Ha Fatores Nao Economicos Na Formacao Do Preco de PDF

See
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/290511820
H Fatores No Econmicos na Formao do

Preo de Imveis?
Article February 2016

DOI: 10.1590/1982-7849rac2016140095
READS
2 authors, including:
Claudio Henrique da Silveira Barbedo

Instituto Brasileiro de Mercado de Capitais
35 PUBLICATIONS 35 CITATIONS
SEE PROFILE
All in-text references underlined in blue are linked to publications on ResearchGate, Available from: Claudio Henrique da Silveira Barbedo
letting you access and read them immediately. Retrieved on: 15 July 2016
Disponvel em
http://www.anpad.org.br/rac
RAC, Rio de Janeiro, v. 20, n. 1, art. 6,

pp. 106-130, Jan./Fev. 2016
http://dx.doi.org/10.1590/1982-7849rac2016140095
H Fatores No Econmicos na Formao do Preo de Imveis?
Are There Non-economic Factors in Real-estate Pricing?
Lincoln Brando1
Claudio Henrique Barbedo1
Faculdades IBMEC-RJ1
Artigo recebido em 24.11.2014. ltima verso recebida em 10.04.2015. Aprovado em 13.04.2015.

H Fatores No Econmicos na Formao do Preo de Imveis? 107
Resumo
O presente trabalho procura investigar a existncia de um fator explicativo para a evoluo do preo de imveis
residenciais, em particular nas cidades do Rio de Janeiro e de So Paulo. Procura-se modelar o comportamento
desses preos em funo de variveis explicativas de demanda e oferta, e avaliar em que medida variveis dos
tipos comportamentais e econmicas ajudam a explicar o movimento de preos. Os resultados sugerem que o preo
de imveis influenciado por determinantes no usuais luz da teoria econmica, como a variao do preo no
ms anterior, uma medida de expectativa, e a performance da Bolsa.
Palavras-chave: finanas comportamentais; mercado imobilirio; boom imobilirio.
Abstract
This work aims to identify the existence of explanatory factors for real-estate pricing, focusing on homes in the
Rio de Janeiro e So Paulo markets. We tried to model prices as a function of supply and demand factors, and then
proceed to evaluate to what extent adding behavioral and economic factors helps improve explanation of price
movements. The results suggest that home pricing is explained by variables not usually used in economic theory,
such as the previous months price, expectation measurement and stock exchange performance.
Key words: behavioral finance; housing market; housing bubble.
RAC, Rio de Janeiro, v. 20, n. 1, art. 6, pp. 106-130, Jan./Fev. 2016 www.anpad.org.br/rac
L. Brando, C. H. Barbedo 108
Introduo
Segundo Mayer (2011), o ciclo imobilirio global, que se iniciou em fins dos anos 90, foi o mais
impressionante de que se tem registro, por dois aspectos inditos at ento: a magnitude das altas de
preo, e a abrangncia do movimento sincronizado em diversos pases e, sobretudo, em economias
centrais.
A Figura 1, com dados compilados pelo The Economist, cobre o perodo do primeiro trimestre de
1995 ao terceiro trimestre de 2013. Observa-se o ciclo completo, com a ascenso, o pico, e a queda de
preos. Os ndices apresentados so de altas nominais para EUA, Frana, Itlia, Dinamarca, Irlanda, e
Espanha. Passados alguns anos de queda do mercado, em muitos pases, o preo real atual encontra-se
prximo ao patamar de incio da dcada de 2000.
500,0
450,0
400,0
350,0
300,0
250,0
200,0
150,0
100,0
50,0
09/94 09/99 09/04 09/09 09/14
Figura 1. ndice de Preo de Imveis em Diversos Pases

Fonte: Adaptado de The Economist. (2015, October 7). Global house prices. Recuperado de
http://www.economist.com/blogs/dailychart/2011/11/global-house-prices
No que diz respeito aos pases ditos em desenvolvimento (ou perifricos), o ciclo de alta acontece
com defasagem de 6 a 10 anos em relao s economias centrais segundo o Bank of International
Settlements (BIS). Em muitos casos, o ciclo de alta teve incio no momento em que o mercado de
imveis dos pases ricos enfrentava o incio da queda de preos (2007/2009). A Figura 2, do relatrio
de 2012 do BIS, apresenta o comparativo entre o preo deflacionado de algumas capitais de pases
latino-americanos.
210,00
190,00
170,00
150,00
130,00
110,00
90,00
70,00
50,00
03/07 03/08 03/09 03/10 03/11 03/12 03/13 03/14
Figura 2. Comparativo da Evoluo de Imveis Residenciais na Amrica Latina

Fonte: Adaptado de Bank for International Settlements. (2015, September 13). Residential property price statistics. Recuperado
de http://www.bis.org/statistics/pp.htm
exceo do Mxico, a Figura 2 aponta aumentos expressivos em um curto intervalo de tempo.

Do ponto de vista econmico, essa abrupta elevao merece destaque, dado que os imveis constituem
a maior parcela do patrimnio das famlias. Com isso, Krugman (2009) afirma que movimentos no preo
de imveis produzem efeitos significativos na economia de um pas, seja no Produto Interno Bruto, seja
no nvel de emprego da construo civil, seja no oramento ou no endividamento das famlias. Alm
disso, dada a crescente securitizao dos financiamentos, bancos tambm passaram a ficar
crescentemente expostos a oscilaes no preo de imveis.
Uma questo recorrente nos ciclos imobilirios mais agudos ao redor do mundo, e que se aplica
ao caso brasileiro, saber em que medida o movimento de preos de imveis justificado por
fundamentos econmicos. Case e Shiller (1988, 2003) so os primeiros a pesquisar se os preos dos
imveis podem ser atribudos a fatores que repousam em vieses de comportamento individual ou na
psicologia de massas. Nesse sentido, o objetivo do trabalho verificar se h um fator de natureza
comportamental ou econmico que possa ter influenciado o movimento de preos dos mercados do Rio
de Janeiro e So Paulo. A contribuio deste trabalho para a literatura verificar fatores de influncia
do preo de imveis atravs de ndices usualmente utilizados na literatura brasileira e do ndice criado
nesse trabalho, desde 1999, em relao a fundamentos econmicos, tambm denominados de racionais,
ou psicolgicos, tambm denominados de comportamentais.
Alm da presente introduo, o artigo est dividido em mais cinco sees. A prxima seo
aborda a reviso de literatura. A seguir, apresentam-se as variveis do mercado imobilirio brasileiro, a
abordagem economtrica adotada e os dados utilizados nos modelos economtricos. Por fim, os
resultados so discutidos e apresentam-se as concluses.
Reviso de Literatura
Na literatura internacional, h uma crescente sinalizao da importncia de se verificar se o

movimento de preos de imveis justificado por fundamentos econmicos ou por movimentos
comportamentais. De acordo com Goodman e Thibodeau (2008), e Antipa e Lecat (2009), a teoria
econmica bsica indica que o preo de imveis de longo prazo determinado pelo equilbrio entre, por
um lado, renda, varivel demogrfica, taxa de juros da economia, impostos e condies de crdito e, por
outro, estoque total de imveis, custo de terrenos e de construo e limitaes estruturais da oferta.
Sob o ponto de vista das Finanas Comportamentais, da mesma forma que a teoria econmica,
acredita-se que preos so determinados por fundamentos (De Bondt & Thaler, 1985). No entanto,
advoga-se a tese de que a no racionalidade no comportamento dos agentes e das caractersticas de
mercados volteis desempenham papel relevante, sobretudo, para explicar os ciclos agudos de boom
(elevao) e bust (estouro) do preo. Glaeser, Gyourko e Saiz (2008) argumentam que o mercado
imobilirio tem caractersticas de mercados volteis. Nesse tipo de mercado, preos frequentemente
podem divergir dos fundamentos, dado os elevados custos de transao, a baixa participao de
instrumentos derivativos para prover seguros contra quedas, e as dificlimas oportunidades de
arbitragem. Glaeser e Gyourko (2006) apontam outros fatos estilizados sobre o mercado de imveis,
como o fato de as taxas de variao do preo serem serialmente correlacionadas (a formao de
expectativas de preo futuro d-se com o preo passado recente) e o fato de existir tendncia de reverso
mdia aps perodos mais longos. Essas caractersticas sugerem fortemente o uso de variveis
comportamentais nas abordagens economtricas.
Mayer e Sinai (2007) avaliam o peso relativo de fundamentos econmicos e psicolgicos para
explicar a dinmica de preos nos EUA. Os autores avaliam o impacto de dois componentes
comportamentais desenvolvidos pela literatura: o backward looking, ou seja, a elevada autocorrelao
do preo de imveis, justificada pela ideia de que, em ciclos de alta, a expectativa de crescimento do
preo baseia-se no crescimento anterior, e a iluso monetria, ou seja, o conceito de que os agentes, em
um cenrio de queda de inflao, acessam o crdito para adquirir imveis estimulados pela reduo nas
taxas de juros nominais, mas deixam de considerar o efeito futuro de reduo de aluguis em suas
avaliaes. Hott (2012) pesquisa a possibilidade do efeito manada explicar os desvios de preo de
imveis em relao a seus fundamentos. Os resultados indicam uma fora explicativa significativa para
alguns pases, mas pouco relevante em outros. Hwang e Quigley (2006) verificam que preos de sua
amostra esto relacionados apenas a variveis econmicas e so positivamente correlacionados a renda
e ao produto, alm de negativamente correlacionados a taxa de juros. No Brasil, ainda no h literatura
especfica sobre fatores comportamentais e boa parte das pesquisas tenta identificar as variveis
econmicas que se relacionam ao preo. Nesse sentido, Carvalho (2012) afirma que, desde novembro
de 2010, h um descolamento entre preo do metro quadrado e retorno de aluguel na cidade de So
Paulo. Mendona e Sachsida (2012) montam uma regresso do preo de imveis em funo do aluguel,
da expectativa de preo futuro (proxy do ganho de capital) e da taxa de juros. Os autores concluem que
h indcios de bolha imobiliria no Brasil, mas que os efeitos de um possvel estouro seriam de impacto
menor do que o ocorrido nos EUA e em alguns pases europeus. Maral, Gala e Mori (2012) testam a
presena de bolha e afirmam que, embora no possa ser totalmente descartada, a hiptese mais provvel
que o aumento dos preos de imveis pode ter sido ocasionado por fatores normais ligados a excesso
de demanda por imveis. Oliveira e Almeida (2014) empregam testes de cointegrao a partir de Case
e Shiller (1988) para verificar desvios em relaes de cointegrao de variveis. O objetivo dos autores
analisar o comportamento explosivo dos mltiplos Preo-Renda e Preo-Aluguel nos mercados
imobilirios de Rio de Janeiro e So Paulo. Os autores concluem que a metodologia indica a existncia
de bolhas de preos nos dois mercados mais importantes do pas.
Variveis do Mercado Imobilirio Brasileiro
Dentre os argumentos dos que defendem que a subida dos preos no mercado imobilirio nos
trouxe a um novo paradigma de preos, com suficientes elementos estruturais para se manter, destaca-
se o crescimento de renda e melhorias nas condies de crdito responder pelo aumento de capacidade
de compra na demanda; o descompasso entre oferta e demanda; limitaes de espao nas reas nobres;
e o retorno do aluguel em linha com o patamar da taxa de juros referncia da economia. Dentre os
argumentos que apontam sintomas de desequilbrio no comportamento do preo, a agncia

classificadora de risco Fitch Ratings (2012) aponta o fato dos preos dos imveis crescerem bem acima
da renda mdia e a existncia de demanda por investidores nacionais e estrangeiros para auferir ganho
de capital por conta dos megaeventos sediados no Brasil. Portanto, este conceito de boom imobilirio
pode ser caracterizado por variveis, como volume de lanamentos, crdito e, de forma mais sensvel,
pela evoluo do preo por metro quadrado.
O comportamento do preo, na segunda metade da dcada de 2000, vem sendo a caracterstica

mais destacada do boom imobilirio brasileiro, porm h uma forte limitao para obteno de uma
srie histrica longa de preos de imveis no Brasil. Para reverter esta situao, desde janeiro de 2008,
a Fundao Instituto de Pesquisas Econmicas (FIPE), em parceria com o portal de anncios ZAP
Imveis, passou a medir a evoluo dos preos anunciados de venda nas cidades do Rio de Janeiro e de
So Paulo. Mais tarde, outras capitais importantes foram adicionadas. Essa medida de preos, malgrado
no espelhar adequadamente o preo em que efetivamente os negcios so fechados, uma mtrica
importante no mercado.
A Figura 3 mostra a significativa elevao dos preos de imveis anunciados para So Paulo e
Rio, medidos em Reais nominais, em relao a diversos ndices. O preo dos imveis em So Paulo e
Rio chegam, a maro de 2014, com uma alta acumulada de 249,8% e 201,3%, respectivamente, o que
pode sinalizar um indcio de desajustes nesse mercado. O cotejo da evoluo dos preos de imveis com
a curva de custos de construo (ndice Nacional de Custo da Construo [INCC]) mostra descolamentos
de magnitude elevada, com os preos subindo, em termos reais, algo entre 200% e 250% em 6 anos,
enquanto o indicador dos custos setoriais (INCC) subiu apenas 61%, no mesmo perodo. No que diz
respeito anlise preo e renda, a magnitude do gap ainda mais impressionante: a renda real per capita
subiu 18% no perodo um crescimento robusto para o perodo de 6 anos, mas bastante inferior
evoluo dos preos de imveis.
400
350
300
250
200
150
100
50
jan/2008 jan/2009 jan/2010 jan/2011 jan/2012 jan/2013 jan/2014
Figura 3. Evoluo do FIPE-ZAP versus Diversos ndices
O Banco Central do Brasil divulga, desde 2001, um ndice que vem sendo adotado como proxy
para se medir a evoluo dos preos de imveis. Trata-se do ndice de variao de garantias (IVG-R),
que mede os valores de garantias (o prprio imvel) dadas aos bancos para a tomada do financiamento
imobilirio. A Figura 4 compara a evoluo do IVG-R, medido a partir de maro de 2001, com outros
indicadores.
800
700
600
500
400
300
200
100
0
mar/2010
mar/2001
mar/2002
mar/2003
mar/2004
mar/2005
mar/2006
mar/2007
mar/2008
mar/2009
mar/2011
mar/2012
mar/2013
mar/2014
set/2001
set/2002
set/2003
set/2004
set/2005
set/2006
set/2007
set/2008
set/2009
set/2010
set/2011
set/2012
set/2013
Figura 4. Evoluo do IVG-R versus Diversos ndices
O IVG-R alinha-se aos indicadores Fipe-ZAP para as duas cidades, a partir de 2008. Expandindo-
se o horizonte de anlise at o ano 2001 (incio da srie IVG-R), confirma-se a sugesto de que um
movimento agudo de elevao de preos surgiu na segunda metade da dcada passada, por volta de
2008. O avano real acumulado da renda per capta das pessoas ocupadas para o perodo (srie com
incio 2002) foi da ordem de 18%. O aumento do IVG-R, deflacionado pelo ndice Nacional de Preos
ao Consumidor Amplo (IPCA), para o perodo da ordem de 309%. Explicar o aumento dos preos de
imveis apenas pela tica da renda claramente insuficiente.
Por fim, no intuito de buscar dados de preos mais antigos, compila-se um ndice composto de
preos de imveis do Rio de Janeiro a partir de dados publicados no caderno Morar Bem, do Jornal O
Globo (1998-2014). Essas informaes disponibilizadas pelo Jornal tm como fonte os anncios de
imveis dos classificados e dados do Sindicato da Habitao do Rio de Janeiro (SECOVI-RJ)(1). No
intuito de suavizar a srie, toma-se a mdia mvel de 3 meses, a valores nominais, com data de incio
em janeiro de 1999. Na Figura 5, a srie ndice Composto Globo (linha tracejada) comparada a outras
sries de preos.
900
800
700
600
500
400
300
200
100
0
01/99
07/99
01/00
07/00
01/01
07/01
01/02
07/02
01/03
07/03
01/04
07/04
01/05
07/05
01/06
07/06
01/07
07/07
01/08
07/08
01/09
07/09
01/10
07/10
01/11
07/11
01/12
07/12
01/13
07/13
01/14
Figura 5. Evoluo do ndice Composto Globo versus Diversos ndices
A aderncia do ndice Composto Globo ao Fipe-ZAP RJ, a partir de 2008, sugere a consistncia
daquela srie montada a partir de informaes do jornal. Com isso, pode-se dividir o perodo analisado,
de 1999 a 2014, em 3 partes. Na 1 parte, de 1999 a 2003, o preo de imveis do Rio de Janeiro caminha
acima da inflao, tendo acumulado uma alta de 60 pontos percentuais acima do IPCA, em dezembro
de 2003. Na 2 parte, de 2004 a 2007, os preos se estabilizam e chegam a perder para a inflao do
perodo. A alta acumulada, em dezembro de 2007, desde o incio da srie (1999), chega a 34% acima
do IPCA. Na ltima parte, ocorreu o impressionante ciclo de alta de preos. Esse ciclo, de 2008 at
2014, marcado por uma acelerao inicial no incio de 2008, seguida por um estgio de acelerao
aguda, a partir de 2009/2010.
Sob a tica do crdito, medido pelos contratos firmados com recursos do Fundo de Garantia do
Tempo de Servio (FGTS) e da poupana e livres (Sistema Brasileiro de Poupana e Emprstimo
[SBPE]), pode-se constatar que o movimento de financiamento de aquisio de imveis na dcada
passada supera em larga medida todo o registro ps 1995. A Figura 6 apresenta a quantidade de unidades
imobilirias financiadas (contratadas) anualmente desde 1994(2).
1000000
900000
800000
700000
600000
500000
400000
300000
200000
100000
0
Figura 6. Unidades Contratadas Financiamento Imobilirio (Anual)
A evoluo dos lanamentos nas 2 principais cidades do pas, na Figura 7, sugerem situaes
diferentes(3). Com dados da cidade do Rio de Janeiro apenas a partir de 1994 (Associao de Dirigentes
de Empresas do Mercado Imobilirio [ADEMI-RJ], n.d.), verifica-se um comportamento mais agudo do
crescimento no volume de unidades residenciais lanadas, a partir de meados dos anos 2000. A curva
de So Paulo, ainda que indique um patamar elevado de lanamentos a partir de 2007, apresenta
crescimento menor do que os do Rio de Janeiro.
45000
40000
35000
30000
25000
20000
15000
10000
5000
0
Figura 7. Lanamentos Residenciais RJ e SP (Anual)
Apesar da relao emprica entre essas variveis e o preo, a discusso acerca dos determinantes
do preo de imveis e de suas relaes entre si no pacfica. De acordo com Abelson, Joyeux,
Milunovich e Chung (2005), a teoria econmica indica que o preo de imveis no longo prazo
determinado por: (a) Renda; (b) Demografia; e (c) Elementos que compem o chamado User Cost
(custos de manuteno/depreciao, taxa de juros, expectativa de valorizao do imvel). Mas essa
abordagem bsica deixa de fora as interrelaes entre o preo e os fatores de oferta. Gallin (2008)
encontra evidncias, com base em estudos economtricos com dados do mercado americano de 1970-
2003, em que desvios na relao histrica Preo/Aluguel tendem a ser corrigidos mas com uma
defasagem longa, de 4 anos. O sentido mais provvel para a correo, de acordo com modelo de longo
prazo, que os preos recuem para reequilibrar a relao com aluguel e no o contrrio, que alugueis
subam o suficiente para restabelecer a relao Preo/Aluguel histrica. O uso mais sistematizado de
ferramentas de finanas comportamentais aplicadas ao mercado de imveis ganha relevncia com Case
e Shiller (1988), que notam o aspecto marcadamente autocorrelacionado do comportamento do preo de
imveis e sugerem contradio com a suposio de mercados eficientes.
Metodologia e Dados
Considerando a falta de consenso na literatura sobre modelo ou equao de relao de preo de

imveis, (Mayer & Sinai, 2007). a metodologia seguir duas abordagens.
Na primeira abordagem, utiliza-se uma regresso multivariada, tendo preo de imveis (ou
retorno) como varivel dependente, e um conjunto de determinantes dado por fatores de demanda,
fatores de oferta e fatores gerais. Os fatores de demanda estudados so: renda ou produto; condies do
financiamento imobilirio; populao ou outras variveis demogrficas e taxa de desemprego. Os fatores
de oferta so: estoque de imveis; quantidade de lanamentos; custos de construo e indicadores do

nvel de atividade da indstria de construo civil. Por fim, os fatores gerais so: IPCA e Taxa de juros
da economia.
A regresso multivariada permite flexibilidade de especificao e simplicidade nas interpretaes

dos coeficientes. Entretanto, inferncias adequadas sobre relaes de causalidade entre as variveis
demandam o pressuposto da exogeneidade dos regressores, ou seja, a premissa de no correlao entre
as variveis explicativas e o termo de erro aleatrio. A no verificao desse pressuposto determinada,
sobretudo, por variveis omitidas. Para fazer face a esse problema, inserimos diferentes variveis para
medir o componente comportamental, lags dessas variveis e variveis de controle regresso base, no
intuito de aferir sua significncia e a consistncia do modelo.
Na segunda abordagem, adota-se um Modelo de Correo de Erros (MCE) em 2 estgios.

Primeiramente, deriva-se uma equao de longo prazo que capture os determinantes mais essenciais do
preo no longo prazo. A seguir, monta-se a equao de curto prazo em diferenas, com o termo de
correo de erro (que o resduo da regresso de longo prazo com 1 defasagem), um termo com
informao autoregressiva e ajustes parciais a fundamentos. Da mesma forma que na regresso
multivariada, variveis para medir componentes comportamentais sero adicionadas equao de curto
prazo para se medir sua significncia.
Base de dados
A pesquisa de sries temporais mais longas para as variveis do mercado imobilirio mostra-se
um desafio no Brasil. Alm da ausncia generalizada dessas sries, as barreiras encontradas so desde
descontinuidade metodolgica, frequncia insuficiente (dados anuais apenas), at abrangncia
geogrfica inadequada.
No obstante, busca-se obter as sries mais longas possveis. Nos dados gerais da economia, as
sries foram obtidas no Instituto Brasileiro de Geografia e Estatstica (IBGE), no Instituto de Pesquisa
Econmica Aplicada (IPEA), na Fundao Getulio Vargas (FGV) e no Banco Central do Brasil
(BACEN), e, nos dados do mercado imobilirio, na ADEMI-RJ, no SECOVI-SP, na Associao
Brasileira das Entidades de Crdito Imobilirio e Poupana (ABECIP) e na Cmara Brasileira da
Indstria da Construo (CBIC).
Dados gerais
As fontes das sries de preos no Rio e em So Paulo so o FIPE-ZAP de 2008 a abril de 2014,
e, no Brasil, o IVG-R (BACEN) de 2001 a abril de 2014. Ainda no Rio de Janeiro, o caderno Morar
Bem, do Jornal O Globo, de 1999 a abril de 2014(4). As sries de renda e populao so do IBGE, as
sries dos ndices de preos (INCC e IPCA) so da FGV, as sries de crdito (unidades residenciais
financiadas e contratadas, volume total (R$) de operaes de financiamento imobilirio e prazo mdio
do financiamento) so da ABECIP e do Banco Central, as sries de liquidez so do Banco Central, a
srie de ofertas (unidades lanadas, nvel de atividade da construo civil Brasil, ndice de vendas de
material de construo civil e PIB construo civil) so do IBGE e as sries macroeconmicas (Produto
Interno Bruto Brasil, Rio e So Paulo, Sistema Especial de Liquidao e de Custdia [SELIC] e taxa de
desemprego) so do IBGE e do Banco Central(5).
Modelagem do componente comportamental
Mayer e Sinai (2007) sugerem algumas abordagens para medir efeitos ad hoc em regresses. Em
geral, aps se estimar o modelo da equao base, adicionam-se variveis para testar a significncia do
coeficiente estimado e o ajuste do novo modelo. A descrio das variveis selecionadas encontra-se a
seguir:
Medida de backwards looking (expectativas adaptativas) sabido que backwards looking

(autocorrelao) pode no significar irracionalidade. No entanto, indcio de fator comportamental na
gerao de expectativas dos agentes. O preo de imveis tem caracterstica inercial forte, e h indcios
de que os agentes formem expectativas com base no preo passado, em detrimento das condies
econmicas prospectivas.
Pode ser medido com a adio de 1 lag da varivel dependente ao modelo de regresso.
ndices de confiana do consumidor Fornecem uma medida geral de expectativa de

consumidores quanto ao futuro da economia, e de suas finanas pessoais e familiares, de modo geral.
Esse indicador pode capturar o nimo dos compradores, no intuito de buscar correlaes dessa medida
com comportamento do preo de imveis. As 3 sries selecionadas so o ndice de Confiana do
Consumidor (ICC-FGV), medido pela FGV para o Brasil, o ndice nacional de expectativas do
consumidor (INEC), medido pela Confederao Nacional das Indstrias (CNI) para o conjunto de
regies metropolitanas do Brasil e o ndice de Expectativas do Consumidor (IEC), medido pela
Fecomrcio-SP para a regio metropolitana de So Paulo.
IBOVESPA A inteno medir um possvel efeito substituio entre bolsa de valores e mercado
de imveis. Esse comportamento no denota necessariamente um fator comportamental, mas, conforme
Shiller (2007), um potencial indicador de entusiasmo com o investimento imobilirio.
Dummies de Inovaes Inovaes institucionais podem produzir pontos de rupturas em sries

histricas. A inteno medir o efeito produzido por eventos como a ampliao do limite do FGTS para
enquadramento de financiamento; o advento das leis do inquilinato, alienao fiduciria e incorporao
imobiliria; o lanamento do programa de incentivo construo voltada baixa renda (Programa
Minha Casa Minha Vida). Novamente, no se trata aqui de medir efeito comportamental strictu sensu,
mas uma medida para justificar a euforia excessiva de compradores.
Dummies comportamentais Adicionam-se dummies para medir o impacto de: (a) realizao da
Copa do Mundo; (b) realizao dos Jogos Olmpicos; (c) lanamento das UPPs no RJ; e (d) efeito das
matrias de capa da revista The Economist com o Cristo Redentor. A data de incio desta ltima dummy
agosto de 2009, ms da capa da revista The Economist que retrata o Cristo Redentor levantando voo,
como se um foguete fosse. A data fim julho de 2011, ms em que o Financial Times publica uma
matria especial com a manchete: Brasil, uma bicicleta difcil de pedalar.
Resultados
So testadas especificaes bsicas para as 4 variveis dependentes, a saber: preos FIPE-ZAP

RJ (mensal, a partir de jan/2008); preos FIPE-ZAP SP (mensal, a partir de jan/2008); preos IVG-R
(mensal, a partir de maro de 2001); e preos Jornal O Globo para Rio de Janeiro (mensal, a partir de
jan/1999).
Regresso FIPE-ZAP para o Rio de Janeiro
Inicialmente, aplica-se o teste de Raiz Unitria Dick-Fuller Aumentado (ADF) para se identificar
a ordem de integrao das variveis. O teste de cointegrao da varivel preo com as variveis
explicativas resulta na verificao de no relao de cointegrao de longo prazo. Em outras palavras,
os fundamentos do preo (medidos sob diversos prismas na seleo de variveis independentes) no
parecem explicar o comportamento de longo prazo do preo. A seguir, aplica-se a transformao de
logaritmo a todas as variveis em nvel ou em formato ndice. Em seguida, aplica-se o operador de 1
diferena para se obter sries estacionrias, nos casos de cointegrao de ordem 1.
A Tabela 1 apresenta o resultado do modelo base que mede efeitos contemporneos no preo em
1 diferena (com estatsticas t ajustadas pelo procedimento HAC Newey-West):
Tabela 1
Regresso FIPE-ZAP RJ em Diferenas
Varivel Independente Coeficiente Erro Padro t-Stat P-valor

DLM3_SPIB -0,569* 0,2096 -2,7171 0,0085
DLM3_REAL 0,667* 0,2441 2,7314 0,0082
DLIPCA -1,276 0,7045 -1,8117 0,0749
DLALUG 0,309* 0,0658 4,6880 0,0000
_LSELIC 0,016** 0,0070 2,3340 0,0229
DLCAMB -0,043 0,0279 -1,5274 0,1317
_LLANC_SA 0,002** 0,0009 2,0034 0,0495
C -0,043 0,0218 -1,9658 0,0538
@TREND 0,000 0,0001 1,5882 0,1173
R2 ajustado 0,38
Nota. A varivel dependente o Dif-Log do preo real de imveis FIPE-ZAP RJ. As estatsticas t so ajustadas segundo o
procedimento HAC Newey-West.
(*) indica significncia a 1%, (**) indicam significncia a 5%.
Apesar de um poder explicativo, medido pelo R2, baixo, as variveis apresentam efeito
significativo na variao do preo, exceo do IPCA e da taxa de cmbio(6). Os resultados confirmam
a expectativa de que uma ampliao da liquidez (DLM3_REAL) tenha o efeito de elevar o preo de
imveis. O M3 mede a liquidez geral da economia. A ampliao na oferta de crdito vem sendo o
principal motor do aumento do M3. Entretanto, a relao M3/PIB (DLM3_SPIB) apresenta sinal inverso
ao esperado. O preo do aluguel (DLALUG) confirma a hiptese econmica, de que diretamente
proporcional ao preo do imvel, tudo o mais constante. O sinal do coeficiente da SELIC (_LSELIC)
obtido no confirma a teoria econmica, de que um aumento nas taxas de juros produz reduo no preo
de imveis. Isso pode ter ocorrido em razo de: (a) defasagem temporal nos efeitos, (b) janela de tempo
insuficiente para uma adequada estimao. A quantidade de lanamentos no ms (_LLANC_SA)
apresenta sinal contrrio ao esperado, pois um aumento na oferta levaria a um decrscimo no preo.
Entretanto, como o preo mdio dos anncios largamente determinado pelo estoque existente de
imveis (e no pelo pequeno acrscimo mensal ao estoque), essa varivel pode no ser adequada para
se fazer esse tipo de inferncia.
A taxa de cmbio (DLCAMB) confirma a teoria econmica, ou seja, a elevao do preo do dlar
tende a elevar o preo dos imveis em reais, e o sinal do IPCA (DLIPCA) negativo e justificado na
teoria econmica por 2 linhas de argumentao em favor de um efeito negativo do ndice de preos
gerais em imveis. Acredita-se que o aumento do ndice geral de preos tenha o efeito de reduzir o preo
de imveis, na medida em que o encarecimento do preo dos demais produtos poderia reduzir a
disponibilidade de recursos para compra de imveis. Uma outra linha de raciocnio que um aumento
na taxa de inflao tem o condo, no curto prazo, de reduzir o valor real do imvel (supondo-se um
atraso no ajuste dos preos nominais).
Como concluso, os sinais dos coeficientes confirmam o que normalmente esperado, luz da
teoria econmica, para 4 variveis independentes (Preo do aluguel, IPCA, Taxa de cmbio, M3 real).
Apesar da literatura apontar a renda como uma das variveis fundamentais mais importantes para
explicar o preo de imveis, essa varivel no apresenta coeficiente significativo em seu efeito
contemporneo no preo.
Dentro do grau de liberdade que as regresses mltiplas permitem, passa-se ento a testar lags
das variveis explicativas. Nesse contexto, busca-se reintroduzir variveis que haviam sido descartadas
na etapa anterior (agora, tomando-se lags), bem como reposicionar variveis j utilizadas, mas, desta
vez, com lags. A varivel renda foi introduzida, e mostra a melhor performance no nono lag (com p-
valor = 5,5%). O novo modelo ajustado encontra-se na Tabela 2.
Tabela 2
Regresso FIPE-ZAP RJ em Diferenas com Lags

DLALUG 0,277* 0,0778 3,5586 0,0008
DLIPCA -1,088* 0,4015 -2,7090 0,0089
DLM3_SPIB -0,563* 0,1114 -5,0570 0,0000
DLM3_REAL 0,868* 0,1708 5,0800 0,0000
C 0,103* 0,0225 4,5528 0,0000
_LSELIC(-10) -0,015* 0,0041 -3,6113 0,0007
LVENDACC_SA(-9) -0,012* 0,0033 -3,5001 0,0009
DLDESEMP_SA(-5) -0,058* 0,0138 -4,2299 0,0001
DLRENDA(-9) 0,068 0,0348 1,9643 0,0545
R2 ajustado 0,64
(*) indica significncia a 1%, (**) indica significncia a 5%.
Nesse novo arranjo, a varivel que media a quantidade de lanamentos no RJ perdeu relevncia.
O ajuste do modelo medido pelo R2 de 64%. Vendas de material de construo civil
(LVENDACC_SA) a primeira varivel introduzida em lag e que no estava no modelo anterior. Essa
varivel uma proxy para o grau de aquecimento da indstria e uma sinalizao de aquecimento futuro
dos lanamentos, aparecendo com efeito significativo em seu 9 lag, com o sinal de acordo com o
esperado (aumento da oferta tende a reduzir preo). A taxa de desemprego (DLDESEMP_SA) a
segunda varivel que aparece com poder de prever alteraes na variao do preo real de imveis com
5 meses de antecedncia. O sinal o esperado, pois aumento do desemprego reduz a demanda, o que
leva a, tudo o mais constante, a uma reduo no preo de imveis. Por fim, a renda a ltima varivel
que aparece nesse modelo. O aumento de renda produz efeito marginalmente significativo e positivo na
variao do preo 9 meses frente.
A existncia de lags da varivel dependente com significncia estatstica pode ser encarado como
indcio de um vis comportamental conhecido como backwards looking. Basicamente, significa os
formadores de preo valerem-se do preo passado para precificar o preo futuro, a despeito da Teoria
Econmica Clssica (o preo do ativo depende apenas da perspectiva de gerao futura de fluxo de
caixa). Introduzindo-se o 1 lag do preo de imveis, chega-se ao resultado da Tabela 3.
Tabela 3
Regresso FIPE-ZAP RJ em Diferenas com 1 Defasagem da Varivel Dependente

DLALUG 0,093 0,0602 1,5487 0,1272
DLIPCA -0,539** 0,2619 -2,0590 0,0442
DLM3_SPIB -0,144 0,1096 -1,3098 0,1957
DLM3_REAL 0,163 0,1244 1,3129 0,1947
C 0,035* 0,0123 2,8734 0,0058
_LSELIC(-10) -0,004 0,0026 -1,6907 0,0966
LVENDACC_SA(-9) -0,004** 0,0017 -2,5504 0,0136
DLDESEMP_SA(-5) -0,011 0,0119 -0,9648 0,3388
DLRENDA(-9) -0,001 0,0181 -0,0371 0,9705
DLPRICE_REAL(-1) 0,757* 0,0846 8,9404 0,0000
R2 ajustado 0,88
O efeito do 1 lag da varivel dependente no modelo ampliar o R2 para 88%, e reduzir a

significncia de diversas outras variveis explicativas. Pode-se concluir, pelo magnitude do coeficiente,
que o preo do perodo anterior (DLPRICE_REAL) influencia enormemente a varivel dependente e
que a contribuio de todas as variveis explicativas torna-se insignificante ( exceo do IPCA e da
venda de material de construo civil no Rio de Janeiro no 9 lag).
A seguir, adotam-se duas sries contendo ndices que medem a confiana do consumidor: INEC
(ndice Nacional de Expectativas do Consumidor, medido pela CNI) e o ICC-FGV (ndice de Confiana
do Consumidor). Ambos contm informaes agregadas para o pas como um todo. Os resultados
indicam que o INEC no apresenta efeito significativo e que o ICC-FGV apresenta efeito marginalmente
significativo (apenas a 10%) em seu 11 lag.
A introduo do ndice Bovespa mensal resulta em efeito significativo em seu 8 lag. Em outras
palavras, a variao mensal do IBOVESPA tem fora explicativa sobre a variao do preo de 8 meses
frente. Alm disso, adota-se dummies para teste do modelo bsico. A dummy que mede o entusiasmo
internacional com o Brasil apresenta o melhor desempenho: mostra significncia elevada, com um t-stat
de 6,8. Com isso, o R2 da regresso passa de 37% para 73%. Uma explicao possvel, e, considerando
efeitos causais anteriores, a de que o lanamento do Programa Minha Casa Minha Vida, em maro de
2009, e o aumento do limite para uso do FGTS para R$ 500 mil, em maro de 2009, contribuem de
forma defasada para o ciclo de elevao dos preos.
Regresso FIPE-ZAP para So Paulo
A Tabela 4 apresenta o modelo base para o preo real em So Paulo.
Tabela 4
Regresso FIPE-ZAP SP em Diferenas

DLM3_REAL 0,315* 0,0800 3,9326 0,0002
DLM3_SPIB -0,180* 0,0722 -2,4972 0,0150
DLCAMB -0,018 0,0122 -1,4692 0,1465
_LSELIC 0,007 0,0046 1,5045 0,1371
DLIPCA 0,457** 0,2149 2,1288 0,0370
C -0,001 0,0114 -0,1047 0,9169
@TREND 0,000** 0,0000 -2,1545 0,0348
R2 ajustado 0,49
Nota. A varivel dependente o Dif-Log do preo real de imveis FIPE-ZAP SP. As estatsticas t so ajustadas segundo o
Observa-se que 3 variveis do modelo do RJ no apresentam resultado relevante para SP

(lanamentos mensais, SELIC e ndice de aluguel FIPE-ZAP). Apesar disso, os sinais dos coeficientes
so idnticos aos observados no modelo do RJ, exceo do IPCA, que aparece aqui com sinal positivo.
A incluso de lags de outras variveis explicativas resulta no modelo da Tabela 5. Neste caso, a nica
alterao significativa a incluso da SELIC em seu 11 lag, com coeficiente significativo e sinal
conforme esperado.
Tabela 5
Regresso FIPE-ZAP SP em Diferenas com Lags

DLM3_REAL 0,274* 0,0763 3,5850 0,0007
DLM3_SPIB -0,121** 0,0504 -2,4020 0,0195
DLIPCA 0,572* 0,1957 2,9218 0,0050
C 0,035* 0,0070 4,9012 0,0000
@TREND 0,000* 0,0000 -7,1626 0,0000
_LSELIC(-11) -0,006** 0,0025 -2,4531 0,0172
R2 ajustado 0,58
Introduzindo-se o 1 lag do preo de imveis na especificao base em lags, chega-se ao resultado

da Tabela 6.
Tabela 6
Regresso FIPE-ZAP SP em Diferenas e Varivel Dependente com 1 Defasagem

DLM3_REAL 0,165* 0,0443 3,7190 0,0004
DLM3_SPIB -0,100** 0,0398 -2,5220 0,0141
DLCAMB -0,008 0,0079 -1,0804 0,2840
_LSELIC 0,002 0,0019 1,0256 0,3089
DLIPCA 0,316** 0,1242 2,5425 0,0134
C 0,001 0,0049 0,1279 0,8986
@TREND 0,000** 0,0000 -2,4019 0,0192
DLPRECO_SP(-1) 0,617* 0,0861 7,1730 0,0000
R2 ajustado 0,76
A exemplo do que ocorreu no modelo do RJ, a incluso de uma defasagem da varivel dependente
tende a reduzir a significncia das variveis explicativas do modelo e aumentar significativamente o R2.
Alm dos 2 ndices que medem a confiana do consumidor utilizados no modelo do RJ, adota-se um
indicador especfico para Regio Metropolitana de SP, o IEC, medido pela Fecomrcio-SP. Este ltimo
o nico que mostra significncia a 1% em seu 10 lag. A introduo do ndice Bovespa resulta em
efeito positivo e significativo em seu 1 lag, mas sem magnitude e relevncia no R2.
A exemplo do modelo do RJ, a introduo da dummy que mede o entusiasmo internacional com
o Brasil mostra significncia a 1% com alterao no R2 de 49% para 63%. Como o comportamento do
preo em SP, medido pelo FIPE-ZAP, foi menos explosivo do que no Rio de Janeiro, esperado que as
dummies comportamentais produzam efeito menor sobre o resultado geral da regresso.
Regresso IVG-R
Inicialmente, constata-se que as sries de interesse so integradas de ordem 1. A Tabela 7

apresenta o modelo de cointegrao da srie.
Tabela 7
Regresso IVG-R em Nvel (Varivel Dependente: Preo de Imveis em Logaritmo)

LM3 0,663* 0,0199 33,3163 0,0000
LRENDA_BR 2,403* 0,1784 13,4661 0,0000
LVOL_CC_SA 0,355** 0,1584 2,2438 0,0263
CAMBIO 0,089 0,0475 1,8786 0,0622
C -24,146* 1,7679 -13,6580 0,0000
R2 ajustado 0,98
Nota. A varivel dependente o Log do IVG-R deflacionado pelo IPCA. As estatsticas t so ajustadas segundo o procedimento
HAC Newey-West.
Os resduos da regresso so estacionrios, o que indica a possibilidade da regresso representar

uma relao de cointegrao entre srie integradas de 1 ordem. O M3 real dessazonalizado (LM3) o
principal fator explicativo do modelo com sinal correspondente ao que se espera pela teoria econmica.
A renda real (LRENDA_BR) tambm se mostra significativa e com o sinal esperado. O volume da
produo da indstria de construo civil (LVOL_CC_SA), que tenderia a ampliar a oferta e com isso
baixar o preo, aparece com o sinal contrrio ao esperado, e o cmbio apresenta significncia apenas
marginal. Verifica-se ainda, a presena de vetores de cointegrao por meio do teste de Engle-Granger,
que acusa a presena de relao de cointegrao tendo o preo IVG-R como varivel dependente, e
Johansen, que acusa a presena de 2 vetores de cointegrao. Por fim, constata-se a estacionariedade
dos resduos da regresso das variveis em nvel, pr-condio para que exista uma relao de
cointegrao.
Por conta desses resultados, aplica-se a metodologia dos modelos de correo de erros, que
consiste em extrair a relao de longo prazo entre as variveis de interesse (em nvel) e montar a equao
de curto prazo de diferenas da variveis dependentes em funo de diferenas defasadas dela mesma
(e das variveis independentes) e um termo de correo de erro (o resduo com 1 defasagem da regresso
de cointegrao). A Tabela 8 apresenta os resultados.
Tabela 8
Regresso IVG-R em Modelo de Correo de Erro (Varivel Dependente: IVG-R Deflacionado

em Dif-Log)

DLP_IVG_REAL(-1) 0,813* 0,0562 14,4655 0,0000
DLP_IVG_REAL(-2) 0,124** 0,0611 2,0218 0,0450
ECT(-1) -0,005 0,0032 -1,6995 0,0913
C 0,001 0,0004 1,6672 0,0976
DLRENDA_BR(-1) -0,047 0,0250 -1,8694 0,0636
DCAMBIO(-2) -0,014* 0,0039 -3,6159 0,0004
DCAMBIO(-1) -0,004 0,0028 -1,3645 0,1745
R2 ajustado 0,90
Nota. A varivel dependente o Dif-Log do IVG-R deflacionado pelo IPCA. As estatsticas t so ajustadas segundo o
Testam-se os efeitos de diferenas at 2 lags, at se obter o melhor desempenho para o termo de

correo de erros (ECT). Nota-se que o movimento de curto prazo do preo possui caractersticas de
fortemente autocorrelacionado, influenciado negativamente por uma variao de renda no perodo
anterior (contrrio a intuio econmica), influenciado negativamente por uma variao da taxa de
cmbio de 2 perodos anteriores e componente de ajuste a fundamentos de longo prazo (ECT) com baixa
significncia, o que sugere um comportamento de evoluo de preos potencialmente descolado de
fundamentos.
A srie do INEC, com data base em janeiro de 2001, utilizada na regresso de curto prazo do
modelo de correo de erros e mostra-se significativa positiva sobre a variao do preo em seu 6 lag.
O ndice Bovespa resulta em efeito significativo em seu 2 lag e sugere o efeito substituio mencionado
em Agnello e Schuknecht (2011) sobre o mercado imobilirio nos EUA e na Europa. O aumento no
preo por imveis precedido por uma queda no mercado de capitais. Por fim, a introduo das dummies
na equao de curto prazo do modelo de correo de erros no indica efeito significativo. Esse resultado
sugere que, em razo da dominncia do poder explicativo do 1 lag do preo em diferenas, a fora
explicativa de variveis adicionadas ao modelo fica eclipsada.
Passa-se ento ao modelo de longo prazo com duas dummies. A primeira a dummy relacionada
a inovaes: (a) lei patrimnio de afetao e alienao fiduciria em agosto de 2008; (b) resoluo CMN
elevando volume de recursos direcionados ao crdito habitacional de abril de 2005; e (c) resoluo
BACEN ampliando recursos disponveis ao crdito imobilirio de fevereiro de 2006. A segunda a
dummy de condies de financiamento: (a) ampliao do prazo mximo de financiamento de 20 para 30
anos de setembro de 2007; e (b) aumentos do valor referncia para uso do FGTS, em maro de 2009, de
R$ 350 mil para R$ 500mil, e em setembro de 2013, para R$ 750 mil.
A performance dessas novas dummies, juntamente com a dummy que mede o entusiasmo
internacional com o Brasil (D_hype), apresenta resultados significativos, conforme Tabela 9.
Tabela 9
Regresso IVG-R em Nvel com Dummies (Varivel Dependente: IVG-R Deflacionado em Log)

LM3 0,800* 0,0327 24,4959 0,0000
LRENDA_BR 1,702* 0,0838 20,3248 0,0000
LVOL_CC_SA 0,196** 0,0823 2,3769 0,0187
CAMBIO -0,054* 0,0114 -4,6905 0,0000
C -19,627* 0,8394 -23,3827 0,0000
D_HYPE 0,060* 0,0193 3,1145 0,0022
D_INSTITUCIONAL -0,117* 0,0100 -11,6637 0,0000
D_FGTS_LIMITE 0,058** 0,0256 2,2795 0,0241
D_PRAZO_30ANOS 0,044 0,0228 1,9225 0,0565
R2 ajustado 0,99
Nota. A varivel dependente o Log do IVG-R deflacionado pelo IPCA. As estatsticas t so ajustadas segundo o procedimento
HAC Newey-West.
Com relao s dummies de inovao, o sinal do efeito das mudanas legais

(D_INSTITUCIONAL) no preo foi negativo, ou seja, as inovaes institucionais contribuem para
reduzir o preo. As dummies que medem melhorias nas condies financiamento (D_FGTS_LIMITE e
D_PRAZO_30ANOS) e o grau de entusiasmo com o Brasil (D_HYPE) apresentam sinal positivo.
Regresso de Preos de O Globo para Rio de Janeiro
A Tabela 10 apresenta os resultados da regresso com dados de preos do Rio de Janeiro retirados
do caderno Morar Bem do Jornal O Globo. A srie de preos (em log) do ndice Composto Globo
(ICG) estacionria em sua 1 diferena (a 1%). Isso viabiliza a aplicao de metodologia de Modelos
de Correo de Erro.
Tabela 10
Regresso ndice Composto Globo(ICG) em Nvel (Varivel Dependente: ICG Deflacionado em

Log)

LM3 0,750* 0,0507 14,7932 0,0000
LRENDA_RJ 2,029* 0,2038 9,9525 0,0000
LVOL_CC_SA -0,807** 0,3618 -2,2300 0,0270
CAMBIO 0,196* 0,0706 2,7768 0,0061
SELIC_AA 0,017** 0,0082 2,1009 0,0371
C -17,417* 3,1618 -5,5088 0,0000
R2 ajustado 0,90
Nota. A varivel dependente o Log do ICG deflacionado pelo IPCA. As estatsticas t so ajustadas segundo o procedimento
HAC Newey-West.
O teste de cointegrao Engle-Granger aponta a presena de 1 relao de cointegrao na varivel

dependente preo de imveis, e o teste de cointegrao Johansen aponta a presena de 1 vetor de
cointegrao. J a estatstica autovalor no indica a presena de cointegrao.
Com esses resultados, sugere-se a existncia de uma relao de cointegrao entre as variveis,
tendo o preo como dependente. Por fim, a estacionariedade dos resduos da regresso em nvel a 1%
confirmam a possibilidade de a regresso em nveis representar uma relao de cointegrao de longo
prazo.
A partir da regresso em nveis, aplica-se a metodologia do modelo correo de erros. Aps

ajustes, chega-se ao modelo de curto prazo da Tabela 11.
Tabela 11
Regresso ICG em Modelo de Correo de Erro (Varivel Dependente: ICG Deflacionado em Dif-
Log)

DLP_GLOBO(-1) 0,544* 0,0925 5,8749 0,0000
ECT_GLOBO(-1) -0,023** 0,0112 -2,0498 0,0419
C 0,003 0,0029 1,1419 0,2551
DLRENDA_RJ(-1) 0,075 0,0847 0,8846 0,3776
DSELIC(-1) -0,002* 0,0006 -3,2451 0,0014
DLVOL_CC_SA(-2) 0,033 0,0454 0,7356 0,4630
DCAMBIO(-2) -0,007 0,0116 -0,6099 0,5428
DLM3(-2) 0,104 0,2201 0,4729 0,6369
R2 ajustado 0,29
Nota. A varivel dependente o Dif-Log do ICG deflacionado pelo IPCA. As estatsticas t so ajustadas segundo o
Apesar de haver diversas variveis com contribuies no significativas, apresenta-se essa

especificao para avaliar o efeito do termo de correo de erro (ECT_GLOBO (-1)). Apesar do ajuste
geral do modelo ser baixo, o termo de correo de erro, que representa o efeito de correo para
fundamentos da trajetria do preo, mostra-se significativo a 5%, e com o sinal esperado. No entanto, a
fora (velocidade) da correo fraca. Aps um choque, o preo tende a reverter ao que determinado
pela relao de cointegrao (fundamentos) com uma velocidade de 2,3% por perodo o que implica
em uma reverso completa em 2,5 anos, aproximadamente. Prevalece, na configurao da equao de
curto prazo, a fora do componente autocorrelacionado (defasagem da 1 diferena do preo).
O melhor ajuste para ndices do INEC no efeito de seu 8 lag sobre a variao do preo, em que
o coeficiente mostra-se significativo a 5%, e com sinal conforme o esperado. A taxa de variao mensal
do ndice Bovespa no significativa na regresso de curto prazo, e a introduo das dummies na
equao de curto prazo do modelo de correo de erros no indica efeito significativo.
No modelo de longo prazo, obtm-se resultados positivos individualmente com dummy da

olimpada (aumenta o preo), dummy da minha casa minha vida (aumenta o preo), dummy do prazo de
30 anos (reduz o preo), dummy da alterao do limite do FGTS (aumenta preo) e dummy de inovao
(efeito negativo no preo). A melhor performance foi obtida com a dummy de inovao, que aumenta o
R2 do modelo de longo prazo de 90% para 94%. O resultado sugere que o efeito negativo no preo por
conta das inovaes institucionais deva-se ao efeito de medidas regulatrias positivas para o mercado,
facilitando as condies para se ampliar a oferta. importante destacar, que de modo genrico, h o
entendimento de que a oferta a varivel mais importante para a formao de preos, e que a estrutura
de formao de preos pode seguir lgicas nem sempre explicadas pelas variveis escolhidas no estudo
ou adequadas para algum outro perodo de estudo.
Concluso
O objetivo do trabalho verificar se h um fator de natureza comportamental ou econmico que

possa ter influenciado o movimento de preos na ltima dcada dos mercados do Rio de Janeiro e de
So Paulo. Alm disso, o trabalho monta uma srie, denominada de ndice Composto Globo, para
comparao com as demais sries do mercado imobilirio brasileiro. O resultado referente a
componentes econmicas sugere que h fora explicativa nos determinantes de preo de longo prazo,
sobretudo do agregado monetrio M3 a valores reais, o que indica um ciclo de expanso do mercado
puxado pela ampliao do crdito.
As regresses de curto prazo sugerem que o preo de imveis influenciado por determinantes
no usuais luz da teoria econmica tradicional, como a variao do preo no ms anterior, uma medida
do grau de expectativas da economia defasado e a performance defasada da Bolsa. Alm disso, fatores
comportamentais, como o entusiasmo internacional com o Brasil, e resultante de inovaes, tambm
mostram efeito expressivo sobre o comportamento do preo de curto prazo.
Diferente de outros trabalhos, a renda real das famlias no apresenta poder explicativo
significante nas regresses com dados do FIPE-ZAP. No entanto, em sries mais longas, como IVG-R
e ndice Composto Globo, a renda real aparece como fator significante para explicar o movimento de
preos de longo prazo.
As equaes de curto prazo com dados do IVG-R e ndice Composto Globo indicam que a
variao do preo regida, sobretudo, pela variao do preo no perodo anterior, o que confirma o
aspecto fortemente autocorrelacionado do preo de imveis. Isso tambm confirma a hiptese do
backwards looking, ou seja, da forte autocorrelao com a primeira defasagem, fato estilizado acerca
dos mercados imobilirios. Os ndices de confiana do consumidor mostram efeitos pouco significativos
em todos os modelos. Com relao ao Ibovespa, busca-se medir a existncia do chamado efeito
substituio. Os resultados sugerem efeitos de substituio significativos na variao do preo apenas

no IVG-R.
Em relao s dummies, a dummy que mede o entusiasmo internacional com o Brasil apresenta
desempenho satisfatrio em todos os modelos, tendo efeito positivo sobre o preo. A dummy de inovao
tambm apresenta resultado significativo, mas com efeito negativo sobre o preo. O resultado sugere
que, por capturar algumas mudanas legais que melhoram a segurana jurdica dos empreendimentos
(alienao fiduciria, lei das incorporaes), o efeito resultante das inovaes institucionais foi de
ampliar a oferta e forar a queda dos preos.
importante destacar, que de modo genrico, h o entendimento de que a oferta a varivel mais
importante para a formao de preos, e que a estrutura de formao de preos pode seguir lgicas nem
sempre explicadas pelas variveis escolhidas no estudo ou inadequadas para algum outro perodo de
estudo. Como sugesto de novos estudos, interessante identificar as variaes de preos de imveis
por regies administrativas dos estados, principalmente levando-se em conta a visibilidade da regio
para o investidor estrangeiro.
Notas
1
A srie ndice Composto O Globo (ICG) foi obtida a partir dos principais bairros direcionadores do preo de anncios em O
Globo (Barra da Tijuca, Jacarepagu, Copacabana, Botafogo, Tijuca, Mier e Ipanema). Da mesma forma que o atual FIPE-
ZAP do Rio de Janeiro. O ndice compilado a partir de O Globo reflete basicamente o preo de imveis voltados s classes
mdia e mdia-alta em bairros da Baixada de Jacarepagu, Zona Norte e Zona Sul. O ndice deixa de fora bairros populosos,
porm inexpressivos no que tange utilizao do Jornal O Globo ou do Portal ZAP Imveis, como Bangu, Campo Grande (e
outros da Zona Oeste) e bairros da Zona Norte aps o Mier e ao longo da Avenida Brasil. A metodologia est descrita no
Apndice.
2
Dados obtidos nas pginas da Associao Brasileira das Entidades de Crdito Imobilirio e Poupana (ABECIP) e Cmara
Brasileira da Indstria da Construo (CBIC).
3
Associao de Dirigentes de Empresas do Mercado Imobilirio (ADEMI-RJ) para dados de lanamentos do Rio de Janeiro,
e Sindicato das Empresas de Compra, Venda, Locao e Administrao de Imveis Residenciais e Comerciais de So Paulo
(SECOVI-SP) para dados de So Paulo.
4
A metodologia de construo da srie indita deste trabalho est no Apndice.
5
Vale registrar que as sries de preo do FIPE-ZAP e do Jornal O Globo so compostas por valores de anncio. Os valores em
que os imveis so efetivamente negociados tendem a ser, naturalmente, inferiores aos valores anunciados. No se encontrou
registros confiveis que pudessem suprir essa lacuna para os perodos de anlise. A despeito dessa fragilidade da base de preos,
acredita-se que os preos nominais (anunciados) e efetivos devem apresentar comportamento semelhante ao longo do tempo.
Portanto, as variaes e os pontos de inflexo tendem a ser os mesmos. Como nota complementar, especula-se que, em casos
de estresse agudo de preos (como o momento ps 2009), o desconto tpico necessrio para fechamento de negcios pode ser
maior do que em uma situao de regime do mercado o que enfraquece, em alguma medida, a premissa de as sries de preos
anunciados e preos efetivos sejam comoventes. Entretanto, a srie de variao de garantias do BACEN (IVG-R) tende a
acompanhar o preo real de venda de modo mais efetivo.
6
A varivel deficit habitacional uma varivel que pode influenciar de forma direta o preo dos imveis. Entretanto, sua
mensurao somente pode ser feita de forma indireta, isto , por meio de proxies. No por outro motivo que se observam
divergncias significativas entre as diversas tentativas de quantificao do dficit atualmente existente.
Referncias
Abelson, P., Joyeux, R., Milunovich, G., & Chung, D. (2005). Explaining house prices in Australia:
19702003. Economic Record, 81(Suppl. 1), S96-S103. doi: 10.1111/j.1475-4932.2005.00243.x
Agnello, L., & Schuknecht, L. (2011). Booms and busts in housing markets: determinants and
implications. Journal of Housing Economics, 20(3), 171-190. doi:10.1016/j.jhe.2011.04.001
Antipa, P., & Lecat, R. (2009). The housing bubble and financial factors: insights from a structural
model of the French and Spanish residential markets [Working Paper n 267]. Banque de France,
Paris, France.
Associao de Dirigentes de Empresas do Mercado Imobilirio. (n.d.). Pesquisa ADEMI do mercado

imobilirio. Rio de Janeiro. Recuperado de
http://www.calepino.com.br/ademirio/pesquisa_cob/novapesquisa/
Bank for International Settlements. (2015, September 13). Residential property price statistics.
Recuperado de http://www.bis.org/statistics/pp.htm
Carvalho, E. R. A. de (2012). Bolhas especulativas no preo de imveis na cidade de So Paulo. Revista

Paulista de Planejamento, 2(2), 66-80.
Case, K. E., & Shiller, R. J. (1988). The behavior of home buyers in boom and post-boom markets. New
England Economic Review, 11, 29-46.
Case, K. E., & Shiller, R. J. (2003). Is there a bubble in the housing market? Brookings Papers on
Economic Activity, (2), 299-362. doi: org/10.1353/eca.2004.0004
De Bondt, W. F. M., & Thaler, R. (1985). Does the stock market overreact? Journal of Finance, 40(3),
793-805. doi: 10.1111/j.1540-6261.1985.tb05004.x
Fitch Ratings. (2012). Relatrio da agncia de classificao de risco Fitch sobre preo de imveis
residenciais em setembro de 2012. Recuperado de
https://www.fitchratings.com.br/publications/5491
Gallin, J. (2008). The longrun relationship between house prices and rents. Real Estate Economics,
36(4), 635-658. doi: 10.1111/j.1540-6229.2008.00225.x
Glaeser, E. L., & Gyourko, J. (2006). Housing dynamics [Working Paper n 12787]. National Bureau
of Economic Research, Cambridge, MA.
Glaeser, E. L., Gyourko, J., & Saiz, A. (2008). Housing supply and housing bubbles. Journal of Urban
Economics, 64(2), 198-217. doi: 10.1016/j.jue.2008.07.007
Goodman, A. C., & Thibodeau, T. G. (2008). Where are the speculative bubbles in US housing markets?
Journal of Housing Economics, 17(2), 117-137. doi: 10.1016/j.jhe.2007.12.001
Hott, C. (2012). The influence of herding behaviour on house prices. Journal of European Real Estate
Research, 5(3), 177-198. doi: 10.1108/17539261211282046
Hwang, M., & Quigley, J. (2006). Economic fundamentals in local housing markets: evidence from US
metropolitan regions. Journal of Regional Science, 46(3), 425-453.
Krugman, P. (2009, September 2). How did economists get it so wrong? New York Times Magazine, 9,
36-46.
Maral, E., Gala, P., & Mori, R. (2012). Bolha no mercado imobilirio em So Paulo? Evidncia baseada
em testes economtricos [Working Paper n 12]. Centro de Macroeconomia Aplicada, Fundao
Getulio Vargas, So Paulo, SP, Brasil.
Mayer, C. (2011). Housing bubbles: a survey. Annual Review of Economics, 3(1), 559-577. doi:
10.1146/annurev.economics.012809.103822
Mayer, C., & Sinai, T. (2007, September). Housing and behavioral finance. Proceedings of the
Implications of Behavioral Economics on Economic Policy, Boston, MA, USA, 27.
Mendona, M., & Sachsida, A. (2012). Existe bolha no mercado imobilirio brasileiro? [Texto para
discusso, N 1762]. Braslia, DF: IPEA.
O Globo. (1998, novembro 1). Preo de imveis no Rio de Janeiro. Classificados, Caderno Morar Bem,
2-10.
Oliveira, M. M. de, & Almeida, A. C. L. (2014). Testing for rational speculative bubbles in the Brazilian
residential real-estate market. Contemporary Studies in Economic and Financial Analysis, 96, 1-
15. doi: 10.1108/S1569-375920140000096017
Shiller, R. (2007). Understanding recent trends in house prices and home ownership [Working Paper n
13553]. National Bureau of Economic Research, Cambridge, MA.
The Economist. (2015, October 7). Global house prices. Recuperado de

http://www.economist.com/blogs/dailychart/2011/11/global-house-prices
Dados dos Autores
Lincoln Brando
Av. Pres. Wilson, 118, Centro, 20030-020, Rio de Janeiro, RJ, Brasil. E-mail: lincoln.brando@bndes.gov.br
Claudio Henrique Barbedo

Av. Pres. Wilson, 118, Centro, 20030-020, Rio de Janeiro, RJ, Brasil. E-mail: cbarbedo@ibmecrj.br
APNDICE
ndice Composto O Globo
O ndice de preos composto com dados do Jornal O Globo foi elaborado a partir de anncios
publicados no caderno Morar Bem, de O Globo, de novembro de 1998 a abril de 2014.
O critrio para seleo dos bairros que compuseram o ndice observou a composio tpica dos
anncios de imveis no Jornal, que basicamente so compostos por preos das seguintes regies:
. Zona Norte: com prevalncia dos bairros que compem a Grande Tijuca (Tijuca, Adara, Graja, Rio
Comprido, etc.) e o Grande Mier (Mier, Cachambi, Engenho de Dentro, Encantado, etc.).
. Zona Sul: todos os bairros, mas com prevalncia dos bairros com grande quantidade domiclios e
oferta ao longo do tempo, como Copacabana e Botafogo
. Baixada de Jacarepagu: Barra da Tijuca, Jacarepagu e Recreio
O recorte de preos anunciados no Jornal O Globo, do mesmo modo que no portal FIPE-ZAP,
viesado para um certo perfil de imvel voltado s Classes Mdia, Mdia-alta e Alta. Portanto, os 2
bairros com maior nmero de domiclios no Municpio do Rio de Janeiro (Campo Grande e Bangu), de
acordo com o Censo de 2010, tm baixssima representatividade na amostra de imveis anunciados no
perodo de anlise.
Nessa tica, e feita essa ressalva de que o preo mdio de metro quadrado para imveis no Rio de
Janeiro, tanto do portal FIPE-ZAP, quanto o que se retira dos anncios de O Globo, fortemente viesado
para um perfil de consumidor de maior poder aquisitivo, adotou-se a seguinte metodologia para se
chegar a um ndice composto de preos para o Rio de Janeiro.
1. selecionou-se os bairros mais representativos de cada uma das 3 regies direcionadoras de preos
(Zona Sul, Zona Norte e Baixada de Jacarepagu);
2. fez-se um preo mdio para cada uma das regies (referncia para imveis de 3 quartos);
3. obteve-se finalmente um preo mdio composto para a cidade.
Os bairros selecionados para formao do ndice de cada uma das trs regies na Baixada de
Jacarepagu so Barra da Tijuca e Jacarepagu; na Zona Norte, Tijuca e Mier; e na Zona Sul,
Copacabana, Botafogo e Ipanema.
A Figura A1 apresenta a curva do preo mdio nominal por metro quadrado para os bairros
selecionados.
25.000,00
20.000,00
15.000,00
10.000,00
5.000,00
0,00
out/01
fev/04
out/08
fev/11
jun/99
ago/00
jun/06
jun/13
abr/05
ago/07
abr/12
set/04
set/11
nov/98
nov/05
nov/12
mai/02
mai/09
mar/01
dez/02
mar/08
dez/09
jan/00
jan/07
jan/14
jul/03
jul/10
Figura A1. Preo Mdio Nominal por Metro Quadrado Bairros Selecionados
Para o clculo dos preos mdios:
. Preo mdio Zona Sul: mdia aritmtica dos preos de Copacabana, Botafogo (que, de certo modo,
representam a Zona Sul mdia) e Ipanema (um representante dos bairros chamados triple A);
. Preo mdio da Baixada de Jacarepagu: mdia aritmtica simples dos preos de Barra da Tijuca e
de Jacarepagu;
. Preo mdio Zona Norte: mdia aritmtica simples dos preos de Tijuca (representante da Zona Norte
A) e Mier (representante da Zona Norte B).
Finalmente, o preo mdio para o Rio de Janeiro foi obtido pela mdia aritmtica simples dos
preos da Baixada de Jacarepagu, Zona Sul e Zona Norte.

Ha Fatores Nao Economicos Na Formacao Do Preco de PDF

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

Ha Fatores Nao Economicos Na Formacao Do Preco de PDF

Enviado por

Direitos autorais:

Formatos disponíveis

See

H Fatores No Econmicos na Formao do

Article February 2016

Claudio Henrique da Silveira Barbedo

RAC, Rio de Janeiro, v. 20, n. 1, art. 6,

H Fatores No Econmicos na Formao do Preo de Imveis?

Are There Non-economic Factors in Real-estate Pricing?

Artigo recebido em 24.11.2014. ltima verso recebida em 10.04.2015. Aprovado em 13.04.2015.

Palavras-chave: finanas comportamentais; mercado imobilirio; boom imobilirio.

Key words: behavioral finance; housing market; housing bubble.

Figura 1. ndice de Preo de Imveis em Diversos Pases

Figura 2. Comparativo da Evoluo de Imveis Residenciais na Amrica Latina

exceo do Mxico, a Figura 2 aponta aumentos expressivos em um curto intervalo de tempo.

Na literatura internacional, h uma crescente sinalizao da importncia de se verificar se o

Variveis do Mercado Imobilirio Brasileiro

argumentos que apontam sintomas de desequilbrio no comportamento do preo, a agncia

O comportamento do preo, na segunda metade da dcada de 2000, vem sendo a caracterstica

Figura 3. Evoluo do FIPE-ZAP versus Diversos ndices

Figura 6. Unidades Contratadas Financiamento Imobilirio (Anual)

Figura 7. Lanamentos Residenciais RJ e SP (Anual)

Considerando a falta de consenso na literatura sobre modelo ou equao de relao de preo de

de oferta so: estoque de imveis; quantidade de lanamentos; custos de construo e indicadores do

A regresso multivariada permite flexibilidade de especificao e simplicidade nas interpretaes

Na segunda abordagem, adota-se um Modelo de Correo de Erros (MCE) em 2 estgios.

Modelagem do componente comportamental

Medida de backwards looking (expectativas adaptativas) sabido que backwards looking

ndices de confiana do consumidor Fornecem uma medida geral de expectativa de

Dummies de Inovaes Inovaes institucionais podem produzir pontos de rupturas em sries

So testadas especificaes bsicas para as 4 variveis dependentes, a saber: preos FIPE-ZAP

Regresso FIPE-ZAP para o Rio de Janeiro

Regresso FIPE-ZAP RJ em Diferenas

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Regresso FIPE-ZAP RJ em Diferenas com Lags

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Regresso FIPE-ZAP RJ em Diferenas com 1 Defasagem da Varivel Dependente

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

O efeito do 1 lag da varivel dependente no modelo ampliar o R2 para 88%, e reduzir a

Regresso FIPE-ZAP para So Paulo

A Tabela 4 apresenta o modelo base para o preo real em So Paulo.

Regresso FIPE-ZAP SP em Diferenas

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Observa-se que 3 variveis do modelo do RJ no apresentam resultado relevante para SP

Regresso FIPE-ZAP SP em Diferenas com Lags

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Introduzindo-se o 1 lag do preo de imveis na especificao base em lags, chega-se ao resultado

Regresso FIPE-ZAP SP em Diferenas e Varivel Dependente com 1 Defasagem

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Inicialmente, constata-se que as sries de interesse so integradas de ordem 1. A Tabela 7

Regresso IVG-R em Nvel (Varivel Dependente: Preo de Imveis em Logaritmo)

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Os resduos da regresso so estacionrios, o que indica a possibilidade da regresso representar

Regresso IVG-R em Modelo de Correo de Erro (Varivel Dependente: IVG-R Deflacionado

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Testam-se os efeitos de diferenas at 2 lags, at se obter o melhor desempenho para o termo de

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Com relao s dummies de inovao, o sinal do efeito das mudanas legais

Regresso de Preos de O Globo para Rio de Janeiro

Regresso ndice Composto Globo(ICG) em Nvel (Varivel Dependente: ICG Deflacionado em

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

O teste de cointegrao Engle-Granger aponta a presena de 1 relao de cointegrao na varivel

A partir da regresso em nveis, aplica-se a metodologia do modelo correo de erros. Aps

Varivel Independente Coeficiente Erro Padro t-Stat P-valor

Apesar de haver diversas variveis com contribuies no significativas, apresenta-se essa