Diogo Diss D1

Mestrado Engenharia de Produo A TEORIA DA DECISO EM FINANAS
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
Recife - Pernambuco Novembro/2002
UNIVERSIDADE FEDERAL DE PERNAMBUCO

CENTRO DE TECNOLOGIA E GEOCINCIAS
DEPARTAMENTO DE ENGENHARIA DE PRODUO A TEORIA DA DECISO EM FINANAS
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.
Recife - Pernambuco Janeiro/2003
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.
Esta dissertao dedicada a: . . . . . . .
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 Barra do Retorno e do Risco dos Fundos e da Carteira de Investimento. 38
5.1 5.2 5.3 5.4 5.5
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
Grco Da Funo Utilidade com Parmetros no-Lineares. . . . . . . . . . . . .
8.1
Matriz de Payo 's. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
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
Utilidade Esperada dos Investimentos.
3.1 3.2 3.3 3.4
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
. . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
4.1 4.2 4.3 4.4 4.5 4.6
Funo Perda do Observador Ideal Funo de Verossimilhana.
. . . . . . . . . . . . . . . . . . . . . . . . .
46 49 50 51 52 53
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Distribuio de Probabilidade a priori.
Funo Perda. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funo Conseqncia. Risco de Bayes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1 5.2 5.3 5.4
Primeiro Questionrio.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
61 64 67 70
Teste de Normalidade de Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . Sumrio das Regresses. Segundo Questionrio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1 6.2 6.3
Os 16 possveis cenrios futuros. . . . . . . . . . . . . . . . . . . . . . . . . . . . Opinio dos Especialistas Antes da Eduo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
79 79 81
Resultado da Eduo da Opinio dos Especialistas.
III
6.4 6.4 6.5 6.6 6.7 6.8
A Funo Conseqncia. A Funo Conseqncia.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83 84 85 85 86 86
A Funo de Verrosimilhana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Utilidade do Investidor 2. O Risco Total de Bayes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
O Risco de Bayes das Aes Para Cada
Observado.
. . . . . . . . . . . . . . .
7.1 7.2 7.3 7.4 7.5 7.6
Os 16 possveis cenrios futuros. . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemplo de Uma Amostra. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Observaes no Plano Real. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
90 92 93 94
Ativos da Carteira de Investimento. . . . . . . . . . . . . . . . . . . . . . . . . .
Probabilidades Superior e Inferior. . . . . . . . . . . . . . . . . . . . . . . . . . . 102 O Risco Superior e Inferior. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
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 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 1.4 1.5 1.6 1.7
Os Instrumentos Analticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Interao com Outras reas Composio da Dissertao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Um Guia Para o Leitor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Um Lembrete o Leitor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 FINANAS
2.1 2.2 2.3 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fatores Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
6 6 8 8 11
Ativo Financeiro e Fundos de Investimento . . . . . . . . . . . . . . . . . . . . . 2.3.1 2.3.2 Ativo de Renda Fixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ativo de Renda Varivel
2.3.3 2.3.4 2.4
Fundos de Investimento
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15 16 18 19 21
ndice das Bolsa de Valores
Anlise de Investimento 2.4.1 2.4.2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Certeza e Incerteza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Como escolher? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 ANLISE E ESCOLHA DE UM PORTFOLIO

3.1 3.2 Antercedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . O Mercado Financeiro 3.2.1 3.2.2 3.2.3 3.2.4 3.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
24 25 26 26 27 27 27 30 33 33 34 35 36 38
O Mercado Monetrio O Mercado de Crdito
O Mercado de Capitais . . . . . . . . . . . . . . . . . . . . . . . . . . . . O Mercado Cambial . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Tempo e Risco 3.3.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Daniel Bernoulli e o Conceito de Risco . . . . . . . . . . . . . . . . . . .
3.4
A Teoria de Markowitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.1 3.4.2 3.4.3 Mercados Ecientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Retorno e Risco de um Ativo . . . . . . . . . . . . . . . . . . . . . . . .
Retorno e Risco de um Portfolio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5 3.6
Exemplo: A Escolha de um Portfolio
A Utilizao de Uma Nova Ferramenta
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
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
O Conjunto das Aes
O Conjunto dos Bens e a Funo Conseqncia
O Conjunto de Observaes e a Funo de Verossimilhana . . . . . . . .
VI
4.2.7 4.2.8 4.2.9 4.3
Regra de Deciso
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45 45 46 46 46 48 48 49 49 49 50 50 52 52
Funo Perda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funo Risco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Regras de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1 O Risco de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
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 . . . . . . . . . . . . . . . . . . . . . . . . . .
A Distribuio de Probabilidade a priori . . . . . . . . . . . . . . . . . . A Funo Perda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . As Regras de Decises . . . . . . . . . . . . . . . . . . . . . . . . . . . .
O Risco De Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5
A Medida da Utilidade e de
{ }
. . . . . . . . . . . . . . . . . . . . . . . . . .
5 UTILIDADE UMA MEDIDA: PARA O DINHEIRO INCERTO

5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 5.2 Utilidade Cardinal versus Ordinal . . . . . . . . . . . . . . . . . . . . . .
54
54 54 54 56 59 60 67 68 71 72 72
Teoria da Utilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Funo Utilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3 5.4 5.5
Medio da Utilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mtodo das Faixas Superpostas . . . . . . . . . . . . . . . . . . . . . . . . . . .
O Mtodo de Programao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5.1 Resultado da Aplicao do Protocolo de Eduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.6
Estimao No-Linear da Funo Utilidade 5.6.1
Resultados da Estimao . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.7
Comentrios Sobre o Processo de Eduo . . . . . . . . . . . . . . . . . . . . . .
6 PROBABILIDADE SUBJETIVA
6.1 6.2 Probabilidade Imprecisas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . O Modelo de Eduo da Distribuio a priori . . . . . . . . . . . . . . . . . . .
74
74 75
VII
6.3
Um Exemplo de Eduo 6.3.1 6.3.2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77 77 78 81 86
Estados da Natureza O Questionrio
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.4 6.5
O Uso do Conhecimento a priori na Tomada de decies . . . . . . . . . . . . . . Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
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
A Soluo do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A Forma Analtica de
rd
. . . . . . . . . . . . . . . . . . . . . . . . . . .
Um Risco Superior e Inferior . . . . . . . . . . . . . . . . . . . . . . . . . 100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Concluso
8 CONCLUSES, COMENTRIOS E SUGESTES

8.1 A Incluso da Dissertao 8.1.1 8.1.2 8.2 8.3 8.4 Teoria da Deciso e Teoria dos Jogos
104
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 . . . . . . . . . . . . . . . . . . . . 104
Aplicaes Econmicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
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
1.1.1 Objetivos Gerais

1. Analisar a escolha de uma carteira de investimento usando a Teria da Deciso;
2. Desenvolver um modelo analtico a luz da Teoria da Deciso para tomadas de decises no mercado nanceiro.
1.1.2 Objetivos Especcos

1. Aplicao de distribuio de probabilidade subjetiva (conhecimento do especialista) sobre a incerteza do estado da economia em problemas de deciso no mercado de capitais.
2. Usar o mtodo de Bayes emprico para obter uma distribuio a priori sobre os estados da natureza.
3. Eduzir a funo utilidade para o dinheiro e aplic-la aos modelos propostos.
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.
1.2.1 Perspectivas Sobre o Futuro Econmico

Analista do mercado nanceiro e economista no incio de cada ano do seus palpites sobre o que vai ocorrer com a economia ao longo do ano. Na maioria das vezes os cenrios colocados pelos economistas so muitos parecidos e sempre condicionados a um outro acontecimento que no altere o cenrio de uma forma drstica. No incio de 2002, a maioria dos economistas eram unnimes em armar que o ano seria bem melhor do que ano de 2001. As perspectivas para 2002, eram que os juros iriam cair,
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.
1.2.2 O Investidor na Deciso

Na maioria das vezes o mercado nanceiro no consulta as preferncias do investidor. H uma certa rejeio dos economista na nica teoria que mede a utilidade de um investidor. E em decises com incerteza, que so as nicas que existe
1.3
Os Instrumentos Analticos
Sero usados os mtodos e tcnicas da: 1. Teoria da Deciso:
Regra de Bayes; Bayes Emprico;
Captulo 1
Introduo
2. Estatstica:
Regresso Linear e no Linear; O Modelo Impreciso de Dirichlet.
3. Programao Linear;
1.4
Interao com Outras reas
Aplicao da Teoria da Deciso vem ocorrendo nas seguintes reas:
Em medicina, mais precisamente na rea de cardiologia;
Em tratamento de imagem;
Em gesto de manuteno;
Em sistema de comunicao;
Radar, reconhecimento de voz;
No uso da energia solar;
Em segurana de centrais nucleares;
Qualidade de produtos e servios
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
A dissertao dividida em 8 captulos cada um com os seguintes contedos:
1.
Primeiro Captulo:
dissertao;
o que est sendo apresentado no momento e tem como objetivo
esclarecer ao leitor os objetivos desta dissertao e como se encontra a composio da
Captulo 1
Introduo
2.
Segundo Captulo:
de investimento e etc.
tem como principal objetivo orientar o leitor sobre conceitos bsicos
do mercado nanceiro, entre eles tem-se: fatores determinantes para se investir, anlise
3.
Terceiro Captulo:
carteiras.
trata-se de questes do tipo: onde se situa o mercado nanceiro na
economia? O que risco? Apresenta-se tambm o mtodo de Markowitz para seleo de
4.
Quarto Captulo: Quinto Captulo: Sexto Captulo:
apresenta os principais conjuntos e funes da teoria da deciso e
como us-la em decises no mercado nanceiro.
5.
apresenta a teoria da utilidade cardinal fraca e como se faz a eduo
da funo utilidade para dinheiro.
6.
este captulo aborda a questo da eduo do conhecimento do especial-
ista para uso em decises no mercado nanceiro.
7.
Stimo Captulo:
apresenta um modelo analtico de tomada de deciso no mercado
nanceiro e tambm usa do modelo impreciso de Dirichlet na formulao de problemas de escolha de carteira de investimento.
8.
Oitavo Captulo:
trabalhos futuros.
por ltimo, apresenta-se as principais concluses e sugestes para
1.6
Um Guia Para o Leitor
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 posteriori superior e inferior em problemas de deciso. Apesar do contexto est sendo

o de nanas a dissertao apresenta aplicaes de mtodos de edues do conhecimento
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:
fatores determinantes para se investir;
ativo nanceiro, fundos de investimento e ndice de bolsa de valores;
certeza e incerteza no mercado nanceiro;
anlise de investimento;
mxima utilidade esperada e etc.
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
o Volume de Recursos disponveis para aplicao e
o perl de tolerncia ao risco do investidor.
Na deciso necessrio que o investidor saiba por que est investindo. investimento denir as estratgias de investimento.
O objetivo do
Alguns exemplos ajudaro o leitor a Quando se decide
entender por que o objetivo do investimento um fator determinante.
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
Qual o esporte que voc pratica?;
Voc gosta de carros esportes?.
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
Ativo Financeiro e Fundos de Investimento
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:
ttulos de renda xa pblicos e privados;
caderneta de poupana;
aes;
ouro;
moedas estrangeiras;
fundos de investimento etc.
Uma outra diviso que se faz dos tipos de ativos em relao renda, que pode ser xa ou varivel.
2.3.1 Ativo de Renda Fixa

Em resumo, ativos de renda xa so ativos que pagam taxa de juros. A idia de mercado vai ajudar no entendimento dos conceitos; pense que na economia h pessoas ou grupos que precisam de dinheiro, e do outro lado, encontra-se o investidor que tem o dinheiro, porm que
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
como tambm ttulos de empresas e bancos estveis.
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
Ttulos Privados e Pblicos

Os ttulos de renda xa de empresas e instituies nanceiras so considerados privados e representam a dvida das empresas e instituies nanceiras aos investidores. Em instituies nanceiras (Bancos Comerciais), os ttulos de renda xa mais comum so os Certicados de Depsitos Bancrios (CDBs) e os Recibos de Depsito Bancrios (RDBs); a diferena entre os dois que o primeiro pode ser resgatado pelos bancos caso o cliente deseje e o segundo deve ser resgatado apenas no seu vencimento. O risco desses ttulos encontra-se na possibilidade de o banco quebrar e no pagar seus compromissos. Nas empresas os ttulos mais comuns so as debntures , simples e conversveis, e os commer-
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
de car com R$ 200,00 (duzentos reais).
prazo de resgate,
carncia,
resgate antecipado e parcial
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.
2.3.2 Ativo de Renda Varivel

A diferena bsica entre ttulos de renda xa e ttulos de renda varivel encontra-se no fato de que a renda varivel denida de acordo com os resultados (lucro ou prejuzo) obtidos pela instituio emissora do ttulo, enquanto no ttulo de renda xa, como j foi explicado, a renda determinada por uma taxa de juros. Quando a emissora do ttulo de renda varivel uma sociedade annima, o ttulo recebe o nome de aes, ou seja, a menor frao de capital da empresa emitente. Dessa forma, o
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 potencial de valorizao do preo da ao;
o dividendo que pago pela empresa emitente;
o horizonte(prazo) de investimento;
a necessidade de se ter uma maior liquidez do papel;
o risco que o papel traz na composio da carteira, ou mesmo em termos absolutos.
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;
mercado de seus produtos;
a insero na economia internacional;
o nvel de endividamento da empresa;
a capacidade de crescimento da empresa.
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.
Ele deve conhecer a
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.
2.3.3 Fundos de Investimento

A composio de uma carteira de investimento tanto pode ser feita pelo prprio investidor, por instituies nanceiras ou por administradores de recursos. Nos dois ltimos casos, d-se o nome de carteira de investimento, ou fundo mtuo de investimento, o qual funciona como uma sociedade de investidores. Nessa sociedade, cada um dos participantes entra como o seu dinheiro, comprando, assim, cotas da carteira e depois sai do investimento, vendendo tais cotas. O ganho ou prejuzo expresso na diferena de preo entre a compra e a venda das cotas. Entre as principais vantagens de comprar do fundo destacam-se:
diversicao da aplicao, tendo assim uma reduo do risco;
facilidade da compra, podendo ser feita at pelo telefone, etc.
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.
De acordo com os quias se Pode decidir qual o fundo a ser comprado.
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.
2.3.4 ndice das Bolsa de Valores

ndice Bovespa IBOVESPA
No Brasil, o ndice da Bovespa (IBOVESPA) representa o mais importante indicador do desempenho mdio das cotaes do mercado de aes. Um fato interessante que colabora
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
o retorno logartmico do ndice no instante
t; Pt
Pt1
so os preos(valor) do
ndice nos perodos
t 1. rt
para o perodo de 1994 at agosto de 2002. O
No grco da Figura 2.1, apresenta-se retorno mdio,rn, para
dias pode ser expresso por:
1 rm(n) = n
i=n1
rti =
i=0
ln(Pt ) ln(Ptn+1 ) n
Figura 2.1: Retorno Logartmico do ndice Bovespa de janeiro/94 a agosto/2002
17
Captulo 2
Finanas
Dow Jones Index

O ndice Dow Jones mantido pelos editores do jornal de Wall Street. Como no caso do ndice bovespa no Brasil, o dow jones tambm representa o mais importante ndice de desempenho do mercado de aes americano, negociados na bolsa de Nova Iorque, sendo assim considerado o indicador de desempenho do mercado de aes mais importante do mundo. Para poder ter uma continuidade, raramente h mudanas na metodologia de clculo, essas mudanas geralmente ocorrem quando h aquisio ou incorporaes de alguma empresa. Outras carteiras tericas no mercado de aes so:
Fund. Inv. S.&.P 500 Index ; STAR Comp Aver ; Russell 1000 Gr Index ; Wellington Comp Index ;
Diante de tantos ativos nanceiros, qual se deve escolher? investimento?
Onde se iniciar a anlise de
2.4
Anlise de Investimento
A primeira diviso encontra-se no tipo
So vrias as formas de avaliar um investimento.
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
podem ser medidos por variveis fundamentalistas, como exemplo:
o valor de mercado;
o ndice valor patrimonial da ao dividido pelo preo;
18
Captulo 2
Finanas
a relao entre o capital de terceiros e o capital prprio da empresa, ou seja, alavacagem nanceira;
o ndice de lucro por ao, dividido pelo preo.
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.
2.4.1 Certeza e Incerteza

H dois tipos de certeza. A certeza perfeita em que existe apenas um valor que representa os lucros futuros.
E ser que esses ativos existem?
E h uma certeza intervalar, em que
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.
Figura 2.2: Histograma do Retorno Logartmico do ndice Bovespa de janeiro/94 a agosto/2002.
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
Freq. Dist. Dist. Acumulada de Probab. de Probab. Acumulada

0 12 1045 2156 2166 2168 0, 00 0, 55 47, 65 51, 24 0, 46 0, 10 0, 00 0, 55 48, 20 99, 44 99, 90 100, 00
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.
2.4.2 Como escolher?

Sabe-se agora que se decide entre dois tipos de investimento depende, primeiramente, da expectativa do investidor em relao ao retorno do investimento. Como a certeza do retorno de um investimento algo difcil de se aceitar, trata-se apenas dos critrios de elaborao de regras de deciso sobre expecetativas de retornos arricados. Como exemplo, tem-se:
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.
Um exemplo ajudar a compreenso da aplicao dos critrios.
Suponha quatro investi-
mentos: A, B, C e D cujos os retornos e probabilidade de ocorrncia encontram-se na Tabela
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:
Tabela 2.2: Anlise de Investimento.
Tabela 2.3: Utilidade Esperada dos Investimentos.
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:
Onde se situa o mercado nanceiro na economia ? ;
Quais so os mercados que segmentam o mercado nanceiro?;
O que risco? e
Qual a base da teoria nanceira?.
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
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.
Na Macroeconomia, a diviso realiza-se em cinco mercados:
Mercado de Bens e Servios;
Mercado Monetrio;
Mercado de Trabalho;
Mercado Cambial;
Mercado de Ttulos.
O mercado nanceiro a unio do mercado monetrio com o 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
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.
3.2.1 O Mercado Monetrio

O Banco Central o agente regulador do Mercado Monetrio. Os principais ativos po O objetivo da
ele negociados so ttulos do Governo e os ttulos do prprio Banco Central.
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.
3.2.2 O Mercado de Crdito

As negociaes realizadas no Mercado de Crdito so para suprir a necessidade nanceira de curto e mdio prazos, de pessoas fsicas e jurdicas. As operaes neste mercado so realizadas
26
Captulo 3
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.
3.2.3 O Mercado de Capitais

O Mercado de Capitais tem como principal objetivo o nanciamento, de mdio e longo prazos, do capital xo e de giro das empresas. consideradas aplicaes de prazo indeterminado. As operaes no Mercado de Capitais so realizadas atravs das bolsas de valores em todo o mundo, o que permite uma movimentao maior de capitais, tanto estrangeiro quanto nacional. Muitas das aplicaes no Mercado de Capitais so feitas atravs de fundos de investimento, alguns dos quais sero apresentados no Exemplo deste captulo. As aplicaes de aes podem tambm ser
3.2.4 O Mercado Cambial

O mercado cambial viabiliza a negociao da moeda nacional com moedas estrangeiras conversveis. So vrios os motivos para se demandar moeda estrangeira, entre eles a necessidade de pagamento de dvidas das empresas nacionais por emprstimos internacionais. A poltica cambial de um pas pode ser classicada basicamente de duas formas, que so:
Taxa de Cmbio Fixo;
Taxa de Cmbio Flutuante.
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
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;
Aes de Empresas de Menor Capitalizao;
Obrigaes de Longo Prazo Emitidas por Empresas;
Obrigaes de Longo Prazo do Governo dos Estados Unidos;
Letras do Tesouro dos Estados Unidos.
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
Portifolio
Risco
Em 1996, Peter L. Bernstein lanou o livro, com ttulo em portugus, Desao aos Deuses:
A Fascinante Histria do Risco . O objetivo principal de Bernstein mostrar como se deu a

administrao do risco ao longo do tempo. Os principais conceitos desta seo encontram-se no livro de Bernstein ( ). Risco uma palavra que deriva do italiano antigo risicare, com o signicado de ousar . Na Histria, antes de qualquer estudo srio sobre a administrao do risco, o futuro pertencia aos deuses, ou seja, o que iria ocorrer era obra do destino, e, aos pobres mortais, restava aceitlo. Risco, no sentido de ousar, uma opo. O estudo do risco, na concepo moderna da palavra, iniciou-se em 1654, poca do Renascimento, e suas razes so as mesmas da Teoria da Probabilidade, quando o cavaleiro de Mr desaou Blaise Pascal a responder o problema do jogo de balla proposto por Pacciolo, um monge franciscano. No decorrer de uma das suas obras mais famosas, a Summa de arithmetic, Paccioli prope: A e B esto empenhados em um jogo de balla. Eles concordam que o jogo continuar at
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
Portifolio
3.3.1
Daniel Bernoulli e o Conceito de Risco

Desde que os matemticos comearam a estudar a medio do risco, tem vigorado um consenso
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,
um grupo de monges do Mosteiro de Port-Royal, o mesmo de Pascal, publicou o livro Lgica,
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
acreditam nesta possibilidade.
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
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
1 1 ( ) = . E (J ) = 2 ( )n+1 + 2 2 n=0 n=0

n
(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
rublos. . . . A idia era considerar-se no os ganhos
esperados, mas, de alguma forma, ganhos escalonados esperados.
31
Captulo 3
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 )
o valor da utilidade que Pedro atribui a
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.
Um Jogo Infantil Base Para Grandes Teorias

As teorias que utilizam a idia de Bernuolli, de racionalidade, so inmeras. Em 1944, um fsico e um economista terminam um livro de 650 pginas, o qual s foi publicado em 1947, por subsdio de um membro da famlia Rockefeller. O livro Theory of games and economic
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 ).
correta (Bernstrein, 1997, p.283).
rd =
Onde:
u(P (p|, d)) ()
(3.3.3)
()
a probabilidade de que a natureza escolha a categoria
32
Captulo 3
Portifolio
u(P (p|, d))
a utilidade da distribuio de probabilidade de se ter o bem
p,
dado que o
estado da natureza seja
e a regra de deciso seja
d. d,
tendo
O risco de Bayes o risco de se usar a regra de deciso de probabilidade subjetiva.
()
como distribuio
Uma distribuio de probabilidade subjetiva tambm conhecida como a distribuio a
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
3.4.1 Mercados Ecientes

Mercados Ecientes so os mercados nos quais o preo reete as informaes disponveis. A idia de mercados ecientes a premissa para a aplicao do mtodo de Markowitz. bom esclarecer que Markowitz elaborou um mtodo e no uma teoria e este mtodo que vai ser explicado. As hipteses bsicas do mercado eciente so ( ):
33
Captulo 3
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.
3.4.2 Retorno e Risco de um Ativo

A estimativa de retorno mdio,
R(A),
e a de risco,
(A),
de um ativo so expressas pela
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)
O nmero de observaes representado por
Rt
representa o retorno no instante
t.
Em uma aplicao nanceira, a relao de risco e retorno importante.
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
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.
3.4.3 Retorno e Risco de um Portfolio

O mtodo de Markowitz baseia-se na formao de uma carteira de ativos de tal forma que o risco atribudo a cada um dos ativos possa ser minimizado. Esse risco conhecido como risco no-sistemtico. No mtodo de Markowitz, o risco que no est sendo considerado o risco de mercado, conhecido como o risco sistemtico. A idia de Markowitz a diversicao da carteira com ativos de correlao negativa; dessa forma, na medida em que um ativo gera perda para a carteira, outro gerar ganhos. O retorno mdio,
R(P ), e risco, (P ), de um portfolio so expressos pelas seguintes equaes:

n
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)
O percentual de aplicao em cada ativo
Wj ;
j i,j
representa o risco de cada ativo e
o coeciente de correlao entre o retorno de dois ativos.
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
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.
Tabela 3.1: Rendimento Percentual dos Fundos de Investimento.
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
Portifolio
Tabela 3.2:
Rendimento ao Longo do Tempo dos Fundos de Investimento.
Fundos Fund Inv S.e.P 500 Index STAR Comp Aver Russell 1000 Gr Index Wellington Comp Index
pblicos.
RALT 829,11% 388,57% 801,10% 601,34%
No caso dos fundos apresentados acima o retorno esperado e risco so apresentados na Tabela 3.3:
Tabela 3.3:
Retorno Esperado e Risco dos Fundos de Investimento.
Retorno Esperado 16,69% 11,68% 19,78% 18,69%
Risco 13,86% 8,16% 18,02% 10,85%
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:
Carteira de Ativos dos Fundos de Investimento.
Percentual de Aplicao 16,27% 47,36% 09,69% 26,68%
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
Portifolio
Figura 3.1: Grco de Barra do Retorno e do Risco dos Fundos e da Carteira de Investimento.
3.6
A Utilizao de Uma Nova Ferramenta
A metodologia de Markowitz no considera a utilidade do indivduo

No mtodo de Markowitz, a utilidade do investidor no considerada em nenhum momento. O objetivo minimizar o risco no-sistemtico considerando apenas a existncia de correlao negativa entre o retorno dos ativos. Os aspectos de averso, de neutralidade e de propenso ao risco no tm nenhuma inuncia na hora de um investidor decidir seu investimento.
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:
A funo utilidade do decisor;
38
Captulo 3
Portifolio
A medio do risco sistemtico.
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.
Fernando Menezes Campello de Souza. Decises Racionais em Situaes de Incerteza, 2002.
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:
1. um conjunto de possveis estados da natureza;
2. um conjunto de aes;
3. um ganho associado com cada estado da natureza e uma ao;
40
Captulo 4
Teoria da Deciso
4. observaes obtidas de um experimento denido pelo estado da natureza.
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
Os Elementos Matemticos da Teoria da Deciso
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:
"o que se quer?";
"o que se sabe?";
"o que se pode fazer?".
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
forma, existe um risco nas decises nanceiras.
Diante do risco, o investidor pode assumir
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;
perturbaes na formao de blocos econmicos;
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.
4.2.1 Conjuntos e Mecanismos Probabilsticos

Em geral, um problema de deciso composto por quatro conjuntos e dois mecanismos probabilsticos frequentistas bsicos. Os conjuntos so:
o conjunto dos estado da natureza,
= { };
42
Captulo 4
Teoria da Deciso
o conjunto das aes,
A = { a}
;
(no sentido de agir).
o conjunto dos bens,
P = {p}
o conjunto das observaes,
X = {x}.
Os mecanismos probabilsticos so:
funo conseqncia
P (p|, a); P (x|).
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,
().
Todos as denies e propriedades dos
elementos matemticos de um problema de deciso podem ser encontrados em (Campello de Souza, 2002).
4.2.2 Conhecimento a priori

O conjunto dos estados da natureza,
= {}
pode ser discreto, contnuo, nito, innito,
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
(), usam-se as tcnicas estats-
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).
4.2.3 Funo Utilidade

A funo utilidade outro elemento matemtico da teoria da deciso. Em (Campello de Souza, 2002), encontram-se tambm alguns mtodos de eduo da funo utilidade, diferentes do proposto por Von Neumann e Morgenstern. Este assunto ser trato com mais detalhes no Captulo 5.
4.2.4 O Conjunto das Aes

A formulao das aes de um problema de deciso depende muito da criatividade do decisor ao formular o problema. No caso de um investimento, a ao do decisor o portfolio em que ele dever investir. Sendo assim, no conjunto das aes, em cada ativo.
a ser um vetor do percentual de aplicao
4.2.5 O Conjunto dos Bens e a Funo Conseqncia

As conseqncias de se tomar uma deciso dado um certo estado da natureza esto contidas no conjunto dos Bens,
P = {p}.
No caso de um investimento em portfolio, o conjunto dos
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.
O valor que uma pessoa atribuir a um elemento do conjunto dos bens
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
uma distribuio de probabilidade de ganhar o bem
p,
dado que a natureza encontra-se no estado
e o decisor adotou a ao
a,
essa distribuio
conhecida como
funo conseqncia, P (p|, a).
4.2.6 O Conjunto de Observaes e a Funo de Verossimilhana

So vrios os casos em que no se pode observar diretamente o estado da natureza. O conjunto de Observaes, o
X = {x},
um conjunto de variveis observveis que nos informa sobre
atravs de alguma relao. Essa relao, ou canal de comunicao, entre as observaes
e os estados da natureza chamada funo de verossimilhana, denotada por discreto, e por
P (x|),
no caso
FX | (x|),
no caso contnuo.
4.2.7 Regra de Deciso

Uma regra de deciso um procedimento que permite escolher um curso de ao, dentre os disponveis, adequado ao que se quer e ao que se sabe (Campello de Souza, 2002). Matematicamente, uma regra de deciso uma funo, em que o domnio o conjunto de observaes e o contra-domnio, o conjunto das aes. Desta forma, a cada observao, pode-se atribuir
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
de decises para um nmero nito de observaes e aes dado por:
D = A
. Para
detalhes sobre regras probabilsticas, consultar (Campello de Souza, 2002).
4.2.8 Funo Perda

A funo perda o negativo da utilidade. A equao que expressa a funo perda :
L(, d) = u(P (p|, d)) = Ep v (p) =

p
v (p)P (p|, d)
(4.2.1)
45
Captulo 4
Teoria da Deciso
onde:
v (p)
o valor do bem
obtido pela funo utilidade cardinal fraca. Pode-se ainda
estender a funo perda em funo das observaes,
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
Tabela 4.1: Funo Perda do Observador Ideal
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
4.2.9 Funo Risco

A funo risco representa a perda mdia para o estatstico quando o verdadeiro estado da natureza
e o estatstico usa a funo (deciso)
d.
(Campello de Souza, 2002)
A expresso da funo risco,
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.
4.3.1 O Risco de Bayes

O risco de uma regra de deciso
ser dado por:
rd = u(P (p|d)) =
()u(p|, d) =
()Rd ()
(4.3.1)
46
Captulo 4
Teoria da Deciso
A regra de deciso escolhida minimizando deciso determinstica,
rd ,
sendo a varivel de escolha uma regra de
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
();
quando no se tem nenhuma forma de obter
(),
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
pode ocorrer quando se possui muitas categorias sobre o estado da natureza.
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
n pontos de ocorrncia, constri-se uma estimativa para a distribuio de probabilidade n ().

Para isso, tem-se o nmero de ocorrncia de
a priori,
nos dados e
n ()
ser a
freqncia relativa de ocorrncia de
nos dados observados.
O passo seguinte encontrar
47
Captulo 4
Teoria da Deciso
uma regra de Bayes O
dn
para
n .
Ento, utiliza-se
dn
como uma regra de Bayes para
().
Teorema 5.2.1,
apresentado em (Campello de Souza, 2002), garante a convergncia do
procedimento.
4.4
Exemplo: Usando Bayes Emprico
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
's so pares ordenados da variao do retorno do ndice bovespa e da variao do retorno ,

que so os seguintes:
da taxa de cmbio do dolar turismo. Tem-se, assim, quatro pares de
00 01
a variao, tanto do ndice bovespa, como do dlar, foi negativa;
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.
O conjunto dos estados da natureza o seguinte:
= {00 , 01 , 10 , 11 }
4.4.1 O Conjunto das Observaes

Utilizou-se apenas uma varivel de observao, que foi a variao da taxa de juros do Certicado de Depsito Internanceiro (CDI). A escolha dessa varivel no est fundamentada em nenhuma hiptese econmica; o fato que essa varivel pode representar a necessidade
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
ocorre quando a variao da taxa de juros do CDI negativa;
ocorre quando a variao da taxa de juros do CDI no negativa.
4.4.2 O Espao da Aes

Para entender melhor as aes, deixa-se claro que o problema de deciso um problema nanceiro de um agente especulador, e para ele o importante ter retorno a curto prazo. A sua deciso apostar ou no na variao do ndice bovespa e da taxa de cmbio do dolar turismo. Dessa forma, consideram-se apenas quatro aes, que so:
a00 a01 a10 a11
No aplicar em nenhum dos ativos;
Aplicar-se apenas no dlar;
Aplicar-se apenas no ndice bovespa;
Aplicar-se metade no dlar e metade no ndice bovespa.
4.4.3 O Canal de Comunicao

A funo de verossimilhana est representada na Tabela 4.2. Note-se que a soma das linhas tem que ser igual a um, para se tenha uma distribuio de probabilidade.
Tabela 4.2: Funo de Verossimilhana.
P (x|) x0 x1
00 0,0656 0,0791
01 0,3640 0,3635
10 0,0735 0,0863
11 0,4969 0,4710
4.4.4 A Distribuio de Probabilidade a priori

Usou-se Bayes emprico com o professor, para se obter as estimativas das distribuies de probabilidade sobre os estados da natureza. Os percentuais podem ser vistos na Tabela 4.3.
49
Captulo 4
Teoria da Deciso
Tabela 4.3: Distribuio de Probabilidade
a priori.
n () 00 01 10 11
Percentual 07,41 36,36 08,15 48,08
4.4.5 A Funo Perda

Sero usados dois exemplos de funo perda; o primeiro ser a funo perda do observador ideal e est representado na Tabela 4.1. Na segunda funo perda, considera-se a funo
conseqncia, apresentada na Tabela 4.5, onde: nulo e
p0
representa retorno negativo,
p1
retorno a funo
p2
representa retorno positivo, para essa funo conseqncia e
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
4.4.6 As Regras de Decises

Como se tem quatro possveis estados da natureza e duas observaes, o nmero de regra de deciso quatro elevado a dois, que igual a 16. As regras de decises esto enumeradas a seguir:
d0 d1 d2 d3 d4 d5 d6 d7
para qualquer que seja o
x, x, x, x,
tome a ao
a00 ; a01 ; a10 ; a11 ;

tome a ao
tome a ao
tome a ao
tome a ao
para
x = x0 , x = x0 , x = x0 x = x0 ,
tome a ao
a00 a00 a00 a01
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
a01 a01 a10 a10 a10 a11 a11 a11
e, se
x = x1 , x = x1 ,
tome a ao
a10 ; a11 ; a00 ; a01 ; a11 ; a00 ; a01 ; a10 .
para
tome a ao
e, se
tome a ao
d10 d11 d12 d13 d14 d15
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
a01 0 -0,89866 0 -0,90026 a01 0 -0,54397 0 -0,55117
a10 0 0 -0,9952 -0,99392 a10 0 0 -0,9784 -0,97264
a11 0 -0,1403 -0,761 -0,9958 a11 0 -0,1403 -0,761 -0,9811
51
Captulo 4
Teoria da Deciso
Tabela 4.5: Funo Conseqncia.
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
p1 1 0 0 0 1 0,5067 0 0 1 0 0,024 0 1 0,4987 0,0304 0,021
p2 0 0 0 0 0 0,4933 0 0,1403 0 0 0,976 0,761 0 0,5013 0,9696 0,979
4.4.7 O Risco De Bayes

O risco de Bayes para os trs casos est apresentado na Tabela 4.6. A regra de deciso ser a que apresentar o menor risco de bayes. Dependendo da preferncia do decisor, sua regra de deciso mudar. Para o observador ideal, a melhor regra de deciso a atribuir o valor de 0,1 ao retorno nulo, a regra de deciso ser melhor regra de deciso a
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
Tabela 4.6: Risco de Bayes.
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
Utilidade uma Medida para o Dinheiro Ince
5 UTILIDADE UMA MEDIDA: PARA O

DINHEIRO INCERTO
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 ( ))
? ?
5.1.1 Utilidade Cardinal versus Ordinal

Atualmente muitos dos economistas no se preocupam com o desenvolvimento do conceito de utilidade cardinal. Provavelmente pelo fato de se acreditar que o conceito de utilidade ordinal suciente para explicar o comportamento do consumidor, porm fato que a utilidade ordinal s explica a escolha do consumidor num ambiente sem risco. A anlise da utilidade ordinal
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
Como se sabe O conjunto sobre
p P
representa o conjunto dos bens.
O qual representado por
P = {p }.
de todas as possveis distribuies de probabilidade representado por
P = {P, Q, . . . }.
A idia bsica num problema de deciso que os
ps
no existem, pois o
decisor s possuir-los em funo da ao que o ele tomar e do estado da natureza,
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.
A preferncia do decisor ser obtida
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.
A base da teoria da utilidade de Von Neumann e Morgenstern
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
pelo menos to desejvel quanto
Q, P
Q;
prefervel
Q, P
Q; P Q.
so equivalentes,
Duas outras denies so:
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;
isto equivalente a dizer-se que ou
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,
ento para todo
R P
tem-se
P + (1 )R
Q + (1 )R;
b) Se
P Q, 1 > 0,
ento para todo
R P R,
tem-se
P + (1 )R Q + (1 )R;
e
Axioma 5.2.4
>0
e tais que
Arquimediano: Se
P Q
ento existem nmeros
tais que
1>>
P + (1 )R
P + (1 )R.
Em (Campello de Souza, 2002) tem-se comentrios sobre cada um dos axiomas.
5.2.1 Funo Utilidade

A funo utilidade ser representada por
e a denio a seguinte:
Denio 5.2.1
a)
u uma funo utilidade se
u : P R,
isto , pra toda distribuio
P P
corresponde um nmero real
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;
u[P + (1 )Q] = u(P ) + (1 )u(Q).
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:
Lema 5.2.1 Lema 5.2.2
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
a distribuio menos deserjvel de um
conjunto de conseqncias e
a mais desejvel.
Lema 5.2.4 Lema 5.2.5
Linearidade:
u[P + (1 )Q] = u(P ) + (1 )u(Q). u = au + b.
Extenso: Se u uma funo utilidade, ento
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,
ou de um jogo como probabilidade
de ganhar
ou
(1 )
de se ganhar
P.
claro que para a pergunta ter sentido o valor de
tem que est
entre a conseqncia mais prefervel e a menos prefervel. A idia a seguinte. Escreve-se
R$ p1 R$ p 2
com probabilidade com probabilidade
, 1 ,
Reais com probabilidade
para representar um jogo no qual um indivduo ganha Reais com probabilidade
p1
ou
p2
1 .
Considere-se o exemplo:
R$ 50.000, 00 R$ 2.000, 00
Aqui
com probabilidade 0,30, com probabilidade 0,70. que
= 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)
e um valor monetrio menor ao qual
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
c/ prob. 0,01, c/ prob. 0,99.
Mas se se for aumentando a chance dele ganhar os R$
50.000,00, isto , se se for aumentando
ento natural que a partir de um certo ponto, ele j no se sinta to seguro que prefere Para um valor alto de
a quantia certa ao invs do jogo.
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
c/ prob. 0,95, c/ prob. 0,05.
Pode-se ento imaginar que existe um valor de
(uma certa chance de ganhar o maior
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
para o qual ele se sente indiferente entre
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
Mtodo das Faixas Superpostas
A suposio para o uso da funo utilidade cardinal de Von Neumann a existncia de dois bens, um mais desejvel,
P,
e outro menos desejvel,
P,
ao qual se atribui duas utilidades
atritarias. Quando esses valores escolha do valor de torna
P P, P
encontram-se distantes um do outro muito difcil a sendo e
para um valor
P < P < P.
Dessa forma, pergunta-se o
que
indiferente a uma loteria entre
em faixas diferentes, para depois atravs do Lema
5.2.1(extenso) passar os valores de
para uma mesma faixa.
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.
[40; 40]. [95; 95] observe que no ques-
Os intervalos esto distribudos de uma forma uniforme entre
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
Tabela 5.1: Primeiro Questionrio.
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
95 -40 -25 -35 -20 -25 20 20 25 20 35 35 40 35 80 40 80 80 95 95 95 40
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
continua na prxima pgina
61
Captulo 5
Tabela 5.1: Primeiro Questionrio. (continuao)
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 que a idia que bem clara neste mtodo.
Pretende-se usar ferramentas estatstica
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:
u(p) = 1 expp , > 0

funo logartmica:
u(p) = log (p + a), p + a > 0

funo quadrtica:
u(p) = ap bp2 , a, b > 0, p <

funo raiz quadrada:
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
representa o nmero de observaes da amostra, o
M axD
representa a mxima difer-
ena entre, o valor da distribuio de freqncia acumulada da distribuio normal para um de-
63
Captulo 5
Tabela 5.2: Teste de Normalidade de Kolmogorov-Smirnov Investidor - 1 Investidor - 2
N 46 46
M axD 0,170265 0,124353
p valor p < ,15 p > ,20
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,
pode-se rejeitar a hiptese de
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),
como no teste global (teste
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:
u1 (p) = 0, 833003 + 0, 003717p 0, 000019p2

e
u2 (p) = 0, 702501 + 0, 0047p 0, 000018p2

Uma observao importante o fato de quer a funo quadrtica tem um restrio, no caso do primeiro investidor a funo satura para um
p<
a , 2b
p = 71, 24
(mil reais), dessa forma
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
Figura 5.1: Grco De Eduo da Funo Utilidade do Investidor - 1.
segundo investidor a funo tem seu mximo em
p = 130 (mil reais).
Outra observao que o
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.
No grco da Figura 5.3
apresenta-se os valores das utilidades estimadas para os dois investidores.
65
Captulo 5
Figura 5.2: Grco De Eduo da Funo Utilidade do Investidor - 2.
Figura 5.3: Grco Da Utilidade Esperada dos Investidores - 1 e 2.
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
O Mtodo de Programao Linear
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,
dependendo das respostas do decisor.)
67
Captulo 5
u(p) = 0,u(p) = 100
1 1 ui1 ui + ui+1 0,i = 2, . . . n1. 2 2
(Esta restrio garante a concavidade da funo utilidade.
un1 un 0.
onde:
(Esta restrio garante a monotonicidade da funo utilidade.)
u(Gi ) = u[i pj + (1 i )pk ] = i u(pj ) + (1 i )u(pk ).
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
[umax (pj ) umin (pj )]

j =1
O mtodo pode ser usado para deciso de grupo. Aplicou-se o questionrio apresentado na Tabela 5.4
5.5.1 Resultado da Aplicao do Protocolo de Eduo

O resultado da eduo pelo mtodo de programao linear apresentado no grco da Figura 5.4. 2 de O investidor 1 tem a vagueza de
0, 0614,
enquanto que a vagueza do investidor
0, 0966.
Numa comparao entre os mtodos, pode-se dizer que o investidor 2 tem a
utilidade estimada pelo mtodo das utilidade.
faixas superpostas entre a mnima e a mxima faixa de
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.
No exemplo a vagueza preferencial global de
V agp g = 0, 0978;
preciso preferencial:
P recp = 1 V agp g = 0, 9022;

68
Captulo 5
Figura 5.4: Grco Das Faixas de Utilidade dos Investidores 1 e 2.
concordncia do grupo: relao entre a rea de interseo das faixas e a rea da unio das faixas,
Concp g = 0, 6162; Discp g = 1 Concp g = 0, 3837;
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 )
umax2 (pj )| + |umin1 (pj ) umin2 (pj )|] = 0, 0047; n = 0, 9922;
harmonia do grupo:Harmp g
Concp g Concp g +Confp 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 =
Concp g = 0, 8573; Concp g + Confp g + V agp g
69
Captulo 5
Tabela 5.4: Segundo Questionrio.
JOGO 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
p1 1 -40 -55 -50 -25 -35 -30 -10 10 10 30 35 65 65 75 70 90 85 95 95 95
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 =
ara das regies de vcuo rea das regies de vcuo
+ rea
da unio das faixas
= 0, 0459;
resoluo:
Reso = 1 Hest = 0, 9541.
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,
dessa forma pode-se adotar a utilidade mdia
70
Captulo 5
5.6
Estimao No-Linear da Funo Utilidade
A funo utilidade tem geralmente um formato de
S.
Os modelos segmoidais, ou seja
modelos com um valor mximo esperado, podem ser representados pelas funes apresentadas a baixo ( ):
Modelo Gompertz
= u(p) = exp[exp( p)]
Modelo Logstico
= u(p) =
[1 + exp( p)]
Modelo Richards
= u(p) =
[(1 + exp( p)) ]
Modelo Morgan-Mercer-Flodin
= u(p) = ( + p )/( + p )
Modelo Weibull
= u(p) = exp(p )
o valor
Nesses modelos o parmetro
est relacionado com intercepto, o parmetro
mximo esperado, ou seja o valor onde a satisfao satura, o parmetro
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
du c = (u + a)(b a u)g (p), g > 0 dp d
contnua,
b > a > 0, c > 0.
(5.6.1)
Pode-se com uso de estimao no-linear (Detalhes sobre mtodos de estimao no-linear ver: ( )
e ( ))
obter todos os parmetros dessas funes.
Depois de algumas tentativas
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.
quadrtica, os algoritmos foram os Rosenbrock e o Quasi-Newtom e o software foi o Statistica da StatSoft.
5.6.1 Resultados da Estimao

Gerou-se 9 combinaes convexas das funes utilidades de maior e de menor valor esperado. O coeciente de correlao dos dois investidores foram superiores a 98%. O resultado para os dois investidores podem ser visto nas equaes 5.6.2 e 5.6.3, sendo respectivamente a primeira equao a estimao do investidor 1 e segunda a do investidor 2.
u(p) = 0, 9831 exp( exp(3, 66 0, 045p))
(5.6.2)
u(p) = 0, 9636 exp( exp(3, 39 0, 042p))
(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.
u(p) = 0, 9731 exp( exp(3, 53 0, 044p))
(5.6.4)
5.7
Comentrios Sobre o Processo de Eduo
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
Figura 5.5: Grco Da Funo Utilidade com Parmetros no-Lineares.
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
Probabilidade Sub jetiva
6 PROBABILIDADE SUBJETIVA
No longo prazo, estaremos todos mortos
Jonh Maynard KEYNES.
Lidar com a incerteza uma coisa para qual todas as formas de vida devem estar preparadas. Qualquer que seja o nvel de complexidade.
...,
existe sempre algo que pode ser interpretado como
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.
Fernando Menezes Campello de Souza. Decises Racionais em Situaes de Incerteza, 2002.
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
O Modelo de Eduo da Distribuio
a priori
O mtodo de eduo da distribuio a priori do especialista tem como suposio bsica que o especialista tenha um conhecimento vago sobre
(),
assume-se que ele possa fazer apenas
um nmero nito de asseres probabilsticas comparativas quando responde perguntas sobre a verrossimilhana de
pertencer a um de dois intervalos dados.
O mtodo conduz a expressar
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
o mtodo de eduo da distribuio a
priori por progamao linear.
Matematicamente ele expresso da seguinte forma:
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
pode ser captada de vrias maneiras a opinio do especialista. As
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
pertencer a um de dois intervalos dados.
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
6.3.1 Estados da Natureza

Considera-se quatro variveis bsicas como representando o estado da natureza, todas elas assumindo apenas dois possveis valores: 0, quando o evento no acontecer e 1, quando o evento acontecer:
1.
1 2
= A oposio no ganha a eleio presidencial no Brasil;
2.
= O PIB (produto interno bruto) cresce no perodo, quando comparado ao perodo
anterior;
3.
3 4
= A inao cresce no perodo, quando comparada ao perodo anterior;
4.
= O cmbio cresce no perodo, quando comparado ao perodo anterior.
77
Captulo 6
Estas quatro dicotomias deniro, portanto, 16 diferentes e mutuamente exclusivos cenrios futuros, que sero denotados por
j , j = 1, 2, . . . , 16.
Cada cenrio ser descrito pois, por uma
qudrupla onde cada elemento pode ser 0 ou 1. claro que, como a eleio est relativamente prxima, a varivel inuenciassem
inuenciar as demais e nenhuma destas a inuenciar. Se
2 , 3 ,
4 1
1 ,
ter-se-ia um sistema no causal. Os fatores que mais inuenciaro em
sero outros. Consideradas como sendo as do perodo anterior, as variveis uma inuncia na varivel
2 , 3 ,
tero
do perodo futuro (onde vai maturar o investimento sobre o qual
se est decidindo), assim como tambm nas variveis ser a inuncia principal. As variveis
2 , 3 , e 4
deste perodo futuro. Mas no
2 , 3 , e 4
do perodo anterior no entram no processo
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 .
Essa dinmica sofre a
1 e de outras perturbaes aleatrias.
6.3.2 O Questionrio
Usou-se o questionrio apresentado na Tabela
...
para eduzir a opinio de dois especialistas.
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
sero aleatrios. Resolvendo-se o problema para 16 valores diferentes de
cj
tem-se
uma famlia de probabilidades subjetivas para cada sobre cada estado da natureza antes da eduo.
Na Tabela 6.2 apresenta-se as opinies
78
Captulo 6
Tabela 6.1: Os 16 possveis cenrios futuros. Cenrio 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
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
Tabela 6.2: Opinio dos Especialistas Antes da Eduo.
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:
[max (j ) min (j )] = 0, 3195

j =1
P = 1 V = 0, 6805
Concordncia:
C=
Vagueza Global
n j =1 n j =1
[minmax (j ) maxmin (j )] =1 [maxmax (j ) minmin (j )]
VG =
n j =1
[maxmax (j ) minmin (j )] = 0, 3195 n
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:
[CVG +1(VG +K )] (CVG +1)

onde
= 0, 5955 g
Quantidade de Informao: Pode-se usar
AI = g (Q)
uma funo monotonicamente crescente.
g = Q = 0, 3541.
Os dois especialista apresentaram o mesmo conjunto de intervalos. De acordo com Campello
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
Propoem-se o seguinte exemplo:
a)
Estados da Natureza:
a incerteza encontra-se nos cenrios apresentados no exemplo da
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].
entretanto, em 4 intervalos, cada um deles sendo considerado como uma s conseqncia.
81
Captulo 6
Isto permite um trabalho mais realista com as planilha eletrnicas.
Os intervalos so:
p0 [95.000, 45.000], p1 [45.000, 50.000], p2 [50.000, 55.000]
p3 [55.000, 95.000]. 1 , 2 , 3 , s1 , s2 , s3 x.
Cada e e
c)
Conjunto das Obsevaes: as observaes sero correspondentes s variveis
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)
A Funo Conseqncia: A funo conseqncia,
P (pi |j , ak ),
apresenta-se na Tabela 6.4.
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
Tabela 6.4: A Funo Conseqncia.

P (pi |j , ak ) (1 , a0 ) (1 , a1 ) (1 , a2 ) (2 , a0 ) (2 , a1 ) (2 , a2 ) (3 , a0 ) (3 , a1 ) (3 , a2 ) (4 , a0 ) (4 , a1 ) (4 , a2 ) (5 , a0 ) (5 , a1 ) (5 , a2 ) (6 , a0 ) (6 , a1 ) (6 , a2 ) (7 , a0 ) (7 , a1 ) (7 , a2 ) (8 , a0 ) (8 , a1 ) (8 , a2 ) (9 , a0 ) (9 , a1 ) (9 , a2 ) (10 , a0 ) (10 , a1 ) (10 , a2 ) p0 p1 p2 p3
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
continua na prxima pgina
83
Captulo 6
Tabela 6.4: (continuaco)

P (pi |j , ak ) (11 , a0 ) (11 , a1 ) (11 , a2 ) (12 , a0 ) (12 , a1 ) (12 , a2 ) (13 , a0 ) (13 , a1 ) (13 , a2 ) (14 , a0 ) (14 , a1 ) (14 , a2 ) (15 , a0 ) (15 , a1 ) (15 , a2 ) (16 , a0 ) (16 , a1 ) (16 , a2 ) p0 p1 p2 p3
1 0,75 0,5 0,75 0,85 0,6 0 0,5 0,4 0,6 0,4 0 0 0 0 0 0 0
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
0 0 0 0 0 0,05 0 0 0 0 0 0,2 0,4 0 0 0 0,5 0

P (xl |j ),
apresenta-se na Tabela
f)
Funo de Verrosimilhana: a probabilidade condicional
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
eleitoral ele vencer a eleio.
84
Captulo 6
Tabela 6.5: A Funo de Verrosimilhana.
P (xl |j ) x9 x10 x11 x12 x13 x14 x15 x16
9 0,129 0,132 0,128 0,136 0,141 0,127 0,125 0,127
10 0,141 0,142 0,140 0,136 0,141 0,139 0,138 0,139
11 0,118 0,121 0,128 0,108 0,129 0,127 0,113 0,127
12 0,129 0,132 0,128 0,136 0,129 0,127 0,138 0,127
13 0,107 0,111 0,105 0,122 0,107 0,115 0,113 0,127
14 0,118 0,121 0,128 0,108 0,118 0,115 0,138 0,127
15 0,124 0,116 0,122 0,115 0,113 0,121 0,106 0,109
16 0,129 0,121 0,117 0,136 0,118 0,127 0,125 0,115
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
||D|| = ||A||||X || = 316 = 43.046.721
soluo para este problema da-se da seguinte forma:
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
Tabela 6.6: Utilidade do Investidor 2.
p p0 p1 p2 p3
u(p) 0,446122 0,896334 0,91536 0,965148
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
Tabela 6.7: O Risco Total de Bayes. Ao a0 a1 a2 rd -0,74129 -0,88081 -0,78269
Sendo assim, se o investidor quiser tomar uma ao independente do
x observado ele dever
investir no fundo moderado. Porm pode-se conseguir uma deciso mais apurada com a observao do
x.
Na Tabela 6.8 apresenta-se o risco de bayes de cada ao para cada
observado.
A ao a ser tomada tambm indicada na parte da direita da tabela com o dgito 1.
Tabela 6.8: O Risco de Bayes das Aes Para Cada x Observado.
(x, a) x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16
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
At agora discutiu-se modelos nmericos para
(se tomar a deciso de investir...)
se
tomada da deciso de investir ou no em algum fundo.
O exemplo numrico acima mostra
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
Os construtos do problema de deciso podem ser expressos pelos seguintes conjuntos:
O Conjunto dos Bens

O conjunto do bens, limitado ao intervalo
P = {p},
representa o retorno lquido do investimento. O conjunto
[M, M ].
Usa-se a funo utilidade quadrtica:
88
Captulo 7
Modelo Analtico
v (p) = k0 + k1 p k2 p2
para atribuir a psicologia do risco do investidor.
(7.2.1)
O Conjunto dos Estados da Natureza

O conjunto dos estados da natureza representa a incerteza sobre indicadores da economia. Prope-se uma formulao onde os Cada
's
so considerados isoladamente.
um vetor formado pela combinao de quatro dicotomias, que so os indicadores
do funcionamento da economia brasileira representados por
i .
A incerteza dos indicadores
quanto aos seus valores no prximo ms. Se um dos indicadores,
i , for melhor para a economia
no perodo seguinte ento o mesmo receber o valor de 1 caso contrrio ter o valor de 0. Os indicadores sero:
1 = Produto Interno Bruto - PIB; 2 = Taxa de Inao - IPCA; 3 = Taxa 4 = Taxa

Para de Juros - Selic; de Desemprego na regio metropolitana do Brasil;
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
escolhidos de forma a apresentar qual a importncia dos o valor de cada
no retorno do investimento; a rigor
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
economia, PIB. Escolheu-se os dos
nj
seguindo uma ordem decrescente em relao importncia
j .
Dessa forma,
16
tero seus
nj
iguais a 16 e 1 respectivamente, e os outros
's
receberam valores intermedirios entre esses valores.
Tabela 7.1: Os 16 possveis cenrios futuros. Cenrio 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
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
corresponder probabilidade de ocorrncia de cada um dos 16
apresentados acima, ou seja o que se entendia por
(j )
passa a ser denotado apenas por
j .
O conhecimento a priori do especialista ser modelado por uma distribuio de Dirichlet
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
com uma restrio sobre a
distncia mdia (isto , entropia relativa) relativa a uma distribuio de referncia.
...
Walley (1996) apresenta um novo mtodo para se fazer inferncias a partir de
dados de uma distribuio multinomial em casos onde no existe informao a priori, chamado o modelo impreciso de Dirichlet .
O Espao das Observaes

O espao das observaes ser modelado por uma: Multinomial
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
Se uma amostra independente de tamanho
retirada de uma populao de
tipos, onde
a probabilidade de que uma simples observao do
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,
correspondendo s seis faces do dado. Se se joga o dado
vezes, ocorrero
xj
vezes a face
para todo
j,
e a soma dos
xj 's
ser o nmero total de vezes que o dado foi lanado.
Se so 4 indicadores da economia (PIB, Taxa de Inao (IPCA), Selic, Taxa de Desemprego) ento sero 16
's.
Um dado de 16 faces. Uma observao do que aconteceu com a economia
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
observe que ele no se repetiu na tabela 7.2. J o
14
apareceu duas
vezes (perodos 2 e 3). Isto , (perodos 4 e 5). Tem-se tambm
x14 = 2.
apareceu tambm duas vezes, e portanto
x9 = 2
x6 = 1
(perodo 1). Veja que
x8 = 2
(perodos 6 e 7) e que
x1 = x4 = 1
(perodos 8 e 9, respectivamente). Deve-se ter:
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
tm estimativas de probabilidade iguais a zero, pois no apareceram
Conra que a soma das estimativas (freqncias relativas) das proba-
's
igual a um e que a soma dos
xj 's
igual a 10 (que o
para o exemplo
Observaes no Plano Real

Para a srie dos indicadores no perodo de julho de 1994 a novembro de 2002 tem-se 100 observaes e cada
teve os seguintes nmeros de ocorrncia apresentados na Tabela 7.3.
x1 1
x2 4
x3 8
x4 7
x5 4
Tabela 7.3: Observaes no Plano Real. x6 x7 x8 x9 x10 x11 x12 x13 6 9 4 6 6 4 13 6
x14 5
x15 6
x16 11
N 100
Os Conjuntos da Aes
A = { a}
o conjunto das alternativas de investimento. Cada
torna-se um mix de ativos
nanceiros, ou seja, as aes sero formadas por uma composio, percentual, de cada ativo. Para composio dessas aes usou-se os seguintes ativos:
Rentabilidade mdia de CDB com prazo de 30 dias;
Ouro - variao percentual mensal;
Ibovespa - variao percentual mensal;
93
Captulo 7
Modelo Analtico
Fundos de aes - rentabilidade acumulada no ms.
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%.
Tabela 7.4: Ativos da Carteira de Investimento.
Ativos
CDB OURO IBOVESPA FUNDO DE AES CARTEIRA DE MARKOWITZ
Mdia Mnimo Mximo Desvio Padro

2,0661 1,4358 1,7377 1,6145 2,0485 1,1500 -16,4000 -39,5500 -17,9800 0,8980 5,20000 70,00000 28,02000 17,07000 5,24192
0,91514 8,95345 11,54773 5,67691 0,92359
Dessa forma, uma
uma carteira composta por vrios ativos e pode ser denotada por:
a = 1 a1 + 2 a2 + + i ai
onde:
(7.2.2)
ai
representam os retornos de cada ativo individualmente, no exemplo da Tabela 7.4
a carteira determinada pelo mtodo de Markowitz representa um fundo de investimento;
representa os percentuais de investimento em cada ativo. Constru-se mais 95 possveis aes aleatoriamente, ou seja, determinou-se um conjunto de
aleatoriamente. Dessa forma, o con-
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:
e um desvio padro do retorno,
(a) = 1 (a1 ) + 2 (a2 ) + + i (ai )

O risco no-sistemtico, que inerente a natureza do investimento ser medido por:
(7.2.3)
94
Captulo 7
Modelo Analtico
R(a) =
(a) (a) + (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:
combinar o estado da natureza e a ao no sentido correto;
a agem independentemente p;
um do outro, mas se combinam para dar forma distribuio de probabilidade de
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.
corresponde a uma constante de proporcionalidade.
Analise a distribuio para o
caso de todos os
's
terem a mesma probabilidade de ocorrncia
j =
1 ; a distribuio ser 16
uniforme. Uma outra caracterstica da funo que se tem certeza do acontecimento de um
j ,
a probabilidade de ocorrncia do
ser igual a um, j que a funo de densidade da funo
95
Captulo 7
Modelo Analtico
conseqncia ser igual a
De uma maneira geral, para cada
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
xo a distribuio no ser uniforme. Na verdade, como
tem
uma distribuio que tipicamente no uniforme, distribuio normal.
f (p|, a)
tem uma forma que lembra uma
A Funo Perda
A funo perda o negativo da funo utilidade e obtida dos seguintes passos:
1.
L(|a) = u(f (p|, a))

2.
[M (1+R)[
nj j + nj j
j ]+ j ]+
u(f (p|, a)) =

[M (1+R)[
3.
k0 + k 1 p k2 p 2 dp M (1 + R) j
nj j + nj j j ]+ j ]+
u(f (p|, a)) =

4.
[k0 p + k21 p2 k32 p3 ] M (1 + R) j
[M (1+R)[ [M (1+R)[
u(f (p|, a)) = k0 + k1 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
7.2.1 A Soluo do Modelo

Vai ser necessrio usar os seguintes fatos para soluo do problema: 1.
u(f (p|, aj )) =
2.
u(p)f (p|, aj )dp.
L(, aj ) = u(f (p|, aj )).

3.
Rd () =
x
4.
P (x|)L(, d(x)).
rd =
0
5.
()Rd ()d(risco
de Bayes).
rd =
0
6.
()P (x|)L(, d(x)) d.

x
rd =
0
7.
(|x)P (x)L(, d(x)) d.

x
rd =
x
8. Minimizar
P (x)
0
(|x)L(, d(x))d.
rd
por uma escolha de
que o mesmo que minimizar para cada x, o termo
(|x)L(, d(x))d,
0
por uma escolha de
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 .
7.2.2 A Forma Analtica de rd

Para facilitar os clculos denota-se
( )
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
em quatro partes enumerada abaixo da equao. A soluo de cada uma das
partes segue da-se da seguinte forma:
I - Parte:
I = k0
0
Resolvendo a integral tem-se:
j j
1+xj
I = k0
98
Captulo 7
Modelo Analtico
Pois est integrando-se as distribuies marginais dos
's
que igual a um.
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
7.2.3 Um Risco Superior e Inferior

Uma das suposies do modelo acima a existncia de uma distribuio a priori,
().
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
posteriori superior e inferior sobre
As razes para o uso da distribuio de Dirichlet, segundo Walley so as seguintes:
a) As distribuies a priori de Dirichlet so matematicamente tratveis porque geram as distribuies
a posteriori de Dirichlet;
b) As distribuies de Dirichlet so muito comuns em modelos bayesianos quando h ignorncia a priori sobre
c) Quando as categorias so combinadas, distribuies de Dirichlet transformam-se em outra distribuio de Dirichlet.
O Modelo Impreciso de Dirichlet - (IDM)

A idia de Walley reparametrizar a distribuio
()
da seguinte forma:
() =
j =1
onde:
stj 1
tj
a mdia de
j .
Walley(1996) dene o IDM como o conjunto de todas as distribuies
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.
A probabilidade superior a posteriori denida como:
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
Walley faz uma discusso sobre a escolha do modelos existentes. Quando
e mostra como ele pode se adequar aos vrios
s=1
aborda-se o caso freqentista, no caso de
s=2
tem-se os
modelos bayesianos de escolha cautelosa.
Tabela 7.5: Probabilidades Superior e Inferior.
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
Usando as distribuies a posteriori superior e inferior para um determinado
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.
conservador, ou seja igual a 2, como tambm, no caso de
s=1
102
Captulo 7
Modelo Analtico
Tabela 7.6: O Risco Superior e Inferior.
ATIVOS
CDB OURO IBOVESPA FUNDO DE AES CARTEIRA DE MARKOWITZ
rd (s = 1) 68802,22 139617,5 140730,4 127414 69201,63
rd (s = 1) 137604,4 279235,1 281460,8 254828,1 138403,3
rd (s = 2) 68127,69 138248,7 139350,7 126164,9 68523,18
rd (s = 2) 204383,1 414746,2 418052 378494,7 205569,5
7.3
Concluso
Alguns pontos importantes sero ressaltados:
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
Concluso, Comentrios e Sugestes
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.
8.1.1 Teoria da Deciso e Teoria dos Jogos

Um problema de teoria da deciso pode ser visto de uma maneira muito particular como um problema de teoria dos jogos. Segundo ( ) os elementos da teoria da deciso so similares aos da teoria dos jogos. Tanto no problema de teoria dos jogos como da teoria da deciso tem-se os seguintes elementos:
1. Conjunto dos possveis estados da natureza,
; A;
2. Conjunto das possveis aes avaliadas pelo estatstico,
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
Figura 8.1: Matriz de
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
A primeira clula da matriz representa a perda do estatstico caso a natureza
0 e o estatstico escolha a0 , como um jogo de soma zero o valor da clula, 2, representa
tambm o ganho da natureza.
8.1.2 Aplicaes Econmicas

Sobre o modelo impreciso de Dirichlet e aplicaes da teoria de Walley h uma necessidade de se aplicar mais esta ferramenta no mundo real. O tratamento que Walley d a questo de se fazer inferncia diante de pouca informao, combina com muitos problemas de decises na economia e em nanas. Um das poucas referncias do uso de modelos de decises em economia que leve em conta esses aspectos ( ).
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
Sugestes Para Trabalhos Futuros

Continuar a formulao e aplicao de outros problemas ligados a nanas e a economia a luz da teoria da deciso;
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
Theory, o value at risk e etc.
8.4
Comentrio Final
106
Referncias Bibliogrcas
Campello de Souza, F. Menezes. 2002. Decises Racionis em Situao de Incerteza.
107

Diogo Diss D1

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Diogo Diss D1

Enviado por

Direitos autorais:

Formatos disponíveis

Mestrado Engenharia de Produo A TEORIA DA DECISO EM FINANAS

Recife - Pernambuco Novembro/2002

UNIVERSIDADE FEDERAL DE PERNAMBUCO

DEPARTAMENTO DE ENGENHARIA DE PRODUO A TEORIA DA DECISO EM FINANAS

Recife - Pernambuco Janeiro/2003

Esta dissertao dedicada a: . . . . . . .

Grco de Barra do Retorno e do Risco dos Fundos e da Carteira de Investimento. 38

5.1 5.2 5.3 5.4 5.5

Grco Da Funo Utilidade com Parmetros no-Lineares. . . . . . . . . . . . .

Matriz de Payo 's. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

Utilidade Esperada dos Investimentos.

3.1 3.2 3.3 3.4

4.1 4.2 4.3 4.4 4.5 4.6

Funo Perda do Observador Ideal Funo de Verossimilhana.

Distribuio de Probabilidade a priori.

Funo Perda. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funo Conseqncia. Risco de Bayes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.1 5.2 5.3 5.4

Teste de Normalidade de Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . Sumrio das Regresses. Segundo Questionrio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6.1 6.2 6.3

Os 16 possveis cenrios futuros. . . . . . . . . . . . . . . . . . . . . . . . . . . . Opinio dos Especialistas Antes da Eduo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Resultado da Eduo da Opinio dos Especialistas.

6.4 6.4 6.5 6.6 6.7 6.8

A Funo Conseqncia. A Funo Conseqncia.

A Funo de Verrosimilhana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Utilidade do Investidor 2. O Risco Total de Bayes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

O Risco de Bayes das Aes Para Cada

7.1 7.2 7.3 7.4 7.5 7.6

Os 16 possveis cenrios futuros. . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemplo de Uma Amostra. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Observaes no Plano Real. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ativos da Carteira de Investimento. . . . . . . . . . . . . . . . . . . . . . . . . .

Probabilidades Superior e Inferior. . . . . . . . . . . . . . . . . . . . . . . . . . . 102 O Risco Superior e Inferior. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

1.3 1.4 1.5 1.6 1.7

Os Instrumentos Analticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Interao com Outras reas Composio da Dissertao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Um Guia Para o Leitor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Um Lembrete o Leitor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ativo Financeiro e Fundos de Investimento . . . . . . . . . . . . . . . . . . . . . 2.3.1 2.3.2 Ativo de Renda Fixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ativo de Renda Varivel

2.3.3 2.3.4 2.4

ndice das Bolsa de Valores

Anlise de Investimento 2.4.1 2.4.2

Certeza e Incerteza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Como escolher? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 ANLISE E ESCOLHA DE UM PORTFOLIO

O Mercado Monetrio O Mercado de Crdito

O Mercado de Capitais . . . . . . . . . . . . . . . . . . . . . . . . . . . . O Mercado Cambial . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Tempo e Risco 3.3.1

Daniel Bernoulli e o Conceito de Risco . . . . . . . . . . . . . . . . . . .

Retorno e Risco de um Portfolio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Exemplo: A Escolha de um Portfolio

A Utilizao de Uma Nova Ferramenta

O Conjunto das Aes

O Conjunto dos Bens e a Funo Conseqncia

O Conjunto de Observaes e a Funo de Verossimilhana . . . . . . . .

4.2.7 4.2.8 4.2.9 4.3

Funo Perda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funo Risco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Regras de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1 O Risco de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

A Distribuio de Probabilidade a priori . . . . . . . . . . . . . . . . . . A Funo Perda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . As Regras de Decises . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 UTILIDADE UMA MEDIDA: PARA O DINHEIRO INCERTO

Teoria da Utilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Funo Utilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.3 5.4 5.5

Medio da Utilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mtodo das Faixas Superpostas . . . . . . . . . . . . . . . . . . . . . . . . . . .

O Mtodo de Programao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5.1 Resultado da Aplicao do Protocolo de Eduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Estimao No-Linear da Funo Utilidade 5.6.1

Comentrios Sobre o Processo de Eduo . . . . . . . . . . . . . . . . . . . . . .

Um Exemplo de Eduo 6.3.1 6.3.2

Estados da Natureza O Questionrio

O Uso do Conhecimento a priori na Tomada de decies . . . . . . . . . . . . . . Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Esta dissertao dedicada a: . . . . . . .

Grco de Barra do Retorno e do Risco dos Fundos e da Carteira de Investimento. 38

Grco Da Funo Utilidade com Parmetros no-Lineares. . . . . . . . . . . . .

Matriz de Payo 's. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

1.1.2 Objetivos Especcos

trata-se de questes do tipo: onde se situa o mercado nanceiro na

como us-la em decises no mercado nanceiro.

ista para uso em decises no mercado nanceiro.

ativo nanceiro, fundos de investimento e ndice de bolsa de valores;

certeza e incerteza no mercado nanceiro;

o perl de tolerncia ao risco do investidor.

Qual o esporte que voc pratica?;

Voc gosta de carros esportes?.

ttulos de renda xa pblicos e privados;

de car com R$ 200,00 (duzentos reais).

diversicao da aplicao, tendo assim uma reduo do risco;