leandro augusto petrokas - tede: página inicial augusto... · utilização da média móvel...

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

PUC-SP

Leandro Augusto Petrokas

AVALIAÇÃO DA EFICÁCIA DE SINAIS DA ANÁLISE TÉCNICA NO MERCADO DE CAPITAIS BRASILEIRO, NO PERÍODO DE 2000 A 2010

MESTRADO EM ADMINISTRAÇÃO

SÃO PAULO – SP

2012

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

PUC-SP

Leandro Augusto Petrokas

AVALIAÇÃO DA EFICÁCIA DE SINAIS DA ANÁLISE TÉCNICA NO MERCADO

DE CAPITAIS BRASILEIRO, NO PERÍODO DE 2000 A 2010

Dissertação apresentada à banca examinadora da

Pontifícia Universidade Católica de São Paulo,

como exigência parcial para obtenção do título de

Mestre em Administração, sob orientação do

Prof. Dr. Rubens Famá.

SÃO PAULO – SP

2012

Petrokas, Leandro Augusto

Avaliação da eficácia de sinais da análise técnica no mercado de capitais brasileiros, no

período de 2000 a 2010 / Leandro Augusto Petrokas. – São Paulo, 2012. 112f.

Dissertação (Mestrado) – Pontifícia Universidade Católica de São Paulo. Programa de

Estudos Pós-Graduados em Administração. Área de Concentração: Gestão Integrada das

Organizações. Linha de Pesquisa: Estratégia e Inovação. Orientador: Prof. Dr. Rubens Famá.

Evaluating the effectiveness of signals of technical analysis in the Brazilian capital market in the period 2000 to 2010.

Palavras-chave: Análise Técnica, Bolsa de Valores, eficiência de mercado

�

�

BANCA EXAMINADORA

_____________________________________

_____________________________________

_____________________________________

�

� v

AGRADECIMENTOS

Agradeço primeiramente a Deus, pela oportunidade e inspiração concedidas para cumprir

mais uma etapa na vida acadêmica.

Aos meus pais, Vera Lucia Tancsik Petrokas e Roberto Vicente Petrokas (in memorian),

grandes inspiradores de valores éticos e morais.

Ao Prof. Dr. Rubens Famá, pelos conhecimentos transmitidos nas aulas, pela paciência na

orientação desta dissertação, por sua cordialidade, amizade e pelo exemplo de dedicação ao

ensino e à pesquisa.

Ao Prof. Dr. José Odálio dos Santos, por todos os ensinamentos (não só acadêmicos)

transmitidos ao longo do curso, pelas contribuições no exame de qualificação e pelo prazer de

escrever artigos em conjunto.

Ao Prof. Dr. Marco Antônio de Barros Penteado, pelas valiosas contribuições tecidas no

exame de qualificação e por sua cordialidade e presteza em colaborar com esta dissertação.

À Rita de Cassia, secretária do Programa de Mestrado em Administração da PUC, sempre

disposta a ajudar os alunos.

Às empresas Scórpios Indústria Metalúrgica e Grupo Segurador Banco do Brasil MAPFRE,

pela disponibilidade e apoio ao longo desse curso.

Aos colegas do curso: Wilton Moisés Modro, Marli Colangelo, Adriane, Wilson Trevisan,

Marcus Nakagawa, Iaia Augusto Cuma e Antonio Carbonari.

Aos professores: Paulo Henrique Pereira e Tiago Alves Costa, amigos sempre dispostos a

colaborar quando são solicitados.

Aos amigos e familiares que entenderam a minha ausência durante o curso, porém, sempre me

apoiaram durante esta jornada. Em especial: Ana Paula Basso Rossi, minha esposa, e Paulo

Silvestre, quem me apresentou a Bolsa de Valores e a Análise Técnica.

À CAPES, pela concessão da Bolsa de Estudos.

� vi

RESUMO

Esta dissertação tem como objetivo principal avaliar se a análise técnica é capaz de produzir

resultados financeiros superiores ao modelo buy and hold, o qual preconiza a compra e a

venda de ações a médio ou longo prazo, sem utilização de critérios ou ferramentas específicas

para nortear esse tipo de decisão.

A amostra foi composta por quatorze ações, de oito setores diferentes da economia, o período

da pesquisa foi de 2000 a 2010 e os testes foram realizados com cinco dos principais

indicadores (sinais) da análise técnica.

Optou-se por testar se a média móvel simples de 233 períodos seria capaz de aumentar a

rentabilidade obtida pelos sinais. Foi avaliado o impacto da geração de um sinal de compra

nos retornos de cinco ações, por meio da metodologia de estudo de eventos e, por fim,

avaliou-se a duração média das operações realizadas pelos sinais estudados.

Os resultados indicaram que dentro de 350 casos, somente em 61 a rentabilidade obtida com

os sinais da análise técnica foi superior à obtida pelo modelo buy and hold. Por meio do teste

do qui-quadrado, constatou-se que tal frequência não é estatisticamente igual à metade dos

casos, portanto, conclui-se que a análise técnica não foi capaz de produzir resultados

financeiros superiores ao buy and hold.

Os resultados evidenciaram que não houve melhora significativa na rentabilidade com a

utilização da média móvel simples de 233 dias como regra de filtro, pois, não foi constatada

diferença estatisticamente significativa nas médias das rentabilidades obtidas por cada sinal,

com e sem o filtro.

Os estudos de eventos revelaram que somente em um dos cinco eventos analisados ocorreu

um impacto positivo e estatisticamente significativo nos retornos das ações.

A análise da duração das operações indicou que as operações lucrativas possuem uma duração

maior quando comparada às não lucrativas para todos os sinais, exceto no IFR, quando se

verificou um comportamento oposto desse padrão.

Palavras-chave: Análise Técnica. Bolsa de Valores. Eficiência de mercado.

� vii

ABSTRACT

This study aims at assessing the technical analysis is capable of producing superior financial

results to the model buy and hold, which recommends the purchase and sale of shares in the

medium or long term, without the use of specific tools or criteria to guide such decision.

The sample was composed of fourteen shares, in eight different sectors of the economy, the

survey period was from 2000 to 2010 and the tests were conducted with five key indicators of

technical analysis. It was decided to test whether the simple moving average of 233 periods

could increase the profitability obtained by the signs. The impact of generating a buy signal in

the returns of five actions, through the event study methodology and, finally, estimated the

average duration of the operations performed by the signals studied.

The results indicated that in a case 350, 61 only in the yield obtained with the signals of the

technical analysis was superior to that obtained by the model buy and hold. By means of the

chi-square, it was found that this frequency is not statistically equal to half the cases,

therefore, conclude that technical analysis was not able to produce superior financial results to

the buy and hold. The results showed that there was no significant improvement in

profitability with the use of simple moving average of 233 days as a filter rule, therefore, was

not statistically significant differences in mean returns obtained by each signal, with and

without the filter. The event studies revealed that only one of the five events analyzed was a

statistically significant and positive impact on stock returns. The analysis of the duration of

the operations indicated that profitable operations have a longer duration when compared to

non-profit for all signals except the IFR, when there was an opposite behavior of this pattern.

Key words: Technical analysis. Stock market. Market efficiency.

� viii

SUMÁRIO

LISTA DE FIGURAS E GRÁFICOS.....................................................................................x

LISTA DE TABELAS.............................................................................................................xi

1 INTRODUÇÃO....................................................................................................................12

1.1 Problema de pesquisa..........................................................................................................12

1.2 Objetivos.............................................................................................................................14

1.3 Justificativa.........................................................................................................................14

1.4 Metodologia........................................................................................................................16

1.5 Estrutura da dissertação .....................................................................................................16

2 FUNDAMENTAÇÃO TEÓRICA......................................................................................18

2.1 Eficiência de mercado.........................................................................................................18

2.1.1 Formas de eficiência do mercado................................................................................20

2.2 Anomalias no mercado de capitais.....................................................................................21

2.2.1 Anomalias de calendário.............................................................................................21

2.2.2 Anomalias fundamentalistas.......................................................................................23

2.3 Finanças comportamentais..................................................................................................23

2.4 Análise fundamentalista......................................................................................................26

2.4.1 Definição.....................................................................................................................27

2.4.2 Análise dos múltiplos..................................................................................................27

2.4.3 Método do fluxo de caixa descontado.........................................................................29

2.4.4 EVA® e MVA............................................................................................................30

2.5 Análise técnica....................................................................................................................31

2.5.1 Definição.....................................................................................................................31

2.5.2 Tipos de gráfico...........................................................................................................32

2.5.3 Teoria de Dow.............................................................................................................35

2.5.4 Suportes e resistências.................................................................................................36

2.5.5 Linhas de tendência.....................................................................................................37

2.5.6 Padrões gráficos..........................................................................................................38

2.5.7 Indicadores..................................................................................................................43

2.5.8 Teoria das Ondas de Elliot..........................................................................................50

2.5.9 Pesquisas acadêmica sobre análise técnica.................................................................51

� ix

3 METODOLOGIA................................................................................................................59

3.1 Seleção da amostra..............................................................................................................59

3.2 Procedimentos da pesquisa.................................................................................................61

3.2.1 Cálculo da rentabilidade utilizando os sinais da análise técnica.................................63

3.2.2 Cálculo da rentabilidade do modelo buy and hold......................................................66

3.2.3 Detalhamento dos sinais..............................................................................................67

3.2.4 Teste da média móvel como regra de filtro para os sinais..........................................74

3.2.5 Análise do impacto dos sinais nos retornos das ações................................................77

3.2.5.1 Definição do evento e critérios de seleção........................................................78

3.2.5.2 Retornos Normais e Anormais..........................................................................78

3.2.5.3 Procedimento de estimação...............................................................................80

3.2.5.4 Procedimento de Teste......................................................................................80

3.2.6 Análise da duração das operações...............................................................................82

4 ANÁLISE DOS RESULTADOS........................................................................................83

4.1 Resultados obtidos sem a regra de filtro.............................................................................83

4.1.1 Análise da significância das frequências.....................................................................87

4.2 Resultados obtidos com a regra de filtro.............................................................................89

4.3 Resultados dos estudos de eventos.....................................................................................93

4.4 Resultados da análise da duração das operações................................................................97

5 CONSIDERAÇÕES FINAIS............................................................................................100

5.1 Conclusões........................................................................................................................100

5.2 Limitações.........................................................................................................................101

5.3 Sugestões para trabalhos futuros.......................................................................................101

REFERÊNCIAS BIBLIOGRÁFICAS................................................................................103

� x

LISTA DE FIGURAS E GRÁFICOS�

FIGURAS

Figura 1 – Explicação do gráfico de barras .............................................................................32

Figura 2 – Explicação do gráfico de candles ...........................................................................33

Figura 3 – Gráfico de candles do Ibovespa..............................................................................34

Figura 4 – Gráfico de barras do Ibovespa.................................................................................34

Figura 5 – Suporte e resistência................................................................................................37

Figura 6 – Linha de tendência de alta.......................................................................................38

Figura 7 – Triângulo ascendente...............................................................................................39

Figura 8 – Retângulo de alta e retângulo de baixa....................................................................40

Figura 9 – Bandeira de alta.......................................................................................................40

Figura 10 – Bandeira de baixa..................................................................................................40

Figura 11 - Topo duplo.............................................................................................................41

Figura 12 – Ombro –cabeça - Ombro.......................................................................................42

Figura 13 – Médias móveis.......................................................................................................44

Figura 14 – MACD...................................................................................................................46

Figura 15 – Histograma MACD...............................................................................................47

Figura 16 – Índice de Força Relativa........................................................................................49

Figura 17 – Estocástico.............................................................................................................50

Figura 18 – Ondas de Elliot......................................................................................................51

Figura 19 – Divisão do período da pesquisa.............................................................................61

Figura 20 – Divisão do período da pesquisa adotada...............................................................62

Figura 21 – Gráfico mensal do Ibovespa de 2000 a 2010.........................................................63

Figura 22 – Sinais de compra e venda – Estocástico lento - PETR4........................................69

Figura 23 – Sinais de compra e venda – Hi Lo - PETR4..........................................................70

Figura 24 – Sinais de compra e venda – IFR - PETR4.............................................................71

Figura 25 – Sinais de compra e venda – MACD - PETR4.......................................................72

Figura 26 – Sinais de compra e venda - Parabólico SAR - PETR4..........................................74

Figura 27 – Média móvel como filtro.......................................................................................75

Figura 28: Etapas do estudo de evento.....................................................................................77

GRÁFICOS

Gráfico 1 - Probabilidade de o Ibovespa ganhar do dólar – Período de 1968 a 2003...............13

Gráfico 2 – Retornos anormais acumulados.............................................................................96

� xi

LISTA DE TABELAS

Tabela 1 – Pesquisas acadêmicas sobre análise técnica no Brasil............................................52

Tabela 2 - Pesquisas acadêmicas sobre análise técnica no exterior..........................................56

Tabela 3 – Composição da amostra..........................................................................................60

Tabela 4 – Exemplo de registro das operações.........................................................................65

Tabela 5 – Teste de igualdade das variâncias...........................................................................76

Tabela 6 – Amostra para o estudo de eventos...........................................................................78

Tabela 7 – Operações realizadas nos sub períodos sem o filtro................................................83

Tabela 8 – Rentabilidade líquida obtida sem o filtro................................................................84

Tabela 9 - Frequências esperadas e observadas por sinal.........................................................88

Tabela 10 - Resultado do teste do qui-quadrado.......................................................................88

Tabela 11 – Operações realizadas nos sub períodos com o filtro.............................................89

Tabela 12 – Rentabilidade líquida obtida com o filtro.............................................................90

Tabela 13 – Resultados do teste de igualdade de médias populacionais..................................92

Tabela 14 – Retornos anormais (AR).......................................................................................94

Tabela 15 – Retornos anormais acumulados (CAR).................................................................95

Tabela 16 – Resultados dos procedimentos de teste.................................................................96

Tabela 17 – Duração média das operações...............................................................................98

Tabela 18 – Testes de média das durações...............................................................................98

�

�

12

1 INTRODUÇÃO�

1.1 Problema da pesquisa

A teoria da eficiência de mercado é um dos temas mais pesquisados e discutidos em

finanças no universo acadêmico. De acordo com tal teoria, proposta por Fama (1970), em um

mercado eficiente, os preços das ações refletem rapidamente e plenamente as informações

disponíveis, impossibilitando a obtenção de ganhos anormais por meio de estratégias que

identifiquem padrões de comportamento nos preços.

Bruni e Famá (1998) apresentaram duas relações de trabalhos empíricos em relação à

eficiência de mercado. A primeira relacionou as pesquisas que atestaram a eficiência de

mercado, enquanto a segunda citou as pesquisas que negaram a teoria. Observando a data das

pesquisas, é possível notar que a maior parte dos trabalhos que comprovaram a teoria são

anteriores à década de 1990.

Há uma suspeita no meio acadêmico que devido a evolução dos sistemas

informatizados, ocorrida nas décadas de 1980 e 1990, os estudos a respeito do comportamento

dos preços das ações se intensificaram e a execução desses tornou-se mais rápida, e, por essa

razão, iniciou-se um processo de descobertas de padrões de comportamento persistentes ao

longo do tempo, denominadas anomalias de mercado.

As principais anomalias identificadas e estudadas pelos pesquisadores em finanças

são: anomalias de calendário (efeito janeiro, efeito segunda-feira, efeito virada de mês),

anomalias fundamentalistas (valor, tamanho da empresa) e as anomalias técnicas.

As anomalias técnicas são caracterizadas pelo poder de predição do comportamento

futuro dos preços das ações, baseado em padrões recorrentes identificados nos gráficos dos

preços.

De acordo com os resultados das pesquisas empíricas encontradas no Brasil e no

exterior1, parece que não há consenso a respeito do poder preditivo da análise técnica e de sua

capacidade de apontar sinais de compra e venda que proporcionem lucros anormais aos

investidores.

Autores como Halfeld (2004, p.76), defendem que o investimento em ações deve ser

feito visando o longo prazo, ou seja, mesmo que existam oscilações nos preços no curto

�� 1 As tabelas 1 e 2, na sessão 2.5.9 apresentam um resumo de pesquisas acadêmicas sobre análise técnica.

�

prazo, o investidor pode se beneficiar de uma valorização das ações

dividendos ao longo do tempo.

hold,expressão no idioma inglês que

Halfeld (2004, p. 67) apresenta o resultado de um estudo realizado pela C

Economática que relata a probabilidade de o Ibovespa ter um retorno maior que o dólar,

conforme a duração do investimento.

Gráfico 1 – Probabilidade de o Ibovespa ganhar do dólar

Fonte: Halfeld (2004, p.67)

É possível perceber que quanto maior o tempo do investimento no Ibovespa, maior é a

probabilidade desse investimento gerar um retorno maior que o investimento em dólar, o que

justificaria a opção de se investir em ações visando o longo prazo.

Porém, ao realizar um investimento em ações a longo prazo, o investidor pode estar

assumindo um risco maior, haja visto que em períodos de crises financeiras podem ocorrer

desvalorizações acentuadas nos preços das ações e, consequentemente, o retorno obtido ser

negativo.

Com base no exposto

é: a utilização dos sinais da análise técnica proporciona maior rentabilidade se comparada ao

modelo buy and hold?

51% 53%

0%

20%

40%

60%

80%

100%

Diário Semanal Mensal

prazo, o investidor pode se beneficiar de uma valorização das ações

dividendos ao longo do tempo. Tal modo de investimento recebe o nome de

expressão no idioma inglês que pode ser traduzida como “comprar e segurar”.

Halfeld (2004, p. 67) apresenta o resultado de um estudo realizado pela C


conforme a duração do investimento.

Probabilidade de o Ibovespa ganhar do dólar – Período de 1968 a 2003

possível perceber que quanto maior o tempo do investimento no Ibovespa, maior é a


justificaria a opção de se investir em ações visando o longo prazo.

zar um investimento em ações a longo prazo, o investidor pode estar



Com base no exposto acima, a questão central que esta dissertação procura responder


54% 55% 56% 59% 61%71%

Mensal Trimestral 1 ano 2 anos 3 anos 5 anos

13

prazo, o investidor pode se beneficiar de uma valorização das ações e da distribuição de

Tal modo de investimento recebe o nome de buy and

como “comprar e segurar”.

Halfeld (2004, p. 67) apresenta o resultado de um estudo realizado pela Consultoria


Período de 1968 a 2003

possível perceber que quanto maior o tempo do investimento no Ibovespa, maior é a


zar um investimento em ações a longo prazo, o investidor pode estar



a questão central que esta dissertação procura responder


71%

89% 97%

5 anos 8 anos 10 anos

�

14

1.2 Objetivos

O objetivo principal desta dissertação é verificar se a utilização dos sinais de compra e

venda de ações, gerados pela análise técnica, produzem resultados financeiros superiores ao

modelo buy and hold.

Os objetivos específicos são:

• Testar a utilização de uma média móvel simples como regra de filtro para utilização

dos sinais da análise técnica;

• Analisar o impacto de um sinal de compra nos retornos das ações, em parte da amostra

e dos sinais, pelo método do estudo de eventos;

• Analisar o tempo de duração das operações.

1.3 Justificativa

A análise técnica vem ganhando espaço no mundo acadêmico e no mercado de ações.

A pesquisa bibliográfica sobre análise técnica apresentada por Park e Irwin (2007),

revelou que dos 137 estudos encontrados no período de janeiro de 1960 a agosto de 2004, 56

(55,5 % do total) foram publicados nos últimos 10 anos do período da pesquisa, o que sugere

um aumento no interesse por esse assunto pela comunidade acadêmica.

Serafini e Valls Pereira (2010) testaram a eficácia de quatro sistemas técnicos de

trading em uma amostra de trinta e sete ações, negociadas no mercado brasileiro, no período

de janeiro de 1999 a agosto de 2009. Utilizando a metodologia de bootstrap e o Teste de

Realidade de White, os resultados indicaram que em apenas 17,6% dos casos estudados, o

retorno obtido por meio dos sistemas técnicos foi superior ao retorno médio das séries

originais, indicando que não é possível afirmar que os sistemas testados foram capazes de

gerar estratégias de investimento lucrativas dentro de um nível de significância de 95%.

Porém, em alguns dos sistemas estudados, os retornos obtidos foram superiores aos retornos

das séries originais em 75% dos casos, o que favorece a utilização desses sistemas.

Já Boainain e Valls Pereira (2009), avaliaram a lucratividade de estratégias de

investimento baseadas na identificação do padrão gráfico Ombro-Cabeça-Ombro e sua

formação invertida, por meio da utilização de um algoritmo computadorizado, em séries

diárias de preços de trinta ações no período de janeiro de 1994 a janeiro de 2009. Com a

�

15

identificação de 229 figuras para a amostra e período selecionados, os resultados indicaram a

obtenção de retornos significativos apenas na formação tradicional desse padrão, o que não

ocorreu com a sua forma invertida.

A este respeito, Marshall, Cahan e Cahan (2010) avaliaram a lucratividade obtida por

meio da utilização de regras da análise técnica em índices de 49 países, no período de janeiro

de 2000 a dezembro de 2007, com exceção da Grécia, que teve seu inicio em junho de 2001.

Encontraram-se evidências de que a análise técnica apresentou melhor desempenho em

mercados emergentes em comparação com os desenvolvidos, porém, os testes com mais de

5.000 regras indicaram a falta de capacidade em gerar retornos acima do esperado.

O estudo de Lento (2008) avaliou a lucratividade obtida por meio do uso de nove

sinais da análise técnica no índice S&P 500, no período de janeiro de 1950 a março de 2008, e

comparou com o retorno obtido pelo modelo buy and hold. Os resultados evidenciaram que a

utilização de sinais individuais não foi capaz de superar o retorno pela estratégia buy and

hold, porém, a estratégia dos sinais combinados superou, na média, os retornos obtidos pelo


Penteado (2008), constatou que a função log-periódica pode ser utilizada na Análise

Gráfica como um indicador do tipo oscilador, que prevê a reversão de tendências, e os

resultados obtidos por meio dessa estratégia foram superiores aos obtidos por meio da

utilização das médias móveis, IFR, MACD e rompimento de tendências.

Em relação ao mercado, uma consulta realizada no site da BM&F BOVESPA pelo

autor desta dissertação2, aponta que das 51 corretoras de valores mobiliários cadastradas que

negociam ações, 46 prestam algum tipo de serviço relacionado à análise gráfica.3 Os

principais serviços oferecidos são: relatórios com análises diárias, chats com analistas

técnicos, recomendações de compra e venda de ações e incorporação de sinais da análise

técnicas nas plataformas de negociação, por exemplo, os home brokers.

Diante disso, esta dissertação espera oferecer contribuições para essa área do

conhecimento.

�� 2 Disponível em: http://www.bmfbovespa.com.br/shared/iframe.aspx?altura=1000&idioma=pt-br&url=http://vitrinecorretoras.bvmf.com.br. Acesso em 13/07/2011. 3 Alguns autores diferenciam o conceito de análise técnica e de análise gráfica, enquanto outros sugerem que são sinônimos. Nesta dissertação, serão tratados como sinônimos.�

�

16

1.4 Metodologia

Nesta dissertação foram analisados cinco indicadores da analise técnica, a saber:

estocástico lento, Hi Lo, IFR, MACD e Parabólico SAR.

A amostra foi composta por quatorze ações, inclusas em oito setores da economia, de

acordo com a divisão de mercado proposta pela BM&FBovespa. O critério adotado para

seleção das empresas foi a liquidez, portanto as duas ações mais negociadas de cada setor

compuseram a amostra.

O período da pesquisa foi de 01/01/2000 a 31/12/2010, totalizando 11 anos.

Calculou-se a rentabilidade obtida em cada ação, por meio da utilização dos sinais de

compra e venda gerados pelos indicadores, e comparou-se com o modelo buy and hold.

Os testes com os indicadores foram repetidos com a utilização de uma média móvel

como regra de filtro e as rentabilidades obtidas foram comparadas, com o intuito de avaliar se

a utilização do filtro foi capaz de aumentar a rentabilidade obtida pelos indicadores quando

são utilizados de forma isolada.

Analisou-se o impacto da geração de um sinal de compra no retorno das ações, em

parte da amostra, por meio de um estudo de eventos, utilizando o Modelo de Mercado.

Foi utilizado o software Trader Gráfico, o qual é licenciado pela BMF&Bovespa, para

consulta dos gráficos e utilização dos indicadores.

1.5 Estrutura da dissertação

Além deste capítulo de introdução, fazem parte desta dissertação mais quatro

capítulos.

No segundo capítulo foi realizada a fundamentação teórica que norteia esse trabalho,

sendo abordados os seguintes temas: eficiência de mercado, anomalias de mercado, finanças

comportamentais, análise fundamentalista e análise técnica.

A Metodologia foi descrita no terceiro capítulo, assim como as hipóteses testadas.

Foram detalhados os procedimentos de coleta de dados, a seleção da amostra e o período da

pesquisa.

�

17

O quarto capítulo abordou a análise dos resultados obtidos, conforme as hipóteses e os

objetivos da pesquisa; comparando os retornos obtidos pela utilização dos sinais da análise

técnica e do modelo buy and hold.Adicionalmente, foram apresentados os resultados dos

testes da média móvel como regra de filtro, dos estudos de eventos e da análise da duração

das operações.

Por fim, as considerações finais do estudo foram apresentadas, juntamente com a

bibliografia utilizada na elaboração desta dissertação.

�

18

2 FUNDAMENTAÇÃO TEÓRICA

2.1 Eficiência de mercado

A eficiência de mercado é um dos temas mais pesquisados e controversos no campo

dos estudos de finanças. Segundo Haugen (2000, p. 15) a eficiência de mercado é um dos

quatro paradigmas que constituem as Finanças Modernas, período compreendido entre as

décadas de 1950 e 1990.

Os outros paradigmas, todos baseados no comportamento econômico racional do

investidor, são: a teoria da otimização de carteiras (MARKOWITZ, 1958), a teoria da

irrelevância da estrutura de capital (MODIGLIANI e MILLER, 1958) e o CAPM 4 (SHARPE,

1964).

A definição de mercado eficiente ficou conhecida a partir da publicação do artigo

“Efficient Capital Markets: A Review of Theory and Empirical Work”, no Journal of

Finance, por Eugene Fama, em 1970. De acordo com a eficiência informacional, os preços

das ações refletem plenamente todas as informações disponíveis e relevantes a respeito de um

ativo.

A teoria sobre esse assunto surgiu anos antes do próprio conceito de eficiência, quando

George Gibson (1889, apud Shiller, 2000, p.162) afirmou que “quando as ações se tornam

publicamente conhecidas no mercado aberto, o valor que elas adquirem pode ser considerado

como o julgamento mais inteligente a respeito delas”.

Além da eficiência informacional, o mercado também pode ser eficiente em relação à

alocação de recursos e à operação. Segundo Copeland, Weston e Shastri (2005), o mercado é

considerado alocacionalmente eficiente se a alocação de recursos na economia for realizada

de modo a beneficiar a sociedade. O mercado será considerado operacionalmente eficiente se

os intermediários financeiros oferecerem seus serviços a um custo mínimo, permitindo a

apuração de um retorno justo pelos serviços prestados.

De acordo com Brealey, Myers e Allen (2008, p. 290), em mercados eficientes, a

compra e a venda de qualquer título a preço vigente no mercado nunca será uma transação

com um valor presente líquido positivo. Se a venda de um título proporcionar um valor

�� 4 Capital Asset Pricing Model: Modelo de precificação de ativos proposto por Sharpe (1964), que define que o retorno de qualquer ativo é determinado pelo retorno do ativo livre de risco e pelo prêmio de mercado multiplicado pelo fator beta, que mede a sensibilidade dos retornos do ativo em relação à carteira de mercado.�

�

19

presente líquido positivo ao vendedor, terá que conceder um valor presente líquido negativo

ao comprador.

Ainda, segundo os autores mencionados acima, existem seis “lições” importantes

sobre eficiência de mercado (BREALEY, MYERS e ALLEN, 2008, pp.304-308):

a) o mercado não tem memória: a forma fraca da eficiência de mercado preconiza que os

preços passados não contêm nenhuma informação importante em relação aos preços

futuros;

b) confie nos preços do mercado: em um mercado eficiente, os preços incorporam toda a

informação disponível, portanto, não há possibilidade de se obter ganhos

extraordinários de posse de mais informações do que outra pessoa e sim, de todas as

pessoas;

c) leia nas entrelinhas: se o mercado é eficiente, os preços no presente carregam todas as

informações importantes que podem ser úteis no futuro;

d) não há ilusões financeiras: aumentar o número de ações em circulação, por meio de

desdobramentos ou distribuição de dividendos sob a forma de ações, não afeta os

fluxos de caixa da empresa;

e) faça você mesmo: no mercado eficiente, os investidores não pagam a outros para

fazerem o que eles próprios são capazes de fazer igualmente bem;

f) avaliar uma ação é avaliar todas as ações: os investidores não compram uma ação

pelas suas qualidades raras, e sim, porque oferecem a perspectiva de uma rentabilidade

justa que compense o risco. Na medida em que as ações sejam substitutas perfeitas

entre si e a arbitragem funcione, o retorno de uma ação não pode ser sistematicamente

diferente de outra.

Fama (1970) estabeleceu três condições para a verificação da eficiência dos mercados:

a) inexistência de custos de transação; b) disponibilidade de toda a informação sem custo a

todos os participantes do mercado e c) as expectativas dos participantes do mercado são

homogêneas, ou seja, todos concordam quanto aos efeitos das informações nos preços atuais

dos ativos, assim como em suas distribuições futuras.

�

20

Em mercados eficientes o preço de mercado é uma estimativa não tendenciosa do

valor real do investimento. Os erros no preço de mercado devem ser aleatórios, ou seja, que a

probabilidade de uma ação estar sub ou sobreavaliada seja igual em qualquer instante de

tempo. Adicionalmente, esses desvios não podem ser correlacionáveis a qualquer variável

observável. Sendo assim, nenhum grupo de investidores deveria ser capaz de

consistentemente encontrar ações sub ou supervalorizadas utilizando qualquer estratégia de

investimentos (DAMODARAN, 2009, p. 116).

2.1.1 Formas de eficiência

A classificação em três formas de eficiência mais aceita é a sugerida por Roberts

(1967) e estruturada por Fama (1970): fraca, semi-forte e forte.

Na forma de eficiência fraca, os preços refletem toda a informação contida nos preços

passados, não sendo possível obter retornos anormais com base em preços históricos.

Na forma de eficiência semi-forte, os preços dos ativos refletem toda informação

publicamente disponível, por exemplo, notícias específicas e anúncios sobre distribuição de

lucros e dividendos.

A eficiência na forma forte estabelece que os preços refletem todas as informações,

disponíveis ou não. Nesta forma de eficiência, seria impossível obter lucros extraordinários

mesmo de posse de informações privilegiadas.

Em relação aos testes de eficiência, Fama (1991) criou a seguinte nomenclatura:

• Testes de previsibilidade de retorno: utilizado na forma fraca de eficiência, avalia se

os retornos passados conseguem explicar os retornos atuais;

• Estudo de eventos: utilizado na forma semi-forte de eficiência, avalia se houve

geração de retornos anormais após a divulgação de informações públicas e

• Teste de informações privada: utilizado na forma forte de eficiência, procura detectar

se algum investidor possui alguma informação privilegiada que não está totalmente

refletida nos preços.

�

21

2.2 Anomalias no mercado de capitais

Em contraposição à teoria da eficiência de mercado, onde os preços seguem um

passeio aleatório (FAMA, 1970), as anomalias de mercado identificam padrões de

comportamento nos preços das ações que persistem ao longo do tempo e que contrariam as

expectativas racionais de precificação de ativos (BRAV e HEATON, 2006).

Nesse mesmo sentido, Fama e French (2008, p. 1853), afirmam que o conceito de

anomalias de mercado está relacionado ao fato de existirem padrões de retorno que não são

explicados pelo CAPM.

Para Fama (1998), as anomalias existem; porém, de forma randômica, de maneira que

acabariam por compensar-se e sendo, desse modo, consistentes com a eficiência de mercado.

As principais anomalias pesquisadas são descritas a seguir.

2.2.1 Anomalias de calendário

As anomalias de calendário são caracterizadas quando ocorrem diferenças nos retornos

médios em determinados períodos (dia-da-semana, mês-do-ano, virada de mês e feriado).

• Efeito dia-da-semana

O efeito dia-da-semana é determinado pela diferença observada nos retornos diários

dos ativos ao longo dos dias da semana.

Santos et al. (2007a) testaram a existência da anomalia efeito segunda-feira no

mercado brasileiro no período de 1986 a 2006 e os resultados revelaram diferença

estatisticamente significativa abaixo da média dos retornos do Ibovespa das segundas-feiras

em relação aos outros dias, confirmando a presença dessa anomalia no mercado brasileiro.

Já Milach, Kloeckner e Galli (2009), avaliaram o efeito dia da semana, no período de

1995 a 2008, no índice Bovespa. Inicialmente, constataram a presença de retornos médios

positivos anormais às sextas-feiras, porém, ao fracionarem a amostra pelos anos, percebeu-se

que tal anomalia não persistiu ao longo do tempo, não sendo possível, por esta razão, afirmar

a presença do efeito dia da semana no índice Bovespa no período estudado.

�

22

• Efeito mês-do-ano

O efeito mês-do-ano refere-se à existência de médias de retornos mensais distintos

para os meses do ano. Usualmente, as pesquisas indicam um retorno médio maior no mês de

janeiro do que os retornos médios dos demais meses do ano.

Alguns dos estudos no exterior que confirmaram a presença desta anomalia foram

realizados por Lakonishok e Smidt (1988) e por Haugen e Jorion (1996).

Santos et al. (2007b) testaram a existência do efeito janeiro no mercado brasileiro no

período de 1969 a 2006 e não constataram diferença estatisticamente significativa das médias

dos retornos do mês janeiro em relação aos outros meses. Portanto, essa pesquisa nega a

existência desse efeito no mercado brasileiro.

• Efeito virada-de-mês

O efeito virada-de-mês consiste na observação da ocorrência de retornos maiores no

último e nos quatro primeiros dias do mês. Alguns dos estudos que confirmaram esta

anomalia foram realizados por Ariel (1987), Lakonishok e Smidt (1988) e Giovanis (2009).

• Efeito feriado

O efeito feriado caracteriza-se pela ocorrência de retornos anormais positivos no dia

de negociação imediatamente anterior a feriados.

Rêgo e Mussa (2008) analisaram a existência do efeito feriado nos índices Bovespa e

IBX 100, no período de 2002 a 2007 e os resultados não apontaram diferença estatisticamente

significativa das médias dos retornos dos dias imediatamente anteriores aos feriados em

relação aos outros dias.

Diferente do trabalho citado acima, Bone e Ribeiro (2002) estudaram as ações que

compõe o índice Bovespa de forma individual e os resultados indicaram presença do efeito

feriado apenas em um pequeno número de ações.

�

23

2.2.2 Anomalias fundamentalistas

As anomalias fundamentalistas ocorrem quando os retornos dos ativos estão

relacionados com informações dos fundamentos da empresa. As principais anomalias

pesquisadas são: efeito tamanho, efeito valor, efeito momento e efeito dos múltiplos 5.

Fama e French (1993) formularam um modelo de precificação de ativos de três

fatores: o risco de mercado, o tamanho da empresa, que é medido pelo valor de mercado das

ações e tenta capturar a anomalia efeito tamanho; e o índice book-to-market (B/M), que

representa a relação entre o valor contábil e de mercado do patrimônio líquido e tenta capturar

a anomalia denominada efeito valor.

A propósito, Securato e Málaga (2004) realizaram um estudo que compreendeu as

ações listadas na BOVESPA no período 1995-2003 e a metodologia de teste utilizada foi

idêntica àquela desenvolvida e aplicada por Fama e French (1993). Os resultados observados

revelaram que o modelo de três fatores é superior ao CAPM na explicação dos retornos das

ações da amostra utilizada, e que os três fatores são significantes, se complementando na

explicação dos retornos de ações de diferentes características.

O efeito momento foi identificado por Jegadeesh e Titman (1993) e indicou que a

estratégia de venda de ativos que tiveram um mau desempenho passado e a compra de ativos

que tiveram um bom desempenho passado, produz retornos anormais positivos, nos meses

posteriores. Os resultados da pesquisa, cujo período foi de 1965 a 1989, confirmaram a

possibilidade de se obter ganhos anormais em 31 das 32 estratégias estudadas.

As pesquisas de Basu (1977), Rozeff (1984), Fama e French (1988) e Campbell e

Shiller (1988) mostraram alta correlação entre índices de mercado e retornos subsequentes,

confirmando a presença do efeito dos múltiplos (CAMPBELL e THOMPSON, 2008, p. 1509,

apud FURLANETTI, FAMÁ e SECURATO, 2010, p.2).

2.3 Finanças comportamentais

Contrariando a presença de racionalidade dos investidores, defendida pela teoria da

eficiência de mercado, as finanças comportamentais revelam que nem sempre os investidores

��

5 Na seção 2.4 é abordado esse termo de forma mais detalhada.

�

24

agem de maneira a maximizar a utilidade, ou seja, mesmo de posse das mesmas informações

podem tomar decisões diferentes de acordo com as próprias percepções e interpretações.

Segundo Kimura, Basso e Krauter (2006, p. 41), “os defensores das finanças

comportamentais argumentam que atitudes não racionais dos agentes econômicos podem

impactar, de maneira prolongada e consistente, o comportamento de variáveis financeiras.”

Nofsinger (2006, pp. 11-12) destaca que:

até mesmo as pessoas mais inteligentes são afetadas por vieses psicológicos,

mas o fato era tido como irrelevante pela teoria clássica de finanças. Esta

pressupõe que as pessoas são “racionais” e nos ensina como tais pessoas

devem se comportar para maximizar seu patrimônio. Essas idéias deram

origem às teorias de arbitragem, de portfólio, de precificação de ativos e de

precificação de opções.

Por sua vez, as finanças comportamentais estudam a forma como as pessoas

realmente se comportam em um ambiente financeiro. Especificamente,

estudam de que forma a psicologia afeta as decisões financeiras, as empresas

e os mercados.

Nesse sentido, os trabalhos de Tversky e Kahneman (1974) e Kahneman e Tversky

(1979) são considerados pioneiros em estudos sobre finanças comportamentais. No primeiro

trabalho, são apresentados alguns vieses sistemáticos que afastam o julgamento das pessoas

daquilo que seria previsto pelo comportamento racional (LUCCHESI, 2010). No segundo

trabalho, é apresentada a teoria da perspectiva, a qual estabelece que o indivíduo é avesso ao

risco para ganhos, mas propenso ao risco para perdas.

Os vieses abordados por Tversky e Kahneman (1974) serão descritos a seguir:

• Representatividade: a probabilidade de ocorrência de um evento específico está

relacionada à probabilidade de ocorrência de um grupo de eventos representados pelo

evento específico. Ou seja, as pessoas tendem a pensar sobre eventos ou objetos e a

fazer julgamentos sobre eles baseando-se em estereótipos pré-estabelecidos.

�

25

Nofsinger (2006, p. 90) argumenta que esse viés ocorre porque “o cérebro parte da

premissa de que todas as coisas que compartilham qualidades semelhantes têm similaridade

entre si”.

• Disponibilidade: este viés está relacionado às lembranças mais recentes dos

indivíduos, as quais influenciam na tomada de decisão. Nas palavras de Tversky e

Kahneman (1974, p. 1127): “disponibilidade é uma pista útil para estimar frequência

ou probabilidade, porque grande grupo de eventos são geralmente recuperados de

forma melhor e mais rápido do que casos que ocorrem com menor frequência”.

• Ancoragem: está relacionado à condição dos indivíduos darem uma importância maior

a uma referencia ou informação inicial.

A Teoria da Perspectiva, apresentada por Kahneman e Tversky (1979) é uma

continuação dos estudos da tomada de decisão, e que confirma que os indivíduos tendem a

fazer avaliações parciais quando há presença de ricos e incertezas. Tal teoria está baseada em

três efeitos: efeito certeza, efeito reflexão e efeito isolamento, descritos a seguir.

Efeito certeza: os indivíduos tendem a valorizar as possibilidades que tem maiores

probabilidades de ocorrerem. O exemplo a seguir explica esse efeito:

A = (x, p), onde x é o valor associado à probabilidade p.

Situação 1: A = (4000, 0.8) ou B = (3000, 1.0), as pessoas escolhem B (80% contra 20%).

Situação 2: A = (4000, 0.2) ou B = (3000, 0.25), as pessoas escolhem A (65% contra 35%).

Na situação 1, os indivíduos escolhem B, pois, mesmo tendo menor valor, possui uma

maior probabilidade de ocorrência. Tal escolha caracteriza o comportamento de aversão ao

risco. Porém, se os mesmos investidores, avessos ao risco, são expostos a situação 2, as

escolhas se alteram de forma significativa. Eles tendem a escolher A, quando deveriam

escolher B novamente, pois, esta opção tem uma maior probabilidade de ocorrência do que A.

O axioma da substituição da teoria de utilidade esperada afirma que se B e preferido a A,

então qualquer combinação de (A,p) deve ser preferida a (B,p). Mas não é o que ocorre.

�

26

Efeito reflexão: o efeito reflexão pode ser caracterizado como oposto do efeito

certeza. No efeito certeza, os indivíduos são avessos ao risco diante de duas possibilidades de

ganhos, enquanto no efeito reflexão, os mesmos indivíduos são propícios ao risco diante de

duas possibilidades de perdas.

Situação 1: A = (+4000, 0.8) ou B = (+3000, 1.0), as pessoas escolhem B (80% contra 20%)

Situação 2: A = (-4000, 0.8) ou B = (-3000, 1.0), as pessoas escolhem A (65% contra 35%)

Na situação 1, os indivíduos são avessos ao risco. Entretanto, na situação 2, a escolha

se inverte e os agentes escolhem as opções com maior perda esperada, ou seja, as

possibilidades de perdas iguais a zero são mínimas.

Efeito isolamento: quando as opções de um investidor se dividem em etapas, as

pessoas tendem a desconsiderar as etapas como um todo e apenas observam as etapas

individualmente. Por exemplo, existe a probabilidade de 75% de se encerrar um jogo sem

ganhar nada, e de 25% de ir para a segunda etapa, em que há duas escolhas:

Situação após etapa 1: A = (4000, 0.8) ou B = (3000, 1.0)

Considerando as duas etapas como algo único em termos de probabilidade: A = (4000,

0.2) ou B = (3000, 0.25), ou seja, na mesma situação 1 exposta anteriormente seria normal

considerar a escolha A como a escolha racional. Isso demonstraria uma aversão apenas ao

risco, porém, neste caso, com a separação em etapas, os investidores escolheram a situação B.

Pode ser afirmado que as pessoas tendem a ignorar a primeira parte do jogo e a pensar nas

partes em separado, ao invés de avaliá-las como um todo que representa oportunidades e

riscos.

2.4 Análise fundamentalista

Ao adquirir uma ação, o investidor está comprando um direito sobre lucros futuros de

uma empresa. Portanto, a seleção de ações tem características financeiras, já que está

�

27

relacionada ao desempenho econômico das empresas. Para avaliar esse desempenho, utiliza-

se a análise fundamentalista.

2.4.1 Definição

Pinheiro (2009, p. 379) conceitua a análise fundamentalista como “o estudo de toda a

informação disponível no mercado sobre determinada empresa, com a finalidade de obter seu

verdadeiro valor, e assim formular uma recomendação de investimento”.

Segundo Assaf (2008, p.195), “a análise fundamentalista adota a hipótese da

existência de um valor intrínseco para cada ação, com base nos resultados apurados pela

empresa emitente. O estudo dessa analise está baseado no desempenho econômico e

financeiro da empresa e processa, ainda, sofisticadas avaliações e comparações setoriais,

bursáteis e conjunturais.”

Os principais métodos da análise fundamentalista são: análise dos múltiplos, fluxo de

caixa descontado, EVA® e MVA.

2.4.2 Análise dos múltiplos

A análise dos múltiplos, ou análise relativa, consiste em determinar o valor de um

ativo a partir da comparação de variáveis de outros ativos. Tais variáveis são denominadas

múltiplos, e são calculadas a partir da relação de índices de mercado, por exemplo o preço da

ação, com índices contábeis, como o lucro e o valor do patrimônio liquido (DAMORADAN,

2009, pp. 18-19 e PINHEIRO, 2009, p. 448).

Cavalcante, Misumi e Rudge (2009, p. 268) sugerem a realização da análise pelos

múltiplos em três passos:

1) Calculam-se os múltiplos de várias empresas;

2) As ações que apresentarem os menores múltiplos estão subavaliadas em relação

àquelas de maiores múltiplos, por proporcionarem retorno em menor tempo, e

representam opções de compra;

3) As ações com maiores múltiplos estão superavaliadas e, portanto, são opções de

venda.

�

28

Os principais múltiplos da análise fundamentalista utilizados em avaliações, de acordo

com Ross, Westerfield e Jaffe (2002), Pinheiro (2009), Assaf (2008) e Damodaran (2009),

estão listados a seguir:

• PREÇO / LUCRO POR AÇÃO (P/L)

• PREÇO / VALOR CONTÁBIL (P/B)

• LUCRO POR AÇÃO (LPA)

• PAY OUT

• DIVIDEND YIELD (DY)

Índice P/L

P/L = Preço da ação / Lucro por ação (1)

Este índice é formulado pela divisão entre o preço a vista do ativo e o último lucro

contábil das demonstrações financeiras da empresa.

O resultado deste índice é um número que representa, para o investidor, quanto tempo,

em função do preço atual do ativo e o lucro contábil da empresa, será necessário para a

recuperação do investimento no ativo.

De acordo com Ross, Westerfield e Jaffe (2002, p. 114) o índice P/L é a função de três

diferentes fatores. O índice de uma empresa tende a ser elevado se 1) possuir muitas

oportunidades de crescimento, 2) possuir baixo risco e 3) os métodos contábeis forem

conservadores.

Índice P/B

P/B = Preço da ação / Valor contábil do patrimônio liquido por ação (2)

Mede quanto a ação está cotada em relação ao seu valor patrimonial. Quanto menor o

indicador, mais subavaliada está a ação.

Índice LPA

LPA = Lucro líquido / número de ações emitidas (3)

�

29

O índice ilustra o benefício (lucro) auferido por ação emitida pela empresa, ou seja, do

resultado líquido (após imposto de renda) obtido em determinado período, quanto compete a

cada ação emitida.

O indicador não revela o quanto cada acionista irá efetivamente receber em função do

retorno produzido na aplicação de seus capitais. O índice LPA denota, em verdade, a parcela

do lucro líquido pertencente a cada ação, sendo que sua distribuição é definida pela política de

dividendos adotada pela empresa (ASSAF, 2008, p. 195).

Índice Pay out

Pay out = Dividendos / LPA (4)

Indica os dividendos distribuídos aos acionistas como uma porcentagem do lucro por

ação (LPA). Por exemplo, para um LPA de R$ 1,40, a distribuição de R$ 0,49 / ação de

dividendos determina um índice de payout de 35%. De outra maneira, revela que a empresa

reinvestiu 65% de seus lucros apurados no exercício, distribuindo o equivalente a 35% a seus

acionistas.

Índice Dividend Yield

Dividend yield = dividendos / preço de mercado da ação (5)

Indica a remuneração por dividendos do acionista realizada sobre o capital investido.

2.4.3 Método do fluxo de caixa descontado

Segundo Copeland, Koller e Murrin (2002, p.136),

O método de fluxo de caixa descontado empresarial determina o valor

acionário de uma empresa como sendo o valor de suas operações (o valor

empresarial disponível para todos os investidores) menos o valor do

endividamento e outras formas de passivo de prioridade superior à do capital

ordinário (como, por exemplo, ações preferenciais). Os valores operacional e

de endividamento são iguais aos respectivos fluxos de caixa descontados a

�

30

taxas que reflitam o risco desses fluxos. Desde que as taxas de desconto

sejam corretamente selecionadas para refletir o risco de cada fluxo de caixa,

a abordagem empresarial resultará exatamente no mesmo valor patrimonial

que resultaria se descontasse o fluxo de caixa para os acionistas ao custo de

capital social.

Damodaran (2009, p. 12) afirma que o valor de qualquer ativo é dado pelo valor

presente dos fluxos de caixa futuros esperado e afirma que

os fluxos de caixa irão variar de ativo para ativo – dividendos de ações,

cupons (juros) e valor nominal de bônus e fluxos de caixa pós-impostos para

um projeto real. A taxa de desconto será uma função do grau de risco

inerente aos fluxos de caixa estimados, com taxas maiores para os ativos

mais arriscados e taxas mais baixas para projetos mais seguros.

2.4.4 EVA® e MVA

Segundo Brealey, Myers e Allen (2008, p. 272), quando as empresas calculam o

retorno do capital, há um custo que geralmente não é deduzido: o custo do capital. Nesse

sentido, os autores recomendam a utilização do EVA® como métrica de análise de

desempenho, pois considera o custo do capital na metodologia de cálculo.

De acordo com Santos (2006, pp. 47-48), o EVA®, Valor Econômico Agregado, é

uma medida superior de desempenho porque elimina as distorções contábeis ao adotar o

regime de caixa. Portanto, trata-se do verdadeiro lucro econômico, pois leva em conta não só

os custos e despesas lançados contabilmente, mas também o custo de oportunidade do capital

empregado na empresa.

�

31

Santos (2006, p.48) apresenta a equação do EVA® expressa por:

EVA® = [NOPLAT – (Capital investido nas operações x WACC)] (6)

onde

EVA®= Valor Econômico Agregado

NOPLAT = Lucro Operacional Líquido Menos Impostos Ajustados

WACC = Custo Médio de Capital Ponderado

Um maior detalhamento sobre o EVA® pode ser encontrado em Damodaran (2009,

pp. 917-939), Brigham e Ehrhardt (2006, pp. 49-52) e Ehrbar (1999).

O MVA, Valor de Mercado Adicionado, é uma métrica de desempenho que visa

mensurar a maximização da diferença entre o valor de mercado da ação e a quantia de capital

próprio fornecida pelos acionistas (BRIGHAM e EHRHARDT, 2006, p. 49).

2.5 Análise Técnica

2.5.1 Definição

De acordo com Murphy (1999, p.1), análise técnica é “o estudo da ação do mercado,

primariamente por meio do uso de gráficos, com o objetivo de prever tendências futuras dos

preços”.

Edwards, Magge e Bassetti (2007, p. 4) afirmam que “a análise técnica é a ciência de

registrar, geralmente na forma gráfica, a história efetiva das transações (mudanças de preços,

volume de transações, etc.) de uma certa ação ou “das médias” 6 , deduzindo-se então, a partir

do quadro formado, as prováveis tendências futuras.”

��

6 O termo “médias” refere-se aos índices de mercado.

�

32

Segundo Rockefeller (2004, p. 11) “análise técnica é o estudo de como os preços das

ações se comportam e como explorar essa informação para ganhar dinheiro e evitar perdas”.

Pinheiro (2009, p.456) conceitua a análise técnica como “um estudo dos movimentos

passados dos preços e dos volumes de negociação de ativos financeiros, com o objetivo de

fazer previsões sobre comportamento futuro dos preços”.

2.5.2 Tipos de gráfico

Os gráficos das ações possuem dois eixos, sendo o tempo representado no eixo

horizontal e o preço representado no eixo vertical, e podem ser de diferentes periodicidades,

por exemplo, intradiário (60 minutos, 15 minutos), diário e semanal. Existem quatro tipos de

gráficos de ações: linhas, barras, candlesticks e ponto-e-figura.

Segundo Noronha (1995, p.11, apud Penteado, 2003, p. 47), o gráfico de barras é o

mais utilizado na Análise Técnica, enquanto Rockefeller (2004, p.137) defende que o gráfico

de candlesticks é mais útil em relação aos outros.

O gráfico de barras é composto por diversas barras, sendo que cada barra representa

uma divisão do período selecionado para o gráfico. Por exemplo, se o gráfico for diário, cada

barra representa um dia de negociação.

Figura 1 - Explicação do gráfico de barras

Fonte: Penteado (2003, p. 48)

�

33

O comprimento vertical da barra representa o valor mínimo e máximo que o preço

atingiu ao longo do período de negociação, enquanto a linha horizontal à esquerda indica o

preço de abertura e a linha à direita representa o preço de fechamento. No exemplo da figura

1, o preço de abertura está abaixo do preço de fechamento, indicando que houve

desvalorização da ação.

O gráfico de candlesticks, ou somente candles, é similar ao gráfico de barras, sendo

que cada candle também representa uma divisão do período do gráfico. Os candles podem ser

de alta ou de baixa.

Figura 2 - Explicação do gráfico de candles

Fonte: Idoeta (2009, p. 17)

Conforme pode ser visto na figura 2, o candle é dividido em duas partes: corpo e

sombras. O corpo é representado pela figura geométrica, enquanto as sombras inferiores /

superiores são as linhas que se situam abaixo / acima do corpo e indicam os preços mínimos /

máximos atingidos no período. A cor do candle indica se o preço de abertura foi superior ou

inferior ao preço de fechamento. A cor branca (ou verde) indica que o preço de fechamento

foi superior ao de abertura e a cor negra (ou vermelha) indica o contrário.

�

34

Figura 3 - Gráfico de candles do Ibovespa

Fonte: elaboração própria

Figura 4 - Gráfico de barras do Ibovespa


As figuras 3 e 4 apresentam, respectivamente, o gráfico de candles e de barras, no

período diário, do Ibovespa.

�

35

2.5.3 Teoria de Dow

Pring (2002), Muprhy (1999), Achelis (2001) e Lemos e Cardoso (2010) afirmam que

a Análise Técnica como é conhecida atualmente teve seu início a partir da Teoria de Dow,

proposta por Charles Dow, que foi um dos fundadores do Dow Jones Financial Service, junto

com Edward Jones, e utilizou esse meio para divulgar os princípios de sua teoria nos

editoriais que escrevia para o Wall Street Journal. Charles Dow e Edward Jones também

ficaram conhecidos pela criação do índice Dow Jones, que representa uma média das

principais ações do setor industrial negociadas nos Estados Unidos.

Segundo Achelis (2001, pp.124-127), a Teoria de Dow é composta por seis princípios,

conforme descrito a seguir:

• Os índices descontam tudo

O preço de um ativo reflete tudo o que é conhecido a respeito dele. Assim que novas

informações são recebidas, os participantes do mercado disseminam rapidamente a

informação e o preço se ajusta imediatamente. Do mesmo modo, os índices de mercado

descontam e refletem tudo o que é conhecido pelos participantes do mercado.

• O mercado tem três tendências

O mercado apresenta três tendências em relação à duração do movimento.

A mais importante é a tendência primária que tem duração de um ano ou mais, em

uma direção.

As tendências secundárias são correções das tendências primárias, ou seja, apresentam

direção inversa da tendência primária, e têm duração de três semanas a alguns meses.

Por fim, a tendência terciária, tem a duração aproximada de seis dias a três semanas.

• As tendências primárias têm três fases

A Teoria de Dow diz que a tendência da primeira fase é caracterizada por três distintas

etapas:

- primeiro os investidores bem-informados, apostando em uma forte alta, fazem

compras agressivas;

- na segunda fase o mercado como um todo, percebendo o inicio do movimento de

alta, começa a comprar;

�

36

- na terceira fase os investidores bem informados começam a vender seus papéis

acreditando no esgotamento do período de alta.

• As médias têm que se confirmar

Dow afirmou que as médias do setor industrial e de transporte (ferroviário) deveriam

caminhar no mesmo sentido para que a tendência fosse confirmada (o termo média pode ser

substituído por índice).

• O volume confirma a tendência

Se a tendência primária é de baixa, o volume deve crescer enquanto o mercado retrai.

Se a tendência é de alta, o volume deve crescer quando o mercado avança.

• A tendência permanece até que haja um sinal contrário

Uma tendência de alta é válida enquanto houver topos e fundos ascendentes e somente

será revertida caso os preços deixem de fazer esse movimento.

2.5.4 Suportes e resistências

Suporte é uma região do gráfico que identifica que os preços pararam de cair e

reverteram no sentido contrário, desde que esse comportamento tenha se repetido mais de

uma vez. Resistência é uma região do gráfico em que, após um movimento de alta, os preços

param de subir e reverteram no sentido contrário, desde que esse comportamento tenha se

repetido mais de uma vez (DEBASTIANI, 2008, p.43).

As linhas de resistência rompidas tendem a se transformar em novos níveis de suporte

nos movimentos de baixa seguintes, enquanto linhas de suporte rompidas tendem a se

transformar em novos pontos de resistência quando os preços retornarem da tendência de

baixa.

De acordo com Pinheiro (2009, p. 472), nas regiões de suporte o interesse dos

compradores supera o dos vendedores e nas regiões de resistência, ocorre o movimento

contrário, o que provoca uma frenagem das cotações e sua consequente queda.

�

37

Figura 5 - Suporte e Resistência

Fonte: Abe (2009, p.51)

Na figura 05 há uma linha traçada que identifica uma região de suporte nos pontos A e

B e uma região de resistência nos pontos C, D e E, no gráfico da ação PRGA3, no período de

julho a dezembro de 2008.

2.5.5 Linhas de tendência

Segundo Correia (2008, p. 99), “linhas de tendências são linhas traçadas ligando os

fundos de uma tendência de alta ou os topos de uma tendência de baixa e podem dividir-se em

dois tipos: linha de tendência de alta ou linha de tendência de baixa”.

�

38

Figura 6 - Linha de tendência de alta

Fonte: Correia (2008, p.99)

A figura 06 apresenta uma linha de tendência de alta traçada no gráfico diário da ação

CSNA3, no período de janeiro de 2007 a fevereiro de 2008, que passa por três fundos.

2.5.6 Padrões gráficos

Os padrões gráficos são representados por figuras que são formadas nos gráficos das

ações e que costumam se repetir ao longo do tempo. Existem dois tipos de padrões: os de

continuação e os de reversão.

Os padrões gráficos de continuação mais conhecidos são os triângulos, os retângulos,

as bandeiras e flâmulas.

Em relação aos padrões de reversão, as figuras mais utilizadas na análise técnica são:

ombro-cabeça-ombro (O-C-O) e sua forma invertida (O-C-O-I), topos e fundos duplos e

cunha descendente.

�

39

• Triângulos

Segundo Correia (2008, p.148) os triângulos são produzidos quando os preços oscilam

em movimentos ascendentes e descendentes, sendo essas oscilações cada vez menores. Tais

oscilações permitem traçar uma linha de suporte e outra de resistência, que se encontram em

um ponto, formando um triângulo.

Existem três tipos de triângulos: os ascendentes, os descentes e os simétricos.

Os triângulos ascendentes e descendentes possuem as mesmas características de

formação, porém, o primeiro indica a continuação de um movimento de alta e o segundo, de

baixa.

Figura 7 - Triângulo ascendente

Fonte: Debastiani (2008, p. 61)

• Retângulo

Segundo Murphy (1999, p. 147), os retângulos se formam quando há uma pausa no

movimento prévio de tendência dos preços e esses passam a se mover lateralmente entre duas

linhas paralelas e horizontais, formando uma área de congestão.

Os retângulos podem ser de alta ou de baixa, dependendo do rompimento dos preços

em relação às linhas paralelas. Se os preços romperem a linha superior (resistência) haverá

uma sinalização altista, caso contrário, o movimento mais provável será o de baixa

De acordo com Abe (2009, p. 118), a amplitude da projeção do movimento seguinte

ao rompimento será a altura do retângulo. Por exemplo, na figura 8, caso a distância entre a

�

40

linha inferior e a linha superior represente R$ 5, essa será a expectativa do movimento

seguinte.

Figura 8 - Retângulo de alta e retângulo de baixa

Fonte: ABE (2009, p. 119)

• Bandeiras

As bandeiras são figuras que aparecem após uma alta ou baixa nos preços e indicam a

possibilidade de retomada desse movimento. Kahn (2006, p.66) explica que quando os preços

estão em tendência de alta, é normal a ocorrência de um breve movimento de recuo, pois

muitos investidores estão realizando os lucros obtidos com a recente valorização da ação, o

que explica o surgimento desses padrões gráficos. As bandeiras podem ser de alta ou de baixa.

Figura 9 - Bandeira de alta Figura 10 - Bandeira de baixa

Fonte: Medeiros (2009, p. 53) Fonte: Medeiros (2009, p. 53)

�

41

• Topos e fundos duplos

Um topo duplo é formado quando os preços avançam até certo nível, geralmente com

alto volume, formam um topo e depois recuam. Após esse recuo, voltam a subir e atingem

praticamente o mesmo nível de preços do topo anterior. Por atingir duas vezes o mesmo

patamar de preços e recuar, esse padrão recebe o nome de topo duplo. O fundo duplo segue a

mesma lógica descrita para o topo duplo, porém, formando fundos ao invés de topos

(EDWARDS, MAGGE E BASSETTI, 2007, p. 138).

A figura 11 apresenta um topo duplo formado no gráfico da ação BRKM5. É possível

notar que após a formação desse padrão, os preços caíram.

Figura 11 - Topo duplo

Fonte: Lemos e Cardoso (2010, p. 121)

• Ombro-cabeça-ombro (OCO)

A denominação Ombro-Cabeça-Ombro deve-se ao formato que a figura toma. O topo

mais elevado, formado ao meio, parece ser uma cabeça, enquanto os outros dois topos mais

baixos, um de cada lado, parecem ser os ombros de uma suposta figura humana

(DEBASTIANI, 2008, p. 68).

De acordo com Debastiani (2008, p. 67), “o OCO pode aparecer no topo de uma

tendência e alta ou no fundo de uma tendência de baixa. Também é necessário que se

estabeleça uma tendência mais prolongada para que a sua formação possa ter relevância para

a análise.”

�

42

Figura 12 - Ombro-cabeça-ombro

Fonte: Debastiani, (2008, p.71)

Boainain e Valls Pereira (2009) testaram a efetividade do padrão Ombro-Cabeça-

Ombro, em uma amostra de 30 ações, entre os anos 1994 e 2009, e concluíram que o padrão

tem poder de previsão no mercado de ações brasileiro, conseguindo capturar padrões

recorrentes nas informações históricas dos preços, que antecipam seu comportamento futuro e

permitem, dessa forma, a criação de estratégias de investimento rentáveis condicionais à sua

identificação.

Porém, tal poder de previsão não foi detectado na sua forma investida, como afirmam

os autores: “a forma invertida do padrão Ombro-Cabeça-Ombro, o OCOI, não tem a

habilidade descrita nos manuais de Análise Técnica de antecipar o fim de uma tendência de

baixa e início de uma tendência de alta. Embora algumas das estratégias condicionais à sua

identificação tenham levado a retornos positivos, os testes realizados evidenciaram que esses

retornos foram derivados meramente do acaso” (BOAINAIN E VALLS PEREIRA, 2009,

p.300).

�

43

2.5.7 Indicadores

Os indicadores são ferramentas que acompanham os gráficos de barras e auxiliam no

reconhecimento de tendências e na determinação de pontos de reversão. Os indicadores são

divididos em duas categorias: os rastreadores de tendência e os osciladores (IDOETA, 2009,

p.26).

Os principais rastreadores são: as médias móveis, o MACD, histograma MACD, HiLo

e o parabólico SAR, enquanto os principais osciladores são o IFR e o estocástico.

De acordo com Pinheiro (2009, p. 480), os indicadores procuram trabalhar de forma

mais determinística o mercado. Tal ponto de vista também é defendido por Wolwacz (2007),

que afirma que as figuras da análise técnica estão sujeitas à interpretação, algo que não ocorre

com os indicadores.

• Médias móveis

A média móvel é uma linha traçada no gráfico que representa o preço médio de um

ativo em um determinado tempo. Quando calculada uma média móvel, deve ser especificada a

abrangência do tempo para calcular o preço médio (ex: 25 dias).

Uma média móvel simples é calculada pela divisão da soma do preço de fechamento

dos últimos “n” períodos por “n”.

O método mais popular de interpretação das médias móveis é comparação entre a

média móvel do preço de um ativo com seu próprio preço. Um sinal de compra é gerado

quando o preço do ativo superar a linha de sua média móvel e um sinal de venda é gerado

quando o preço cair abaixo da media móvel (ACHELLIS, 2001).

Outro sinal gerado pelas médias móveis ocorre quando houver o cruzamento de baixo

para cima de uma média móvel de menor período em relação a uma média móvel de maior

período (WOLWACZ, 2007, p.44).

Brock e Lakonishok e LeBaron (1992) testaram e efetividade das médias móveis no

índice Dow Jones entre 1897 e 1986 e encontraram evidências da utilidade desse sinal.

Ratner e Leal (1999) examinaram os retornos obtidos com a utilização de médias

móveis em dez índices de ações de mercados emergentes na América Latina e Ásia e

verificaram que três índices analisados apresentaram chances de sucesso com a aplicação da

estratégia proposta, dando suporte à análise técnica para estes três índices.

�

44

A figura 13 apresenta o gráfico diário de barras do índice S&P500, no período de

14/11/1997 a 02/03/1998, e a linha da média móvel de 10 períodos.

Figura 13 - Médias móveis

Fonte: Murphy (1999, p. 196)

• MACD

MACD é uma abreviação do termo em inglês Moving Average Convergence

Divergence 7 e foi desenvolvido por Gerald Appel, analista e gestor de recursos de terceiros

em Nova York (VIDOTTO, MIGLIATO e ZAMBON, 2009; LEMOS e CARDOSO, 2010).

O MACD consiste de três médias móveis, porém, apenas duas são exibidas no

indicador. A linha mais rápida (a linha do MACD) é calculada pela diferença entre a média

móvel exponencial de 12 períodos e média móvel exponencial de 26 períodos.

��

7 Em português significa convergência e divergência de médias móveis.

�

45

MACD = MME (12) - MME (26) (7)

Onde:

MACD = Moving Average Convergence Divergence

MME (12) = média móvel exponencial de 12 períodos

MME (26) = média móvel exponencial de 26 períodos

A outra linha, chamada de sinal, é uma média móvel exponencial da linha MACD.

Tratando-se de uma diferença de médias móveis, o ponto onde elas se encontram será

o valor zero, portanto, o gráfico traçado a partir do valor da diferença dessas duas médias

móveis deve ser interpretado da seguinte forma: quando o valor passa de negativo para

positivo, tem-se o sinal de compra; quando passa de positivo para negativo, tem-se o sinal de

venda. Uma melhoria no indicador é obtida quando uma média móvel do indicador é inserida

e o sinal de compra ocorre quando a linha do indicador cruza de baixo para cima a sua média

móvel, enquanto um sinal de venda é gerado quando o cruzamento ocorre de cima para baixo

(LEMOS e CARDOSO, 2010, pp. 217-218).

Vidotto, Migliato e Zambon (2009) testaram o MACD no gráfico de 5 empresas de

diferentes setores (Natura, WEG, Banco do Brasil, Perdigão e Embraer), durante o ano de

2006, e obtiveram um retorno de 26,7% contra 0,90% de rentabilidade do índice Bovespa,

indicando que a utilização desse indicador pode propiciar retornos acima do mercado.

Carvalho, Costa Jr. e Goulart (2008) testaram o indicador MACD no gráfico de 28

ações no período compreendido entre 1994 a 2003, e concluíram que o indicador MACD não

conseguiu produzir estratégias economicamente significativas no período.

A Figura 14 mostra um exemplo de aplicação dos sinais gerados pelo MACD.

�

46

Figura 14 - MACD

Fonte: Correia (2008, p.190)

• Histograma MACD

Segundo Martins (2010, p.38), o cálculo do histograma MACD é a diferença entre a

Linha MACD e a Linha Sinal. Assim, quando as linhas se encontram, o Histograma é zero;

quando a linha MACD está acima da linha Sinal, ele é formado por barras positivas; e,

quando as linhas se invertem, ele é formado por barras negativas.

HMACD = MACD – Sinal (8)

onde:

HMACD = Histograma MACD

MACD = Moving Average Convergence Divergence

Sinal = Linha sinal calculada no MACD

�

47

Os sinais de compra e venda gerados pelo Histograma MACD ocorrem quando as

barras ultrapassam a linha de centro, para cima e para baixo, respectivamente.

Figura 15 - Histograma MACD

Fonte: Elder (1992, p. 133)

A figura 15 apresenta um gráfico com o Histograma MACD e os sinais de compra e

venda gerados por esse indicador.

• Hi Lo

O HiLo é um indicador criado a partir de médias móveis simples, traçadas a partir de

preços máximos ou mínimos de certo período de tempo, com deslocamento de um período.

O resultado gráfico obtido é uma média móvel que não está sofrendo variação alguma

com as oscilações de um candle em formação, porque seu cálculo já está fechado com os

preços máximos ou mínimos de barras anteriores (ABE, 2009, p.171).

�

48

• Parabólico SAR

Segundo Martins (2010, p. 69) o nome Parabólico surgiu da semelhança com uma

parábola que o rastro do seu movimento deixa no gráfico, enquanto SAR é uma abreviação do

termo em inglês Stop and Reverse, ou seja, parar e reverter a operação.

De acordo com Lemos e Cardoso (2010, p. 235) o Parabólico SAR é um indicador de

tendência que utiliza o tempo e o preço em sua fórmula de cálculo e busca projetar a trajetória

do desenvolvimento do preço, uma vez que a tendência esteja estabelecida. Permanecendo a

tendência, o indicador ganha incrementos diários de aceleração. Quando o papel perde força,

o indicador se aproxima do preço, chegando ao ponto em que ocorre a inversão.

• Índice de Força Relativa (IFR)

O índice de força relativa foi desenvolvido por Welles Wilder e apresentado em seu

livro New Concepts in technical trading systems, em 1978 (LEMOS E CARDOSO, 2010 e

PENTEADO, 2003).

A equação do cálculo do IFR é demonstrada a seguir:

IFR = 100 – (100/(1+A/B)) (9)

sendo,

A= média dos fechamentos em alta

B= média dos fechamentos em baixa

O IFR pode variar entre 0 e 100, sendo que se for atingido o nível abaixo de 20 (30) o

ativo está considerado sobrevendido e há chances de uma alta no preços e, caso o nível supere

80 (70), o ativo está considerado sobrecomprado e há chances de uma baixa nos preços. Os

sinais de compra do IFR são gerados quando a linha do oscilador cruza de baixo para cima a

linha do nível de sobrevendido (PENTEADO, 2008).

�

49

Figura 16 - Índice de Força Relativa

Fonte: Penteado (2008, p. 18)

• Estocástico

O estocástico é um oscilador oriundo da relação do preço de fechamento com os

máximos e mínimos mais recentes. Seu princípio é o conceito de que, em movimentos de alta,

o preço de fechamento se aproxima da máxima do dia e, nos de baixa, o preço de fechamento

se aproxima da mínima (ABE, 2009, p. 156).

De acordo com Lemos e Cardoso (2010, p. 249), o estocástico mostra a posição em

que o preço está em relação à amplitude de variação relativa aos preços máximos e mínimos

de um número de períodos. Os níveis de fechamento que estão próximos à amplitude máxima

indicam força dos compradores e os níveis no fim da amplitude indicam força dos

vendedores.

�

50

Figura 17 - Estocástico

Fonte: Correia (2008, p. 207)

2.5.8 Teoria das Ondas de Elliot

A Teoria das Ondas foi desenvolvida na década de 1930, por Ralph Nelson Elliott, a

partir da observação dos movimentos históricos do Índice Dow-Jones. A obra Nature’s law:

the secret of the universe, é tida como marco inicial dessa teoria e foi publicada em 1946

(MEDEIROS, 2009, p. 19).

Segundo Frost e Prechter (2002), a Teoria das Ondas de Elliot é uma descrição

detalhada do comportamento do mercado, o qual progride no formato de ondas. Seu valor

primário consiste em fornecer a base para um pensamento disciplinado e uma perspectiva para

a posição do mercado, criando, assim, um contexto para análise do mesmo.

A teoria das ondas de Elliot define que o mercado se movimenta em ciclos, formados a

partir de oito ondas agrupadas. Cada onda representa a um movimento direcional dos preços,

sendo cinco ondas impulsivas, as quais representam um movimento de alta nos preços e três

corretivas, as quais representam um movimento de queda nos preços (SACHETIM, 2006,

p.64).

�

51

A figura 18 apresenta um ciclo completo das ondas, que pode ser divido em: ciclo de

alta, composto por três ondas impulsivas e duas corretivas, e ciclo de baixa, composto por

duas ondas impulsivas e uma corretiva.

Figura 18 – Ondas de Elliot

Fonte: Sachetim (2006, p. 64)

2.5.9 Pesquisas acadêmicas sobre análise técnica

As tabelas a seguir (tabelas 1 e 2), apresentam algumas pesquisas acadêmicas sobre

análise técnica no Brasil e no exterior, respectivamente. Estão descritos os objetivos e as

conclusões de cada pesquisa, sendo que é possível notar que não há unanimidade nos

resultados no sentido de validar ou rejeitar a eficácia da análise técnica.

Park e Irwin (2007) encontraram 137 pesquisas sobre análise técnica, no período de

janeiro de 1960 a agosto de 2004, e adotaram uma divisão entre estudos antigos (1960 a 1987)

e estudos modernos (1988 e 2004). A maioria dos estudos antigos não comprovou a eficácia

da análise técnica. Em relação aos 95 estudos modernos, 56 apresentaram resultados a favor

da análise técnica, 20 apontaram resultados negativos e em 19 casos foram obtidos resultados

variados.

�

52

Tabela 1 - Pesquisas acadêmicas sobre análise técnica no Brasil

Autor (es) e ano Objetivo Conclusões

De Paula e

Triches (2010)

Avaliar a utilização das médias

móveis como estratégia de

investimento em uma carteira

teórica composta por doze

ações, no período de 02/01/2007

a 29/08/2008.

As evidências encontradas indicaram

que o gerenciamento da carteira de

ações, mediante o modelo das

médias móveis, apresentou um

rendimento de 69,27% contra

44,61% do modelo buy and hold.

Petrokas, Famá e

Modro (2010)

Comparar a rentabilidade obtida

por meio de investimento na

caderneta de poupança e no

mercado de capitais, seguindo 3

regras da análise técnica em

2008 e 2009

A rentabilidade obtida no mercado

de capitais seguindo três regras da

análise técnica foi 46,78% contra

15,5% da poupança

Serafini e Valls

Pereira (2010)

Avaliar a eficácia de quatro

sistemas técnicos de trading em

uma amostra de trinta e sete

ações, negociadas no mercado

brasileiro, no período de janeiro

de 1999 a agosto de 2009.

Os resultados encontrados sugeriram

que os sistemas testados não foram

capazes de antecipar o futuro

utilizando-se apenas de dados

passados, exceto em alguns casos

quando foram obtidos retornos

significativamente acima de média.

Vidotto, Migliato

e Zanbom (2009)

Avaliar a eficácia do MACD em

indicar os momentos de compra

e venda de ações de cinco

empresas e analisar a

rentabilidade auferida durante o

ano de 2006, tendo como

referencial a valorização do

Ibovespa no ano de 2006

Os resultados apurados mostram que

a rentabilidade média obtida

utilizando a estratégia do MACD foi

de 26,7% contra uma rentabilidade

média acumulada do Ibovespa de

0,90%.

Idoeta (2009) Avaliar a eficiência da aplicação

da Análise Gráfica em três ações

diferentes no mercado à vista e

Foram identificadas 79

oportunidades de operação e seus

resultados variaram entre um

�

53

simular operações de compra e

venda de opções dessas três

ações a partir das análises.

prejuízo de 95,72% e um lucro de

801,96%, o que sugere a utilização

com cautela da Análise Gráfica no

mercado de opções.

Boainain e Vall

Pereira (2009)

Avaliar a lucratividade de

estratégias de investimento

baseadas na identificação do

padrão gráfico Ombro-Cabeça-

Ombro em 30 ações, no período

de janeiro de 1994 a janeiro de

2009.

Os resultados indicam que a

utilização desse padrão gráfico pode

gerar estratégias lucrativas, o que

não ocorre em sua formação

invertida.

Arantes e Famá

(2009)

Verificar se a combinação de

sinais de diversos indicadores

aplicados pela Análise Técnica

produz retornos superiores

quando comparados com a

utilização de um indicador

isoladamente e ao modelo buy

and hold

Os retornos obtidos em ambas

estratégias não foram superiores ao

de uma estratégia buy and hold, não

sendo possível, então, rejeitar a

Hipótese de Mercado Eficiente.

Medeiros (2009) Avaliar a assertividade e a

frequência de cinco indicadores

da análise técnica, em 56 ações,

nos anos de 2007 e 2008.

Os resultados apontam que as

indicações de compra são

consistentemente mais assertivas do

que as indicações de venda

Bruni et al.

(2008)

Avaliar a confiabilidade de dez

indicadores da análise técnica

nas ações da empresa Bombril

SA, durante os anos de 2005 e

2006

Os resultados apontam que a

utilização dos dez indicadores, de

forma isolada, produziu retornos

significativos na empresa e no

período estudado.

Carvalho, Costa

Jr. e Goulart

(2008)

Avaliar a utilização do indicador

Moving Average Convergence

/Divergence – MACD, em 28

ações da Bolsa de Valores de

Apesar da obtenção de 10 retornos

superiores à estratégia passiva,

nenhum deles foi estatisticamente

significante.

�

54

São Paulo, no período de julho

de 1994 a julho de 2003.

Baptista e Valls

Pereira (2008)

Verificar a robustez do conteúdo

preditivo de regras da Análise

Técnica, usando informações

intradiárias do mercado futuro

do índice de ações da Bolsa de

Valores de São Paulo.

Os resultados indicam robustez ao

longo do tempo e à taxa de

amostragem dos dados no

desempenho das regras acima do

benchmark (buy-and-hold).

Penteado (2008) Este trabalho tem por objetivo

mostrar que a função log-

periódica pode ser utilizada na

Análise Gráfica como um

indicador do tipo oscilador, que

prevê a reversão de tendências.

Os testes realizados mostraram a

viabilidade e eficácia de sua

utilização, levando a significativas

evidências em favor de sua

utilização, quando os resultados são

comparados àqueles obtidos através

da utilização dos indicadores médias

móveis, IFR e MACD e do

rompimento de tendências.

Ferreira (2008) Estudar a lucratividade de quatro

sinais da Análise Técnica na

negociação do dólar, no período

de abril de 1999 a agosto de

2008.

Após o teste de 1712 regras geradas

a partir dos sinais, verificou-se que a

melhor regra não possui o poder de

previsibilidade significante.

Guarnieri (2006) Avaliar a eficácia de 42

estratégias baseadas em médias

móveis nas ações da Empresa

Brasileira de Aeronáutica, no

período de julho de 2000 a julho

de 2005.

Os resultados apontam que as

estratégias com maior nível de acerto

não são as que produzem maiores

retornos, devendo o investidor fazer

a escolha conforme suas

preferências.

Lima et. al (2006) Verificar se o uso da análise

técnica, adotando-se quatro

indicadores, produz resultado

superiores ao CAPM, em uma

Os resultados obtidos por meio da

utilização dos indicadores foram

superiores em todas as ações, se

comparados aos resultados obtidos

�

55

amostra de cinco empresas,

durante um mês de negociação

no ano de 2005.

utilizando o CAPM como estratégia

de investimento.

Sachetim (2006) Avaliar a confiabilidade dos

indicadores da escola de análise

técnica, em treze composta pelas

ações do Ibrx, de 1995 a 2005.

Nenhum dos indicadores de análise

técnica estudados produziram

retornos superiores ao buy and hold

Penteado (2003) Detectar a existência de uma

relação entre os sinais gráficos

observados no dia-a-dia do

mercado de ações brasileiro e as

tendências que lhes sucedem,

durante um período de 8 anos,

para 10 ativos

Os resultados obtidos evidenciam a

existência de tal relação, sugerindo a

validade da utilização da Análise

Gráfica como instrumento para a

previsão de preços no mercado de

ações brasileiro, no período

considerado.

Saffi (2003) Testar a validade da hipótese de

eficiência dos mercados no

mercado futuro do índice

Ibovespa através do uso das

chamadas estratégias de análise

técnica.”

Os resultados indicam que as

estratégias de análise técnica não são

capazes de gerar retornos

estatisticamente significativos

quando os efeitos de data-snooping

são levados em conta. Estes

resultados estão de acordo com o

previsto pela hipótese fraca de

eficiência de mercado.”

Fonte: elaborada pelo autor

�

56

Tabela 2 - Pesquisas acadêmicas sobre análise técnica no exterior

Autor (es) e ano Objetivo Conclusões

Marshall, Cahan

e Cahan (2010)

Avaliar a lucratividade obtida

por meio da utilização de regras

da análise técnica em índice de

49 países, no período de janeiro

de 2000 a dezembro de 2007,

com exceção da Grécia, que teve

seu inicio em junho de 2001.

Encontraram-se evidências de que a

análise técnica apresenta melhor

desempenho em mercados

emergentes em comparação com os

desenvolvidos, porém, os testes com

mais de 5.000 regras indicam a falta

de capacidade em gerar retornos

acima do esperado.

Vasiliou, Eriotis

e Papathanasiou

(2008)

Avaliar a utilização de regras da

análise técnica combinadas com

a teoria das finanças

comportamentais, no índice

FTSE/ASE 20 da Bolsa de

Valores de Atenas, no período

de janeiro de 1995 a dezembro

de 2005.

Os retornos obtidos com as regras

combinadas de análise técnica e

finanças comportamentais foram

superiores ao retorno do mercado em

todos os anos, indicando a validade

da análise técnica para a amostra e o

período estudados.

Lento (2008) Avaliar a lucratividade obtida

por meio do uso de 9 sinais da

análise técnica no índice S&P

500, no período de janeiro de

1950 a março de 2008, e

compará-la com o retorno obtido

pelo modelo buy and hold.

A utilização de sinais individuais não

foi capaz de superar o retorno pela

estratégia buy and hold, porém, a

estratégia dos sinais combinados

superou, na média, os retornos

obtidos pelo modelo buy and hold.

Savin, Weller e

Zvingelis (2007)

Modificar o algoritmo proposto

por Lo, Mamaysky e Wang

(2000) e avaliar a efetividade

desse novo algoritmo nos

índices S&P500 e Russel 2000,

no período de 1990 a 1999.

Os resultados revelam um baixo

poder de predição do algoritmo

proposto, porém, se utilizando em

conjunto com o portfólio de

mercado, os retornos obtidos podem

superar o mercado consistentemente,

Oberlechner Avaliar, por meio de uma A maioria dos traders utiliza as duas

�

57

(2001) pesquisa tipo survey, a

importância da análise técnica e

da análise fundamentalista, para

traders e jornalistas financeiros

em quatro capitais européias.

formas de análise, porém, quanto

menor o horizonte de tempo, maior a

importância dada à análise técnica.

Os jornalistas financeiros enfatizam

a análise fundamentalista e

raramente comentam sobre análise

técnica.

Lee e

Swaminathan

(2000)

Analisar o volume passado de

negociação de ativos e a relação

com os retornos futuros, das

ações listadas na NYSE e na

AMEX, no período de janeiro de

1965 a dezembro de 1995

Os resultados da pesquisa

demonstraram que os volumes

passados têm forte relação com os

retornos futuros.

Lo, Mamaysky e

Wang (2000)

Propor um algoritmo capaz de

identificar a formação de

padrões gráficos e avaliar a

eficácia na geração de retornos

anormais, no período de 1962 a

1996, em diversas ações

negociadas nos Estados Unidos

Em 31 dos 35 anos estudados, os

retornos obtidos por meio da

utilização do algoritmo proposta

superaram o retorno do mercado,

indicando a possibilidade de se

validar o modelo proposto pelos

autores.

Sullivan,

Timmermann e

White (1999)

Avaliar os retornos obtidos por

meio da utilização das médias

móveis, no índice Dow Jones, no

período de 1897 a 1996.

Os retornos obtidos por meio da

utilização das médias móveis foram

superiores ao mercado até o ano de

1986, e após esse ano, foram

inferiores ao mercado.

Ratner e Leal

(1999)

Avaliar os retornos obtidos por

meio da utilização das médias

móveis em dez índices de ações

de mercados emergentes na

América Latina e Ásia, no

período de janeiro de 1982 a

abril de 1995

Apenas em três índices analisados, a

aplicação da estratégia proposta

apresentou chance de sucesso, o que

gera dúvidas em relação à

efetividade da estratégia analisada.

�

58

Osler e Chang

(1995)

Avaliar a estratégia de compra e

venda por meio de um algoritmo

de identificação da figura

ombro-cabeça-ombro, de março

de 1973 a junho de 1994, em

seis ativos (moedas) diferentes

Os resultados individuais foram

estatisticamente significativos apenas

nas moedas marco e yen, porém,

quando analisada a especulação

simultânea nas seis moedas, os

resultados foram estatisticamente e

economicamente significativos

Brock,

Lakonishok, Le

Baron, (1992)

Avaliar o uso de 26 regras

geradas pelas médias-móveis no

índice Dow Jones, no período de

1897 a 1986

As estratégias produziram retornos

anormais significativos e persistentes

durante o período estudado

Treynor e

Ferguson (1984)

Avaliar se a posse de

informação, o estudo dos preços

passados ou a combinação

desses elementos, pode produzir

retornos anormais.

Os resultados indicam que a

combinação dos preços passados

com as informações relevantes pode

produzir retornos anormais.


�

59

3 METODOLOGIA

3.1 Seleção da amostra

A proposta inicial desta dissertação era compor a amostra com vinte ações de

empresas brasileiras negociadas na BM&FBovespa, sendo duas de cada setor da economia,

segundo a divisão proposta pela própria BM&FBovespa, divulgada em seu sítio 8 na internet.

Porém, devido ao não atendimento de algumas premissas explicadas abaixo, obteve-se uma

amostra final com quatorze ações.

Os dez setores da economia pela divisão da BM&FBovespa são: 1) bens industriais; 2)

construção e transporte; 3) consumo cíclico; 4) consumo não cíclico; 5) financeiro e outros; 6)

materiais básicos; 7) petróleo, gás e combustíveis; 8) tecnologia da informação; 9)

telecomunicações e 10) utilidade pública.

Cada setor é dividido em sub setores, que por sua vez, são divididos em segmentos.

Porém, tal classificação não foi considerada nesta pesquisa.

O critério adotado para seleção das empresas foi a liquidez, portanto foram

selecionadas as duas ações mais negociadas de cada setor à época da realização da pesquisa.

Para consulta da liquidez, adotou-se a composição do Ibovespa para o quadrimestre de

maio a agosto de 2011. Foram selecionadas as empresas com maior participação no índice

Bovespa dentro de cada setor.

Caso a ação escolhida não tenha sido negociada no período da pesquisa, entre

01/01/2000 a 31/12/2010, descartou-se da amostra e foi escolhida a próxima ação com maior

participação no índice.

Nenhuma ação das empresas do setor de Construção e Transporte foi negociada

durante todo o período da pesquisa, portanto esse setor foi excluído.

No setor de Bens Industriais, havia apenas uma empresa na composição do Ibovespa,

no período escolhido.

Não havia empresas do setor Tecnologia da Informação na composição do Ibovespa

para o período adotado.

Sendo assim, a amostra final obtida para esta dissertação está exibida na tabela 3. �� 8 Disponível em http://www.bmfbovespa.com.br/cias-listadas/empresas-listadas/BuscaEmpresaListada.aspx?opcao=1&indiceAba=1&Idioma=pt-br. Acesso em 25/08/2011.

�

60

Tabela 3 – Composição da amostra

Setor Ação (código)

Bens industriais Embraer ON (EMBR3)

-

Construção e transporte

-

-

Consumo cíclico

Lojas Americanas PN (LAME4)

-

Consumo não cíclico Ambev PN (AMBV4)

Pão de Açúcar PN (PCAR4)

Financeiro e outros

Bradesco PN (BBDC4)

Banco do Brasil ON (BBAS3)

Materiais básicos

Vale PN (VALE5)

Gerdau PN (GGBR4)

Petróleo, gás e combustíveis

Petrobrás PN (PETR4)

Petrobrás ON (PETR3)

Tecnologia de informação -

-

Telecomunicações Telesp PN (TLPP4)

TIM Participações ON (TIMP3)

Utilidade pública Sabesp ON (SBSP3)

Eletrobras ON (ELET3)


�

61

3.2 Procedimentos da pesquisa

O objetivo geral desta dissertação é avaliar se a utilização da análise técnica produz

resultados financeiros superiores ao modelo buy and hold.

Para alcançar tal objetivo, foram consideradas as seguintes premissas estabelecidas por

Aronson (2007) para teste de hipóteses de rentabilidade de estratégias utilizando análise

técnica:

• Todos os sinais gerados de compra e venda devem ser claros, objetivos e classificados

como binário (exemplo: 1 para compra e 0 para venda). Não pode haver influência de

interpretação humana, tal como pode ocorrer com os padrões gráficos;

• Toda estratégia deve oferecer uma rentabilidade superior à obtida pelo modelo buy

and hold;

• Os resultados obtidos devem persistir em diferentes períodos de tempo. Para isso,

sugere-se que o período do estudo seja dividido e os resultados sejam analisados em

sub períodos, sendo esses escolhidos de forma aleatória, conforme figura 19.

Figura 19 – Divisão do período da pesquisa

Fonte: Aronson (2007, p. 321)

A figura 20 apresenta a divisão do período adotada nesta pesquisa.

�

62

Figura 20 – Divisão do período da pesquisa adotada

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Período total (2000 – 2010)


Os anos assinalados em negrito (2001, 2002, 2005, 2008 e 2010) foram os sub

períodos analisados nesta dissertação.

Nos anos de 2001, 2002 e 2008, ocorreram desvalorizações nos preços da maioria das

ações e no Ibovespa. O ano de 2005 foi um ano de alta no mercado brasileiro, enquanto no

ano de 2010, os preços não seguiram uma direção predominante, permanecendo a maior parte

do tempo em uma tendência lateral, de acordo com a teoria de Dow.

Diversos são os fatores que ajudam a explicar os ciclos de alta e de baixa nos preços

das ações. Pretende-se abordar a seguir, de forma sucinta, alguns eventos sistêmicos ocorridos

no período analisado nesta dissertação.

O ano de 2000 foi marcado pela crise das empresas de tecnologia norte americanas,

denominada “crise das empresas pontocom”. Tal crise surgiu com o estouro de uma bolha

nesse setor, com reflexos no ano de 2001, quando mais de 500 empresas de tecnologia

fecharam ou pediram falência.

No ano de 2001, no dia 11/09, ocorreu um evento sistêmico adverso relevante para a

economia e para a sociedade em geral: o atentado às torres gêmeas na cidade norte americana

de Nova York. Nesse dia, o Ibovespa desvalorizou 9,1%, enquanto as Bolsas norte americanas

permaneceram em recesso por sete dias, retomando as atividades no dia 17/09. Na primeira

semana após a abertura das Bolsas, o índice S&P500 desvalorizou 11,6% e o Dow Jones

apresentou queda de 14%.

Entre os anos de 2003 e 2007, houve um ciclo de alta no Ibovespa, com valorização

superior a 400%. Nesse período, houve uma redução na taxa básica de juros, aumento no

número de ofertas públicas de ações, entrada de capital estrangeiro e aumento no número de

pessoas físicas negociando ações (PEREIRA, 2009).

No ano de 2008 ocorreu uma crise no mercado financeiro internacional que ficou

conhecida como “a crise Subprime.” Essa crise teve sua origem no mercado imobiliário norte

�

63

americano, devido à baixa qualidade dos empréstimos imobiliários e à inadimplência dos

tomadores de crédito. Os efeitos dessa crise foram percebidos em diversas economias no

mundo, sendo que no dia 15/09/2008, foi anunciado o pedido de concordata de uma das

maiores instituições financeiras norte americanas, o Lehman Brothers.

No Brasil, o Ibovespa encerrou 2008 com uma desvalorização superior a 40%, porém,

essa perda chegou a ser de 60%, quando consideradas as pontuações máximas e mínimas

atingidas ao longo do ano.

A figura 21 apresenta o gráfico mensal do Ibovespa, com destaque para os anos

analisados nesta dissertação.

Figura 21 – Gráfico mensal do Ibovespa de 2000 a 2010

Fonte: elaborado pelo autor

3.2.1 Cálculo da rentabilidade utilizando os sinais análise técnica

Com a amostra definida, foram acompanhados os gráficos diários das ações, no

período de 01/01/2000 a 31/12/2010, utilizando o software Trader Gráfico.

Os cinco indicadores da análise técnica estudados nesta dissertação foram: estocástico

lento, Hi Lo, IFR, MACD e parabólico SAR. Cada indicador gera um sinal de compra e outro

2008

2010

2001 2002

2005

�

64

de venda, sem a necessidade de interpretação. O detalhamento dos parâmetros adotados para

cada indicador está explicado no item 3.2.3

Cada ação e cada indicador foram analisados individualmente, conforme os passos

descritos a seguir:

a) Visualizou-se o gráfico de uma ação da amostra dentro do período escolhido.

Exemplo: PETR4, de 01/01/2000 a 31/12/2010.

b) Realizou-se o acompanhamento de um indicador por vez. Exemplo: estocástico lento.

c) Quando houve um sinal de compra gerado pelo indicador, foi simulada uma compra

de um lote de ações, considerando o preço de fechamento do dia em que ocorreu o

sinal.

d) Aguardou-se um sinal de venda gerado pelo indicador estudado.

e) Quando ocorreu um sinal de venda gerado pelo indicador, foi simulada a venda do lote

de ações comprado anteriormente de forma integral, considerando o preço de

fechamento do dia em que ocorreu o sinal.

f) Aguardou-se um novo sinal de compra gerado pelo indicador e foram repetidos os

passos c), d) e e).

g) Caso o sinal de venda tenha ocorrido após o último dia do sub período, essa operação

foi desconsiderada.

Adotaram-se as seguintes premissas nas simulações de compra e venda das ações:

• Valor inicial a ser investido por ação e por sinal: R$ 10.000,00

• Corretagem: fixa de R$ 15,00 por ordem

• Emolumentos e taxa de liquidação: 0,035% do valor da ordem (quantidade de

ações x preço unitário)

• Não foi considerada a incidência de impostos de renda sobre os lucros apurados

• Os lucros obtidos foram reinvestidos na operação seguinte

As operações de compra e venda foram registradas conforme o exemplo da tabela 4,

para todo o período da pesquisa. Para fins de análise dos resultados, considerou-se apenas os

resultados obtidos nos sub períodos.

�

65

Tabela 4 – Exemplo de registro das operações

Ação: PETR4 Estudo: MACD

Data

Compra

Preço

Compra

(R$)

Data

Venda

Preço

Venda

(R$)

Saldo da

operação

(R$)

Rentabilidade

líquida por

operação (%)

Custos de

transação

(R$)

Duração

(dias

corridos)

06/01/10 35,21 12/01/10 34,14 9.659,22 -3,41 36,89 6

28/05/10 26,87 24/06/10 26,2 9.909,24 -2,86 37,05 27

02/09/10 26,49 16/09/10 25,3 9.566,93 -4,86 36,88 14

29/09/10 26,40 06/10/10 24,82 8.957,87 -6,37 36,50 7

27/10/10 25,14 16/11/10 24,51 8.697,20 -2,91 36,19 20

Saldo final: 8.697,20


Nos quatro primeiros campos da tabela estão descritas as datas e os preços em que

ocorreram a compra e a venda das ações.

O saldo representa o valor final obtido após o encerramento da operação (venda das

ações) e foi calculado a partir da seguinte equação:

Saldo = (Lote * Preço de venda) - (Lote * Preço de compra) - Custos de transação (10)

Sendo:

Lote = quantidade de ações (valor investido / preço compra)

Custos de transação = Custos com Corretagem (2 x R$ 15,00 - pois são duas ordens) +

0,035% do valor da ordem (lote x preço)

A rentabilidade líquida por operação foi calculada conforme a equação a seguir:

Rentabilidade líquida por operação: (Saldo da operação – Valor investido) (11)

Saldo da operação

�

66

Sendo:

Valor investido = saldo da operação anterior (exceto na primeira operação, quando são

investidos R$ 10.000,00)

A rentabilidade final obtida para cada ação, com cada sinal no sub período, foi

calculada a partir da equação a seguir:

Rentabilidade final = (saldo final – saldo inicial) (12)

saldo inicial

Onde:

Saldo final = saldo da última operação do sub período

Saldo inicial = R$ 10.000,00

Para o exemplo da tabela 4, a rentabilidade final obtida com o sinal MACD, na ação

PETR4, foi:

Rentabilidade final = (8.697,20 – 10.000) = - 13,03 %

10.000

A última coluna apresenta a duração da operação, ou seja, o número de dias corridos

entre a data da compra e a data da venda.

3.2.2 Cálculo da rentabilidade do modelo buy and hold

A rentabilidade obtida no modelo buy and hold, para cada ação e sub período foi

calculada conforme a equação abaixo:

�

67

Rentabilidade = (Preço no final do período – preço no início do período) (13)

Preço no início do período

Todos os proventos estão incluídos nos preços e todas as bases de dados foram

ajustadas aos eventuais desdobramentos e agrupamentos ocorridos ao longo do período da

pesquisa.

A seguir, a equação 14 exibe um exemplo de cálculo da rentabilidade obtida no

modelo buy and hold, para a ação PETR4 no ano de 2010.

Preço de abertura no primeiro dia útil de 2010 (04/01/2010): R$ 34,69

Preço de fechamento no último dia útil de 2010 (30/12/2010): R$ 26,54

Rentabilidade = (26,54 -34,69) = -23,49% (14)

34,69

3.2.3 Detalhamento dos sinais

A seguir, estão detalhados como são gerados os sinais de compra e venda e também os

parâmetros adotados em cada sinal.

• Estocástico lento:

O estocástico é um oscilador e indicador de momento, podendo ser classificado em

lento e rápido. É composto por duas linhas: %K e %D rápida. A linha %K é calculada

conforme equação abaixo:

%K = (Preço de fechamento – Min n) x 100 (15)

(Max n – Min n)

Sendo:

N = número de dias

Preço de fechamento: último preço de fechamento

�

68

Max n = valor máximo do período n

Min n = valor mínimo do período n

A linha %D rápida é uma linha que representa a média dos últimos três valores de

%K.

No estocástico lento, a linha %K é substituída pela %D rápida e a segunda linha,

denominada %D lenta, é uma média dos três últimos valores da % D rápida.

Segundo Achelis (2001), existem três maneiras de se obter sinais de compra com o

estocástico: a) quando uma das linhas cruza de baixo para cima a linha que representa o nível

de sobrecomprado; b) quando a linha %K (%D rápida) cruzar para cima a linha %D rápida (%

D lenta) e c) quando há divergências entre topos e fundos formados no gráfico dos preços em

relação aos topos e fundos formados nas linhas do oscilador.

Nesta dissertação, adotou-se a primeira opção como regra.

São três parâmetros que devem ser configurados: número de períodos do cálculo, nível

sobrevendido e nível sobrecomprado.

Os parâmetros adotados nesta dissertação foram:

número de períodos = 9

nível sobrevendido = 30

nível de sobrecomprado = 70

A figura 22 apresenta um exemplo dos sinais gerados pelo estocástico lento no gráfico

da PETR4, no ano de 2010.

�

69

Figura 22 - Sinais de compra e venda - Estocástico lento - PETR4


• Hi Lo

O Hi Lo é um estudo baseado em médias móveis simples dos preços mínimos e

máximos de um determinado número de períodos, com um deslocamento de um período, o

que faz com que o indicador considere o cálculo até o dia anterior ao atual.

Somente uma linha é exibida no indicador: quando um sinal de compra for gerado, a

média móvel dos preços mínimos será visualizada e quando ocorre um sinal de venda, a

média móvel dos preços máximos é exibida. Neste estudo, foi adotado o cálculo do Hi Lo

com 6 períodos.

A figura 23 apresenta um exemplo dos sinais gerados Hi Lo no gráfico da PETR4, no

ano de 2010.

�

70

Figura 23 – Sinais de compra e venda – Hi Lo – PETR4


• IFR

O IFR é um oscilador que busca identificar regiões de preço em que a ação esteja

sobrecomprada, com uma maior probabilidade de ocorrência de um movimento de baixa, e

sobrevendida, quando existe uma maior possibilidade de alta nos preços.

O IFR oscila em uma escala que varia de 0 a 100 e são traçadas duas retas que

representam os níveis de sobrecomprado e sobrevendido.

A equação do cálculo do IFR está detalhada no item 2.5.7.

Os parâmetros adotados do IFR foram:

número de períodos = 14

nível de sobrevenda = 30

nível de sobrecompra = 70

Nesta pesquisa, adotou-se o modelo IFR Wilder Confirmado, o qual segue os

seguintes passos para gerar sinais de compra e venda:

�

71

a) Quando a linha do IFR cruza a linha de sobrevendido de baixo para cima é gerado um

sinal de compra.

b) O sinal de venda só ocorrerá quando a linha do IFR cruzar a linha de sobrevendido de

cima para baixo. Se a linha do IFR voltar para linha de sobrevendido antes de alcançar

o nível de sobrecomprado, não será gerado um novo sinal de compra.

A figura 24 apresenta um exemplo dos sinais gerados pelo IFR no gráfico da PETR4,

no ano de 2010.

Figura 24 – Sinais de compra e venda – IFR – PETR4


• MACD

O MACD é um indicador e rastreador de tendência composto por duas linhas. A

primeira linha (chamada MACD) é traçada a partir da diferença de uma média móvel rápida

em relação a uma média móvel lenta dos preços de fechamento. A segunda linha é traçada a

partir de uma média exponencial da linha MACD.

Um sinal de compra ocorre quando a linha MACD cruza de baixo para cima a segunda

linha e um sinal de venda ocorre quando esse cruzamento é de cima para baixo.

�

72

Os parâmetros adotado para o MACD foram:

Média móvel exponencial rápida = 12 períodos

Média móvel exponencial lenta = 26 períodos

Média móvel exponencial da linha MACD = 9 períodos

A figura 25 apresenta um exemplo dos sinais gerados pelo MACD no gráfico da

PETR4, no ano de 2010.

Figura 25 - Sinais de compra e venda - MACD - PETR4


• Parabólico SAR

O Parabólico SAR é um indicador que busca projetar o movimento futuro dos preços.

Um sinal de compra é gerado quando os preços cruzam para cima a linha do indicador e um

sinal de venda ocorre quando os preços cruzam a linha do indicador de cima para baixo.

�

73

As equações para cálculo do SAR são as seguintes:

Mercado em alta: SAR(n) = SAR (n-1) + FAC x [H(n-1) – SAR(n-1)] (16)

Mercado em baixa: SAR(n) = SAR (n-1) - FAC x [L(n-1) – SAR(n-1)] (17)

Onde:

SAR (n) = indicador no dia seguinte ao inicial

SAR (n-1) = indicador no dia inicial

H (n-1) = preço máximo do dia inicial

L (n-1) = preço mínimo do dia inicial

FAC = fator de aceleração do SAR

O valor do indicador pode aumentar em duas situações: quando o preço atual for maior

que o preço do dia anterior (quando o movimento for de alta), ou quando o preço atual for

menor que o dia anterior (quando o movimento for de baixa). O fator de aceleração irá

provocar um aumento no valor do indicador, o que fará com que esse se aproxime do preço.

Quanto mais rápido o preço subir ou cair, mais rápido o indicador se aproximará do preço.

Os parâmetros adotados foram:

Fator de aceleração dentro da tendência: 0,02

Máximo fator de aceleração: 0,2

A figura 26 apresenta um exemplo dos sinais gerados pelo Parabólico SAR no gráfico

da PETR4, no ano de 2010.

�

74

Figura 26 - Sinais de compra e venda - Parabólico SAR - PETR4


3.2.4 Teste da média móvel como regra de filtro para os sinais

Com o intuito avaliar uma possível melhora nos resultados obtidos com os sinais

estudados, optou-se por utilizar uma média móvel simples de 233 dias como regra de filtro

nas operações simuladas.

Segundo Edwards, Magge e Bassetti (2007, p. 507) as médias móveis representam

linhas de tendência dos preços e contribuem na identificação de qual a direção mais provável

dos preços no futuro.

Penteado (2003) avaliou se a média móvel de 233 dias poderia indicar regiões de

suportes e resistências no gráfico diário de 10 ações, no período de 1995 a 2002, e, por meio

de testes estatísticos, confirmou essa hipótese.

Nesta dissertação, adotou-se o seguinte critério para utilização da média móvel

simples como regra de filtro: se os preços estiverem abaixo da linha da média móvel e ocorrer

um sinal de compra, tal operação não será efetuada.

A figura 27 apresenta o gráfico diário da Petrobras PN (PETR4), de 04/03/2010 a

24/08/2010, no formato de candlesticks e as linhas do sinal MACD abaixo do gráfico. A linha

de cor roxa representa a média móvel simples de 233 dias. É possível perceber que a partir de

�

75

15/04/2010 (candlestick indicado com uma seta) os preços estiveram abaixo da linha da média

móvel, portanto os sinais de compra gerados pelo MACD nesse período, seriam excluídos da

base na análise dos resultados com o filtro.

Figura 27: Média móvel como filtro


A partir das simulações de compra e venda de ações, seguindo os passos descritos no

item 3.2.1, foram gerados dois registros das operações (modelo explicado tabela 4, no item

3.2.1), sendo o primeiro sem a utilização do filtro regra de filtro e o segundo com o filtro da

média móvel simples.

Com o intuito de avaliar se a média móvel simples de 233 dias foi capaz de melhorar

os resultados obtidos, foram realizados testes de igualdade de médias populacionais (teste t),

adotando a rentabilidade líquida obtida como dado de análise.

As equações do teste são de igualdade de médias populacionais estão descritas a

seguir, conforme Bruni (2011, p. 162).

Quando houver igualdade das variâncias dos dados, as equações serão:

Dt

Sd= (18)

1'

1 2df

z z=

+

(19)

�

76

Quando não houver igualdade das variâncias, as equações serão:

(20)

(21)

Os dados foram organizados no software Microsoft Office Excel 2007 e os testes

estatísticos foram realizados com auxílio do software SPSS Statistics 17.0.

Os resultados do teste de igualdade das variâncias (teste de Levene) realizados com os

dados estão apontados na tabela 5.

Tabela 5 – Testes de igualdade das variâncias

Sinal Estatística F p-value

Estocástico lento 2,57 0,1

Hi Lo 4,03 0,04

IFR 0,05 0,81

MACD 3,88 0,04

Parabólico SAR 0,92 0,33


Para a amostra de dados dos sinais Hi Lo e MACD, com o p-value abaixo de 0,05, foi

rejeitada a hipótese de igualdade das variâncias, portanto foram utilizadas as equações 20 e 21

para o teste de igualdade de médias.

Os resultados do teste para a amostra de dados dos sinais estocástico lento, IFR e

Parabólico SAR, indicam que é possível aceitar a hipótese de igualdade das variâncias,

portanto, adotaram-se as equações 19 e 20 para o teste de igualdade de médias.

Nesse sentido, elaboraram-se as seguintes hipóteses, testadas para cada sinal da análise

técnica avaliado nesta dissertação:

H0: a média da rentabilidade líquida obtida sem o filtro da média móvel simples de 233 dias é

estatisticamente igual à média da rentabilidade líquida obtida com o filtro da média móvel

''

Dt

S d=

1 2 2df w w= + −

�

A hipótese alternativa seria:

H1: a média da rentabilidade líquida obtida sem o filtro da média móvel simples de 233 dias

não é estatisticamente igual à média da rentabilidade líquida obtida com o filtro da média

móvel.

Uma vez identificada

assumindo as seguintes interpretações:

a. Se a média da rentabilidade líquida obtida com filtro

maior do que a obtida sem filtro,

b. Caso contrário, poder

dias não foi capaz de melhorar os resultados obtidos.

3.2.5 Análise do impacto dos sinais nos retornos das ações

O penúltimo objetivo

um sinal de compra nos

metodologia de estudo de evento.

Um estudo de evento consiste em utilizar um modelo de geração de retorno acionário

considerado padrão (retorno normal), o qual é tido como o retorno que o título teria caso o

evento não ocorresse. Depois disso, para identificar um comportamento anormal nos períodos

próximos a um evento específico que se está analisando, calcula

esperado fornecido pelo modelo e o retorno observado no

BARBOSA, 2010).

Campbell, Lo e Mackinlay (1997) descrevem os procedimentos de um estu

evento, conforme a Figura 2

Figura 28: Etapas do estudo de

Fonte: Campbell, Lo e Mackinlay (1997)

Definição do Evento

Critérios de Seleção anormais e


a média da rentabilidade líquida obtida sem o filtro da média móvel simples de 233 dias


Uma vez identificada a diferença nas médias, proceder-se-ia ao estudo dos seus sinais,


Se a média da rentabilidade líquida obtida com filtro for estatisticamente diferente e

obtida sem filtro, confirmar-se-ia a hipótese da eficácia do filtro

Caso contrário, poder-se-ia concluir que a utilização da média móvel simples de 233

dias não foi capaz de melhorar os resultados obtidos.

Análise do impacto dos sinais nos retornos das ações

objetivo específico desta dissertação é avaliar o impacto da geração de

retornos das ações. Para alcançar tal objetivo, foi utilizada a

metodologia de estudo de evento.


do padrão (retorno normal), o qual é tido como o retorno que o título teria caso o


próximos a um evento específico que se está analisando, calcula-se a diferença ent

esperado fornecido pelo modelo e o retorno observado no período de análise (CAMARGOS E

Campbell, Lo e Mackinlay (1997) descrevem os procedimentos de um estu

evento, conforme a Figura 28:

Figura 28: Etapas do estudo de evento

Fonte: Campbell, Lo e Mackinlay (1997)

Retornos anormais e

normaisProcedimento

de EstimaçãoProcedimento

de TestesResultados Empíricos

77

a média da rentabilidade líquida obtida sem o filtro da média móvel simples de 233 dias


ia ao estudo dos seus sinais,

estatisticamente diferente e

ficácia do filtro

a utilização da média móvel simples de 233

ssertação é avaliar o impacto da geração de

. Para alcançar tal objetivo, foi utilizada a


do padrão (retorno normal), o qual é tido como o retorno que o título teria caso o


se a diferença entre o retorno

período de análise (CAMARGOS E

Campbell, Lo e Mackinlay (1997) descrevem os procedimentos de um estudo de

Resultados Empíricos

Interpretação e Conclusões

�

78

3.2.5.1 Definição do evento e critérios de seleção

Nesta dissertação, optou-se por analisar cinco eventos diferentes. A partir da

rentabilidade líquida obtida com cada sinal, adotou-se aquele que apresentou o maior número

de casos de superação da rentabilidade do buy and hold, no mesmo período de análise. Nesse

sentido, o IFR foi o sinal escolhido para ser analisado.

Os resultados completos estão descritos no item 4.3, no capítulo 4.

A partir da escolha do IFR, foram escolhidas, aleatoriamente, cinco ações e cinco

datas (cujo ano constatou-se maior rentabilidade em comparação ao buy and hold) e obteve-se

a amostra descrita na tabela 6.

Tabela 6: Amostra para o estudo de eventos

Sinal Ação Data do evento

IFR BBDC4 27/08/2010

IFR ELET3 09/02/2010

IFR EMBR3 07/07/2008

IFR PCAR4 13/10/2008

IFR TIMP3 22/07/2010


3.2.5.2 Retornos Normais e Anormais

Segundo Campbell, Lo e MacKinlay (1997, p. 151), para avaliar o impacto do evento

é necessário medir os retornos anormais, que são os retornos ex post reais observados na

janela de evento, menos os retornos normais, ou seja, aqueles esperados caso o evento não

ocorresse, no mesmo período.

Os retornos observados da ação e do índice de mercado foram obtidos por meio da

capitalização contínua (logarítmica), a qual, segundo Soares, Rostagno e Soares (2002, p. 5 -

6), transforma a distribuição dos retornos em algo próximo a uma normal simétrica em

relação a zero, o que é um dos pré-requisitos necessários para efetuar os testes paramétricos.

�

79

Os retornos normais, caso o evento não ocorresse, também conhecidos como retornos

esperados, foram obtidos pelo Modelo de Mercado, o qual estabelece uma relação linear, por

meio do método dos mínimos quadrados, entre o retorno observado do ativo e o retorno de

um índice que represente o mercado. Portanto os retornos normais foram obtidos do resultado

de uma regressão entre os retornos observados de cada ação analisada e o retorno do

Ibovespa, dentro da janela de estimação.

Os retornos esperados foram obtidos por meio da seguinte equação:

(22)

Onde: é o retorno observado da ação i no período t; é o retorno observado do

índice de mercado no período t, sendo este termo considerado o estimador para ; e,

e , mínimos quadrados ordinários individuais a serem estimados.

Para o cálculo de alfa e beta foram adotadas as seguintes equações:

(23)

(24)

Obtendo-se os retornos normais, aqueles caso o evento não ocorresse, são calculados

os retornos anormais, representados pela diferença entre o retorno observado e o retorno

esperado, conforme a equação abaixo:

(25)

Onde: , e são, respectivamente, o retorno anormal, o retorno observado

e o retorno esperado, todos na data t.

tiRtmR

( )tmE R iα

iβ

tiAR

tiR ( )

tiE R

( )t ti i i mE R Rα β= +

( ) ( )i i i mE R E Rα β= −

( )( )

,t t

t

i m

i

m

Cov R R

Var Rβ =

( )t t ti i iAR R E R= −

�

80

3.2.5.3 Procedimento de estimação

Nesta etapa foram definidas as janelas do evento.

A definição das janelas envolve certo grau de subjetividade e arbitrariedade por parte

do pesquisador e depende do evento estudado e dos objetivos que se almejam com o uso da

metodologia. Essa janela deve englobar períodos considerados relevantes para a verificação

de anormalidades no comportamento dos preços; não deve ser muito extensa, pois haveria o

risco de se englobar outros eventos, enviesando-se os resultados, e nem muito pequena, pois

arriscar-se-ia não se conseguir captar a anormalidade nos preços. De forma geral, a análise do

período anterior à data zero visa à identificação dos indícios do uso de informações

privilegiadas, enquanto a do período posterior visa fornecer evidências da velocidade e

precisão do ajuste dos preços à nova informação liberada ao mercado.

Para a janela de estimação foi considerado o período entre o dia -50 e dia -1.

A janela de evento adotada contemplou somente o dia em que ocorreu o sinal de

compra (data 0). Isso se deve ao fato de as janelas de comparação terem sido definidas como

períodos imediatamente anteriores e posteriores ao evento. A janela de comparação anterior

ao evento foi adotada como -5 a -1 e a posterior, do dia +1 a +5.

3.2.5.4 Procedimento de Teste

A fim de possibilitar a análise do efeito do evento, ou seja, a geração de um sinal de

compra, os retornos anormais foram acumulados entre o primeiro e o último dia dentro das

janelas de comparação ex ante e ex post, formando o Retorno Anormal Acumulado (CAR,

sigla no idioma inglês de Cumulative Abnormal Return), que é dado por:

(26)

Onde: é o retorno anormal acumulado do título i, entre as datas t1 e t2.

Após o cálculo do CAR, foram elaboradas as seguintes hipóteses:

H0: a média dos retornos anormais acumulados antes da data do evento é estatisticamente

igual à média dos retornos anormais acumulados posterior ao evento

( )1 2,iCAR t t

( )2

1

1 2,t

t

i it t

CAR t t AR=

=�

�

81

CAR(anterior) = CAR(posterior)


H1: a média dos retornos anormais acumulados antes da data do evento é estatisticamente

diferente à média dos retornos anormais acumulados posterior ao evento

CAR(anterior) � CAR(posterior)

Uma vez identificada a diferença nas médias, proceder-se-ia ao estudo dos seus sinais,


a. Se a média do retornos anormais acumulados antes da data do evento for

estatisticamente diferente e menor do que a média dos retornos anormais acumulados

posterior, confirmar-se-ia a hipótese de existir um impacto positivo nos retornos da

ações após a geração de um sinal de compra

b. Caso contrário, poder-se-ia concluir que a geração do sinal de compra não foi capaz de

alterar de forma significativa o retorno da ações

Para testar tais hipóteses, realizou-se um teste de médias pareadas, com os desvios

padrões conhecidos, cuja equação é:

(27)

Os dados foram organizados no software Microsoft Office Excel 2007 e os testes

estatísticos foram realizados com auxílio do software SPSS Statistics 17.0.

( )1 2

2 21 2

1 2

t

x xz

n nσ σ

−=

+

�

82

3.2.6 Análise da duração das operações

Um gráfico com os preços de uma ação é composto por duas variáveis: o preço e o

tempo. No entanto, os principais manuais de análise técnica enfatizam o preço e não abordam

o tempo como fator de influência e de análise (WOLWACZ, 2010 e GILMORE, 1999).

Nesse sentido, como último objetivo específico desta dissertação, buscou-se avaliar se

o tempo médio de duração (intervalo entre os sinais de compra e venda) das operações que

terminam em lucro é estatisticamente igual ao tempo médio das operações que terminam em

prejuízo, sendo que cada sinal foi analisado separadamente.

O primeiro passo foi calcular a duração de cada operação, utilizando como base os

dados do registro de operações, conforme o exemplo da tabela 4, no item 3.2.1. Para isso,

utilizou-se o software Microsoft Excel e a unidade de medida foi o número de dias corridos.

Posteriormente, as operações foram separadas em dois grupos: operações que

terminaram em lucro (rentabilidade líquida positiva) e que terminaram em prejuízo

(rentabilidade líquida negativa).

As operações foram agrupadas por sinal e então, calculou-se a duração média das

operações por sinal pelo critério da média simples.

Por fim, para avaliar se existe diferença estatisticamente significativa na duração das

operações lucrativas e não lucrativas, realizou-se o teste de médias, constituindo-se as

hipóteses:

H0 = a duração médias das operações lucrativas é igual à duração média das operações não

lucrativas

e

H0 = a duração médias das operações lucrativas não é igual à duração média das operações

não lucrativas

Em todos os passos descritos acima, adotou-se a base de dados das operações sem o

filtro da média móvel.

�

83

4 ANÁLISE DOS RESULTADOS

Esta seção está divida em quatro partes, sendo cada uma dedicada à analise dos

resultados obtidos para cada objetivo da dissertação.

4.1 Resultados obtidos sem a regra de filtro

Analisando o período total da pesquisa, foram realizadas 8742 operações (uma compra

e uma venda), porém, considerando apenas os anos que compõem os sub períodos adotados

para análise (2001, 2002, 2005, 2008 e 2010) foram 4261 operações. O Hi Lo foi o sinal que

gerou o maior número de operações nos sub períodos analisados, conforme os dados da tabela

7.

Tabela 7 – Operações realizadas nos sub períodos sem o filtro

Ano Estocástico lento Hi Lo IFR MACD Parabólico SAR

2001 205 310 34 124 227

2002 172 299 38 140 214

2005 153 288 39 120 209

2008 194 296 33 146 260

2010 156 248 45 116 195

TOTAL 880 1441 189 646 1105


O IFR foi o sinal com o menor número de operações realizadas em todos os anos. Isso

se deve principalmente à sua concepção, o qual só gera um sinal de compra quando a ação

está saindo do nível sobrevendido. Se a ação estiver com os preços em tendência de alta, o

IFR não atingirá o nível de sobrevendido, portanto não gerará sinais de compra. Outro motivo

que pode ter contribuído para um número reduzido de operações está relacionado ao

parâmetro de 14 períodos adotado nesta dissertação. Se fosse utilizado um período menor, o

IFR, possivelmente, atingiria o nível de sobrevendido com maior frequência, gerando mais

sinais de compra.

�

84

A tabela 8 apresenta a rentabilidade obtida pelo modelo buy and hold e por cada sinal

da análise técnica, separada por ação e por ano analisado.

Tabela 8 – Rentabilidade líquida obtida sem o filtro

AÇÃO ANO BUY AND HOLD ESTOCÁSTICO

LENTO HI LO IFR MACD SAR

AMBV4

2001 2,08% -35,54% -36,24% -1,17% -4,29% -16,02%

2002 12,19% -11,08% -20,46% 22,00% -9,82% -22,48%

2005 44,61% 9,35% 24,01% 22,42% 36,42% 30,30%

2008 -17,45% -29,79% -46,95% 14,70% -50,44% -51,84%

2010 50,79% 21,71% 6,89% 6,98% 9,19% 7,67%

BBAS3

2001 82,24% -3,39% 11,57% 1,78% 85,53% 52,23%

2002 -1,03% 16,00% 27,12% -14,93% 19,96% 16,25%

2005 30,78% -6,67% -3,78% 32,80% -0,77% -6,83%

2008 -48,48% -57,68% -48,30% -39,73% -46,37% -42,10%

2010 12,51% 5,88% -1,64% 8,15% 9,31% -4,10%

BBDC4

2001 10,00% -80,96% -86,77% 35,08% -64,17% -84,07%

2002 5,34% -65,35% -83,54% -21,88% -77,62% -69,35%

2005 112,69% 26,81% 56,76% 48,91% 41,63% 34,55%

2008 -37,65% -62,91% -47,25% -3,90% -31,29% -31,22%

2010 11,06% 0,97% -13,99% 11,09% 2,80% -0,10635

ELET3

2001 -2,03% -30,25% -12,51% 26,34% -5,28% -19,68%

2002 -23,64% -32,33% 0,30% -30,12% -29,54% -4,14%

2005 0,77% -2,36% -37,20% 28,23% 4,18% -40,72%

2008 12,43% -42,32% -54,06% 5,14% -14,60% -38,31%

2010 -14,24% -19,35% -5,12% 22,87% -3,60% -13,56%

EMBR3 2001 10,22% 16,85% 23,97% -47,03% 12,29% 24,26%

2002 27,55% -22,56% -15,81% -13,41% -21,04% -24,79%

�

85

2005 14,83% -7,47% -8,79% 22,69% -12,22% -4,10%

2008 -55,54% -15,99% -24,84% 56,58% -18,52% -29,26%

2010 27,17% -20,35% -14,78% 0,77% -37,91% -8,71%

GGBR4

2001 25,00% -15,43% -9,36% 24,99% 18,85% -30,98%

2002 66,12% 7,28% 3,83% 40,30% -0,34% 5,16%

2005 33,45% 4,89% 22,72% -7,26% 63,56% 26,07%

2008 -40,09% -41,05% -47,79% -40,70% -30,33% -48,83%

2010 -9,10% -10,07% 4,79% 2,76% -3,02% 6,04%

LAME4

2001 12,12% -19,68% 27,78% -36,90% 20,57% 28,83%

2002 129,73% -9,30% 6,15% -2,21% 0,09% 17,54%

2005 75,33% 27,18% 45,14% 6,17% 56,79% 66,99%

2008 -60,08% -44,73% -52,69% -43,59% -48,49% -62,73%

2010 -1,80% -5,76% -7,57% 0,75% -2,43% 3,96%

PCAR4

2001 -29,32% -21,16% -6,11% -32,62% -29,08% -12,35%

2002 10,28% -4,32% -13,19% 15,99% 11,61% 13,70%

2005 11,93% 23,36% 22,81% 26,93% 11,95% 11,66%

2008 -5,46% -22,36% -19,89% 47,44% -23,40% -33,16%

2010 7,79% -5,59% -15,29% 18,52% 1,82% -2,59%

PETR3

2001 18,90% -36,03% -41,75% 3,49% -25,49% -31,46%

2002 3,54% -17,65% 20,52% 20,68% 25,93% 8,11%

2005 56,64% 2,56% 19,38% 6,34% 57,74% 39,99%

2008 -44,68% -0,69% -13,36% -42,41% -17,73% 1,21%

2010 -24,41% -1,73% -21,68% -40,54% -9,31% -22,41%

PETR4

2001 19,72% 10,50% -27,21% 23,78% -18,40% -17,22%

2002 -6,94% 0,29% 11,44% -4,89% 8,17% 7,95%

2005 55,15% 9,11% 18,47% 5,52% 80,86% 23,47%

2008 -45,24% 5,32% 13,04% -42,78% -12,41% -14,57%

2010 -23,49% -17,41% -8,54% -7,89% -13,03% -23,22%

�

86

SBSP3

2001 -23,92% -24,55% -9,73% -1,81% -4,55% -4,05%

2002 -25,42% -35,61% -39,90% -5,96% -41,61% -29,65%

2005 0,38% -15,35% 11,23% 16,07% -20,56% -1,76%

2008 -20,75% -30,50% -48,29% -38,45% -28,63% -32,92%

2010 42,97% -19,91% -16,75% 31,42% -8,42% -8,84%

TIMP3

2001 -23,20% -9,72% -30,32% -38,13% -18,15% -5,37%

2002 -36,72% -53,98% -61,67% -2,15% -42,81% -46,49%

2005 61,84% -8,79% 37,68% 25,39% 68,64% 39,59%

2008 -41,51% -27,83% -64,69% -4,32% -14,02% -43,34%

2010 -5,41% -3,14% -46,31% 12,87% -2,63% -41,71%

TNLP4

2001 -13,36% -39,67% -33,08% -40,62% 0,98% -23,00%

2002 -22,64% -27,29% -28,36% -5,82% -16,68% -18,68%

2005 0,17% 17,45% -13,09% 1,98% 10,52% -5,32%

2008 5,17% -18,98% -44,84% -8,02% -12,32% -32,93%

2010 -27,54% -23,79% -28,84% 11,03% -22,92% -18,00%

VALE5

2001 30,08% -23,53% -20,11% 5,24% -15,92% -6,50%

2002 83,49% -7,38% 5,15% 8,92% 17,58% 39,20%

2005 36,04% 43,79% 15,55% -4,05% 17,93% 32,00%

2008 -46,12% -51,72% -60,69% -48,47% -65,73% -54,90%

2010 16,16% 11,23% -7,85% 8,13% 20,80% 9,46%


Os valores destacados em negrito representam os períodos em que a rentabilidade

obtida com o sinal foi superior à obtida pelo buy and hold, no mesmo período.

No caso da rentabilidade auferida pelo buy and hold ser negativa, destacou-se somente

os casos em que a rentabilidade com os sinais foi positiva, não bastando ser superior ao buy

and hold.

�

87

Com a combinação de cinco sinais, cinco anos e quatorze ações, obteve-se 350

campos de análise, sendo que em 61 casos, a rentabilidade obtida por algum sinal foi superior

ao buy and hold.

O sinal que obteve o maior número de casos em que a rentabilidade foi maior que o

buy and hold foi o IFR, com 22 casos e depois: o MACD, com 14 casos; o Parabólico SAR e

o Hi Lo com 9 casos cada e o estocástico lento, em 7 casos.

4.1.1 Análise da significância das frequências

Para avaliar se a frequência em que a rentabilidade obtida com os sinais da análise

técnica superou o modelo buy and hold e foi estatisticamente significativa, realizou-se o teste

do qui-quadrado.

Segundo Bruni (2011, p. 172) o teste do qui-quadrado analisa a hipótese nula de não

existir discrepância entre as frequências observadas e as frequências esperadas de

determinado evento.

Nesta dissertação, adotou-se a seguinte premissa para realização desse teste: se a

rentabilidade obtida com os sinais da análise técnica for superior ao buy and hold em 50% das

vezes, poder-se-ia concluir que a utilização dos sinais propicia o mesmo desempenho do buy

and hold.

Como cada sinal foi analisado setenta vezes (cinco anos e quatorze ações), obteve-se

uma frequência esperada de 35 casos em que a rentabilidade obtida com os sinais fosse

superior ao buy and hold.

Dessa forma, formularam-se as seguintes hipóteses:

H0: as frequências esperadas e observadas são iguais

e

H1: as frequências esperadas e observadas não são iguais

A partir dos dados tabela 8, elaborou-se a tabela 9, a qual apresenta as frequências

observadas e esperadas para cada sinal.

�

88

Tabela 9 – Frequências esperadas e observadas por sinal

Sinal Frequência esperada Frequência observada

Estocástico lento 35 7

Hi Lo 35 9

IFR 35 22

MACD 35 14

Parabólico SAR 35 9


O teste do qui-quadrado foi realizado para cada sinal, utilizando a equação a seguir:

X² = � [(O-E)² / E] (28)

Onde:

O = frequência esperada

E = frequência observada

Os resultados do teste do qui-quadrado são apresentados na tabela 10.

Tabela 10 – Resultado do teste do qui-quadrado

Sinal X² p-value

Estocástico lento 44,80 0

Hi Lo 38,62 0

IFR 9,65 0,002

MACD 25,2 0

Parabólico SAR 38,62 0


�

89

O p-value em todos os casos ficou abaixo do nível de significância de 0,05, portanto a

hipótese de igualdade de frequências foi rejeitada.

Conforme os dados da tabela 9, é possível notar que as frequências observadas ficaram

abaixo das frequências esperadas em todos os casos, o que por sua vez, em conjunto com a

análise dos resultados do teste do qui-quadrado, indicam que os sinais da análise técnica

estudados nesta dissertação, não foram capazes de produzir resultados financeiros superiores

ao modelo buy and hold.

4.2 Resultados obtidos com a regra de filtro

Com a utilização da média móvel simples de 233 dias como regra de filtro, foram

realizadas 2371 operações, o que representa uma redução de 44% no total de operações

originalmente efetuadas sem o filtro.

A tabela 11 apresenta a quantidade de operações realizadas nos sub períodos com o


Tabela 11 – Operações realizadas nos sub períodos com filtro

Ano Estocástico lento Hi Lo IFR MACD Parabólico SAR

2001 100 171 14 64 117

2002 74 149 17 66 99

2005 114 235 31 91 167

2008 58 108 17 45 84

2010 112 188 28 81 141

TOTAL 458 851 107 347 608


A tabela 12 apresenta a rentabilidade líquida obtida por sinal e por ano, utilizando o


�

90

Tabela 12 – Rentabilidade líquida obtida com o filtro

AÇÃO ANO BUY AND HOLD ESTOCÁSTICO HILO IFR MACD SAR

AMBV4

2001 2,08% -25,75% -28,66% -1,17% -12,56% -16,14%

2002 12,19% -7,94% -21,77% 4,56% -12,27% -9,96%

2005 44,61% 9,35% 24,01% 22,42% 36,42% 30,30%

2008 -17,45% -9,06% -19,72% 0,00% -15,75% -12,11%

2010 50,79% 21,71% 6,89% 6,98% 9,19% 7,67%

BBAS3

2001 82,24% -2,63% 19,01% 5,75% 32,30% 35,12%

2002 -1,03% 31,29% 26,94% -14,10% 8,12% 22,37%

2005 30,78% -6,67% -3,78% 32,80% -0,77% -6,83%

2008 -48,48% -13,52% -13,92% 8,19% -16,42% -10,38%

2010 12,51% -4,49% -16,40% 1,69% 4,53% -18,23%

BBDC4

2001 10,00% -73,78% -82,99% 0,00% -52,94% -77,86%

2002 5,34% -31,18% -62,17% -20,68% -44,84% -49,22%

2005 112,69% 26,97% 52,15% 48,91% 41,84% 35,14%

2008 -37,65% -13,51% -15,03% -3,90% 6,09% -6,00%

2010 11,06% 2,03% -8,38% 11,09% 9,21% -3,91

ELET3

2001 -2,03% -24,10% -23,43% 12,16% -17,28% -31,19%

2002 -23,64% 0,00% 0,00% 0,00% 0,00% 0,00%

2005 0,77% -9,73% -29,27% 0,00% -5,08% -30,01%

2008 12,43% -12,43% -27,39% -0,70% -16,48% -23,57%

2010 -14,24% -16,90% -8,96% 13,28% -2,44% -15,35%

EMBR3

2001 10,22% -6,78% -4,81% -47,03% -12,18% 0,21%

2002 27,55% -26,12% -18,48% 9,75% -19,43% -18,55%

2005 14,83% -7,94% -0,80% 14,19% -10,58% -1,73%

2008 -55,54% 0,00% 0,00% 0,00% 0,00% 0,00%

2010 27,17% -30,23% -26,71% 0,77% -7,09% -23,85%

GGBR4 2001 25,00% -13,47% -5,22% 0,00% 0,00% 1,07%

�

91

2002 66,12% 7,28% 3,83% 40,30% -0,34% 5,16%

2005 33,45% 7,42% 16,28% -13,63% 55,21% 25,66%

2008 -40,09% -32,09% -9,54% -40,70% 4,73% -2,63%

2010 -9,10% -9,04% -9,80% 1,43% 6,64% -5,53%

LAME4

2001 12,12% 0,00% 6,77% 0,00% 6,90% 0,00%

2002 129,73% -9,30% 6,15% -2,21% 0,09% 17,54%

2005 75,33% 27,18% 45,14% 6,17% 56,79% 66,99%

2008 -60,08% 0,00% -4,97% 0,00% 0,00% -5,74%

2010 -1,80% -11,16% -14,60% 0,75% -8,50% -5,83%

PCAR4

2001 -29,32% -6,46% -18,79% -19,38% -10,45% -9,33%

2002 10,28% -1,06% -4,74% -5,41% -8,06% 0,62%

2005 11,93% 16,72% 4,90% 9,13% 14,38% 1,61%

2008 -5,46% -22,85% -28,16% 8,69% -27,66% -35,39%

2010 7,79% -5,59% -15,29% 15,24% 1,82% -2,59%

PETR3

2001 18,90% -10,19% -24,05% 7,73% -9,38% -19,78%

2002 3,54% -4,63% -6,80% 1,38% -1,36% -4,40%

2005 56,64% 2,56% 19,38% 6,34% 57,74% 39,99%

2008 -44,68% 2,01% 18,29% -42,41% 11,39% 26,55%

2010 -24,41% -0,92% -5,10% 0,00% -2,87% -4,99%

PETR4

2001 19,72% 4,55% -25,53% 4,56% -7,98% -21,48%

2002 -6,94% -0,67% -7,52% -14,56% -1,68% -6,08%

2005 55,15% 9,11% 18,47% 5,52% 80,86% 23,47%

2008 -45,24% 9,14% 34,90% -42,78% 23,58% 23,17%

2010 -23,49% -2,24% 1,29% -15,90% 2,01% -2,85%

SBSP3

2001 -23,92% -16,30% -16,51% -17,44% -20,73% -17,22%

2002 -25,42% -1,74% 6,57% 0,00% -4,31% -1,77%

2005 0,38% 7,04% 17,53% 7,66% -6,10% 0,94%

2008 -20,75% -6,24% -19,29% -38,45% 0,00% -17,75%

�

92

2010 42,97% -19,91% -16,75% 31,42% -8,42% -8,84%

TIMP3

2001 -23,20% 0,00% 2,02% 0,00% -4,70% -1,27%

2002 -36,72% 0,00% 0,00% 0,00% 0,00% 0,00%

2005 61,84% -8,79% 37,68% 25,39% 68,64% 39,59%

2008 -41,51% -2,23% -8,34% 0,00% 0,00% 1,23%

2010 -5,41% 0,80% -17,53% 7,28% -17,42% -31,50%

TNLP4

2001 -13,36% -11,22% -13,35% -40,62% 0,00% 8,83%

2002 -22,64% 0,00% -12,07% 4,50% -0,87% -5,40%

2005 0,17% 12,05% -4,45% 2,35% 1,76% -6,41%

2008 5,17% -3,25% -4,71% -8,02% -4,30% -8,28%

2010 -27,54% -19,16% -21,79% -1,37% -18,99% -23,43%

VALE5

2001 30,08% -23,53% -20,11% 5,24% -15,92% -6,50%

2002 83,49% -7,38% 5,15% 8,92% 17,58% 39,20%

2005 36,04% 43,79% 15,55% -4,05% 17,93% 32,00%

2008 -46,12% 10,62% 11,58% -48,47% 11,26% 10,38%

2010 16,16% 5,87% -6,37% -6,43% -3,72% -6,41%


A fim de avaliar se a rentabilidade líquida obtida com o filtro foi superior à obtida sem

o filtro, realizou-se o teste de igualdade de médias populacionais, conforme descrito no item

3.2.5. A tabela 13 apresenta os resultados desse teste.

Tabela 13: Resultados do teste de igualdade de médias populacionais

Sinal Estatística t p-value

Estocástico lento -1,29 0,19

Hi Lo 1,42 0,15

IFR 0,6 0,54

MACD -1,37 0,18

Parabólico SAR -1,21 0,22


�

93

Os resultados apresentados na tabela sugerem a aceitação da hipótese de igualdade das

médias populacionais, quando são avaliadas as rentabilidades obtidas por cada sinal com e

sem a utilização do filtro da média móvel, pois em todos os casos, o p-value esteve acima do

nível de significância de 0,05.

Nesse sentido, parece que a utilização da média móvel simples de 233 dias não foi

capaz de melhorar os resultados pelos sinais estudados nesta dissertação.

Uma possível explicação para esse resultado seria o fato de a ação, ao estar com os

preços abaixo da média móvel simples de 233 dias em seu gráfico diário, poderia estar

sobrevendida e uma compra efetuada nessa condição apresentaria uma possibilidade de

ganho, caso os preços voltassem a subir.

4.3 Resultados dos estudos de eventos

O penúltimo objetivo específico desta dissertação é analisar o impacto de um sinal de

compra nos retornos das ações, por meio de um estudo de evento.

Conforme explicado no item 3.2.5.1, adotou-se o IFR para análise, pois foi o sinal que

apresentou o maior número de casos de superação da rentabilidade em comparação ao buy

and hold.

A fim de avaliar o impacto da geração de um sinal de compra nos retornos das ações,

cumpriram-se os passos descritos no item 3.2.5.

As equações obtidas para estimar os retornos normais foram as seguintes:

BBDC4: - 0,0004 + 1,307 x Rm

ELET3: - 0,0025 + 0,2159 x Rm

EMBR3: - 0,1121 + 0,2717x Rm

PCAR4: 0,0002 + 0,6677 x Rm

TIMP3: 0,0008 + 0,6054 x Rm

�

94

Os retornos anormais calculados nas janelas de comparação e de evento são

apresentados na tabela 14:

Tabela 14 – Retornos anormais (AR)

Data BBDC4 ELET3 EMBR3 PCAR4 TIMP3

-5 0,0013 -0,0059 0,0036 -0,0362 -0,0009

-4 0,0141 -0,0439 0,0001 0,0323 0,0059

-3 -0,0058 -0,0649 -0,0306 -0,0302 0,0004

-2 -0,0073 -0,0364 -0,0163 0,0084 -0,0119

-1 0,0043 -0,0025 0,0149 -0,0292 -0,0052

0 -0,0075 0,0133 0,0591 0,0020 -0,0063

1 0,0037 0,0096 0,1089 0,0198 -0,0146

2 0,0094 0,0050 -0,0156 0,029 0,0169

3 -0,0028 -0,0136 0,0061 0,0420 0,0073

4 -0,0178 0,0138 -0,0090 0,0640 0,0203

5 -0,0058 0,0120 0,0331 -0,0486 -0,0205


Os retornos anormais acumulados nas janelas de comparação e de evento estão na

tabela 15.

�

95

Tabela 15 – Retornos anormais acumulados (CAR)

Data BBDC4 ELET3 EMBR3 PCAR4 TIMP3

-5 0,0013 -0,0059 0,0036 -0,0362 -0,0009

-4 0,0154 -0,0499 0,0037 -0,0039 0,0049

-3 0,0095 -0,1148 -0,0269 -0,0341 0,0054

-2 0,0021 -0,1513 -0,0432 -0,0256 -0,0064

-1 0,0065 -0,1538 -0,0283 -0,0549 -0,0116

0 -0,0010 -0,1404 0,0307 -0,0528 -0,0180

1 0,0026 -0,1308 0,1397 -0,0330 -0,0326

2 0,0121 -0,1257 0,1241 -0,0039 -0,0156

3 0,0092 -0,1394 0,1303 -0,0380 -0,0082

4 -0,0085 -0,1255 0,1212 0,1020 0,0120

5 0,0144 -0,1135 0,1543 0,0534 -0,0084


O gráfico 2 apresenta os retornos anormais acumulados nas janelas de comparação e

de evento, ação por ação, sendo possível notar o aumento no CAR das ações EMBR3, ELET3

e PCAR4 após a data do evento (data 0).

�

96

Gráfico 2 – Retornos anormais acumulados

Fonte: elaborado pelo autor

Os resultados dos procedimentos de teste, ou seja, os testes de médias pareadas para os

retornos anormais acumulados nas janelas de comparação, são apresentados na tabela 16.

Tabela 16 – Resultados dos procedimentos de teste

Ação Data do evento Estatística T p-value

BBDC4 27/08/2010 1,65 0,17

ELET3 09/02/2010 1,02 0,36

EMBR3 07/07/2008 -13,96 0

PCAR4 13/10/2008 -2,36 0,07

TIMP3 22/07/2010 0,99 0,37


-0,2

-0,15

-0,1

-0,05

0

0,05

0,1

0,15

0,2

-5 -4 -3 -2 -1 0 1 2 3 4 5

CAR

Janelas de comparação e de evento (dias)

BBDC4

ELET3

EMBR3

PCAR4

TIMP3

�

97

Em quatro dos cinco eventos analisados, o p-value ficou acima de 0,05, sendo aceita a

hipótese de igualdade das médias. Então, parece que não existiu geração de impacto

significativo nos retornos das ações para esses casos.

Os resultados mostram que houve diferença estatisticamente significativa nas médias

dos retornos anormais acumulados, nas janelas anteriores e posteriores ao evento, somente no

caso da geração do sinal de compra ocorrido em 07/07/2008, na ação EMBR3, pois o p-value

ficou abaixo do nível de significância de 0,05.

A análise da comparação das médias do CAR sugere que houve criação de valor nos

preços das ações, sendo o impacto positivo nos retornos das ações. A média do CAR na janela

de comparação anterior ao evento foi de – 0,091 e a média do CAR na janela de comparação

posterior foi de 0,6699.

É importante ressaltar que não é possível afirmar que todos os participantes do

mercado de capitais utilizam a análise técnica como ferramenta para tomada de decisão.

Portanto, esse resultado sugere um questionamento sobre causa e efeito dessa diferença

observada nos retornos ex ante e ex post a geração do sinal.

Não é possível afirmar que a causa de tal diferença seja, exclusivamente, a geração do

sinal de compra, pois, pode ter sido divulgada uma notícia relevante sobre a empresa na data

do evento (data 0) e, a partir disso, os investidores manifestaram interesse em comprar as

ações, fazendo com que os preços se elevassem de forma expressiva.

4.4 Resultados da análise da duração das operações

A tabela 17 apresenta a duração média das operações, separadas por sinal.

�

98

Tabela 17: Duração média das operações

Sinal Duração média das operações que

terminaram em lucro (dias)

Duração média das operações que

terminaram em prejuízo (dias)

Estocástico lento 19,2 7

Hi Lo 15,5 5,3

IFR 40,6 87,8

MACD 33,4 10,8

Parabólico SAR 19 6,5


Observa-se que a duração média das operações do sinal IFR é superior se comparada

aos outro sinais. Isso ocorre devido ao conceito de geração de um sinal de venda, pois esse

ocorre somente quando a ação sai do estado sobrevendido. Se o preço da ação demorar para

atingir o nível de sobrevendido ou permanecer nesse estágio por um longo período, não é

gerado o sinal de venda.

Os resultados dos testes de médias são apresentados na tabela 18:

Tabela 18 – Testes de média das durações

Sinal Teste t p-value

Estocástico lento -22 0

Hi Lo 29,61 0

IFR 8,7 0

MACD 26,4 0

Parabólico SAR -30,4 0


�

99

Em todos os casos, a hipótese de igualdade das médias é rejeitada, pois o p-value está

abaixo do nível de significância de 0,05.

É possível notar que para os sinais estocástico lento, Hi Lo, MACD e SAR, a duração

média das operações que terminaram em prejuízo é menor. Para o sinal IFR, verifica-se o

comportamento contrário.

�

100

5 CONSIDERAÇÕES FINAIS

A eficiência de mercado e, em sua oposição, as anomalias de mercado (entre elas a

análise técnica) são temas pesquisados com frequência pela academia, sendo que esta

dissertação buscou gerar contribuições a esses temas.

A seguir, estão descritas as conclusões e limitações desta dissertação e as sugestões de

trabalhos futuros.

5.1 Conclusões

O objetivo principal desta dissertação foi avaliar se a utilização dos sinais de compra e

venda de ações, gerados pela análise técnica, produzem resultados financeiros superiores ao


A amostra foi composta por quatorze ações que pertencem ao IBOVESPA e o período

adotado foi de 2000 a 2010, porém as análises dos dados foram realizadas nos anos de 2001,

2002, 2005, 2008 e 2010.

Foram analisados cinco sinais da análise técnica (estocástico lento, Hi Lo, IFR,

MACD e Parabólico SAR), os quais são abordados nos principais manuais do tema, como os

apresentados por Edwards, Magee e Bassetti (2007), Achelis (2001) e Murphy (1999).

Esperava-se que a rentabilidade obtida com esses sinais fosse superior à obtida pelo

modelo buy and hold, uma vez que o tema vem sendo bastante difundido no mercado de ações

no Brasil.

Com a combinação de cinco sinais, cinco ações e quatorze ações, obteve-se uma

amostra de 350 casos para análise e constatou-se que em 61 ocasiões a rentabilidade obtida

com os sinais da análise técnica foi superior ao modelo buy and hold. Os resultados dos testes

de significância de frequência indicaram que os sinais da análise técnica não foram capazes de

produzir resultados financeiros superiores ao modelo buy and hold.

Optou-se por testar a média móvel simples de 233 períodos como regra de filtro para

utilização dos sinais, objetivando-se avaliar se tal regra aumentaria a rentabilidade obtida com

os sinais estudados, o que seria o resultado esperado. Os resultados revelaram que não houve

diferença estatisticamente significativa entre as rentabilidades obtidas com e sem o filtro,

contrariando o resultado esperado.

�

101

Avaliou-se também qual o impacto da geração de um sinal de compra nos retornos de

cinco ações, por meio do método de estudo de eventos.

A metodologia de estudo de eventos é indicada para avaliar se o mercado foi eficiente,

na forma semi-forte, após a divulgação de um fato relevante (Fama, 1991). A análise técnica

contraria a eficiência de mercado, pois busca encontrar padrões de comportamentos nos

retornos das ações. Malkiel (1991, apud Penteado, 2003, p. 11) destaca que “(...) a forma fraca

da hipótese dos mercados eficientes diz simplesmente que a análise técnica de padrões de

preços passados para predizer o futuro é inútil porque qualquer informação proveniente de tal

análise já terá sido incorporada nos atuais preços de mercado”.

Optou-se por realizar o estudo de eventos em conjunto com a análise técnica para

gerar contribuições à academia e ao conhecimento em finanças, ainda que, sob a ótica da

teoria da eficiência de mercado, essa análise seria equivocada.

Os resultados dos estudos de eventos indicaram que houve impacto positivo e

estatisticamente significativo nos retornos de apenas uma ação. Nos outros quatro casos

analisados, como não foi constatada a presença de retornos anormais ex post o evento, sugere-

se que o evento estudado não foi relevante ou que o mercado não foi eficiente em sua forma

semi-forte.

Os resultados da análise da duração das operações apontam que as operações que

terminam em prejuízo possuem uma duração menor para todos os sinais, exceto no caso do

IFR, quando ocorre o contrário. De posse de tal informação, um investidor pode elaborar

estratégias baseadas em sinais juntamente com o fator tempo.

5.2 Limitações

Os resultados encontrados nesta dissertação são válidos para a amostra, período e

sinais analisados, não podendo ser generalizados. Outro ponto a ressaltar é que o desempenho

passado não é garantia de desempenho futuro no mercado de capitais.

5.3 Sugestões para trabalhos futuros

Como esta dissertação possui limitações e análise técnica é um tema extenso,

considerou-se oportuno sugerir algumas sugestões para trabalhos futuros:

�

102

• Avaliar outros sinais da análise técnica;

• Utilizar outras periodicidades da média móvel simples como regra de filtro de

utilização dos sinais;

• Incluir na amostra as ações que não fazem parte do IBOVESPA, bem como utilizá-lo

como ativo de pesquisa;

• Aumentar o período da pesquisa;

• Testar os sinais de forma combinada entre si, como os trabalhos de Lento (2008) e

Arantes e Famá (2009), bem como de forma combinada com os padrões gráficos;

• Analisar o fator tempo como variável da análise técnica, sob diferentes óticas, tais

como: o intervalo entre sinais de compra (frequência de ocorrência), época do ano

ideal para utilização de cada sinal e tempo estimado de exposição ao risco.

• Utilizar a análise técnica em conjunto com a análise fundamentalista.

�

103

REFERÊNCIAS BIBLIOGRÁFICAS

ABE, M. Manual de Análise Técnica: Essência e Estratégias Avançadas. São Paulo: Novatec

Editora, 2009.

ACHELIS, S. B. Technical Analysis from A to Z. New York, McGraw-Hill, 2001.

ARANTES, E. N.; FAMÁ, R. Análise Técnica: Aplicação de Sinais Combinados na Série

Histórica do Ibovespa entre 1998 e 2008. Trabalho apresentado no ENANPAD, não incluso

nos anais do Congresso, 2009.

ARIEL, R. A. A monthly effect in stock returns. Journal of Financial Economics. v.18, n.1,

p.161-174, March 1987.

ARONSON, D. Evidenc-based technical analysis: applying the scientific method and

statistical inference to trading signals. New Jersey, USA: John Willey & Sons Inc., 2007.

ASSAF, A. N. Mercado Financeiro. São Paulo: Atlas, 2008.

BAPTISTA, R. F. F.; VALLS PEREIRA, P.L. Análise da Performance de Regras de Análise

Técnica Aplicada ao Mercado Intradiário do Futuro do Índice Bovespa. Revista Brasileira de

Finanças, Vol. 6, No. 2, 2008.

BOAINAIN, P. G., VALLS PEREIRA, P. L. “Ombro-Cabeça-Ombro”: Testando a

Lucratividade do Padrão Gráfico de Análise Técnica. Revista Brasileira de Finanças. Volume

7, número 3, pp. 265-303, 2009.

BONE, R. B.; RIBEIRO, E. P. Eficiência fraca, efeito dia-da-semana e efeito feriado no

mercado acionário brasileiro: uma análise empírica sistemática e robusta. Revista

Administração Contemporânea, v.6, n.1, 2002.

�

104

BRAV, A.; HEATON, J. B. Testing behavioral theories of undervaluation and overvaluation.

Kellogg School of Management, 2006. Disponível em

www.kellogg.northwestern.edu/finance/faculty/seminars/brav051106.pdf. Acesso em:

03/08/2011.

BREALEY, R. A.; MYERS, S. T.; ALLEN, F. Princípios de Finanças Corporativas. São

Paulo: McGraw-Hill, 2008

BRIGHAM, E. F.; EHRHARDT, M. C. A. Administração Financeira – Teoria e Prática. São

Paulo: Ed. Thompsom, 2006.

BROCK, W.; LAKONISHOK, J.; LEBARON, B. Simple Technical Trading Rules and the

Stochastic Properties of Stock Returns. The Journal of Finance, Vol. 47, No. 5, pp.1731-1764,

1992.

BRUNI, A. L. PASW Aplicado à Pesquisa Acadêmica. 2ª edição. São Paulo: Atlas, 2011.

BRUNI, A. L.; SOARES, O. S.; PEREIRA DA SILVA, M.; PAIXÃO, R. B., CARVALHO

JUNIOR; C. V. O. Análise Técnica de Ações: um estudo de caso da empresa Bombril S.A.

XI SEMEAD, São Paulo, 2008.

BRUNI, A. L.; FAMÁ, R. Eficiência, previsibilidade dos preços e anomalias em mercados de

capitais: teoria e evidências. Caderno de Pesquisas em Administração, v.1, n.7, 1998.

CAMARGOS, M. A.; BARBOSA, F. D. A adoção de práticas diferenciadas de governança

corporativa beneficia o acionista e aumenta a liquidez acionária? Evidências empíricas do

mercado brasileiro. Revista de Gestão da USP, São Paulo, v. 17, n. 2, p. 189-208, abril/junho

2010.

CARVALHO, L. G. de, COSTA JR., N. C. A.; GOULART, M. A. de O. V. Análise técnica

versus hipótese dos mercados eficientes: um estudo utilizando o indicador MACD. Revista

Alcance – Eletrônica, v15, n3, 2008.

�

105

CAVALCANTE, F.; MISUMI, J. Y.; RUDGE, L. F. Mercado de Capitais: o que é, como

funciona. Rio de Janeiro: Campus Elsevier, 2009.

COPELAND, T. E.; KOLLER, T.; MURRIN, J. Avaliação de empresas: Valuation.

Calculando e gerenciando o valor das empresas. São Paulo: Makron Books, 2002.

COPELAND, T. E.; WESTON, J.F.; SHASTRI, K. Financial theory and corporate policy.

4.ed. New York: Addison Wesley, 2005.

CORREIA, J. S. Operando na Bolsa de Valores utilizando a Análise Técnica. São Paulo:

Novatec Editora, 2008.

DAMODARAN, A. Avaliação de Investimentos: ferramentas e técnicas para a determinação

do valor de qualquer ativo. Rio de Janeiro: Qualitymark, 2ª edição, 2009.

DE PAULA, A.; TRICHES, D. O mercado acionário e o desempenho dos ativos financeiros

no Brasil com emprego da análise técnica. Revista Perspectiva Econômica, v. 6, n. 1:37-62

jan/jun 2010.

DEBASTIANI, C. A. Análise técnica de ações: identificando oportunidades de compra e

venda. São Paulo: Novatec Editora, 2008.

EDWARDS, R. D.; MAGEE, J.; BASSETTI, W. H. C. Technical Analysis of Stock Trends.

EUA: CRC Press, 9ª edition, 2007.

ELDER, A. Trading for a live. New York: John Wiley & Sons Inc, 1992.

EHRBAR, A. EVA: Valor Econômico Agregado. Rio de Janeiro: Qualitymark, 1999.

FAMA, E. F. Efficient Capital Markets: A Review of Theory and Empirical Work. The

Journal of Finance, pp. 383-417, 1970.

�

106

_______Efficient capital markets: II. Journal of Finance, v. 46, n. 5 p.1575-1618, December

1991.

_______Market efficiency, long-term returns, and behavioral finance. Journal of Financial

Economics, v. 47, n. 2, p. 283-306, Set. 1998.

FAMA, E. F.; FRENCH, K. Common risk factors in the returns on stocks and bonds. Journal

of Financial Economics, 33, p. 3-56, 1993.

___________________ Dissecting Anomalies. The Journal Of Finance, Vol LXIII, nº4, 2008.

FERREIRA, L. A. S. Estudo da lucratividade de modelos de análise técnica no mercado de

câmbio brasileiro. Dissertação de Mestrado. Escola de Economia de São Paulo, Fundação

Getúlio Vargas, 2008.

FROST, A. J; PRECHTER, R. R. J, JR. O princípio da onda de Elliott: chave para o

comportamento do mercado. São Paulo: Editec, 2002.

FURLANETTI, C. E.; FAMÁ, R.; SECURATO, J. R. Análise dos retornos de carteiras de

ações montadas a partir do uso de múltiplos de mercado: Estudo empírico com ações da

BM&FBovespa, entre 2002 e 2009. XIII SEMEAD, 2010.

GILMORE, B. Dynamic Time & Price Analysis of Market Trends. Helensvale, Australia:

Bryce Gilmore & Associates Publication, 1999.

GIOVANIS, E. Calendar Effects in Fifty-Five Stock Market Indices. Global Journal of

Finance and Management. v1, n.2, pp. 75-98, 2009.

GUARNIERI, O. C. Um estudo empírico da eficiência da análise técnica como instrumento

na predição do comportamento dos preços das ações: o caso Embraer. Dissertação de

Mestrado. Taubaté: Universidade de Taubaté, 2006.

HALFELD, M. Investimentos, 2ª edição. São Paulo: Editora Fundamento Educacional, 2004.

�

107

HAUGEN, R. A. Os Segredos da Bolsa. São Paulo: Pearson, 2000.

HAUGEN, R. A.; JORION, P. The January effect: still there after all these years. Financial

Analysts Journal, v. 52, n. 1, 1996.

IDOETA, A. R. A. Aplicação da análise gráfica no mercado de opções. Dissertação de

Mestrado. São Paulo: FEA-USP, 2009.

JEGADEESH, N.; TITMAN, S. Returns to buying winners and selling losers: implications for

stock market efficiency. Journal of Finance, Chicago: American Finance Association, v. 48, n.

1, p. 65-91, 1993.

KAHN, M. N. Technical analysis plain and simple. 2 ed. FT Prentice Hall. 2006.

KAHNEMAN, D.; TVERSKY, A Prospect Theory: an Analysis of Decision under Risk.

Econometrica, v. 47, n. 2, pp. 263-291, 1979.

KIMURA, H.; BASSO, L. F. C.; KRAUTER, E. Paradoxos em finanças: teoria moderna

versus finanças comportamentais. Revista Administração de Empresas, vol. 46, n.1, Sessão

Fórum, pp. 41-58, 2006.

LAKONISHOK, J.; SMIDT, S. Are seasonal anomalies real? A ninety-year perspective. The

review of financial studies, v.1, n.4, p. 403-42, 1988.

LEE, M. C. C.; SWAMINATHAN, B. Price Momentum and Trading Volume. The Journal of

Finance v. 55, n. 5, p.2017-2068, 2000.

LEMOS, F.; CARDOSO, C. Análise Técnica Clássica. São Paulo: Editora Saraiva, 2010.

LENTO, C. A Combined Signal Approach to Technical Analysis on the S&P 500. Journal of

Business & Economics Research, volume 6, number 8, 2008.

�

108

LIMA, F. G.; SILVA FILHO, A. C. da; MINANTE, O. ; DONZELI, O. A eficiência da

análise técnica no mercado de capitais, frente o modelo CAPM. IX SEMEAD, 2006.

LO, A.; MAMAYSKY, H.; WANG, J. Foundations of technical analysis: computacional

algorithms, statistical inference, and empirical implementation. The Journal of Finance, v. 55,

n. 4, p. 1705-1765, 2000.

LUCCHESI, E. P. O efeito disposição e suas motivações comportamentais: um estudo com

base na atuação de gestores de fundos de investimentos em ações. Tese de Doutorado. São

Paulo: FEA-USP. 2010

MARKOWITZ, H. Portfolio Selection. Journal of Finance, Vol. 7, n1. 1952.

MARSHALL, B. R.; CAHAN, R. H.; CAHAN, J. M. Technical analysis around the world.

SSRN Working Papers. Disponível em: http://ssrn.com/abstract=1181367. Acesso em

01/06/2010.

MARTINS, C. Os Super Sinais da Análise Técnica. Rio de Janeiro: Elsevier, 2010.

MEDEIROS, A. S. V. de. Análise Técnica: um estudo empírico à luz das finanças

comportamentais. Dissertação de Mestrado em Economia. Universidade Federal da Bahia,

2009.

MILACH, F. T.; KLOECKNER, G. O.; GALLI, O. C. Anomalias Diárias no Ibovespa:

Verificação da Persistência do Efeito Dia-da-Semana, Anais do ENANPAD, 2009.

MODIGLIANI, F.; MILLER, M. The cost of capital, corporation finance and the theory of

investment. The American Economic Review, Nashville, v.48, n.3, 1958.

MURPHY, J. J. Technical analysis of the financial markets a comprehensive guide to trading

methods and applications. EUA: New York Institute of Finance, 1999.

�

109

NOFSINGER, J. R. A lógica do mercado: como lucrar com finanças comportamentais. São

Paulo: Editora Fundamento Educacional, 2006.

NORONHA, M. Análise Técnica: Teorias, Ferramentas, Estratégias. Rio de Janeiro, EDITEC

– Editora de Livros Técnicos LTDA, 1995.

OBERLECHNER, T. Importance of Technical and Fundamental Analysis in the European

Foreign Exchange Market. International Journal of Finance and Economics, 6, pp.81-93,

2001.

OSLER, C. L.; CHANG, P. H. K. Head and shoulders: Not just a flaky pattern. Federal

Reserve Bank of New York staff report 4, 1995.

PARK, C. H.; IRWIN, S. H. What Do We Know About the Profitability of Technical

Analysis? Journal of Economic Surveys, Vol. 21, No. 4, pp. 786-826, 2007.

PENTEADO, M. A. B. Uma avaliação estatística da análise gráfica no mercado de ações

brasileiro à luz da teoria dos mercados eficientes e das finanças comportamentais. Dissertação

de mestrado. São Paulo: FEA-USP, 2003.

___________________. A função log-periódica e sua aplicação na previsão de reversão de

tendências por meio da Análise Gráfica do mercado acionário brasileiro. Tese de Doutorado.

São Paulo: FEA-USP, 2008.

PEREIRA, A. N. O Juro de Curto Prazo e a Capitalização do Mercado Brasileiro de Ações:

Aplicação de Regressão Linear sob Conjectura Keynesiana de Investimento. XII SEMEAD,

2009.

PETROKAS, L. A.; FAMÁ, R.; MODRO, W. M. A utilização da análise técnica contribui

para o aumento da riqueza dos investidores?XIII SEMEAD, 2010.

PINHEIRO, J. L. Mercado de capitais: fundamentos e técnicas. 5 ed. São Paulo: Atlas, 2009.

�

110

PRING, M. J. Technical analysis explained. New York: Mc Graw-Hill, 2002.

RATNER, M.; LEAL, R. Tests of Technical Trading Strategies in the Emerging Equity

Markets of Latin America and Asia. Journal of Banking and Finance vol.23, n12, 1999.

RÊGO, R, H. T.; MUSSA, A. Anomalias do Mercado Acionário Brasileiro: A Verificação do

Efeito Feriado no Ibovespa e IBX-100 no Período de 2002 a 2007. In: 8 Congresso USP de

Controladoria e Contabilidade, 2008, São Paulo.

ROBERTS, H. Statistical versus clinical prediction of the stock market. Unpublished Work

presented in the Conference of Securities Price Analysis, Chicago, May 1967.

ROCKEFELLER, B. Technical analysis for dummies. Indiana: Wiley Publishing, 2004.

ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. Administração Financeira – Corporate

Finance, 2a. Ed. São Paulo. Atlas, 2002.

SACHETIM, H. M. Análise técnica: estudo da confiabilidade dos principais indicadores de

análie técnica, aplicados as ações mais negociadas na Bovespa no período de 1995 a 2005.

Dissertação de Mestrado. Curitiba: Universidade Federal do Paraná, 2006.

SAFFI, P. A. C. Analise técnica: sorte ou realidade? Rio de Janeiro. FGV, Revista brasileira

de economia, vol. 57, n. 04, 2003.

SANTOS, J. O. A contribuição da determinação do valor da empresa e do EVA no processo

de análise de crédito. Revista de Gestão da USP, São Paulo, v. 13, n. 3, p. 41-55,

julho/setembro 2006.

SANTOS, J. O.; MUSSA, A.; RÊGO, R. H. T.; SILVA, R. O. G. C. Anomalias do Mercado

Acionário: A Verificação do Efeito Segunda-Feira no Ibovespa no Período de 1986 a 2006.

In: 7º Congresso USP de Controladoria e Contabilidade, 2007, São Paulo. 7º Congresso USP

de Controladoria e Contabilidade, 2007a.

�

111

SANTOS, J. O. ; FAMÁ, R.; MUSSA, A.; TROVÃO, R. H .T. Anomalias do Mercado

Acionário Brasileiro: A Verificação do Efeito Janeiro no Ibovespa no Período de 1969 a 2006.

In: 7º Encontro Brasileiro de Finanças, 2007, São Paulo. 7º Encontro Brasileiro de Finanças,

2007b.

SAVIN, G.; WELLER, P.; ZVINGELIS, J. The predictive power of head-and-shoulders price

patterns in the U.S. stock market. Journal of Financial Econometrics, Vol. 5, No. 2, 243–265,

2007.

SECURATO, J. R.; MÁLAGA, F. K. Aplicação do Modelo de Três Fatores de Fama e French

no Mercado Acionário Brasileiro - Um Estudo Empírico do Período 1995-2003. In: XXVIII

ENANPAD, Curitiba, 2004.

SERAFINI, D. G.; VALLS PEREIRA, P. L. Sistemas Técnicos de Trading no Mercado de

Ações Brasileiro: Testando a Hipótese de Eficiência de Mercado em sua Forma Fraca e

Avaliando se a Análise Técnica Agrega Valor. Anais do ENANPAD, 2010.

SHARPE, W. F. Capital asset prices: a theory of market equilibrium under conditions of risk.

Journal of Finance, v. 19, p. 425-443, 1964.

SHILLER, R. J. Exuberância Irracional. São Paulo: Makron Books, 2000.

SOARES, R. O.; ROSTAGNO, L. M.; SOARES,K. T. C. Estudo de Evento: O Método e as

Formas de Cálculo do Retorno Anormal. In: ENCONTRO NACIONAL DOS PROGRAMAS

DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO, XXVI, Anais... Salvador: ANPAD, 2002.

SULLIVAN, R.; TIMMERMANN, A.; WHITE, H. Data-snooping, technical trading rules

and the bootstrap. Journal of Finance, v54, pp 1647-1692, 1999.

TREYNOR, J. L.; FERGUSON, R. In defense of technical analysis. The Journal of Finance.

v. 40, n. 3, pp.757-753, 1985.

�

112

TVERSKY, A.; KAHNEMAN, D. Judgment under Uncertainty: Heuristics and Biases.

Science, v. 185, n. 4157, pp. 1124-1131, 1974.

VASILIOU, D; ERIOTIS, N; PAPATHANASIOU,S. Incorporating Technical Analysis into

Behavioral Finance: A Field Experiment in the Large Capitalization Firms of the Athens

Stock Exchange. International Research Journal of Finance and Economics Issue 14, 2008.

VIDOTTO, R. S.; MIGLIATO, A. L. T.; ZAMBON, A. C. O Moving Average Convergence-

Divergence como Ferramenta para a Decisão de Investimentos no Mercado de Ações. Revista

de Administração Contemporânea (RAC), v13, n2, p.291-309, 2009.

WOLWACZ, A. A arte do investimento: Táticas Operacionais de Posição em Ações. 2ª

Edição, vol. 1. Porto Alegre: Leandro Stormer Editora, 2007.

_______________. A matemática, o tempo e o mercado de ações. Porto Alegre: Wolwacz e

Ruschel, 2010.

leandro augusto petrokas - tede: página inicial augusto... · utilização da média móvel...

Documents