ECONOMETRIA 1

Regressão Múltipla
 ECONOMETRIA

• Regressão Múltipla  Modelo com mais de uma variável

independente. O modelo geral teria a seguinte configuração:
Yi  1   2 X 2i   3 X 3i  ....   k X ki   i

• Estimaremos por O.L.S, no entanto, reordenando a forma acima

deixando-a similar à da regressão simples.
Y1  1   2 X 21   3 X 31  ....   k X k ,1   1
Y2  1   2 X 22   3 X 32  ....   k X k , 2   2
Yn  1   2 X 2 n   3 X 3n  ....   k X k ,n   n
 Econometria

• Essas n equações podem ser dispostas na forma matricial:

Y1   1 X 21 X 31 X k1   1   u1 
Y    1 X X 32 X k 2     2   u2 
 2  22

Yn  n1  1 X 2 n X 3n X kn  nk   k  k 1 un  n1

• Reduzimos essas matrizes a:
Y  X  
• Y  Vetor (matriz Linha) que contem as observações de Y.

• X  Matriz das variáveis independentes, onde 1= intercepto.

• β  Vetor dos coeficientes a serem estimados.

• ε  Vetor de erro.
 Econometria

• O estimador de OLS para β será parecido com o da regressão

simples: ˆ  ( X T X ) 1  ( X T Y )

• Com isso, notemos a analogia:

• ( X TY )  xy da regressão simples.
• XTX   x²

• Como não existe divisão de matrizes, a multiplicação pela matriz

inversa faz o papel da divisão.
 Econometria

• Uma condição p/existência de ̂ , é que a matriz X´ X , seja inversível. Para

que isso ocorra, é necessário que nenhuma coluna da matriz X seja uma
combinação linear de outras, ou seja, X2 seja exatamente o dobro de X3.

• Além das hipóteses 1, 2, 3, 4 e 5, adicionamos 6, especificamente para a

regressão múltipla.

6. Cada variável independente Xi não pode ser combinação linear das demais
 ECONOMETRIA

• Ex 1: Vamos estimar a regressão da variável Y em função de X1 e X2.

• Dados:
Y X1 X2
12 2 1

15 3 3

18 5 4

22 7 5

25 10 6
 ECONOMETRIA

• Podemos dispor estas variáveis na seguinte forma matricial:

12  1 2 1
15  1 3 3 1 1 1 1 1 
  
Y  18  X  1 5 4 X T  2 3 5 7 10
    1 3 4 5 6 
22 1 7 5
25 1 10 6
 ECONOMETRIA

• Sabemos que ˆ  ( X T X ) 1  ( X T Y ) , assim podemos fazer:

• Começaremos fazendo ( X TY ) :
12 
15 
1 1 1 1 1     112  115  1 18  1 22  1  25 
( X T  Y )  2 3 5 7 10  18   2 12  3 15  5 18  7  22  10  25
 
1 3 4 5 6  35 22  1 12  3 15  4 18  5  22  6  25 
25
51
• Portanto, temos:

 92 
( X T  Y )  563
389
 ECONOMETRIA

• Da regra de Álgebra Matricial conhecemos:

1
A1   ADJ
DetA
ADJ  Transposta dos cofatores de A

• Isto é:
C11 C21 C31 
ADJ  C12 C22 C32 
C13 C23 C33 
 ECONOMETRIA

T 1
• Para ( X X ) faremos: 1 2 1
1 3 3
1 1 1 1 1  
 
X  2 3 5 7 10  X  1 5
T
4
 
1 3 4 5 6  35 1 7 5
1 10 6 53

 11111 2  3  5  7  10 1 3  4  5  6 
 2  3  5  7  10 4  9  25  49  100 2  9  20  35  60
 1  3  4  5  6 2  9  20  35  60 1  9  16  25  36 

 5 27 19 
A  27 187 126
19 126 87 
 ECONOMETRIA

• Devemos, então, a partir de A, acharmos seu determinante e sua adjunta para

encontrarmos a sua inversa:
• 67507 79380 63423 = (- 210.310)

 5 27 19  5 27
A  27 187 126 27 187
19 126 87  19 126

• 81345 64638 64638 = 210.621

DET A  311
 ECONOMETRIA

• Para A :

 5 27 19  C11 C12 C13 

A  27 187 126  C21 C22 C23 
19 126 87  C31 C32 C33 

• E a ADJ = (Cof A)T:

C11 C21 C31 

ADJ A  C12 C22 C32 
C13 C23 C33 
 ECONOMETRIA

• Portanto,utilizando a teoria dos cofatores fazemos:

27 126 27 187

C11    1
11 2 187 126
  
C
 393 , 12    1 1 2 3
  19 87   45
, C13   1
1 3 4
  19 126  151
126 87     

 5 19  2  3 5  5 27 
 27 19  C   1   19 126  117
C21    1
2 2 4
2 1 3
    45 , C   1      74 ,
23
22
19 87  
126 187

 27 187   5 19 
C31    1    117 C   1 336    5 27   206
31 4 3 2  5
     151 C   1    
187 126 , 32
27 126 , 33 27 187
 
 ECONOMETRIA

• Logo a Matriz dos cofatores de A:

 393 45  151
COF A   45 74  117 
 151  117 206 

• Sabemos o valor do Det A, sendo assim:

 393 45  151 
 311 311 311
 1
A1  X T X ADJ A
  45
DET A  311
74
311
 117 
311
 151311  117 311 206 311 
 ECONOMETRIA

• Assim, a inversa ( X T X ) 1, assume os seguintes valores:

 1.263 0.144  0.485

A1  ( X T X ) 1   0.144 0.237  0.376
 0.485  0.376 0.662 
•
 ECONOMETRIA

• E o estimador ˆ será dado, por:

 1.263 0.144  0.485  92 
 0.144 0 . 237  0 .376   563 
   
 0.485  0.376 0.662  389
 1.263  92  0.144  563    0.485  389 
 0.144  92  0.237  563    0.376  389 
 
  0.485  92    0.376  563  0.662  389

 8.6    0  Intercepto
  0.41   1  Coeficiente de X1
1.218   2  Coeficiente de X 2
 ECONOMETRIA

• Ex 2: Estimemos a regressão de Y em função de X2 e X3 e façamos os testes

da regressão e de cada um dos parâmetros:

Y X2 X3
800 2 0.8
1160 4 0.7
1580 6 0.5
2010 8 0.4
1890 7 0.2
2600 12 0.2
2070 11 0.8
1890 10 0.7
1830 9 0.6
1740 8 0.1
1380 6 0.5
1060 4 0.4
 ECONOMETRIA

• O modelo a ser estimado é:

Y  1   2 X 2   3 X 3  

• A matriz X é dada por:

1 2 0.8
1 4 0.7 

• 1 6 0.5 Onde a coluna preenchida pelo número 1, como vimos,
 
1 8 0.4  se refere ao intercepto.
1 7 0.2 
 
 1 12 0.2 
X 
1 11 0.8
 
1 10 0.7 
1 9 0.6 
 
1 8 0.1
 
1 6 0.5
1 4 0.4 
 ECONOMETRIA

• A matriz X TX será dada por:

 12 87 5.9 
X T X   87 731 41 
5.9 41 3.53

• E sua inversa:

 1.25  0.09  1.04

 X X    0.09 0.01 0.03 
T 1

  1.04 0.03 1.67 

 ECONOMETRIA

• A matriz XTY será:

 20010 
X T Y  160810
 9303 

• O estimador ˆ será dado, por:

 789,33   1  Intercepto
   

  X X  X T Y   149,56    2  Coeficiente de X 2
T 1

 419,26   3  Coeficiente de X 3

• E, o modelo estimado enfim:


Y  789,33  149,56 X 2  419,26 X 3
 ECONOMETRIA

• Substituindo os valores de X2 e X3 em Y  789,33  149,56 X 2  419,26 X 3

podemos encontrar os valores de Y explicados pela regressão (Y) , daí os
resíduos que são mostrados na tabela a seguir:
• 46.95
65.91
102.94
191.89
137.60
99.81
-29.07
-101.44
-53.80
-203.87
-97.05
-159.86
 ECONOMETRIA

• Considerando a forma matricial, os valores da tabela acima são os


componentes do vetor de resíduos e .A soma dos quadrados dos resíduos
será dada por:  
SQR  e T e  173.444,02

• Considerando y o vetor das variáveis Y centradas,a soma dos quadrados totais

será dada por yTy:
SQT  y T y  2.749.025

• E a parte explicada é calculada:

SQE  SQT  SQR  2.575.580,98
• Isto posto, podemos construir uma tabela ANOVA para essa regressão, da
mesma forma que fazíamos para a regressão simples.
 ECONOMETRIA

• Tabela ANOVA p/o Ex 2:

Soma de quadrados G.L Quadrados Médios Teste F

SQE = 2.575.580,98 2 1.287.790,49 66.82

SQR =173.444,02 9 19.271,56
SQT = 2.749.025 11 249.911,36

• Agora G.L dos quadrados explicados são 2 , pois há 2 regressores.

• O G.L dos quadrados dos resíduos são, então, nove (n – 3).
• O valor de F é calculado p/ 2 graus de liberdade no numerador e nove no
denominador. Para 5% de significância, esse valor é 4,26.

• Logo: Fcal = 66.82 > Ftab = 4.26, rejeitando a hipótese nula de que as variâncias
são iguais.
2.575.580,8
• O R² é calculado da seguinte forma: R2   0.9369
2.749.025
 Econometria
Microsoft
Equation 3.0

• Hipóteses sobre a Regressão

1. (i )  0
2. i são normalmente distribuídos
3. xi são fixos (não estocásticos )
4. Var (i )   2 (constante )
5. (i j )  0, i  j (os erros são não autocorrelacionados )
6. Cada variável independente X i não pode
ser combinação linear das demais
 Econometria

• Em notação Matricial, as hipóteses 4 e 5 podem ser sintetizadas em:

var( )   ² I

• A matriz var( ) , é também chamada de matriz variância e covariância dos

erros. Nela a diagonal principal contém as variâncias dos erros, e os demais
elementos da matriz são as covariâncias entre os erros.

 var(ˆ1 ) cov(ˆ1 , ˆ2 ) cov(ˆ1 , ˆk ) 

 
var  cov(ˆ )  cov(ˆ2 , ˆ1 ) var(ˆ2 ) cov(ˆ2 , ˆk )
cov(ˆ , ˆ ) cov(ˆ , ˆ ) var( ˆ ) 

 k 1 k 2 k 

• Assim, o termo  ²I cobre as duas hipóteses, já que é o mesmo  ² que

multiplica os uns da matriz identidade, e as covariâncias entre os erros
(autocovariâncias) valem zero, pois na matriz identidade os elementos fora
da diagonal principal são zero.
 ECONOMETRIA

• Para testar a validade de cada um dos parâmetros, temos que encontrar a variância de
cada um deles. A variância do vetor de parâmetros  será dada por:


 
var   var X T X   1
 X TY 
• O raciocínio é o mesmo p/a variância de um escalar. O termo X X 
T 1
XT é uma
constante considerando que X é uma constante. Se fosse um escalar, extrairíamos da
variância elevando ao quadrado. Como é uma matriz, usamos a forma quadrática. Além
disso, sabemos que a variância de Y é  ²I :

 
var    2 X T X   1
X X  X XT
 T
 1

• Nota:Para o conceito de Matriz inversa, é possível resolver a equação matricial: AX = Y. Basta, pré-multiplicar os dois
lados da equação pela inversa de A:
• A-1AX = A-1Y  X = A-1Y.
• Vale a seguinte propriedade: A transposta da inversa = inversa da transposta.
• (MT)-1 = (M-1)T
 ECONOMETRIA

• 
T
Como X X  1
 X T X é igual à identidade (matriz multiplicada por sua inversa),
temos:
•  


var    2 X T X  1

• Cujo estimador será dado por:

S 2  S 2  X T X 
1

• Em nosso exemplo:
S  19.271,56 X X 
2 T 1



• Os valores da diagonal principal são as variâncias dos parâmetros, enquanto os

demais valores representam as covariâncias:
 24.104,99  1.747,65  19.990,34
S 2    1.747,65 202,34 570,85 
 19.990,34 570,85 32.240,76 
 ECONOMETRIA

• Desse modo, as variâncias ( e os desvios-padrão) de cada parâmetro são:

S 21  24.104,99  S 1  155,26
S 22  202,34  S 2  14,22
S 23  32.240,76  S 3  179,56

• Podemos,então calcular as estatísticas t para cada parâmetro:


1  789,33  5,08
S 1 155,26

2  149,56  10,51
S 2 14,22

3  419,56  2,33
S 3 179,56
 ECONOMETRIA

• Os valores tabelados p/distribuição t com 9 G.L:

t 9,10%   1,83
t 9,5%   2,26
t 9,1%   3,25
 
• Como os valores calculados para o intercepto 1 e para  2 são superiores a

todos os valores, aqueles são significantes a 1%. O valor p/  3 é inferior ao
valor tabelado para 1% mas superior ao valor de 5%, dizemos, portanto, que
ele é significante a 5%
 ECONOMETRIA

• Ex 3. Finanças – Análise de Risco e Retorno

• Investidores normalmente não mantém ativos isolados; em vez disso, formam
carteiras por meio do agrupamento de ativos. O que ocorreria se
combinássemos dois ativos A e B com objetivo de diversificação?
• Para responder a essa pergunta, é necessário considerar que o risco de uma
carteira não é simplesmente a soma dos riscos (dp) individuais dos ativos; ele
depende também da proporção em que cada ativo participa da carteira e da
correlação entre os retornos desses ativos.

• Em outras palavras, para responder a essa pergunta é necessário levar em

conta a relação de dependência entre os ativos.
 ECONOMETRIA

• 3.1- Retorno observado e retorno esperado de uma carteira de ativos

• O retorno observado de uma carteira de N ativos é uma média ponderada dos
retornos observados  Ri  dos ativos individuais. O peso  X i  aplicado a cada
retorno corresponde à fração do valor da carteira aplicada naquele ativo:
N
Rc   X i Ri
i 1

• O retorno esperado da carteira é o valor esperado (expectância) da equação

anterior:
 N  N N
Rc   Rc     X i Ri    X i   Ri    X i  Ri
 i 1  i 1 i 1
• Para 2 ativos(N = 2):
N 2
Rc   X i  Ri  X 1  R1  X 2  R2
i 1
 ECONOMETRIA

• 3.2 Variância (risco) da carteira

• A variância de uma carteira de ativos é simplesmente a expectância dos
quadrados dos desvios dos retornos observados em torno do retorno esperado:

2 2
   
 c2   Rc  Rc     X i  Ri   X i  Ri     X i   Ri  Ri  
N N N
2

 i 1 i 1   i 1 
 ECONOMETRIA

• Para o caso particular de 2 ativos:

2
 N 2

 
    X i Ri  Ri  
2
c
 i 1 

 X 12  R1  R1   X 22  R2  R2   2 X 1 X 2  R1  R1  R2  R2 
2 2

 X  R1  R1   X  R2  R2   2 X 1 X 2  R1  R1  R2  R2 
2 2 2 2
1 2

 X 12 12  X 22 22  2 X 1 X 2 1, 2
• Onde:

• X1 = Fração investida no ativo 1

• X2 = Fração investida no ativo 2

•  12 = variância do ativo 1
•  22 = variância do ativo 2
•  1, 2 = covariância entre os ativos 1 e2
 ECONOMETRIA

• Generalizando para o caso de N ativos, temos:

N N N
   X    X i X j i , j
2
c i
2
i
2

i 1 i 1 j 1
j i

• Tomando o caso de 3 ativos:

N 3 N 3 N 3
 X 
2
c i
2
i
2
 X X  i j i, j
i 1 i 1 j 1
j i

X 12 12  X 22 22  X 32 32 2 X 1 X 2 1, 2  2 X 1 X 3 1,3  2 X 2 X 3 2,3

• O símbolo  indica que i deve ser diferente de j. Tem-se também que:

 1, 2   2,1 ;  1,3   3,1 ;  2,3   3, 2
 ECONOMETRIA

• 3.3 Covariância e coeficiente de correlação entre ativos

• Na expressão da variância da carteira integrada por dois ativos, apareceu o
termo que se refere à covariância entre os retornos do ativo 1 e 2. Essa
covariância é o valor esperado do produto de dois desvios:

• Os desvios dos retornos dos ativos 1 e 2 em relação a seus retornos esperados

(em relação a média).
• Enfim, a covariância mede como os retornos dos ativos variam em conjunto.
• Se eles apresentarem desvios positivos e negativos nos mesmos momentos, a
covariância será um número positivo.
• Se os desvios positivos e negativos ocorrerem em momentos diferentes, a
covariância será negativa.
• Se os desvios positivos e negativos não estiverem relacionados, a cov.  0.
 ECONOMETRIA

• A ordem não é importante no cálculo da covariância, portanto:  i , j   j ,i

• Dividindo a covariância pelo produto dos dp por dois ativos, obtém-se uma
medida estatística c/as mesmas propriedades da covariância, mas situada num
intervalo -1 a + 1, que é o coeficiente de correlação, que é definido por:
 i, j
i, j 
 i j

• O coeficiente de correlação é representado pela letra grega , e apenas

normaliza as relações entre covariância e os desvios padrão.
 ECONOMETRIA

• Correlação de retornos e ganhos por diversificação

• O risco (dp) de uma carteira não é uma médias dos riscos(dp) dos títulos que a
integram, pois a diversificação o reduz. Ela não é capaz, contudo, de eliminar
totalmente o risco, como veremos nesta seção. A seguir analisaremos como a
diversificação contribui para a diminuição do risco da carteira.
• Vimos que, para o caso de N ativos, a variância da carteira é dada por:

N N N
 c2   X i2 i2   X i X j  i , j i j
i 1 i 1 j 1
j i

Onde :  i , j   i , j i j
 ECONOMETRIA

• A fim de entender como devem ser escolhidos os ativos e como essa escolha
influência o risco da carteira, analisemos o caso particular de 2 ativos (N=2).
Nesse caso, a variância da carteira é:

 c2  X 12 12  X 22 22  2 X 1 X 2 1, 2 1 2

• Observe que a variância da carteira é função da correlação entre os retornos

dos ativos integrantes, medida pelo coeficiente de correlação  , que varia entre
-1 e +1. No caso de 1, 2  1 os ativos sobem ou descem juntos e, quando
1, 2  1 1, 2  0 significa
, um ativo cai quando o outro sobe. O caso de
independência entre os ativos.
 ECONOMETRIA

• Pode-se diminuir essa variância combinando os ativos de modo correto.

Dependerá basicamente da correlação entre os ativos que compões a carteira.
Por exemplo, uma correlação negativa perfeita ( 1, 2  1 ) implicará a maior
diminuição de variância possível, já que o último termo na expressão da carteira
será um valor negativo ( 2 X 1 X 2 1, 2 1). 2  0

• Para 1, 2  0 o termo é nulo e, para 1, 2  1 o termo é positivo. Logo a maior
diminuição de risco será conseguida quando a correlação entre os ativos for
igual a -1.

• No mercado de ações é muito difícil encontrar correlações perfeitamente

positivas, negativas ou nulas. Quase sempre elas são positivas ou ligeiramente
negativas. Assim, podemos concluir desta análise que o grau em que o risco de
uma carteira formada por dois ativos pode ser reduzido depende da correlação
entre os retornos dos ativos. Quanto mais negativa for essa correlação, maior
será a diminuição da variância da carteira.
 ECONOMETRIA

• 3.4 Diversificação de carteiras: risco diversificável e risco de mercado.

• Tal como visto, a variância de uma carteira c/2 ativos é:

 c2  X 12 12  X 22 22  2 X 1 X 2 1, 2
• Podemos expressar matricialmente essa variância da seguinte maneira:

 1,1  1, 2   X 1 
  X   X   2 X 1 X 2 1, 2   X 1
2 2 2 2 2
X 2   
c 1 1 2 2

 2,1  2, 2   X 2 

  12  1, 2   X 1 
  X1 X 2  2  

 2,1  2 
X
 2 
Onde :  1,1   12 ;  2, 2   22
 ECONOMETRIA

• Para o caso geral de N ativos:

N N N
   X    X i X j i , j
2
c i
2
i
2

i 1 i 1 j 1
j i
• Matricialmente:

  12  1, 2  1,3   1, N 
  X1 

 2,1  2
2  2,3   2, N   
X2 
 c2   X 1 , X 2 ,..., X N    3,1  3, 2  32   3, N  
   
       
 2  N 
X
 N ,1  N , 2  N ,3  N 

  Matriz de variâncias - covariâncias

 i2  variância do ativo i
 i , j  covariância entre i e j
 ECONOMETRIA

• A matriz de variâncias – covariâncias é uma matriz quadrada composta ao todo

por N² elementos. Como sua diagonal está formada pelas variâncias dos ativos
(N variâncias), o n° de covariâncias será igual ao n° total de elementos menos
de variâncias, isto é, N² - N elementos.
• Caso montantes iguais sejam aplicados em cada ativo, em uma carteira de N
ativos a proporção aplicada em cada um deles será igual a 1/N. Aplicando
essas proporções à equação da variância da carteira, obtemos:
N N N
   X    X i X j i , j
2
c i
2
i
2

i 1 i 1 j 1
j i

N
 1  1  2 N N  1  1 
     i      i , j
i 1  N  N  i 1 j 1  N  N 
j i
 ECONOMETRIA

• Podemos remanejá-la da seguinte forma:

1N 1 2 N N
1  1  1 
   i     N  1    i , j
 N  i 1 N i 1 j 1  N   N  N  1 
 1  N
 2
 N  1  N N
 1  1 
 c    i  
2
     i , j
 N  i 1 N  N  i 1 j 1  N  N  1 
j i

• Colocando essa expressão em um formato mais apropriado, temos:

 
1 N
 2
 N  1  N N
  i, j 
 c    i  
2
   
 N  i 1 N  N  i 1 j 1  N  N  1 
j i
 ECONOMETRIA

• A soma de todas as variâncias da matriz (soma dos elementos da diagonal da

matriz) dividida pelo n° de variâncias (dividida por N) é igual à variância média
N
 2
 i2   i
da carteira:

i 1 N

• Igualmente, a soma de todas as covariâncias da matriz dividida pelo número de

covariâncias – dividida por N(N -1) – é igual à covariância média da carteira:
N N  i, j
  
2

i 1 j 1 N  N  1
i

• Logo, temos que a variância da carteira pode ser expressa da seguinte

maneira: 1  N 1 
 c2    i2    i , j
N  N 
1  N 1 
    var.média   cov.média
N  N 
 ECONOMETRIA

• Onde  i2 e  i, j são, respectivamente, a variância e a covariância média da

carteira.
• O primeiro termo dessa expressão refere-se ao risco diversificável, que pode
ser eliminado no processo de diversificação, enquanto o segundo se refere ao
risco de mercado, que não pode ser diminuído pelo aumento progressivo do n°
de títulos na carteira.

• Se a quantidade de ativos da carteira é alta  N    , a variância dela aproxima-

se (assintóticamente) da covariância, pois no limite 1 N   0 e   N  1 / N   1 :
•
 1   N 1  
  LimN      i  
2
c
2
   i , j   covariância média
 N   N  
 ECONOMETRIA

• A contribuição da variância dos ativos individuais à variância da carteira tende a

zero quando N é bastante elevado (ou seja, quando N tende ao infinito).
• Entretanto, quando N é elevado, a contribuição das covariâncias converge
p/covariância média. Isso mostra que o risco individual dos títulos pode ser
eliminado por meio da diversificação, mas a contribuição ao risco total causada
pelas covariâncias não pode ser eliminada da mesma maneira.

• Se mantivermos um n° grande o suficiente de ativos com retornos

independentes, a variância da carteira tenderá a zero.
• Na prática, ocorre que os preços das ações movem-se juntos, e não de forma
independente, isto é, têm covariâncias positivas que limitam os benefícios da
diversificação e impossibilitam a eliminação total do risco da carteira.
 ECONOMETRIA

• A figura a seguir ilustra o princípio da diversificação:

Risco

 i2
Risco diversificável

 i, j Risco de mercado
n de ativos da carteira
1 5 10 15 20
 ECONOMETRIA

• Observa-se na figura que a redução do risco por meio da diversificação é

significativa para as primeiras adições de ativos, reduzindo-se em seguida até
que a adição de novos ativos praticamente não consegue mais reduzir o risco.
• Esse risco residual é chamado de risco de mercado. Podemos reduzir algum
risco no processo – o chamado risco diversificável ou risco único – porque os
riscos operacionais de uma empresa são específicos dela ou do setor em que
atua.

• O risco de uma carteira de mercado bem diversificada depende apenas do risco

de mercado dos ativos nela incluídos. Esse é um dos princípios fundamentais
de finanças, o princípio de diversificação, que mostra como eliminar o risco não
correlacionado aos movimentos gerais do mercado.
• Esse risco diversificável ou único é um risco específico aos ativos e tem
correlação zero com os movimentos do mercado.