Teoria das Financas 1 Notas de Aula

Teoria das Financas I Graduacao 1/2017

Notas de Aula 4 Modelos de Indices
Prof. Jose Guilherme de Lara Resende
Departamento de Economia, Universidade de Braslia

1 Introducao
A leitura recomendada para a materia desta nota de aula e Elton, Gruber, Brown, and Goetz-
mann (2003), captulos 7 e 8.

Vimos que o retorno esperado e o desvio-padrao de uma carteira de investimento sao:

n
X
Erp = xi Eri
i=1
n n n
! 12
X X X
p = x2i i2 + xi xj i j ij
i=1 i=1 j=1,j6=i

Para calcularmos a fronteira de media e variancia ou a carteira tangente, precisamos estimar:

1. Os retornos esperados de cada ttulo: Eri , i = 1, . . . , n;

2. As variancias de cada ttulo: i2 , i = 1, . . . , n;

3. As covariancias de cada par de ttulos: ij = ji , para todo i 6= j.

O numero de variaveis a serem estimadas depende do numero de ativos com risco que inclumos
na analise. Por exemplo, se:

n = 2: 2 retornos esperados, 2 variancias e 1 covariancia: 5 estimativas;

Se n = 10: 10 retornos esperados, 10 variancias e (10 9)/2 = 45 covariancias: 65

estimativas;

Se n = 250: 250 retornos esperados, 250 variancias e (250249)/2 = 31.125 covariancias:

31.625 estimativas.

Logo, para um numero grande de ativos, o numero de estimativas e impraticavel. O problema

e a quantidade de covariancias/correlacoes a serem estimadas.

Queremos desenvolver um modelo que simplifique essa estrutura de correlacoes, reduzindo o

numero de estimativas a serem feitas.

Alguns modelos:

Modelos de ndices,

Tecnicas de estimativa de media,

Modelos de agrupamento.

Jose Guilherme de Lara Resende 1 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

2 Modelo de Indice Unico

Vamos analisar o modelo de ndice unico. O retorno de cada ativo i pode ser escrito como:

ri = ai + i rm , i = 1, . . . , n , (1)

onde:

ai e uma variavel aleatoria, que independe do mercado (componente idiossincratico do

retorno i);

rm e uma variavel aleatoria, que representa a taxa de retorno do mercado como um todo
(componente sistematico do retorno i);

i e uma constante que mede a relacao entre ri e rm .

A variavel aleateria ai pode ser representada como ai = Eai + ei , onde Eei = 0. Vamos denotar
a media de ai por i . Portanto, podemos reescrever a equacao (1) como:

ri = i + i rm + ei , i = 1, . . . , n . (2)

Entao rm e ei sao variaveis aleatorias, com Eei = 0. Vamos denotar o retorno esperado e a
2
variancia de mercado por Erm e m e a variancia de ei por e2i .

Observe que:
Eri = E (i + i rm + ei ) = i + i Erm ,
ou seja, o retorno esperado de i e dado por i mais o retorno esperado do mercado multiplicado
por i .

A variancia do ativo i e:

i2 = E ((i + i rm + ei ) i i Erm Eei )2

= E (i (rm Erm ) + ei )2
= i2 E (rm Erm )2 + 2i E ((rm Erm )ei ) + E(e2i )
= i2 m
2
+ 2i m,ei + e2i

A covariancia do ativo i com o ativo j e:

ij = E [(ri Eri )(rj Erj )]

= E [(i + i rm + ei i i Erm )(j + j rm + ej j j Erm )]
= E [(i (rm Erm ) + ei )(j (rm Erm ) + ej )]
= i j E (rm Erm )2 + i E [(rm Erm )ej ] + j E [(rm Erm )ei ] + E(ei ej )
2
= i j m + i m,ej + j m,ei + ei ,ej

Ate agora nao fizemos nada demais, no sentido de que a decomposicao acima sempre e possvel.
Ela nao ajuda a simplificar a matriz de variancia e covariancia de modo a reduzir o numero
de parametros a serem estimados, como facilmente podemos notar na equacao acima para a
covariancia entre os retornos i e j. Precisamos impor mais restricoes na decomposicao (2) para
reduzir o numero de estimativas necessarias.

Jose Guilherme de Lara Resende 2 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

Vamos supor que:

cov(ei , rm ) = 0 (ou seja, E(ei (rm Erm )) = 0), para todo ativo i;

ei e independente de ej (vamos denotar isso por ei ej ), para todo i 6= j.

A hipotese chave e a independencia entre ei e ej , para todo i 6= j. Isso implica que:

cov(ei , ej ) = E(ei ej ) = Eei Eej = 0

Logo, a parte idiossincratica de cada ativo e totalmente idiossincratica a ele (comum apenas
aquele retorno).

Com as duas hiposes acima, obtemos que:

A variancia do ativo i se torna:

i2 = i2 m
2
+ 2i m,ei + e2i = i2 m
2
+ e2i

A covariancia do ativo i com o ativo j se torna:

2 2
ij = i j m + i m,ej + j m,ei + ei ,ej = i j m

Logo, a covariancia entre dois ativos quaisquer agora e totalmente determinada pelos betas dos
2
ativos e por m ). Isso simplifica enormemente a estimacao da matriz de variancia e covariancia:

Antes: (n (n 1))/2 + n estimativas (se n = 100 5150);

Agora: n + 1 estimativas (se n = 100 201).

Entao agora:

1 estimativa para cada i n

1 estimativa para cada i n

1 estimativa para cada e2i n

Estimativas de Erm e rm 2

No total, temos que estimar 3n + 2 variaveis. Observe que nao e necessario estimarmos Erm ,
logo podemos estimar apenas 3n + 1 variaveis.

Portanto, o modelo de ndice unico simplifica a estimacao da matriz de variancia e covariancia,

reduzindo o numero de covariancias a serem estimadas e tornando o problema mais tratavel
empiricamente quando o numero de ativos com risco considerado e grande.

RESUMO: ri = i + i rm + ei , i = 1, . . . , n, tal que:

Eei = 0 Eri = i + i Erm
Eei ej = 0 2 = i2 m
2
+ e2i
i 2
Cov (ei , rm ) = 0 ij = i j m

Jose Guilherme de Lara Resende 3 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

Vimos como estimar a matriz de variancia e covariancia usando o modelo de ndice unico.
Mas o que ocorre com o retorno esperado e a variancia de carteiras de ativos? Considere uma
carteira de ativos p qualquer e a seguinte notacao:
n
X n
X
p = xi i e p = xi i
i=1 i=1

Como: ! !
n
X n
X n
X
Erp = xi (i + i Erm ) = xi i + xi i rm ,
i=1 i=1 i=1

entao
Erp = p + p Erm

Logo, calculados i e i para os ativos individuais determinamos o retorno esperado de qualquer

carteira de ativos. Vamos agora determinar a variancia da carteira:
n
!2
X
p2 = E xi (i + i rm + ei )
i=1
n
X n
X n
X n
X
= x2i i2 m
2
+ x2i e2i + 2
xi xj i j m
i=1 i=1 i=1 j=1,j6=i
Xn Xn n
X
2
= xi xj i j m + x2i e2i
i=1 j=1 i=1
n
! n
! n
X X X
2
= xi i xj j m + x2i e2i
i=1 j=1 i=1
n
X
= p2 m
2
+ x2i e2i
i=1

Novamente, com as estimativas dos betas, das variancias individuais e do retorno de mercado,
podemos calcular a variancia de qualquer carteira.

Suponha que o investidor decida repartir a sua renda igualmente em cada ativo, de modo que
xi = 1/n. A variancia dessa carteira e:
n
!
2 2 2 1 X1 2
p = p m + ei p2 m
2
,
n i=1 n n

onde o limite acima e valido se |ei | M , i.

Portanto, com diversificacao:

p2 p2 m
2

n
!
X
p p m = xi i m
i=1

A equacao acima para o desvio-padrao da carteira mostra que i mede a contribuicao do ativo
i ao risco da carteira, que depende tambem do peso do ativo na carteira.

Jose Guilherme de Lara Resende 4 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

Podemos classificar o risco em duas partes:

e2i : risco diversificavel: risco idiossincratico e risco diversificavel;

m : risco nao diversificavel: risco de mercado;

O beta do ativo i mede a quantidade de risco nao diversificavel do ttulo i. Ele e a medida
correta de risco do ativo (e nao a variancia e2i ).

Ou seja, obtemos novamente o resultado:

Risco diversificavel nao e precificado,

resultado que tambem sera obtido para o CAPM, um modelo de equilbrio.

3 Estimacao dos Betas

3.1 Introducao
Temos que estimar o beta de cada ativo i. Para isso, usamos series historicas de dados. A
equacao e:
rit = it + it rm
t
+ eti , i, t

Os valores de i , i e ei podem variar no tempo. Por agora, suponha que nao: i , i e ei

sao estaveis no tempo: para todo t, temos it = i , it = i e et i = ei .

Para estimar esses parametros, podemos usar o metodo OLS. Vamos revisar esse metodo, em
que rodamos uma regressao linear, ou seja, minimizamos a soma dos erros ao quadrado:
T T T  2
X 2
X
2 X
(et ) = rit rit = rit i t
i rm
t=1 t=1 t=1

O problema a ser resolvido para cada ativo i e:

T 
X 2
min rit i i rm
t
i ,i
t=1

As CPO sao:
T 
X 
(i ) : 2 rit i t
i rm =0
t=1
XT  
(i ) : 2 rit i t
i rm t
rm =0
t=1

Rearranjando,
T 
X 
(i ) : rit i i rm
t
= 0 T ri T i i T rm = 0,
t=1
XT  
(i ) : rit i i rm
t t
rm =0
t=1

Jose Guilherme de Lara Resende 5 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

onde:
T T
1X t 1X t
ri = r e rm = r
T t=1 i T t=1 m
Logo, a CPO para i implica:
i = ri i rm

Substituindo essa equacao para i na CPO para (i ) obtemos:

T 
X   
rit ri i rm t
i rm t
rm =0
t=1
T T T T
X X X X
2
t
rit rm ri t
rm + i rm t
rm i t
rm =0
t=1 t=1 t=1 t=1
T T
!
X X
2
t
rit rm T ri rm + i 2
rm T t
rm =0
t=1 t=1

Logo, PT
(rit rmt
ri rm ) cov(r
c i , rm )
i = Pt=1
T  2  =
t
t=1 (rm ) rm
2 vd
ar(rm )
Portanto: PT
t=1 (rit ri ) (rm
t
rm )
i = PT 2
e i = ri i rm
t
t=1 (rm rm )

3.2 Correcoes
Podemos fazer correcoes ao mensurar betas historicos:

1. Corrigir para tendencias de reversao a media do historico (mean reversion) (tendencia

a media/reversao para media);

2. Corrigir/adicionar fundamentos da empresa (nvel de endividamento, etc.).

Na estimacao de betas historicos, temos que:

i e i : estimativas dos verdadeiros i e i . Estao sujeitos a erro.

Outro problema: i e i : podem variar no tempo.

Dois artigos classicos sobre a precisao de betas historicos sao Blume (1970) e Levy (1971).
Esses artigos medem/verificam/investigam a associacao entre os betas em um perodo e os
betas em um perodo adjacente/proximo.

Jose Guilherme de Lara Resende 6 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

Blume: betas calculados para perodos de 7 anos/dados mensais. Calcula para dois perodos:
1 e 2 : perodo 1 e perodo 2, respectivamente. Obtem que:

Quando calcula o beta de carteiras: a correlacao entre os betas dos dois perodos e alta.

Quando calcula o beta de um unico ttulo: a correlacao entre os betas dos dois perodos
e em torno de 0,6.

Por que o beta pode mudar no tempo? Respostas possveis:

1. Beta de cada perodo e obtido por meio de uma estimativa, e esse resultado pode ser
apenas um erro. Quanto maior o erro, maior a diferenca entre eles. Existem formas de
testar isso.

2. Beta de fato mudou de um perodo para outro, i.e., risco do ativo mudou no tempo.

De qualquer modo, betas historicos de carteiras (tem erro menor) representam previsoes me-
lhores dos betas futuros do que ocorre no caso de betas historicos de ativos individuais. Isso
significa que podemos melhorar a capacidade de previsao dos betas.

Existem varias tecnicas/tendencia para regredir para 1 (mean reversion):

Tecnica de Blume (Blume, 1975)

Tecnica de Vasicek (Vasicek, 1973)

Vamos analisar a tecnica de Blume:

Corrige betas passados incluindo ajustamento para 1.

Regride 2 em 1 .

Obtem:
i2 = 0, 343 + 0, 677i1 ,
onde o perodo 2 e 1955-61 e o perodo 1 e 1948-64.

Por exemplo,

Se i1 = 2 i2 = 0, 343 + 0, 677 2 = 1, 697 (baixou).

Se i1 = 0, 5 i2 = 0, 343 + 0, 677 0, 5 = 0, 6815 (subiu).

A tecnica de Vasicek:

Usa o erro de amostragem como peso para ajuste do beta.

Quanto maior o erro, maior o ajustamento.

Jose Guilherme de Lara Resende 7 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

3.3 Betas Fundamentais

O risco da empresa depende de:

Fundamentos economicos da empresa.

Caractersticas do mercado de acoes (diversificacao, etc).

A relacao entre os fundamentos da empresa e o seu beta foi estudada por diversos autores
(Beaver, Kettler, and Scholes (1970): 7 variaveis; Thompson II (1978): 43 variaveis; Rosemberg
and Guy (1976a, 1976b): 101 variaveis.)

Usualmente temos que:

Taxa distribuicao de dividendos relacao negativa.

Crescimento do ativo relacao positiva.

Endividamento relacao negativa.

Liquidez (AC/PC) relacao negativa.

Variabilidade do lucro relacao positiva

A regressao a ser estimada e:

i = a0 + a1 X1 + a2 X2 + + aN XN + ei ,

em que existem I observacoes (i indica um ativo qualquer) e Xj sao variaveis que (suposta-
mente) afetam beta.

BETA NORMAL (HISTORICO) BETA FUNDAMENTAL

VANTAGEM Mede a reacao da acao/ativo a um Reage rapidamente a uma
movimento de mercado. variacao na caracterstica da
empresa (pois e calculado
diretamente a partir destas
caractersticas).
DESVANTAGEM Reflete mudancas na caracterstica Supoe que a sensibilidade de
da empresa somente depois de muito todos os betas a uma variavel
tempo fundamental e a mesma.
(Rosemberg: inclui dummies
setoriais para aliviar esse problema).

Jose Guilherme de Lara Resende 8 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

4 Modelo de Mercado
O modelo de mercado e similar ao modelo de ndice unico, porem nao supoe a hipotese
cov(ei , ej ) = 0. Neste caso,
ri = i + i rm + ei ,
em que assumimos apenas:
Eei = 0 e cov(ei , rm ) = 0

O retorno esperado e a variancia de qualquer ativo i continuam iguais aos derivados no modelo
de ndice unico:
Eri = i + i Erm
i2 = E [(i + i rm + ei ) (i + i Erm )]2 = i2 m
2
+ E(e2i )

Porem, a covariancia entre os ativos passa a depender dos erros e nao e mais determinada
2
apenas pelos betas dos ativos e pela variancia de mercado (ij 6= i j m ):
ij = E [(i + i rm + ei ) (i + i Erm )] [(j + j rm + ej ) (j + j Erm )]
= E [i (rm Erm ) + ei ] [j (rm Erm ) + ej ]
2
= i j m + E(ei ej )

Normalmente se supoe alguma caracterstica a respeito das covariancias entre ei e ej ou se

estimam essas covariancias. Porem neste ultimo caso faz mais sentido estimar diretamente a
matriz de variancia e covariancia dos ativos.

5 Modelos de Indices Multiplos

Modelos de ndices multiplos incluem novos ndices (alem do de mercado), com o objetivo de
que capturem influencias que facam os ativos financeiros variarem conjuntamente. Novamente,
o objetivo e simplificar a estimacao da matriz de variancia e covariancia dos ativos. O grande
problema e a selecao dos ndices, que devem captar influencias reais e ter significado economico.
Outros usos dos modelos de ndices:
1. Calcular retornos esperados;
2. Analisar impactos de eventos;
3. Escolher carteira otima;
4. Analisar desempenho.

Suponha que:
ri = ai + bi1 I1 + bi2 I2 + + biL IL + ci ,
onde:
Ij : nvel observado do ndice j, j = 1, . . . , L.
bij : medida de sensibilidade do retorno do ativo i as variacoes no ndice j.
ai e ci : parte do retorno de i nao relacionado aos ndices.
ci : v.a. com Eci = 0 e c2i .

Jose Guilherme de Lara Resende 9 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

Os ndices Ij e Ik , j 6= k, podem ser correlacionados. Mas e conveniente ortogonalizarmos

todos os ndices. Indices ortogonalizados ainda possuem significado economico (apesar de um
tanto forcado...).

Regra de Ortogonalizacao dos Indices

Vimos que:
ri = ai + bi1 I1 + bi2 I2 + + biL IL + ci ,

Podemos ortogonalizar os ndices da seguinte forma:

1. Defina I1 = I1 ;

2. Para I2 : Regredimos I2 em I1 :

I2 = 0 + 1 I1 + dz dz = I2 (0 + 1 I1 )

Definimos I2 = I2 (0 + 1 I1 ).

3. Para I3 : Regredimos I3 em I1 e I2 :

I3 = 1 + 2 I1 + 3 I2 + ei ei = I3 (1 + 2 I1 + 3 I2 )

Definimos I3 = I3 (1 + 2 I1 + 3 I2 ).

4. E assim por diante: substitumos os novos ndices em (1), redefinimos as variaveis.

Exemplo: Suponha um modelo com 3 ndices:

ri = ai + bi1 I1 + bi2 (I2 + 0 + 1 I1 ) + bi3 (I3 + 1 + 2 I1 + 3 I2 ) + ci

Logo:
ri = ai + bi1 I1 + bi2 (I2 + 0 + 1 I1 ) + bi3 (I3 + 1 + 2 I1 + 3 I2 ) + ci
Rearranjando:

ri = (ai + bi2 0 + bi3 1 ) + (bi1 + bi2 1 + bi3 2 )I1 + (bi2 + bi3 3 )I2 + bi3 I3 + ci
| {z } | {z } | {z } |{z}
=a1 =bi1 =bi2 =bi3

Logo, obtemos o seguinte modelo ortogonalizado:

Ri = a1 + bi1 I1 + bi2 I2 + bi3 I3 + ci ,

em que I1 I2 e I3 sao dois a dois ortogonais: E (Ij EIj ) (Ik EIk ) = 0 j 6= k.

Jose Guilherme de Lara Resende 10 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

Observacao: Se, por exemplo,

I1 : ndice do mercado de acoes,

I2 : ndice de taxa de juros,

entao:

I2 : ndice da diferenca entre as taxas observadas de juros e o nvel esperado de taxa de

juros, dada a taxa de retorno do mercado de acoes (I1 ).

bi2 : mede a sensibilidade do retorno do ativo i a essa diferenca.

Entao o modelo ortogonalizado e:

ri = ai + bi1 I1 + bi2 I2 + + biL IL + ci , i = 1, . . . , n ,

onde:

ci e tal que Eci = 0, i, c2i , i;

E (Ij EIj ) (Ik EIk ) = 0, j 6= k;

E [ci (Ij EIj )] = 0, j, i;

2
Ij tem variancia representada por Ij , j.

Assim como no modelo de ndice unico, a hipotese crucial e E(ci cj ) = 0, i 6= j. Novamente, a

unica razao pela qual os ativos com risco variam em conjunto e devido ao seu movimento comum
com os ndices especificados no modelo. O desempenho do modelo depende da validade dessa
hipotese. Nesse caso, temos que:

1. O retorno esperado do ativo i e:

Eri = ai + bi1 EI1 + bi2 EI2 + + biL EIL

2. A variancia do ativo i e:

i2 = E (ri Eri )2
= E (bi1 (I1 EI1 ) + bi2 (I2 EI2 ) + + biL (IL EIL ) + ci )2
= b2i1 I1
2
+ b2i2 I2
2
+ + b2iL IL
2
+ c2i

3. A covariancia entre os ativos i e j, i 6= j e:

ij = E [(ri Eri ) (rj Erj )]

 
(bi1 (I1 EI1 ) + bi2 (I2 EI2 ) + + biL (IL EIL ) + ci )
=E
(bj1 (I1 EI1 ) + bj2 (I2 EI2 ) + + bjL (IL EIL ) + cj )
2 2 2
= bi1 bj1 I1 + bi2 bj2 I2 + + biL bjL IL

Logo, precisamos de estimativas para ai , bik , c2i para cada ativo i, EIj e Ij
2
para todo j. No
total, temos (L + 2)N + 2L = 2N + 2L + N L estimativas a serem feitas. Por exemplo, se
n = 100, L = 5, entao 200 + 10 + 500 = 710 estimativas.

Jose Guilherme de Lara Resende 11 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

5.1 Modelos de Indices Setoriais

Modelos de ndices setoriais sao modelos de ndices multiplos que normalmente partem de um
modelo de ndice unico e adicionam ndices setoriais:

ri = ai + bim Im + bi1 I1 + bi2 I2 + + biL IL + ci , i = 1, . . . , n ,

onde:

Im : ndice de mercado.

Ij : ndices setoriais (ortogonais entre si e em relacao a Im ).

A ideia consiste em assumir que o retorno de uma empresa e determinado pelo:

Mercado.

Componentes setoriais.

Referencias: King (1966) e Cohen and Pogue (1967).

6 Desempenho dos Modelos de Indices

A questao crucial nos modelos de ndices multiplos e a selecao de ndices. A rigor, sempre po-
demos substituir os ndices selecionados por retornos de carteiras chamadas factor-mimicking
portfolios (carteiras que imitam fatores). Essas carteiras sao determinadas por:

proj (Ij |X)

rjp = ,
P (proj (Ij |X))

onde:

X: espaco dos retornos disponveis.

rjp : carteira obtida regredindo o fator nos varios payoffs existentes, e depois normalizada
de modo que resulte em um retorno.

Isso significa que podemos usar carteiras de ativos, o que soluciona o problema de frequencia
diferente dos dados. Podemos tambem usar tecnicas estatsticas para decompor a matriz de
variancia e covariancia em um modelo de ndices de carteiras (por exemplo, analise de com-
ponentes principais). Mas podemos cair em um problema de fishing for results (pescando
resultados).

Teste mais direto possvel para modelos de ndices e analisar quao bem o modelo estima a
matriz de variancia-covariancia futura. Dois tipos de testes nessa linha:

Testes de significancia;

Testes economicos: diferencas em termos de retornos ou lucro resultante do uso de pre-

visoes baseadas numa tecnica no lugar de outra.

Jose Guilherme de Lara Resende 12 NA 4 Modelos de Indices

Teoria das Financas 1 Notas de Aula

Resumidamente, uma serie de artigos desde os anos 70 (ver Elton and Gruber (1971)) mostra
que adicionar outros ndices ao modelo de ndice unico do mercado:

Piora o modelo (queda de desempenho);

Mais rudo do que significado economico;

Predicao pior da matriz de variancia-covariancia futura;

Pior escolha de carteiras (nvel de retorno mais baixo para cada nvel de risco).

A evidencia deste fato e forte/robusta quando usamos tecnicas do tipo analise de componentes
principais.

Questao crucial (novamente!): escolher os ndices adequados.

Um resultado mais surpreendente e que o modelo de ndice unico costuma ter um desempenho
melhor do que a estimacao direta da matriz de variancia e covariancia, um resultado contra-
intuitivo (ver Cohen and Pogue (1967)). Ou seja, o modelo de ndice unico tambem parece ter
desempenho melhor (riscos menores/mais facil de implementar).

Referencias
Beaver, W., Kettler, P., & Scholes, M. (1970). The association between market determined
and accounting determined risk measures. The Accounting Review , 45 , 654-682.
Blume, M. (1970). Portfolio theory: A step toward its practical application. Journal of
Business, 43:2 , 152-173.
Blume, M. (1975). Betas and their regression tendencies. Journal of Finance, 30:3 , 785-795.
Cohen, K., & Pogue, J. (1967). An empirical evaluation of alternative portfolio-selection
models. Journal of Business, 40:2 , 166-193.
Elton, E., & Gruber, M. (1971). Improved forecasting through the design of homogeneous
groups. Journal of Business, 44:4 , 432-450.
Elton, E., Gruber, M., Brown, S., & Goetzmann, W. (2003). Moderna teoria de carteiras e
analise de investimentos. Editora Atlas.
King, B. (1966). Market and industry factors in stock price behavior. Journal of Business,
39:1 , 139-190.
Levy, R. (1971). On the short-term stationarity of beta coefficients. Financial Analysts Journal ,
27:6 , 55-62.
Rosemberg, B., & Guy, J. (1976a). Prediction of beta from investment fundamentals: Part
one. Financial Analysts Journal , 32:3 , 60-72.
Rosemberg, B., & Guy, J. (1976b). Prediction of beta from investment fundamentals, part
two. Financial Analysts Journal , 32:4 , 62-70.
Thompson II, D. (1978). Sources of systematic risk in common stocks. Journal of Business,
40:2 , 173-188.
Vasicek, O. (1973). A note on using cross-sectional information in bayesian estimation of
security betas. Journal of Finance, 28:5 , 1233-1239.

Jose Guilherme de Lara Resende 13 NA 4 Modelos de Indices