisíveis e como o preço dos títulos flutuam aleatoriamente. Num modelo mais complicado os preços dos títulos são imprevisíveis, por seguirem a tendência aleatória. Assim, a racionalidade do investidor implica na impossibilidade de conseguir retorno adicional ao retorno ajustado ao risco (FAMA, 1970).

A hipótese do mercado eficiente é, dessa forma, primeiramente a consequência do equilíbrio em mercados competitivos com investidores inteiramente racionais.

Um mercado ideal, de maneira geral, é aquele no qual o preço das ações fornece uma noção exata para a alocação de recursos. Os investidores podem escolher entre diversos papéis, aqueles cuja característica indique o desempenho da firma, sempre na premissa de que os preços desses papéis reflitam inteiramente as informações disponíveis. Como os preços deverão refletir todas as informações disponíveis, eles continuamente se ajustarão, à medida que novas informações apareçam no mercado. Portanto, a eficiência do mercado está relacionada à maneira como uma determinada informação chega aos participantes do mercado de modo a provocar neles um motivo de compra ou venda do papel dessa empresa. Se os preços reagirem de modo razoável, pode-se dizer que o mercado é relativamente eficiente. No entanto, se a informação é passada para o mercado e seus participantes demoram em tomar conhecimento, também perdem tempo e levam tempo para analisar e reagir, os preços das ações dessa empresa podem variar; nesse caso pode-se dizer que o mercado é relativamente ineficiente.

Muitas críticas foram feitas contra a Hipótese do Mercado Eficiente. Conforme Tosta de Sá (1999, p.25) os adeptos da escola fundamentalista criticam a HME sob três aspectos:

a) devem existir analistas e investidores que excepcionalmente se destaquem sobre os demais e que poderão auferir melhores resultados;

b) a informação em si de nada vale e sim a sua correta interpretação e avaliação que depende em sua maior parte de adequada qualificação profissional;

c) os preços das ações sempre oscilarão, e parte significativa desta oscilação é devido ao fator psicológico dos investidores como entusiasmos e desencantos que distorcerão os preços.

De acordo com Bodie, Kane e Marcus (2000, p.253, apud SANTOS � L. � L. 2003), a HME prevê que a maior parte da análise fundamentalista acrescenta pouco valor visto que analistas dependem de informações publicamente disponíveis sobre o setor e os resultados da empresa, logo, as expectativas de um investidor não serão diferentes das de outro investidor. Ou seja, se um determinado investidor “descobre” uma empresa boa de nada o ajuda já que o resto do mercado também saberá. Se o conhecimento já é público o investidor poderá ser obrigado a pagar um alto preço por essas empresas, o que não auferirá retornos superiores.

Dessa forma a chave da questão não é descobrir empresas melhores que outras e sim que a estimativa de determinado investidor sobre certa empresa seja melhor do que a de outro investidor. Ou seja, o investidor só aufere resultados se efetuar análises melhores do que a de seus concorrentes.

Os seguidores da escola gráfica, que analisam as séries passadas de preços e de volumes negociados para prever movimentos dos preços futuros, criticam a hipótese do caminho aleatório (random Walk) dos preços. Em sucessivos movimentos de preços de uma ação em bolsa, não estamos tratando de eventos puramente aleatórios como ocorre com números obtidos em sucessivos arremessos de um dado, a probabilidade de dar qualquer número no arremesso seguinte independe do número obtido no arremesso anterior. Na situação dos sucessivos preços de uma ação em bolsa é natural supor que a próxima cotação tenha relação com as cotações anteriores, apesar de muitos casos ser muito difícil explicar essa condição.

Os adeptos da escola técnica contestam a hipótese do caminho aleatório das ações, pregada também pela HME. De acordo com a HME as mudanças nos preços devem ser aleatórias e imprevisíveis. Conforme Tosta de Sá (1999, p.25), como as notícias que afetam o mercado podem ser boas ou más, ou seja, têm a mesma probabilidade, é impossível antecipar altas ou baixas de preços. Os analistas técnicos defendem a hipótese de que os preços futuros têm relação com o passado. Ou seja, “no caso dos sucessivos preços de uma ação em bolsa é natural supor que a próxima cotação tenha relação com as cotações anteriores, apesar de muitas vezes ser muito difícil explicar essa relação”. (TOSTA DE SÁ, 1999, p.25). Ou seja, “A Análise técnica pesquisa sobre padrões recorrentes e previsíveis dos preços das ações, e sobre substitutos, para criar pressão de compra e venda no mercado”. (BODIE; KANE; MARCUS, 2000, p.252).

Nos mercados financeiros, as cotações das ações são fixadas pelas decisões de compra e venda tomada pelo conjunto dos investidores, as quais são tomadas em função das suas previsões. As previsões são difíceis devido aos seguintes motivos:

a) o futuro das empresas cotadas é incerto; b) os investidores têm antecipações heterogêneas; c) as decisões são diferentes e muitas vezes pouco racionais; d) a informação não é necessariamente perfeita e instantânea; e) os impostos são diferentes consoante os agentes; e, f) existem custos de transação. Os pressupostos gerais dos modelos de gestão financeira, considerando os mercados

perfeitos são: a) trabalhar em concorrência perfeita; b) a informação é total e a sua utilização se processa em condições de igualdade e

sem custos; c) todos os ativos são infinitamente divisíveis e perfeitamente negociáveis; d) não existem impostos nem custos de transação, como comissões e taxas bancárias; e) não existem limitações à obtenção de fundos; f) as expectativas dos investidores são homogêneas, ou seja, todas fazem as mesmas

apreciações das rentabilidades futuras; g) todos os investidores são racionais: o seu objetivo consiste em maximizar a

utilidade das suas riquezas; e, h) a racionalidade dos investidores exprime-se também pela homogeneidade das suas

atitudes em relação ao risco. Na prática a informação não é necessariamente perfeita já que existem custos de

transação e impostos, os investidores têm antecipações heterogêneas, assim como preferências freqüentemente pouco racionais. Desta forma, muitos estudos empíricos têm comprovado que

a partir de algumas estratégias de investimentos é possível obter retorno maior com um menor nível de risco, indo de encontro à hipótese de eficiência do mercado acionário que parte da premissa de que um investidor não poderia obter um retorno extraordinário no mercado de ações, ajustado ao risco. Os resultados dos testes empíricos que não comprovam a eficiência do mercado são genericamente denominados de anomalias do mercado acionário.

Apesar desses pressupostos e suas imperfeições mostrarem um conjunto de oportunidades de investimentos, as suposições a respeito das funções de preferências dos investidores, para limitar o conjunto de oportunidades, deve ser levada em conta. De acordo com Elton et al (2004), se o investidor preferir mais retorno e tiver avesso ao risco, o conjunto de oportunidades poderá ser reduzido à fronteira eficiente. Os autores também mencionaram que, se for possível aplicar ou captar sem risco a mesma taxa de juros em quantidades ilimitadas, então haverá uma única carteira de ativos com risco ideal para um investidor com aversão ao risco, independente da função de preferências do investidor. Qualquer que seja o conjunto de oportunidades para o investidor, sua função de preferências ainda desempenhará papel-chave na otimização de sua decisão.

Diante disso, diversas informações sobre uma empresa ou ação deve ser levada em conta no processo decisório da montagem de carteiras de ações, com o intuito de se obter maiores retornos e menores riscos.

O modelo de Análise de Média-Variância para a escolha da carteira ótima é a mais utilizada mas, outros métodos são utilizados objetivando otimizar o processo de administração de ativos. De acordo com Elton et al (2004), uma alternativa à Análise de Média-Variância consiste simplesmente na escolha da carteira que oferece o retorno médio geométrico mais elevado. Um segundo conjunto de alternativas à Análise de Média-Variância, defendido na literatura, é a Dominância Estocástica. A forma mais geral de Dominância Estocástica não faz qualquer hipótese sobre a forma da distribuição de probabilidades dos retornos. O terceiro grupo de critérios alternativos ao Teorema da Média-Variância é o chamado “segurança em primeiro lugar”. Esses modelos resultam da crença de que os responsáveis pela tomada de decisão não são capazes ou não se dispõem a fazer cálculos matemáticos exigidos pelo Teorema da Média-Variância, também chamada de Utilidade Esperada, mas recorrem a um modelo decisório mais simples e que concentra a atenção em resultados desfavoráveis.

Segundo Haugen (1995), novas evidências estão sendo reveladas sobre que ações são melhores para se investir, como as firmas devem elevar seu capital e como os executivos devem estimar seus custos de capital. De acordo com Haugen (1995), os investidores reagem ao passado precificando growth stocks – ações que se esperam crescer mais que a média do mercado – muito alto e value stocks - ações que se esperam crescer menos que a média – muito baixo. Como conseqüência deste fato, growth stocks produzirão baixos retornos para os investidores que comprarem a altos preços e value stocks produzirão altos retornos.

Em recente estudo, Eugene Fama e Ken French (1992) focou a relação entre valor contábil e valor de mercado das ações. Cobriu quase todas as ações da Bolsa de valores de Nova York (NYSE – New York Stock Exchange), da American Stock Exchange (AMEX) e da NASDAQ no período compreendido entre 1960 a 1990. Fama e French (1992) segregaram as ações igualmente em dez grupos por ordem decrescente do índice C/M (Valor Contábil / Valor de Mercado). As ações que possuíam alto C/M eram as value stocks e as que possuíam baixo C/M eram as growth stocks. O que não quer dizer que todas as ações classificadas como growth estejam destinadas a produzir baixas rentabilidades e vice-versa. Em uma segunda etapa, Fama e French (1992) ordenaram as ações por risco, medido pelo beta (β), que é um indicador que mede a sensibilidade de uma ação em relação ao comportamento do mercado, e em seguida examinaram a Média do Índice C/M para cada um dos grupos elaborados no período de 1963 a 1990. O resultado mostrou que ações de alto risco são growth stocks que

possuem menores índices C/M e menores retornos e as ações com menores betas são as value

stocks, que possuem maiores índices C/M e maiores retornos. Conforme demonstrado nesse estudo de Fama e French (1992), apesar deles não

registrarem, ações de alto risco podem produzir menores retornos futuros enquanto ações consideradas seguras sob o aspecto do beta, podem oferecer altas rentabilidades. Apesar dos pesquisadores não afirmarem que o resultado deste estudo pode ser uma anomalia do mercado eficiente, Fama e French (1992) causaram surpresa ao afirmar não ter encontrado relação significativa entre risco e retorno. Além disso, seus resultados também indicaram que variáveis, como a relação entre o valor contábil e o valor de mercado da empresa ou o próprio valor de mercado da empresa, seriam mais importantes na análise dos retornos das ações.

Rayner e Little (1966) tentaram verificar se as firmas que cresciam rápidas no passado tenderiam a repetir sua performance no futuro, ou seja, se as growth stocks do passado serviriam como precursoras de growth stocks futuros. Foram estudadas empresas inglesas entre 1951 e 1961 e não foi encontrada nenhuma evidência nos testes feitos que o futuro estava ligado ao passado.

Este último estudo ratifica a importância da análise de diversos fatores, além do fator preço-histórico de uma ação, na elaboração de um Portfolio.

O Modelo de Otimização de Carteiras de Elton-Gruber (1995), utiliza como parâmetro de seleção das ações um índice que associa o retorno excessivo (retorno esperado de cada ação menos ativo livre de risco) em relação ao seu risco não diversificável. Ou seja, as ações que farão parte de carteira terão menores riscos próprios.

Markowitz (1952) publicou um trabalho intitulado Portfolio Selection no qual sinalizava para a prática de diversificação de carteiras de ações e mostrava como um investidor poderia reduzir o impacto das oscilações de um retorno em uma carteira de títulos, escolhendo ações que não variassem do mesmo modo em conjunto. Fez a introdução do conceito de Carteira Eficiente e demonstrou os princípios básicos para a composição dessa carteira.

Segundo o autor, as duas únicas variáveis que interessa ao investidor são o retorno esperado e o risco, explicitado pela variância desses retornos, assumindo que os investidores são avessos ao risco.

A teoria do Portfolio tem a base na incerteza, ela da uma abrangência ao modelo clássico de investimento sob condições de completa certeza (SHARPE, 2000). Concomitante a isso, Knight (1964) diz que risco é o grau de incerteza a respeito de um evento.

Segundo essa teoria, considerando um � Portfolio com dois ativos, o retorno é a média ponderada dos retornos individuais de cada ativo e risco, a variância, na qual é representada pela soma das variâncias individuais dos ativos multiplicados pelo quadrado dos seus percentuais mais a covariância que é a medida de como os retornos dos ativos variam em conjunto.

A variância da carteira depende da covariância entre os pares de ativos, a qual por sua vez depende da correlação entre os ativos. Então, quando dois ou mais ativos pouco relacionados compõem uma carteira de investimento, consegue-se um risco menor que a média ponderada dos riscos individuais, auferindo um risco menor que o do ativo de menor risco com um retorno maior que o deste ativo.

De acordo com Elton � et al (2004), a Hipótese de Mercado Eficiente tem implicações muito importantes para a análise de títulos. Se os testes empíricos constatarem que não é possível prever retornos futuros a partir de retornos passados, então as táticas de negociação baseadas em exames da seqüência de preços passados são inúteis. Se a forma semiforte da hipótese de mercado eficiente for apoiada pela evidência empírica, então as regras de negociação baseadas em informações publicamente disponíveis são suspeitas. Finalmente, se

os testes da forma forte da hipótese revelarem que o mercado é eficiente, então a própria utilidade da análise de títulos estaria em dúvida.

Em qualquer mercado eficiente da forma fraca, qualquer estratégia de Trading baseada em informações passadas não geraria lucros extraordinários, uma vez que o preço de todos os ativos refletiriam as informações disponíveis no mercado.

3. METODOLOGIA Este estudo é de caráter quantitativo, com base em procedimentos estatísticos

objetivando gerar conclusões acerca das amostras consideradas. Com relação ao aspecto epistemológico, o estudo é do tipo empírico-analítico. De acordo com Martins (2002), essa abordagem apresenta em comum a utilização de técnicas de coleta, tratamento e análise de dados marcadamente quantitativos. Há uma considerável preocupação com a relação causal entre as variáveis e a validação da prova científica. Essa relação é buscada com os testes dos instrumentos, os graus de significância e a sistematização das definições operacionais.

Inicialmente o delineamento da pesquisa foi feito através de fontes bibliográficas e coletas de dados históricos das ações na base de dados da Bovespa. Em seguida, o estudo faz uso de uma análise econométrica de dados históricos sobre os preços das ações visando analisar a aleatoriedade dos dados e eficiência informacional fraca do mercado.

A população deste trabalho é constituída pelas ações ativas que estavam registradas na Bolsa de Valores de São Paulo (BOVESPA) entre o período de 01 janeiro de 2006 a 15 de maio de 2010. Desta forma, a população deste trabalho é composta por 544 ações negociadas na Bovespa.

Com o objetivo de reduzir o número de ações que não tiveram ou tiveram poucas cotações no período estudado a amostra foi selecionada de forma não probabilística e intencional. Desta forma, foram selecionadas as 20 ações mais liquidas para testar a hipótese de eficiência informacional fraca. As cotações das ações estão em Reais e foram utilizadas cotações mensais e não diárias devido à alta quantidade de outliers identificada na base de dados que teriam que ser analisadas individualmente e extraídas para evitar distorções nos resultados.

3.1. Hipótese de Eficiência Fraca do Mercado Os testes de eficiência de mercado são atualmente classificados de acordo com a nova

proposta de Fama (1991) em três grupos principais: os testes de previsibilidade de retornos, estudos de eventos e testes de informação privada. Os testes empíricos de previsibilidade de retorno procuram verificar a eficiência fraca do mercado. Os estudos de eventos estão relacionados à divulgação pública de informações e correspondem aos testes de eficiência semi-forte. Já os testes de informação privada, que examinam informações privilegiadas, correspondem aos testes de eficiência forte. Os testes de Eficiência do Mercado podem ser ajustados ao risco ou não. Os testes ajustados ao risco utilizam na maioria das vezes o Capital

Asset Pricing Model- CAPM como modelo de mercado. Considerando as diferentes formas de Eficiência de Mercado, o presente artigo

fundamentou-se na Eficiência Informacional na Forma Fraca, que se baseia na Análise de Aleatoriedade Temporal de taxas de rentabilidade das ações. Se a série de informações é aleatória, isto é, podem ocorrer informações boas e ruins com igual probabilidade, a série de variações de preços também deve ser aleatória. Assim, caso seja comprovado a aleatoriedade diz-se que o mercado aceita o teste de mercado eficiente de forma fraca.

Os testes de eficiência de mercado para identificação das formas semi-forte e forte não se enquadram ao objetivo deste estudo.

3.1.1. Teste de Corridas (runs test)

De acordo com Elton et al. (2004), a maioria dos testes da utilidade dos retornos passados para a predição de retornos futuros utiliza coeficiente de correlação mas, este tende a ser fortemente influenciado por observações extremas. Uma análise alternativa, que elimina o efeito de observações extremas, é o Exame do Sinal da variação de preço. Uma seqüência de variações de mesmo sinal ou seqüência numérica é chamada de Corrida.

Para esta análise foi utilizado o teste não-paramétrico runs test (teste de corridas). Este teste é usado para verificar se uma ordem de dados é aleatória. Teste de corridas é um teste não-paramétrico porque nenhuma suposição é feita sobre parâmetros de distribuição de população. Este teste é usado quando se quer determinar se a ordem de respostas, acima ou abaixo de um valor especificado, é fortuito.

A probabilidade de adquirir um número igual ou maior de corridas é calculada usando uma aproximação normal. A aproximação normal para teste de corridas é determinada por:

iância

esperadoobservadoZ

var

−=

Onde: observado = número de corridas na amostra

n

BAesperado

..21+=

variância = A = número de observações sobre K B = número de observações abaixo de ou iguala a K n = número de observações K = média dos retornos das ações

P-value é a probabilidade de se observar o valor absoluto de uma variável normal maior que o valor absoluto de Z.

3.1.2. Teste de Autocorrelação

Dando seguimento à análise de eficiência do mercado, foi utilizado o teste de Durbin-Watson. De acordo com Hill et al. (2003), esse teste tem o nome dos seus inventores, Durbin e Watson, que o criaram em 1950 e continua sendo o teste mais importante para a verificação da autocorrelação.

De acordo com Sartoris (2003), a estatística de Durbin-Watson é calculada por:

∑

∑

=

=

−−

=n

i

i

n

i

ii

e

ee

DW

1

2

2

21)(

O numerador ∑=

−−

n

i

ii ee2

21)( representa a diferença ao quadrado entre dois resíduos

sucessivos, somados desde a segunda observação até a n ésima observação. O denominador

representa a soma dos quadrados dos resíduos, ∑=

n

i

ie1

2 . Quando resíduos sucessivos são

positivamente autocorrelacionados, o valor de DW irá se aproximar de 0. Se os resíduos não forem correlacionados, o valor de DW estará próximo de 2. Se existir uma autocorrelação negativa, DW será maior que 2, e poderia até se aproximar de um valor máximo de 4.

Conforme Oliveira (1997), os autores do teste calcularam e tabelaram valores limite superiores (dU) e inferiores (dL) que dependem somente do número de variáveis explicativas, do número de observações e do nível de significância. As regras de decisão, em relação à

)1(

)..2(..22

−

−

nn

nBABA

hipótese nula de inexistência de autocorrelação contra a hipótese alternativa de existência de autocorrelação positiva são as seguintes:

Tabela 1: Regras de decisão para autocorrelação positiva

Valor de d Decisão

d < dL Rejeitar H0 em favor de H1: p > 0 (autocorrelação positiva)dL < d < dU Inderteminada; teste inconclusivo

d > dU Não rejeitar H0 (inexistência de autocorrelação) Fonte: Oliveira (1997) Para o caso da hipótese alternativa ser a existência de autocorrelação negativa, As

regras de decisão são as seguintes:

Tabela 2: Regras de decisão para autocorrelação negativa Valor de d Decisão

d < (4 - dU) Não rejeitar H0 (inexistência de autocorrelação)(4 - dU) < d < (4 - dL) Inderteminada; teste inconclusivo

d > dL Rejeitar H0 em favor de H1: p < 0 (autocorrelação negativa) Fonte: Oliveira (1997) A análise final do teste se dá após verificação da tabela elaborada pelos criadores do

teste para autocorrelações positivas (DW < 2). Se for encontrado um DW maior que 2, autocorrelação negativa, basta calcular DW* = 4 – DW e o valor de DW pode ser comparado normalmente na tabela.

4. ANÁLISE DOS RESULTADOS Nesta seção foi verificada inicialmente a Hipótese de Eficiência Informacional Fraca

dos mercados para apurar se informações passadas poderiam ou não gerar lucros extraordinários, ou se o preço dos ativos selecionados refletiam todas as informações disponíveis no mercado. Para validação desta hipótese foram utilizados o Run Test e o Durbin-Watson test.

4.1. Resultados dos testes de verificação da hipótese de eficiência fraca do

mercado 4.1.1. Teste de Corridas (runs test)

Os resultados dos testes executados sobre os retornos das vinte ações mais líquidas da Bovespa, no período deste estudo, encontram-se na tabela abaixo:

Tabela 3: Runs Test para retornos das ações

Runs test para Petrobras Runs test para Eletrobras Runs test para ItausaRuns acima e abaixo K = 0,00237265 Runs acima e abaixo K = 0,000758896 Runs acima e abaixo K = 0,00918828Número observado de corridas = 27 Número observado de corridas = 30 Número observado de corridas = 26Número esperado de corridas = 26,2549 Número esperado de corridas = 26,4902 Número esperado de corridas = 25,705923 observações acima K; 28 abaixo 25 observações acima K; 26 abaixo 21 observações acima K; 30 abaixoP-value = 0,831 P-value = 0,321 P-value = 0,932

Runs test para Vale R Doce Runs test para Sid Nacional Runs test para All Amer LatRuns acima e abaixo K = -0,00792209 Runs acima e abaixo K = 0,00108630 Runs acima e abaixo K = 0,0114025Número observado de corridas = 24 Número observado de corridas = 24 Número observado de corridas = 27Número esperado de corridas = 26,2549 Número esperado de corridas = 26,4118 Número esperado de corridas = 26,490238 observações acima K; 23 abaixo 24 observações acima K; 27 abaixo 25 observações acima K; 26 abaixoP-value = 0,519 P-value = 0,494 P-value = 0,885

Runs test para Telemar Runs test para Gerdau Runs test para BradesparRuns acima e abaixo K = -0,00352169 Runs acima e abaixo K = 0,0000501849 Runs acima e abaixo K = -0,000322381Número observado de corridas = 28 Número observado de corridas = 21 Número observado de corridas = 19Número esperado de corridas = 26,4902 Número esperado de corridas = 26,2549 Número esperado de corridas = 24,843126 observações acima K; 25 abaixo 28 observações acima K; 23 abaixo 32 observações acima K; 19 abaixoP-value = 0,669 P-value = 0,133 P-value = 0,077

Runs test para Bradesco Runs test para Brasil Runs test para AmbevRuns acima e abaixo K = -0,0132348 Runs acima e abaixo K = 0,00150294 Runs acima e abaixo K = 0,0135825Número observado de corridas = 28 Número observado de corridas = 19 Número observado de corridas = 25Número esperado de corridas = 26,0196 Número esperado de corridas = 24,2941 Número esperado de corridas = 26,490229 observações acima K; 22 abaixo 18 observações acima K; 33 abaixo 26 observações acima K; 25 abaixoP-value = 0,568 P-value = 0,100 P-value = 0,673

Runs test para PETR Runs test para Cemig Runs test para CosanRuns acima e abaixo K = 0,0558137 Runs acima e abaixo K = -0,0168840 Runs acima e abaixo K = -0,00238287Número observado de corridas = 27 Número observado de corridas = 29 Número observado de corridas = 31Número esperado de corridas = 25,7059 Número esperado de corridas = 25,3137 Número esperado de corridas = 26,411821 observações acima K; 30 abaixo 31 observações acima K; 20 abaixo 27 observações acima K; 24 abaixoP-value = 0,705 P-value = 0,274 P-value = 0,193

Runs test para Usiminas Runs test para Net Runs test para ItauUnibancoRuns acima e abaixo K = 0,00482436 Runs acima e abaixo K = 0,178478 Runs acima e abaixo K = 0,0322822Número observado de corridas = 24 Número observado de corridas = 7 Número observado de corridas = 10Número esperado de corridas = 26,4902 Número esperado de corridas = 6,64706 Número esperado de corridas = 7,4615426 observações acima K; 25 abaixo 3 observações acima K; 48 abaixo 6 observações acima K; 7 abaixoP-value = 0,481 P-value = 0,626 P-value = 0,139

Runs test para Itaubanco Runs test para Arcelor BR Runs test para UnibancoRuns acima e abaixo K = -0,0203210 Runs acima e abaixo K = 0,0229762 Runs acima e abaixo K = -0,0199377Número observado de corridas = 20 Número observado de corridas = 7 Número observado de corridas = 20Número esperado de corridas = 17,2162 Número esperado de corridas = 6,83333 Número esperado de corridas = 17,216225 observações acima K; 12 abaixo 5 observações acima K; 7 abaixo 25 observações acima K; 12 abaixoP-value = 0,288 P-value = 0,917 P-value = 0,288

Considerando-se o Nível de Significância Alfa (α) de 0,05, pode-se considerar que há

evidência suficiente para concluir que os retornos de 20 ações estão aleatórios. As ações do ItauUnibanco surgiram em março de 2009, após a extinção da ação do Itaubanco e do Unibanco no mesmo período, motivo pelo qual aparentemente teriam sido trabalhadas 21 ações. Pode-se, desta forma, inferir que o mercado é eficiente na forma fraca.

4.1.2. Teste de Autocorrelação

As análises dos runs tests efetuadas na seção anterior constataram, de um modo geral, a hipótese de existência de rumo aleatório das ações e eficiência informacional fraca dos mercados, analisados individualmente.

Dando seguimento à análise de eficiência do mercado, foi utilizado o Teste de Durbin-Watson. Os resultados das regressões dos retornos das 20 ações mais líquidas da Bovespa e o Ibovespa no período estudado encontram-se na tabela seguinte:

Tabela 4: Resultados das estatísticas de DW

PETR DW= 1,44919 autocorrelação positivaELETROBRAS DW= 1,47749 autocorrelação positivaARCELOR BR DW= 1,47964 autocorrelação positivaCEMIG DW= 1,48472 autocorrelação positivaITAUBANCO DW= 1,52562 Inderteminada; teste inconclusivoNET DW= 1,52699 Inderteminada; teste inconclusivoVALE R DOCE DW= 1,59116 inexistência de autocorrelação

COSAN DW= 1,59588 inexistência de autocorrelação

BRADESPAR DW= 1,59591 inexistência de autocorrelação

AMBEV DW= 1,60355 inexistência de autocorrelação

ITAUUNIBANCO DW= 1,62475 inexistência de autocorrelaçãoUNIBANCO DW= 1,64130 inexistência de autocorrelaçãoITAUSA DW= 1,64841 inexistência de autocorrelaçãoTELEMAR DW= 1,65292 inexistência de autocorrelaçãoPETROBRAS DW= 1,69991 inexistência de autocorrelaçãoSID NACIONAL DW= 1,72792 inexistência de autocorrelaçãoBRASIL DW= 1,74314 inexistência de autocorrelaçãoUSIMINAS DW= 1,74616 inexistência de autocorrelaçãoGERDAU DW= 1,74763 inexistência de autocorrelaçãoBRADESCO DW= 1,76009 inexistência de autocorrelaçãoALL AMER LAT DW= 1,85079 inexistência de autocorrelação

Os testes das Estatísticas de Durbin-Watson não foram capazes de rejeitar a hipótese

nula, que estabelece a existência de autocorrelação, para 15 das 21 ações listadas acima. Tiveram resultados inconclusivos 2 ações e, 4 empresas apresentaram autocorrelação positiva. Desta forma, de um modo geral, os resultados mostram-se coerentes com a hipótese de eficiência informacional fraca dos mercados. Em qualquer mercado eficiente da forma fraca, qualquer estratégia de Trading baseada em informações passadas não geraria lucros extraordinários, uma vez que os preços de todos os ativos refletiriam as informações disponíveis no mercado.

5. CONSIDERAÇÕES FINAIS O objetivo específico deste artigo é verificar se os retornos das vinte ações mais

líquidas da Bovespa, no período estudado, seguiam a hipótese de eficiência da formação de preços do mercado, caso contrário o mercado é ineficiente sugerindo a aplicação da aprendizagem dos processos mentais, dos significados e do comportamento econômico do investidor para a tomada de decisão.

Inicialmente foi verificado se os retornos das vinte ações selecionadas seguiam rumo aleatório. Foi aplicado inicialmente o Teste de Corridas (runs test) que atestou a hipótese de existência de rumo aleatório das ações e eficiência informacional fraca dos mercados.

Em seguida foi realizado o teste de Durbin-Watson que não foi capaz de rejeitar a hipótese nula de existência de autocorrelação para a maior parte das ações, mostrando-se, também, coerente com a hipótese de eficiência informacional fraca dos mercados. Em qualquer mercado eficiente da forma fraca, qualquer estratégia de negócio baseada em informações passadas não geraria lucros extraordinários, uma vez que os preços de todos os ativos refletiriam as informações disponíveis no mercado.

As ações do ItauUnibanco surgiram em março de 2009, após a extinção da ação do Itaubanco e do Unibanco no mesmo período. Por este motivo, os resultados dos testes apresentam-se com 21 ações, uma vez que não são excluídos do processo o período em que as ações eram válidas.

Estes dois testes validam o objetivo especifico, evidenciando que é possível que os retornos das vinte ações mais líquidas da Bovespa, no período deste estudo, siga a hipótese de eficiência fraca do mercado, o que dispensa, neste período específico, a aplicação de estudos dos processos mentais, dos significados e do comportamento econômico do investidor para a tomada de decisão.

Mas, esta conclusão não deve ser interpretada como limitadora, considerando que a psicologia cognitiva é peça fundamental da estrutura teórica das finanças comportamentais, conforme Macedo Jr (2003). Portanto, este trabalho sugere o desenvolvimento de estudos futuros, que considere processos interativos, no qual, fatores não triviais, como percepções, convicções e modelos mentais do próprio indivíduo tenham influência, e possam interferir na ação ou decisão escolhida.

REFERÊNCIAS

AUSUBEL, David et al. Psicologia educativa: un punto de vista cognoscitivo. Cidade do México: Trillas, 1998.

BODIE, Zvi; KANE, Alex; MARCUS, Alan J., Fundamentos de Investimentos. Porto Alegre: Bookman, 2000.

CHEN, N.; ROLL, R.; ROSS, S. Economic Forces and the Stock Market. Journal of Business, vol. 59, p. 386-403, July 1986.

ELTON, Edwin J.; GRUBER, Martin J., Modern Portfolio Theory and Investment Analysis, 5th ed. New York: John Wiley & Sons, Inc, 1995.

ELTON, Edwin J. et al. Moderna teoria de carteiras e análise de investimentos. São Paulo: Atlas, 2004.

FAMA, Eugene; FRENCH, Ken. The Cross-section of Expected Stock Returns. The Journal of Finance, p. 427-465, Jun. 1992.

FAMA, Eugene F. Efficient capital markets: a review of theory and empirical work. Journal of Finance, vol. 25, p.383-417, May 1970.

GARDNER, H. A Nova Ciência da Mente. São Paulo: Edusp 2003.

HAUGEN, R. A. Os segredos da bolsa. Pearson Educação: São Paulo, 2000.

_____. The new finance: the case against efficient market. New York: prentice Hall. 1995.

HILL, R.Carter; GRIFFITHS, William E.; JUDGE, George, G. Econometria. São Paulo: Saraiva, 2003.

KAHNEMAN, D.; TVERSKY, A. Prospect Theory: an analysis of decision under risk. Econometrica, vol. 47, no 2, p. 263-291, Mar 1979.

KNIGHT, F.H. Risk, Uncertainty and Profit. New York: Century Press, 1964.

LINTNER, J. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. Review of Economics and Statistics, vol. 47, p.13-37, February 1965.

LOWENSTEIN, CAMERER E PRELEC. A aurora da neuroeconomia. HSM Management. Março-abril 2008.

MACEDO, J. S. Teoria do Prospecto: uma investigação utilizando simulação de investimentos, 2003, 116f. Exame de Qualificação de Tese (Doutorado em Engenharia de Produção) – Curso de Pós-graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, 2003.

MANDELBROT, B. Forecasts of future prices, unbiased markets, and martingale models. Journal of Business, V. 39, n.1 p. 242, 1966.

MANDELBROT, B. Mercados Financeiros Fora de Controle. Rio de Janeiro: Elsevier, 2004.

MARKOWITZ, Harry. Portfolio Selection. The journal of finance. Vol. 7, nº 1, p. 77-91, Mar. 1952.

MODIGLIANI, F., MILLER, M. H. The cost of capital, corporation finance and the theory of investment. American Economic Review, Junho 1958.

MOREIRA, M. A. Investigación en ensenãnza: aspectos metodológicos. Programa Internacional de Doctorado en Ensiñanza de las Ciencias. Universidade de Burgos, España. Universidade Federal do Rio Grande do Sul, Brasil, 1999.

NOVAK, Joseph D.. Learning, creating, and using knowledge: concept maps as facilitative tools in schools and corporations. Philadelphia: Lawrence Erlbaum Associates, 1998.

OLIVEIRA, M. Mendes et al. Econometria: exercícios. Lisboa: McGraw-Hill, 1997.

RAYNER, A. C.; LITTLE I. M. D. Higgledy Piggledy Growth Again. Oxford: Basil Blackwell, 1966.

SAMUELSON, P. Proof that properly antecipated prices fluctuate randomly. Industrial management review, V. 5, n. 1, p. 41, 1965.

SANTOS, Tatiana G.; COROA, Utilan S.R.; MATSUMOTO, Alberto S. Análise do modelo de Elton-Gruber em cenários com instabilidade econômica no Brasil. In: 3º Congresso USP de Controladoria e Contabilidade, 2003, São Paulo. Anais do 3º Congresso USP. São Paulo: USP, 2003.

SARTORIS, Alexandre. Estatística e introdução à econometria. São Paulo: Saraiva, 2003.

SECURATO, J. R. Decisões financeiras em condições de risco. São Paulo: Atlas, 1996.

SHARPE, William F. Capital asset prices: a theory of market equilibrium under conditions of risk. The Journal of Finance, vol.19, p. 425-442, September 1964.

_____. Portfolio Theory and Capital Markets. McGraw-Hill. New York: 2000.

TOSTA DE SÁ, Geraldo. Administração de Investimentos: Teoria de Carteiras e Gerenciamento do Risco. Rio de Janeiro: Qualitymark Ed., 1999. 376 p.

TVEDE, L. The Psychology of Finance. John Willey and Sons.2000.

TVERSKY, A., KAHNEMAN, D. Judgment under uncertainty: heuristics and biases. Science 185(4.157), p. 1.124-1.131.1974.