UNIVERSIDA DE ESTADUAL PAULISTA INSTITUTO DE GEOCINCIAS E CINCIAS EXATAS PROGRAMA DE PS GRADUAO EM FSICA CAMPUS DE RIO CLARO

DISTRIBUIO ESTATSTICA DE UM INDEXO ECONMICO EM MERCADO EMERGENTE BOLSA DE VALORES DE SO PAULO (IBOVESPA)

Patrcia Soyuri Yamaguchi Orientador: Hari Mohan Gupta

Dissertao apresentada ao Programa de Ps Graduao em Fsica como requisito para a obteno do ttulo de Mestre na rea de concentrao em Fsica Aplicada.

Rio Claro S.P. Brasil 2005

312 Y19d

Yamaguchi, Patrcia Soyuri Distribuio estatstica de um indexo econmico mercado emergente Bolsa de valores de So Paulo (Ibovespa) / Patrcia Soyuri Yamaguchi. Rio Claro : [s.n.], 2005 73 f. : il., grfs. Dissertao (mestrado) Universidade Estadual Paulista, Instituto de Geocincias e Cincias Exatas Orientador: Hari Moham Gupta 1. Estatstica aplicada. 2. Mercado de aes Brasil. I. Ttulo.

Ficha Catalogrfica elaborada pela STATI Biblioteca da UNESP Campus de Rio Claro/SP

PATRICIA SOYURI YAMAGUCHI 26 anos - brasileira / casada Fone: (19) 3405-5345 ou 9153-7557 Rua Ibirapuera, 1459 - Jardim Ipiranga Americana/SP - CEP: 13468-490 patricia.yamaguchi@bol.com.br

Formao Acadmica: Curso de Primeiro Grau: E.E.P.G Monsenhor Magi, concludo no ano de 1992 Curso de Segundo Grau: Colgio Dom Pedro II, com habilitao em tcnico em contabilidade e concludo no ano de 1995 Curso Superior: UNESP Rio Claro, no curso de matemtica- licenciatura e concludo no ano de 2001 Mestrado: incio no ano de 2003 e trmino no ms de maio em 2005 na UNESP-Rio Claro, em fsica aplicada.

Experincia Profissional: 25/11/98 17/12/98 e 14/09/99 30/11/99, Escola Joo Batista Leme situado em Rio Claro 04/01/99 30/11/99, Escola Heitor Penteado, situado em Americana 17/03/00 30/02/02, Escola Neuza Nazatto, situado em Santa Brbara D Oeste Nestas escolas sempre trabalhei como eventual e participei do projeto de Recuperao de Frias 07/02/2002, Escola Romana e Escola Odair, situado em Santa Brbara D Oeste 07/02/2003, Escola Romana, Escola Odair e Escola Brocatto, situado em Santa Brbara DOeste 07/02/2004, Escola Odair, Escola Brocatto, Escola Ulisses situadas em Santa Brbara D Oeste e Escola Olympia situada em Americana.

Cursos 05/11/98 07/11/98, XX Semana da Matemtica, na UNESP em Rio Claro no depto de matemtica 28/08/00 30/08/00, Sim- Simpsio de Matemtica para Graduao, na USP em So Carlos no instituto de cincias matemtica e de computao

ii UNIVERSIDADE ESTADUAL PAULISTA INSTITUTO DE GEOCINCIAS E CINCIAS EXATAS PROGRAMA DE PS GRADUAO EM FSICA CAMPUS DE RIO CLARO

DISTRIBUIO ESTATSTICA DE UM INDEXO ECONMICO EM MERCADO EMERGENTE BOLSA DE VALORES DE SO PAULO (IBOVESPA)

Patrcia Soyuri Yamaguchi Orientador: Hari Mohan Gupta

_________________________________ Prof. Dr. Hari Mohan Gupta Orientador IGCE/RC ____________________________ Prof. Dr. Gerson Antnio Santarine IGCE/RC _____________________ Prof. Dr. Osvaldo Missiato AFA Academia da Fora Area Pirassununga/SP

Rio Claro S.P. Brasil 2005

iii

Conhecimento e Imaginao so os maiores de todos os poderes. (SILVIA HELENA CARDOSO)

Dedico este trabalho a Deus, a meu pai, ao meu esposo, nos momentos em que estive ausente para realizao deste trabalho.

iv

Agradecimentos

Ao Prof. Dr. Hari Mohan Gupta, mestre e orientador, pela oportunidade de ter sido sua aluna, pela direo e ateno com que sempre dispensou minha pessoa. Aos Profs. Drs. Campanha e Dimas, pela sensatez, pacincia e longanimidade com que sempre me atenderam. Aos Profs. Drs. Gerson Antonio Santarine e Osvaldo Missiato pelas sugestes para o aprimoramento deste trabalho. Ao Instituto de Geocincias e Coordenao do Departamento de Ps Graduao em Fsica da UNESP de Rio Claro, pelo apoio e suporte. A BOVESPA pela forma gentil com que nos atendeu por e-mail fornecendo os dados para a realizao deste trabalho. Aos meus amigos Juliana, Eliana, Fabiano e Mariana, que me auxiliaram neste trabalho. A todo o pessoal do Departamento de Fsica, pela gentileza com que sempre me trataram, em especial a Rosana pela pacincia e por ter me ajudado neste trabalho. Ao cursinho comunitrio de Americana, e escolas de Americana e Santa Brbara D Oeste do estado de So Paulo, pela experincia e suporte financeiro. A todos os meus amigos e parentes que no citarei pois no caber nesta folha. Ao carinho e apoio de meu pai e meu esposo pelo incentivo, pacincia e ajuda financeira.

Obrigada a todos.

verdade, ns sabemos que somos algo mais do apenas neurnios disparando; ou, pelo menos, isso que pensamos ser, enquanto os neurnios esto disparando." (Patricia Churchland)

vi

SUMRIO

Sumrio ndice Resumo Abstract Lista de Figuras Captulo 1 Introduo Captulo 2 Sistemas Complexos Captulo 3 Distribuies Estatsticas Captulo 4 Histria do Mercado Financeiro e Mercado de Aes

vi vii ix x xi 12 17 26 38

Captulo 5 Distribuies Estatsticas nos ndices da Economia no Mercado Emergente 57 Referncias Bibliogrficas 69

vii

ndice

Captulo 1 Introduo 1.1 Fsica e Finanas 1.2 O Trabalho 1.3 Importncia do Trabalho Captulo 2 Sistemas Complexos 2.1 Introduo 2.2 Caractersticas dos Sistemas Complexos 2.2.1 Distribuio da Lei de Potncia 2.2.2 Geometria Fractal 2.2.3 Rudo um sobre f (1/f) 2.2.4 Lei de Zipf Captulo 3 Distribuies Estatsticas 3.1 Distribuio Normal 3.2 Distribuio Exponencial 3.3 Distribuio da Lei de Potncia 3.4 Distribuio Log Normal 3.4.1 Exemplos de Distribuio Log Normal 3.5 Distribuio da Lei de Potncia Gradualmente Truncada Captulo 4 Histria do Mercado Financeiro e Mercado de Aes 4.1 Sistema Financeiro como um Sistema Complexo 4.2 Introduo ao Mercado Financeiro 4.3 ndice da Bolsa de Valores de So Paulo (IBOVESPA) 4.4 Mercado Acionrio e Retornos de Preos 4.5 Modelos para Mercado Acionrio 4.6 Hiptese do Mercado Eficiente (HME)

12 12 12 15 16 17 17 17 21 22 22 23 24 26 26 26 29 31 32 34 35 38 38 38 39 43 48 50 53

viii

Captulo 5

57

Distribuies Estatsticas nos ndices da Economia no Mercado Emergente57 5.1 Introduo 57 5.2 - Distribuies Estatsticas Dirias na Variao do ndices no Fechamento da Bolsa de Valores 59 5.3 Discusso 67 5.4 Concluso 68 Referncias Bibliogrficas 69

ix

RESUMO

Apesar de ser um problema de grande interesse financeiro, a distribuio e o mecanismo da variao de preos da bolsa de valores no est bem compreendido. Os Profissionais da rea geralmente usam distribuio normal sempre trocando parmetros durante a distribuio apesar de muitas outras distribuies como lei de potncia que foi observado em muitos outros casos. No presente trabalho, estudamos distribuio de variao diria percentual de preos do Ibovespa ( ndice da bolsa de valores de So Paulo, Brasil), no perodo de 1968 2002 com 8.562 dados e observamos que a distribuio bem dada pela distribuio exponencial com um s parmetro. Acreditamos que este trabalho pode ser atribudo ao resultado do efeito psicolgico e econmico juntos. Para pequenos intervalos de tempo ( 10 minutos) fatores emocionais so mais importantes dando distribuio Lei de Potncia. J para longo intervalo de tempo ( 1 semana) da distribuio normal por causa de fatores econmicos.

ABSTRACT:

Inspite of a problem of great financial interest, the distribution and mechanism of the variation of stock market price is not clear. Normally professional of the area use normal distribution varying parameters during the distribution, inspite of other distributions like power law is observed in many cases. In the present work, we study statistical distribution of daily percentage variation of So Paulo stock market (Ibovespa) for the period of 1968 to 2002 with 8.562 datas. We observed that distribution is well given through exponential distribution with only one parameter. We consider that this distribution is due to combined psicological (for in minutes time scale) and economical (for time scales in weeks) effects.

xi

Lista de Figuras:

Figura 1: GrficodaDistribuioNormal Figura 2: GrficodaDistribuioExponencial Figura 3: GrficodaLeidePotncia Figura 4: GrficodaDistribuioLogNormal Figura 5: Grfico da Variao Percentual Diria pela Densidade de Frequncia Figura 6: Grfico do Log das Variaes Percentuais Dirias pelo Log da Densidade de Freqncia das Classes Positivas Figura 7 : Grfico dos Log das Variaes Percentuais Dirias pelo Log da Densidade de Freqncia das Classes Negativas Figura8 : Grfico das Variaes Percentuais Dirias pelo Log da Densidade de Frequncia Figura9 : Grfico da Distribuio Normal em Comparao com os Dados Empricos

29 30 32 34

60

61

62

63

64

Figura 10: Grfico da Distribuio Exponencial em Comparao com os Dados Empricos 65 Figura 11: Grfico das Variaes Percentuais pelo Log da Densidade de Freqncia para intervalos de tempo de observaes sucessivas De 1 minuto, 1dia e 1ms 66

12

CAPITULO 1

INTRODUO

1.1 Fsica e Finanas

O que poderia haver em comum entre a fsica e as oscilaes das bolsas de valores? Um exame mais atento, entretanto, mostra que trabalhar com dinheiro significa lidar com nmeros e quantidades que variam de maneira complexa. E no h desejo maior de um fsico do que tentar entender e modelar um sistema, utilizando ferramentas matemticas. Tais sistemas podem ser o conjunto de molculas em um gs, ou a dinmica das estrelas em uma galxia. Mas tambm pode ser a interao de vrios agentes financeiros vendendo e comprando aes no prego da bolsa de valores. E justamente essa qualidade to peculiar aos fsicos que tem atrado a ateno das empresas da rea financeira.

O fsico no se limita a repetir mtodos j existentes, mas desenvolver suas prprias ferramentas e inventar processos novos durante a resoluo de um determinado problema. O treinamento, a familiaridade com a matemtica e

13 a computao, a disciplina e a flexibilidade para resolver questes complexas que os fsicos tm, d um destaque significativo para fsicos em finanas.

No incio da dcada de 1990, alguns fsicos perceberam que o comportamento dos mercados seguia leis de potncia e conjecturaram que seria possvel model-los utilizando as mesmas ferramentas usadas na fsica de sistemas complexos.

Todos esses fatores, acrescidos da descoberta da presena de leis matemticas que pareciam influenciar os fenmenos financeiros, levaram, nos anos 90, ao surgimento de uma nova disciplina. Apelidada de econofisica , por analogia com a biofsica e a geofsica, essa nova rea prope que possvel entender os movimentos do mercado financeiros levando em conta apenas alguns fatores gerais que influenciam o comportamento dos indivduos que nele atuam.

Um dos aspectos excitantes e controversos da aplicao dessas idias est no estudo dos mecanismos que levam formao de bolhas especulativas e quedas violentas dos mercados. Esses fenmenos podem ser tratados em analogia com os chamados fenmenos crticos da fsica, nos quais os elementos de um sistema subitamente comeam a apresentar correlaes estreitas entre seu comportamento. Um exemplo desse fenmeno o que acontece com as molculas de gua quando a temperatura crtica de transio do estado lquido para o gasoso ultrapassada.

Assim como as molculas de gua em evaporao, os agentes financeiros, estimulados por determinadas condies econmicas externas, subitamente passariam a comportar-se de maneira cooperativa. Por exemplo, num ambiente de extremo otimismo, o aumento nos ganhos de determinada ao pode induzir vrios investidores a acumular cada vez mais fraes desses

14 papis, mesmo que os fundamentos econmicos no justifiquem tanta alta. Estaria ento formada uma bolha especulativa.

Inversamente, um fato novo qualquer pode trazer grande pessimismo ao mercado e subitamente disparar uma onda de venda de papis. Muitos investidores, vendo a queda brusca no valor de suas aes, so induzidos a vender o mais rpido possvel os papis que ainda possuem. Estaria estabelecido, ento, um crash. Ler os sinais de possveis solavancos do mercado pode ser uma das grandes contribuies da econofisica para os estressados administradores de risco financeiro. E, sobretudo, pode ser uma grande fonte de lucro, pois grandes retornos so conseguidos quando se compra em baixa para se vender na alta.

Em 1696, Isaac Newton, j consagrado pela proposio das leis do movimento e da gravitao universal, foi nomeado superintendente da Casa da Moeda Inglesa e participou decisivamente do bem-sucedido processo de reforma monetria daquele ano. Mas quando Newton se aventurou no mercado acionrio, perdeu uma fortuna no estouro da South Sea Buble, como ficou conhecida a primeira grande queda (crash) do mercado ingls, em 1720. Sobre o traumtico episdio, Newton observou: Consigo calcular o movimento dos corpos, mas no a insanidade das pessoas.

Quase 280 anos aps a morte de Newton, podese dizer que a fsica moderna, est propondo uma maneira de quantificar o grau de insanidade e ganncia das pessoas. Ainda no d para se prever sucesso nessa empreitada. Mas prestar um pouco mais de ateno no que os fsicos tm a dizer pode ser um negcio recompensador, como j descobriram muitas instituies financeiras. No s para obter lucro, mas principalmente para diminuir a possibilidade dos investidores acabarem como o genial fsico ingls, que viu suas economias serem pulverizadas pelos caprichos impiedosos do mercado. De qualquer maneira, se no d para fsicos ganharem dinheiro atravs do mercado financeiro, com certeza, este tipo de anlise vai ajudar

15 entender melhor o comportamento humano que envolve fatores emocionais, econmicos, polticos, etc, e facilitaria entender cincias sociais no mesmo rigor que entendemos hoje cincias fsicas, qumicas, biolgicas, engenharia e medicina.

Alm disso, do lado da fsica, daria para entender melhor sistemas complexos e leis holsticas universais da natureza que atuam nestes sistemas como a astronomia, a fsica, a biologia, a medicina, a geologia, a geografia e at em cincias sociais e econmicas.

1.2 O Trabalho:

Apesar de um problema de grande interesse financeiro, distribuio e mecanismo de variao de preo da bolsa de valores ainda no bem estabelecida. Profissionais da rea geralmente usam distribuio normal sempre trocando parmetros, o que d uma grande incerteza. Recentes trabalhos mostraram que a distribuio de variao de preo dado pela lei de potncia em vez de distribuio normal. Ento precisamos analisar mais sistemas para estabelecer mecanismos e distribuio de variao de preo.

O objetivo deste trabalho propor a anlise das distribuies estatsticas do ndice da Bolsa de Valores de So Paulo (Ibovespa) com 8562 observaes referentes ao dia do fechamento no perodo de 1968 at 2002 em busca de mecanismos que descreve esta variao, envolvendo os fatores econmicos, polticos e emocionais. A metodologia aplicada o estudo de sistemas complexos que so de natureza estatstica e, portanto, no predizem detalhes especficos.

Distribuies estatsticas so recursos matemticos muito utilizados em Fsica e receberam grande destaque nas reas da Fsica Estatstica e, mais notavelmente, na Mecnica Quntica. Os estudos de alguns sistemas complexos so realizados pela anlise das distribuies estatsticas de dados

16 sobre grandezas relevantes desses sistemas. Veremos com mais detalhes no captulo 2. O captulo 3 trata de algumas teorias das distribuies estatsticas que foram utilizadas nesta tese. O captulo 4 o assunto mencionado retrata como comeou o mercado financeiro, quando foi criada a Bolsa de Valores em So Paulo (Bovespa) e como o funcionamento envolvendo vrias definies. O captulo 5 trata das distribuies estatsticas nos ndices da economia no mercado emergente.

1.3 Importncia do Trabalho:

Este trabalho ajuda a entender o mecanismo geral nas oscilaes dos ndices da bolsa de valores particularmente do Brasil que envolvem fatores econmicos, polticos e emocionais de investidores nesta bolsa, o presente trabalho poderia ser de utilidade para: a. Profissionais na rea de finanas para tomarem decises mais acertadas na hora certa; b. Para compreender melhor o comportamento do psiquismo humano em tempos de crises e euforia, o que pode vir a ser importante para outras cincias sociais como sociologia,

psicologia, etc; c. Para os fsicos visando o entendimento de propriedades coletivas (holsticas) de sistemas naturais na elaborao das leis universais.

17

CAPITULO 2

SISTEMAS COMPLEXOS

2.1 Introduo Definimos Fsica, que provm da palavra grega pysiqu, que significa natureza, ou seja, o estudo das leis universais da natureza.

Para compreenso e elaborao de previses de comportamento de um sistema aplica-se o mtodo cientifico, em geral, de acordo com critrios de execuo, segundo quatro itens de ao: 1. Observao, descrio e classificao de um fenmeno natural ou grupo de fenmenos; 2. Deduo das regularidades e leis que permitam a explicao do fenmeno por meio de hipteses; 3. Uso dessas hipteses para fazer predies sobre a ocorrncia do fenmeno e de fenmenos correlacionados; 4. Comparao das predies com os resultados dos experimentos e observaes subseqentes, empreendidos por experimentadores e observadores independentes. (Einstein, 1976).

18 Caso a aplicao fenmeno, experimento dos ou itens anteriores se sobre um ao determinado das

observao

ajustem

resultado

hipteses apresentadas, tornam-se teoria ou leis da Natureza, caso contrrio, devem ser rejeitadas ou reavaliadas.

O sculo XIX e XX presenciou o apogeu do mtodo cientifico, associado ao enfoque reducionista, em que os sistemas devem ser observados sob um nvel crescente de resoluo na busca por seus constituintes elementares. Em decorrncia disto, a matria foi considerada como uma formao sucessiva de molculas, tomos, ncleos, e quarks, constituindo a base de tudo o que existe na Natureza.

Utilizando-se o enfoque reducionista encontramos as seguintes leis da natureza em fsica : a) Lei de movimento de Newton; b) Equaes de Maxwells para sistemas eltricos e magnticos; c) Equaes da Relatividade de Einstein para altas velocidades; d) Mecnica Quntica para descrio de movimento e energia de partculas como eltrons, etc.

Estas leis poderiam ser escritas por equaes em poucas pginas mas, a matemtica envolvida para resolver essas equaes da fsica extremamente difcil, principalmente envolvendo sistemas com dois ou mais objetos. Por exemplo, calcular o movimento de dois planetas em presena de outros planetas e do Sol, extremamente difcil.

A termodinmica por modelos e previses

sua

vez,

introduziu

novos que

conceitos se

de

utilizando

apenas

variveis

mostram

relevantes para uma descrio satisfatria do comportamento de um sistema, ou seja, a utilizao de variveis macroscpicas para descrever

19 satisfatoriamente o comportamento do sistema. Como no caso dos gases, atravs da utilizao das variveis macroscpicas de estado de equilbrio (presso, volume e temperatura), por meio da Lei dos gases perfeitos. Esta descrio permite a utilizao de um modelo simples e tratvel, no nvel microscpico, possibilitando tambm fazer previses do comportamento futuro, associadas ao comportamento do sistema como um todo, nvel macroscpico.

Somente

em

meados

do

sculo

XIX

com

introduo

da

mecnica estatstica por Maxwell, Boltzman e Gibbs houve alterao sobre o conceito laplaciano de predio, que se mostrava ineficaz em vrios casos, assim como no exemplo da previso do comportamento dos gases ou terremoto. Neste caso aplica-se o conceito de predio probabilstica, calculando-se apenas iniciais. a distribuio de probabilidade das variveis e no a soluo exata associada ao conjunto de condies

Para descrever um sistema atravs da mecnica estatstica se faz necessrio aceitar que todas as possveis combinaes associadas aos processos rpidos, ou seja, processos que so muito mais velozes do que a escala de tempo de nossas observaes, ocorrem de acordo com uma distribuio fixa de probabilidade. Assim, por meio de uma equao de movimento, calcula-se a distribuio de probabilidade associada a esta equao de movimento e suas propriedades. Conseguimos descrever na mecnica estatstica, o comportamento de cristais que possuem regularidade peridica ou os gases, onde todas as partculas so estatisticamente iguais. Estes exemplos citados acima se enquadram na

definio de sistemas simples, que poderia ser reduzidas seguintes critrios: a) leis bsicas usando equaes matemticas; b) poucas partculas ou corpos; c) poucas interaes;

20 d) e possuem um estado de equilbrio constante.

Mas nosso mundo no composto apenas por sistemas que podem ser definidos sob o enfoque reducionista como gs ou cristais para previso de comportamentos futuros. Os terremotos, por exemplo, so um caso em que teoricamente poderamos entender seu comportamento, desde que atribussemos condies iniciais a cada partcula elementar, medindo posies e velocidades associadas a trilhes e trilhes dessas partculas e depois computar individualmente a trajetria e estado de cada uma delas inserindo-as num sistema de equaes diferenciais de ordem extremamente elevada, num esforo impraticvel na busca por solues numricas.

Definimos sistemas complexos como terremotos, ciclones, furaces, meteorologia, bolsa de valores, etc, os quais as seguintes caractersticas: a) muitas partculas ou corpos; b) muitas e fortes interaes; c) um comportamento ao longo do tempo que no se mostra nem completamente ordenado e previsvel, nem completamente aleatrio e a evoluo espao temporal do sistema revela padres e estruturas coerentes, que se desenvolvem em vrias escalas, sem que apresentem um relacionamento elementar entre si; d) no possuem estado de equilbrio constante.

Todos sistemas complexos apesar de manifestarem comportamento complexo, apresentam leis universais de comportamento. A cincia tem canalizado seus esforos na convico da existncia dessas leis, que seriam aplicveis a todas as classes de sistemas, (Badii, 1997). O grande propsito seria o de identific-las.

21 Entender o comportamento produzirem o comportamento dos de sistemas complexos significa

compreender como suas diversas partes agem em conjunto de forma a todos. Em decorrncia surgem os fenmenos coletivos e as propriedades que no esto presentes nas partes quando analisadas separadamente. O estudo do comportamento dos sistemas complexos provocou o surgimento de novas linhas de pesquisas em reas da fsica, geografia, geologia, economia, biologia, etc. Cada uma trabalhando seus prprios objetos e conceitos com a No finalidade h de compreender melhor o que comportamento complexo. evidentemente, especialistas

tenham uma viso geral e profunda do comportamento de todos os fenmenos naturais que apresentam sistemas complexos, sendo um estudo fundamentalmente interdisciplinar, porm no podem ser definidas dentro de um domnio cientifico especfico, se faz necessrio ento, uma teoria geral ou alguns mecanismos que possibilitem explicar estas observaes em todas as reas. Tcnicas matemticas e estatsticas vm sendo desenvolvidas na Fsica com objetivo de utiliz-las em todos os sistemas complexos.

Comparar confrontao

aspectos

estatsticos qualquer

com

padres

gerais

uma seria

essencial

para

esforo

cientifico;

no

diferente para sistemas complexos onde a conjugao entre a abstrao e a natureza estatstica e probabilstica poderia parecer estranha para alguns cientistas, que pois esperam os obter uma caracterizao por meio exata de dos fenmenos reais. No entanto, a teoria da complexidade de natureza estatstica, estuda fenmenos reais, teorias probabilsticas, atravs da confrontao entre teoria e experimentos ou observaes, comparando as caractersticas estatsticas com padres gerais.

22 2.2 Caractersticas dos Sistemas Complexos

Atravs de observaes empricas estabelecidas em diversas reas, enumeramos algumas caractersticas de um sistema complexo (Poon, 1995, Bak, 1997, Macau, 2002):

2.2.1 Distribuio da Lei de Potncia

Alguns sistemas complexos, devido a uma natureza interativa, podem apresentar comportamentos catastrficos, onde uma parte do sistema pode afetar outra, em um efeito domin. Este mecanismo o da Realimentao Positiva, em que quando acontece um evento, h um outro elemento que ajuda a aumentar a magnitude deste evento.

Por exemplo, quando um

aluno apresenta alguma habilidade em

alguma rea de conhecimento, o meio a que ele pertence lhe d melhores condies para que desenvolva essa habilidade e seus pais ao perceber seu talento podem reforar as condies especficas para essa rea em detrimento das outras. Sua escola pode inclu-lo em projetos afins. Ele acaba se sobressaindo, cada vez mais, seu desenvolvimento pode sempre ser ampliado e seu progresso ilimitado.

Este comportamento catastrfico poderia ser explicado pela Lei de Potncia. A teoria da Lei de Potncia foi desenvolvida considerando realimentao positiva (Pareto, 1896-1965), entropia no extensiva (Tsallis,1999) e auto criticabilidade (Bak,1997 ), mas ainda no tem uma viso definitiva. Discutiremos Lei de Potncia com mais detalhes numa prxima seo.

23

2.2.2 Geometria Fractal

O termo Fractal significa fragmentado, quebrado, irregular (latim: fractus). Utilizado pela primeira vez por Mandelbrot para definir estruturas que apresentam formas geomtricas caracterizadas por modelos bsicos que so repetidos mesmo em escalas muito pequenas e invariante ao todo, descreve sempre em geral objetos os de dimenses formados; em diferentes escalas, ou seja, cada fragmento estatisticamente semelhante fracionrias apresentam (Mandelbrot, 1983). As partes constituintes dos fractais relacionam-se entre si, modificando limites caractersticas como auto-similaridade, lacunaridade, complexidade infinita e mesma dimenso em qualquer escala.

Mandelbrot

mostrou

que

diversos

objetos

da

natureza

so,

geralmente, fractais, por exemplo, o tamanho do litoral que varia de acordo com a escala utilizada para medi-lo. Uma escala muito grande, de quilmetros, por exemplo, resulta numa medida de litoral bem menor do que em metros. As observaes de Mandelbrot so muito importantes para explicar aspectos da natureza. Precisamos de uma estrutura geral terica que explique a estrutura fractal da natureza. Nenhuma lei da Fsica at agora, define o surgimento dos fractais.

2.2.3 Rudo um-sobre-f (1/f)

Rudo do tipo 1/f uma das manifestaes da Lei de Potncia e tem sido observado em diversos sistemas tais como, o nvel de gua do rio Nilo (Hurst,1951), luzes de quasares e trfego em rodovias (Mandelbrot, 1999). Estes fenmenos apresentam detalhes em toda as escalas de tempo. J. Hurst passou parte de sua vida estudando o nvel de gua do rio Nilo, em vrias escalas de tempo, (de minutos at anos)

24 observou que esta srie temporal poderia ser vista graficamente como uma superposio de sinais de todas as variaes do nvel de gua do rio, ou seja, como uma superposio de sinais peridicos de todas as freqncias. O espectro da freqncia por meio da transformao de Fourier equivalente a uma superposio de sinais peridicos em todas as frequncias. Os sinais 1/f possuem tambm picos de todas as duraes. Podemos dizer que so fractais no tempo.

A potncia freqncias

da

componente

de

freqncia

maior

para

as

menores, sendo

inversamente proporcional a freqncia,

por isso que o chamamos comportamento 1/f, embora o correto seria tratlo como sinal e no como comportamento.

Sinais 1/f so diferentes de rudos brancos aleatrios, onde no existe correlao entre os valores que descrevem o sinal e, geralmente, incluem todas as freqncias em iguais quantidades.

Existem casos em que o espectro de freqncia no pode ser distribudo como sinal 1/f, mas como 1/f , onde 0 2, embora continue com a denominao 1/f.

2.2.4 Lei de Zipf

Em seu livro: O comportamento humano e a lei do menor esforo, o professor George Kingsley Zipf (Zipf, 1949) da Universidade Harvard, fez vrias observaes para algumas regularidades simples de sistemas na rea de cincias humanas. Utilizando dados como o nmero de habitantes de cidades em que traou um grfico log da classificao (em ordem decrescente, ranking) pelo log de nmero de habitantes (tamanho), obteve uma reta com inclinao muito prxima a 1.

25 Zipf observou tambm, com que frequncia determinada palavra era usada na obra Ulisses de James Joyce, e numa coleo de jornais americanos, utilizando o mesmo critrio aplicou log da colocao (ranking) pelo log do nmero de freqncia das palavras e obteve o mesmo grfico de regularidade: uma linha reta, com queda prxima da unidade 1, tal tipo de comportamento hoje conhecido como a Lei de Zipf (1949).

Procuramos demonstrar, no prximo captulo tcnicas e algumas distribuies complexos. estatsticas usadas para definir o estudo dos sistemas

26

CAPITULO 3
DISTRIBUIES ESTATSTICAS

As distribuies estatsticas so de grande interesse para a Fsica e outras disciplinas, pois tm servido como base para o estudo de sistemas compostos por grande nmero de unidades. Procuraremos sistemas complexos. demonstrar, neste capitulo, tcnicas e algumas

distribuies estatsticas, comumente usadas para definir o estudo dos

3.1

Distribuio Normal

A distribuio Normal foi considerada simplesmente como sendo uma aproximao da distribuio Binomial (Moivre, 1733). Redescoberta somente no sculo XIX por Laplace e Gauss (Laplace, 1781; Gauss, 1816) quando desenvolveram a teoria dos Erros de Observao utilizando a funo normal.

27 Durante muito tempo, por influencia dos trabalhos de Gauss e Laplace considerava-se como axioma que todas as distribuies estatsticas se aproximavam da distribuio normal e o desvio de qualquer varivel aleatria de sua media era olhado como um erro sujeito Lei dos Erros.

A distribuio Normal dada por:

P(x) =

( x- < x > ) 2 2 2

(3.1)

Onde

P(x)

representa

densidade

de

probabilidade

da

varivel

aleatria continua x. <x> representa a mdia aritmtica da distribuio; e representa desvio padro da distribuio.

A mdia e o desvio padro so dados respectivamente por:

<x>=

1 n ( xi ) n i =1

(3.2)

2 =

1 n

( xi - <x>)2
i =1

(3.3)

Ento a probabilidade de achar x dentre x1 e x2 :

x2

P ( x1<x<x2 ) =

x1

P(x) dx

(3.4)

28
Considerando a varivel:

U=

x < x >

(3.5)

P(U) ser:

P(U)=

1 2

-U 2 e 2

(3.6)

para calcular a probabilidade de U menor que um valor , definimos:

()= [0 U ] =

2 0

2 -U e 2 dx

(3.7)

() resulta na probabilidade da varivel U ser menor do que .

Geralmente,

as bibliografias

estatsticas

(Ayres, 2000; Magalhes,

2001) consideram apenas valores positivos de , pois P(x) = P(-x).

A configurao grfica da distribuio normal uma curva em forma de sino simtrica em torno da mdia. A figura mostra a distribuio normal de mdia zero e desvio padro 1.

29

0.4

0.3

P(x)

0.2

0.1

0.0

-3

-2

-1

figura 1: curva normal de mdia zero e desvio padro um (P(x) versus (x)).

3.2

Distribuio Exponencial

Uma varivel aleatria continua X, assumindo valores no negativos, tem distribuio exponencial com parmetro >0 se a sua funo densidade de probabilidade P(x) dada por:

e x se x 0 P(x)= 0 se x < 0

(3.8)

O grfico P(x) vs x dado pela figura2 para =1:

30

1.0

0.8

0.6

P(x)

0.4

0.2

0.0

figura 2: distribuio exponencial para =1(P(x) versus (x)).

Para calcular a probabilidade de x menor do que um valor , definimos

(0<x<)= exdx=(-ex)
0

=1-e 0

(3.9)

O valor mdio de x e desvio padro dado por:

<x> = xex dx=(-xex0

1 x 1 1 e ) = (0-0) - 0 = 0

(3.10)

De modo anlogo, chegamos a: =

(3.11)

31
3.3 Distribuio da Lei de Potncia

Algumas distribuies so assimtricas, ao contrrio da distribuio normal. Nesta distribuio, a probabilidade p(x) a partir de um valor mximo, cai bem mais devagar do que se espera na distribuio normal, para valores cada vez maiores de x. Algumas destas distribuies podem ser explicadas pela Lei de Potncia ou distribuio Log-Normal.

Se investigarmos uma distribuio de renda total dos indivduos em um grande pas, encontraremos um significante nmero de pessoas com rendimentos dez vezes maiores do que a mdia dessa distribuio e ainda algumas poucas pessoas com rendimentos cem vezes maiores que a mdia. Tais distribuies possuem caudas longas quando representadas graficamente e foram primeiramente estudadas por Pareto, que coletou dados estatsticos de rendimentos e riqueza individual em muitos pases e em diversas pocas da histria.

Para sistemas complexos naturais, Pareto em seus denominada Lei de Potncia dada por:

estudos da

distribuio de rendimentos pessoais (Pareto,1896), props a distribuio

P(x)=c.

1 x
1+

(3.12)

Onde c constante e (1+) o ndice da potncia.

Aplicando log em ambos os lados temos:

Log P(x) = A - (1+) log x

(3.13)

32
Onde A = logc uma constante. Ento um grfico dentre log P(x) vs log x seria uma linha reta com inclinao {-(1+)}. A valor de log P(x) para x=1. A figura 3 mostra uma distribuio de Lei de Potncia com (1+) = 2,5 e c = 105.

Log P(x)

0 0.0

0.5

1.0

1.5

2.0

Log x

figura 3: distribuio da lei de potncia com (1+)=2.5 e c=105 (log P(x) versus log x).

3.4

Distribuio Log Normal

Uma distribuio que

freqentemente associada distribuio

com caudas longas a distribuio Log normal. Ela definida por:

(ln x - <ln x >) 2

P(x) =

1 x 2

2 2

(3.14)

onde <ln x> o valor mdio de ln x, desvio padro de ln x .

33
Shockley (Shockley, 1957) props o seguinte mecanismo para

explicar caudas longas. Isso existe em uma distribuio de progresso que exija um bom resultado para diversos empreendimentos, onde o fracasso de um provocaria o fracasso do projeto. Ele usou a publicao de documentos tcnicos como exemplo. Considerou importante algumas habilidades abaixo mencionadas.

1.Habilidade de levantar um bom tema; 2.Habilidade para trabalhar nele; 3.Habilidade para reconhecer solues que valham a pena; 4.Habilidade de tomar decises de quando parar ou levantar resultados; 5.Habilidade de redigir adequadamente; 6.Habilidade de aproveitar-se construtivamente das crticas; 7.Determinao para apresentar o trabalho em jornais; 8.Disposio para agentar julgamentos de oposio.

Ento, ele relata que a probabilidade de um pesquisador produzir um trabalho de sucesso em tempo determinado seria o produto de um conjunto de probabilidades que provocaria o sucesso do empreendimento, ou seja, possuindo cada uma das habilidades dos itens anterior o sucesso seria evidente.

p=p1.p2.p3.p4.p5.p6.p7.p8

(3.15)

aspecto

log - normal

torna se aparente ao considerarmos

logartmos acima. Logo: Logp=logp1+logp2+....logp8 (3.16)

34
Desde que log p seja a soma de um conjunto de variveis, cada qual com sua prpria distribuio de funo, o teorema do limite central aplicvel de modo que a distribuio da funo ln p poderia ser Gaussiana.

A figura mostra a configurao da funo log normal com <ln x > = 0 e =1

0.7 0.6 0.5 0.4

p(x)

0.3 0.2 0.1 0.0

10

figura 4: distribuio log-normal com <ln x > = 0 e =1(P(x) versus (x)).

3.4.1 Exemplos de distribuio Log-Normal

Geologia e minerao: Na crosta terrestre, a concentrao de elementos e seus agentes radioativos geralmente seguem a distribuio log - normal (Razumovsky,1940).

Medicina Humana: Uma variedade de exemplos da medicina ajusta-se a distribuio log-normal. Perodos latentes de doenas infecciosas tm sido

35
freqentemente demonstrados como log-normal (Sartwell, 1950; Sartwell, 1952; Sartwell, 1966; Kondo, 1977); aproximadamente 70% de 86 exemplos publicados por Kondo( Kondo, 1977) aparentam ser log-normais. Sartwell documenta 37 casos que se ajustaram distribuio lognormal.

Meio Ambiente: A distribuio de partculas qumicas e orgnicas no meio ambiente so freqentemente lognormal (Biondini, 1976)

Ecologia: Na espcie animal ( pssaros, peixes, insetos e vegetal) , a maioria de suas comunidades seguem a distribuio lognormal (truncada). Esta distribuio foi discutida por Magurran (Magurran, 1988)

Cincias Sociais e Econmicas: Exemplos

de

distribuio

log

normal em Cincias Sociais incluem: idade de casamento, tamanho de fazendas e rendimentos, em Economia, tamanho de empresas (Aitchison, Brown, 1957; Gibrat, 1931).

3.5

Distribuio Da Lei de Potncia Gradualmente Truncada

A distribuio de Lei de Potncia possui desvio padro infinito, embora os sistemas fsicos reais apresentem desvio padro finito. Ao aplicarmos ento, a distribuio de Lvy, Pareto ou ainda em alguns casos de Log-normal, precisamos truncar distribuies aps um determinado valor, a fim de evitar um desvio padro infinito.

Pareto explicou a distribuio de Lei de Potncia baseando-se na realimentao positiva. De uma forma simples, um exemplo da economia seria de que o dinheiro faz dinheiro, ou seja, pessoas com grande rendimento pessoal conseguem em suas aplicaes financeiras melhores taxas de retorno, conseguindo dessa forma multiplicar os seus

36
rendimentos. Gupta e Campanha (Gupta, Campanha, 1999) consideram que a validade da Lei de Potncia tem um limite devido capacidade fsica do sistema, portanto a realimentao positiva tambm deveria cessar aps algum valor da varivel. Como em sistemas complexos temos vrias interaes e grande nmero de componentes interagindo de maneiras diferentes, esperamos que o truncamento desta probabilidade seja gradual aps certo ponto crtico. A distribuio proposta por eles denominada Distribuio de Lei de Potncia Gradualmente Truncada e dada por:

Pgt=P(x)f(x)

(3.17)

onde P(x) a distribuio da Lei de Potncia e, f(x) dada por:

1 f(x)= exp x x c k

se x x c

se x x c

(3.18)

xc o ponto crtico onde a suposta distribuio , i., a distribuio lognormal ou a distribuio da lei de potncia comea a deslocar da curva dos dados empricos. ndice da lei de potncia e k uma constante de truncamento gradual. Para valores de k menores, o truncamento ser mais rpido. Este parmetro foi ajustado para melhor adequao curva emprica.

Esta distribuio

tem desvio padro finito e tambm varincia

finita. No limite obtm-se uma Distribuio Normal como exigido pelo Teorema do limite Central (Gupta, Campanha, 2000). Esta distribuio tambm obedece a Lei de Potncia em sua parte central e decaimento

37
exponencial nos valores extremos de x. Podemos consider-la equivalente distribuio de Tsallis (Tsallis, 2000), obtidas pela termodinmica para sistemas complexos. A Distribuio Gradualmente Truncada torna mais simples a extrao de informaes teis que descrevem o sistema real (Gupta e Campanha, 2002).

Esta distribuio foi aplicada para distribuio da bolsa de valores de Nova York (S&P 500) (Gupta e Campanha, 2000), notas de Vestibular da Unesp (Gupta, Campanha e Chavarette, 2003) e dos faturamento de firmas E.U.A (Gupta e Campanha 2001). Em todos os casos houve

concordncia entre o modelo terico e os dados empricos.

38

CAPITULO 4

HISTRIA DO MERCADO FINANCEIRO E MERCADO DE AES 4.1 Sistema Financeiro como um Sistema Complexo

A economia tambm no pode ser dissociada e estudada em partes. Neste sistema no existe a possibilidade de estudar o efeito de um nico parmetro em laboratrio, como fazemos na fsica, pois temos fatores como poltica, psicologia, o desenvolvimento tecnolgico e outros que sempre esto interagindo sem a possibilidade de separao.

Portanto, a economia possui um

sistema

muito

complicado

sendo

geralmente estudado de forma qualitativa ou semi-quantitativa. Somente aps o desenvolvimento da Fsica de Sistemas Complexos, os sistemas financeiros passaram a ser estudados de forma semelhante a usada em sistemas fsicos.

39 H alguns anos, estudiosos da Fsica Estatsticas, iniciaram pesquisas na rea econmica e financeira (Stanley, 1999; Mandelbrot ,1963; Stanley et. al, 1995) sendo que dois tpicos causaram grande interesse entre eles: o comportamento estatstico sobre a evoluo dos preos de mercado e a distribuio do crescimento e dinmica de desenvolvimento de empresas.

Mandelbrot (Mandelbrot,1963) demonstrou que logaritmos de preos de mercado poderiam ser dados pela distribuio de Lei de Potncia. Recentemente Gupta e Campanha (Gupta, Campanha, 2002) mostraram que os preos de mercado possuem propriedades fractais e que sua distribuio dada pela Lei de Potncia Gradualmente Truncada tanto para curtos perodos de tempo em observaes sucessivas, isto , de um minuto, tanto para longo perodo de tempo, ou seja, uma semana.

4.2

Introduo ao Mercado Financeiro

A boa sade do sistema monetrio de uma nao est diretamente relacionada com o bem estar de sua populao e do pas como um todo. Se o nico ativo financeiro de uma sociedade for o papel moeda, ento esta sociedade apresenta um sistema financeiro bastante primitivo. Nas economias desenvolvidas, existem complexos sistemas financeiros no qual a moeda somente um dos ativos financeiros (o bem pode ser um animal, ouro, ttulos de dvida, aes, derivados de um outro ativo principal, etc). As instituies financeiras so instituies atravs das quais a moeda e os outros ativos financeiros fluem. Elas so especializadas em poupana e investimento e estabelecem o contato entre emprestadores e tomadores de recursos, provendo diferentes ativos financeiros para tal.

Uma ao representa a menor parcela do capital de uma sociedade por aes (cotas de participao), ou seja, so ttulos nominativos negociveis que representam, para quem as possui, uma frao do capital

40 social de uma empresa (ao um pedacinho de uma empresa, com um ou mais pedacinhos da empresa, se torna scio dessa empresa). As aes podem ser:

ordinrias, que concedem quelas pessoas que as possuem o poder

de voto nas assemblias deliberativas da companhia; ou preferenciais, que oferecem preferncia na distribuio de resultados

ou no reembolso do capital em caso de liquidao da companhia, no concedendo o direito de voto, ou restringindo-o.

As

aes,

ordinrias

ou

preferenciais,

so

sempre

nominativas,

originando-se do fato a notao ON ou PN depois do nome da empresa.

H uma diferena de preo das ordinrias com as preferenciais, que so os dividendos na qual correspondem parcela de lucro lquido distribuda aos acionistas, na proporo da quantidade de aes detida, ao fim de cada exerccio social. A companhia deve distribuir, no mnimo, 25% de seu lucro lquido ajustado. As aes preferenciais recebem 10% a mais de dividendos que as ordinrias caso o estatuto social da companhia no estabelea um dividendo mnimo.

Para se investir em aes deve-se procurar uma corretora de valores. As corretoras e outros intermedirios financeiros dispem de profissionais voltados analise de mercado, de setores e de companhias, e com eles poder se informar sobre o momento certo de comprar e vender determinadas aes para obter melhores resultados. Existe tambm um clube de investimento, que se trata de uma aplicao financeira criada por um grupo de pessoas que desejam investir seu dinheiro em aes.

41 Ele pode ser criado por empregados ou contratados de uma mesma entidade ou empresa ou, ainda, por um grupo de pessoas que tm objetivos em comum, como professores, metalrgicos, donas-de-casa, mdicos, aposentados, entre outros. Para criar o Clube de Investimento precisa de um administrador que pode ser de uma corretora.

O preo de uma ao formado pelos investidores do mercado que, dando ordens de compra ou venda de aes s corretoras das quais so clientes, estabelecem o fluxo de oferta e procura de cada papel fazendo com que se estabelea o preo justo da ao. A maior ou menor oferta ou procura por determinada ao, que influencia o processo de desvalorizao de uma ao, est relacionada ao comportamento histrico dos preos e principalmente s perspectivas futuras de desempenho da empresa emissora da ao. Tais perspectivas podem ser influenciadas por notcias sobre o mercado no qual a empresa atua, divulgao do balano da empresa (com dados favorveis ou desfavorveis), notcias sobre fuso de companhias, mudanas tecnolgicas e muitas outras que possam afetar o desempenho da empresa emissora da ao.

Para se determinar se uma ao est em alta ou em baixa, necessrio observar a sua oscilao, ou seja, a variao (positiva ou negativa) no preo da ao em um determinado perodo e tempo. Determinamos se uma ao est em alta ou em baixa verificando a relao entre o ltimo preo negociado da ao e o seu preo de fechamento no dia anterior. Assim, se o ltimo preo negociado para a ao for superior ao seu preo de fechamento do dia anterior, essa ao est em alta. Se o ltimo preo for inferior cotao de fechamento, a ao est em baixa.

As

bolsas

de

valores

so

os

mais

importantes

centros

das

negociaes das aes, devido ao expressivo volume e maior transparncia das operaes. Organizadas como associaes civis sem fins lucrativos e com funes de interesse pblico, as bolsas atuam como auxiliares da

42 Comisso de Valores Mobilirios CVM na fiscalizao do mercado (em especial de seus membros, as Sociedades Corretoras) e tm ampla autonomia na sua esfera de responsabilidade, portanto o local onde se compram e se vendem as aes das companhias.

Desde

os

anos

70,

uma

srie

de

mudanas

significativas

tem

ocorrido no mundo das finanas. Comeava a era do mercado financeiro globalizado, ligado 24 horas por dia ao redor de todo o Mundo. Desde este tempo, o mercado financeiro tem crescido de uma forma impressionante, movimentando uma quantidade imensa de dinheiro, ativos e mercadorias em um ambiente competitivo e globalizado

Uma segunda revoluo comeou nos anos 80 com a negociao eletrnica de ativos aos financeiros. de A armazenagem eletrnica de dados que os relacionados preos um determinado ativo financeiro

participantes do mercado desejam comprar ou vender permite que hoje uma grande quantidade destes dados esteja prontamente disponvel. Isto significa que o intervalo de tempo entre dois dados armazenados consecutivos pode ser de apenas alguns segundos.

A expanso do mercado financeiro tem vrias propriedades que o caracterizam como um sistema complexo. So sistemas abertos onde um grande nmero de operadores (traders ) interagem entre si e reagem s informaes externas para determinar o melhor preo de um dado ativo financeiro. Alm disso, as regras deste mercado so bem estveis e a evoluo no tempo do preo, volume e do nmero de transaes ativos dados. financeiros continuamente monitorada, sendo ento dos possvel

desenvolver modelos e testar sua validade usando esta grande base de

43 4.3 ndice da Bolsa de Valores de So Paulo (Ibovespa) Primeiramente para se definir o Ibovespa, vamos colocar algumas definies:

Carteira terica: investimento

um

grupo pelo

de

aes,

no ,

qual so

se as

far

terico representado

ndice.

Isto

aes

escolhidas para comporem o ndice.

ndice de aes: um indicador do desempenho de uma carteira terica de aes, e tm por finalidade servir como indicador mdio do comportamento do mercado acionrio como um todo, ou de um segmento econmico especfico do mercado. Assim, os ndices so desenhados de modo a mostrar se as aes do mercado, em mdia, valorizam-se ou se desvalorizam em um dado perodo de tempo e so calculados pelas Bolsas de Valores ou por instituies especializadas.

E os ndices de aes so utilizados por investidores e indivduos em geral que queiram informar-se sobre o comportamento do mercado acionrio, e tambm administradores de recursos, corretoras de valores, departamentos de pesquisa de instituies financeiras e empresas, consultores de investimentos e investidores institucionais.

A unidade de medida de um ndice de aes o ponto . Ele representa um valor absoluto, cuja funo a de servir de instrumento de comparao, permitindo a anlise de variao do valor de uma carteira de ativos ao longo do tempo. A rentabilidade representada pela variao dos pontos do ndice. Ou seja, divide-se o valor do ndice em uma determinada data pelo valor do ndice na data de referncia passada, subtrai-se 1 do resultado obtido nessa operao e multiplica-se o resultado por 100 para se obter a rentabilidade em termos percentuais da carteira.

44 Prego: realizadas as o recinto fsico o (viva-voz) prego ou eletrnico o onde recinto so de

negociaes, onde

viva-voz

negociaes onde os operadores (funcionrios das Corretoras) se renem e, de acordo com as ordens recebidas dos investidores, realizam negcios (isto sempre requer a intermediao de uma Corretora, que esta credenciada a executar, em prego, a ordem de compra ou venda de seu cliente, por meio de um de seus operadores) de compra ou venda de aes . Simultaneamente ao prego viva-voz, ocorre negociao de aes no sistema eletrnico (mega bolsa), via terminais.

Corretoras de Valores: so

instituies

financeiras

membros

das

bolsas de valores, credenciadas pelo Banco Central, pela Comisso de Valores Mobilirios (CVM) e pelas prprias bolsas, e esto habilitadas, entre outras atividades nos mercados financeiros e de capitais, a negociar valores mobilirios com exclusividade no prego fsico (viva voz) ou eletrnico das bolsas. Portanto a instituio que compra e vende aes.

O Ibovespa (ndice Bovespa) o mais importante indicador do desempenho mdio das cotaes do mercado de aes brasileiro. Sua relevncia advm do fato de o Ibovespa retratar o comportamento dos principais papis negociados na Bovespa (Bolsa de Valores de So Paulo) e tambm de sua tradio, pois o ndice manteve a integridade de sua srie histrica e no sofreu modificaes metodolgicas desde sua implementao, em 2 de janeiro de 1968. Ele formado a partir de uma aplicao imaginria, em Reais, em uma quantidade da carteira terica de aes. A participao de cada ao na carteira terica tem relao direta com a representatividade desse titulo no mercado vista em termos de nmero de negcios e volume financeiro - ajustada ao tamanho da amostra. Essa representatividade obtida pelo ndice de negociabilidade da ao, calculado pela seguinte frmula:

45
ni vi * N V

IN= Onde:

(4.1)

IN: ndice de negociabilidade ; ni: nmero de negcios com a ao ino mercado a vista; N: nmero total de negcios no mercado a vista da Bovespa; vi: volume financeiro gerado pelos negcios com a ao ino mercado a vista; V: volume financeiro total do mercado a vista Bovespa.

Para tanto, as aes que fazem parte do ndice representam mais de 80% do nmero de negcios e do volume financeiro negociados no mercado vista. Como as aes que fazem parte dessa carteira tm grande representatividade, podemos dizer que se a maioria delas estiver subindo, o mercado, medido pelo ndice Bovespa, est em alta, e se estiver caindo, est em baixa, ou seja, a bolsa fechou em alta quando o ndice de fechamento de determinado prego superior ao ndice de fechamento do prego anterior. Analogamente, a bolsa fechou em baixa quando o ndice de fechamento de determinado prego inferior ao ndice de fechamento do prego anterior e estvel quando o ndice de fechamento de determinado prego est no mesmo nvel do ndice de fechamento do prego anterior.

A Bovespa no fixa um limite de queda para os ndices que calcula e nem h limite de alta para um ndice, ou seja, os preos das aes podem subir ilimitadamente, porm o mais importante do que o nvel de alta do ndice a tendncia de alta dos preos sinalizada pelo mercado. No entanto, a Bolsa adota para o ndice Bovespa um mecanismo chamado de interruptor de circuitos (circuit breaker), que consiste na interrupo das negociaes quando o Ibovespa atinge um determinado percentual de queda. Esse parmetro foi determinado de acordo com a

46 volatilidade histrica do ndice. O mecanismo de circuit breaker tem o

objetivo de amenizar quedas do mercado em situaes que se mostram anormais e portanto, deve ser utilizado apenas nessas situaes atpicas pois seu uso freqente pode acabar elevando a volatilidade do mercado, gerando um efeito inverso ao pretendido.

O circuit breaker ativado tomando por base o valor de fechamento do Ibovespa do dia anterior, da seguinte maneira:

- interrupo de meia hora para uma queda de 10% no ndice; - interrupo adicional de uma hora se o ndice cair mais 5% aps a reabertura (completando uma queda de 15%).

Por fim, vale ressaltar que a Bovespa assegura um perodo de 30 minutos de negociao continua no final da sesso regular, de modo a possibilitar que compradores e vendedores ajustem suas posies.

Quanto a tendncia de movimento dos ndices de aes no pode ser prevista com preciso pois o movimento dos ndices depende de vrios fatores, tais como lucros e perspectivas das companhias integrantes da carteira, o que sempre depender do nvel de informao e das expectativas econmicas de quem faz a anlise. importante ressaltar que anlises de movimento passados do ndice devem ser cuidadosas, pois as conjunturas econmicas mudam com o tempo, refletindose de maneira singular no mercado de aes.

A apurao do ndice Bovespa o somatrio dos pesos (quantidade terica da ao multiplicada pelo ltimo preo da mesma) das aes integrantes de sua carteira terica. Assim sendo, pode ser apurado, a qualquer momento, por meio da seguinte frmula:

47
n

Ibovespat= Pi, t * Qi, t

i =1

(4.2)

Onde: Ibovespa t = ndice Bovespa no instante t; n = nmero total de aes componentes da carteira terica; Pi = ltimo preo da ao i no instante t; Qi = quantidade terica da ao i na carteira no instante t.

Para que uma empresa possa fazer parte da Bovespa, esta empresa tem que ser uma companhia aberta. Uma companhia considerada aberta quando promove a colocao de valores mobilirios em bolsas de valores ou no mercado de balco. So considerados valores mobilirios: aes, bnus de subscrio, debntures e notas promissrias para distribuio pblica.

As Telemar,

empresas

mais

negociadas

de

maior Brasil

peso

no

ndice

so:

Petrobrs, Eletrobrs,

Embratel,

Telecom

Participaes,

Bradesco, Globo Cabo e Vale do Rio Doce.

Alm do Ibovespa, o mercado paulista de aes conta com outros ndices, de menor visibilidade na mdia, mas importantes no trabalho dos analistas que o IBrX- ndice Brasil um ndice de preos que mede o retorno de uma carteira composta por 100 aes selecionadas entre as mais negociadas na Bovespa, em termos de nmero de negcios e volume financeiro. Mais recentemente foi criado o ndice IBrX-50, cuja carteira composta por 50 aes.

A Bovespa dispem de um sistema de negociao que permite que se envie ordens de compra e venda de aes atravs da internet que se

48 chama Home Broker. Para se ter este tipo de negociao necessrio que seja cliente de uma corretora da Bovespa que disponha do sistema Home Broker.

H tambm um ativo negociado no prego da Bovespa que um aumento de capital deliberado por uma Empresa, com o lanamento de novas aes para obteno de recursos. Os acionistas da empresa tm preferncia na compra dessas novas aes emitidas pela companhia, na proporo que lhe couber, pelo preo e no prazo preestabelecidos pela empresa. Essa preferncia detida pelos acionistas chamada de Direito de Subscrio, que no decorrer do prazo preestabelecido para o exerccio do Direito de Subscrio, o ativo deixa de existir depois de transcorrido.

4.4

Mercado Acionrio e Retornos de Preos

O preo de uma ao em bolsa fruto das condies de mercado (oferta e demanda) que refletem as condies da economia do pas e especficas da empresa ou de seu setor econmico.

Virtualmente qualquer aspecto de finanas e de economia financeira envolve e foca toda a sua teoria na definio de retornos, ao invs de preos. Por razes tericas e empricas, que veremos mais adiante,

retornos possuem propriedades estatsticas muito mais significativas do que os preos em si.

O retorno esperado, Rt+t , para um perodo de tempo entre t + t e t, definido como sendo:
P Pt Rt+t= t + t Pt Dt + t + Pt

(4.3)

49 na qual, Pt , o valor de mercado da ao no tempo t e Dt+t o primeiro termo como sendo o dividendo proporcional futuro. o

dividendo pago aos acionistas dentro do tempo t e t + t. Pode-se interpretar

A unidade de tempo, t, utilizada na anlise de dados financeiros neste trabalho ser a de tempo de negociao (trading time ). Esta unidade esta bem definida em finanas como sendo o tempo que passa somente entre a abertura e o fechamento do prego em uma Bolsa de Valores Mobilirios. Assim, o tempo ser medido somente durante em que o prego est aberto.

Rt+t

pode ser calculado a posteriori, mas, se vistos a partir do

tempo t, os preos futuros de mercado, Pt+t, e o dividendo futuro, Dt+t, so incertos e o investidor, no mximo, pode fazer uso das tcnicas estatsticas e de teoria das distribuies para fazer qualquer anlise de previso futura para o tempo t + t. Segue de (4.3) que:

P + Dt + t 1+Rt+t= t + t Pt

(4.4)

Se todos os dividendos D so re-investidos na ao e incorporados ao preo de mercado P ao final do perodo, podemos reescrever (4.4) como:

Pt+i.t=Pt(1+Rt+t)

(4.5)

Considerando ainda que os dividendos pagos sejam incorporados nos preos de mercado da ao, podemos re-escrever, em primeira aproximao para t pequeno, a equao (4.3) da seguinte maneira:

50
P P Pt Rt+t= t + t ln t + t P Pt t

(4.6)

O retorno uma grandeza relativa, independente da unidade monetria, assumindo um carter universal, sendo possvel comparaes entre diversos mercados e ativos financeiros.

4.5

Modelos para Mercado Acionrio A tentativa pioneira de se modelar o mercado acionrio foi feita em

1900 por Bachelier, um matemtico francs, em sua tese intitulada: A Teoria da Especulao (Thorie de la spculation), onde o preo de opes (derivativos de um outro ativo fundamental no qual paga, no dia do vencimento, o mximo entre o valor de mercado deste ativo fundamental e o valor acordado em contrato) em mercados especulativos era descrito como um processo aleatrio. Novas tentativas de modelagem do mercado acionrio s se deram a partir dos anos 50, quando resultados empricos sobre a correlao temporal das variaes nos preos dos ativos financeiros mostraram que estas correlaes eram desprezveis e que o comportamento da srie temporal de preos dos ativos poderia ser marchas aleatrias no correlacionadas (movimento Browniano aritmtico). No entanto, a proposta de Bachelier de que as mudanas de preos estariam distribudas gaussianamente foi trocada pelo modelo no qual os preos dos ativos so distribudos log-normalmente, isto , os preos estariam sofrendo um movimento Browniano geomtrico. (Em um movimento Browniano geomtrico, as diferenas dos logaritmos dos preos esto gaussianamente distribudos). Este modelo e conhecido por fornecer somente uma primeira aproximao do que observado nos dados reais. Por esta razo, um nmero grande de modelos alternativos tem sido propostos com o objetivo de explicar a evidncia emprica de que as caudas das distribuies que descrevem as grandes variaes de preos, como os crashes so mais largas do que as previstas por um movimento Browniano geomtrico.

51 Recentemente, vrios econmicos preo de e financeiros. um ativo estudos Uma tm sido rea realizados de em sistemas a da

primeira

estudos a

objetiva forma

caracterizao estatstica completa do processo estocstico das variaes do financeiro, analisado, por exemplo, distribuio de freqncias destes valores e a memria temporal entre eles. Esta continua sendo uma rea bastante ativa, e tentativas esto sendo feitas para desenvolver o modelo estocstico mais satisfatrio que descreva todos os fenmenos encontrados nos dados e nas anlises empricas.

Uma segunda rea se preocupa com

o desenvolvimento de um

modelo dinmico que seja capaz de descrever todas as caractersticas essenciais dos mercados financeiros reais, Black e Scholes publicaram o primeiro artigo onde foi representada uma frmula racional de clculo do preo de um contrato de opo (Black and Scholes, 1973). Desde ento, vrios outros modelos tm sido propostos (por exemplo, modelos economtricos de sries temporais como os ARCH, GARCH e algumas

das principais propriedades da dinmica estocstica do preo de uma ao so reproduzidos por estes modelos, por exemplo o carter no-gaussiano destas distribuies. tem sido Tentativas paralelas para por se modelar o mercado na financeiro desenvolvidas economistas e, em particular,

econometria.

Dentro da primeira rea, o modelo proposto recentemente mais revolucionrio foi a hiptese de Mandelbrot nos anos 60, de que as variaes de preos seguem uma distribuio de Lvy, com parmetro 0 < < 2 uma distribuio que tem decaimento em lei de potncia (1 + ) para grandes valores do argumento (Lvy, 1937).

Umas das caractersticas mais importantes das distribuies de Lvy a de possuir momentos divergentes quando < 2. Estes processos, apesar de bem definidos matematicamente, so extremamente difceis de

52 serem aplicados a sistemas reais pois, em geral os momentos das

distribuies esto relacionadas a propriedade do sistema.

Por exemplo, em finanas, uma varincia finita dificulta a mensurao do risco. Da a necessidade de darmos um passo alm das distribuies de Lvy e incluir um termo de encurtamento das caudas, tornando o segundo momento finito, e, portanto aplicvel ao mundo prtico de finanas, como por exemplo, o gerenciamento de riscos financeiros.

Distribuies que obedecem as leis de potncia no tem uma escala tpica, isto , so invariantes por mudana de escala. A quebra de invarincia de escala associada ao encurtamento da cauda da distribuio de um ativo financeiro est relacionada a fatores externos tais como bandas de flutuao de cmbio, suspenso de cotaes, etc.

4.6

Hiptese do Mercado Eficiente (HME)

Quando os economistas se referem ao mercado de capitais como sendo eficiente querem dizer que, os preos de ativos e retornos so determinados pela lei da oferta e da procura num mercado competitivo, populado por operadores racionais que imediatamente assimilam qualquer informao que seja relevante ajustando seus preos.

Ento, indivduos diferentes no possuem vantagens comparativas na aquisio de informao. Segue-se que em tal mundo, no dever existir nenhuma oportunidade de obter um retorno numa ao que esteja em excesso ao preo justo para o risco da compra daquela ao. Em suma, lucros anormais, resultados da compra e venda de ativos, no devem existir nesta teoria.

53 Estes imediatamente atuais, ento, agentes processam a informao ao preo eficientemente do ativo. dever Se e as

incorporam esta somente nova

informao informao

informaes atuais ou passadas so imediatamente incorporadas nos preos ou novidade causar mudanas nos preos. Uma vez que as notcias novas no so previsveis, ento, mudanas nos preos ou no retorno tambm no o so: nenhuma informao no tempo t ou anterior poderia ajudar a melhorar a previso dos retornos, existindo uma independncia entre presente e futura.

Isto descreve a Hiptese do Mercado Eficiente (HME), formulado nos anos 60: o preo de mercado de uma ao no tempo t, Pt, j incorpora todas as informaes relevantes e a nica razo para a eventual mudana no preo entre o tempo t e t + t a chegada de novas informaes ou acontecimentos no antecipados.

Desta forma, erros de estimativa, ou seja,

t + t = Pt + t t [Pt + t ]

(4.7)

onde Et representa o valor esperado no tempo t do valor futuro da ao, pode ser considerado como sendo uma medida do lucro ou prejuzo inesperado durante o intervalo de tempo t.

Uma outra forma de descrever a HME dizer que, em um mercado eficiente, impossvel para investidores realizarem lucro anormal comprando e vendendo aes. Dizemos que estamos sob a tutela de um jogo limpo . A teoria elementar do jogo limpo vem do matemtico Girolamo Cardano desde 1565: o mais fundamental princpio de todos em jogos limpos simplesmente a de condies iguais para cada jogador.Caso as condies no forem iguais, um dos jogadores injusto e o outro um tolo.

54 A verso mais simples da hiptese de mercado eficiente consiste de incrementos independentes e identicamente distribudos (IID) no qual, a dinmica dos preos dada pela equao seguinte:

Pt+t=(+Pt+t+t); t+tIID(0,2)

(4.8)

onde a variao esperada do preo ou taxa de arrasto ou de carregamento (por exemplo juros estimados e correes monetrias) no jargo financeiro, e IID(0,2) denota que t+t independente e identicamente distribudo com mdia 0 e varincia 2. A mdia nula dos incrementos {t+t} implica que a marcha aleatria tambm um jogo limpo e a independncia quer dizer no somente que os incrementos no so correlacionados, mas que qualquer funo no-linear dos incrementos so igualmente no-correlacionadas.

Considere a mdia e a varincia em uma data t, condicionadas a algum valor inicial P0 na data t = 0:

[Pt | P0 ] = P0 + t

(4.9)

Var[Pt | P0 ] = 2 t

(4.10)

A distribuio mais comum para as inovaes ou incrementos {t} a Gaussiana ou Normal, com mdia e varincia 2, denotada aqui por N (, 2). Se os {t} so IID N(0, 2), ento a equao (4.8) equivalente a um Movimento Browniano Aritmtico, amostrado em intervalos de tempo regularmente espaados. Esta suposio de distribuio simplifica muitos os clculos que envolvem a marcha aleatria, porm, sofre do mesmo problema que aflige os preos normalmente distribudos: a violao do princpio da no-negatividade do preo de um ativo. Se a distribuio de Pt

55
normal, ento, haver sempre uma probabilidade no nula de Pt < 0, o que violaria este princpio.

Para evitar a violao deste princpio em finanas, deve-se utilizar a hiptese de que o logaritmo natural dos preos segue uma marcha aleatria com incrementos normalmente distribudos. Assim usamos em vez de preo na equao (4.8) o logaritmo natural dos preos dando:

ln(Pt+t)=+ln(Pt)+t+t,t+tN(0,2)

(4.11)

A equao (4.11) implica que retornos so variveis IID normalmente distribudas com mdia e varincia 2 o que leva ao modelo log-normal Movimento Browniano Geomtrico. Neste caso as variaes dos logaritmos naturais dos preos normalmente distribuda em vez de preo, ou em outras
P Pt palavras, variaes percentuais t + t Pt normalmente distribudo, em vez

de variaes absolutas (Pt + t Pt ) .

Mercado

Eficiente

um

sistema

ideal.

Mercados

reais

so

aproximadamente eficientes. Quando uma dada informao afeta o mercado numa direo especfica, o mercado no completamente eficiente, o que detectado na srie temporal de dados.No entanto, estas flutuaes duram at que o mercado misture todas as fontes de informao durante a formulao de preos, recuperando sua eficincia.

56

CAPITULO 5
Distribuies Estatsticas nos ndices da Economia no Mercado Emergente
5.1 Introduo

Com o desenvolvimento do campo

sistemas complexos, no qual os

fsicos esto interessados nos sistemas como um todo em vez da parte individual, eles tambm comearam a trabalhar em sistemas sociais financeiros onde os sistemas complexos possuem um grande nmero de componentes com vrias interaes. Ainda mais que, esses sistemas no tem um estado de equilbrio. O comportamento coletivo mais importante do que unidades individuais.

Um dos problemas de interesse para os fsicos no mundo financeiro a evoluo temporal das variaes de preos das bolsas de valores. As teorias anteriores das variaes de preos das bolsas de valores so baseadas em:

i) Hiptese do mercado eficiente ( HME ) no qual baseada sobre hipteses, onde qualquer informao nova so imediatamente e eficientemente incorporadas para o atual preo de um ativo.

57 ii) O movimento futuro dos preos ativos devido ao efeito externo, como inesperados so imprevisveis.

Com estas duas suposies, a mudana nos preos ativos so descritos por um processo de Markov, isto , preos ativos no so correlacionados no tempo, a troca relativa na bolsa de valores resulta no movimento aleatrio browniano. A representao matemtica no processo estocstico :

P = X , P
onde

P a variao relativa dos preos durante um intervalo de tempo T, P

o desvio padro da data histrica ( ou volatilidade em termos financeiros ) e X uma variao aleatria tirada de uma distribuio normal com mdia zero e varincia T. Este modelo apropriado em uma srie de observaes a intervalos de longo tempo (T 1ms), mas falhas em sries com observao a intervalo de curto tempo (minutos ou dia), isto , em limites de freqncia alta devido largas flutuaes (estrondo, etc ) que no pode ser descrito pela distribuio Gaussiana.

Na ltima dcada os pesquisadores comearam a trabalhar sobre intervalo de tempo T de ordem 1 minuto por causa da disponibilidade dos dados de alta frequncia no mercado financeiro. Recentemente Gupta e Campanha (Gupta e Campanha, 2000 ) mostrou que a variao de preo das bolsas de valores S&P 500 nos Estados Unidos que pode ser explicada atravs da distribuio de Levy gradualmente truncada, distantes de valores de T at um minuto. Nesta distribuio, a probabilidade relativa da variao dada atravs da Lei de potncia, na qual gradualmente truncada depois de um certo valor crtico devido para limite fsico de sistemas com varincia finita. Esta distribuio fica igual distribuio Gaussiana com aumento de intervalo de tempo (T), como foi observado.

58
O comportamento estatstico no mercado emergente como mercado no ndice da Bolsa de Valores de So Paulo (Ibovespa) pode ser diferente porque uma espcie diferente de investidores. Em vista disso recentemente, Miranda e Riera (Miranda e Riera, 2001) estudaram a relativa variao nos ndices para um perodo de 1986 2000 e considerou que a variao de preo pode ser explicado pela distribuio de Levy flight exponencialmente truncada ( LFET ).Como eles precisam mudar valores de parmetros durante as distribuies na comparao de distribuio emprica com a terica, a validade da teoria duvidosa particularmente para larga variaes.

No presente trabalho estudamos as variaes dirias relativas para um perodo muito grande, isto , de 1968 2002 e, mostramos que densidade de probabilidade das variaes dirias, isto , em um perodo de variaes sucessivas intermedirias pode ser dado atravs da distribuio exponencial com somente um parmetro ajustvel.

Como informaes ou fofocas (informaes especulativas) que afetam os preos so aleatoriamente distribudos por dia, as distribuies estatsticas do ndice de preos reflete a reao humana. Finalmente, discutimos um resultado em termos de comportamento humano, isto , uma reao mais agitada de investidores adiante de fofocas ou informaes. Achamos que isso mesmo um fenmeno que d uma violncia excessiva da populao sobre alguma informao poltica ou religiosa, at torcedor de jogo de futebol comea a brigar por causa de uma pequena discusso ou gol feito de um time contra.

5.2

Distribuies Estatsticas Dirias na Variao dos ndices no Fechamento da Bolsa de Valores

Neste captulo, estudaremos estatisticamente o mais importante indicador do desempenho mdio das cotaes do mercado de aes brasileiro que o ndice da Bolsa de Valores de So Paulo (IBOVESPA). Esses dados foram

59
fornecidos pela Bovespa onde so negociadas as principais aes, partir do dia em que foi fundada em 02 de janeiro de 1968 at 31 de outubro de 2002, totalizando as amostras em 8562 ndices da bolsa de valores no fechamento dirio, e so referentes a 34 anos.

Com essas 8562 amostras experimentais, efetuamos o clculo da variao percentual diria que dado pela seguinte maneira:

P Pn -1 Vn = n .100 Pn -1

onde: Vn: variao percentual diria Pn: dia do fechamento Pn-1: dia anterior do fechamento

Em seguida, obtivemos resultados das variaes percentuais dirias e calculamos a densidade de freqncia, que dada por:

densidade de freqncia = onde: freq = freqncia

freq P

P = intervalo de variao percentual

isto , nmero de eventos por variao de porcentagem. Para variao percentual pequena, isto , menos de 5% ns consideramos intervalo de 0.1% e acima disto ajustamos intervalo de densidade de freqncia para evitar o zero, porque log de zero menos infinito. Foram aplicados testes de distribuies estatsticas, que veremos a seguir:

60

2000

emprica densidade de frequncia

1500

1000

500

-20

-10

10

20

variao percentual diria

Figura5: variao percentual diria versus densidade de frequncia

61

10000

emprica
1000

densidade de frequncia

100

10

0.1

0.1

10

100

variao percentual diria

Figura 6: log das variaes percentuais dirias versus log da densidade de freqncia das classes positivas ;

62

10000

emprica
1000

densidade de frequncia

100

10

0.1 0.1

10

100

variao percentual diria

Figura 7: log do mdulo das variaes percentuais dirias versus log da densidade de freqncia das classes negativas;

63

10000

1000

emprica

densidade de frequncia

100

10

0.1 -30

-20

-10

10

20

30

40

variao percentual diria

Figura 8: variaes percentuais dirias versus log da densidade de freqncia;

64

2000

emprica terica

densidade de frequncia

1500

1000

500

-20

-10

10

20

variao percentual diria

Figura 9: comparao entre a distribuio normal com os dados empricos

65

1000

emprica terica

densidade de frequncia

100

10

0.1 -30

-20

-10

10

20

30

40

variao percentual diria

Figura 10: comparao entre a distribuio exponencial com os dados empricos.

66

gaussiana (variao mensal) lei de potncia (variao por minuto) exponencial (variao diria) densidade de frequncia

variao percentual

Figura 11: log da densidade de freqncia pelas variaes percentuais para intervalos de tempo de observaes sucessivas de 1 minuto, 1 dia e 1 ms

67

5.3

Discusso

Na figura 9, onde comparamos a emprica com a terica (distribuio normal), calculamos a mdia e o desvio padro por meio das observaes empricas e chegamos a um resultado que nada pode se afirmar. Nas figuras 6 e 7, como foram aplicados log nos dois eixos dos grficos se a distribuio fosse pela lei de potncia os grficos seriam uma linha reta e no curvas o que no o caso. Na figura 10, que foi comparada a emprica com a terica (distribuio exponencial, P(x)= e
-k x

), calculamos os valores de tanto pelo lado positivo

que deu k = 0,45 e no lado negativo que deu k= 0.55 por meio de observaes empricas onde a constante =2200, e observamos que o ajustamento da curva terica muito boa com pontos empricos, exceto algumas variaes muito grandes e fica fora de previso de qualquer teoria geral.Na figura11, comparamos com o log da densidade de freqncia com as variaes percentuais para intervalos de tempo de observaes sucessivas de 1 minuto (lei de potncia gradualmente truncada), 1 dia (exponencial) e 1 ms (gaussiana). Gupta e Campanha (Gupta e Campanha, 2000) estudaram a distribuio de variao de preo por minuto na bolsa de valores Standard and Poor 500 de Nova York, E.U.A, eles mostraram que a distribuio dada pela Lei de Potncia Gradualmente Truncada. Isso acontece por causa de fatores emocionais que poderia ser explicado atravs do comportamento psicolgico (Thaler,1993,, Kahneman et. al 1982). Pessoas em geral reagem demais com uma informao ou boato. Estas pessoas ficam timas quando tem uma boa notcia e pssimas caso contrrio. Isso leva para grandes variaes, isto , a probabilidade de grande variaes bem maior do que dado pela distribuio normal. Este processo o mesmo que acontece em uma discusso sem importncia ou um jogo de futebol e acaba em uma grande briga ou homicdio. No perodo de uma semana ou mais este otimismo ou pessimismo termina e a pessoa acaba encontrando a realidade. Neste caso, a realidade econmica de empresas so predominantes e a distribuio de preo da bolsa de valores dado pela

2 distribuio normal, isto , varia com e -kx onde x o tamanho da variao.

68

No limite intermedirio, isto , variao diria, ambos fatores como emocionais, econmicos so importantes e assim, a distribuio fica entre exponencial, como foi observado. a distribuio normal e a distribuio lei de potncia que a distribuio

5.4

Concluso

Observamos que a distribuio de variao diria do IBOVESPA (ndice da Bolsa de Valores de So Paulo) dado pela distribuio exponencial com um parmetro ajustvel. Isso acontece por efeito de fatores emocionais e realidade econmica como previa no trabalho de Gupta e Campanha (Gupta e Campanha, 1999 e 2000). Achamos que uma carteira de aes para aplicao na bolsa de valores basea na distribuio exponencial da variao de preo da bolsa de valores seria uma tima escolha.

69

Referncias:

AITCHISON, J.; BROWN, J.A.C. The Log-normal Distribution. Cambridge: Cambridge United Press, 1957. ARTHUR, W.B. Complexity and the Economy. Science, Washington, v.284, n.5411, p.107-109,1999. AXTELL, R.L. Zipf Distribution of U.S. Firm Size. Science. Washington, DC, v.293, n.5536, p.1818-1820, 2001. AYRES, M.; AYRES JR, M.; AYRES, D.L.; SANTOS, A.S. Bioestat 2.0: aplicaes estatstica nas reas das cincias biolgicas e mdias. Belm: Sociedade Civil Mamirau; MCT-CNPq, 2000. BADII, R.; POLITI, A. Complexty-Gierarchical strutures and scaling in physics ,Cambridge, UK, 1997. BAK, P. How nature works: The science of self-organized criticality. Oxford: University Press, 1997. BACHELIER. L. Thorie de la Speculation (PhD thsis) Annales Scientifiques de l cole Normale Suprieure III- 17: 1900. BLACK, F.; SHOLES, M. The Pricing of Options and Corporate Liabilities, J. Polit. Econ. v. 81, p. 637-654, 1973. BIONDINI, R. Cloud motion and rainfall statistics. Journal of Applied Meteorology, Charlottesville, v.15, p. 205-224, 1976.

70 CHAVARETTE, F. R. et al. Um breve comentrio sobre o vestibular da UNESP: Um exemplo de modelo dinmico aleatrio de sistema complexo. IN: CONGRESSO TEMTICO DE DINMICA, CONTROLE E APLICAES DA SOCIEDADE BRASILEIRA DE MATEMTICA APLICADA E

COMPUTACIONAL, 1., 2002, So Jos do Rio Preto. Anais... So Jos do Rio Preto: SBMAC, 2002. p. 879-886. CHAVARETTE, F. R. A Distribuio de Lei de Potncia Gradualmente Truncada na Educao: Exame de Vestibular da UNESP. 2002. 60 f. dissertao ( mestrado em Fsica Aplicada)- Instituto de Geocincias e Cincias Exatas, Universidade Estadual Paulista, Rio Claro, 2002. DAVIS, H. T. The Theory of Econometrics. USA: Bloomington Indiana, 1941. EINSTEIN, A., INFELD, L., The Evolution of Physics: From Early Concepts to Relativity and Quanta. USA: Simin & Schuster, 1976 FECHNER, G.T. Elemente der Psychophysik. Leipzig: Breitkopf und Hartel, 1860. FECHNER, G.T. Kollektivmasslehre. Leipzig: Engelamann, 1897. FELLER, W. An introduction to probability theory and its applications. New York: Wiley, 1971. GADDUM, J. H. Reports on biological standards III: methods of biological assay depending on a quantal response. London: Mediacal Rearch Council, 1945. GAUSS, C. F. Bestimmung der genauigkeit der beobachtungen. Zeitschrift fur Astronomie, Berlin, v.1, p.185-197, 1816 GIBRAT, R. Les ingalites economiques. Paris: Librare du Recueil Sirey, 1931. GUPTA, H. M.; CAMPANHA, J. R. The gradually truncated Lvy flight: stochastic process for complex systems. Physica A, New York, v.268, p. 231239, 1999.

71 GUPTA, H. M.; CAMPANHA, J. R. The gradually truncated Lvy flight: stochastic process for complex systems. Physica A, New York, v.275, p. 531543, 2000. GUPTA, H. M.; CAMPANHA, J. R. Tsallis statistics and gradually truncated Lvy flight distribution of an economical index. Physica A, New York, v. 309, p. 381-387, 2002. GUPTA, H. M.; CAMPANHA, J. R. Gradually truncated log-normal distribution size distribution of firms. arXiv.org e-Print archive, v.1, 30 nov 2001. Disponvel em: <http://arxiv.org/pdf/cond-mat/0111579>. GUPTA, H. M.; CAMPANHA, J. R.;CHAVARETTE, F.R. Power Law Distribution in Education: Effect of Economical Teaching and Study Conditions in University Entrance Examination. International Journal of Modern Physics C, New York, v.14, p. 449-457, 2003. HART, P.E,; PRAIS, S. J. 156, The analysis of business concentration: A statistical approach. Journal of the Royal Statistical Society, Series A, v.119, 150-181. HURST, H. E. Long- tem storange of reservoirs. Transactions of the American Society of Civil Engineers, Reston, v.116, p.770-779, 1951. KAPTEYN, J. C.; VAN UEN, M. J. Skew frequency curves in biology and statistics. Groningen: Astronomical Laboratory at Groningen, 1916. KAHNEMAN, D.; SLOVIC, P.; TVERSKAY, A . Judgemente Under Uncertainty: Heuristics and Biases, Cambridge University Press, Cambridge, 1982. KONDO, K. The log-normal distribution of the incubation time of exogenous diseases. Japanese Journal of Human Genetic, Nigata, v.21, n.4, p.217-237, 1977. LAPLACE, P. S. Mmoire sur les probabilities. Histoire de lAlcadmie Royale de Sciences, Paris, v.9, p.227-332, 1781. LVY, P. Thorie de Lddition des Variables Alatories. Paris: GauthierVillars, 1937.

72 MACAU, E.E.N. Sistemas Complexos. Anais do I Congresso de Dinmica e Aplicaes. Rio Claro, v.1, p.29-49, 2002. MAGALHES, M. V.; LIMA, A.C.P. Noes de probabilidade e estatstica. 3.ed. So Paulo: IME/USP, 2001. MAGURRAN, A.E. Ecological Diversity and its Measurement. London: Croom Helm, 1988. MANDELBROT, B. The variation of certain speculative prices. Journal of Business of The University of Chicago, Chicago, v.36, p.394,1963. MANDELBROT, B. The fractal geometry of nature. New York: Freeman, 1983. MANDELBROT, B. Multifractals and 1/f Noise: Wild Self- Affinity in Phsics. Springer-verlag, 1999. MANTEGNA, R.; STANLEY, H.E. Stochastic Process with Ultraslow

Convergence to a Gaussian: The truncated Lvy Flight. Physical Review Letters. N.Y., v.73, n.22, p.2946-2949, 1994. MANTEGNA, R.; STANLEY, H.E. Scaling behavior in the dynamics of economics index. Nature, London, v.376, p.46-49, 1995. MIRANDA, L. COUTO; RIERA, R.Truncated Lvy Walks and na Emerging Market Economic Index, Physica A, v.297, p.509-520, 2001. Mc- ALLISTER, D. The law of the geometrical mean. Royal Society of London, London, v.29, p.369-375, 1879. MOIVRE, A. de. Approximation ad summam terminorum binomii(a+b)n in seirem expansi. Londom: Supplement to Miscellanea Analytica, 1733. PARETO, V. Cours dEconomic Politique. Reprint as a volume. Ouvres Completes. Droz Geneur, 1896-1965. POON, L.; GREBOGI, C. Controlling Complexity. Physical Review Letters. N>Y., v.75, p. 4023-4026, 1995. RAZUMOVSKY, N. K. Distribution of metal values in ore deposits. Doklady Academii, Moscaou, v.28, n.9, p.814-816, 1940.

73 SARTWELL, P.E. The distribution of incubation periods of infectious disease. American Journal of Hygiene, Baltimore, v.51, n.3, p.310-318, 1950. SARTWELL, P.E. The incubation period of poliomyelitis. American Journal o Public Health and the National Health, Washington, v. 42, n.11, p.14031408,1952. SARTWELL, P.E. the incubation period and the dynamics of infectious disease. American Journal of Epidemiology, Baltimore, v. 83, n.2, p. 204-216, 1966. SHOCKLEY, P. E. Log- Normal Distribution Citation index Proceding of. IRE, USA, v. 45, p. 279, 1957. SINGH, A; WHITTINGTON, G. The size and Growth of firms. Rewiew of Economic Studies, Bristol, v.42, n.1, p.15-26, 1975. STANLEY, H.E. Scaling, universality, and renormalization: Three pillars of modern critical phenomena. Rewiews of Modern Physics, v. 71, n.2, p. 53585366, 1999. STANLEY, M.H.R.; BULDYREV, S.V.; HAVLIN, S.; MANTEGNA, R.N.; SALINGER, M.A.; STANLEY, H.E. Zipf plots and the size distribution of firms. Economics Letters, Boston, Boston University, v.49, p.453-457, 1995. THALER, R.H. (Ed), Advances in Behavioral Finance, Russel Sage Foundation, New York, 1993 TSALLIS, C. Nonextensive Statstics: Theoretical, Experimental and

Computacional Evidences and Connections. Brazilian Journal of Physics, SP, v.29, p.1-45, 1999. TSALLIS, C. As distribuies de Lvy. Revista Brasileira de Ensino de Fsica, So Paulo, v. 22, p.156-162, 2000 VEIRA, S. Introduo bioestatstica. 4. ed. So Paulo: Campus, 2000. WEBER, H. De pulsa resorptione auditu et tactu. Annotationes anatomicae et physiologicae. Leipzig: Koehler, 1834. ZIPF, G. K. Human behavior and the principle of least effort. Cambridge: Addison- Wesley, 1949.