37238 rows × 4 columns

Distribuição de Beta por Setores do Índice Bovespa

Visualização: Boxplot

Visualização: Percentis

Visualização: Matriz de correlação dos percentis

Classificação de Portfólios

Exploramos as classificações de portfólio, uma das metodologias estatísticas mais amplamente empregadas na análise empírica de ativos. A aplicação central das classificações de portfólio é avaliar se uma ou mais variáveis podem antecipar retornos futuros em excesso.

Em linhas gerais, a abordagem consiste em agrupar ações individuais em portfólios, nos quais as ações dentro de cada conjunto compartilham semelhanças em relação a uma variável específica, como tamanho da empresa, valor, risco de mercado (beta), entre outras. Os diversos portfólios representam investimentos bem diversificados que variam conforme o nível da variável de classificação. Ao analisar a distribuição resultante, torna-se possível atribuir as discrepâncias (diferenças) na distribuição de retornos ao impacto da variável de classificação. Isso é particularmente útil na criação de fatores de risco, especialmente aqueles que têm frequências trimestrais e semestrais.

Introduzimos classificações de portfólio univariadas, neste caso, utilizando o Beta como a característica principal.

Um classificação de portfólio univariada considera apenas uma variável de classificação . Aqui, denota a ação e indica que a característica é observável pelos investidores no momento . O objetivo é avaliar a relação transversal entre e, tipicamente, os retornos em excesso da ação no momento como a variável dependente. Para ilustrar como as classificações de portfólio funcionam, utilizamos as estimativas para os betas de mercado como nossa variável de classificação. Um ponto importante, é que utilizamos os betas defasados de um período como variável de classificação para garantir que as classificações dependam apenas das informações disponíveis no momento em que criamos os portfólios.

Formulamos dois tipos diferentes de alocação para os portfólios: ponderados pelo percentual relativo na composição dos Ibovespa e outro igualmente ponderado.

Avaliação de performance dos portfólios

Podemos criar uma estratégia long-short com base nos dois portfólios: comprar o portfólio de alto beta e, ao mesmo tempo, fazer uma venda a descoberto no portfólio de baixa beta. Assim, a posição geral no mercado é zero líquido, ou seja, não é necessário investir dinheiro para realizar essa estratégia na ausência de atritos.

Calculamos o retorno médio e o erro padrão correspondente para testar se o portfólio long-short, em média, produz retornos em excesso positivos ou negativos. Na literatura de precificação de ativos, normalmente se ajusta para a autocorrelação usando as estatísticas de Newey e West (1987) para testar a hipótese nula de que os retornos médios em excesso do portfólio são iguais a zero.

Ponderado pela composição no Ibovespa

OLS Model:
long_short ~ 1

Coefficients:
           Estimate  Std. Error  Statistic  p-Value
Intercept    -0.001       0.001     -1.613    0.107

Summary statistics:
- Number of observations: 433
- R-squared: -0.000, Adjusted R-squared: -0.000
- F-statistic: nan on 0 and 432 DF, p-value: nan

OLS Model:
long_short ~ 1

Coefficients:
           Estimate  Std. Error  Statistic  p-Value
Intercept      -0.0       0.001     -0.681    0.496

Summary statistics:
- Number of observations: 433
- R-squared: -0.000, Adjusted R-squared: -0.000
- F-statistic: nan on 0 and 432 DF, p-value: nan