1

RELATÓRIO PIBIC 2016

PARTE 1 -RESUMO

FATORES GLOBAIS IMPACTAM NOS MERCADOS

ACIONÁRIOS DOS PAÍSES SUBDESENVOLVIDOS? UMA

ABORDAGEM QUANTÍLICA.

Aluno: Bruno Barreto Chvaicer

Orientador: Luiz Felipe Motta/Marcelo Klotzle

Introdução

A partir da plataforma Bloomberg e Economática foram coletados, desde 1987

até 2015, dados diários dos índices considerados os principais fatores globais que

poderiam afetar o mercado acionário dos países emergentes. Primeiro coletou-se dados

da variação diária do principal índice da bolsa de cada país, assim como a variação da

moeda local e a taxa de câmbio diária equivalente (valor U$ diário). Após isso, foi

calculada em dólar a variação da moeda local de cada país. Em seguida, foram coletados

dados de incerteza política dos Estados Unidos (no site: www.policyuncertainty.com); e

o índice S&P 500, que é o mais importante índice de ações do mundo, e o VIX (no site:

www.finance.yahoo.com), que nada mais é do que a volatilidade implícita do índice

S&P 500. Por último, foram coletados dados referentes a commodities como o WTI,

índice que se refere ao preço do barril do petróleo bruto e o dado sobre a variação diária

do preço do ouro.

Objetivos

Com o intuito de saber de que forma os mercados acionários dos países

emergentes (Brasil, Argentina, Chile, México, Índia, China, África do Sul, Rússia,

Indonésia, Polônia e Turquia) são influenciados por outros fatores globais, foi realizada

uma coleta de dados desses principais fatores e em seguida um estudo para identificar

como cada fator influencia esses mercados.

2

Metodologia

O estudo a ser feito se baseia no trabalho de Walid Mensi (“Do global factors

impact BRICS stock markets? A quantile regression approach”), onde foi utilizado o

método de Regressão Quantílica que produz estimativas aproximadas tanto da mediana

como quaisquer outros quantís da variável dependente. Evidenciou-se uma dependência

assimétrica entre as bolsas dos países emergentes com os países restantes do mundo, que

não muda desde o início da crise financeira global. A variação do índice VIX não

resultou em nenhuma alteração nos mercados acionários dos países emergentes com

mercado em alta, com exceção do Brasil e Índia, mas foi um fator relevante nos

mercados em baixa. A incerteza política americana não exerce nenhum impacto sobre

mercados de ações dos países emergentes. O preço do petróleo exibiu uma

independência simétrica em relação aos mercados emergentes (exceto África do Sul),

mas a dependência significativa aumenta desde o início da recente crise financeira. O

preço do ouro tem uma dependência simétrica com os mercados acionários dos países

emergentes (exceto Rússia e China, cujos bancos centrais compraram ouro) e o grau de

dependência diminuiu desde o começo da crise.

Para os participantes do mercado acionário, é importante atentarem para o fato

dos mercados de ações globais se influenciarem entre si, incluindo os mercados dos

países emergentes. Além disso, é necessário saber que o mercado de ações depende

significativamente de mudanças na estrutura dos fatores de risco, os ciclos de negócios e

as flutuações de outros índices macroeconômicos. Incluindo commodities (ouro e

petróleo) em seu portfólio, o investidor diminui o risco contra perdas no seu

investimento. Há uma necessidade de entender o que acontece na economia como um

todo e compreender a estrutura de dependência dos mercados de ações na economia

global e fatores financeiros.

Conclusões

Esta pesquisa é, particularmente, útil para gestores de risco de carteiras,

comercializadores de energia, políticos e investidores internacionais que devem ser

cautelosos sobre a realização de investimentos em diferentes mercados simultaneamente.

Conhecer as dependências dos mercados dos países emergentes é crucial para ajudar a

discernir a direção dos co-movimentos, e para evitar que os mercados acionários dos

países emergentes se contagiem com crises ou grandes eventos.

Referências

1 - MENSI,Walid. Do global factors impact BRICS stock markets? A quantile

regression approach.

3

PARTE 2-SEMINÁRIO EM FINANÇAS

A influência de fatores globais no retorno do mercado de ações brasileiro

(Para discussão preliminar – Junho 2016)

INDICE

1. Introdução .......................................................................................................................................... 4

2. Referencial Teórico ............................................................................................................................ 4

3. Metodologia ........................................................................................................................................ 5

A. METODOLOGIA ECONOMÉTRICA ...................................................................................................... 5 B. DADOS E SUMÁRIO ESTATÍSTICO ...................................................................................................... 6

4. Resultados ........................................................................................................................................... 9

A. DEPENDÊNCIA ENTRE IBOVESPA E MERCADO DE COMMODITIES ...................................................... 9 B. DEPENDÊNCIA ENTRE IBOVESPA E ÍNDICE VIX .............................................................................. 11 C. DEPENDÊNCIA ENTRE IBOVESPA E INSTABILIDADE POLÍTICA AMERICANA .................................... 11

5. Conclusões ........................................................................................................................................ 13

6. Bibliografia ....................................................................................................................................... 14

4

1. Introdução

Neste artigo, é analisado como fatores globais, incluindo o preço de commodities,

a incerteza política americana e a volatilidade da bolsa americana, influenciam o retorno

das ações do Ibovespa – Índice da Bolsa de Valores de São Paulo.

A principal motivação é compreender melhor os fatores que podem influenciar no

retorno do mercado de ações brasileiro, tanto positivamente como negativamente.

Conhecer a relação do movimento do mercado de ações com esses índices pode

auxiliar na identificação de oportunidades de investimentos e na diversificação de riscos.

A metodologia empregada foi a regressão quantílica porque esta permite

identificar a dependência condicional de quantis específicos dos retornos em relação às

variáveis estudadas. Assim, é possível analisar a relação de dependência em diferentes

circunstâncias do mercado.

Baur(2013) demonstrou que a metodologia fornece um panorama detalhado da

relação de dependência, incluindo relações assimétricas e não lineares. Além disso,

mudanças no nível ou estrutura da dependência podem ser modeladas e testadas para

cada quantil da distribuição.

Utilizando dados mensais desde janeiro de 1998 até março de 2016 os resultados

encontrados indicaram que o mercado de ações do Brasil apresenta uma relação de

dependência com o mercado de commodities (ouro e petróleo) e com um índice de

incerteza do mercado acionário americano (índice VIX). Por outro lado, a incerteza

política americana não impacta no retorno do mercado brasileiro.

2. Referencial Teórico

Lin, Wang, e Gau (2007) investigaram a influência de fatores locais no retorno dos

títulos de países emergentes. Esses fatores foram divididos em fatores locais e fatores

macroeconômicos. Os resultados indicaram que o mercado de títulos dos emergentes é

parcialmente integrado com o mundo desenvolvido e que os instrumentos locais podem

auxiliar na previsão dos retornos. A incorporação de variáveis macroeconômicas

aumentou o poder explanatório do modelo.

5

Ono( 2011) estudou o impacto dos preços do petróleo nos retornos das ações no

Brazil, China, India e Rússia (Brics) utilizando o modelo VAR no período de 1999 a

2009. Os resultados indicaram que o aumento no preço do petróleo influenciaram

positivamente os retornos reais das ações com significância estatística em todos os

países, exceto para o Brasil.

Ainda com relação ao foco no mercado de ações, Hammoudeh et al.(2013)

investigou a inter-relação entre as classificações de risco político, financeiro e

econômico dos cinco países dos BRICS e a relação destes com o respectivo retorno do

mercado de ações nacional. Os resultados demonstraram que apenas o mercado chinês é

sensível a todos os fatores. Em relação ao Brasil, dentre os países estudados, este

apresentou especial sensibilidade aos riscos econômicos e políticos.

Utilizando o método da regressão quantílica, Tsai (2012) encontrou uma relação

significativa entre índices de mercados de ações de seis países asiáticos e taxas de

câmbio.

Por fim, Mensi et al. (2013) examinaram o impacto de importantes fatores globais

no retorno dos 5 países dos BRICS utilizando a abordagem da regressão quantílica.

Segundo os autores, a maior parte dos estudos examinou a influência do risco de um país

nos retornos financeiros dos mercados domésticos assumindo um impacto simétrico nas

mudanças de classificação de risco dos países. Essa pesquisa permitiu uma análise

considerando uma assimetria multivariada na relação entre os índices de retorno dos

mercados e fatores globais. Essa metodologia permitiu diferir os efeitos nos diferentes

quantis dos retornos dos mercados, oferecendo flexibilidade e análises diversas.

3. Metodologia

a. Metodologia Econométrica

Desde sua introdução na literatura por Koenker, Hallock, Koenker e Hallock

(1978), a regressão quantílica se tornou uma ferramenta popular na modelagem da

dependência quando esta considera uma série de curvas e regressões que diferem através

de quantis da distribuição condicional das variáveis dependentes (Mensi et al., 2013).

6

Segundo Koenker (2005), a função de regressão quantílica oferece um resultado

mais preciso e acurado do impacto das variáveis condicionais das variáveis dependentes.

Ela é definida para o i-ésimo quantil conforme a equação:

minbÎR n–1 {Σt Î {t:yi ≥ xi b} q| yt – xtb| +Σ t Î {t:yi ≥ xi b}(1 – q)| yt – xt b|} (1)

A estimação dos parâmetros é feita por meio algoritmo de Barrodale e Roberts

sugerido por Orey (1987).

Nesta pesquisa, a estimação do modelo foi realizada por dados em série. Para a

realização do teste e a estimação dos parâmetros foi utilizado o Software Eviews® 9.5.

b. Dados e sumário estatístico

Foi testada empiricamente a relação de dependência entre o retorno das ações do

Ibovespa, bolsa de valores do Estado de São Paulo, e o retorno de importantes fatores

econômicos e financeiros para o período entre janeiro de 1998 e março de 2016

utilizando o software Eviews®.

O ponto de partida foi escolhido por ter sido marcado por períodos turbulentos,

tais como a crise asiática de 1997, a crise Russa e Brasileira em 1998. O período cobre

ainda a crise financeira global no período 2007 – 2009.

Os fatores testados foram selecionados com base na revisão bibliográfica

realizada e englobam: (i) o preço do barril de petróleo do tipo WTI, expresso em dólares;

(ii) o preço do ouro em dólares por onça; (iii) a volatilidade implícita do índice S&P 500

representada pelo índice VIX e (iv) um índice de incerteza política americana.

Os dados foram extraídos de diversas fontes. O índice Ibovespa foi extraído da

plataforma Bloomberg® para o período em análise. O preço do barril do petróleo foi

extraído do site da agência americana EIA – Energy Information Administration e o

preço do ouro foi oriundo do site do Conselho Mundial do Ouro. O índice de

volatilidade financeira teve como fonte o Yahoo Finance.

7

A última fonte de informação foi o site de incerteza política1, do qual foi possível

extrair o índice de incerteza política americana, utilizado nesta pesquisa. Esse índice é

construído com base em evidências coletadas de notícias veiculadas na mídia oriundas

de mais de 12000 artigos. O estudo publicado por Baker et al.(2016) apresenta maiores

detalhes da construção deste índice. Cabe ressaltar que não são cobertos dados do

mercado brasileiro, de forma que foi incluída nesta pesquisa a incerteza política

americana como um fator. Os Estados Unidos formam a maior economia nacional do

mundo e parte-se da hipótese de que um aumento na incerteza política americana

poderia levar a um aumento no retorno do mercado acionário brasileiro.

O retorno das variáveis foi calculado levando-se em consideração a diferença no

logaritmo entre dois preços consecutivos.

A Figura 1 ilustra a dinâmica da série de retornos do mercado brasileiro. É

possível observar que os retornos são especialmente voláteis entre a metade de 1998 e a

metade de 1999, período da crise brasileira, e no meio de 2008, período da crise

financeira global.

Os retornos do barril de petróleo WTI e do preço do ouro, indicados na Figura 2

e na Figura 3, respectivamente, apresentam padrão similar, enquanto que o índice

representativo da instabilidade política americana não apresenta um padrão particular.

Figura 1 - Retornos do índice Ibovespa

1 www.policyuncertainty.com

8

Figura 2 - Retorno do preço de barril e petróleo WTI

Figura 3 - Retorno do preço do Ouro

Figura 4 - Retorno da Instabilidade política americana

A Tabela 1 apresenta um resumo estatístico dos fatores analisados e do retorno

das ações da Bovespa. O barril de petróleo WTI apresenta o maior ganho e a maior

perda comparativamente ao ouro. O índice VIX e o Índice de Instabilidade Política

9

apresentam a maior volatilidade, indicada pelo desvio padrão, dentre as variáveis

estudadas. Esse resultado era esperado uma vez que representam volatilidade e risco

político, respectivamente. Tanto os retornos do Ibovespa como o das commodities

apresentam assimetria negativa, diferentemente dos índices de instabilidade política e do

VIX, cujos valores são positivos. Todos os parâmetros apresentam altos valores de

curtose.

Ibovespa WTI Ouro Instabilidade Política VIX

Média 0,752 0,35 0,642 0,106 -0,197

Mediana 0,923 1,297 0,712 -3,799 -1,205

Máximo 21,545 30,259 15,996 170,179 85,258

Mínimo -50,341 -39,116 -19,095 -197,605 -48,596

Desvio padrão 8,631 9,766 5,043 67,313 19,636

Assimetria -1,117 -0,387 -0,2 0,091 0,597

Curtose 8,283 4,008 4,103 2,866 4,565 Tabela 1 - Resumo Estatístico das variáveis indicadas

Por fim, cabe ressaltar que foi testada a hipótese nula da raiz unitária para todas as

variáveis. Todos os resultados foram significativos a 1% conforme indicado na Tabela 2.

Ibovespa WTI Ouro Instabilidade Política VIX

Augmented Dickey and Fuller -14,011* -13,057* -16,762* -10,625* -17,215*

Tabela 2 - Teste da Raiz Unitária das séries

4. Resultados

a. Dependência entre Ibovespa e mercado de commodities

No que diz respeito ao impacto do preço do ouro, pode-se dizer que o impacto é

positivo e significativo para quantis mais baixos e intermediários (abaixo de 0,700) dos

retornos. Assim retornos mais altos do ibovespa, não são explicados pelo retorno do

ouro, conforme indicado na Tabela 3. Ainda, observou-se que, conforme pode ser

ratificado na Figura 7, o retorno do outro apresenta coeficientes mais elevados para

quantis mais baixos.

10

Os resultados encontrados para o barril WTI, apresentados na Tabela 4, indicam

uma relação de dependência positiva para quantis mais baixos e intermediários. Nos

quantis mais altos (acima de 0,800) os coeficientes encontrados não são significantes

estatisticamente, assim como verificado para o retorno do ouro. Nesse sentido,

movimentos de altos no retorno das ações no mercado brasileiro não são explicados pelo

petróleo.

βouro

Quantil Coeficiente Erro valor -p

0.100 0.423* 0.112 0.000

0.200 0.408* 0.092 0.000

0.300 0.462* 0.095 0.000

0.400 0.344* 0.113 0.002

0.500 0.301* 0.110 0.006

0.600 0.231** 0.110 0.036

0.700 0.168 0.116 0.149

0.800 0.105 0.153 0.491

0.900 0.194 0.212 0.362

Tabela 3 - Resultado da regressão quantílica para a variável Ouro. Os asteristicos (*), (**) e (***) indicam

significância a 1%, 5% e 10%, respectivamente.

βWTI

Quantil Coeficiente Erro valor -p

0.100 0.126*** 0.067 0.060

0.200 0.136** 0.060 0.025

0.300 0.148** 0.062 0.017

0.400 0.127*** 0.074 0.085

0.500 0.134*** 0.073 0.069

0.600 0.181* 0.067 0.008

0.700 0.221* 0.063 0.000

0.800 0.112 0.087 0.199

0.900 0.041 0.086 0.634

Tabela 4 - Resultado da regressão quantílica para a variável WTI. Os asteristicos (*), (**) e (***) indicam

significância a 1%, 5% e 10%, respectivamente.

11

b. Dependência entre Ibovespa e Índice VIX

O índice de volatilidade das ações do S&P 500 apresentam coeficientes negativos

e significativos a 1% em todos os quantis. Isso significa que quando maior a volatilidade

do mercado americano, menor é o retorno do mercado acionário brasileiro. Esse impacto

é ainda mais negativo para quantis mais baixos.

βVix

Quantil Coeficiente Erro valor -p

0.100 -0.201* 0.036 0.000

0.200 -0.173* 0.029 0.000

0.300 -0.182* 0.034 0.000

0.400 -0.167* 0.034 0.000

0.500 -0.171* 0.031 0.000

0.600 -0.167* 0.027 0.000

0.700 -0.175* 0.024 0.000

0.800 -0.181* 0.031 0.000

0.900 -0.157* 0.044 0.000

Figura 5 - Resultado da regressão quantílica para a variável VIX. Os asteristicos (*), (**) e (***) indicam

significância a 1%, 5% e 10%, respectivamente.

c. Dependência entre Ibovespa e Instabilidade Política americana

Com relação ao índice de Instabilidade Política Americana pode-se dizer que a

relação de dependência foi insignificante estatisticamente para todos os quantis dos

retornos do mercado brasileiro.

βIntabilidade_Política

Quantil Coeficiente Erro valor -p

0.100 -0.004 0.011 0.678

0.200 0.007 0.009 0.439

0.300 0.006 0.009 0.463

0.400 -0.005 0.009 0.575

0.500 -0.007 0.008 0.403

0.600 -0.004 0.008 0.637

0.700 0.002 0.007 0.784

0.800 0.000 0.008 0.944

0.900 -0.012 0.011 0.260

Figura 6 - Resultado da regressão quantílica para o Ínice de Instabilidade Política americano. Os asteristicos

(*), (**) e (***) indicam significância a 1%, 5% e 10%, respectivamente.

12

Figura 7 - Mudanças nos coeficientes de regressão

13

5. Conclusões

No que diz respeito aos retornos das commodities, verificou-se uma relação

positiva entre o retorno das ações e o retorno no preço do ouro e do petróleo. Logo, essas

variáveis ajudam a explicar o retorno das ações. A exceção foi verificada na extremidade

à direita, indicativa do mercado brasileiro em alta, que não apresentou resultados

significantes estatisticamente.

O índice de volatilidade VIX afeta negativamente o mercado acionário brasileiro.

Esse efeito é ainda mais acentuado no mercado em baixa, indicando que o medo e a

ansiedade no mercado americano são mais impactantes quando o mercado está em baixa,

bem como verificado por Mensi et al. (2013).

Com relação ao efeito da instabilidade política americana, a hipótese inicial de que

um aumento dessa variável poderia levar a um aumento do retorno acionário foi

refutada. Os dados estatísticos mostraram que esse índice não explica os retornos do

Ibovespa.

A modelagem realizada nesta pesquisa pode contribuir para uma melhor

compreensão dos fatores que explicam os retornos no mercado acionário brasileiro,

contribuindo para uma alocação de recursos mais eficiente.

Os resultados aqui apresentados podem ser expandidos para outros mercados,

resultando em uma pesquisa científica mais completa e comparativa dos efeitos dos

fatores selecionados. Além disso, podem ser realizados avanços com relação às

publicações já existentes, incluindo outros fatores macroeconômicos ou financeiros.

14

6. Bibliografia

Baker, S. R., Bloom, N., Davis, S. J., Boehnke, J., Dashkeyev, V., Deriy, O., …

Kashyap, A. (2016). Measuring Economic Policy Uncertainty, (March).

Baur, D. G. (2013). The structure and degree of dependence : A quantile regression

approach. Journal of Banking and Finance, 37(3), 786–798.

http://doi.org/10.1016/j.jbankfin.2012.10.015

Hammoudeh, S., Sari, R., Uzunkaya, M., & Liu, T. (2013). The dynamics of BRICS ’ s

country risk ratings and domestic stock markets , U . S . stock market and oil price.

Mathematics and Computers in Simulation, 94, 277–294.

http://doi.org/10.1016/j.matcom.2012.01.002

Koenker, R. (2005). Quantile regression. Econometric Society Monograph Series, 48(3),

445–446. http://doi.org/10.1198/004017006000000156

Koenker, R., Hallock, K. F., Koenker, R., & Hallock, K. F. (1978). Regression

Quantiles. Journal of Econometric Society, 46(1), 33 – 50.

Lin, C., Wang, M., & Gau, Y. (2007). Expected risk and excess returns predictability in

emerging bond markets, 1511–1529. http://doi.org/10.1080/00036840600606336

Mensi, W., Beljid, M., Boubaker, A., & Managi, S. (2013). Correlations and volatility

spillovers across commodity and stock markets : Linking energies , food , and gold.

Economic Modelling, 32, 15–22. http://doi.org/10.1016/j.econmod.2013.01.023

Ono, S. (2011). Oil Price Shcocks and Stock Markets in Brics. The European Journal of

Comparative Economics 8.

Orey, R. W. . K. and V. D. ’. (1987). Algorithm AS 229 : Computing Regression

Quantiles. Journal of the Royal Statistical Society . Series C, 36(3), 383–393.

Tsai, I. (2012). Journal of International Financial Markets , Institutions & Money The

relationship between stock price index and exchange rate in Asian markets : A

quantile regression approach. “Journal of International Financial Markets,

Institutions & Money,” 22(3), 609–621. http://doi.org/10.1016/j.intfin.2012.04.005