Você está na página 1de 51

FUNDAO GETLIO VARGAS ESCOLA DE PS-GRADUAO EM ECONOMIA MESTRADO EM FINANAS E ECONOMIA EMPRESARIAL

RAFAEL ALBERTO VALPAOS DE LEMOS LEAL

ATRASO NO AJUSTE DE PREOS DAS AES DE BAIXA LIQUIDEZ NO MERCADO BRASILEIRO: AUTOCORRELAES CRUZADAS E PREVISIBILIDADE DOS RETORNOS DAS AES

Rio de Janeiro 2013

RAFAEL ALBERTO VALPAOS DE LEMOS LEAL

ATRASO NO AJUSTE DE PREOS DAS AES DE BAIXA LIQUIDEZ NO MERCADO BRASILEIRO: AUTOCORRELAES CRUZADAS E PREVISIBILIDADE DOS RETORNOS DAS AES

Dissertao apresentada Escola de Ps-Graduao em Economia da Fundao Getlio Vargas como exigncia parcial obteno do grau de Mestre em Finanas e Economia Empresarial

rea de concentrao: Finanas Gerenciamento de Riscos

Orientador: Eduardo Pontual Ribeiro

Rio de Janeiro 2013

Ficha catalogrfica elaborada pela Biblioteca Mario Henrique Simonsen/FGV

Leal, afael !lberto Valpa"os de Lemos !traso no a#uste de pre"os das a"$es de bai%a liquide& no mercado brasileiro ' autocorrela"$es cru&adas e pre(isibilidade dos retornos das a"$es / afael !lberto Valpa"os de Lemos Leal) * +,-.) /0 f) 1isserta"2o 3mestrado4 5 Funda"2o Getulio Vargas, 6scola de 78s5 Gradua"2o em 6conomia) 9rientador' 6duardo 7ontual ibeiro) :nclui bibliografia) -) !"$es 3Finan"as4 * 7re"os) +) Liquide& 36conomia4) :) ibeiro, 6duardo 7ontual) ::) Funda"2o Getulio Vargas) 6scola de 78s5 Gradua"2o em 6conomia) :::) ;<tulo) =11 * ..+)>

Dedico esta dissertao aos meus pais e avs, cujas trajetrias de vida sempre foram para mim o mximo exemplo de honestidade, afinco e superao.

AGRADECIMENTOS
Aos meus pais, pelo apoio e incentivo realizao desse curso de Mestrado; Marcela Bodin de Saint-Ange Comnne Mesiano, cujo carinho e compreenso inigualveis sempre foram um grande conforto em todos os momentos e nunca sero esquecidos; Ao meu professor orientador Eduardo Pontual Ribeiro, pela ateno, discusses e comentrios essenciais concluso desta dissertao; Aos colegas e amigos do curso, que muito contriburam para um ambiente estimulante nesses trs ltimos anos; Fundao Getlio Vargas e ao corpo docente do MFEE, por proporcionarem um curso de excelncia queles que desejam se aperfeioar em suas carreiras profissionais.

O que sabemos uma gota e o que ignoramos um oceano Sir Isaac Newton

RESUMO

Esta dissertao investigou, no mercado brasileiro, se o atraso no ajuste de preos das aes de baixa liquidez gera previsibilidade do retorno dessas aes quando comparadas s mais lquidas. O interesse estava em confrontar os resultados com os existentes na literatura internacional que apresentavam esse efeito. Para tanto, utilizamos a metodologia proposta no artigo Trading volume and cross-autocorrelations in stock returns, de Chordia e Swaminathan (2000), onde foi analisada a Bolsa de Valores de Nova York (NYSE). Verificamos que, na Bolsa de Valores de So Paulo (BOVESPA), uma vez controlados pelo tamanho das empresas, os retornos, sejam dirios ou semanais, de portflios com maior liquidez antecipam os retornos dos portflios de menor liquidez, mais explicitamente nos quartis com pequenas e mdias empresas. Os efeitos de no sincronia nas negociaes e as autocorrelaes prprias no so suficientes para explicar os padres de antecipaodefasagem observados nos retornos das aes, j que esses so mais significativamente influenciados pelo volume negociado. As diferenas na velocidade da incorporao de novas informaes aos preos ocorrem porque as aes menos lquidas parecem responder mais lentamente a informaes de mercado, pelo menos nos portflios de empresas de menor tamanho. Dessa maneira, podemos afirmar que no Brasil, assim como nos Estados Unidos, a baixa liquidez induz um atraso no ajuste de preos das aes de pequenas e mdias empresas capaz de gerar previsibilidade dos retornos dessas aes, sugerindo alguma ineficincia do mercado. Os resultados so interessantes, j que indicam que, tanto no mercado nacional quanto nos de pases desenvolvidos, os volumes negociados possuem um papel significativo na velocidade em que os preos se ajustam, jogando uma luz sobre como eles podem se tornar mais eficientes.

Palavras-chave: Atraso no ajuste de preos; Autocorrelaes cruzadas; Liquidez

ABSTRACT

This study investigates, in the Brazilian market, if the delay in the speed of price adjustment of low liquidity stocks generates predictability of its returns when compared to more liquid ones. The interest was to compare the results against those in international literature that showed this effect. We used the methodology proposed in the paper Trading volume and cross-autocorrelations in stock returns, by Chordia and Swaminathan (2000), which has analyzed the New York Stock Exchange (NYSE). We verified that, at So Paulo Stock Exchange (BOVESPA), once controlled for firm size, the returns, whether daily or weekly, of high volume portfolios lead returns of low volume portfolios, more explicitly in quartiles with small and medium companies. The effects of nonsynchronous trading and the own autocorrelations are not sufficient to explain the lead-lag patterns observed in stock returns, since these are more significantly influenced by trading volume. The differences in the speed of price adjustment to new information occur because the less liquid stocks seem to respond more slowly to market-wide information, at least in the smallest size firms portfolios. Thus, we can say that in Brazil, as well as in the United States, the low liquidity induces a delay in the adjustment of stock prices of small and medium firms capable of generating predictability in the returns of these stocks, suggesting some market inefficiency. The results are interesting, since they indicate that, in the Brazilian stock market as well as in the developed countries ones, trading volumes have a significant role in the speed at which prices adjust to new information, throwing a light on how they can become more efficient.

Keywords: Price delay; Cross-autocorrelations; Liquidity

LISTA DE TABELAS

Tabela 1 - Estatsticas Sumarizadas dos Portflios Valor-Turnover ............................................. 26 Tabela 2 - Autocorrelaes Prprias e Cruzadas dos Portflios Valor-Turnover ......................... 31 Tabela 3 - Autorregresses Vetoriais dos Portflios Valor-Turnover ........................................... 33 Tabela 4 - Regresses Beta de Dimson dos Portflios Valor-Turnover........................................ 40 Tabela 5 - Velocidade do Ajuste de Preos e Caractersticas Contemporneas de Aes Individuais ..................................................................................................................................... 42

SUMRIO

1 2 3
3.1 3.2 3.3 3.3.1 3.3.2

INTRODUO ........................................................................................................... 10 REVISO DA LITERATURA .............................................................................. 12 METODOLOGIA....................................................................................................... 15


OBTENO DOS DADOS ................................................................................................ 16 ANLISE DAS AUTOCORRELAES PRPRIAS E CRUZADAS ................................ 18 TESTES EMPRICOS ........................................................................................................ 18 Autorregresses Vetoriais ................................................................................................. 19 Regresses Beta de Dimson ............................................................................................... 20

3.3.2.1 Testes de Hiptese ............................................................................................................. 21 3.4 ANLISE DA VELOCIDADE DO AJUSTE DE PREOS DE AES INDIVIDUAIS.... 22

4
4.1 4.2 4.3 4.3.1

DADOS E RESULTADOS ...................................................................................... 25


DESCRIO DOS DADOS .............................................................................................. 25 RESULTADO DA ANLISE DAS AUTOCORRELAES PRPRIAS E CRUZADAS... 30 RESULTADOS DOS TESTES EMPRICOS ...................................................................... 33 Resultados das Autorregresses Vetoriais ........................................................................ 33

4.3.1.1 Resultados das Autorregresses Vetoriais: Retornos Dirios ........................................... 34 4.3.1.2 Resultados das Autorregresses Vetoriais: Retornos Semanais ........................................ 36 4.3.1.3 Testes de Robustez Adicionais .......................................................................................... 38 4.3.2 4.4 Resultados das Regresses Beta de Dimson ..................................................................... 39 RESULTADO DA ANLISE DA VELOCIDADE DO AJUSTE DE PREOS DE

AES INDIVIDUAIS .................................................................................................................. 41

CONCLUSO .............................................................................................................. 44

REFERNCIAS BIBLIOGRFICAS............................................................................ 47

10

1 INTRODUO

Diversos estudos acadmicos vm, desde o trabalho seminal de Fama et al. (1969), procurando entender como os preos das aes incorporam novas informaes que abrangem todo o mercado. Nesse sentido, a medida de atraso no ajuste de preos (price delay) surgiu como uma ferramenta essencial, permitindo verificar relaes entre a velocidade com que as informaes so absorvidas e diversas outras variveis representativas das aes, tais como o volume negociado, a cobertura de analistas, as frices de mercado, etc. Dentre os principais trabalhos que abordaram o tema, podemos destacar Brennan, Jegadeesh e Swaminathan (1993), que revelaram que no apenas a cobertura de analistas, mas tambm o tamanho das firmas e o turnover das aes so todos altamente significativos para explicar o atraso no ajuste de preos. Tambm cabe mencionar Hou e Moskowitz (2005), que, por sua vez, encontraram uma correlao negativa significativa entre o price delay e proxies de liquidez, tais como o volume em dlar, o turnover, a quantidade de dias de negociao, etc. Alm desses, Chordia e Swaminathan (2000) observaram que os retornos das aes de alto volume antecipavam os movimentos das aes de baixo volume. Os autores argumentaram que esse efeito se dava no somente por conta da falta de sincronia entre as negociaes, mas principalmente pela falta de ateno dos investidores nesses ltimos ativos. Suas anlises demonstraram que o volume negociado tinha um impacto independente do tamanho das firmas, j que aes pouco negociadas tendiam a responder mais vagarosamente a novas informaes de mercado. Visto que no apenas esses artigos supracitados, mas os diversos outros que, de certa maneira, relacionam o atraso no ajuste de preos com a baixa liquidez de determinadas aes, se limitaram aos mercados de pases desenvolvidos, em particular o norte-americano, torna-se interessante estudar se tal efeito observado no mercado brasileiro. Sendo muito mais concentrado e, portanto, com maior quantidade relativa de aes ilquidas, poderamos encontrar aqui oportunidades de ganhos anormais. O interesse ainda mais premente quando percebemos a inexistncia de uma farta literatura acadmica nacional que explore especificamente esse assunto. Esta dissertao procura suprir essa lacuna, investigando se as aes de baixa liquidez negociadas no mercado acionrio brasileiro apresentam atraso (delay) na velocidade de incorporao de novas informaes aos preos e se esse atraso gera previsibilidade dos

11

retornos dessas aes. Nesse contexto, ser verificado se os retornos das aes com maior volume negociado antecipam os retornos das aes com menor volume, ao controlarmos para o tamanho das firmas, avaliando se a velocidade do ajuste de preos um fator relevante para a ocorrncia dessas autocorrelaes cruzadas. Alm desta introduo, este trabalho est dividido em quatro outros captulos que abordam com maior profundidade a investigao aqui desenvolvida, sendo organizados da seguinte maneira: captulo 2, onde se realiza uma reviso da literatura acadmica existente; captulo 3, onde apresentada a metodologia deste estudo; captulo 4, que discorre sobre os dados e os resultados dos testes empricos executados; captulo 5, onde as concluses so detalhadas.

12

2 REVISO DA LITERATURA

A literatura sobre autocorrelaes cruzadas foi iniciada por Lo e MacKinlay (1990), que perceberam que as autocorrelaes positivas dos retornos dos portflios se originavam de autocorrelaes cruzadas positivas entre os retornos das aes individuais que os compunham. Eles descobriram, ainda, que a correlao entre os retornos defasados das aes de grandes empresas e os retornos correntes das aes de pequenas empresas era maior que a correlao entre os retornos defasados das aes de pequenas empresas e os retornos correntes das aes de grandes empresas. Desde ento, muito se debateu sobre a origem desses padres antecipao-defasagem (lead-lag), sendo que as explicaes podem ser classificadas em trs grupos (MECH, 1993). O primeiro afirma que elas so resultado de expectativas de retornos que variam no tempo (CONRAD; KAUL, 1988) ou que so simplesmente outra forma de se enxergar as autocorrelaes do portflio e as correlaes contemporneas (BOUDOUKH;

RICHARDSON; WHITELAW, 1994). Assim, uma vez levadas em conta as autocorrelaes do portflio, as suas autocorrelaes cruzadas desapareceriam. O segundo grupo de explicaes (BOUDOUKH; RICHARDSON; WHITELAW, 1994) sugere que, tanto as autocorrelaes quanto as autocorrelaes cruzadas, se originam de vieses da microestrutura dos mercados, como, por exemplo, uma baixssima liquidez de certas aes, j que a no sincronia das negociaes, advinda das dificuldades impostas pela falta de liquidez, geraria uma resposta mais lenta na precificao desses ativos. J o ltimo grupo de explicaes, denominado hiptese da velocidade de ajuste, afirma que os efeitos lead-lag se devem tendncia de algumas aes de se ajustarem mais lentamente (sub-reao ou underreaction) a informaes de mercado do que outras (LO; MACKINLAY, 1990 / BRENNAN; JEGADEESH; SWAMINATHAN, 1993), no sendo arbitrados devido aos altos custos para serem explorados no curto prazo (MECH, 1993). Reconhecendo-se que tal atraso descaracteriza a eficincia semi-forte descrita por Fama et al. (1969), segundo a qual os preos respondem instantaneamente chegada de novas informaes, a constatao de velocidades de ajuste diferentes colocaria em xeque um dos principais pilares da Teoria de Finanas, uma vez que teramos papis mais e menos eficientes dentro de um determinado mercado. Dessa maneira, haveria uma previsibilidade dos retornos advinda desse comportamento, o que poderia indicar oportunidades de ganhos anormais.

13

Desde o principio, a metodologia tradicional para entender a dinmica de incorporao de novas informaes aos preos foram os estudos de caso, nos quais se testa se os retornos anormais (retornos reais subtrados dos retornos esperados) so significativamente diferentes de zero durante uma janela de tempo posterior ao evento analisado (ARMITAGE, 1995; MACKINLAY, 1997; e BINDER, 1998). Contudo, outro ramo de estudiosos, encabeados por Amihud e Mendelson (1989), Damodaran (1993) e Theobald e Yallup (2004), desenvolveram uma abordagem mais generalista, construindo estimadores de velocidade de ajuste baseados em autocorrelaes, uma vez que modelos de finanas comportamentais indicavam que sub ou sobrerreaes induziam padres de autocorrelaes nos retornos das aes (BARBERIS; SHLEIFER; VISHNY, 1998 / DANIEL; HIRSHLEIFER;

SUBRAHMANYAM, 1998 / HONG; STEIN, 1999). Assim, dentro desta ltima corrente, que seguiremos neste trabalho, a utilizao da medida de price delay no apenas permitiu identificar os determinantes que geravam as autocorrelaes cruzadas nos retornos das aes, mas tambm ajudou a esclarecer quais fatores contribuam para as diferenas na velocidade do ajuste de preos das aes, possibilitando um avano na investigao sobre a previsibilidade dos retornos. A seguir, apresentamos um pequeno resumo dos principais resultados dessa linha de pesquisa: Um grupo de pesquisadores argumenta que uma maior competio entre agentes informados levaria a um ajuste de preos mais rpido, conforme o modelo de Holden e Subrahmanyam (1992). Brennan, Jegadeesh e Swaminathan (1993), citados anteriormente, utilizando o nmero de analistas cobrindo uma firma como proxy dessa condio, revelaram que no apenas a cobertura de analistas, de forma no-linear, mas tambm o tamanho das firmas e o turnover das aes so variveis significativas para explicar o atraso no ajuste de preos. De maneira similar, Badrinath, Kale e Noe (1995) construram um modelo no qual as autocorrelaes cruzadas se originam das restries impostas aos investidores institucionais, onde as aes de firmas institucionalmente favorecidas antecipavam os movimentos daquelas menos favorecidas. Esses padres lead-lag tambm foram observados por Sias e Starks (1997). A explicao via hiptese da velocidade de ajuste foi confirmada tanto por Hou e Moskowitz (2005), para o mercado norte-americano, quanto por Park e Chung (2007), para o mercado sul-coreano, onde Regresses Beta de Dimson, que sero apresentadas mais detalhadamente na seo 3.3.2, revelaram que as relaes lead-lag entre aes com alto grau de participao institucional e com baixo grau se deviam a diferenas na incorporao de informaes comuns.

14

Uma srie de artigos tambm investigou a influncia das restries a vendas a descoberto na velocidade do ajuste de preos, como visto em Chen e Rhee (2007), que verificaram uma reao mais rpida das aes passveis dessa operao na Bolsa de Valores de Hong Kong (Hong Kong Stock Exchange - HKSE). Outras possveis causas das autocorrelaes cruzadas analisadas ao longo dos anos foram tambm fenmenos intra-indstrias (HOU, 2007) e a acessibilidade de investidores estrangeiros (BAE; OZOGUZ; TAN, 2008 em fase de elaborao). Cohen et al. (1980) defenderam, em teoria, que algumas frices, como, por exemplo, os custos de transao, poderiam influenciar no ajuste de preos de formas diferentes para aes distintas, gerando padres de autocorrelaes cruzadas. Suportando a previso terica, Mech (1993) gerou resultados constatando que firmas com bid-ask spreads maiores apresentavam maiores atrasos no ajuste de preos. Na mesma linha, conforme j mencionado, Hou e Moskowitz (2005) encontraram uma correlao negativa significativa entre o price delay e proxies de liquidez, tais como o volume em dlar, o turnover, a quantidade de dias de negociao, etc. Por fim, Chordia e Swaminathan (2000) verificaram, atravs de testes empricos baseados em sries temporais histricas, a relao entre o volume negociado e a previsibilidade no curto prazo dos retornos das aes na Bolsa de Valores de Nova Iorque (New York Stock Exchange - NYSE) associada, especialmente, s autocorrelaes cruzadas de movimentos lead-lag. Suas investigaes indicaram que retornos dirios e semanais das aes com maiores volumes negociados antecipavam os das de menores volumes. Testes adicionais permitiram concluir que o efeito estava relacionado com o fato de as aes mais lquidas se ajustarem mais rapidamente a informaes de mercado e de as menos lquidas apresentarem uma resposta mais lenta a esses novos dados. Os resultados demonstraram que o volume negociado era um fator determinante nos padres de autocorrelaes cruzadas dos retornos das aes, contendo informao adicional alm daquelas existentes no tamanho das firmas.

15

3 METODOLOGIA

Esta dissertao, a fim de investigar a previsibilidade dos retornos das aes de diferentes nveis de liquidez, procura reproduzir, em grande parte, as anlises realizadas sobre o mercado norte-americano, especificamente a Bolsa de Valores de Nova York (New York Stock Exchange/American Stock Exchange NYSE/AMEX), em Chordia e Swaminathan (2000), aplicando-as ao mercado acionrio brasileiro, ou seja, Bolsa de Valores de So Paulo (BOVESPA). Como existem algumas caractersticas intrnsecas ao mercado nacional que divergem das do americano e temos limitaes adicionais quanto ao acesso a determinadas informaes, algumas adaptaes, que so apontadas ao longo do texto, precisaram ser feitas em relao ao trabalho original de maneira a no comprometer os resultados finais. Em resumo, investigaremos a relao entre a liquidez e a previsibilidade dos retornos das aes no curto prazo, devida a padres de antecipao-defasagem desses retornos. Assim, procuraremos responder seguinte pergunta: O atraso no ajuste de preos das aes de baixa liquidez no mercado brasileiro gera previsibilidade do retorno dessas aes quando comparadas s mais lquidas? Na busca dessa resposta, que nosso objetivo principal, realizaremos os seguintes testes, que podem ser entendidos como objetivos secundrios: a) os retornos dos portflios de maior liquidez antecipam aqueles dos de menor liquidez?; b) a origem dessas autocorrelaes cruzadas est ligada diferena na velocidade do ajuste de preos a novas informaes?; c) analisando as velocidades do ajuste de preos de aes individuais, quais as caractersticas das firmas que mais contribuem para o surgimento desses padres lead-lag nos portflios? Caso a liquidez aparea como caracterstica destacada para o grupo de aes que mais contribuem para os padres de autocorrelao cruzadas e a origem desses padres esteja relacionada a atrasos na incorporao de novas informaes nos preos, gerando previsibilidade dos retornos dos portflios de menor liquidez, nossa resposta pergunta ser positiva.

16

3.1 OBTENO DOS DADOS

Visto que estamos interessados em determinar o impacto da liquidez na previsibilidade dos retornos, devemos primeiramente definir uma medida para essa liquidez. Ao longo do trabalho, ser utilizado como proxy para a liquidez de um ativo ou portflio o seu volume relativo de ttulos negociados. A medida escolhida para o volume relativo foi o turnover (JAIN; JOH, 1988 / CAMPBELL; GROSSMAN; WANG, 1993), definido como a razo entre o nmero de aes de determinada classe negociado em um dia e o nmero total de aes disponveis (outstanding) daquela mesma classe ao final daquele mesmo dia. Essa medida evita os efeitos indesejados da alta correlao entre o valor da empresa e o volume bruto negociado (seja de ttulos ou financeiro), que observada empiricamente e poderia enviesar as concluses, uma vez que se confundiria o efeito da liquidez nos preos pela associao entre o volume e o tamanho das empresas. Nossos dados abrangem o perodo entre os anos de 2000 e 2011, ou seja, o perodo ps Plano Real com cmbio flutuante, e compreendem todas as aes negociadas na BOVESPA, independentemente do tipo de papel (por exemplo, ordinrios ou preferenciais). A fim de levarmos em considerao as implicaes derivadas da corrente terica que indica vieses na microestrutura dos mercados como fonte das autocorrelaes cruzadas, restringimos nossa amostra quelas aes negociadas em mais de 25% dos dias teis de cada ano considerado. Alm de divergirmos do perodo e do mercado analisados, optamos por utilizar todas as aes e no apenas as ordinrias, como em Chordia e Swaminathan (2000), de forma a aumentarmos o nmero de observaes, j que o mercado brasileiro muito mais limitado que o norte-americano, tanto em nmero de papis, quanto em liquidez. Uma vez que Lo e MacKinlay (1990) indicaram que os retornos de grandes empresas antecipam aqueles de empresas menores, como forma de controlar as anlises para o tamanho das firmas, permitindo-se observar o efeito isolado da liquidez, so construdos dezesseis portflios, em cada um dos anos considerados, baseados no valor de mercado das empresas e no turnover das aes. Para se chegar aos grupos, classificam-se as aes pelo tamanho de suas firmas, mensurado pelo valor de mercado mdio de suas empresas ao longo daquele mesmo ano, dividindo-as nos respectivos quartis com o mesmo nmero de aes. Em seguida, cada quartil de tamanho dividido em quatro portflios com o mesmo nmero de aes, levando-se em considerao o volume dirio mdio negociado de ttulos naquele ano, mensurado pelo turnover dirio. Apesar de no paper original os autores construrem os

17

portflios baseados nas medidas do ano anterior, optamos por utilizar medidas contemporneas, j que as mudanas de parmetros no Brasil so mais rpidas e, portanto, de um ano para o outro as aes poderiam mudar radicalmente de quartil. Ao longo do trabalho nos referiremos aos dezesseis portflios construdos utilizando a seguinte lgica: VaiTuj refere-se ao portflio de valor de mercado (Va) i e turnover (Tu) j. Nesse sentido, i = 1 refere-se ao portflio do quartil de menor valor e i = 4 , ao de
maior. Similarmente, j = 1 refere-se ao portflio do quartil de menor turnover e j = 4 , ao de

maior. Esses portflios, que possuem o mesmo peso para cada uma de suas aes, tem sua composio mantida ao longo do respectivo ano para o qual foram definidos. Assim, para cada um dos portflios de cada ano, so computados os retornos dirios e semanais equiponderados, calculando-se a mdia dos retornos observados de cada uma de suas aes efetivamente negociadas. Como de praxe na literatura, os retornos semanais so computados entre os fechamentos de quartas-feiras consecutivas. Essa anlise dos retornos semanais procura aliviar as preocupaes com dias sem negociaes e negcios no sncronos. Os retornos das aes no negociadas em t-1 ou t so desconsiderados do clculo dos retornos dos portflios em t, de maneira a reduzir os efeitos de negociaes no sncronas nas autocorrelaes cruzadas (FOERSTER; KEIM,1998). Isso garante que os retornos dirios das aes que no foram negociadas por dois dias consecutivos sejam excludos do clculo dos retornos dos portflios nesses dois dias e no dia imediatamente seguinte, sendo, portanto, mais uma ferramenta para expurgarmos efeitos esprios da no sincronia em nossos resultados. Os retornos dirios e semanais so calculados a partir dos preos de fechamento dirios ajustados das respectivas aes, coletados na base de dados do software Economtica. O turnover calculado dividindo-se a quantidade diria no ajustada de ttulos negociados pela quantidade diria de aes outstanding das respectivas classes de aes consideradas, sendo ambos os conjuntos de informaes provenientes tambm do Economtica. Esse software , ainda, a fonte dos dados de presena da ao (quantidade de dias com negociao sobre a quantidade de dias teis do ano) e valor de mercado das empresas emitentes das respectivas aes consideradas.

18

3.2 ANLISE DAS AUTOCORRELAES PRPRIAS E CRUZADAS

Preliminarmente, analisamos as autocorrelaes prprias e as autocorrelaes cruzadas computadas apenas entre os portflios de mais alto e mais baixo turnover dentro de cada quartil de valor de mercado, tanto com base nos retornos dirios quanto nos semanais. Atravs da comparao entre as autocorrelaes cruzadas dos retornos dos portflios de maior liquidez contra os retornos defasados dos portflios de menor liquidez e vice-versa, procuramos identificar se emergem padres lead-lag. Em seguida, baseados em um simples modelo AR(1) dos retornos dos portflios sugerido por Boudoukh, Richardson e Whitelaw (1994), examinamos se as autocorrelaes cruzadas so apenas uma maneira ineficiente de descrever as altas correlaes dos portflios de baixo volume. Esse modelo do processo de gerao de retornos para cada um dos portflios possui parmetro positivo e monotonicamente decrescente com o tamanho. Os choques no processo AR(1) so assumidos como rudos brancos, mas so contemporaneamente correlacionados entre os portflios. importante notar ainda que, por premissa, o modelo gera autocorrelaes cruzadas independentes entre os retornos dos portflios. No contexto dos portflios valor-turnover, o modelo AR(1) estabelece que a correlao cruzada entre os retornos defasados do portflio de alto turnover, Va i Tu 4 (t 1) , e os retornos correntes do portflio de baixo turnover, Va i Tu1 (t ) , deve ser menor ou igual autocorrelao prpria dos retornos do portflio de baixo turnover, Va i Tu1 (t ) , ou seja, correl (Va i Tu1 (t ), Va i Tu 4 (t 1) ) correl (Va i Tu1 (t ), Va i Tu1 (t 1) ) . Em outras palavras, o modelo prev que a autocorrelao dos retornos do portflio de baixo volume deve ser maior que sua autocorrelao cruzada com os retornos defasados do portflio de alto volume. Caso o oposto seja observado, temos uma indicao de que as autocorrelaes cruzadas contm informao adicional sobre diferenas nas velocidades do ajuste de preos.

3.3 TESTES EMPRICOS

Seguindo a metodologia proposta por Chordia e Swaminathan (2000), so considerados dois tipos de testes de sries temporais: autorregresses vetoriais e Regresses Beta de

19

Dimson. O primeiro pretende verificar se existem padres lead-lag entre os retornos dos portflios de maior e menor liquidez, enquanto o segundo busca verificar a origem das autocorrelaes cruzadas.

3.3.1 Autorregresses Vetoriais

Nessa etapa, so realizados quatro testes de autorregresses vetoriais (VARs) bivariados entre cada par de portflios de mais alto e mais baixo turnover em cada quartil de valor de mercado, que procuram: a) identificar se as autocorrelaes cruzadas condicionais contm informaes adicionais quelas presentes nas autocorrelaes prprias; b) verificar se os retornos das aes mais lquidas preveem melhor os das menos lquidas ou vice-versa. Para tanto, so utilizados sistemas de equaes, conforme abaixo, onde os retornos de cada portflio so regredidos sobre seus retornos defasados e os de sua contraparte:

rA,t = ao + ak rA,t k + bk rB ,t k + ut
k =1 k =1

(1)

rB ,t = co + c k rA,t k + d k rB ,t k + vt
k =1 k =1

(2)

A fim de se analisar o tpico (a) mencionado acima, realiza-se um teste de causalidade


granger modificado, com hiptese alternativa H a : bk > 0 (cabe ressaltar que estamos
k =1 K

implicitamente considerando que nula a probabilidade dos coeficientes serem diferentes de zero, mas somarem zero). O teste indica se os retornos do portflio B, mais lquido, granger causam os do portflio A, menos lquido, ou seja, se as autocorrelaes cruzadas entre os portflios so relevantes para alm das autocorrelaes prprias na sua dinmica. Para verificar o ponto (b), um teste de equao cruzado (cross-equation test) utilizado, avaliando se H a : bk > ck . Essa anlise crucial para determinar se os retornos do
k =1 k =1 K K

20

portflio B antecipam-se aos do portflio A, apontando qualquer assimetria nas autocorrelaes cruzadas entre portflios de alta e baixa liquidez.

3.3.2 Regresses Beta de Dimson

Enquanto nos testes VAR controlam-se as diferenas na velocidade do ajuste de preos relacionadas ao tamanho das firmas ao se utilizar quatro quartis de valor de mercado, estimando um VAR para cada um desses quartis, outros efeitos sistemticos nos testes de velocidade de ajuste podem ser controlados rodando regresses de modelo de mercado sugeridas por Dimson (1979). Essas regresses incluem antecipaes e defasagens dos retornos de mercado como variveis independentes adicionais, o que possibilita verificar a origem das autocorrelaes cruzadas. As Regresses Beta de Dimson permitem avaliar sub ou sobrerreaes (under ou overreaction) dos retornos dos portflios em comparao com os retornos do mercado, assim como medir a velocidade do ajuste de preos de cada portflio em comparao com um benchmark do mercado e no a velocidade relativa entre eles, como em um teste VAR, o que ajuda a comparar as velocidades de diferentes aes e portflios. Nesta dissertao, analisam-se os retornos de quatro investimentos zero-net, comprados nos portflios de mais alto turnover e vendidos nos de mais baixo, dentro de cada quartil de valor, atravs das regresses a seguir, contra os retornos de um ndice de mercado EW equiponderado contendo todas as observaes consideradas nos dezesseis portflios valorturnover deste estudo:

rO ,t = a o +

k =K

O , k EW ,t k

+ u O ,t , onde rO ,t = rB ,t rA,t e O ,k = B ,k A,k

(3)

Testando se H a : O , 0 > 0; O , k < 0 , possvel identificar se o portflio B, com maior


k =1

turnover, se ajusta mais rapidamente a novas informaes de mercado do que o portflio A,

com menor turnover. A intuio por trs desse teste que, se o portflio B responde mais rapidamente a novas informaes de mercado do que o portflio A, sua sensibilidade s informaes contemporneas comuns (representadas pelos retornos do mercado) deve ser

21

maior do que a do portflio A ( O , 0 > 0 ). Do mesmo modo, se o portflio A se ajusta


mais vagarosamente s informaes contemporneas, ele deve responder mais s informaes passadas comuns (representadas pelos retornos defasados do mercado) ( O ,k < 0 ), no por
k =1 K

uma compensao natural, mas sim porque existir maior correlao entre os retornos defasados do mercado com os retornos contemporneos de A do que de B. Cabe ressaltar que, como veremos adiante, a velocidade do ajuste de preos relativa ao portflio de mercado uma funo tanto do beta contemporneo quanto dos betas defasados.

3.3.2.1 Testes de Hiptese

importante notar que, tanto para os VARs bivariados quanto para as Regresses Beta de Dimson, os testes estatsticos so unilaterais, j que as hipteses testadas tambm o so. Contudo, por envolverem mais de uma restrio, pois se tratam de testes conjuntos em sistemas de equaes, as regresses precisam ser estimadas sob a hiptese alternativa restrita, ao invs de um tradicional teste Z unilateral, como ocorre com uma nica restrio. Isso leva a uma estatstica de teste Wald que possui uma distribuio extremamente complexa, derivada de uma ponderao de distribuies qui-quadradas (GOURIEROUX; HOLLY; MONFORT, 1982). Especificamente, um teste unilateral com m restries possui a seguinte distribuio:

Wm ~ w j 2 j , onde 0 < w j < 1


j =0

(4)

O grande problema que w j uma funo no linear complexa dos dados e depende da hiptese alternativa particular. Desse modo, no existe soluo geral fechada para a funo de ponderao. Todavia, Gourieroux, Holly e Monfort (1982) destacaram que um teste unilateral que leva em considerao a hiptese alternativa restrita deve ter um maior poder do que um teste bilateral. Isso implica que os testes que utilizam a distribuio acima devem ser capazes de rejeitar a hiptese nula com maior frequncia do que os que usam a distribuio qui-quadrada tradicional. Dessa maneira, para contornar as dificuldades impostas, devemos lembrar que, ao

22

rejeitarmos a hiptese nula contra uma hiptese alternativa unilateral, utilizando a distribuio tradicional qui-quadrada, tambm estaremos rejeitando a hiptese para uma combinao dessas distribuies e, portanto, nos valeremos desse artifcio.

3.4 ANLISE DA VELOCIDADE DO AJUSTE DE PREOS DE AES INDIVIDUAIS

Na ltima etapa de nosso estudo, ao invs de utilizarmos os retornos dos portflios valorturnover, como nos testes empricos supramencionados, lanaremos mo de dados de aes individuais para examinar a interao entre o volume negociado e a capacidade de incorporao de novas informaes aos preos. Especificamente, so relacionadas as aes que contribuem mais e menos para as autocorrelaes e autocorrelaes cruzadas dos portflios e analisadas algumas de suas caractersticas contemporneas, de maneira a determinar se a liquidez, mensurada pelo turnover, emerge como um fator importante para explicar as diferenas nas velocidades do ajuste de preos entre os dois grupos de aes. A fim de identificar quais aes contribuem mais para as autocorrelaes e autocorrelaes cruzadas dos portflios, utiliza-se uma medida de velocidade de ajuste baseada no beta contemporneo e nos betas defasados de Regresses Beta de Dimson. Para cada ano entre 2000 e 2011, a seguinte Regresso Beta de Dimson estimada para cada uma das aes na amostra:

ri , t = ai +

k = 5

i , k EW , t k

+ ui , t

(5)

Onde ri ,t o retorno dirio da ao, rEW ,t o retorno dirio do ndice de mercado e i ,k o beta em relao ao ndice do mercado defasado k perodos. Como ndice de mercado, novamente utilizado um portflio EW equiponderado contendo todas as observaes consideradas nos dezesseis portflios valor-turnover deste estudo. Cabe recordar a discusso na seo 3.3.2, em que foi dito que a velocidade de ajuste (relativa ao portflio de mercado) era uma funo tanto do beta contemporneo quanto dos betas defasados. Por simplicidade, considere uma Regresso Beta de Dimson com apenas uma defasagem (lag) e uma antecipao (lead). Comparando a velocidade de ajuste entre duas aes A e B, os preos da ao B, mais lquida, se ajustam mais rapidamente

23

informao comum do que os da ao A, menos lquida, se e somente se o beta contemporneo da ao B, B , 0 , maior que o beta contemporneo da ao A, A, 0 , e o beta defasado da ao B, B ,1 , menor do que o beta defasado da ao A, A,1 . Essa relao pode ser resumida da seguinte maneira: retornos da ao B se ajustam mais rapidamente informao comum do que os retornos da ao A se e somente se B ,1 B , 0 menor que A,1 A, 0 . Para uma Regresso Beta de Dimson com cinco antecipaes e cinco defasagens, a razo da velocidade de ajuste definida como

k =1

i,k

i ,0 . Utiliza-se, ento, uma transformao

logit dessa razo como a medida da velocidade do ajuste de preos:


5

DELAYi =

i,k 1 , onde x = k =1 x 1+ e i ,0

(6)

Essa medida, a mesma utilizada por Chordia e Swaminathan (2000), uma adaptao da medida proposta por McQueen, Pinegar e Thorley (1996). Se x for a razo dos betas defasados em relao ao beta contemporneo, ento a medida proposta por McQueen, Pinegar e Thorley (1996) igual transformao logit x (1 + x) . Apesar de essa medida ser monotnica em x para x > 1 , ela no monotnica em x para x < 1 . Como aes de grandes
empresas se ajustam mais rapidamente informao comum do que o ndice de mercado equiponderado, x frequentemente menor que 1 para essas aes, j que o beta contemporneo tende a ser maior que 1 e os betas defasados tendem a ser negativos ou menores que 1. Isso gera um problema quando se compara um valor positivo e um valor negativo de x ou ao se comparar dois valores negativos de x. O problema solucionado utilizando a medida DELAY, proposta acima, uma vez que para x > 0 ela gera valores maiores que 0,5 e para x < 0 , valores menores que 0,5. Alm de ser monotnica em x, a transformao logit efetuada possui uma srie de outras propriedades interessantes. A transformao suaviza a influncia de outliers e padroniza os valores entre 0 e 1. Valores mais prximos a 0 implicam em uma maior velocidade de ajuste e valores mais prximos a 1 indicam ajustes mais lentos. Assim, aes com alto (baixo) DELAY so aquelas que contribuem mais (menos) para as autocorrelaes e autocorrelaes cruzadas dos portflios.

24

Em nosso estudo, para cada ano, formam-se, ento, quatro quartis de tamanho, mensurado pelo valor de mercado das firmas, que so divididos em quatro quartis baseados no DELAY cada. Focamos nos portflios extremos de DELAY, Alto e Baixo, em cada um dos quartis de valor. Alto DELAY o quartil que contm os 25% de aes dentro de cada quartil de tamanho que mais contribuem para uma reao lenta informao de fator comum. Baixo DELAY representa os 25% de aes que menos contribuem para o atraso. Para cada um dos portflios, em cada ano, so computadas as mdias de cada uma das caractersticas contemporneas analisadas de cada ao e, em seguida, calcula-se a mdia dessas propriedades ao longo dos anos. Divergindo do artigo base, utilizamos caractersticas contemporneas e no de dezembro do ano anterior, pelos motivos j anteriormente explicados. As propriedades analisadas so: Volume, definido como o nmero mdio de ttulos negociados por dia; Turnover, definido como o turnover dirio mdio em percentual; Valor, que o valor de mercado dirio mdio da empresa em milhes de reais; Preo, que o preo de fechamento ajustado dirio mdio; DesvPad Ret, definido como o desvio-padro dos retornos dirios. As anlises sobre cobertura de analistas e spread realizadas por Chordia e Swaminathan (2000) no puderam ser replicadas devido falta de uma base de informaes consolidada e de fcil manipulao para o mercado nacional.

25

4 DADOS E RESULTADOS

4.1 DESCRIO DOS DADOS

Na amostra considerada, descrita na seo 3.1, as correlaes dirias mdias entre o valor de mercado das empresas e o volume bruto de ttulos negociados e entre o valor das empresas e o preo das aes so 0,01 e 0,88, respectivamente, enquanto que a correlao entre o valor e o turnover 0,02 e entre o turnover e o volume bruto negociado 0,86. Dessa maneira, o turnover est altamente correlacionado com o volume bruto negociado, mas pouco correlacionado com o tamanho da firma, o que exatamente o que buscamos dessa varivel. Cabe mencionar, contudo, que, diferentemente do mencionado pelos autores do paper original, no observamos uma alta correlao entre o tamanho das empresas e o volume bruto de ttulos negociados que justificasse o uso do turnover e no do volume bruto como proxy da liquidez. Optamos mesmo assim por utilizar o turnover, por critrio de similaridade com o estudo norte-americano. Na Tabela 1, so apresentadas as estatsticas descritivas de cada um dos dezesseis portflios valor-turnover construdos. Tanto os retornos dirios quanto os semanais, mdios dos portflios, apontam uma relao negativa entre a liquidez e os retornos das aes, que s no fica to clara no quartil de menor valor. Os retornos mdios dirios das aes das firmas pequenas parecem maiores que o usual porque, conforme nossa metodologia, estamos desconsiderando os retornos dos dias t em que no houve negociao em t ou t-1. Diferentemente de Chordia e Swaminathan (2000), que observaram um decrscimo da autocorrelao de primeira ordem dos retornos dirios dos portflios com o volume negociado em cada um dos trs quartis de maior tamanho, no se observa uma relao clara entre essa autocorrelao e o volume no caso brasileiro, exceto no quartil de valor Va3. Tal fato pode estar relacionado maneira como computamos os retornos dos portflios, eliminando as observaes quando no houve negociaes em pelo menos um dos dois dias anteriores, o que descarta informao valiosa a respeito de reaes atrasadas a informaes privadas e reduz as autocorrelaes nos portflios de menor liquidez.

Tabela 1 - Estatsticas Sumarizadas dos Portflios Valor-Turnover

Estatsticas dos Retornos Dirios Sexta-Feira (1) S(4) 0,04 0,08 0,11 0,37 0,12 0,47 0,16 0,43 Mediana 0,10 0,09 0,07 0,05 0,54 0,55 0,59 0,58 2,01 1,97 2,20 2,31 13,03 23,15 16,34 24,27 6,11 15,59 24,46 16,06 28,69 6,11 2,03 2,00 2,11 2,43 0,84 0,88 1,02 1,32 9,12 13,92 6,64 25,58 2,96 19 19 20 20 20 20 20 21 314 0,52 0,54 0,59 0,65 0,19 0,20 0,25 0,36 19 20 19 20 0,006% 0,034% 0,109% 0,397% 0,006% 0,053% 0,179% 0,660% 0,006% 0,062% 0,191% 0,524% Mdia Desv. Pad. N(e) 0,11 0,05 19 0,10 0,03 19 0,08 0,03 20 0,07 0,07 20 Mediana 0,022% 0,081% 0,201% 0,577% 0,01 0,15 0,11 0,17 0,07 0,09 0,10 0,03 0,00 -0,11 -0,13 -0,10 -0,12 -0,01 0,11 0,42 0,01 -0,01 0,00 0,00 0,40 0,48 0,38 0,32 0,01 0,45 0,58 0,53 0,023% 0,074% 0,140% 0,491% 0,022% 0,079% 0,208% 0,808% 0,035% 0,084% 0,207% 0,553% 0,275% 0,304%

Estatsticas dos Valores de Mercado

Estatsticas dos Turnovers Mdia Desv. Pad. 0,115% 0,447% 0,117% 0,129% 0,392% 0,669% 1,021% 1,245% 0,049% 0,124% 0,125% 0,426% 0,054% 0,091% 0,131% 0,544% 0,098% 0,078% 0,098% 0,268% 0,144% N(n) 10 13 14 15 11 14 16 18 12 16 19 19 16 19 19 20 250

Portflio Mediana Mdia Desv. Pad. Va1Tu1 0,28% 0,62% 4,29% Va1Tu 0,25% 0,65% 4,32% Va1Tu! 0,21% 0,42% 3,15% Va1Tu4 0,28% 0,63% 3,74% 0,47% 0,46% 0,75% 0,81% 0,65% 0,67% 0,73% 0,56% 0,69% 0,73% 0,62% 0,51% 0,64% 0,90% 0,30% 0,81% 3,83% 2,97% - -0,04 0,05 283 0,14 0,44 -0,09 0,02 0,11 0,42 1,38% 0,46% 0,53% 0,43% 16,20% 2,97% 3,27% 4,05% 18 -0,01 0,00 19 0,01 0,06 19 -0,02 0,06 20 -0,04 0,04 -0,01 -0,01 -0,05 -0,06 0,00 0,08 0,07 0,05 0,88% 0,65% 0,60% 0,49% 2,95% 2,78% 3,09% 4,05% 16 18 19 19 0,13 0,17 0,09 0,08 0,36 0,59 0,38 0,36 0,15 0,13 0,11 0,05 0,39 0,46 0,40 0,36 1,54% 0,59% 0,69% 0,61% 21,97% 2,83% 2,80% 3,53% 15 18 18 19 0,00 0,10 0,17 0,14 0,00 0,38 0,67 0,48 0,03 0,15 0,16 0,12 0,00 0,40 0,66 0,52

(1) -0,16 -0,18 -0,14 -0,16

S(10) 0,03 -0,04 0,04 0,10

N(c) 7 10 11 14

Estatsticas dos Retornos Semanais Quarta-Feira Tera-Feira Mediana Mdia Desv. Pad. N(c) (1) S(4) (1) S(4) 0,45% 0,72% 4,24% 14 0,01 0,04 -0,09 -0,05 0,75% 1,20% 5,02% 16 0,10 0,37 -0,04 0,27 0,69% 0,98% 4,39% 17 0,13 0,46 0,06 0,38 0,65% 1,51% 6,01% 18 0,17 0,46 0,17 0,48

Va Va Va Va

Tu1 Tu Tu! Tu4

0,21% 0,18% 0,21% 0,15%

0,32% 0,25% 0,21% 0,13%

2,34% 1,94% 1,36% 1,55%

-0,06 -0,07 0,07 0,11

-0,01 0,15 0,38 0,45

8 12 14 18

Va!Tu1 Va!Tu Va!Tu! Va!Tu4

0,26% 0,18% 0,20% 0,17%

0,35% 0,19% 0,13% 0,11%

1,85% 1,33% 1,36% 1,91%

-0,02 0,10 0,08 0,02

0,20 9 0,37 14 0,25 18 0,12 19

Va4Tu1 Va4Tu Va4Tu! Va4Tu4

0,21% 0,14% 0,12% 0,13%

0,34% 0,10% 0,11% 0,08%

5,03% 1,49% 1,64% 1,97%

0,02 0,03 0,01 0,03

0,00 -0,06 -0,12 -0,10

14 18 19 20

"#$V %&

0,11% 0,29%

0,06% 0,24%

1,95% 1,38%

0,01 -0,14 0,07 0,28 227

As estatsticas para os portflios valor-turnover foram computadas no perodo entre os anos de 2000 e 2011. VaiTuj refere-se ao portflio de valor de mercado (Va) i e turnover (Tu) j. i=1 refere-se ao portflio do quartil de menor valor e i=4, ao de maior. Similarmente, j=1 refere-se ao portflio do quartil de menor turnover e j=4, ao de maior. EW o ndice de mercado equiponderado contendo todas as observaes consideradas nos dezesseis portflios valor-turnover deste estudo. IBOV o ndice Ibovespa. As estatsticas de retorno foram computadas utilizando-se tanto retornos dirios quanto retornos semanais no superpostos. Cada semana termina em uma quarta-feira. Para fins de comparao, tambm so reportadas as autocorrelaes de semanas terminando em teras e sextas-feiras. As colunas intituladas Quarta-Feira, Tera-Feira e Sexta-Feira referem-se s semanas terminadas nesses respectivos dias. As estatsticas de valor e turnover dos portflios so obtidas calculando-se a mdia, mediana e desvio-padro das respectivas medidas ao longo de todo o perodo analisado. N(c) refere-se ao nmero mdio de aes consideradas em cada portflio, em cada dia ou semana entre 2000 e 2011. N(e) refere-se ao nmero mdio de aes existentes em cada portflio, em cada dia entre 2000 e 2011. N(n) refere-se ao nmero mdio de aes negociadas em cada portflio, em cada dia entre 2000 e 2011. O nmero de retornos dirios para cada um dos portflios entre 2000 e 2011 2.973. O nmero de retornos semanais no mesmo perodo 626. (k) refere-se autocorrelao de ordem k. S(k) refere-se soma das k primeiras autocorrelaes. O valor de mercado est apresentado em bilhes de reais. O turnover est apresentado em percentual dirio.

26

27

Alm disso, no fica evidente um padro nem no sinal, nem na relao entre a soma das dez primeiras autocorrelaes dos retornos dirios e o turnover em cada quartil de valor, o que vai novamente de encontro aos resultados do artigo base, onde essa soma era sempre positiva e decrescente com o volume. A princpio, o quartil que mais se aproxima das observaes descritas , mais uma vez, o Va3. A Tabela 1 tambm mostra as autocorrelaes dos retornos semanais dos portflios com semanas terminando em quartas, teras e sextas-feiras. Somente se observa um padro de declnio monotnico entre a primeira autocorrelao ou entre a soma das quatro primeiras autocorrelaes dos retornos semanais, em valor absoluto, com o turnover no quartil de segundo maior valor, diferentemente dos resultados de Chordia e Swaminathan (2000), onde isso era observado em todos os quartis. Contrariando Boudoukh, Richardson e Whitelaw (1994), que afirmaram serem as autocorrelaes baseadas em fechamentos de quartas-feiras menos extremas do que aquelas relacionadas aos outros dias da semana, no fica bem determinado no Brasil de que forma os dias da semana afetam essas medidas. O quartil que mais se aproxima do comportamento mencionado pelo referido estudo o Va1. Apesar disso, para ser consistente com a boa prtica da literatura internacional e apresentar resultados comparveis aos do paper original, optamos por utilizar os fechamentos de quarta-feira como base de todos os resultados empricos relacionados aos retornos semanais aqui apresentados. Ao compararmos as autocorrelaes dirias e semanais com o tamanho das firmas, percebemos uma correlao negativa similar descrita por Chordia e Swaminathan (2000), com exceo da autocorrelao de primeira ordem diria. De fato, em se tratando de autocorrelaes dirias, observa-se que elas crescem do quartil de menor para o de maior tamanho. Alm disso, as autocorrelaes dirias so negativas no quartil de menor tamanho e positivas no quartil de maior tamanho, enquanto que as autocorrelaes semanais apresentam um padro inverso. Tambm existe divergncia da referncia supracitada quando se percebe que as autocorrelaes de primeira ordem semanais no so sempre menores que as autocorrelaes dirias (apenas so menores em mdulo para os portflios de menor liquidez nos quartis Va1 e Va4), uma vez que no caso base a nica exceo era o quartil de menor valor. Visto que as autocorrelaes de primeira ordem so estatisticamente relevantes (com exceo das dirias dos portflios Va3Tu1 e Va3Tu4, do quartil Va4 e do IBOV, para 1% de significncia; e das semanais dos portflios Va1Tu1 e Va2Tu1, do quartil Va4 e do IBOV, para 5% de significncia), todas essas divergncias encontradas entre os dados

28

brasileiros e os norte-americanos podem estar relacionadas ao fato de as autocorrelaes no Brasil serem praticamente uma ordem de grandeza menor do que aquelas observadas nos EUA, o que indica um mercado mais voltil onde o humor muda com maior frequncia, ocasionando maior impreciso estatstica. Cabe relembrar que, muito embora a maioria das aes individuais apresente pequenas autocorrelaes negativas, em geral, os retornos dos portflios costumam apresentar autocorrelaes positivas. Contudo, caso os preos dos ativos se ajustem lentamente a novas informaes, ento aumentos (redues) nos preos devem ser seguidos por outros aumentos (redues), o que geraria autocorrelaes positivas nos retornos das aes. Entretanto, como as autocorrelaes dirias ou semanais dos portflios da Tabela 1 no apresentam uma tendncia clara de queda com o aumento de turnover dentro dos quartis de valor, no temos uma evidncia consistente com a hiptese de que os retornos das aes de maior liquidez se ajustem mais rapidamente a informaes comuns, com exceo dos trs portflios de maior volume dentro do quartil Va3. interessante notar que, no artigo no qual nos baseamos, havia uma evidncia clara desse fenmeno, menos para os retornos dirios dos portflios Va1. De acordo com alguns autores, porm, as autocorrelaes positivas poderiam ser sintomas de problemas de falta de negociao. Todavia, Boudoukh, Richardson e Whitelaw (1994) destacaram que mesmo a heterogeneidade em dias sem negociao no seria capaz de explicar as autocorrelaes positivas da Tabela 1, o que parece fazer sentido, uma vez que so os portflios de maior tamanho e liquidez que apresentam autocorrelaes positivas nos retornos dirios e no os de menor tamanho e liquidez, onde supostamente deveria ocorrer a maior parte dos problemas mencionados (cabe notar que, em se tratando de dados semanais, no existe nenhum caso de semana sem negociao de todas as aes nos respectivos portflios). Na Tabela 1, tambm so reportados o valor de mercado mdio e mediano e o turnover mdio e mediano de cada portflio, assim como os respectivos desvios-padro, ao longo de todo o perodo considerado. Destacamos que esse clculo por ns realizado difere um pouco daquele encontrado em Chordia e Swaminathan (2000), onde primeiramente se calculavam as estatsticas para cada portflio em cada ano e, em seguida, se tirava uma mdia desses valores para os anos considerados. Nota-se, adicionalmente, que os valores de mercado mdios das empresas nos portflios brasileiros so bem maiores do que os dos portflios norteamericanos, uma vez que existe no mercado nacional uma maior concentrao de liquidez em poucos papis, levando ao descarte de observaes de um maior nmero de empresas de menor porte.

29

Como esperado, os turnovers mdios e medianos crescem dentro de cada quartil de tamanho. Os valores de mercado mdios e medianos, contudo, crescem com o turnover em todos os quartis, com exceo daquele de menor tamanho. Nesse quartil, ao contrrio do estudo original, onde isso ocorria no quartil de maior valor, os valores mdios e medianos decrescem com o turnover, o que oferece a oportunidade de testarmos se o volume negociado gera uma influncia independente do tamanho das firmas nos padres das autocorrelaes cruzadas. Caso isso ocorresse, ento os retornos das aes de alto volume deveriam continuar a antecipar os retornos das aes de baixo volume, mesmo em Va1. Pelo contrrio, caso o volume negociado fosse apenas uma proxy do tamanho das empresas, no referido quartil, as aes de baixa liquidez deveriam se antecipar s aes de alta liquidez. Os dados da Tabela 1 no nos permitem concluir que o volume gera um efeito independente do tamanho nas autocorrelaes dos portflios, uma vez que as autocorrelaes parecem crescer com o turnover em Va1, principalmente nos dados semanais (compare, por exemplo, os dois portflios intermedirios, com turnovers mdios de 0,12% e 0,39% e valores mdios de R$0,10Bi e R$0,08Bi, respectivamente, que apresentam correlaes dirias de primeira ordem de 0,18 e 0,14 e semanais de 0,10 e 0,13, respectivamente).
Por fim, a Tabela 1 apresenta o nmero mdio de aes formadoras de cada portflio em cada dia entre 2000 e 2011 e a quantidade mdia diria de aes com negociao no mesmo perodo em cada portflio. Adicionalmente, reportado o nmero mdio de aes consideradas em cada portflio em cada dia ou semana entre 2000 e 2011, ou seja, o nmero mdio de observaes consideradas para o clculo dos retornos dos respectivos portflios, excluindo-se os dias sem negociao ou sem negociao no dia anterior. Os nmeros mdios de observaes dirias consideradas nos portflios de menor turnover, Tu1, at o terceiro quartil de valor, Va3, assim como todos aqueles no quartil de menor valor, Va1, so substancialmente menores que os de aes formadoras dos respectivos portflios, o que indica que muitas firmas pequenas foram excludas dos portflios dirios, devido a problemas de falta de negociao. Contudo, fcil notar que essas consequncias da falta de liquidez so desprezveis nos dois quartis de maior tamanho. Alm disso, o nmero mdio de observaes semanais consideradas, muito mais prximo do nmero mdio de aes formadoras de cada portflio, deixa claro que, para frequncias semanais, os efeitos de no negociao so mnimos, mesmo no quartil de menor tamanho. importante ressaltar que, mais uma vez, os pesquisadores estrangeiros se beneficiaram do maior desenvolvimento do mercado norte-americano, o que lhes permitiu obter portflios com

30

um nmero muito mais expressivo de aes, na casa de uma centena, enquanto que em nossos portflios ficamos na casa de duas dezenas. Destacamos que nos quartis de menor valor de mercado, nos portflios de baixo turnover so consideradas cerca de metade da quantidade de aes dos portflios de alto turnover nos dados dirios, devido aos efeitos de dias sem negociao. Como nos dados semanais esse impacto reduzido, sempre podemos recorrer a esses ltimos caso surjam questionamentos quanto quantidade de observaes nas amostras. Uma vez que as autocorrelaes analisadas no foram capazes de apresentar evidncias consistentes com a hiptese de que os preos das aes mais lquidas incorporam mais rapidamente novas informaes, a no ser no quartil Va3, precisamos ressalvar que, por si s, as autocorrelaes prprias no oferecem inferncias irrefutveis a respeito de diferenas na velocidade do ajuste de preos. Utilizando o mesmo exemplo de Chordia e Swaminathan (2000) para esclarecer esse ponto, imagine duas aes A e B. Suponha que o retorno da ao B responda tanto s informaes de hoje, quanto s informaes de ontem, enquanto que o retorno da ao A apenas responda s informaes de ontem. A ao B, que se ajusta mais rapidamente a novas informaes de mercado, ir exibir uma autocorrelao positiva nos retornos dirios. Por outro lado, a ao A, que se ajusta mais lentamente informao, exibir uma correlao nula. As autocorrelaes cruzadas, por outro lado, no apresentam esse problema e, por esse motivo, esta dissertao se concentrar em avaliar as diferenas nas autocorrelaes cruzadas.

4.2 RESULTADO DA ANLISE DAS AUTOCORRELAES PRPRIAS E CRUZADAS

A Tabela 2, a seguir, expe as autocorrelaes prprias e cruzadas dos retornos dos portflios valor-turnover. Limitamo-nos a analisar os portflios de turnovers extremos dentro de cada quartil de valor de mercado a fim de ressaltarmos mais claramente os impactos da liquidez nos resultados, ainda mais porque notamos que as autocorrelaes encontradas so praticamente uma ordem de grandeza menor do que aquelas observadas no artigo original, devido provavelmente maior volatilidade em pases emergentes. O Painel A apresenta as autocorrelaes dos retornos dirios dos portflios e o Painel B, as autocorrelaes dos retornos semanais, com semanas terminando em quartas-feiras.

31

Os resultados indicam que, em todos os quartis de valor, a correlao entre os retornos defasados dos portflios de alto turnover, Va i Tu 4 (t 1) , e os retornos correntes dos portflios de baixo turnover, Va i Tu1 (t ) , sempre maior que a correlao entre os retornos defasados dos portflios de baixo turnover, Va i Tu1 (t 1) , e os retornos correntes dos portflios de alto turnover, Va i Tu 4 (t ) , isto correl (Va i Tu1 (t ), Va i Tu 4 (t 1) ) > correl (Va i Tu 4 (t ), Va i Tu1 (t 1) ) , mesmo em mdulo (com exceo do quartil Va4 para retornos semanais em mdulo).

Tabela 2 - Autocorrelaes Prprias e Cruzadas dos Portflios Valor-Turnover


Va1Tu1 (t) Va1Tu4 (t) Va Tu1 (t) Va Tu4 (t) Va!Tu1 (t) Va!Tu4 (t) Va4Tu1 (t) Va4Tu4 (t) Painel A Retornos Dirios Va1Tu1 (t'1) Va1Tu4 (t'1) Va Tu1 (t'1) Va Tu4 (t'1) Va!Tu1 (t'1) Va!Tu4 (t'1) Va4Tu1 (t'1) Va4Tu4 (t'1) -0,16 0(0) 0,03 0(0) 0,04 0(0! 0,00 0(04 '0(0 -0,16 0(00 0,03 0(0 0,01 '0(01 0,02 -0,01 0(01 -0,06 0(0) 0,02 0(04 0,00 0(0! 0(00 0,04 0(0! 0,11 0(0+ 0,10 0(0 0,09 0,01 0(0 0,03 0(0* -0,02 0(0+ 0,01 0(0* '0(04 0,00 0(01 0,03 0(01 0,02 0(01 0,04 -0,02 0(01 0,02 0(0 0,02 0(04 0,02 0(04 '0(01 0,00 0(01 0,02 0(00 0,01 0(00 0,03

Painel ! Retornos Semanais Va1Tu1 (t'1) Va1Tu4 (t'1) Va Tu1 (t'1) Va Tu4 (t'1) Va!Tu1 (t'1) Va!Tu4 (t'1) Va4Tu1 (t'1) Va4Tu4 (t'1) 0,01 0(1+ -0,05 0(1) 0,19 0(1* 0,00 0(14 0(0+ 0,17 '0(0! 0,15 0(1! 0,13 0(00 0,12 0,04 0(0! 0,00 0(04 0,06 0(0) 0,01 0(0* 0(0) 0,11 '0(0 0,14 0(11 0,17 0(0 0,14 0,08 0(1* -0,01 0(1* 0,13 0( -0,02 0(1) '0(0! 0,05 0(01 0,07 0(04 0,08 0(00 0,05 -0,03 0(0 0,00 0(01 0,06 '0(01 -0,01 0(01 '0(10 0,02 '0(0 -0,04 '0(0 -0,01 '0(04 -0,04

VaiTuj(t) refere-se ao retorno no tempo t do portflio correspondente ao j-simo quartil de turnover, dentro do insimo quartil de valor de mercado. O nmero de observaes dirias entre 2000 e 2011 2.973. O nmero de observaes semanais no superpostas entre 2000 e 2011 626. Cada semana termina em uma quarta-feira. Os Painis A e B apresentam as autocorrelaes prprias e cruzadas da primeira defasagem.1

Por exemplo, no quartil de menor valor de mercado utilizando dados dirios (vide Painel A), a correlao entre os retornos defasados do portflio de maior turnover, Va1Tu 4 (t 1) , e os retornos correntes do portflio de menor turnover, Va1Tu1 (t ) , 0,05, enquanto que a correlao entre os retornos defasados do portflio de menor liquidez, Va1Tu1 (t 1) , e os

A fim de verificar a robustez dos resultados aqui apresentados, construmos um novo correlograma, como o da Tabela 2, com base em nove portflios montados a partir da classificao das aes em trs tercis segundo o tamanho das firmas, dividindo, cada um, em trs portflios segundo o turnover. Os resultados foram similares.

32

retornos correntes do portflio de maior liquidez, Va1Tu 4 (t ) , -0,02. Similarmente, usando os dados semanais, a correlao entre os retornos defasados do portflio de alto volume,

Va1Tu 4 (t 1) , e os retornos correntes do portflio de baixo volume, Va1Tu1 (t ) , 0,17,


enquanto que a correlao entre os retornos defasados do portflio de baixo volume,

Va1Tu1 (t 1) , e os retornos correntes do portflio de alto volume, Va1Tu 4 (t ) , 0,07.


O fato de serem observados esses comportamentos de antecipao-defasagem, tanto para os retornos dirios quanto para os semanais, no quartil de menor valor, onde o tamanho decresce com o volume, traz a evidncia de que a liquidez possui uma influncia independente do tamanho da firma nos padres de autocorrelao, uma vez que, se no fosse assim, os retornos dos portflios menos lquidos iriam antecipar os dos mais lquidos. Alm disso, como o efeito se repete para os quartis de maiores valores de mercado, infere-se que negociaes no sncronas no podem ser as nicas fontes desses padres lead-lag, j que esses quartis no apresentam problemas de falta de negociaes. Todos esses resultados so similares aos descritos em Chordia e Swaminathan (2000). Com relao anlise do modelo AR(1) proposto por Boudoukh, Richardson e Whitelaw (1994), os resultados dirios e semanais da Tabela 2 mostram que, em todos os quartis de valor, para os portflios de baixo turnover, VaiTu1, as autocorrelaes cruzadas com os retornos defasados dos portflios de alto turnover excedem as autocorrelaes prprias, ou seja, correl (Va i Tu1 (t ), Va i Tu 4 (t 1) ) > correl (Va i Tu1 (t ), Va i Tu1 (t 1) ) , mesmo em mdulo (com exceo dos quartis Va1 e Va2 para retornos dirios em mdulo). Assim sendo, esses resultados claramente indicam que as autocorrelaes cruzadas contm informao adicional s das autocorrelaes prprias a respeito das diferenas nas velocidades de ajuste, o que ser formalizado no prximo subitem, quando so descritos os resultados dos testes VARs. Novamente, verificam-se concluses semelhantes s observadas no artigo original. Indo alm, contrastamos os resultados acima com as autocorrelaes cruzadas relacionadas apenas a diferenas de tamanho, como vistas no Painel B da Tabela 2. Por exemplo, considerando os portflios Va1Tu1 e Va4Tu1, que so de valores extremos, verifica-se que a autocorrelao dos retornos de Va1tTu1, correl (Va1Tu1 (t ), Va1Tu1 (t 1) ) = 0,01 , excede a correlao entre os retornos defasados de Va4Tu1 e os retornos correntes de Va1Tu1, correl (Va 4Tu1 (t 1), Va1Tu1 (t ) ) = 0,00 . Isso foi o que Boudoukh, Richardson e Whitelaw (1994) reportaram no seu artigo e o porqu de eles terem concludo que as autocorrelaes cruzadas no eram to importantes quanto as autocorrelaes prprias em portflios controlados para o tamanho.

33

4.3 RESULTADOS DOS TESTES EMPRICOS

4.3.1 Resultados das Autorregresses Vetoriais

Tabela 3 - Autorregresses Vetoriais dos Portflios Valor-Turnover


Painel A Retornos Dirios "#"c$%&'()$ Portflio Va1Tu1 Va1Tu4 Va Tu1 Va Tu4 Va!Tu1 Va!Tu4 Va4Tu1 Va4Tu4 P1 -0.1786 *** 0.0100 -0.0853 *** -0.0016 -0.0762 *** 0.0003 0.0072 *** -0.0034 Pouco -0.1635 *** 0.1037 * -0.1256 -0.0089 0.0094 ** 0.0683 -0.0080 *** -0.0299 *** M1 0.1014 *** -0.1581 *** 0.0960 *** 0.1024 *** 0.0977 *** 0.0236 0.1072 *** 0.0317 Muito 0.1576 ** -0.0420 *** 0.2521 *** 0.2287 *** 0.1605 *** 0.0094 0.1381 -0.0418 , 0.0336 0.0331 0.0104 0.0138 0.0116 -0.0009 -0.0009 0.0015 -(.) 13.7267 ***

15.0906 ***

13.3620 ***

1.1300

Painel ! Retornos Semanais "#"c$%*&*$ P1 -0.0561 0.0078 -0.0036 -0.0044 *** 0.0119 -0.0093 -0.0064 *** -0.0097 *** M1 0.1363 *** 0.1723 *** 0.2365 ** 0.1362 ** 0.1519 *** 0.0880 * 0.0435 -0.0352 , 0.0298 0.0273 -0.0018 0.0160 0.0438 0.0039 -0.0031 -0.0001 -(.) 3.4056 *

Va1Tu1 Va1Tu4 Va Tu1 Va Tu4 Va!Tu1 Va!Tu4 Va4Tu1 Va4Tu4

0.9259

3.6851 *

0.1055

*, **, *** denotam a significncia aos nveis de 10%, 5% e 1%, respectivamente. Os VARs acima foram estimados usando dados dirios ou semanais entre 2000 a 2011:

rA,t = a o + a k rA,t k + bk rB ,t k + u t

(1) (2)

rB ,t = c o + c k rA,t k + d k rB ,t k + v t
k =1 k =1

k =1 K

k =1 K

A varivel dependente em cada linha VaiTuj o retorno do portflio de pouco,

rA,t , ou muito, rB ,t ,

turnover dentro de cada quartil de valor de mercado. Os portflios VaiTuj so os definidos na Tabela 1. K K K K Pouco se refere a a ou c e Muito se refere a b ou d , segundo a varivel dependente.

k =1

k =1

k =1

k =1

Similarmente, P1 denota a1 ou c1 e M1 denota b1 ou d1 . R2 o coeficiente de determinao ajustado. N(c) refere-se quantidade de retornos dirios ou semanais considerados em cada regresso. Z(b) a estatstica Z correspondente hiptese nula do teste de equao cruzado,

b = c
k =1 k k =1

. A hiptese alternativa

b
k =1

> ck .
k =1

K=5 (K=1) para as regresses envolvendo retornos dirios (semanais). O nvel de significncia de Z(b) baseado em testes unicaudais. Todas as estatsticas so computadas com base em erros padro corrigidos segundo a matriz de covarincia robusta heterocedasticidade de White.

34

Os VARs descritos na seo 3.3.1 foram estimados usando retornos dirios e semanais dos dois portflios de turnover extremos dentro de cada quartil de valor de mercado, a fim de ressaltarmos a influncia da diferena de liquidez nos resultados: (Va1Tu1;Va1Tu4), (Va2Tu1;Va2Tu4), (Va3Tu1;Va3Tu4) e (Va4Tu1;Va4Tu4). No caso dos retornos dirios, os VARs foram estimados utilizando-se cinco defasagens, K=5, enquanto que, para os retornos semanais, utilizou-se apenas uma defasagem, K=1, j que defasagens adicionais apenas adicionariam mais rudo. Todas as regresses foram estimadas atravs do Mtodo dos Mnimos Quadrados Ordinrios, com erros padro robustos heterocedasticidade (HC1). A Tabela 3, na pgina anterior, sumariza os resultados das quatro autorregresses vetoriais realizadas. Pouco e Muito representam a soma dos coeficientes dos retornos defasados do
K K k K K k

portflio de pouco volume,

a
k =1

ou

c k , e de muito volume,
k =1

b
k =1

ou

d
k =1

respectivamente, dependendo das variveis regredidas. P1 e M1 so os coeficientes da primeira defasagem dos retornos do portflio de pouca liquidez, a1 ou c1 , e muita liquidez,

b1 ou d1 , respectivamente, dependendo das variveis regredidas. O Painel A apresenta os


resultados dos VARs usando retornos dirios e o Painel B, usando retornos semanais.

4.3.1.1 Resultados das Autorregresses Vetoriais: Retornos Dirios

Focando, primeiramente, nos resultados dirios do Painel A da Tabela 3, temos evidncia de que os retornos defasados dos portflios de alto turnover predizem fortemente os retornos correntes dos portflios de baixo turnover, em todos os quartis de valor, para 1% de significncia. Alm disso, a soma dos coeficientes dos retornos defasados dos portflios de maior liquidez (Muito) positiva e estatisticamente significativa ao nvel de 5% nas regresses contra os retornos correntes dos portflios de menor liquidez, exceto em Va4. A maior influncia advm da primeira defasagem, sendo tambm notada uma influncia estatisticamente significativa de defasagens maiores, especialmente a segunda, nos dois quartis de menor valor de mercado. No caso das regresses dos retornos correntes dos portflios de alto turnover, percebemos que seus retornos defasados possuem uma influncia estatisticamente relevante apenas para os dois quartis de menor valor, divergindo do paper original. A soma dos coeficientes apenas

35

significativa tambm nesses quartis, sendo negativa no Va1 e positiva no Va2, se verificando tambm uma maior influncia da primeira defasagem. Mais especificamente, os dados do Painel A e os testes de causalidade confirmam que as autocorrelaes cruzadas contm informaes adicionais quelas presentes
5

nas
>0

autocorrelaes prprias, nos trs quartis de menor valor, uma vez que

b
k =1

estatisticamente significativo a 5% apenas nesses VARs. Alm disso, os resultados dos testes de equao cruzados apontam que a capacidade dos retornos dos portflios mais lquidos preverem os retornos dos portflios menos lquidos melhor que a desses ltimos preverem os primeiros, tambm nos trs quartis de menor valor, j que

bk > c k estatisticamente
k =1 k =1

relevante a 1% apenas nesses VARs. Cabe destacar que, ao contrrio da investigao americana, no caso do quartil de maior tamanho, as observaes acima no so estatisticamente relevantes, nem ao nvel de 10%. Isso sugere que, apenas nos trs primeiros quartis de valor de mercado, as autocorrelaes cruzadas so mais importantes que as autocorrelaes prprias na determinao da velocidade do ajuste de preos dos ativos s novas informaes de mercado. Diferentemente dos resultados do paper original, os resultados do Painel A revelam que os retornos defasados dos portflios de baixo volume no so capazes de prever os retornos futuros dos portflios de alto volume (o que parece ocorrer apenas no quartil das maiores empresas com nvel de significncia de 1%). Mais uma vez divergindo de Chordia e Swaminathan (2000), um exame do R2 ajustado no Painel A no consegue revelar claramente, em cada quartil de valor, se os retornos dos portflios de menor liquidez so mais previsveis que os de maior liquidez, exceto no quartil Va3. Por outro lado, nas regresses dos portflios de baixo turnover como varivel dependente, cada R2 ajustado maior em mdulo que o quadrado da autocorrelao de primeira ordem dos retornos do portflio de baixo volume correspondente, o que prov uma evidncia adicional de que os padres das autocorrelaes cruzadas no so influenciados apenas pelas autocorrelaes prprias. De maneira geral, os resultados acima mencionados geram evidncias substanciais de que, nos trs quartis de menor valor de mercado, existem padres lead-lag com os retornos dos portflios de alto turnover, ou seja, de maior liquidez, antecipando os retornos dos portflios de baixo turnover, ou seja, de menor liquidez. Cabe, ento, uma breve discusso das implicaes econmicas dessa concluso.

36

Tomando-se o quartil Va3 (pois o que possui as empresas mais relevantes, dentre aqueles em que as observaes foram estatisticamente significativas), na mdia, um incremento de 1% no retorno das aes de maior volume hoje, Va3Tu 4 (t ) , ceteris paribus, leva a um incremento de 0,0977% no retorno das aes de menor volume amanh, Va3Tu1 (t + 1) . A mdia e o desvio-padro dos retornos do portflio Va3Tu4 so, respectivamente, 0,11% e 1,91%, portanto, um retorno de 1% possui uma probabilidade razovel de ocorrer. Contudo, um incremento de 0,0977% nos retornos do portflio Va3Tu1 menor que um tero de sua mdia de 0,35%, indicando que os efeitos lead-lag das autocorrelaes cruzadas podem no ser economicamente significativos nos quartis de empresas com maiores valores de mercado, em oposio ao relatado em Chordia e Swaminathan (2000). Paralelamente, uma vez que o coeficiente da regresso dos retornos correntes dos portflios de maior volume contra os retornos defasados dos portflios de menor volume no estatisticamente significativo, o impacto de um incremento de 1% nos retornos desses ltimos no economicamente relevante em relao aos retornos dos primeiros, mais uma vez contrariando o artigo supramencionado.

4.3.1.2 Resultados das Autorregresses Vetoriais: Retornos Semanais

Como vimos, os resultados dirios indicam que os padres antecipao-defasagem entre os portflios de alta e baixa liquidez so to relevantes no quartil Va3 quanto o so no quartil Va1, o que torna pouco provvel que estejam relacionados a efeitos de no sincronia das negociaes. Sendo bastantes conservadores, de maneira a afastar qualquer receio a respeito dessa influncia, repetimos os testes VARs utilizando, tambm, os retornos semanais dos portflios. Esses resultados, conforme j dito, esto apresentados no Painel B da Tabela 3. Os dados semanais mais uma vez mostram que os retornos defasados dos portflios de alto turnover predizem fortemente os retornos correntes dos portflios de baixo turnover, para 5% de significncia, exceto no quartil de maior valor. Alm disso, os coeficientes dos retornos defasados dos portflios de maior liquidez (M1) so positivos em todas as regresses contra os retornos correntes dos portflios de menor liquidez. No caso das regresses dos retornos correntes dos portflios de alto volume, percebemos que seus retornos defasados possuem uma influncia positiva estatisticamente relevante, a 10% de significncia, apenas para os trs

37

quartis de menor valor. Todos os resultados acima so similares aos de Chordia e Swaminathan (2000), que perceberam os efeitos, contudo, tambm no quartil das maiores firmas. De modo similar aos resultados dirios, os dados do Painel B e os testes de causalidade confirmaram que as autocorrelaes cruzadas contm informaes adicionais quelas presentes nas autocorrelaes prprias, nos trs primeiros quartis de valor, uma vez que
1

b
k =1

> 0 estatisticamente significativo a 5% apenas nesses VARs. J os resultados dos testes

de equao cruzados demonstram que a capacidade dos retornos dos portflios mais lquidos preverem os retornos dos portflios menos lquidos melhor que a desses ltimos preverem os primeiros apenas nos quartis Va1 e Va3, j que
1

b
k =1

> ck
k =1

estatisticamente

relevante a 10% somente nesses VARs. Cabe destacar que, mais uma vez divergindo do artigo original, no caso do quartil de maior tamanho, as observaes acima no so estatisticamente relevantes, nem ao nvel de 10%. Isso sugere que, assim como para os dados dirios, nos quartis Va1 e Va3, as autocorrelaes cruzadas so mais importantes que as autocorrelaes prprias na determinao da velocidade do ajuste de preos dos ativos s novas informaes de mercado. Corroborando os resultados do estudo norte-americano, os resultados do Painel B tambm revelam que os retornos defasados dos portflios de baixo volume apresentam pouca ou nenhuma capacidade de prever os retornos dos portflios de alto volume, mesmo nos quartis Va2 e Va4, onde essa relao estatisticamente significativa. Por outro lado, divergindo de Chordia e Swaminathan (2000), um exame do R2 ajustado no Painel B no consegue revelar claramente, em cada quartil de valor, se os retornos dos portflios de menor liquidez so mais previsveis que os de maior liquidez, exceto no quartil Va3, como ocorreu com os retornos dirios. Por outro lado, mais uma vez em linha com os dados dirios, cada R2 ajustado maior em mdulo que o quadrado da autocorrelao de primeira ordem dos retornos do portflio de baixo volume correspondente, o que prov uma indicao adicional de que os padres das autocorrelaes cruzadas no so influenciados apenas pelas autocorrelaes prprias. De maneira geral, confirmando os dados dirios, os resultados acima mencionados mostram evidncias substanciais de que, nos trs quartis de menor valor de mercado, existem padres lead-lag com os retornos dos portflios de alto turnover, ou seja, de maior liquidez, antecipando os retornos dos portflios de baixo turnover, ou seja, de menor liquidez.

38

Ressaltamos, contudo, que a assimetria de informao presente nos trs quartis correspondentes dos dados dirios no pde ser assegurada no caso semanal do quartil Va2. Novamente, embora estatisticamente significativo, o poder preditivo dos retornos defasados dos portflios de alta liquidez em relao aos de baixa no gera impactos econmicos relevantes em nenhum quartil, o que vai de encontro ao reportado por Chordia e Swaminathan (2000), onde relevncias estatsticas e econmicas foram observadas em todos os quartis. Podemos concluir, entretanto, que os resultados semanais corroboram os resultados dirios e esto em linha com os apresentados no artigo americano, tornando improvvel que problemas de no sincronia sejam a fonte primria dos padres lead-lag das autocorrelaes cruzadas observados neste trabalho.

4.3.1.3 Testes de Robustez Adicionais

Uma crtica potencial aos resultados apresentados que o turnover pode ser simplesmente uma proxy para o valor das empresas. Muito embora, na amostra aqui trabalhada a correlao entre essas duas variveis seja de apenas 0,02 (essa crtica fazia mais sentido para Chordia e Swaminathan (2000), onde foi encontrada uma correlao positiva de 0,15), endereamos a questo das duas maneiras a seguir. Primeiramente, bom lembrar que, conforme mencionado na seo 4.1, o volume e o tamanho esto negativamente correlacionados no quartil com as menores empresas (vide Tabela 1). Assim, caso os padres das autocorrelaes cruzadas com respeito ao volume estivessem sendo influenciados pelo tamanho das empresas, dever-se-ia observar os retornos do portflio Va1Tu1 antecipando os retornos do portflio Va1Tu4. Entretanto, as autocorrelaes cruzadas na Tabela 2, tanto dirias, quanto semanais, indicam que a correlao maior entre os retornos defasados de Va1Tu4 e os retornos correntes de Va1Tu1 do que entre os retornos defasados de Va1Tu1 e os retornos correntes de Va1Tu4. Alm disso, os resultados da Tabela 3 confirmam que os retornos, sejam dirios ou semanais, de Va1Tu4 antecipam os retornos de Va1Tu4. Em segundo lugar, escolhemos os portflios de maior e menor turnover de quartis adjacentes de valor de mercado, ou seja: (Va1Tu4,Va2Tu1), (Va2Tu4,Va3Tu1) e (Va3Tu4,Va4Tu1). Como fcil perceber (vide Tabela 1), assim garantimos que, em cada um desses pares, o valor das empresas e o turnover esto negativamente correlacionados;

39

por exemplo, o valor mdio de Va2Tu1 aproximadamente 7,5 vezes maior que o de Va1Tu4, enquanto que o turnover mdio do primeiro cerca de 1/50 do turnover do segundo. Essa correlao negativa entre tamanho e volume permite verificar se o efeito do volume negociado independente do efeito do tamanho da firma na determinao do lead-lag das autocorrelaes cruzadas. Retornando s evidncias das autocorrelaes cruzadas na Tabela 2, tanto no Painel A quanto no Painel B, a correlao entre os retornos defasados dos portflios de alto volume (Va1Tu4, Va2Tu4 e Va3Tu4) e os retornos correntes dos portflios de baixo volume (Va2Tu1, Va3Tu1 e Va4Tu1) maior, em mdulo, que a correlao entre os retornos defasados dos portflios de baixo volume (Va2Tu1, Va3Tu1 e Va4Tu1) e os retornos correntes dos portflios de alto volume (Va1Tu4, Va2Tu4 e Va3Tu4). Assim, ambas as anlises acima sustentam que o efeito volume independente do efeito tamanho da firma.

4.3.2 Resultados das Regresses Beta de Dimson

Conforme discutido na seo 3.3.2, nesta etapa consideramos quatro portflios de investimento nulo (zero-net), construdos subtraindo-se os retornos dos portflios de menor turnover dos retornos dos portflios de maior turnover dentro de cada quartil de valor de mercado, de maneira a evidenciarmos a influncia da liquidez nos resultados. Os retornos desses portflios so as variveis dependentes nas Regresses Beta de Dimson, que utilizam como ndice de mercado os retornos de um portflio EW equiponderado contendo todas as observaes consideradas nos dezesseis portflios valor-turnover deste estudo. Todos os erros padro foram corrigidos para a heterocedasticidade generalizada pela correo de White. Foram utilizadas cinco defasagens e antecipaes dos retornos do mercado nas regresses dirias (K=5) e duas defasagens e antecipaes, nas semanais (K=2). A Tabela 4 apresenta os resultados dirios no Painel A e semanais no Painel B. Como podemos notar, os betas contemporneos dos portflios zero-net, O , 0 , so positivos e estatisticamente significativos apenas para os trs quartis de menor tamanho, no caso dos dados dirios, e para os quartis Va1 e Va3, no caso dos dados semanais, apresentando sinal negativo no estatisticamente significativo nos demais portflios. Alm disso, a soma dos betas defasados dirios e semanais negativa e estatisticamente

40

significativa a 5% apenas no quartil Va3. Esses dados diferem bastante dos apresentados em Chordia e Swaminathan (2000), que encontraram betas contemporneos

significativamente positivos e somas de betas defasados significativamente negativas em todos os quartis, tanto nos dados dirios quanto nos semanais.

Tabela 4 - Regresses Beta de Dimson dos Portflios Valor-Turnover

Painel A Retornos Dirios "#"c$%&'()$ Ta/an0o Portflio 1nt 1 Va1Net 0,1535 Va Net 0,0525 ! Va!Net -0,0710 4 Va4Net 0,3909 #o 0,3712 *** 0,3533 *** 0,4894 *** -0,5238 Def -0,1774 -0,0316 -0,2320 *** -0,1411 , 0,0117 0,0400 0,1163 0,0209

Painel ! Retornos Semanais "#"c$%*&*$ Ta/an0o Portflio 1nt 1 Va1Net 0,1088 Va Net 0,6688 ! Va!Net 0,0412 4 Va4Net 0,4731 #o 0,2919 ** -2,0213 0,4645 *** -1,4929 Def 0,1285 0,3874 -0,2180 ** 0,1864 , 0,0298 0,0727 0,1634 0,0676

*, **, *** denotam a significncia aos nveis de 10%, 5% e 1%, respectivamente. Os dados acima so obtidos da seguinte regresso, usando dados dirios ou semanais entre 2000 e 2011:
rO , t = ao +

k =K

O , k EW , t k

+ uO , t , onde rO ,t = rB ,t rA,t e O , k = B , k A,k

(3)

Onde rO ,t a diferena entre os retornos do portflio de maior e de menor turnover em cada quartil de valor de mercado e rEW ,t k so os retornos de um ndice de mercado EW equiponderado contendo todas as observaes consideradas nos dezesseis portflios valor-turnover. Def refere-se soma dos betas defasados, Ant soma dos betas antecipados e Bo ao beta contemporneo. R2 o coeficiente de determinao ajustado. N(c) refere-se quantidade de retornos dirios ou semanais considerados. K=5 (K=2) para as regresses envolvendo retornos dirios (semanais). Os testes estatsticos de equao individual correspondentes a K so

k =1

O,k

unilaterais. Todas as estatsticas so computadas com base em erros padro corrigidos segundo a matriz de covarincia robusta heterocedasticidade de White.

De uma maneira geral, os resultados indicam que, apenas no quartil Va3, os padres antecipao-defasagem das autocorrelaes cruzadas entre aes de alta e baixa liquidez so claramente direcionados por diferenas na velocidade do ajuste de preos a informaes comuns, com evidncias um pouco menos convincentes no quartil Va1. Sendo assim, apenas nos dois quartis mencionados, podemos creditar ao atraso no ajuste de preos das

41

aes de baixa liquidez os efeitos de previsibilidade dos retornos dessas aes. Embora no tendo apresentado resultados estatisticamente relevantes, levando-se em conta os dados analisados anteriormente, parece evidente que tais diferenas de velocidade esto descartadas nos portflios de maior tamanho.

4.4 RESULTADO DA ANLISE DA VELOCIDADE DO AJUSTE DE PREOS DE AES INDIVIDUAIS

Recordando a metodologia mencionada na seo 3.4, aps confirmarmos a existncia de padres de antecipao-defasagem entre portflios de turnovers extremos e de percebermos a origem desses padres na variao das velocidades de absoro de novas informaes, analisamos se realmente a baixa liquidez surgia como caracterstica destacada nos grupos de aes com maiores atrasos no ajuste de preos. Assim, foram construdos dezesseis portflios controlados para o tamanho das firmas e subdivididos segundo a medida DELAY da velocidade do ajuste de preos. Desses, selecionamos os portflios de extremos DELAY, dentro de cada quartil de tamanho, e cruzamos diversas caractersticas contemporneas das aes que os compunham, a fim de verificar quais delas emergiam como mais determinantes para as diferenas na capacidade de incorporao de novas informaes. A amostra utilizada nesta etapa foi similar utilizada para montar os portflios valorturnover nos captulos anteriores. Ela contm 3.809 anos-aes, com uma mdia de 317 aes consideradas por ano. Os resultados esto apresentados na Tabela 5, na pgina a seguir. De maneira geral, em cada quartil de tamanho, ambos o volume bruto negociado (Volume) e o volume relativo negociado (Turnover) diferem significativamente entre os portflios extremos de DELAY. Nos dois portflios de maior tamanho, tanto o volume bruto quanto o volume relativo so, em mdia, 60% menores nos portflios de Alto DELAY quando comparados aos dos portflios de Baixo DELAY. No caso do turnover, a relao tambm vale para o quartil de menor valor, contudo a reduo de apenas 10% entre os portflios extremos de DELAY, muito provavelmente porque nesse quartil turnover e valor tendem a estar negativamente correlacionados. Com relao ao quartil Va2, ambos o volume bruto e o turnover so maiores no portflio de Alto DELAY, divergindo dos resultados apontados em Chordia e Swaminathan (2000), onde sempre o portflio de Alto DELAY apresentava menor volume bruto e turnover (com exceo de turnover no quartil de maior valor). Esse fato

42

explica por que, nos dados semanais, no encontramos na velocidade do ajuste de preos a fonte dos padres lead-lag no quartil Va2.

Tabela 5 - Velocidade do Ajuste de Preos e Caractersticas Contemporneas de Aes Individuais


Ta/an0o ,ea23o 1trasada 1 (Pe6ueno) Baixa Alta Baixa Alta ! Baixa Alta Baixa Alta D%415 0,20 0,85 0,24 0,82 0,30 0,76 0,34 0,64 Volu/e 10.829.610 15.836.058 709.144 1.078.900 51.055.377 20.942.770 5.822.562 2.241.613 Turnover 0,346% 0,312% 0,152% 0,162% 0,268% 0,117% 0,272% 0,109% Valor 92,99 86,32 570,88 542,08 2237,35 2062,95 14855,56 13287,97 Pre2o 5,86 6,91 10,40 40,67 47,17 34,16 52,52 96,40 DesvPad ,et 7,48% 6,58% 4,18% 4,13% 3,51% 3,44% 2,83% 3,07%

4 (7rande)

Essa tabela apresenta as mdias histricas das mdias da medida DELAY da velocidade do ajuste de preos e de outras caractersticas contemporneas das aes dos portflios anuais. O perodo amostral 2000-2011 e o tamanho da amostra de 3.809 anos-aes. A medida de velocidade do ajuste, DELAY, definida na equao (6), computada estimando-se Regresses Beta de Dimson, segundo a equao (5), para cada ao em cada ano. A medida DELAY foi construda para estar entre 0 e 1, onde valores mais altos representam aes que contribuem mais para as autocorrelaes cruzadas dos portflios (menor velocidade de ajuste) e valores menores representam aes que contribuem menos para as autocorrelaes cruzadas dos portflios (maior velocidade de ajuste). O portflio EW equiponderado contendo todas as observaes consideradas nos dezesseis portflios valor-turnover deste estudo utilizado como ndice de mercado. No comeo de cada ano, todas as aes consideradas so divididas primeiramente em quatro portflios baseados no valor mdio das empresas naquele ano. Tamanho 1 representa o quartil de menor valor e Tamanho 4 representa o quartil de maior valor. Cada quartil de valor , ento, dividido em quatro portflios baseados em DELAY, computado a partir dos retornos dirios daquele ano. Em cada quartil de valor, so selecionados os quartis de DELAY extremos. Alto DELAY representa os 25% de aes com as maiores medidas DELAY e Baixo DELAY representa os 25% de aes com as menores medidas de DELAY, dentro de cada quartil de valor. Cada portflio valor-DELAY contm, em mdia, 20 aes. As caractersticas contemporneas desses portflios esto apresentadas acima. Volume o nmero mdio de ttulos negociados por dia; Turnover o turnover dirio mdio em percentual; Valor o valor de mercado dirio mdio da empresa em milhes de reais; Preo o preo de fechamento ajustado dirio mdio; DesvPad Ret o desvio-padro dos retornos dirios.

importante ressaltar, entretanto, que os estimadores Beta de Dimson apresentam alto rudo para aes individuais, o que pode ser percebido na Tabela 4 onde, usando os retornos dos portflios, notam-se diferenas significativas na velocidade do ajuste de preos entre portflios de alto e baixo turnover, especialmente no quartil Va3. Adicionalmente, podemos perceber que aes com Alto DELAY tambm tendem a ser de empresas menores, terem preos maiores (exceto no terceiro quartil de valor) e apresentarem menor volatilidade (exceto no quartil de maior valor), conforme apontado em Chordia e Swaminathan (2000). A anlise da relao entre o turnover e o DELAY est bastante em linha com os resultados das autorregresses vetoriais, em especial quelas relacionadas aos dados semanais, assim como com os resultados das Regresses Beta de Dimson, uma vez que so nos quartis Va1

43

e Va3, e mais claramente nesse ltimo, onde fica absolutamente evidente a influncia do turnover para o atraso no ajuste de preos, que gera os padres lead-lag a confirmados. Em resumo, as estatsticas baseadas na velocidade do ajuste de preos de aes individuais confirmam os resultados anteriores e suportam a hiptese de que o volume negociado um fator determinante do quo rapidamente os preos das aes incorporam novas informaes.

44

5 CONCLUSO

Esta dissertao procurou suprir uma lacuna da pesquisa acadmica nacional respondendo seguinte pergunta: O atraso no ajuste de preos das aes de baixa liquidez no mercado brasileiro gera previsibilidade do retorno dessas aes quando comparadas s mais lquidas?. O interesse estava em confrontar os resultados com os existentes na literatura internacional que apresentavam esse efeito. Caso a liquidez aparecesse como caracterstica destacada para o grupo de aes que mais contribussem para os padres de autocorrelao cruzadas e a origem desses padres estivesse relacionada a atrasos na incorporao de novas informaes aos preos, gerando previsibilidade dos retornos dos portflios de menor liquidez, nossa resposta pergunta seria positiva. Dessa maneira, optamos por reproduzir, em grande parte, as anlises realizadas no artigo Trading volume and cross-autocorrelations in stock returns, de Chordia e Swaminathan (2000), aplicando-as Bolsa de Valores de So Paulo (BOVESPA). No referido paper, os autores concluram que retornos dirios e semanais das aes com maiores volumes negociados antecipavam os das de menores volumes, sendo esse efeito derivado da capacidade das aes mais lquidas de se ajustarem mais rapidamente a informaes de mercado. Cabe ressaltar que utilizamos como proxy para a liquidez de um ativo ou portflio o seu volume relativo de ttulos negociados, calculado pelo turnover. Essa medida evita os efeitos indesejados da alta correlao entre o valor da empresa e o volume bruto negociado, que frequentemente observada empiricamente e poderia enviesar as concluses, uma vez que se confundiria o efeito da liquidez nos preos pela associao entre o volume e o tamanho das empresas. Uma vez que os dados amostrais brasileiros, diferentemente dos norte-americanos, no apresentaram uma clara reduo das autocorrelaes com o aumento de turnover, exceto nos trs portflios de maior volume dentro do quartil Va3, no tnhamos, a princpio, uma evidncia consistente com a hiptese de que os preos das aes mais lquidas incorporavam mais rapidamente novas informaes. Entretanto, importante ressaltar que, como, por si s, as autocorrelaes prprias no oferecem inferncias irrefutveis a respeito de diferenas na velocidade do ajuste de preos, testes adicionais seriam necessrios.

45

Dessa forma, primeiramente, realizamos anlises comparativas das autocorrelaes prprias e cruzadas, alm de testes de autorregresso vetorial entre os quatro pares de portflios com maior e menor volume, controlados para tamanho das firmas em quatro quartis distintos de valor das firmas. Tnhamos o intuito de identificar se emergiam padres lead-lag entre portflios de maior e menor liquidez, com os retornos dos primeiros antecipando-se aos do segundo grupo. A anlise das autocorrelaes, especialmente as semanais, demonstrou que as autocorrelaes cruzadas possuam informao adicional quela contida nas autocorrelaes prprias e independente do efeito tamanho da firma, com ressalvas apenas para o quartil com as maiores empresas. Alm disso, as observaes indicaram que as negociaes no sncronas no poderiam ser as nicas fontes desses padres lead-lag. Todos esses resultados foram similares aos descritos em Chordia e Swaminathan (2000). Quanto aos testes VARs, os resultados geraram evidncias substanciais de que, exceto para o quartil com as maiores empresas do mercado, existiam padres lead-lag com os retornos dos portflios de alto turnover, ou seja, de maior liquidez, antecipando os retornos dos portflios de baixo turnover, ou seja, de menor liquidez. Alm disso, nesses mesmos quartis, ficou confirmado que as autocorrelaes cruzadas continham informaes adicionais quelas das autocorrelaes prprias e que havia uma melhor capacidade dos retornos dos portflios mais lquidos preverem os retornos dos portflios menos lquidos (exceto no quartil Va2 para dados semanais). Todavia, os efeitos lead-lag no pareceram economicamente significativos, contrariando o relatado pelos autores americanos. Como os resultados semanais corroboram os resultados dirios, tornou-se totalmente improvvel que problemas relacionados a negociaes no sncronas fossem a fonte primria desses padres antecipao-defasagem. Alm disso, anlises de robustez indicaram, mais uma vez, que o efeito do volume era independente do efeito tamanho da firma. Em seguida, conduzimos Regresses Beta de Dimson, utilizando retornos de investimentos zero-net, comprados nos portflios de mais alto volume e vendidos nos de mais baixo, dentro de cada quartil de tamanho. O objetivo era averiguar se a fonte das autocorrelaes cruzadas seriam diferenas na velocidade do ajuste de preos. De uma maneira geral, os resultados indicaram que, apenas no quartil Va3, os padres lead-lag das autocorrelaes cruzadas entre aes de alta e baixa liquidez eram claramente direcionados por diferenas na capacidade de incorporao de novas informaes de mercado, com evidncias um pouco menos convincentes no quartil de menor valor. Tais resultados diferiram bastante de Chordia e Swaminathan (2000), onde betas contemporneos

46

significativamente positivos e somas de betas defasados significativamente negativas foram encontrados em todos os quartis. Sendo assim, apenas nos dois quartis supramencionados podemos creditar ao atraso no ajuste de preos das aes de baixa liquidez os efeitos de previsibilidade dos retornos das aes menos lquidas, que claramente no se verificam no quartil das maiores empresas. Por ltimo, lanando mo da medida DELAY da velocidade do ajuste de preos, examinamos quais caractersticas das aes contribuam com maior relevncia para o surgimento do comportamento antecipao-defasagem nos portflios. A anlise da relao entre o turnover e o DELAY confirmou os resultados dos testes anteriores e suportou a hiptese de que o volume negociado gera um efeito importante na capacidade de incorporao de novas informaes aos preos, uma vez que tambm foram nos quartis Va1 e Va3, e mais claramente nesse ltimo, onde ficou absolutamente evidente a influncia do turnover para o atraso do ajuste de preos, induzindo os padres lead-lag a observados. Em resumo, neste trabalho, foi verificado que a liquidez, mensurada pelo turnover, um fator determinante nos padres lead-lag das autocorrelaes cruzadas dos retornos das aes, especificamente para os quartis de valor de mercado Va1 e Va3. Os testes realizados estabeleceram que a fonte dessas correlaes cruzadas no podem ser apenas problemas de no sincronia ou as autocorrelaes prprias, mas sim diferenas na velocidade de incorporao das informaes aos preos. Tambm se comprovou que o volume gera um impacto independente do efeito tamanho da firma. Podemos afirmar, portanto, que, para o mercado brasileiro, a baixa liquidez induz um atraso no ajuste de preos das aes de pequenas e mdias empresas capaz de gerar previsibilidade dos retornos dessas aes comparadas s mais lquidas, ao menos nos quartis de tamanho de firma supramencionados. Dessa maneira, os resultados sugerem alguma ineficincia do mercado. Contudo, uma vez que os lucros potenciais, que estimamos serem no estatisticamente significativos, seriam facilmente superados pelos custos transacionais, os investidores no teriam incentivos para arbitrarem o fenmeno. Apesar disso, as concluses so interessantes, uma vez que indicam que tambm no mercado acionrio brasileiro, assim como nos de pases desenvolvidos, os volumes negociados possuem um papel relevante na velocidade com que os preos se ajustam a novas informaes, jogando uma luz sobre como eles podem se tornar mais eficientes.

47

REFERNCIAS BIBLIOGRFICAS
AMIHUD, Y.; MENDELSON, H. Index and index-futures returns. Journal of Accounting, Auditing and Finance, [S.l], v.4, p.415-431, 1989.

ARMITAGE, S. Event study methods and evidence on their performance. Journal of Economic Surveys, [Malden, U.S.A], v.8, p.25-52, 1995.

BADRINATH, S.G.; KALE, J.R.; NOE, T.H. Of Shepherds, Sheep, and the Crossautocorrelations in Equity Returns. Review of Financial Studies, [Oxford, U.K.], v.8, p.401430, 1995.

BAE, K.H; OZOGUZ, A.; TAN, H. Do foreigners facilitate information transmission? Social Science Research Network (SSRN), em fase de elaborao, disponvel em: http://www.ibrarian.net/navon/page.jsp?paperid=15973679&searchTerm=emerging+equity+ markets, 2008.

BARBERIS, N.; SHLEIFER, A.; VISHNY, R. A model of investor sentiment. Journal of Financial Economics, [Rochester, U.S.A], v.49, p.307-343, 1998.

BINDER, J.J. The event study methodology since 1969. Review of Quantitative Finance and Accounting, [New York, U.S.A], v.11, p.111-137, 1998.

BOUDOUKH, J., RICHARDSON, M.P., WHITELAW, R.F. A tale of three schools: insights on autocorrelations of short-horizon stock returns. Review of Financial Studies, [Oxford, U.K.], v.7, p.539-573, 1994.

BRENNAN, M.J.; JEGADEESH, N.; SWAMINATHAN, B. Investment analysis and the adjustment of stock prices to common information. Review of Financial Studies, [Oxford, U.K.], v.6, p.799-824, 1993.

CAMPBELL, J.Y.; GROSSMAN, J.S.; WANG, J. Trading Volume and serial correlation in stocks returns. Quarterly Journal of Economics, [Cambridge, U.S.A], v.107, p.907-939, 1993.

CHEN, C.X.; RHEE, S.G. The impact of short sales on the speed of price adjustment: evidence from Hong Kong stock market. Journal of Banking & Finance, [S.l.], v.34, p.471483, 2010.

48

CHORDIA, T.; SWAMINATHAN, B. Trading volume and cross-autocorrelations in stock returns. Journal of Finance, [Aldan, U.S.A], v.55, p.913-935, 2000.

COHEN, K.J.; HAWAWINI, G.A.; MAIER, S.F.; SCHWARTZ, R.A.; WHITCOMB, D.K. Implications of microstructure theory for empirical research on stock price behavior. Journal of Finance, [Aldan, U.S.A], v.35, p.249-257, 1980.

CONRAD, J.; KAUL, G. Time-variation in expected returns. Journal of Business, [Chicago, U.S.A], v.61, p.409-425, 1988.

DAMODARAN, A. A simple measure of price adjustment coefficients. Journal of Finance, [Aldan, U.S.A], v.48, p.387-400, 1993.

DANIEL, K.; HIRSHLEIFER, D.; SUBRAHMANYAM, A. Investor psychology and security market under- and overreactions. Journal of Finance, [Aldan, U.S.A], v.53, p.18391885, 1998.

DIMSON, E. Risk measurement when shares are subjected to infrequent trading. Journal of Financial Economics, [Rochester, U.S.A], v.7, p.197-226, 1979.

FAMA, E.F.; FISHER, L.; JENSEN, M.C.; ROLL, R. The adjustment of stock prices to new information. International Economic Review, [Philadelphia, U.S.A.], v.10, p.1-21, 1969.

FOERSTER, S.R.; KEIM, D.B. Direct evidence of non-trading of NYSE and AMEX stocks. Rodney L. White Center for Financial Research, em fase de elaborao, disponvel em: http://finance.wharton.upenn.edu/~rlwctr/papers/9319.PDF, 1998.

GOURIEROUX, C.B.; HOLLY, A.; MONFORT, A. Likelihood ratio test, Wald test and Kuhn-Tucker test in linear models with inequality constraints on the regression parameters. Econometrica, [S.l], v.50, p.63-80, 1982.

HOLDEN, C.W.; SUBRAHMANYAM, A. Long-lived private information and imperfect competition. Journal of Finance, [Aldan, U.S.A], v.47, p.247-270, 1992.

HONG, H.; STEIN, J.C. A unified theory of underreaction, momentum trading, and overreaction in asset markets. Journal of Finance, [Aldan, U.S.A], v.54, p.2143-2184, 1999.

HOU, K. Industry information diffusion and the lead-lag effect in stock returns. Review of Financial Studies, [Oxford, U.K.], v.20, p.1113-1138, 2007.

49

HOU, K.; MOSKOWITZ, T.J. Market frictions, price delay, and the cross-section of expected returns. Review of Financial Studies, [Oxford, U.K.], v.18, p.981-1020, 2005.

HOU, K.; PENG, L.; XIONG, W. A tale of two anomalies: the implications of investor attention for price and earnings momentum. Social Science Research Network (SSRN), em fase de elaborao, disponvel em: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=976394, 2009.

JAIN, P.C.; JOH, G.H. The dependence between hourly prices and trading volume. Journal of Financial and Quantitative Analysis, [Seattle, U.S.A], v.23, p.269-283, 1988.

LIM, K.P. The speed of stock price adjustment to market-wide information. Social Science Research Network (SSRN), em fase de elaborao, disponvel em: http://ssrn.com/abstract=1412231 or http://dx.doi.org/10.2139/ssrn.1412231, 2009.

LO, A.W.; MACKINLAY, A.C. When are contrarian profits due to stock market overreaction? Review of Financial Studies, [Oxford, U.K.], v.3, p.175-205, 1990.

MACKINLAY, A.C. Event studies in economics and finance. Journal of Economic Literature, [Pittsburgh, U.S.A], v.35, p.13-39, 1997.

MCQUEEN, G.; PINEGAR, M.; THORLEY, S. Delayed reaction to good news and crossautocorrelation of portfolio returns. Journal of Finance, [Aldan, U.S.A], v.51, p.889-920, 1996.

MECH, T.S. Portfolio return autocorrelation. Journal of Financial Economics, [Rochester, U.S.A], v.34, p.307-344, 1993.

PARK, Y.K.; CHUNG, K.H. Foreign and local institutional ownership and the speed of price adjustment. Journal of Business Finance and Accounting, [S.l.], v.34, 1569-1595, 2007.

SIAS, R.W.; STARKS, L.T. Return autocorrelation and institutional investors. Journal of Financial Economics, [Rochester, U.S.A], v.46, p.103-131, 1997.

THEOBALD, M.; YALLUP, P. Determining security speed of adjustment coefficients. Journal of Financial Markets, [S.l.], v.7, p.75-96, 2004.