Escolar Documentos
Profissional Documentos
Cultura Documentos
Aluna: Diogo de Carvalho Bezerra Orientador: Fernando Menezes Campello de Souza, PhD
Dissertao apresentada Universidade Federal de Pernambuco (UFPE) para obteno do ttulo de Mestre em Engenharia de Produo
Elaborada por: Diogo de Carvalho Bezerra Orientada por: Fernando Menezes Campello de Souza (PhD)
COMISSO EXAMINADORA:
Prof. Francisco de Souza Ramos (UFPE) Prof. Fernando Menezes Campello de Souza (PhD - UFPE) Prof. Alexandre Stamford da Silva.(Doutor - UFPE)
Dissertao apresentada Universidade Federal de Pernambuco (UFPE) para obteno do ttulo de Mestre em Engenharia de Produo.
de Carvalho Bezerra, Diogo A Teoria da Deciso em Finanas / por Diogo de Carvalho Bezerra. - Recife, 2003. xiii, 200p.: il. - (Dissertao de Mestrado - PPGEP). Orientador: Fernando Menezes Campello de Souza. Dissertao (Mestrado). Universidade Federal de Pernambuco - UFPE. Centro de Tecnologia e Geocincias - CTG. Programa de Ps-Graduao em Engenharia de Produo, 2001. Inclui bibliograa, tabelas e guras. 1. Teoria da deciso em cardiologia - Qualidade do atendimento mdico. 2. Apoio ao diagnstico - Apoio terapia. I Campello de Souza, Fernando Menezes. II. Ttulo. III. Srie. CDD ( . ed.)
Eu agradeo minha sorte por isso, Meus empreendimentos no esto conados a um s navio, Nem num nico lugar; nem est o total das minhas propriedades na sorte do presente ano: Portanto meu comrcio no me faz triste .
SHAKESPEARE, O Mercado de Veneza, Ato I, Cena I.
Lista de Figuras
2.1 2.2 Retorno Logartmico do ndice Bovespa de janeiro/94 a agosto/2002 . . . . . . . 17 Histograma do Retorno Logartmico do ndice Bovespa de janeiro/94 a agosto/2002. 19
3.1
Grco De Eduo da Funo Utilidade do Investidor - 1. . . . . . . . . . . . . . Grco De Eduo da Funo Utilidade do Investidor - 2. . . . . . . . . . . . . . Grco Da Utilidade Esperada dos Investidores - 1 e 2. . . . . . . . . . . . . . . Grco Das Faixas de Utilidade dos Investidores 1 e 2. . . . . . . . . . . . . . .
65 66 66 69 73
8.1
II
Lista de Tabelas
2.1 Distribuio de Freqncia do ndice BOVESPA - Cotao diria de 08/07/2002 a 16/08/2002. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 2.3 Anlise de Investimento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 22 22
Rendimento Percentual dos Fundos de Investimento. . . . . . . . . . . . . . . . . Rendimento ao Longo do Tempo dos Fundos de Investimento. Retorno Esperado e Risco dos Fundos de Investimento. Carteira de Ativos dos Fundos de Investimento. . . . . . . . . . .
36 37 37 37
. . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
46 49 50 51 52 53
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Primeiro Questionrio.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
61 64 67 70
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
79 79 81
III
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83 84 85 85 86 86
Observado.
. . . . . . . . . . . . . . .
90 92 93 94
IV
Sumrio
Lista de Figuras Tabelas 1 INTRODUO
1.1 Objetivos 1.1.1 1.1.2 1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Objetivos Gerais
II III 1
1 1 1 2 2 2 2 3 3 4 5
Objetivos Especcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A Importncia do Assunto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.1 1.2.2 Perspectivas Sobre o Futuro Econmico . . . . . . . . . . . . . . . . . . . O Investidor na Deciso . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 FINANAS
2.1 2.2 2.3 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fatores Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
6 6 8 8 11
Fundos de Investimento
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15 16 18 19 21
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
24 25 26 26 27 27 27 30 33 33 34 35 36 38
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4
A Teoria de Markowitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.1 3.4.2 3.4.3 Mercados Ecientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Retorno e Risco de um Ativo . . . . . . . . . . . . . . . . . . . . . . . .
3.5 3.6
4 TEORIA DA DECISO
4.1 4.2 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Os Elementos Matemticos da Teoria da Deciso 4.2.1 4.2.2 4.2.3 4.2.4 4.2.5 4.2.6 Conjuntos e Mecanismos Probabilsticos Conhecimento a priori Funo Utilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
40 41 42 43 44 44 44 45
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
VI
Regra de Deciso
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45 45 46 46 46 48 48 49 49 49 50 50 52 52
4.4
Exemplo: Usando Bayes Emprico . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1 4.4.2 4.4.3 4.4.4 4.4.5 4.4.6 4.4.7 O Conjunto das Observaes . . . . . . . . . . . . . . . . . . . . . . . . . O Espao da Aes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . O Canal de Comunicao . . . . . . . . . . . . . . . . . . . . . . . . . .
O Risco De Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5
A Medida da Utilidade e de
{ }
. . . . . . . . . . . . . . . . . . . . . . . . . .
54
54 54 54 56 59 60 67 68 71 72 72
5.6
Resultados da Estimao . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.7
6 PROBABILIDADE SUBJETIVA
6.1 6.2 Probabilidade Imprecisas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . O Modelo de Eduo da Distribuio a priori . . . . . . . . . . . . . . . . . . .
74
74 75
VII
6.3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77 77 78 81 86
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.4 6.5
7 MODELO ANALTICO
7.1 7.2 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . O Modelo 7.2.1 7.2.2 7.2.3 7.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
88
88 88 97 98
rd
. . . . . . . . . . . . . . . . . . . . . . . . . . .
Concluso
104
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 . . . . . . . . . . . . . . . . . . . . 104
Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 Sugestes Para Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . 106 Comentrio Final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Referncias Bibliogrcas
107
Sumrio
ii
Captulo 1
Introduo
1 INTRODUO
Embora isso seja loucura, ainda assim h mtodo nela .
SHAKESPEARE, em Hamlet.
O trabalho a ser apresentado tem um carter tcnico. Pretende-se resolver uma classe de problemas ligados a decises no mercado nanceiro. Para se chegar a este objetivo passa-se por uma breve apresentao dos principais conceitos do mercado nanceiro e da base terica dos modelos usados nas decises de escolha de portfolio. A classe de problemas a ser resolvido faz uso da ferramenta conhecida como Teoria da Deciso Estatstica, que ser tambm apresentada. Dessa forma, a dissertao tcnica, pois usa-se de uma ferramenta para resolver certos problemas.
1.1
Objetivos
2. Desenvolver um modelo analtico a luz da Teoria da Deciso para tomadas de decises no mercado nanceiro.
2. Usar o mtodo de Bayes emprico para obter uma distribuio a priori sobre os estados da natureza.
Captulo 1
Introduo
1.2
A Importncia do Assunto
Esta classe de problemas tem sido relevante por ter impacto direto na situao econmica de empresas, pases, ou seja, a populao como um todo.
a balana comercial iria deslanchar e as necessidades de nanciamento externo iriam reduzir em at 13%. Porm alertavam que o ano era um ano eleitoral e a poltica econmica no
poderia ser mudada apenas para ns eleitorais. Na maioria das vezes os economistas usam de acontecimentos passados para compor suas opinies. H uma necessidade de medir essas opinies para que est possa ser incorporada aos problemas de deciso e este ser um dos objetivos desta dissertao.
1.3
Os Instrumentos Analticos
Captulo 1
Introduo
2. Estatstica:
3. Programao Linear;
1.4
Em tratamento de imagem;
Em gesto de manuteno;
Em sistema de comunicao;
etc.
...
A dissertao interage diretamente com os estudo e anlise da eduo da funo utilidade e do conhecimento a priori ( ).
1.5
Composio da Dissertao
1.
Primeiro Captulo:
dissertao;
Captulo 1
Introduo
2.
Segundo Captulo:
de investimento e etc.
do mercado nanceiro, entre eles tem-se: fatores determinantes para se investir, anlise
3.
Terceiro Captulo:
carteiras.
4.
5.
6.
7.
Stimo Captulo:
nanceiro e tambm usa do modelo impreciso de Dirichlet na formulao de problemas de escolha de carteira de investimento.
8.
Oitavo Captulo:
trabalhos futuros.
1.6
O autor acredita que h basicamente quatro tipos de leitores desta dissertao. A diferena entre os leitores ser dada pelo conhecimento prvio do mesmo sobre nanas e tambm sobre teoria da deciso. Apresenta-se aqui um guia para os leitores:
1. Ao leitor sem base em nanas: a dissertao apresenta uma rpida introduo dos conceitos de nanas. O captulo dois e trs devem ser lidos com acompanhamento de um livro texto de nanas. importante que o leitor entenda que o contedo desses captulos so muito abrangentes e se o leitor deseja ter um formao mais completa sobre o assunto necessrio uma leitura paralela.
Captulo 1
Introduo
2. Ao leitor sem base em teoria da deciso: a apresentao dos conceitos de teoria da deciso d-se de tal forma que o leitor tem uma compreenso de como se aplicar o mtodo em nanas. Porm a teoria da deciso tem outros mtodos e tambm para uma compreenso terica da metodologia aconselha-se o uso de um livro texto mais aprofundado na rea.
3. Ao leitor com base em nanas: a dissertao tem uma nalidade de apresentar uma nova metodologia de tomadas de deciso no mercado nanceiro. Porm bom lembrar que
alguns vcios do mercado podem ser retirados com a leitura dos captulos dois e trs. Por exemplo, o conceito de risco.
4. Ao leitor com base em teoria da deciso: a dissertao tem um carter de apresentar a aplicao da teoria da deciso. O oitavo captulo tambm usa o conceito de probabilidade
a priori e da utilidade.
1.7
Um Lembrete o Leitor
Antes que o leitor pense que esta dissertao apresenta uma nova teoria da escolha de carteiras de investimento, o autor deixa bem claro e refora durante o texto que apenas se est apresentado uma nova metodologia. leitura. E que este lembrete acompanhe o leitor durante a sua
Captulo 2
Finanas
2 FINANAS
2.1 Introduo
O objetivo deste captulo o de orientar o leitor sobre conceitos bsicos do mercado nanceiro, como:
anlise de investimento;
Para alcanar este objetivo, o captulo encontra-se dividido em quatro sees. A primeria uma introduo, que est sendo feita no momento. A seo seguinte trata dos fatores que inuenciam em que os investidores devem investir. Na terceira seo sero apresentados conceitos e exemplos dos ativos nanceiros, como tambm, fundos de investimento e ndices de bolsa de valores. Na ltima seo h uma rpida apresentao de alguns critrios bsicos para anlise de investimento, alm de uma discusso sobre o conceito de certeza e incerteza nos retornos dos ativos.
2.2
Fatores Determinantes
Quando um indivduo, ou grupos de indivduos, decide realizar um investimento, a sua deciso sobre qual o ativo a se investir depende de fatores como:
o objetivo do investimento;
a idade do investidor;
o prazo da aplicao;
Captulo 2
Finanas
Na deciso necessrio que o investidor saiba por que est investindo. investimento denir as estratgias de investimento.
O objetivo do
poupar para que o investidor tenha uma garantia no futuro, como a aposentadoria, ou mesmo que possa pagar a educao dos lhos e netos, os fundos de aes podem receber parte dos recursos. Neste caso, o investidor ter mais tempo para recuperar possveis perdas. No caso de alguma viagem ao exterior, os fundos cambiais so os mais indicados. Para a compra de um imvel, os fundos de renda xa tendem a ser uma melhor aplicao. Em relao idade, sabe-se que investimentos no mercado voltil, como os das bolsas de valores, devem ser inversamente proporcionais idade do investidor, j que o tempo para recuperar perdas menor. Diferentemente da idade, quanto maior for o tempo disponvel para o investimento, maior deve ser a quantidade de recursos em ativos de renda varivel (aes). O ltimo fator decisivo para um investidor est ligado a sua tolerncia ao risco. O perl de tolerncia serve como um fator determinante na estratgia do decisor. Os bancos tm muitas informaes que podem ajudar a classicar um indivduo em determinado perl. simples, como: Perguntas
podem ajudar a classicar estes indivduos. Os fatores que acabaram de ser explicados so importantes para se analisar o comportamento do investidor. Porm veja que confuso logo de incio j se falar de fundos de investimento, fundo de renda varivel, fundo de renda xa, mercado voltil e etc. O nmero de produtos nanceiros so imensos e tende ao innito; pense no nmero possvel de aplicaes nas bolsas de valores, nos fundos de investimento de vrios bancos, nos ttulos e prazos diferentes do banco central, do governo federal, das empresas privadas e at dos governos estaduais e municipais. O mercado nanceiro um verdadeiro labirinto de jarges e procedimentos. Os autores aconselham que,
Captulo 2
Finanas
melhor do que este livro, para apresentar todos esses conceitos e como se comportar diante de tantos ativos, h livros que tratam somente da administrao nanceira de ttulos e fundos de investimento, o que j uma verdadeira arte, pois a explicao de tantos detalhes no uma tarefa fcil; entre esses textos, h: ( ) e ( ). Todavia, este livro no estaria auto contido se no fossem explicados alguns conceitos e jarges do mercado nanceiro, como tambm o que vem a ser o prprio mercado nanceiro. Para se alcanar tal objetivo, na prxima seo apresentam-se os tipos de ativos nanceiros, os fundos de investimento e os ndices de bolsas de valores.
2.3
O conceito de ativo vem da contabilidade e se emprega tanto para empresas, como para o mercado nanceiro, ou seja, ativos so bens tanto concretos, como tambm so direitos de valores que formam o patrimnio de uma empresa. Um ativo nanceiro compreende todo tipo de aplicao nanceira. Como exemplos tem-se:
caderneta de poupana;
aes;
ouro;
moedas estrangeiras;
Uma outra diviso que se faz dos tipos de ativos em relao renda, que pode ser xa ou varivel.
Captulo 2
Finanas
no necessita do dinheiro imediatamente, podendo emprest-lo em troca de alguma remunerao que medida pela taxa de juros. Formalizando o conceito de ttulos de renda xa, tem-se que este a formalizao desta relao de emprstimo. Em troca do dinheiro, o tomador oferece um papel como comprovante da operao; neste, encontram-se os prazos e as condies para devoluo do capital (dinheiro), como tambm estabelece os juros que sero pagos. rendimento de um ttulo de renda xa pode ser classicado de trs formas: O
prexado;
ps-xado e
misto.
Em ttulos prexados a taxa de juros conhecida. Nos ps-xado, o ttulo ser corrigido por um ndice de inao ou taxa de juros. No caso dos ttulos mistos tem-se as duas formas de rendimento, ou seja, parte do rendimento j garantido por um taxa xa, suponde-se que o devedor pague, e a outra parte do rendimento ser corrigida de acordo com um ndice prdeterminado. A escolha entre um dos ttulos depender da expectativa que o investidor ter sobre a taxa de juros. Se o investidor acreditar que a taxa de juros ser mais baixa no futuro, ento ele
escolhe os ttulos prexados. Caso contrrio, ou seja, se a expectativa em relao taxa de juros que a mesma seja mais alta no futuro, o investidor escolher os ttulos ps-xados. Regra geral, o investidor ao escolher um ativo de renda xa, ter que observar a instituio emissora do ttulo. Ttulos pblicos no mbito nacional so considerados de menor risco, Quando uma instituio declara uma
moratria, a exemplo do Brasil na dcada de 80, o mercado considera que esta instituio no to merecedora de conana, cobrando, assim, um prmio maior pela compra de um dos seus ativos. Em abril de 2002, bancos internacionais aconselharam os seus investidores a no investir nos ativos do Brasil, visto que o candidato presidncia da oposio encontrava-se em alta nas pesquisas; meses depois os prprios bancos voltaram a aconselhar os investidores a investir nos ttulos do Brasil; para alguns a velha estratgia do mercado de comprar na baixa e vender na alta.
Captulo 2
Finanas
cial papers . Estes ttulos podem ser, tanto prexados, como ps-xados e o dinheiro captado
usado pelas empresas para novos investimentos, como tambm para o nanciamento do capital de giro. O risco desses ttulos encontra-se tambm no fato de as empresas no honrarem suas dvidas; dessa forma, importante fazer uma avaliao de crdito da empresa. Outro ttulo de renda xa o ttulo de capitalizao e este uma mistura de poupana com uma possibilidade de ganhar um prmio atravs de sorteio. Em muitos casos, o cliente do banco aceita comprar este ttulo em troca de um favor; um exemplo simples quando o gerente do banco s libera um emprstimo para o cliente se ele, comprar o ttulo. O cliente no deve aceitar este tipo de presso. Um exemplo de ttulo de capitalizao usado pelos bancos o de que, a partir de depsitos mensais de R$ 20,00 (vinte reais), o cliente concorre a um sorteio por dia de R$ 20.000,00 (vinte mil reais) durante um ano; caso o cliente no seja sorteado, o mesmo recebe apenas R$ 200,00 (duzentos reais) no nal de um ano. Os R$ 40,00 (quarenta reais) perdidos no m da aplicao justicam-se pelo benifcio dado ao cliente de concorrer ao sorteio. Alguns analistas acreditam que a avaliao de que a aplicao em ttulos de capitalizao rentvel, ou no, mude, caso o cliente seja sorteado. Isso no verdade; a avaliao de se investir num ttulo de capitalizao ocorre antes do sorteio, ou seja, o fato de ser sorteado no pode mudar a avaliao do ttulo na hora de se decidir se vai comprar ou no o ttulo, j que o mesmo no sabe o resultado e se soubesse no teria problema de deciso. O pensamento aqui pode ser traduzido da seguinte forma:
10
Captulo 2
Finanas
O cliente possuiria R$ 240,00 (duzentos e quarenta reais) no nal de um ano; ele pode car com esse valor ou entrar em um jogo em que ter uma probabilidade (vinte mil reais) ou uma probabilidade Outros fatores como:
de ganhar R$ 20.000,00
1p
prazo de resgate,
carncia,
intervm na deciso de investir num ttulo de capitalizao, ou no. Por ltimo, tem-se o ttulo pblico de renda xa, e o mesmo considerado um direito emitido pelo governo, podendo ser na esfera federal, estadual ou municipal, com nalidade de captar recurso dos investidores privados para cobrir o dcit dos gastos do governo. Esses
ttulos so emitidos na esfera federal pelo banco central e pelo tesouro nacional, os juros podem ser prexados, ps-xados e mistos. Com relao ao risco, o mercado considera esse ativo o de menor risco, j que, como se sabe, o governo pode ser considerado um bom pagador de seus dbitos.
investidor de aes um co-proprietrio da sociedade annima. Existem dois tipos de aes que um investidor pode comprar, que so:
ordinria ou
preferenciais.
11
Captulo 2
Finanas
O primeiro tipo de ao d o direito de voto ao acionista, alm de possibilitar-lhe participao nos resultados da empresa. No caso das aes preferenciais, o acionista no tem direito ao voto, porm garante o direito do recebimento de dividendos, que geralmente so maiores do que os atribudos s aes ordinrias. Comum a qualquer uma das aes o fato de que as aes podem ser transferveis em dinheiro, a qualquer tempo, por negociao em bolsas de valores ou no mercado de balco. Quanto forma, uma ao pode ser normativa ou escritural. As normativas so cautelas ou certicados, as quais apresentam o nome do acionista. Neste tipo de ao, a transferncia feita com a entrega da cautela, alm da averbao de termo, no livro prprio da empresa emitente. As aes escriturais tambm so representadas por certicados ou cautelas, porm funcionam como uma conta corrente; dessa forma, no ocorre a movimentao fsica dos documentos. A questo agora o saber: como investir? No mercado de aes, h duas formas de se
investir. A mais comum delas atravs dos fundos de investimento, os quais so carteiras de aes e tambm de outros ttulos (os fundos de investimento sero assunto da Seo 2.3.3). A outra forma pela comprar direta de aes especcas. Nessa segunda opo, ser um pequeno investidor torna-se uma restrio, pois as corretoras, que so instituies nanceiras autorizadas a realizar a compra e a venda de aes numa determinada bolsa de valores, no aceitam operaes de pequeno volume. O dinheiro disponvel do pequeno investidor s permite que o mesmo entre no mercado fracionrio, em que o preo das aes maior, tendo uma liquidez menor. Alm desses problemas, o custo de operaes do pequeno investidor maior. No caso das pessoas com maior recursos, a possibilidade da compra direta das aes permite que o mesmo componha sua prpria carteira. So diversos os fatores que inuenciam a escolha de uma ao. Como exemplo:
o horizonte(prazo) de investimento;
12
Captulo 2
Finanas
No mercado de aes, h um fenmeno interessante. Muitos investidores compram aes observando o desempenho passado das empresas, enquanto outros compram aes de uma empresa em funo da expectativa do preo futuro da ao. No primeiro caso, o problema
ocorre no fato de que, a compra de aes quando os preos j subiram demais torna menor a chance de repetir o ganho extraordinrio: o conhecido fenmeno de regresso a mdia. No segundo caso, pensar apenas em funo da expectativa do preo futuro de uma ao desperdia toda uma base de informao que possa ser utilizada para tomar uma deciso. pensamentos distinguem duas escolas: Esses dois
Fundamentalistas;
Grastas.
Fundamentalistas
Os fundamentalistas se preocupam com os dados reais de uma empresa, como:
produtividade da empresa;
modernidade da planta;
Todos esses indicadores devem ser quanticados e devem reetir, alm do comportamento de receita e despesa da empresa, o crescimento esperado. Tendo em mo esses indicadores, os fundamentalistas avaliam de forma subjetiva, acreditando, porm ser de uma forma metodolgica, qual o preo da ao num determinado perodo qualquer, ou seja, estima-se o preo da ao. Para se ter um entendimento maior sobre esses indicadores, necessrio fazer algumas observaes:
13
Captulo 2
Finanas
1. H vrios indicadores que ajudam os fundamentalistas a vericar a qualidade de uma ao; tais indicadores tanto consideram o desempenho passado da empresa, quanto as projees de resultados futuros.
2. Os fundamentalistas tm como principal interesse o futuro da empresa. Do passado obtmse apenas um indicador que permite identicar as tendncias, porm a deciso de investir ou no deve ser baseada principalmente nas expectativas de resultados futuros.
3. Indicadores isolados dizem pouco sobre o desempenho da empresa, podendo, assim, induzir o avaliador ao erro.
4. Risco uma palavra chave na deciso de se investir. O rendimento por si s no deve ser utilizado como indicador.
5. O analista no deve prender sua deciso apenas nos indicadores. empresa, a vida da empresa, de que forma feita a sua gesto e etc.
O ltimo item observado passa um pouco de insegurana, no sentido de que, mesmo os indicadores da empresa apontando para a compra das aes de uma empresa, essa compra pode no ser uma boa opo, a compra vai depender tambm do conhecimento geral do analista sobre a empresa, que no fcil de se obter; que falta tambm medir esse conhecimento e us-lo na hora da deciso. A informao subjetiva deve ser usada!
Grastas
A escola grasta mais fcil de se entender. A deciso dos grastas se baseia na avaliao do desempenho passado do preo do ativo, e, supondo uma repetio do comportamento de qualquer que seja o ativo, o analista toma a sua deciso. O mesmo decide qual ser o ativo a ser comprado ou vendido apenas olhando para o grco. Os fundamentalistas criticam bastante essa escola, armando que a deciso parece mais uma profecia. Porm se essa profecia aceita e todos acreditam na sua realizao, o mercado acaba aceitando e ela ocorre. Exemplo: se os grcos indicam que o preo de um ativo subir e bom compr-lo agora, todos iro comprar, e realmente o preo subir, e ningum sabe ao certo se a subida dos preos iria ocorre mesmo ou se o mercado a forou.
14
Captulo 2
Finanas
Qual escola seguir? Para alguns analistas, devem-se usar as duas anlises. Nesse caso, a escola grasta usada para decises de curto prazo e a escola dos fundamentalistas usada em decises que envolvem longo prazo.
Na avaliao de fundos de investimento, deve-se sempre analisar a rentabilidade passada do fundo, como tambm o desvio dos retornos passados em relao ao retorno mdio do ativo; esse ltimo entra na avaliao como medida de risco. No mercado so formulados alguns H raking
rakings.
que considera apenas a rentabilidade, deixando de fora qualquer medida de risco, no sendo, portanto, aconselhado de forma alguma. O investidor deve escolher o fundo que tiver a maior rentabilidade por unidade de risco. A composio do fundo de responsabilidade do gestor, e este deve se preocupar em garantir um retorno compatvel como o nvel de risco que o investidor aceitou. Dessa forma, o administrador do fundo deve sempre informar qual o nvel de risco que a carteira est correndo. No mercado comum o uso da palavra alavancagem para explicar o nvel de risco que uma carteira ests correndo. Se um fundo est alavancando 100%, signica que ele no mximo, pode perder todo o seu patrimnio. Outra importante funo do gestor encontra-se no fato de que o mesmo deve sempre estar atento a mudanas no mercado, e, assim, poder realizar mudanas de aplicaes dos fundos no tempo certo. Em resumo, um fundo pode ser considerado:
15
Captulo 2
Finanas
conservador ou
agressivo.
Os ttulos conservadores so compostos basicamente por aplicaes em ttulos privados e pblicos. Podendo ter tambm uma parcela em aplicaes com um pouco de risco, para que possa aumentar a rentabilidade, em alguns casos o fundo pode conter at derivativos. O valor mnimo de investimento depende da administradora, mas valores como R$ 100,00 (cem reais) so aceitos tranqilamente. O pensamento aqui semelhante ao dos ativos de renda xa.
Apesar de ter um risco menor do que os ativos de renda varivel, h a possibilidade de se perder dinheiro; ento, da mesma forma, quando se comprar um ativo de renda xa, cujo emitente importante, a escolha da administradora tambm o , pois dela a responsabilidade de escolher o nvel de risco que o investidor est disposto a correr. Os fundos agressivos, tambm chamados de fundos de renda variveis, ou fundo de investimento em aes, so compostos em sua maioria por ativos de renda varivel, porm podem conter tanto ativos de renda xa como tambm derivativos. A classicao dos fundos depende do nvel de risco a que ele est exposto, mas no existe uma classicao formal. Pode-se considerar como um tipo de carteira de investimento os ndices das bolsas de valores.
para que o ndice seja importante que desde a sua criao, em 1968, no houve mudanas na sua metodologia. Mas o que vem a ser o IBOVESPA? Em 02/01/1968, foi criada uma
carteira terica de aes, e a partir de uma aplicao hipottica, o IBOVEPA representa o valor atual dessa carteira terica, em valores correntes, supondo-se que no ocorreu nenhuma outra aplicao, apenas os ajustes de uma distribuio de proventos pelas empresas emissoras. O ndice no s representa a variao de preo das aes, mas tambm o impacto ocasionado pela distribuio de proventos, sendo, assim, um indicador que avalia o retorno total de suas aes. A divulgao do ndice feita em tempo real e o mesmo tem como nalidade representar o
16
Captulo 2
Finanas
comportamento do mercado de aes. (Para maiores detalhes da forma de clculo das empresas que compem o IBOVESPA ver o site: http://www.bovespa.com.br/) A variao do ndice no ocorre apenas de um dia para outro, mas tambm durante as negociaes segundo a segundo, tendo, assim, uma cotao mxima e minma no dia, como tambm o valor da abertura e o valor de fechamento da bolsa. O retorno do ndice bovespa, ou de qualquer outro ndice, pode ser calculado pela seguinte formula:
r,
rt = ln(Pt ) ln(Pt1 )
onde:
(2.3.1)
rt
t; Pt
Pt1
so os preos(valor) do
t 1. rt
para o perodo de 1994 at agosto de 2002. O
1 rm(n) = n
i=n1
rti =
i=0
ln(Pt ) ln(Ptn+1 ) n
17
Captulo 2
Finanas
Fund. Inv. S.&.P 500 Index ; STAR Comp Aver ; Russell 1000 Gr Index ; Wellington Comp Index ;
2.4
Anlise de Investimento
A primeira diviso encontra-se no tipo
de investimento, pois o mesmo ter taxa de juros, prazo, sem falar no tipo de tributao, que so diferentes para cada ativo. No caso do investimento em aes, o investidor levar em conta as expectativas de a rma ter possibilidade de ganhos no futuro. Esta expectativa deve ser baseada em duas partes: a primeira relacionada ao desempenho passado e a segunda nas previses de desempenho futuro. Tanto o desempenho passado, como o desempenho futuro
o valor de mercado;
18
Captulo 2
Finanas
a relao entre o capital de terceiros e o capital prprio da empresa, ou seja, alavacagem nanceira;
O fato que as previses de desempenho futuro so mais subjetivas do que uma estimao de valores passados. A conseqncia que o decisor raramente tem uma preciso nas expectativas do lucro futuro de um investimento em particular. Dessa forma, vai-se distinguir dois estados de expectativa: certeza e incerteza.
as expercativas dos lucros futuros so expressas dentro de um intervalo estreito. No caso da incerteza, o grco da Figura 2.1 parece ser bem apropriado para representar o quanto pode ser incerto o retorno de um investimento. Uma outra forma de observar a
disperso dos retornos atravs de um histograma; na Figura 2.2 por exemplo, pode-se observar o histograma dos retornos do ndice bovespa. A Tabela 2.1 mostra os dados da distribuio de freqncia dos valores observados.
19
Captulo 2
Finanas
Tabela 2.1: Distribuio de Freqncia do ndice BOVESPA - Cotao diria de 08/07/2002 a 16/08/2002.
Intervalo
0, 3 < r 0, 2 0, 2 < r 0, 1 0, 1 < r 0, 0 0, 0 < r 0, 1 0, 1 < r 0, 2 0, 2 < r 0, 3
Freqncia
0 12 1033 1111 10 2
A ao (ativo) de uma empresa nova no tem dados passados. Neste caso, o investidor deve basear sua deciso em probabilidades subjetivas, ou seja, a deciso baseada em julgamentos pessoais referentes s chances de se perder ou de se ganhar com uma aplicao na nova empresa. Qualquer medida da incerteza do retorno de um ativo pode ser interpretada como o risco do ativo. O conceito de risco de um ativo muito amplo. No mercado nanceiro inicialmente aceita-se a diviso de quatro tipos de riscos, que so:
risco operacional: Est associado a falhas humanas. O mesmo estima as possveis perdas de uma instituio, caso seu sistema, medidas controle e prticas no sejam capazes de resistir a falhas humanas.
risco de mercado: Est associado incerteza dos retonos do Ativo. Dessa forma, ele est associado com o preo dos ativos.
risco de crdito: Discute-se bastante atualmente sobre o risco de crdito, entre os agentes, econmicos os bancos so os que tm mais conhecimento do mesmo. Dene-se risco
de crdito como uma medida de incerteza decorrente da incapacidade do tomador de emprestmo de pagar a suas dvidas.
risco legal: Est associado a questes da lesgilao de contrato entre os agentes econmicos. Pode-se denir o risco legal como a possibilidade de perda ocasionada pela impossibilidade de se executar os termos do contrato.
Quando a economia de um pas considerada aberta, ou seja, quando h a possibilidade de entrada de capitais e bens estrangeiros, h dois outros tipos de risco, ou seja, de incerteza
20
Captulo 2
Finanas
quanto a eventos que inuenciam o retorno de um ativo nanceiro, tais riscos so conhecidos como:
risco pas: Aps os anos 70, do sculo passado, comeou uma abertura da movimentao de capitais. Dentre as possveis maneiras de negociao entre pases de mobilidade perfeita de capitais h a paridade coberta das taxas de juros, na qual as taxas de juros, denominadas em uma mesma moeda, so equalizadas entre os pases atrves do uxo de capitais. O diferencial da paridade coberta das taxas de juros denominado risco pas. Apliando o conceito, o risco pas um reexo da situao econmica e nanceira, reetindo tambm a estabilidade poltica de um pas, alm do desempenho histrico do cumprimento das obrigaes nanceiras do mesmo.
risco cambial: Os investidores no mercado futuro de cmbio querem algo mais para vender uma moeda forte, o dlar, no futuro, alm da expectativa de desvalorizao da moeda. Diferentemente do risco pas, o risco cambial no passvel de medio direta.
1. O critrio do mximo retorno: O qual consiste na escolha do investimento que tem o maior retorno.
2. O critrio do mximo retorno esperado: A deciso tem como base o lucro esperado, o qual denido como a mdia dos retornos ponderados pelas probabilidades de ocorrncia.
3. O critrio da mxima utilidade esperada: Primeiro atribui-se ao lucro um valor subjetivo, chamado de utilidade ; a idia da teoria da utilidade cardinal que o importante a satisfao que se tem da moeda, e no o valor da moeda.
21
Captulo 2
Finanas
2.2. No uso do critrio de mximo retorno, os investimentos C e D apresentam retornos certos; sendo assim, no difcil de escolher o investimento C, pois o mesmo o que apresenta o maior retorno; quando se compara o investimento C com os investimentos A e B o critrio de mximo retorno falha, pois o retorno dos investimentos A e B so incertos. No caso do critrio do mximo retorno esperado, considerando a escolha entre os investimentos A, C e D, deve-se escolher o investimento A, j que o mesmo apresenta o retorno esperado de 1.800, o qual superior aos investimentos C e D. Mas, ao comparar o investimento A com o investimento B, o agente ser indiferente aos dois investimentos, o que no verdade pois para os dois investimentos, apesar de ter retornos esperados iguais, a probabilidade de uma economia ruim maior no investimento A, tendo assim o investimento B uma maior probabilidade de ganhar um valor maior do que 1.000. Porm a chance de se ganhar 3.000 apostando no investimento A maior do que a probabilidade de ganhar apenas 1.000 no investimento B; dessa forma, o critrio do mximo retorno esperado falha para investimentos com o mesmo retorno esperado.
Investimento A B C D Prob.&Ret. Prob. Ret. Prob. Ret. Prob. Ret. Prob. Ret. Econ. Ruim 60% 1.000 20% 1.000 0 0 0 Econ. Boa 40% 3.000 80% 2.000 100% 1.500 100% 1.000 Ret. Esp. 1.500 1.800 1.500 1.000
O critrio da mxima utilidade esperada tem como base o valor de satisfao que o decisor atribui ao valor do dinheiro. Supondo que 3.000 seja o valor que der maior satisfao e que 0 seja o valor de menor satisfao, e, por hiptese, atribui-se 1 e 0 como utilidades para os 3.000 e 0, a 1.000, 1.500 e 2.000 tem-se 0,5, 0,6, e 0,9 como utilidades, respectivamente. As utilidades esperada de cada investimento ser:
Investimento B
C D A
Utilidade Esperada
(0, 6)(0, 5) + (0, 4)(1, 0) = 0, 7 (0, 2)(0, 5) + (0, 8)(0, 9) = 0, 82 (1)(0, 5) + (0)(0) = 0, 5 (1)(0, 6) + (0)(0) = 0, 6
22
Captulo 2
Finanas
dessa forma, o investimetno B ser o escolhido, pois o mesmo tem a maior utilidade esperada. A escolha de um investimento no to simples assim; observe que, ao escolher o investimento B, sups-se o conhecimento das probabilidades de uma economia boa ou ruim, alm de que, no exemplo, atribuiu-se uma utilidade arbitrria. Necessita-se saber a localizao do sistema nanceiro na economia para se ter uma viso do que vem a ser uma economia boa ou ruim. necessrio esse conhecimento pois as variveis econmicas, como o PIB, a taxa de juros, a inao afetam diretamente ou indiretamente o retorno de ativos nanceiros. Alm do mais, o conceito de risco apresentado at agora a medida da incerteza dos retornos nanceiros e este conceito ainda est bem restrito. No prximo captulo, apresentar-se- alm da localizao do mercado nanceiro na economia, a denio formal de risco e a base da teoria de Markowitz.
23
Captulo 3
Anlise e Escolha de um
Portifolio
3 ANLISE E ESCOLHA DE UM
PORTFOLIO
A gesto de investimento no uma arte, nem uma cincia, mas engenharia . . .
Charles Tschampion. De um discurso em, 7 de fevereiro de 1995, ( ).
3.1
Antercedentes
O presente captulo trata alguns conceitos bsicos do mercado nanceiro. As Questes que sero abordadas neste captulo so:
O que risco? e
Dessa forma, a idia principal fazer uma reviso bibliogrca da teoria nanceira e apresentar o campo que se est estudando. Divide-se o captulo em cinco sees: a primeira trata do mercado nanceiro e de seus
sub-mercados; a segunda apresenta as origens da administrao do risco, como tambm o conceito do que vem a ser risco e uma idia de como o tempo inuncia o retorno de um ativo nanceiro; a terceira caracteriza-se pela apresentao das idias de Markowitz para a escolha de um Portfolio ; na quarta, resolve-se um problema de escolha de Portfolio pela Teoria de Markowitz; por ltimo, apresenta-se algumas consideraes sobre a teoria de Markowitz, e algumas razes para se usar uma outra ferramenta.
24
Captulo 3
Anlise e Escolha de um
Portifolio
3.2
O Mercado Financeiro
A segmentao de um campo de estudo ou mesmo de uma cincia comum em todas as reas. Na economia, essa segmentao realiza-se pela diviso em duas grandes reas: a Microeconomia e a Macroeconomia. Na Microeconomia, estuda-se as relaes entre os agentes econmicos, num aspecto mais de indivduo para indivduo. Na Macroeconomia, a preocupao encontra-se mais no aspecto agregado das relaes entre agentes econmicos. Dentro dessas duas grandes reas da economia tem-se outras segmentaes. so: Na Microeconomia os principais temas estudados
Teoria do Consumidor;
Teoria da Firma;
Equilbrio Geral e
Estrutura de Mercado.
Mercado Monetrio;
Mercado de Trabalho;
Mercado Cambial;
Mercado de Ttulos.
A in-
termediao nanceira realizada entre quatro mercados, atravs da taxa de juros, a qual considerada como moeda deste mercado. A segmentao do mercado nanceiro apresentada da seguinte forma: ( )
Mercado Monetrio;
Mercado de Crdito;
25
Captulo 3
Anlise e Escolha de um
Portifolio
Mercado de Capitais;
Mercado Cambial.
Todo mercado caracterizado por dois tipos de agentes econmicos: os agentes que demandam algum produto e os que possuem o produto to desejado e por algum preo abdicam dele. O mercado nanceiro, atravs do mercado de capitais procura viabilizar a troca de recursos nanceiros entre os que detm recursos e os decitrios de recursos; o primeiro o grande produtor deste mercado, o segundo o consumidor. Uma confuso comum pensar que na compra de aes se est realizando um investimento, no sentido macroeconmico de desenvolvimento da economia, ou seja, uma produo de riqueza. Isso s ocorre se essa compra for realizada no mercado primrio. A maioria das negociaes de aes realizada no mercado secundrio, o qual, na verdade, s viabiliza a transferncia de riqueza.
negociao no mercado monetrio viabilizar a poltica monetria por parte do Banco Central, a qual possibilita o controle da liquidez monetria da economia. O controle sobre a quantidade de moeda e sobre a taxa de juros realizado atravs das negociaes no mercado aberto; so as negociaes conhecidas como open market. Para entender melhor o funcionamento da poltica monetria, as atividades de negociao podem ser observadas em duas etapas; na primeira realizada no mercado primrio, o Banco Central vende ttulos em leiles aos dealers, instituies representantes do prprio Banco; num segundo instante, em um mercado secundrio, os dealers negociam os papis com outras instituies nanceiras.
26
Captulo 3
Anlise e Escolha de um
Portifolio
pelos bancos comerciais e mltiplos. So diversos os tipos de crdito neste mercado; um exemplo o Crdito Direto ao ConsumidorCDC, realizado por bancos comerciais a seus clientes.
Por meio da Taxa de Cmbio Fixo, o governo garante que no ocorrero variaes na taxa de cmbio. O preo da moeda estrangeira xo (num intervalo de tempo). Na poltica de
cmbio utuante, o mercado, atravs da demanda e da oferta do produto, no caso, a moeda estrangeira, determinam o preo da moeda.
3.3
Tempo e Risco
Tempo
O comportamento de um indivduo no mercado nanceiro tambm estar associado ao tempo que ele estar disposto a abdicar o dinheiro corrente por um ativo. Os retornos dos ativos
27
Captulo 3
Anlise e Escolha de um
Portifolio
nanceiros tambm esto relacionados com o tempo. Para alguns ativos, o retorno s ocorre com o decorrer de um certo tempo. Outros ativos tm rentabilidade imediata; basta apenas uma noite para um ativo ter um alto retorno. Em ( ), apresenta-se um estudo realizado com cinco tipos de ativos:
Aes Ordinrias;
Outro importante ndice a inao, pois o retorno real ao ano podem ser calculados subtraindo-se do retorno corrente a inao anual. O risco inerente a todo ativo, porm
consideram-se os ttulos do governo(Letras do Tesouro dos Estados Unidos) ativos sem risco. A diferena entre o retorno de outros ativos e o de ttulos do governo chamada de prmio por risco em relao aos ttulos do governo. Nos estudos apresentados por ( ), os ativos que apresentaram um retorno-mdio maior tambm tinham uma maior variao. A questo que, no curto prazo, os ativos do governo e os ativos de mdio prazo apresentaram um retorno mdio maior do que as aes ordinrias e as aes de pequenas empresas; no longo prazo o inverso ocorreu. Dessa forma, existe um tradeo entre o retorno de um ativo e o tempo da aplicao nanceira. As aplicaes nanceiras iro se diferenciar no caso de serem de curto prazo ou de longo prazo: alguns ativos no curto prazo do um retorno maior do que outros; j no longo prazo estes ativos apresentam retorno menores, do que os ativos de retorno menor no curto prazo. A relao entre tempo, risco e retorno clara. Com o decorrer do tempo, a incerteza sobre o investimento levar a um maior risco. Com um maior risco, o investidor s aplicar neste ativo se ele tiver a expectativa de um retorno maior, esta uma hiptese de racionalidade. Uma
hiptese bsica a de que no longo prazo a economia tem que crescer, seno ela ir falncia. O crescimento econmico levar o valor mdio do lucro de todos os investidores a um aumento (Campello de Souza, 2002).
28
Captulo 3
Anlise e Escolha de um
Portifolio
Risco
Em 1996, Peter L. Bernstein lanou o livro, com ttulo em portugus, Desao aos Deuses:
que um deles vena seis rodadas. O jogo realmente termina quando A vence cinco, e B, trs rodadas. Como devem ser divididas as apostas?. Pascal no quis resolver o problema sozinho e entrou em contato com Pierre de Fermat, o qual era advogado e morava em Toulouse. A comunicao entre os dois deu-se atravs de cartas. Quando Pascal e Fermat resolveram o problema, eles registraram uma forma de se determinar a probabilidade de cada um dos resultados possveis, considerando sempre a possibilidade de se medir matematicamente os resultados. Encerrando-se a correspondncia entre Pascal e Fermat em 1654, Pascal renunciou a tudo e entrou no Mosteiro de Port-Royal, na cidade de Paris. Na obra de Pascal, Pensamentos , escrita na mesma poca do mosteiro, existe um fragmento que cou conhecido como A Aposta de Pascal, e este faz a seguinte pergunta: Deus existe ou no existe?. Pascal formula a questo em termos de um jogo, o qual terminar numa distncia
innita no tempo. Neste momento uma moeda lanada: Cara(Deus existe) ou Coroa(Deus no existe). Em qual lado voc apostaria? Para alguns, a teoria da tomada de decises inicia-se com a anlise que Pascal utilizou para resolver este problema. Pascal ver (Campello de Souza, 2002)) (Detalhes sobre a Aposta de
29
Captulo 3
Anlise e Escolha de um
Portifolio
3.3.1
geral sobre esta proposio: os valores esperados so calculados multiplicando-se cada ganho possvel pelo nmero de meios pelos quais pode ocorrer, e depois dividindo-se a soma desses produtos pelo nmero total de casos.
Esse pargrafo expe a hiptese que Daniel Bernoulli quis atacar, no artigo apresentado Academia de So Petersburgo, em 1738. Setenta e seis anos antes do artigo de Bernoulli,
ou a arte de pensar , tendo como principal autor, Antoine Arnauld. A Lgica, semelhante ao
artigo de Bernoulli, tinha como principal argumento, em suas proposies, que qualquer deciso envolvendo risco teria que ser analisada por dois fatores distintos e inseparveis. Um dos fatores corresponde aos fatos observveis e outro fator est associado ao valor do que ser obtido, ou perdido, ao se tomar a deciso. Sendo assim, existe um fator subjetivo conhecido por utilidade. H uma diferena entre a abordagem de cada autor. Antoine Arnauld acredita que pessoas
aversas ao risco tomam decises baseando-se nas conseqncias, enquanto Bernoulli argumenta que os aversos ao risco tomam suas decises com base nas probabilidades e desconsideram as conseqncias. Uma das caractersticas mais marcantes em Bernoulli a utilizao da
racionalidade e do comportamento do homem perante ela. Pascal e Fermat trabalharam no caminho de medir o risco associado ao arremesso de dados, estabelecendo as opes. Bernoulli formulou suas idias de tal forma que o desejo das pessoas inuenciar nas suas decises, e para cada pessoa os fatos seriam vistos de formas diferentes. As decises, segundo Bernoulli, dependem da utilidade, mas como medir a utilidade das pessoas? Naquela poca esta questo no tinha resposta e ainda hoje muitas pessoas no No mesmo perodo de Bernoulli, os economistas falavam em
preferncia de um bem em relao a outro. Bernoulli trata a preferncia de forma que um bem tem um valor e o valor deste bem maior que o de outro bem. O utilitmetro, nome atribudo ao aparelho que mede a utilidade, nunca foi inventado na forma de razo, porm j existe sim um utilitmetro com medida intervalar. Um das causas para tamanha falta de comunicao entre Bernoulli e os economistas deve-se, talvez, ao fato de
30
Captulo 3
Anlise e Escolha de um
Portifolio
que s no ano de 1896 o artigo de Bernoulli foi traduzido do latim para o alemo. A traduo em ingls s apareceu 216 anos aps a publicao do original. O mtodo utilizado para calcular a utilidade esperada o mesmo para se calcular o valor esperado (conceito apresentado por Huygens, em 1657), sendo a utilidade o peso. O exemplo de Bernoulli um jogo eqitativo com dois jogadores, cada um tendo 100 ducados. O perdedor pagaria 50 ducados ao outro. Qualquer um dos jogadores poderia terminar o jogo com 50
ducados ou 150. A pergunta que se faz : deveriam eles jogar? O valor esperado do jogo 100, ou seja, o mesmo que cada um teria se no jogasse. Bernoulli revela uma assimetria, a qual explica que jogos equilibrados so pouco atraentes. Para cada um dos jogadores os 50 ducados que ganhariam so menos atraentes, do que os 50 que perderiam.
O Paradoxo de So Petersbugo
Nicolaus Bernoulli, primo de Daniel Bernoulli, prope, em seu livro A Arte da conjectura um jogo entre Pedro e Paulo, no qual Pedro jogar uma moeda, ver o resultado, e continuar jogando a moeda at aparecer uma cara. Se aparecer uma cara na primeira jogada, Pedro
receber um rubro, se aparecer no segundo lanamento, Pedro receber agora dois rubros, se s aparecer no terceiro lanamento, Pedro receber quatro rubros, e assim sucessivamente. Dessa forma, o pagamento do jogo
2n
rubros, onde
n o nmero de lanamentos.
A questo : qual
o valor que se pagar para jogar este jogo? Supondo uma moeda justa, a probabilidade de se ter cara num lanamento valor esperado do jogo expresso pela seguinte equao:
0, 5.
Tem-se o
(3.3.1)
O fato de se ter um jogo com valor esperado igual a innito torna-se o argumento para o paradoxo. Pois, se uma pessoa decidir entrar nesse jogo pelo valor esperado, ter que pagar o mximo possvel. E isto no verdade. Segundo (Campello de Souza, 2002), Um dos principais argumentos para resolver o paradoxo foi que o que estava errado com o jogo era que no valem, necessariamente, duas vezes
2n+1
rubros
2n
31
Captulo 3
Anlise e Escolha de um
Portifolio
A soluo denitiva para o paradoxo dizer que h uma funo utilidade para dinheiro limitada. Dessa forma, o valor esperado do jogo seria:
E (J ) =
0
Onde:
1 v (2n )( )n+1 2 2n
(3.3.2)
v (2n )
A denio de risco que surgiu das idias de Bernoulli ao resolver o paradoxo a nica que existe e nenhuma outra mais: Risco o produto de uma utilidade por uma probabilidade.
behaviour e os dois autores so John von Neumann e Oskar Morgenstern . Von Neumann o
pai da Teoria dos Jogos. Em 1926, Von Neumann apresentou um artigo Sociedade Matemtica da Universidade de Gttingen, cujo tema era uma estratgia racional para um jogo infantil. Von Neumann apresentou uma forma de se medir a utilidade, a qual conhecida como utilidade cardinal fraca, e este o utilitmetro em medida intervalar. Von Neumann e Morgenstern concluram atravs de experincias que os resultados no so to bons como seria de esperar, mas sua direo geral est O grifo nosso. Em 1954, surge a Teoria da Deciso Estatstica, a qual a ferramenta usada para alcanar o objetivo principal deste livro. A Teoria da Deciso tambm se baseia na racionalidade dos agentes. Bernstrein no faz nenhum comentrio a respeito dessa ferramenta. Um dos conceitos mais utilizados na Teoria da Deciso o Risco de Bayes(rd ).
rd =
Onde:
(3.3.3)
()
32
Captulo 3
Anlise e Escolha de um
Portifolio
p,
dado que o
d. d,
tendo
()
como distribuio
priori. Keynes foi um dos primeiros a defender a utilizao da probabilidade subjetiva. Ele
acreditava que propriedades como a da distribuio normal, na qual os eventos seriam independentes, ou como a da Lei dos Grandes nmeros nunca, aconteceriam em relaes nas quais o homem estivesse envolvido. Uma confuso comum no mercado nanceiro pensar que a medida de risco proposta por Markowitz, o risco do ativo nanceiro. Markovitz publicou em 1952 um artigo de 14 pginas, no Journal of Finance, com o ttulo Portfolio Selection . Na poca, Markowitz era apenas um estudante de ps-graduao da Universidade de Chigago, na rea de pesquisa operacional, e o problema foi sugerido por um corretor. Do seu artigo surge a recente Teoria das Finanas. O artigo de Markowitz base para os modelos capital asset pricing model CAPM e
Arbitrage Pricing Theory APT e mais recentemente o conceito de value at risk , que podem ser
estudados em vrios livros de administrao nanceira entre eles ( ), ( ) e ( ). Como o objetivo principal deste trabalho no apresentar a teoria nanceira mas sim usar uma ferramenta para resolver um problema da teoria nanceira, aqui no se aborda todos os modelos, mas apresentase as idias principais deles atravs da Teoria de Markowitz.
3.4
A Teoria de Markowitz
33
Captulo 3
Anlise e Escolha de um
Portifolio
Nenhum participante do mercado tem a capacidade de sozinho inuenciar os preos de negociaes, alterando-os segundo exclusivamente suas expectativas.
O mercado, de uma maneira geral, constitudo de investidores racionais, decidindo sobre alternativas que promovam o maior retorno possvel para um determinado nvel de risco, ou o menor risco possvel para um certo patamar de retorno.
Todas as informaes esto disponveis aos participantes do mercado, de maneira instantnea e gratuita. Nessa hiptese, nenhum investidor apresenta qualquer acesso privilegiado s informaes, sendo identicamente disponveis a todos os agentes.
Em princpio, o mercado eciente trabalha com a hiptese de inexistncia de racionamento de capital, permitindo que todos agentes tenham acesso equivalente s fontes de crdito.
Os ativos objetos do mercado so perfeitamente divisveis e negociados sem restries. As expectativas dos investidores so homogneas, isto , apresentam o mesmo nvel de apreciao com relao ao desempenho futuro do mercado.
R(A),
e a de risco,
(A),
esperana dos retornos passados e pelo seu desvio-padro. As equaes abaixo representam o retorno esperado e o risco de um ativo:
R(A) =
n t=1
Rt
n R(A))2 n1 n,
e
(3.4.1)
(A) =
n t=1 (Rt
(3.4.2)
Rt
t.
Na maioria dos
ativos nanceiros, quanto maior o risco, maior ser o retorno, ou seja, existe uma relao direta entre risco e retorno. Para um empresrio, a deciso de aplicar o seu capital em um ativo
nanceiro deve ser diferente da deciso de um aposentado de aplicar suas economias de uma
34
Captulo 3
Anlise e Escolha de um
Portifolio
vida inteira. mais provvel que o aposentado seja mais averso ao risco do que o empresrio. A forma de se avaliar se algum agente econmico averso ao risco, ou no, pela utilidade que o mesmo atribui ao dinheiro. Porm, sobre a hiptese de que os agentes so racionais pode-se estabelecer algumas consideraes sobre as preferncias dos investidores. Entre dois ativos, um investidor certamente se decidir pelo que tenha um menor risco para o mesmo retorno, como tambm decidir pelo ativo com um maior retorno para o mesmo risco.
R(P ) =
j =1 n n
Rj Wj
(3.4.3)
(P ) = [
i=1 j =1
onde:
Wi Wj i,j i j ]1/2
(3.4.4)
Wj ;
j i,j
Para se obter o percentual de aplicao em cada ativo, resolve-se o problema atravs da programao linear, no qual as variveis de escolha so os percentuais de aplicao, o funcional objetivo o risco do Portfolio e as restries so bastante lgicas. Como o percentual de
35
Captulo 3
Anlise e Escolha de um
Portifolio
aplicao uma probabilidade, eles sero positivos e o somatrio dos percentuais ser igual a um. O problema expresso da seguinte forma:
min (P )
Wj
s.a
Wj = 1 , Wj
3.5
Exemplo: A Escolha de um
Portfolio
O rendimento anual de alguns fundos de investimento apresentado na Tabela 3.1. O valor na tabela corresponde ao ganho de capital do fundo naquele ano.
Ano Fund Inv Wellington Russell 1000 STAR S.e.P 500 Index Comp Index Gr Index Comp Aver 2000 -9.10 -2.37 -22.43 1.57 1999 21.04 10.61 33.16 15.82 1998 28.58 22.65 38.71 11.30 1997 33.36 26.27 30.49 17.92 1996 22.96 15.08 23.12 13.65 1995 37.58 33.72 37.19 23.30 1994 1.32 -1.15 2.66 -1.18 1993 10.08 11.11 2.90 10.64 1992 7.62 8.03 5.00 7.95 1991 30.47 26.98 41.16 26.93 1990 -3.10 0.48 -0.26 -1.61 1989 31.69 25.98 35.92 17.96 1988 16.61 14.25 11.27 11.83 1987 5.26 5.01 5.31 3.14 1986 18.68 19.10 15.36 12.60
O rendimento ao longo do tempo (RALT) do fundo de investimento pode ser visto na Tabela 3.2. O RALT representa quanto o investidor ter de rendimento se sua aplicao for de 1986 a 2000. No caso de um investidor aplicar R$ 1,00 (hum real) no fundo Fund Inv S.e.P 500 Index, ter, no m de 2000, R$ 829,11 (oitocentos e vinte e nove reais e onze centavos), desconsiderando taxas ou impostos. Como j se sabe o retorno passado, fcil decidir em que ativo deve-se investir? A resposta no. Nenhum ativo totalmente livre de risco, porm alguns ativos, por apresentar pouca variabilidade no retorno, so considerados ativos sem risco; os mais conhecidos so os ttulos
36
Captulo 3
Anlise e Escolha de um
Portifolio
Tabela 3.2:
Fundos Fund Inv S.e.P 500 Index STAR Comp Aver Russell 1000 Gr Index Wellington Comp Index
pblicos.
No caso dos fundos apresentados acima o retorno esperado e risco so apresentados na Tabela 3.3:
Tabela 3.3:
Fundos Fund Inv S.e.P 500 Index STAR Comp Aver Russell 1000 Gr Index Wellington Comp Index
A escolha do fundo em que se deve aplicar depender da preferncia do indivduo em questo, pois se, ele for propenso ao risco e quiser ter o maior retorno, investir no Russell 1000 Gr Index, e se ele for averso ao risco, o fundo ser o STAR Comp Aver. Utilizando a idias de Markowitz de minimizar o risco no-sistemtico dos ativos pela formao de uma carteira. Ou seja, resolvendo o problema de programao linear j citado,
pode-se ver na Tabela 3.4 a combinao dos fundos de investimento que formam a carteira de investimento.
Tabela 3.4:
Fundos Fund Inv S.e.P 500 Index STAR Comp Aver Russell 1000 Gr Index Wellington Comp Index
O risco da carteira de investimento ser de 5,65% e o retorno mdio obtido nos 15 anos foi de 14,29%. No Grco da Figura 3.1, observa-se que a relao retorno versus risco da carteira de investimento melhor do que a relao dos outros fundos.
37
Captulo 3
Anlise e Escolha de um
Portifolio
Figura 3.1: Grco de Barra do Retorno e do Risco dos Fundos e da Carteira de Investimento.
3.6
O risco sistemtico
Para Markowitz, o risco sistemtico comum a todos os ativos e deve ser desconsiderado. Porm, fatos importantes, como guerras, eleies presidenciais, formao de blocos econmicos e etc. . . so importantes no momento de se decidir a carteira de investimento contudo tais aspectos no so considerados pelo modelo de Markowitz.
Novo Mtodo
A utilizao da Teoria da Deciso na anlise da escolha de Portfolio representa um novo mtodo, o qual levar em considerao aspectos importantes como:
38
Captulo 3
Anlise e Escolha de um
Portifolio
Pode-se aplicar a nova proposta de Bayes emprico introduzida em (Campello de Souza, 2002) para obter uma medida do risco sistemtico. Tais aspectos, que antes no eram levados em conta, podem representar um importante avano na anlise de investimento. No prximo captulo, sero apresentados os conceitos e elementos utilizados pela Teoria da Deciso.
39
Captulo 4
Teoria da Deciso
4 TEORIA DA DECISO
A caracterstica de um indivduo inteligente a sua capacidade de tomar decises racionais com base em informaes insucientes.
4.1
Introduo
Utilizando o mtodo de Markowitz para decidir o portfolio em que se deve investir, no se considera o risco sistemtico. Um dos objetivos deste trabalho apresentar, luz da teoria de deciso uma ferramenta que possibilite tomar decises de aplicaes nanceiras minimizando o risco de mercado. A teoria da deciso aborda problemas de se decidir qual a ao que se deve tomar, quando incerto o que poder acontecer. A base da teoria da deciso a mesma da teoria dos jogos, para ( ) a teoria dos jogos parte da teoria da deciso. Para expor um problema de deciso, ( ) utilizou o seguinte exemplo: suponha que um businessman tenha que escolher, entre dois investimentos, aquele com melhor retorno, caso ocorra uma guerra no Oriente Mdio neste ano. Este estado do mundo (ocorrer uma guerra este ano), que tambm chamado de estado da natureza em teoria da deciso, nunca ocorreu. Dessa forma, no existe nenhuma srie de dados histricos que possibilite inferir a probabilidade de ocorrer uma guerra no Oriente Mdio, neste ano. A nica forma de se obter alguma informao sobre a probabilidade de ocorrncia deste fenmeno eduzir a opinio de um especialista. Para entender melhor um problema de deciso, pode-se caracteriz-lo pelos seguintes elementos:
2. um conjunto de aes;
40
Captulo 4
Teoria da Deciso
Com os trs primeiros elementos, tem-se um problema de deciso sem dados. A combinao de todos os elementos dene o problema de deciso estatstica. Dessa forma, ao se resolver um problema de teoria da deciso, o decisor escolhe uma ao de tal maneira que as conseqncias so as mais favorveis possveis para ele. O presente captulo tem como nalidade expor o uso da teoria da deciso em anlise nanceira. Para isso, o mesmo dividido em cinco partes, que so: a primeira parte uma introduo que est sendo feita agora; na segunda parte, apresentam-se os elementos matemticos de um problema de teoria da deciso; na parte seguinte, exposto um problema de deciso com enfoque da regra de Bayes, em que a distribuio a priori dos estados da natureza obtida pelo mtodo tradicional de Bayes emprico; a penltima parte composta de um exemplo o qual resolvido usando o mtodo de Bayes emprico, com o professor; na ltima parte, tem-se uma concluso.
4.2
O problema em estudo ser resolvido utilizando as ferramentas da teoria da deciso. Em (Campello de Souza, 2002), um problema de deciso caracterizado por trs questes:
A primeira questo est associada utilidade do retorno para um investidor nanceiro. Para qualquer deciso nanceira, primeiro atribui-se uma utilidade ao retorno; outro fator a existncia de uma probabilidade sobre as conseqncias do investimento sobre o dinheiro aplicado. Por denio, Risco o produto de uma utilidade por uma probabilidade. Dessa
dois tipos de comportamento: o investidor pode ser averso ao risco e, assim, procurar ativos de baixo risco, tendo como conseqncia s suas decises ativos de baixa rentabilidade, ou o
41
Captulo 4
Teoria da Deciso
investidor pode ser propenso ao risco, e procurar investir em ativos mais agressivos, que so ativos de maior risco, porm so tambm ativos de maior rentabilidade. A segunda questo pode parecer um tanto mais fcil primeira vista, pois no dias atuais as informaes esto disponveis para todos pela internet, mas, na verdade, o que se tem na internet so dados que precisam ser trabalhados para gerar informao. Outro problema
conhecer a dinmica econmica; ser uma economia kenersiana ou liberal? De fato, observar a economia no fcil. Como saber o que bom para o seu investimento, j que o estado da economia pode ser bom para um tipo de investimento e ao mesmo tempo ruim para outro? O retorno de um investimento no depende apenas da srie histrica de seus retornos. Um outro problema na preciso ou predio do retorno de um ativo a existncia de fatores exgenos economia que inuenciam no seu comportamento; entre eles, podem-se citar:
as decises polticas;
as guerra;
eleies e etc.
No caso da ltima questo, a resposta mais fcil pois as aes j so conhecidas, o investidor sabe que deve distribuir um pouco de seu dinheiro em cada investimento; essa a idia de Markowitz, pois, com a diversicao, diminui-se o risco no-sistemtico. Uma armao da proposta de Markowitz desconsiderar o risco sistemtico; o modelo proposto via teoria da deciso em (Campello de Souza, 2002) procura justamente desmentir esta armao, j que ele consiste na escolha de como o investidor deve distribuir o seu investimento, observando indicadores da economia, para minimizao dos possveis estados da economia.
= { };
42
Captulo 4
Teoria da Deciso
A = { a}
;
P = {p}
X = {x}.
funo conseqncia
funo de verossimilhana
Em um caso mais particular da teoria da deciso, em que se utiliza a Regra de Bayes para resolver o problema de deciso, apresenta-se mais um mecanismo probabilstico, a distribuio de probabilidade a priori do estado da natureza,
().
elementos matemticos de um problema de deciso podem ser encontrados em (Campello de Souza, 2002).
= {}
escalar, vetorial ou alguma combinao desses conceitos. Os estados da natureza podem ser qualquer coisa; de uma forma geral, o objeto de interesse de um indivduo. A distribuio de probabilidade sobre o
, (),
tanto pode ser calculada por sries histricas, como pela opinio
de um especialista. No primeiro caso, a distribuio conhecida como distribuio objetiva e, no segundo, como distribuio subjetiva.
Distribuies Objetivas
Quando se fala em distribuies objetivas sobre o estado da natureza, a natureza da distribuio de probabilidade freqentista. Para a obteno de
ticas conhecidas como Bayes Emprico, atrves das quais pode-se aprender sobre os estados da natureza, com ou sem o professor; essas duas metodologias podem ser encontradas em (Campello de Souza, 2002).
43
Captulo 4
Teoria da Deciso
Distribuies Subjetivas
Uma questo importante a se discutir se o subjetivo pode ser medido. A discusso dessa questo deixarei para mais tarde, na seo 6.1. O fato que Keynes defende a hiptese de que a longo prazo todos ns estaremos mortos e de que sries histricas que permitiriam realizar previses sobre o nosso futuro nunca existiriam. Para Keynes, os economistas explicam muito bem o que j aconteceu porm eles no conseguem prever o que est para acontecer. Para
(Campello de Souza, 2002), quando se dispe de poucos dados ou nenhum dado, o conhecimento
a priori do especialista deve ser utilizado. Um novo procedimento de eduo do conhecimento a priori do especialista apresentado em (Campello de Souza, 2002).
P = {p}.
bens representado pelo retorno que o investidor ter. Como o retorno expresso em dinheiro ou percentual, o conjunto dos bens ser contnuo e poder ser representado pelo conjunto dos nmeros reais,
R.
pode ser expresso pela funo utilidade de Von Neumann. O importante agora que o leitor
44
Captulo 4
Teoria da Deciso
entenda que num problema de deciso de investimento nunca se sabe realmente quem
p,
pois
as conseqncias das aes so sempre incertas; dependem probabilisticamente do estado da natureza, uma vez que se exerce a ao. Dessa forma, tem-se um conjunto de distribuies de probabilidade sobre
P , P = {P }.
Sendo
p,
e o decisor adotou a ao
a,
essa distribuio
conhecida como
X = {x},
P (x|),
no caso
FX | (x|),
no caso contnuo.
uma ao. A relao existente na funo pode ser determinstica ou probabilstica. No caso determinstico, o conjunto de regra de decises denotado por
D = {d}.
O nmero de regra
D = A
. Para
v (p)P (p|, d)
(4.2.1)
45
Captulo 4
Teoria da Deciso
onde:
v (p)
o valor do bem
x.
Em um caso muito particular, pode-se tomar a funo perda como a funo perda do observador ideal. Suponha-se que
A = .
Seja
L(, a) = 1,
se
=a
L(, a) = 0,
se
= a.
detalhe que a funo perda d a mesma perda, se se comete um engano, (1), e d (0), caso o decisor escolha a ao corretamente. Neste caso, no se considera a utilidade do decisor. A funo est representada na Tabela 4.1
L(, a) 00 01 10 11
a00 0 1 1 1
a01 1 0 1 1
a10 1 1 0 1
a11 1 1 1 0
d.
Rd ,
denida por:
Rd = E (L(, d(x)))
(4.2.2)
4.3
Regras de Bayes
Para facilitar o entendimento do assunto, os conceitos sero apresentados no caso particular em que os conjuntos so discretos e a regra de deciso, determinstica.
rd = u(P (p|d)) =
()u(p|, d) =
()Rd ()
(4.3.1)
46
Captulo 4
Teoria da Deciso
rd ,
d.
Matematicamente, tem-se:
min rd =
d
()Rd ()
(4.3.2)
Todo o desenvolvimento e extenses das frmulas citadas acima pode ser visto em (Campello de Souza, 2002). Os problemas que podem ser resolvidos usando o risco de Bayes so inmeros, porm, para poder us-lo, supe-se o conhecimento de
();
(),
pode-se utilizar dois outros mtodos na teoria da deciso, que so: Regras de Neyman-
Pearson e Regras Minimax. (Campello de Souza, 2002) e ( ) As Regras de Neyman-Pearson s podem ser utilizadas quando o problema de deciso formulado com apenas dois estados da natureza. No caso das Regras Minimax, a aplicao
Regras Minimax
A idia do minimax vem da teoria dos jogos. Em um jogo tem-se dois ou mais jogadores, cada jogador querendo maximizar a sua utilidade, sendo que, para isso, leva-se em considerao que a deciso de um dos jogadores ter impacto sobre o retorno (payo ) do outro jogador. A idia de minimax uma forma de se decidir qual a melhor estratgia de um dos jogadores, considerando que a natureza decidir pelo pior para o decisor.
Bayes Emprico
No caso de se ter algum dado sobre os estado da natureza, pode-se aprender alguma coisa a respeito da distribuio a priori do estado da natureza; e esse aprendizado pode ser com ou sem o professor. Para aprender com o professor assume-se que se tem dados classicados sobre a ocorrncia de
Com
a priori,
nos dados e
n ()
ser a
47
Captulo 4
Teoria da Deciso
dn
para
n .
Ento, utiliza-se
dn
().
Teorema 5.2.1,
procedimento.
4.4
O problema de deciso aqui exposto serve como um exemplo de como se pode utilizar a teoria da deciso em anlise nanceira; os dados sobre os estados da natureza e sobre as observaes foram tirados do site do Banco Central, a srie histrica de 02 de janeiro de 1990 a 03 de maio de 2002.
Os Estados da Natureza
Os
00 01
a variao do ndice bovespa foi negativa e a variao do dlar foi igual a zero ou
positiva;
10
a variao do ndice bovespa foi igual a zero ou positiva e a variao do dlar foi
negativa;
11
a variao, tanto do ndice bovespa, como do dlar, foi maior do zero ou positiva.
= {00 , 01 , 10 , 11 }
48
Captulo 4
Teoria da Deciso
de nanciamento dos bancos comerciais de um dia para o outro e estes, os bancos, podem representar um grande investidor na economia. O conjunto de observaes representado da seguinte forma:
X = {x0 , x1 },
onde:
x0 x1
P (x|) x0 x1
00 0,0656 0,0791
01 0,3640 0,3635
10 0,0735 0,0863
11 0,4969 0,4710
49
Captulo 4
Teoria da Deciso
a priori.
n () 00 01 10 11
p0
p1
retorno a funo
p2
v (p1 ) = 0, 8,
perda est representada na parte de cima da Tabela 4.4, e para ser a representada na parte de baixo da Tabela 4.4
v (p1 ) = 0, 1,
a funo perda
d0 d1 d2 d3 d4 d5 d6 d7
x, x, x, x,
tome a ao
tome a ao
tome a ao
tome a ao
para
x = x0 , x = x0 , x = x0 x = x0 ,
tome a ao
e, se
x = x1, x = x1 , x = x1 , x = x1 ,
a01 ; a10 ;
para
tome a ao
e, se
tome a ao
para
tome a ao
e, se
tome a ao
a11 ; a00 ;
para
tome a ao
e, se
tome a ao
50
Captulo 4
Teoria da Deciso
d8 d9
para
x = x0 , x = x0 ,
tome a ao
e, se
x = x1 , x = x1 ,
tome a ao
para
tome a ao
e, se
tome a ao
para
x = x0 , x = x0 , x = x0 , x = x0 , x = x0 , x = x0 ,
tome a ao
e, se
x = x1 , x = x1 , x = x1 , x = x1 , x = x1 , x = x1 ,
tome a ao
para
tome a ao
e, se
tome a ao
para
tome a ao
e, se
tome a ao
para
tome a ao
e, se
tome a ao
para
tome a ao
e, se
tome a ao
para
tome a ao
e, se
tome a ao
Tabela 4.4: Funo Perda. Para v (p1 ) = 0, 8 L(, a) 00 01 10 11 Para v (p1 ) = 0, 1 L(, a) 00 01 10 11
a00 -0,8 -0,8 -0,8 -0,8 a00 -0,1 -0,1 -0,1 -0,1
51
Captulo 4
Teoria da Deciso
P (p|, a) (00 , a00 ) (00 , a01 ) (00 , a10 ) (00 , a11 ) (01 , a00 ) (01 , a01 ) (01 , a10 ) (01 , a11 ) (10 , a00 ) (10 , a01 ) (10 , a10 ) (10 , a11 ) (11 , a00 ) (11 , a01 ) (11 , a10 ) (11 , a11 )
p0 0 1 1 1 0 0 1 0,8597 0 1 0 0,239 0 0 0 0
d3 .
Quando o decisor
d3 .
No caso de
v (p1 ) = 0, 8,
d1 .
4.5
A Medida da Utilidade e de
{}
Neste Captulo, resolveu-se um problema de teoria da deciso, em que se considerava uma distribuio de probabilidade a priori obtida pelo mtodo de bayes emprico. Dessa forma, a distribuio a priori do estado da natureza de carter objetivo, ou seja, uma distribuio de probabilidade frequentista e no subjetiva. Outro ponto muito importante que no foi abordado neste Captulo como se mede a utilidade do decisor. Estes dois pontos sero tratados nos
prximos captulos, sendo que no primeiro ser tratada a eduo da utilidade do decisor e, posteriomente, a distribuio a priori do especialista.
52
Captulo 4
Teoria da Deciso
d 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Risco de Bayes rd Obs. Ideal v (p1 ) = 0, 8 v (p1 ) = 0, 1 0,74400 -0,6029 -0,0753 0,48919 -0,6566 -0,4003 0,74061 -0,4755 -0,4654 0,28821 -0,5105 -0,5036 0,61664 -0,6283 -0,2349 0,74175 -0,5378 -0,2653 0,52230 -0,3535 -0,1699 0,61547 -0,6312 -0,2408 0,61429 -0,5661 -0,4308 0,39484 -0,5834 -0,4497 0,7418 -0,5622 -0,3723 0,6155 -0,5661 -0,4349 0,5211 -0,4928 -0,4843 0,5088 -0,5582 -0,2947 0,3825 -0,5837 -0,4542 0,5076 -0,4931 -0,4847
53
Captulo 5
5.1
Introduo
Trata-se agora sobre o problema de se medir a utilidade do dinheiro do investidor. (Detalhes sobre a teoria da utilidade ver (Campello de Souza, 2002), ( ) ( ) e ( ))
? ?
dar-se pela resoluo de problemas de otimizao. Como j foi dito a nica teoria de como se medir a utilidade cardinal a desenvolvida por Von Neumann e Morgenstern. Como qualquer problema de decises nanceiras apresenta uma incerteza importantssimo o desenvolvimento de mtodos que possibilitem a medida da utilidade de um investidor. Para um problema
de deciso envolvendo incerteza a utilidade ordinal no ajudar a responder qual a ao do indivduo, diante da incerteza de um estado da natureza. Dessa forma, este captulo tem como nalidade apresentar a teoria da utilidade de Von Neumann e Morgenstern, como tambm os mtodos desenvolvidos por Campello de Souza para estimao da utilidade cardinal.
5.2
Teoria da Utilidade
p P
P = {p }.
P = {P, Q, . . . }.
ps
no existem, pois o
ocorrido.
54
Captulo 5
Dessa forma, tem-se distribuies de probabilidade sobre os bem, que so conhecidas como funo conseqncia, de conseqncia. o decisor agora tem que decidir se prefere
P (p|, a).
As distribuies de probabilidades
so chamadas agora
ou
Q.
impondo algumas restries as preferncias do decisor. Essas retries so tambm conhecidas como restries de racionalidades. No h uma formula matemtica para indicar as prefer-
ncias do decisor, por essa razo que se impem as restries de racionalidade. A idia de racionalidade imposta por razes de se evitar a ocorrncia de que um decisor prera e
R,
porm prera
P.
e a imposio de alguns axiomas, os quais impedem a possibilidade de que o decisor tome decises como as apresentadas acima. Em (Campello de Souza, 2002) pode-se encontrar as
relaes de preferncias que ajudam na apresentao dos axiomas, em resumo, para todo
pertencentes a
P ,
tem-se:
P P P
Q, P
Q;
prefervel
Q, P
Q; P Q.
so equivalentes,
QseP
Q Q
falso que e
Q;
P QseP
P. P ,Q, R, . . . P ,
Os axiomas da teoria da utilidade de Von Neumann e Morgenstern, para so apresentados e em (Campello de Souza, 2002) da seguinte forma:
Axioma 5.2.1
P Q,
ou
Completeza:
ou
P;
Q,
ou
P.
Transitividade:
Axioma 5.2.2
55
Captulo 5
a)
R = P
R;
b)
P Q
Q R = P R;
Dominncia:
Axioma 5.2.3
a) Se
Q, 1 > 0,
R P
tem-se
P + (1 )R
Q + (1 )R;
b) Se
P Q, 1 > 0,
R P R,
tem-se
P + (1 )R Q + (1 )R;
e
Axioma 5.2.4
>0
e tais que
Arquimediano: Se
P Q
tais que
1>>
P + (1 )R
P + (1 )R.
e a denio a seguinte:
Denio 5.2.1
a)
u : P R,
P P
u(P ).
b) Estes nmeros preservam a ordem no sentido de que forma, eles apresentam a ordem de preferncia.
Q u(P ) u(Q).
Dessa
c) Existe linearlidade;
Quando os quatros axiomas so satisfeito chega-se a um teorema que arma a existncia da funo utilidade. Para se demostra esses objetivos tem-se alguns Lemas, a prova dos lemas e do teorema pode ser vista em (Campello de Souza, 2002), que so os seguintes:
Monotonicidade: Se Unicidade: Se
P
e
Q,
ento
P + (1 )Q
P + (1 )Q.
ento
P + (1 )Q P + (1 )Q,
56
= .
Captulo 5
Lema 5.2.3
onde:
Representao:
se e somente se
uP ,P (P ) uP ,P (Q).
uP ,P (P ) = sup{ : P
P + (1 )P }, P P
conjunto de conseqncias e
a mais desejvel.
Linearidade:
A Eduo da Utilidade
A teoria da utilidade desenvolvida por Von Neumann e Morgenstern, como j foi dito, conhecida como a utilidade cardinal fraca, isso ocorre pois a medida de utilidade encontra-se em intervalos arbitrrios, sendo assim uma medida intervalar e no de razo. Os valores arbitrrios so justamente a utilidade da conseqncia mais desejvel e a da conseqncia menos desejvel. O mais comum atribuir zero para a conseqncia menos desejvel e o um para a conseqncia mais desejvel, ou seja,
uP ,P (P ) = 0
uP ,P (P ) = 1.
A eduo da utilidade pelo mtodo original desenvolvido por Von Neumann e Morgenstern ocorre quando o indivduo responde apenas uma pergunta sobre a probabilidade que o torna indiferente entre uma conseqncia,
P,
de ganhar
ou
(1 )
de se ganhar
P.
R$ p1 R$ p 2
, 1 ,
Reais com probabilidade
p1
ou
p2
1 .
Considere-se o exemplo:
R$ 50.000, 00 R$ 2.000, 00
Aqui
= 0, 30
1 = 0, 70.
Note-se
57
Captulo 5
+(1 ) = 1.
Isto signica que, neste exemplo, o indivduo tem uma probabilidade de 0,30 de
ganhar R$ 50.000,00 e uma probabilidade complementar de 0,70 de ganhar R$ 2.000,00. Quer dizer, ou ele ganha R$ 50.000,00, ou ganha R$ 2.000,00; no pode ganhar as duas quantias ao mesmo tempo. muito comum se expressar a probabilidade em termos percentuais, e usar-se a palavra chance ao invs de probabilidade. Assim, uma probabilidade de 0,26 seria o mesmo que uma chance de 26%. O layout da apresentao do jogo tambm pode variar, em funo de conNos questionrios de eduo que sero apresentado os valores e as
venincias operacionais.
respectivas chances esto alinhados. O importante se lembrar que existe um valor monetrio maior ao qual est atrelada a probabilidade (chance) est associada a probabilidade (chance)
1 .
Um indivduo, presumivelmente, preferiria receber R$ 25.000,00 (com certeza) do que receber um jogo (pense como se fosse um bilhete de uma loteria) no qual ele receberia R$ 50.000,00 com 1% de chance, ou R$ 2.000,00 com 99% de chance. Escreve-se ento:
R$ 25.000, 00 (com
certeza)
R$ 50.000, 00 R$ 2.000, 00
ento natural que a partir de um certo ponto, ele j no se sinta to seguro que prefere Para um valor alto de
por exemplo,
= 0, 95,
muito
provavelmente ele iria preferir o jogo ao invs da quantia certa. Escrever-se-ia ento:
R$ 25.000, 00 (com
certeza)
R$ 50.000, 00 R$ 2.000, 00
prmio) para o qual o indivduo se sentiria indiferente em receber a quantia certa ou o jogo (loteria). Escrever-se-ia ento:
58
Captulo 5
R$ 25.000, 00 (com
certeza)
R$ 50.000, 00 R$ 2.000, 00
c/ prob. c/ prob.
, 1 .
Note-se que se o indivduo prefere o jogo, ento ele sabe que o pior que pode acontecer ele ganhar o menor prmio (R$ 2.000,00 no exemplo).
5.3
Medio da Utilidade
Sero apresentados dois mtodos diferentes do de Von Neumann e Morgenstern para eduo da funo utilidade. A eduo obtida atravs de dois processos. O primeiro processo de eduo usa essa noo de indiferena do decisor entre um valor certo e uma loteria. Atravs de um protocolo de eduo, no qual ser realizado uma srie de perguntas para que o indivduo explicite o valor de
uma determinada quantia certa e um jogo (loteria). Deve car bem claro que para o leito no existe uma resposta certa para cada pergunta. Apenas deve-se ter cuidado para se fazer uma boa introspeco de modo a obter uma boa preciso. As respostas so individuais, elas devem ser adequadas psicologia do risco do indivduo. No se ter nunca uma preciso innita, pois preciso no confundir racionalidade com perfeio. Este mtodo conhecido como o mtodo das
faixas superpostas.
O segundo processo usa a idia de comparao entre dois jogos. O indivduo solicitado a expressar uma preferncia por uma loteria ou outra. um processo mais rpido, mas exige uma consistncia maior do indivduo que se submete ao protocolo. O mtodo baseado em programao linear e basta que apaream duas respostas inconsistentes para que o conjunto vivel se torne vazio. Neste processo a eduo ser feita pelo mtodo chamado de eduo por
programao linear.
Como o principal interesse aqui medir a utilidade dos retornos de aplicaes, pode-se represent-los por dinheiro e os mtodos que sero apresentados a seguir esto no contexto da eduo do dinheiro, porm os mesmo podem ser ampliados para outros bens.
59
Captulo 5
5.4
A suposio para o uso da funo utilidade cardinal de Von Neumann a existncia de dois bens, um mais desejvel,
P,
P,
P P, P
para um valor
P < P < P.
que
Pretende-se eduzir a funo utilidade do dinheiro num intervalo de - R$ 95.000,00 (menos noventa e cinco mil reais) a R$ 95.000,00 (noventa e cinco mil reais). Para alcanar o objetivo dividi-se este intervalo em outros sete intervalos superpostos, que so (mil reais):
1.
[95; 40]; [80; 25]; [35; 20]; [20; 35]; [25; 80]; [40; 90]
e
2.
3.
4.
5.
6.
7.
tionrio pergunta-se a utilidade dos valores que se encontram nos extremos de cada intervalo. A eduo foi realizada com o seguinte questionrio:
60
Captulo 5
MAIOR
p P
MENOR
1
R$ 1.000
GANHO
u
GANHO
1u
R$ 1.000
1P
-95 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 -80 -40 -60 -30 -35 -25 -15 0 -20 20 10 15 25 35 30 50 40 80 55 90 -35
P P P P P P P P P P P P P P P P P P P P P P
1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P
0 -95 -80 -80 -60 -80 -35 -30 -15 -35 -20 0 10 -20 25 15 30 25 40 50 55 -40
61
Captulo 5
MAIOR
p
22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 20 -33 -22 -20 35 -2 17 33 64 93 -67 -90 -52 -43 -12 -3 4 12 19 28 45 77 88
MENOR
1
R$ 1.000 40 -15 0 40 40 10 35 55 90 95 -33 -67 2 0 17 10 17 20 33 64 50 93 93
GANHO
u
GANHO
1u
R$ 1.000 -40 -60 -30 -40 -40 -22 -2 17 50 64 -80 -95 -95 -52 -52 -12 -3 4 2 -3 19 64 77
P P P P P P P P P P P P P P P P P P P P P P P P
1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P 1P
62
Captulo 5
para inferir sobre o erro do decisor ao responder as perguntas do questionrio. Para se mais preciso usar-se de anlise de regresso para a estimao dos parmetros da funo utilidade. Em (Campello de Souza, 2002) apresenta-se as formas mais clssicas de funes utilidades, que so as seguintes:
funo linear:
u(p) = ap + b, a > 0
funo exponencial:
a 2b
u(p) =
p + a, a > 0, p 0
A anlise de regresso ser realizada pelo mtodo dos mnimos quadrados ordinrios, onde a suposio bsica para realizar inferncia estatstica sobre os parmetros e que o erro de estimao se comporte como uma distribuio normal. (Detalhes sobre anlise de regresso ver ( ), ( ), ( )) Usar-se de um teste de hiptese para vericar se a distribuio normal ou no. Aqui uso-se o teste de Kolmogorov e Smirnov. Este teste baseado em postos, ou seja um teste noparametrico. A hiptese nula ,H0 , que se quer testar a de quer a distribuio da amostra igual a uma distribuio normal. Tabela 5.2. O O resultado do teste para duas edues encontra-se na
M axD
ena entre, o valor da distribuio de freqncia acumulada da distribuio normal para um de-
63
Captulo 5
N 46 46
terminado valor, com o valor da distribuio de freqncia acumulada da distribuio amostral para o mesmo valor. Se o teste signicativo, ou seja
p < 0, 05,
que a distribuio seja uma normal. Dessa forma, nos dois casos, aceita-se que as distribuies sejam uma distribuies normal, nos casos das distribuies no se comportar como uma distribuio normal, pode-se aplicar o mtodo da transformao de Box e Cox para transformar a varivel dependente em uma distribuio normal. Usou-se para estimao o mtodo dos mnimos quadrados ordinrios. (Detalhes sobre o teste de normalidade consultar ( ) e e sobre a transformao de Box e Cox ver ( )). Os grcos das Figuras 5.1 e 5.2 representam os valores das duas edues com a resposta do questionrio. A Tabela 5.3 contm os sumrios das regresses dos dois investidores. Para os dois investidores usou-se a expresso da funo quadrtica. Os coecientes foram signicativos tanto no teste parcial (teste
t),
F ),
os coecientes de determinao
nas duas regresses apresentaram valores maiores do que 95%, o que mostra que em 95% dos casos a utilidade do dinheiro dos investidores pode ser representado pelas seguintes equaes:
p<
a , 2b
p = 71, 24
a funo no cobre todo o espao dos possveis bens, para resolver este problema usou-se de uma amostra dos dados observados, que foi obtida aleatoriamente. O resultado apresentado
na equao acima para o primeiro investidor foi obtida com a amostra de 20 dados, neste caso a utilidade que satura a equao de aproximadamente R$97.000,00 (mil reais). No caso do
64
Captulo 5
valor da utilidade estimada no encontra-se num intervalo pr-determinado e pode-se realizar a transformao para a faixa de escala, onde:
u(95) = 0 e a u(90) = 1.
65
Captulo 5
66
Captulo 5
Tabela 5.3: Sumrio das Regresses. Utilidade Investidor - 1 Coecientes Intercepto p p2 Utilidade Investidor - 1 Coecientes Intercepto p p2
5.5
R =, 963574808, R2 =, 93266936 F (2, 17) = 117, 74, p < 0, 0000 B Erro Padro de B
1,134782 -0,330104 0,080160 0,080160
Regresso do Investidor 1
Beta 0,833003 0,004417 -0,000019 Erro Padro de Beta 0,010767 0,000263 0,000005
t(17)
75,50598 14,15639 -4,118000
p valor
0,000000 0,000000 0,000718
R =, 98225267, =, 96482031 F (2, 43) = 589, 65, p < 0, 0000 B Erro Padro de B R2
0,994304 -0,218542 0,028999 0,028999
Regresso do Investidor 2
Beta 0,702501 0,004700 -0,000018 Erro Padro de Beta 0,008623 0,000137 0,000002
t(43)
81,47169 34,28745 -7,53619
p valor
0,000000 0,000000 0,000000
Uma das vantagens deste mtodo que pode-se obter a eduo da utilidade de um investidor com um menor nmero de perguntas alm de incorporar novos construtos para o tratamento da vagueza do decisor. Em resumo, formula-se um protocolo, em que as perguntas so entre duas distribuio de probabilidade, e o decisor ter que responder qual das duas distribuies ele prefere. Na Tabela 5.4 apresenta-se o questionrio de eduo. Para exemplicar, na primeira questo pergunta-se, se o decisor prefere um jogo, no qual ele tem 24% de perde 40 (mil reais) e 76% de perde 95 (mil reais) ou um jogo com 22% de perde 50 (mil reais) e 78% de perde 85 (mil reais). As respostas do questionrio tornam-se restries num problema de programao linear. A formulao matemtica do problema de programao linear o seguinte:
M ax(M in){uj }
j =1
(n j + 1)uj
s.a
u(Gi ) u(Gl ) 0
(ou
0,
67
Captulo 5
un1 un 0.
onde:
Quando se resolve o problema de maximizao est obtendo-se a utilidade com maior valor mdio e quando se est resolvendo o problema de minimizao obtm-se a utilidade com menor valor mdio. A vagueza do decisor dado pela seguinte equao:
1 Vd = n
O mtodo pode ser usado para deciso de grupo. Aplicou-se o questionrio apresentado na Tabela 5.4
0, 0614,
0, 0966.
O mtodo tambm permite a deciso em grupo. E estabelece alguns construtos, que so:
vagueza preferencial global: relao entre a rea da unio das faixas e a rea em baixo da reta
u(p) = u(p.
V agp g = 0, 0978;
preciso preferencial:
Captulo 5
concordncia do grupo: relao entre a rea de interseo das faixas e a rea da unio das faixas,
discordncia do grupo:
conito de atitude em relao ao risco: a rea do vcuo que formada pela regio onde as faixas mnimas e mximas dos investidores no se interceptam,
arvacuo Confp g = = n
n j =1 [|umax1 (pj )
harmonia do grupo:Harmp g
dissonncia do grupo:Dissp g
= 1 Harmp g = 0, 0078;
qualidade do padro global de preferncia: O resultado nal da preferncia global ser dado pela funo utilidade mdia. A qualidade ser dada por
Qualid =
69
Captulo 5
JOGO 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
p 1 24% 53% 71% 39% 51% 41% 86% 33% 79% 91% 25% 89% 28% 12% 93% 61% 37% 85% 62% 99%
p2 1 -95 -85 -90 -80 -80 -65 -60 -10 -5 -5 0 35 20 45 25 40 50 -95 -95 -95
1p 1 76% 47% 29% 61% 49% 59% 14% 67% 21% 9% 75% 11% 72% 88% 7% 39% 63% 15% 38% 1%
Opo 1 ou 0
JOGO 2
p3 0 -50 -40 -25 -45 -20 -15 0 5 20 15 60 70 80 80 90 85 95 -20 -55 75 p 0 22% 41% 26% 47% 11% 27% 7% 67% 23% 86% 10% 39% 18% 64% 30% 28% 52% 48% 39% 1% p4 0 -85 -90 -70 -75 -65 -60 -35 -15 0 5 15 45 30 25 50 55 40 -30 -75 55 1p 0 78% 59% 74% 53% 89% 73% 93% 33% 77% 14% 90% 61% 82% 36% 70% 72% 48% 52% 61% 99%
hesitao: quando o conito muito grande ca difcil aceitar a funo utilidade mdia. Essa diculdade pode ser medida atravs da hesitao, a qual denida por
Hesit =
+ rea
= 0, 0459;
resoluo:
Segundo (Campello de Souza, 2002), pode-se seguir o seguinte princpio: aceita-se a funo utilidade mdia se e somente se a para uma deciso do grupo.
Reso 0, 5,
70
Captulo 5
5.6
S.
modelos com um valor mximo esperado, podem ser representados pelas funes apresentadas a baixo ( ):
Modelo Gompertz
Modelo Logstico
= u(p) =
[1 + exp( p)]
Modelo Richards
= u(p) =
Modelo Morgan-Mercer-Flodin
= u(p) = ( + p )/( + p )
Modelo Weibull
= u(p) = exp(p )
o valor
usado para
aumentar a exibilidade dos modelos aos dados. Os modelos seigmoidais so freqentemente encontrados na agricultura, em biologia, ecologia, engenharia e economia. Em (Campello de Souza, 2002), apresenta-se uma funo de utilidade logstica generalizada. A relao bsica que dene a funo utilidade dada por
contnua,
(5.6.1)
Pode-se com uso de estimao no-linear (Detalhes sobre mtodos de estimao no-linear ver: ( )
e ( ))
em relao aos modelos seigmoidais, vericou-se que o modelo de Gompertz apresentou uma resposta mais satisfatria para os dados observveis. Porm esse resultado poderia ser deduzido
71
Captulo 5
a priori pois os dados apresentam uma funo utilidade com uma regio cncava, ou seja os
investidores so aversos ao risco, dessa forma o crescimento da funo parte de um valor,
e cresce suave at um ponto onde a utilidade saturar, e essas caractersticas so prprias A funo perda para estimao dos parmetros foi uma funo
do modelo de Gompertz.
(5.6.2)
(5.6.3)
A deciso da unio dos dois investidores, foi obtida com a combinao das funes utilidades geradas para estimao individual de cada investidor o resultado apresentado na equao 5.6.4. O grco da Figura 5.5 apresenta a forma das utilidades para os dois investidores e tambm a utilidade do grupo.
(5.6.4)
5.7
Tem que car bem claro que usou-se apenas de dois mtodos de eduo, mas usou-se de trs mtodos para estimao da funo utilidade, o primeiro mtodo, estimao de parmetros lineares, apresentou um bom, porm isso no signicar que um processo de eduo ou de estimao melhor do que o outro e sim que para esses dois investidores em particular a
72
Captulo 5
eduo pelo mtodo de programao linear apresentou melhores resultados, alm de possibilitar a comparao entre a preferncia do grupo. Outro importante aspecto do mtodo de eduo por programao linear que o mesmo pode ser estendido para o caso geral onde contnuo ou discreto. Os modelos seigmoidais apresentam uma maior exibilidade para obteno da estimao dos parmetros, porm deduzir qual o modelo pode no ser uma tarefa fcil. A questo a se discutir agora a eduo do conhecimento do especialista e este ser o assunto do prximo captulo.
pode ser
73
Captulo 6
6 PROBABILIDADE SUBJETIVA
No longo prazo, estaremos todos mortos
Lidar com a incerteza uma coisa para qual todas as formas de vida devem estar preparadas. Qualquer que seja o nvel de complexidade.
...,
incerteza, no apenas a respeito do signicado dos sinais ou estmulos que a ele chegam como tambm das possveis conseqncias das aes que pode efetuar.
Na literatura cientca h vrias aplicaes e discusses sobre o fato de que opinies de especialistas possam ser medidas em termos de probabilidade. Duas referncias so: (Campello de Souza, 2002) e o site http://ippserv.rug.ac.be/ que tratar sobre o IPP: Imprecise Probabilities
Project. A primeira referncia traz um mtodo de eduo da opinio do especialista. O site do IPP traz pesquisas de fronteira no tratamento matemtico da incerteza. As duas referncias
citadas devem servir mais como informativas e esclarecedoras para chegar ao consenso que o subjetivo medido sim!
6.1
Probabilidade Imprecisas
A probabilidade imprecisa usada mais como um termo genrico que cobre todos os modelos matemticos que medem a possibilidade ou a incerteza sem probabilidades numrica aada. ( ) Os julgamentos na maior parte das vezes so qualitativos e comum utilizar expresses como eu acho que, provvel que e etc.. A impreciso ocorre quando o especialista est para
armar uma probabilidade superior e inferior sobre algum evento, em nanas o evento mais comum o retorno de ativos nanceiros. Dessa forma, para um especialista em nanas mais fcil atribuir a probabilidade de se ter uma variao positiva de um retorno do que estabelecer
74
Captulo 6
que a probabilidade de se ter um percentual de retorno na aplicao do mesmo retorno de 90%. Para Smithson 2000 os estudos do julgamento humano sobre a incerteza tem uma histria que quase contempornea com as teorias das probabilidades. Ainda de acordo com Smithson 2000 o uso da probabilidade para descrever estados cognitivos ou julgamentos subjetivos tm provocado muitos debates, alm do desenvolvimento de teorias e da realizao de pesquisas empricas. O presente captulo tem como objetivo apresentar o mtodo de eduo proposto em Campello de Souza 2002 em aplicaes no mercado nanceiro.
6.2
a priori
O mtodo de eduo da distribuio a priori do especialista tem como suposio bsica que o especialista tenha um conhecimento vago sobre
(),
um nmero nito de asseres probabilsticas comparativas quando responde perguntas sobre a verrossimilhana de
o conhecimento do especialista em famlias de probabilidade. A utilizao deste mtodo permite entre outras coisa medir fatos que no podem ser apresentados por uma srie histrica, porm esto presentes e sabe-se que sua probabilidade de ocorrncia bastante alta. Tais fatos mudam a deciso de se investir ou no num ativo nanceiro, mas enquanto essa mudana signicativa? Outra importante observao a ser feita que o mtodo tambm permite a medida do risco de mercado sistemtico. O modelo consiste na resoluo de um problema de programao linear. mtodo conhecido e pode ser chamado como Dessa forma, o
2n
M ax(M in)j
j =1
sujeito a:
cj j
(6.2.1)
75
Captulo 6
ai k
j =i
j al m
j =l
j bs
(6.2.2)
j j j +1 , j = 1, 2, . . . , 2n 1, > 0
(6.2.3)
j j +1 j , j = 1, 2, . . . , 2n 1, > 0
(6.2.4)
j 0, j = 1, 2, . . . , 2n
(6.2.5)
2n
j = 1
j =1
(6.2.6)
As restries 6.2.2 tornam-se questes em um questionrio que o especialista dever responder. E de acordo com as respostas o sinal poder ser de dos parmetros
ou
Dependendo da combinao
aik , alm
bs
restries 6.2.3 e 6.2.4 so utilizadas quando se quer usar uma distribuio a priori que seja to no informativa quanto possvel. Caso contrrio pode-se suprir essas restries. As ltimas restries so consideradas bsicas para se ter uma distribuio de probabilidade. Para se obter as distribuies de probabilidade da opinio do especialista ele ter que ser consistente nas suas respostas. Se uma resposta no for consistente o conjunto vivel das
restries no ser convexo. Se se desej obter as distribuies com menor e maior valor mdio o coeciente do funcional objetivo ser igual a
cj = 2n j + 1.
O especilista dever deixar de responder as perguntas quando o mesmo no poder amar sobre a verrossimilhana de
As perguntas que o
especialista no responder no entraro nas restries do problema de progamao linear. As perguntas sero expostas de acordo com os indicadores desenvolvidos por Nadler Lins em ( ). O modelo dene novos construtos como:
vagueza; preciso;
76
Captulo 6
concordncia;
vagueza global;
conito;
decidabilidade;
harmonia;
qualidade da inferncia e a
quantidade de informao.
O mtodo de eduo por programao linear tambm permite a combinao de corpos de evidncia. Tal mtodo pode ser considerado como um novo Bayes empirco, para isso acrescentase as seguintes restries:
2n
P (xi |j )j = Pk (xi ), i = 1, 2, . . . , l.
j =1
(6.2.7)
6.3
Um Exemplo de Eduo
1.
1 2
2.
anterior;
3.
3 4
4.
77
Captulo 6
Estas quatro dicotomias deniro, portanto, 16 diferentes e mutuamente exclusivos cenrios futuros, que sero denotados por
j , j = 1, 2, . . . , 16.
qudrupla onde cada elemento pode ser 0 ou 1. claro que, como a eleio est relativamente prxima, a varivel inuenciassem
2 , 3 ,
4 1
1 ,
sero outros. Consideradas como sendo as do perodo anterior, as variveis uma inuncia na varivel
2 , 3 ,
tero
se est decidindo), assim como tambm nas variveis ser a inuncia principal. As variveis
2 , 3 , e 4
2 , 3 , e 4
de eduo que se vai fazer sobre o futuro. Esta projeo do futuro a partir de valores numricos do passado tarefa para a funo de verossimilhana
P (x|),
e da modelagem dinmica do
fenmeno a partir da teoria econmica. A tarefa de eduo deve se concentrar nos aspectos clnicos, como aquela capacidade do mdico, que no tem nada a ver com o fato dele ter visto muitos pacientes, em fazer armaes probabilsticas sobre o estado de sade de um paciente a partir de uma anamnese e de um exame fsico. A tabela 6.1 explicita os 16 cenrios. A dinmica econmica acoplada e medida que evolui, no perodo de maturao do investimento, h uma interao dinmica entre as variveis inuncia, claro, das condies iniciais, do resultado de
2 , 3 ,
4 .
6.3.2 O Questionrio
Usou-se o questionrio apresentado na Tabela
...
Os especialistas so estudantes de ps-graduao no programa de engenharia de produo da Universidade Federal de Pernambuco - UFPE. Neste caso os estados da natureza no se apresentam como uma varivel aleatria. A resoluo do problema d-se da mesma forma, ou seja resolvendo o problema de otimizao apresentado acima, porm os coecientes do funcional objetivo,
cj
cj
tem-se
uma famlia de probabilidades subjetivas para cada sobre cada estado da natureza antes da eduo.
78
Captulo 6
1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1
2 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1
3 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1
4 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Especilaista 1 Especialista 2
() 0,00 3,00 9,00 8,00 0,00 0,00 4,00 6,00 10,00 10,00 15,00 5,00 10,00 5,00 5,00 10,00 () 0,00 2,00 10,00 8,00 0,00 0,00 10,00 5,00 0,00 5,00 5,00 10,00 0,00 10,00 10,00 25,00
O resultado da eduo apresentado na Tabela 6.3.2. O resultado pode ser interpretado como um conjunto convexo de probabilidades dentro de um intervalo com uma probabilidade
79
Captulo 6
inferior e superior para cada estado da natureza. Qualquer combinao de valores dentro dos intervalos pode ser usado como a distribuio a priori do especialista. Uma forma mais usual usar a mdia de todos os valores obtidos nas 16 solues do problema de programao linear. A combinao das opinies dos especialista pode ser obtida com a mdia simples das mdias de cada especialista. Os dois especialistas responderam todas as perguntas e suas respostas foram consistentes. Prope-se a seguinte forma de estimar os construtos propostos por Campello de Souza 2000:
Vagueza:
1 V = n
Preciso:
P = 1 V = 0, 6805
Concordncia:
C=
Vagueza Global
n j =1 n j =1
VG =
n j =1
Conito:
K=
Decidabilidade:
j i [|max max |] + n
;
j i |min min |
=0
D = 1 (VG + K ) = 0, 6805
;
Harmonia:
H = CD = 0, 6805 Q=
Qualidade da Inferncia:
= 0, 5955 g
AI = g (Q)
g = Q = 0, 3541.
80
Captulo 6
de Souza 2000, A prioridade deve ser baixo conito, alta concordncia e baixa vagueza, nesta ordem.
Tabela 6.3: Resultado da Eduo da Opinio dos Especialistas. Especialista 1 - () mnima mdia mxima 0,00 0,59 14,29 0,00 3,24 25,00 0,00 0,78 25,00 0,00 5,47 25,00 0,00 21,62 50,00 0,00 3,52 25,00 0,00 10,61 50,00 0,00 1,53 16,67 0,00 1,26 16,67 0,00 0,87 13,64 0,00 20,61 50,00 0,00 4,88 50,00 0,00 9,04 50,00 0,00 3,19 33,33 0,00 8,52 33,33 0,00 4,27 33,33 Especialista 2 - () mnima mdia mxima 0,00 0,86 14,29 0,00 2,44 25,00 0,00 0,00 25,00 0,00 5,68 25,00 0,00 20,46 50,00 0,00 3,41 25,00 0,00 13,72 50,00 0,00 1,08 16,67 0,00 1,08 16,67 0,00 1,27 13,64 0,00 23,16 50,00 0,00 3,69 50,00 0,00 7,47 50,00 0,00 4,64 33,33 0,00 6,33 33,33 0,00 4,70 33,33
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
6.4
O Uso do Conhecimento
a priori
na Tomada de decies
a)
Estados da Natureza:
eduo conhecimento do especialista acima, usa-se das edues apresentadas pelos especilistas para a tomada de deciso.
b)
Conjunto dos Bens: o investidor tem como conseqncias de suas decises o retorno da aplicao em uma determinada carteira. Admite-se que o retorno pode variar de -R$
95.000,00 (menos noventa e cinco mil Reais); uma perda, portanto, a R$ 95.000,00 (mais noventa e cinco mil Reais), um ganho, portanto. em princpio, o intervalo fechado O conjunto das conseqncias seria, Este intervalo ser transformado,
[95.000, 95.000].
81
Captulo 6
Os intervalos so:
p3 [55.000, 95.000]. 1 , 2 , 3 , s1 , s2 , s3 x.
Cada e e
c)
4 s4 .
do perodo imediatamente anterior ao investimento e sero denotadas por Da mesma forma que nos
's
a combinao dos
s's
formar 16 possveis
xj
corresponder a um
j , j = 1, . . . , 16.
d)
Conjunto das Aes: As alternativas de investimento constituiro o conjunto de aes deste problema de deciso. Os fundos de investimento utilizados so:
1. Fundo Conservador: O qual composto por 90% (noventa por cento) em Certicado de Depsito Bancrio CDB e 10% (dez por cento) em IBOVESPA, no trimestre cvil. 2. Fundo Moderado: composto por 60% em Certicado de Depsito Bancrio CDB e 40% em IBOVESPA, no trimestre cvil.
Os dois fundos acima so carteiras tericas, porm servem de base para alguns bancos estabelecerem uma meta de desempenho superior. Sero consideradas as seguintes possibilidades:
a0 a1 a2
Investir apenas no Fundo Conservador; Investir apenas no Fundo Moderado; Investir 50% em cada Fundo.
e)
P (pi |j , ak ),
As probabilidades foram estimadas com bases em dados histricos no caso da situao est no governo, as probabilidades em relao a oposio e a cenrios que nunca ocorreram foram supostas.
82
Captulo 6
0 0 0,5 0,5 0,1765 0,1176 0,5294 0,1765 0,125 0,125 0,625 0,125 0 1 0 0 0 0 1 0 0 0 1 0 0 0,25 0,75 0 0 1 0 0 0,1667 0,25 0,5 0,0833 0 0 0,5 0,5 0,5 0,5 0 0 0 0 1 0 0 0 1 0 0 0 0,5 0,5 0 0,5 0,5 0 0 0 1 0 0 0 1 0 0 0 0,333 0,667 0,2 0,2 0,4 0,2 0 0 1 0 0 0 0 1 0 0 1 0 0 0,3 0,3 0,4 0 0,25 0,75 0 0,9 0,1 0 0 1 0 0 0 0,6 0,4 0 0 1 0 0 0 0 0 0 1 0,75 0,25 0 0
83
Captulo 6
0 0,25 0,25 0,25 0 0,35 1 0,3 0,2 0,4 0,2 0,2 0 1 0,3 0 0,3 0,3
0 0 0,25 0 0,15 0 0 0,2 0,2 0 0,4 0,6 0,6 0 0,7 1 0,2 0,7
f)
6.5. As probabilidades foram estimadas com bases em dados histricos e na suposio de que se foi
(for) observado que um dos certos candidatos esteja na frente na ltima pesquisa
84
Captulo 6
g)
O Risco de Bayes:
para calcular o risco de bayes neste problema tem-se que enumerar regras de deciso. Um trabalho bastante difcil. A
Enumera-se todas as possveis observaes; Para cada uma dessas observaes, achar-se qual a ao com menor risco de Bayes para cada observao.
h)
A utilidade considerada neste problema ser a do investidor 2 do captulo anterior. valores para os quatro bens encontra-se na Tabela 6.6.
Os
p p0 p1 p2 p3
i)
A deciso a ser tomada ser com base no conhecimento a priori do primeiro especialista que pode ser vista na Tabela 6.3.2. Com o uso desta distribuio, tem-se os seguintes risco de bayes total para cada ao:
85
Captulo 6
investir no fundo moderado. Porm pode-se conseguir uma deciso mais apurada com a observao do
x.
observado.
a1 -0,00582 -0,03249 -0,00693 -0,05399 -0,17992 -0,03149 -0,08161 -0,01389 -0,00649 -0,00434 -0,0897 -0,02862 -0,07367 -0,01952 -0,07406 -0,03875
a2 -0,00566 -0,03318 -0,00697 -0,05256 -0,17992 -0,03149 -0,09026 -0,01389 -0,01209 -0,00891 -0,18404 -0,04689 -0,07523 -0,02854 -0,07248 -0,03875
a3 -0,00532 -0,03318 -0,00637 -0,05256 -0,17805 -0,03263 -0,09517 -0,01381 -0,00827 -0,00544 -0,13591 -0,03226 -0,04445 -0,02873 -0,07203 -0,03851
a1 1 0 0 1 1 0 0 1 0 0 0 0 0 0 1 1
a2 0 1 1 0 1 0 0 1 1 1 1 1 1 0 0 1
a3 0 1 0 0 0 1 1 0 0 0 0 0 0 1 0 0
6.5
Concluso
se
que no to difcil modelar um problema de deciso nanceira utilizando a teoria da deciso, as diculdades encontram-se na falta de software com base em modelos de teoria da deciso. Utilizou-se neste trabalho planilhas eletrnicas para se realizar os clculos. Um mod-
86
Captulo 6
elo analticos com base em teoria da deciso para se decidir qual carteira que se deve investir, considerando a preferncia do decisor e o risco de como se encontrar a economia num instante futuro apresentado em (Campello de Souza, 2002). O prximo captulo trata a questo da utilizao do modelo analtico proposto por (Campello de Souza, 2002) num caso prtico.
87
Captulo 7
Modelo Analtico
7 MODELO ANALTICO
Nada mais prtico do que uma boa Teoria .
Immanuel Kant.
7.1
Introduo
bom car claro para o leitor que no se est elaborando nenhuma teoria econmica, ou nanceira. O que se pretende a resoluo de problemas no mercado nanceiro luz da teoria da deciso. Em (Campello de Souza, 2002), apresenta-se modelos analticos a luz da teoria da deciso, no mercado nanceiro, alm de propor um segundo modelo. O primeiro modelo pode ser
compreendido como um modelo de decises no longo prazo, perodos superiores a um ano. No modelo, a economia vista como um todo usando apenas um indicador. Um ponto positivo em relao aos dois modelos que a formulao geral, abrangente e exvel. Dessa forma, pode-se usar outras expresses analticas. Uma outra observao de carter mais geral que quanto melhor a teoria econmica a ser usada na elaborao dos construtos, melhores sero os resultados e deve-se agregar informaes de teorias econmicas no desenvolvimento dos modelos. Pretende-se dar uma contribuio no segundo modelo como tambm resolv-lo para um problema real de deciso no mercado nanceiro.
7.2
O Modelo
P = {p},
[M, M ].
88
Captulo 7
Modelo Analtico
v (p) = k0 + k1 p k2 p2
para atribuir a psicologia do risco do investidor.
(7.2.1)
's
so considerados isoladamente.
i .
no perodo seguinte ento o mesmo receber o valor de 1 caso contrrio ter o valor de 0. Os indicadores sero:
a suposio que quanto maior o PIB melhor estar a economia, enquanto que para
os trs indicadores o melhor um valor menor do que o observado. Supe-se tambm que entre os indicadores o mais importante o PIB, depois vem a inao, a taxa de juros e o emprego. As dicotomias deniro, portanto, 16 diferentes e mutuamente exclusivos cenrios futuros da economia, que sero denotados por
j , j = 1, 2, . . . , 16. j = (1 , 2 , 3 , 4 ) j
A tabela 7.1 explicita os 16 cenrios em ordem de importncia para a economia. A cada atribudo um coeciente de impacto na economia,
nj .
Os valores de
nj
no so xos e foram
nj
dever ser denido pela teoria econmica mais apropriada a cada pas. Como
exemplo, nos ltimos 8 anos na economia brasileira deu-se importncia ao controle da inao enquanto que no Estados Unidos da America a importncia maior foi dada ao crescimento da
89
Captulo 7
Modelo Analtico
nj
j .
Dessa forma,
16
tero seus
nj
's
1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1
2 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1
3 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1
4 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1
As sries histricas destes indicadores foram obtidas no site do Banco Central do Brasil -
www.bcb.gov.br.
90
Captulo 7
Modelo Analtico
Apartir de agora
(j )
j .
Diri(): ( )
k j =1 k
onde
() =
j j
(j ) j =1
k
j > 0, =
j =1
j ,
j =1
j = 1. j ,
j (1
E (j ) =
var(j )
j ) , +1
cov(j , i )
i j
+1
Segundo (Campello de Souza, 2002), A distribuio de Dirichlet pode ser vista como uma generalizao multivarivel
da distribuio beta. Ela pode ser interpretada tambm como uma distribuio de mxima entropia, sobre o espao de distribuies
...
dados de uma distribuio multinomial em casos onde no existe informao a priori, chamado o modelo impreciso de Dirichlet .
M(n, ) n!
k j =1 k k k xi j
P (x|) =
(xj !) j =1
onde cada
xj
um inteiro entre 0 e
n,
j =1
xj = n,
j =1
j = 1, 0 j 1.
E(Xj ) = nj ,
var(Xj )
= nj (1 j ),
91
cov(Xi , Xj )
= ni j .
Captulo 7
Modelo Analtico
tipos, onde
j -simo
tipo, ento
Xj
o nmero de
indivduos do Nota:
j -simo
tipo na amostra.
k=2
d a distribuio
B (n, ),
com
= 1 = 1 2 .
Um Dado de 16 Faces
A melhor metfora para entender como se d o tratamento dos dados atravs das distribuies apresentadas acima talvez seja o lanamento de um dado. Neste caso tem-se seis (6)
's, j,
vezes, ocorrero
xj
vezes a face
para todo
j,
e a soma dos
xj 's
Se so 4 indicadores da economia (PIB, Taxa de Inao (IPCA), Selic, Taxa de Desemprego) ento sero 16
's.
num perodo corresponder a um string de 4 dgitos (0's e 1's). Assim, ao longo de havero 4 trajetrias, como na T Tabela 7.2.
perodos,
Tabela 7.2: Exemplo de Uma Amostra. Indicador \ perodo PIB Desemprego Selic IPCA 1 0 1 0 1 2 1 1 1 0 3 1 1 1 0 4 1 0 0 1 5 1 0 0 1 6 0 1 1 1 7 0 1 1 1 8 0 0 0 1 9 0 0 1 1 ... ... ... ... ...
n 1 1 1 1
O melhor
16
14
apareceu duas
x14 = 2.
x9 = 2
x6 = 1
x8 = 2
(perodos 6 e 7) e que
x1 = x4 = 1
16
(j ) = 1
j =1
92
Captulo 7
Modelo Analtico
16
xj = n.
i=1
Considerando-se a tabela acima (considerando-se
n = 10)
ter-se-ia:
(1 ) = (4 ) = (6 ) = (1 6) =
1 . 10
(8 ) = (9 ) = (14 ) =
Os outros 9 (nove) em nenhum perodo. bilidades dos numrico).
2 . 10
's
's
xj 's
igual a 10 (que o
para o exemplo
x1 1
x2 4
x3 8
x4 7
x5 4
x14 5
x15 6
x16 11
N 100
Os Conjuntos da Aes
A = { a}
o conjunto das alternativas de investimento. Cada
nanceiros, ou seja, as aes sero formadas por uma composio, percentual, de cada ativo. Para composio dessas aes usou-se os seguintes ativos:
93
Captulo 7
Modelo Analtico
A srie do mesmo perodo dos indicadores econmicos e tambm foram obtidos no site do banco central do brasil. Na Tabela 7.4 apresenta-se uma anlise estatstica desses ativos como tambm da carteira de Markorwitz para esses ativos. A composio da carteira de Markorwitz dada com os seguintes percentuais: CDB - 96,38%, Ouro - 1,06%, Ibovespa - 0,49% e o Fundo de Aes - 2,05%.
Ativos
CDB OURO IBOVESPA FUNDO DE AES CARTEIRA DE MARKOWITZ
uma carteira composta por vrios ativos e pode ser denotada por:
a = 1 a1 + 2 a2 + + i ai
onde:
(7.2.2)
ai
representa os percentuais de investimento em cada ativo. Constru-se mais 95 possveis aes aleatoriamente, ou seja, determinou-se um conjunto de
junto de possveis a aes de cardinalidade igual a 100, no qual as quatro primeiras aes e de se investir apenas em um dos ativos: CDB, OURO, IBOVESPA, FUNDO DE AES. A quinta aes investir na carteira terica de Markowitz. As aes so caracterizadas por um retorno mdio, A mdia dos retornos de cada ao expressa por:
(7.2.3)
94
Captulo 7
Modelo Analtico
R(a) =
(7.2.4)
A Funo Conseqncia
Segundo (Campello de Souza, 2002), na escolha da expresso analtica da funo conseqncia, deve ser considerado alguns aspectos, que so:
a agem independentemente p;
espelhar o comportamento que tipicamente se observa nos retornos de investimento, ou seja, unimodalidade e varincia e assimetria limitadas; desejvel uma certa robustez ;
propiciar uma facilidade de clculo quando associada s demais expresses analticas da formulao global do problema de deciso.
A funo conseqncia a ser apresentada incorpora as trs aspectos apresentadas acima. A funo conseqncia dada por:
f (p|, a) = 2M (1 + R)
se
M (1 + R)
n j j +
j + p
M (1 + R)
n j j
j + p
f (p|, a) = 0
onde:
noutros casos.
caso de todos os
's
j =
1 ; a distribuio ser 16
j ,
a probabilidade de ocorrncia do
95
Captulo 7
Modelo Analtico
xo, a distribuio de
probabilidade uniforme. Porm o investimento tem uma incerteza inerente a sua natureza, o risco no-sistemtico, e a estimativa da mdia e do desvio padro so variveis aleatrias. Dessa forma, mesmo para um
tem
f (p|, a)
A Funo Perda
A funo perda o negativo da funo utilidade e obtida dos seguintes passos:
1.
[M (1+R)[
nj j + nj j
j ]+ j ]+
k0 + k 1 p k2 p 2 dp M (1 + R) j
nj j + nj j j ]+ j ]+
[M (1+R)[ [M (1+R)[
nj j + k2 M (1 + R)
2
n j j +
1 k2 M (1 + R) 3
5.
L(|a) = k0 k1 M (1 + R)
nj j + + k2 M (1 + R)
2
n j j +
1 + k2 M (1 + R) 3
96
Captulo 7
Modelo Analtico
u(f (p|, aj )) =
2.
Rd () =
x
4.
P (x|)L(, d(x)).
rd =
0
5.
()Rd ()d(risco
de Bayes).
rd =
0
6.
rd =
0
7.
rd =
x
8. Minimizar
P (x)
0
(|x)L(, d(x))d.
rd
(|x)L(, d(x))d,
0
d(x).
Distribuio a posteriori
Quando se fala em uma distribuio a posteriori est-se trabalhando no famoso problema da probabilidade inversa: a partir dos dados, fazer armaes sobre a probabilidade das causas.
97
Captulo 7
Modelo Analtico
A distribuio a posteriori:
Diri( + x) ( )
k i=1 k i 1+xi i ,
(|x) =
(i + xi ) i=1
onde:
j + xj .
( )
k
(i +xi )
i=1
rd =
0
[
i=1
i 1+xi i ] (1)
k0 + k1 [M (1 + R) [
nj j ] + ] k2 [M (1 + R) [
n j j ] + ]2 1 k [M (1 + R) 3 2
j ]2 d
rd = (1)[k0
0
j j
I
1+xj
d +
0
k1 [M (1 + R)
n j j + ]
II
j j
+ xj 1
k2 [M (1 + R)
nj j + ]2
III
j 1+xj d +
1 + k2 M 2 (1 + R)2 3
Dividiu-se
0 IV
2 j
j j
1+xj
rd
I - Parte:
I = k0
0
Resolvendo a integral tem-se:
j j
1+xj
I = k0
98
Captulo 7
Modelo Analtico
's
II - Parte:
II =
0
k1 [M (1 + R)
n j j + ]
j j
+ xj 1
II = k1 M (1 + R)
0
n j j + ]
j j
+ xj 1
II = k1 M (1 + R)[
0
Resolvendo as integrais tem-se:
n j j
+ x 1 j j j d
+
0
j j
+ xj 1
d]
II = k1 M (1 + R)
i=j
nj + k1 (j + xj + 1)(i + xi )
III - Parte:
III = k2 [M (1 + R) n j j + ] j j
1+xj
III = k2 M (1 + R)
0
n j j )
1+xj d j j
j 1+xj
+ 2M (1 + R)
0
nj j
j
k2 2
0
Resolvendo as integrais tem-se:
j j
1+xj
dj
III = k 2[M (1 + R)
i=j
n2 j + (j + xj + 1)(i + xi )
+2
j =1
;
i<j
nj ni (j + xj + 1)(i + xi + 1)
(t + xt )
t:t=j =i
99
Captulo 7
Modelo Analtico
+2M (1 + R)
j =1
nj (j + xj + 1) j =i
(i + xi )
+ ]
IV - Parte:
1 IV = M 2 (1 + R)2 k2 3
Resolvendo a integral tem-se:
1 2 j 0
j 1+xj
dj
j
1 1 IV = M 2 (1 + R)2 k2 3 (j + xj + 1) j =1
Tem-se assim, a expresso do risco de se tomar uma regra de deciso:
rd = (1) {k0 + k1 M (1 + R)
i=j k
nj + k 1 (j + xj + 1)(i + xi )
k 2[M (1 + R)
i=j k
n2 j + (j + xj + 1)(i + xi )
+2
j =1
;
i<j
nj ni (j + xj + 1)(i + xi + 1)
k
(t + xt )
t:t=j =i
+2M (1 + R)
j =1
nj (j + xj + 1) j =i
k
(i + xi )
+ ] +
1 1 + M 2 (1 + R)2 k2 } 3 (j + xj + 1) j =1
().
Em
( ), apresenta-se uma maneira de se ter probabilidades a a posteriori sem o conhecimento de uma distribuio a priori. O modelo conhecido como o modelo impreciso de Dirichlet. No seu artigo Inferences from Multinomial Data: Learning from a Bag of Marbles Walley apresenta um mtodo para se fazer inferncia sobre os estados da natureza,
, quando h pouca
100
Captulo 7
Modelo Analtico
ou nenhuma informao sobre os parmetros da distribuio a priori, toda a anlise feita sem levar em considerao a opinio do especialista. O modelo fornece uma probabilidade a
a posteriori de Dirichlet;
b) As distribuies de Dirichlet so muito comuns em modelos bayesianos quando h ignorncia a priori sobre
()
da seguinte forma:
() =
j =1
onde:
stj 1
tj
a mdia de
j .
de Dirichlet
Diri(s, t),
tal que
0 < tj < 1
para
j = 1, 2, . . . , k
k j =1 tj
= 1,
onde
uma
constante positiva que no depende do espao amostral. O conjunto de distribuies a posteriori formado por todas as distribuies de Dirichlet
Diri(N + s, t )
onde
t =
nj +stj e N +s
0 < tj < 1
para
j = 1, 2, . . . , k
k j =1 tj
= 1.
Neste conjunto de distribuies a posteriori de Dirichlet so obtidas probabilidade superiores e inferiores do evento. A probabilidade superior obtida quando se toma o limite de um. A probabilidade inferior obtida quando
tj
igual a
tj 0.
P (j |x) =
e a probabilidade inferior a posteriori como:
nj + s N +s
101
Captulo 7
Modelo Analtico
P (j |x) = N
o nmero de observaes sobre o
nj . N +s N = 100. s um hiperparmetro.
no exemplo acima
s=1
s=2
tem-se os
s P (|x) P (1 |x) P (2 |x) P (3 |x) P (4 |x) P (5 |x) P (6 |x) P (7 |x) P (8 |x) P (9 |x) P (10 |x) P (11 |x) P (12 |x) P (13 |x) P (14 |x) P (15 |x) P (16 |x)
s=1 P 0,0099 0,0396 0,0792 0,0693 0,0396 0,0594 0,0891 0,0396 0,0594 0,0594 0,0396 0,1287 0,0594 0,0495 0,0594 0,1089 P 0,0198 0,0495 0,0891 0,0792 0,0495 0,0693 0,0990 0,0495 0,0693 0,0693 0,0495 0,1386 0,0693 0,0594 0,0693 0,1188
s=2 P 0,0098 0,0392 0,0784 0,0686 0,0392 0,0588 0,0882 0,0392 0,0588 0,0588 0,0392 0,1275 0,0588 0,0490 0,0588 0,1078 P 0,0294 0,0588 0,0980 0,0882 0,0588 0,0784 0,1078 0,0588 0,0784 0,0784 0,0588 0,1471 0,0784 0,0686 0,0784 0,1275
s obtm-se um
risco superior e inferior por se adotar uma determinada ao. Se o intervalo atribudo a uma determinada ao for o menor tanto superior quanto inferior deve-se adotar esta ao. Para o exemplo acima, todos os risco inferiores e superiores das 100 aes foram calculados. O resultado para as cinco primeiras aes encontra-se na Tabela 7.6. Apresentou-se apenas
os risco das regra de decises das cinco primeiras alternativas em virtude do espao. Mas, o resultado timo apresenta-se entre essas cinco alternativas. A ao de investir apenas no CDB apresentou tanto no caso de o intervalo de menor risco.
s=1
102
Captulo 7
Modelo Analtico
ATIVOS
CDB OURO IBOVESPA FUNDO DE AES CARTEIRA DE MARKOWITZ
7.3
Concluso
o uso de modelos analticos pode levar a concluses tericas sobre o comportamento do investidor;
os modelos analticos tambm so fceis de se implementar: em uma planilha ou mesmo at em uma calculadora;
o IDM apresenta uma importncia muito grande na soluo de problema de deciso, j que o mesmo pode atribuir probabilidades a posteriori sem precisar do conhecimento do especialista;
outra vantagem do uso do IDM que ele tambm capaz de atribuir probabilidades sem a necessidade de se denir o espao amostral. O IDM tambm capaz de informar probabilidades para previso de ocorrncia de um evento para mais de um perodo.
pode-se renar as probabilidades a posteriori combinado o modelo de Walley com o mtodo de eduo do conhecimento do especialista.
103
Captulo 8
8 CONCLUSES, COMENTRIOS E
SUGESTES
8.1
A Incluso da Dissertao
Na economia, como tambm em nanas h um crescente uso da teoria dos jogos para modelar e resolver vrios problemas. As pessoas no podem ver o assunto deste trabalho como algo separado do resto que se vem fazendo nos estudos tericos e prticos da economia e da nana. Como exemplo, h um ponto em comum entre teoria dos jogos e teoria da deciso.
; A;
3. Funo perda,
L(, a).
Matematicamente pode-se denir um jogo pela composio desses trs elementos. O jogo em particular que modela um problema de teoria da deciso como um problema de teoria dos jogos conhecido como o jogo de dois jogadores na forma normal de soma zero. No caso particular dos jogos de soma nula a funo perda representa a perda do estatstico e ao mesmo tempo o ganho da natureza, por essa razo o jogo tido de soma zero ou nula, pois a soma dos dois
payo 's igual a zero. Para resoluo deste problema normalmente usa-se do mtodo minimax,
o qual pode ser visto tanto em ( ) como em (Campello de Souza, 2002).
104
Captulo 8
Payo's.
Pode-se representar um jogo da forma normal atravs de uma matriz, que chamada matriz de payo 's. estatstico. escolha A matriz da Figura 8.1 representa um jogo de dois jogadores: a natureza e o
8.2
Concluses
As
No nal de cada captulo apresentou-se as concluses diretas sobre cada un deles. principais concluses do trabalho como um todo so as seguintes:
Pode-se modelar o problema da escolha de uma carteira de investimento a luz da teoria da deciso. Foram apresentados e resolvidos trs problema desta natureza;
Aspectos subjetivos com a utilidade do investidor e a opinio do especialista podem ser medidos e usados para renar a tomada de deciso em mercados nanceiros;
A opinio do especialista sobre estados incertos do mundo podem ser usados como uma
105
Captulo 8
medida do risco sistemtico. Dessa forma, a incerteza sobre eventos como: eleio para presidente, acordos internacionais e guerras so medidos e incorporados ao problema de escolha do investimento;
O modelo impreciso de Dirichlet apresenta um importante avano na tomada de decises com informaes insuciente e o mesmo deve ser usado em problemas de escolha de carteiras de investimento.
8.3
Comparar a tomada de decises por modelos formulados a luz da teoria da deciso com relao aos modelos j existente, como: capital asset pricing model, o Arbitrage Pricing
8.4
Comentrio Final
106
Referncias Bibliogrcas
Campello de Souza, F. Menezes. 2002. Decises Racionis em Situao de Incerteza.
107