Você está na página 1de 53

FUNDAÇÃO GETÚLIO VARGAS

ESCOLA DE PÓS-GRADUAÇÃO EM ECONOMIA


MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL

FELIPE MASCARENHAS COTRIM

UM ESTUDO SOBRE A CAPACIDADE DE GESTORES DE FUNDOS


MULTIGESTOR ADICIONAREM VALOR AOS COTISTAS

RIO DE JANEIRO

2012
FELIPE MASCARENHAS COTRIM

ESTUDO SOBRE A CAPACIDADE DE GESTORES DE FUNDOS


MULTIGESTOR ADICIONAREM VALOR AOS COTISTAS

Dissertação de Mestrado apresentada à Escola de


Pós-Graduação em Economia da Fundação Getúlio Vargas
como requisito para a obtenção do tftulo de
Mestre em Finanças e Economia Empresarial

Orientador: Prof. Dr. Marco Bonomo

RIO DE JANEIRO

2012
--- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

Ficha catalográfica elaborada pela Biblioteca Mario Henrique Simonsen/FGV

Cotrim, Felipe Mascarenhas


Estudo sobre a capacidade de gestores de fundos multigestor adicionarem valor aos
cotistas I Felipe Mascarenhas Cotrim.- 2012.
53f.

Dissertação (mestrado) - Fundação Getulio Vargas, Escola de Pós-Graduação em


Economia.
Orientador: Marco Bonomo.
Inclui bibliografia.

1. Fundos de investimento. 2. Investimentos- Análise. 3. Hedging (Finanças). 4.


Alocação de ativos. I. Bonomo, Marco Antônio Cesar. 11. Fundação Getulio Vargas.
Escola de Pós-Graduação em Economia. Ill. Título.

CDD-332.63
FUNDAÇÃO
GETULIO VARGAS
EPGE
Escola de Pós-Graduação
em Economia

FELIPE MASCARENHAS COTRIM

UM ESTUDO SOBRE A CAPACIDADE DE GESTORES DE FUNDOS MULTIGESTOR


ADICIONAREM VALOR AOS COTISTAS

Tese apresentada à Escola de Pós-Graduação em Economia (EPGE) da Fundação Getulio Vargas


(FGV) para obtenção do grau de Mestre em Economia Empresarial e Finanças.

Data da defesa: 17/09/2012

Aprovada em: 11!Q9j 12

ASSINATURA DOS MEMBROS DA BANCA EXAMINADORA

Escola de Pós·Graduaçlio em Economia


Praia de Botafogo, 190 · 11 ' andar
22253 ·900 Rio de Janeiro RJ Brasil
Tel.: (55 21) 3799·5860 fax (55 21) 2552·4898
Slte: www.fgv.br/epge E•mall: secepge@fgv.br
AGRADECIMENTOS

Agradeço ao meu orientador Marco Bonomo pelas


idéias e discussões que ajudaram a construir esse
estudo.

Agradeço ao professor Juliano Assunção pelas


orientações e sugestões.

Agradeço ao amigo Gabriel Guimarães pelo


suporte com os programas usados no tratamento
da base de dados.
RESUMO

Com o aumento do número de gestores especializados em um número cada vez


maior de possibilidades de investimentos na indústria de fundos brasileira, os fundos
Multigestor se tornaram uma alternativa para os investidores que procuram
diversificar seus investimentos e delegam às instituições financeiras o trabalho de
alocar os recursos dentro das diferentes estratégias e fundos existentes no mercado.

O intuito deste estudo é avaliar a capacidade de gerar retornos anormais (alfa) dos
fundos de fundos da indústria brasileira, classificados como Fundos Multimercados
Multigestor. Para isso foi estudada uma amostra com 1.421 fundos Multigestor com
tributação de Longo Prazo no perfodo de janeiro de 2005 a dezembro de 2011.

A análise dos resultados encontrados através de regressões de modelos de vários


fatores, derivados do modelo de Jensen (1968), sugere que apenas 3,03% dos
fundos estudados conseguem adicionar valor a seus cotistas. Foram estudadas
ainda as três principais fontes potenciais de geração de alfa dos fundos de fundos, a
escolha das estratégias que compõe a carteira do fundo (alocação estratégica), a
antecipação de movimentos de mercado (market timing) e a capacidade selecionar
os melhores fundos dentro de cada estratégia (seleção de fundos).

A partir da inclusão de termos quadráticos, conforme proposto pelos modelos de


Treynor e Mazuy ( 1966) pode-se verificar que os fundos Multigestor, em média, não
conseguem adicionar valor tentando antecipar movimentos de mercado (market
timing). Através da construção de uma variável explicativa com a composição
estratégica de cada fundo da amostra em cada período de tempo, pode-se verificar
que os gestores de fundos de fundos, em média, também fracassam ao tentar
selecionar os melhores fundos/gestores da indústria. Já a escolha das estratégias
que compõe a carteira do fundo (alocação estratégica) mostrou contribuir
positivamente para o retorno dos fundos. Ainda foi avaliada a capacidade de gerar
alfa antes dos custos, o que elevou o percentual de fundos com alfa positivo para
6,39% dos fundos estudados, mas foi incapaz de alterar o sinal do alfa médio, que
permaneceu negativo.

Palavras-chave: Fundos Multigestor, alfa, alocação estratégica, seleção de fundos,


market timing.
ABSTRACT

With lhe increase of lhe number of assei managers and an even larger a number of
investments alternatives in lhe Brazilian hedge fund industry, Fund of Hedge Funds
became an alternative for investors planning to diversify their investments through
financiai specialists.

The intention of this study is to evaluate lhe capacity of Brazilian Funds of Hedge
Funds (FoHF), classified as Multimercados Multigestor, to generate abnormal returns
(alpha). For this porpoise we studied a sample of 1421 Fund of Hedg Funds between
January of 2005 and December of 2011.

The results of multi-factor model regressions, derived from Jensen's model (1968),
suggest that only 3.03% of lhe funds in lhe sample can add value. The three main
potential sources of alpha generalion in Funds of Hedge Funds come from lhe
strategic allocation of lhe portfolios, lhe anticipation of market movements (market
timing) and lhe capacity of FoHF managers to select lhe best assei managers in lhe
industry to com pose its portfolio (fund selection).

To evaluate lhe Brazilian FoHF manager's ability to anticipate market movements we


included quadratic terms in lhe multi-factor models, as proposed by Treynor and
Mazuy (1966). The results showed lha! managers, on average, could not add value
by market timing. To evaluate lhe strategic allocation ability and lhe fund's selection
abilities, we created a new variable with lhe information about lhe asseis in lhe
porlfolio of each fund in lhe sample in every different month. The tests indicated that
FoHF managers, on average, could no! add value by selecting lhe best managers,
but lhe strategic allocation ability showed a positive contribution to FoHF's return. We
also studied lhe alpha generation capacity before costs. lt raised lhe percentage of
funds with positive alpha to 6.39% of lhe funds in lhe sample, but it was no! able to
change lhe signal of lhe average alpha, lha! remained nega tive.

Keywords: Fund of Hedge Funds, alpha, strategic allocation, fund selection, market
timing
LISTA DE FIGURAS

Figura 1: Evolução do PL e do número de fundos de investimento no Brasil ............. 8


Figura 2: A alocação dos ativos no Brasil ................................................................... 9
Figura 3: Evolução do PL e do número de fundos de investimento na amostra
estudada ................................................................................................................... 18
Figura 4: Distribuição dos alfas das regressões individuais do Modelo de vários
Fatores ...................................................................................................................... 35
Figura 5: Distribuição dos Alfas no Modelo de vários Fatores e no Modelo de vários
Fatores com termos quadráticos ............................................................................... 37
Figura 6: Distribuição dos alfas do Modelo de vários Fatores e do Modelo de vários
Fatores com retornos brutos de taxa de administração ............................................ 44

LISTA DE TABELAS

Tabela 1: Classificação de Fundos de acordo com a Categoria ANBIMA ................. 11


Tabela 2: Benchmarks das Séries de Retornos dos Tipos ANBIMA ......................... 31
Tabela 3: Resultados estatisticos obtidos com a Regressão em Painel do Modelo de
vários fatores ............................................................................................................. 33
Tabela 4: Resumo dos coeficientes obtidos com o Modelo de múltiplos fatores ....... 34
Tabela 5: Resultados estatisticos obtidos com a Regressão em Painel do Modelo de
vários fatores com Market Timing ............................................................................. 36
Tabela 6: Resumo dos coeficientes obtidos com o Modelo de múltiplos fatores e
Market Timing ............................................................................................................ 37
Tabela 7: Resultados estatisticos obtidos com a Regressão em Painel do Modelo de
vários fatores com benchmark individual .................................................................. 39
Tabela 8: Resumo dos coeficientes obtidos com o Modelo de múltiplos fatores e
benchmark individual ................................................................................................. 39
Tabela 9: Resultados estatisticos obtidos com a Regressão em Painel do Modelo de
vários fatores e market timing tendo o benchmark como variável dependente ......... 41
Tabela 1O: Resultados estatisticos obtidos com o Modelo de múltiplos fatores com
retornos brutos .......................................................................................................... 43
Tabela 11: Resumo dos coeficientes individuais obtidos com o Modelo de múltiplos
fatores com retornos brutos ....................................................................................... 44
SUMÁRIO

1 INTRODUÇÃO 8
2 REVISÃO BIBLIOGRÁFICA ............................................................................... 14

3 A BASE DE DADOS ........................................................................................... 17

4 METODOLOGIA ................................................................................................. 19

4.1 Regressão com dados em Painel ................................................................ 19

4.2 Modelo de vários Fatores ............................................................................. 22

4.3 Modelo de vários Fatores com Market Timing ............................................. 23

4.4 Modelo de vários Fatores com Benchmark lndividual. ................................. 24

4.5 Análise da Habilidade de Alocação Estratégica através do Modelo de vários


Fatores com Market Timing ................................................................................... 25

4.6 Modelo de vários Fatores com Retornos Brutos de Taxa de Administração26

5 DEFINIÇÃO DAS VARIÁVEIS ............................................................................ 27

5.1 Retorno dos Fundos ..................................................................................... 27

5.2 Retorno Bruto dos Fundos ........................................................................... 27

5.3 Excesso de Retorno de Mercado ................................................................. 28

5.4 Excesso de Retorno da Renda Fixa ............................................................. 28

5.5 Excesso de Retorno Cambial. ...................................................................... 29

5.6 Retorno dos Benchmarks lndividuais ........................................................... 29

6 RESULTADOS ................................................................................................... 33

6.1 Resultados do Modelo de vários Fatores ..................................................... 33

6.2 Resultados do Modelo de vários Fatores com Market Timing ...................... 35

6.3 Modelo de vários Fatores com Benchmark lndividual. ................................. 38

6.4 Resultados da Análise da Habilidade de Alocação Estratégica através do


Modelo de vários Fatores com Market Timing ...................................................... .40

6.5 Modelo de vários Fatores com Retornos Brutos de Taxa de Administração42

7 CONCLUSÃO .................................................................................................... .45


8 BIBLIOGRAFIA ................................................................................................... 47
8

1 INTRODUÇÃO

O processo de estabilização econômica vivido pelo Brasil desde 1994 permitiu o


crescimento da indústria de fundos no país. Segundo números da Associação
Brasileira das Entidades dos Mercados Financeiro e de Capitais (ANBIMA), o
patrimônio administrado através de fundos de investimentos em dezembro de 1994
somava pouco mais de R$ 205 bilhões. Em dezembro de 2011 o patrimônio líquido
da indústria de fundos já tinha alcançado a cifra de R$ 1,994 trilhões. Neste perfodo,
o número de fundos de investimentos na indústria também se multiplicou, saindo de
pouco menos de 1.000 fundos em dezembro de 1994 para 11.533 fundos em
dezembro de 2011, como pode ser observado na figura abaixo.

14.000 ········ .... 2.500

12.000 --------11.53
2.000
10.242
10.000 1/
8.810
7.8918.248 I - 1.500
8.000

6.000
6.210
/
e-
-·---
v
-----
~
>O
=
1.000 ãi
4.5384.7744.8604.825

. ...... 3.93L
4.036
.... .... ..... .4
11'. .
4.000
3.032 ,..
2.5512.641
967 500
2.000 ----T268L IJ;;MH"Tk'
~411 ,~
_LD-''L_lu_ _J.___H-mlrl __u __uu_ 0

Fonte: Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais (ANBIMA)
Figura 1: Evo/uçiío elo P/. e do número de fundos de investimento no Brasil
9

O crescimento da indústria de fundos foi acompanhado pelo surgimento de novos


segmentos de fundos. Enquanto na década de 90 a indústria brasileira se dividia em
dois grandes segmentos de fundos - fundos de ações e fundos de renda fixa - a
Instrução Normativa 409 da CVM de 2004 estabeleceu 7 classificações para os
fundos de investimento e para os fundos de investimentos em cotas - Fundo de
Curto Prazo; Fundo Referenciado; Fundo de Renda Fixa; Fundo de Ações; Fundo
Cambial; e, Fundo de Dívida Externa.

Em 2009 a ANBIMA aprimorou a classificação dos fundos de investimentos,


subdividindo-os, de acordo com seus principais fatores de riscos, em 14 categorias,
com 46 tipos distintos de fatores de risco. A categoria de Renda Fixa, que em 1994
representava 92,7% do patrimônio Iíquido da indústria, no final de 2011 representava
apenas 31,38%. Enquanto isso, categorias como Multi mercados e Previdência, que
não existiam em 1994, fecharam o ano de 2011 com 20,39% e 11,91% do
patrimônio líquido da indústria, respectivamente. Isso já mostra um bom aumento na
diversidade no setor.

O gráfico abaixo apresenta a evolução da participação no patrimônio líquido do


mercado de cada categoria de fundo:

100%

90%
80%

70%

60%

50%
40%

30%

20%

10%

0%

~~~~~~~~~~~~~~~~~~
·~ ~ ·~ ·~ ~ ·~ ·~ ·~ ·~ ~ ·~ ·~ ·~ ·~ ·~ ·~ ·~ ~
1!1 Curto Prazo • Referenciado DI 111 Renda Fixa 11 Multimer- a Cambial
cado
l:il Ações El Previdência lll Participações !;j Off Shore t!.1 Outros**

Fonte: Associação Brasileira das Entidades dos Mercados Financeiro e de Capitais (ANBIMA)
Figura 2: A alocação dos ativos no Brasil
10

A tabela abaixo descreve as categorias de fundos de investimentos de acordo com a


classificação ANBIMA, com seus principais fatores de risco.

Categoria ANBIMA TipoANBIMA Risco

Curto Prazao Curto Prazo DI/SELIC


Referenciado DI Referenciado DI DI/SELIC +Crédito
Renda Fixa* Juros Mercado Doméstico +
Crédito+ Índice de Preços
Mercado Doméstico +
Alavancagem
Renda Fixa Crédito Livre • Juros Mercado Doméstico+
Crédito+ índice de Preços
Renda Fixa
Mercado Doméstico +
Alavancagem
Renda Fixa Índices* Índice de Referência+ CJuros
Mercado Doméstico+ Crédito+
índice de Preços Mercado
Doméstico+ Alavancagem
Long And Short- Neutro * Renda Variável + Alavancagem
Long And Short - Direcional * Renda Variável+ Alavancagem
Multimercados Macro * Diversas Classes de Ativos +
Alavancagem
Multimercados Trading * Diversas Classes de Ativos +
Alavancagem
Multimercados Multiestratégia * Diversas Classes de Ativos +
Alavancagem
Multi mercados
Multimercados Multigestor * Diversas Classes de Ativos+
Alavancagem
Multimercados Juros e Moedas * Diversas Classes de Ativos +
Alavancagem
Multimercados Estratégia Diversas Classes de Ativos +
Específica * Alavancagem
Balanceados Diversas Classes de Ativos
Capital Protegido Diversas Classes de Ativos
Investimento no Exterior Títulos da dívida externa e taxa
Dívida Externa
de câmbio
Ações IBOVESPA Indexado Índice de Referência
Ações IBOVESPA Ativo * Índice de Referência+
Alavancagem
Ações IBrXIndexado Índice de Referência
Ações IBrX Ativo * Índice de Referência+
Ações Alavancagem
Ações Setoriais Renda Variável
Ações FMP- FGTS Renda Variável
Ações Small Caps Renda Variável
Ações Dividendos Renda Variável
11

Categoria ANBIMA TipoANBIMA Risco


Ações Renda Variável
Ações Sustentabilidade/Governança
Ações Livre * Renda Variável+ Alavancagem
Fundos Fechados de Ações Renda Variável
Cambial Cambial Moeda de Referência
Previdência Renda Fixa Juros Mercado Doméstico+
Crédito+ fndice de Preços
Mercado Doméstic
Previdência Balanceados- até 15 Diversas Classes de Ativos
Previdência Balanceados- de 15- Diversas Classes de Ativos
Previdência 30
Previdência Balanceados- acima Diversas Classes de Ativos
de 30
Previdência Multimercados Diversas Classes de Ativos
Previdência Data-Alvo Diversas Classes de Ativos
Previdência Ações Renda Variável
Exclusivos Fechados Exclusivos Fechados Não especificado
Off Shore Renda Fixa Não especificado
Off shore Off Shore Renda Variável Não especificado
Off Shore Mistos Não especificado
Fomento Mercantil Não especificado
Fundos de Direitos Financeiro Não especificado
Creditórios Agro, Indústria e Comércio Não especificado
Outros Não especificado
Fundo de fndices (ETF) Fundo de fndices (ETF) Não especificado
Fundos de Participações Fundos de Participações Não especificado
Fundos de Investimento Fundos de Investimento Não especificado
Imobiliário Imobiliário
-
Fonte. AssoCJaçao Brasileira das Entidades dos Mercados Financeiro e de Capitais (ANBIMA)
Tabela 1: Classificação de Fundos de acordo com a Categoria ANBIMA

Acompanhando o crescimento e a diversificação da indústria de fundos, o número


de empresas de gestão de recursos também se multiplicou, atualmente são cerca de
400 empresas de gestão que respondem pelos cerca de R$ 1, 9 trilhões de reais
alocados em fundos.

Diante dessa diversidade de estratégias e gestores, os investidores que buscam nos


fundos de investimentos uma alternativa para alocar sua poupança enfrentam alguns
desafios: grande número de fundos e gestores, a diversidade de estratégias e
objetivos, a flexibilidade dos fundos na utilização de instrumentos financeiros
sofisticados, dentre outros.
12

Os fundos denominados Multigestor, se propõem justamente a auxiliar os


investidores em parte destes desafios. Os gestores deste segmento, com o melhor
entendimento do mercado e dos diferentes gestores da indústria, procuram escolher,
para seus investidores, as estratégias mais adequadas a seus respectivos perfis de
risco e, os melhores fundos dentro de cada uma destas estratégias.

De acordo com a descrição ANBIMA, os fundos Multigestor são Fundos que têm por
objetivo investir em mais de um fundo, geridos por gestores distintos. A principal
competência envolvida consiste no processo de seleção de gestores e admitem
alavancagem.

Este estudo busca avaliar a capacidade dos gestores de Fundos Multigestor no


Brasil em adicionar valor a seus cotistas. Para isso,analísa-se uma base de dados
da indústria brasileira de fundos com 1.421 fundos da categoria Multigestor no
período de janeiro de 2006 a dezembro de 2011. A capacidade de adicionar valor foi
estimada através da análise dos alfas obtidos em diversos modelos, derivados do
modelo de Jensen (1968), os quais se propõe, além de verificar a capacidade dos
gestores, verificar como se comportam as habilidades desempenhada pelos
gestores desta categoria de fundos na composição dos alfas estimados. Para isso, o
estudo procurou identificar três características: a capacidade de escolher as
melhores estratégias, a habilidade de market timing e, a capacidade de selecionar os
melhores fundos/gestores dentro de cada estratégia escolhida.

Para estas análises foram feitas tanto regressões individuais, em cada fundo da
amostra, como regressões em painel, para tentar identificar a contribuição que este
segmento de fundos proporciona a seus investidores. Foram utilizadas três
abordagens nesta avaliação.

Na primeira abordagem foi utilizado um modelo de vários fatores, derivado do


modelo de Jensen (1968), com o intuito de avaliar em conjunto as três habilidades
dos gestores de fundos Multigestor.

Na segunda abordagem, utilizando a metodologia de Treynor e Mazuy (1966) foram


incluídas as variáveis de excesso de retorno do modelo multi-fator no formato
quadrático. Os coeficientes destes termos quadráticos tentam capturar a habilidade
de market timing do gestor. Caso o gestor aumente (diminua) a exposição de seu
13

fundo em momentos que antecedam movimentos de alta (baixa), os retornos do


fundo serão uma função convexa dos retornos de mercado e, os coeficientes dos
termos quadráticos serão positivos.

A terceira abordagem buscou capturar a capacidade dos fundos Multigestor em


selecionar os melhores gestores do mercado dentro de cada segmento, para isso, foi
incluído no modelo multi-fator uma nova variável explicativa (benchmark individuaD,
construída a partir da carteira mensal de cada fundo (mais detalhes no capitulo de
definição das variáveis). Ao incluir esta nova variável buscaram-se isolar do alfa os
efeitos da alocação estratégica e do market liming, com isso, o alfa calculado
refletiria apenas a capacidade de seleção dos melhores fundos por parte dos
gestores de fundos de fundos.

A contribuição da alocação estratégica na formação do alfa destes fundos foi


estimada a partir da metodologia derivada de Treynor e Mazuy utilizando como
variável dependente o excesso de retorno dos benchmarks individuais dos fundos.

Uma questão que surgiu no decorrer do estudo foi se o custo gerado pelo segundo
layer de taxas, inerente à categoria de fundo de fundos, corroeria os ganhos de alfa
dos cotistas. Para tentar endereçar esta pergunta o modelo utilizado para avaliar a
capacidade de geração conjunta de alfa dos fundos Multigestor foi analisado
também com os retornos brutos (retornos mensais dos fundos de fundos antes da
cobrança da taxa de administração).

O estudo prossegue, após esta introdução, com uma breve revisão da literatura
acadêmica sobre a avaliação de fundos e, de fundo de fundos. No terceiro capitulo
apresenta-se a base de dados utilizada na tese. No quarto capitulo detalhamos a
metodologia e os modelos utilizados. No quinto capítulo definimos as variáveis
utilizadas nos modelos e, no sexto capitulo são apresentados os resultados obtidos
com as regressões. No sétimo capitulo, por final, são apresentadas as conclusões
desta tese.
14

2 REVISÃO BIBLIOGRÁFICA

Embora muitos estudos tenham sido feitos com o objetivo de analisar o desempenho
de fundos de investimento, a literatura sobre fundo de fundos, tanto no contexto
internacional, quanto no Brasil, ainda é pequena.

Dentre os estudos que avaliam a performance dos fundos de investimento,os


trabalhos de Sharpe (1966) e Jensen (1968) foram os pioneiros e estabeleceram as
bases para os estudos posteriores. Sharpe (1966) verificou que a maior parte dos
fundos norte americanos não conseguiam superar os seus benchmarks. No entanto,
encontrou evidências de persistência de performance em alguns fundos.

Jensen (1968), por sua vez, não encontrou evidencias da capacidade dos gestores
de fundos adicionarem valor ao estudar a performance de fundos mútuos norte-
americanos no período entre 1945 e 1964.

Após os trabalhos de Sharpe (1966) e Jensen (1968), o tema vem sendo estudado
por diversos pesquisadores. Henriksson (1984) também fez uma avaliação da
performance de fundos mútuos e concluiu que o resultado empírico não dá suporte à
hipótese de que os gestores destes fundos de fato seguiram uma estratégia de
investimento que superou o desempenho do benchmark.

lppolito (1989) fez um estudo com dados de rentabilidade de mutual funds e concluiu
que retornos ajustados ao risco, já líquidos de taxas e despesas destes fundos, são
comparáveis com os retornos de fundos indexados.

Ainda nesta linha, Coggin, Fabozzi e Rahman (1993) examinaram a performance de


fundos de pensão no mercado americano e acharam que gestores destes fundos
apresentavam bom desempenho para a escolha de bons ativos, porém erravam
muito na escolha dos momentos de compra e venda das ações, ou seja, no timing
do mercado. O trabalho mostra que os melhores gestores de fato apresentaram um
retorno, ajustado pelo risco, maior do que o retorno do mercado.

Com isso, verifica-se que diversos estudos foram feitos dentro desta linha de
desempenho e os resultados são diferentes dependendo principalmente da janela
escolhida para o estudo.
15

Os Fundos Multigestores, conhecidos nos EUA como Fundos de Fundos Hedge


(FoHF) ou Fundo de Fundos Mútuos, investem em fundos com diferentes estratégias
e monitoram seus gestores, aliviando assim seus investidores, do processo de
alocação em diferentes estratégias, seleção de gestores e market timing.

Os gestores de FoHF tentam detectar os melhores fundos dentro de cada estratégia


e, utilizar o market timing, alterando os pesos da carteiras dos fundos investidos de
diferentes estratégias. Amenc e Vaissiê (2006) analisam duas fontes de geração de
valor pelos gestores de Fundo de fundos: a seleção de estratégia e, o que
denominam gestão ativa (ou seja, seleção dos melhores gestores e o market timing).
Os autores encontram que uma grande parte do desempenho de fundos de fundos é
atribuível ao desempenho da alocação de estratégias e apenas um terço dos fundos
de fundos hedge analisados adicionam valor através da gestão ativa (market timing
e seleção de gestores). No entanto, a amostra estudada consistia de apenas 103
fundo de fundos e desconsiderava os fundos extintos durante o período analisado
(viés de sobrevivência). Darolles e Vaissié (2010) revisitam este estudo e sugerem
que os fundos de fundos são capazes de gerar valor aos seus cotistas, superando
as sobretaxas cobradas por estes fundos.

Capocci e Hübner (2006) analisaram a persistência de performance de 653 fundos


ativos e 254 fundos de fundos de hedge extintos, no período de 1994 a 2002,
usando o retorno total, o índice de Sharpe e um modelo de regressão multifator,
descrito em Capocci e Hübner (2005), que estende o modelo de Carhart (1997),
combinando-a com os fatores propostos por Agarwal and Naik (2004). Eles acham
persistência moderada de desempenho positivo na regressão em sub-perldos de
alta de mercado, mas que desaparecem nos sub-perldos de baixa.

Gregoriou (2004), analisou a performance de market timing em 227 fundos


existentes no período de 1993 a 2001 e 210 fundos extintos durante este período. O
resultado obtido sugere que os gestores de fundo de fundos não conseguem
adicionar valor com a estratégia de market timing.

No Brasil, Leusin (2007) analisa o retorno aritmético dos fundos de investimento em


cotas (FICs) da indústria nacional entre 2000 e 2006 e conclui que este segmento da
indústria de fundos não foi capaz de gerar retornos superiores à renda fixa (CDI) no
período. No entanto, ao analisar os retornos brutos destes fundos, retirando a
16

sobretaxa cobrada por estes gestores, essa classe de fundos conseguiria superar o
CDI, o que indica que o valor gerado neste segmento é apropriado pelos gestores
em detrimento dos cotistas.

Já Assali (2008), estudou 32 fundos de fundos da indústria brasileira comparando-os


com carteiras simuladas compostas por uma combinação de CDI e lbovespa. Neste
estudo, o autor constatou o beneficio da diversificação gerada por estes FICs ao
observar um melhor retorno médio, um menor desvio padrão e uma assimetria mais
favorável dos fundos de fundos quando comparados às carteiras simuladas.
17

3 A BASE DE DADOS

Este estudo contou com duas fontes de dados principais. As informações de cotas
necessárias para o calculo dos retornos e, os patrimônios mensais de cada fundo
foram retirados do Sistema de Informações da Associação Nacional dos Bancos de
Investimentos (SI-ANBID).

As informações qualitativas dos fundos de investimentos utilizados neste estudo, tais


como gestor responsável, taxa de administração, classificação Anbima e
classificação tributária, foram retiradas do sistema Quantum Axis.

A base de dados da Quantum Axis foi utilizada também para obtenção das carteira
mensais dos fundos de investimentos analisados. Estes dados são fornecidos pela
CVM, porém o acesso é ineficiente.

O Quantum Axis é um sistema proprietário que consolida diversas informações


públicas do mercado financeiro e da indústria de fundos nacional e é bastante
utilizado por instituições do mercado. Este sistema possui o mesmo código de fundo
da base ANBIMA, permitindo que os dados sejam unidos para a formação de uma
base de dados única.

Para realização deste trabalho foram selecionados todos os fundos classificados


como Fundos Multimercados Multigestor cujas carteiras estavam disponíveis no
sistema Quantum Axis entre os meses de janeiro de 2006 e dezembro de 2011.

Após essa primeira seleção, foi feito um tratamento na base de dados eliminando-se
os fundos Multigestor com classificação tributária de Ações. Foram, selecionados,
portanto, para realização deste estudo, apenas os fundos de classificação tributaria
de Longo Prazo.

Ao todo foram estudados 1.421 fundos Multigestor. O gráfico abaixo mostra a


evolução do número de fundos na amostra e o patrimônio lfquido total dos fundos
em cada mês.
18

R$ 80.00 1600

R$ 70.00 1400
~
o
"'~ R$ 60.00 1200

R$ 50.00 1000

R$ 40.00 800

R$ 30.00 600

R$ 20.00 400

R$10.00 200

R$ 0.00 o

=Patrimonio Liquido nos Fundos da Amostra -Quantidade de Fundos na Amostra

Figura 3: Evoluçao do PL e do ntimero de fundos de investimento na amostra estudada

Uma parte importante deste estudo foi a criação de benchmarks individuais para os
fundos de fundos da amostra, no intuito de isolar as diferentes habilidades dos
gestores. Neste processo, detalhado no capitulo 5, os ativos das carteiras foram
categorizados. Para cada categoria de ativos foram criadas séries de retorno. Foram
utilizadas as informações sobre categoria, cota e PL do sistema SI-ANBID para gerar
estas séries de retornos.
19

4 METODOLOGIA

Para este estudo foram feitas duas abordagens distintas para avaliação da
capacidade de gerar valor dos fundos Multigestores. A primeira abordagem foi
utilizar a regressão em painel com dados mensais de todos os fundos de
investimento da amostra no período de tempo definido. Com essa metodologia
estimou-se um único alfa, por modelo, para todos os fundos da amostra.

Na segunda abordagem, foram realizadas regressões de varias variáveis, utilizando


o método dos mínimos quadrados ordinários, para estabelecer os coeficientes de
cada fundo estudado na amostra, para cada um dos modelos apresentados ao longo
deste capitulo. O intuito desta segunda abordagem é analisar a distribuição dos altas
dentro da amostra.

4.1 Regressão com dados em Painel

A metodologia de dados em painel, também conhecidos como dados longitudinais,


consiste na observação de n entidades para dois ou mais períodos de tempo.
Portanto, pode ser considerada uma combinação entre dados de corte transversal e
de séries temporais.

Esta metodologia traz algumas vantagens, pois permite a analise de questões


econômicas que não podem ser testadas

Os dados em painel apresentam algumas vantagens além de permitirem a análise


de questões que não podem ser avaliadas com dados em cross-section ou séries
temporais. Os dados em painel possibilitam o aumento nos graus de liberdade das
estimações, reduzem o risco de multicolinearidade e podem aumentar a eficiência e
a estabilidade dos estimadores.

O modelo geral para dados em painel é representado pela equação abaixo:


20

Y;t = f3oit + fJ1it * X1it + fJzit * Xzit + ... + f1nit * Xnit + eit

onde i representam os diferentes fundos e o subscrito I representa o período de


tempo analisado. Já o ~o refere-se ao parâmetro de intercepto e ~n ao coeficiente
angular da n-ésima variável explicativa do modelo.

A forma matricial do i-ésimo elemento é observada na equação abaixo:

Yi1
Yiz
Y;= Yi3 X;=

YiT
X1i2 [Xm
X1iT
Xzi1
Xziz

XziT
x~i2
xm
:

xkiT
lP·
I
= [~""
Poiz

PoiT
:
~'"
Pliz

PliT
~"']
Pkiz e·

PkiT
: 1

[';']
eiz

eiT.

Onde, y; e e1 são vetores de dimensão (T x 1) e possuem, respectivamente, as T


variáveis dependentes e os T erros. X; é uma matriz com dimensão (K x T) com as
variáveis explicativas do modelo. Nesta matriz, o elemento xkiT refere-se à k-ésima
variável explicativa para o indivíduo i no instante de tempo I. Por final, ~~ é a matriz
dos parâmetros a serem estimados (matriz dos coeficientes).

Neste modelo geral, o intercepto e os parâmetros de resposta são diferentes, para


cada um dos indivíduos e para cada período de tempo, existindo assim, mais
parâmetros desconhecidos do que observações, não sendo possível estimar seus
parâmetros.

Portanto, é necessário especificar suposições acerca do modelo geral, com o


objetivo de torná-lo operacional. Dentre os modelos que combinam dados de séries
temporais e dados em corte transversal, os mais utilizados são três: Modelo
agregado "pooled'; Modelo de efeitos fixos; e, Modelo de efeitos aleatórios.
21

No modelo agregado (pooled) a estimação é feita assumindo-se que os parâmetros


a e b's são comuns para todos os indivíduos. Há homogeneidade na parte constante
e no declive.

No modelo de efeitos fixos, os coeficientes podem varias de individuo para individuo


ou no tempo, ainda que permaneçam como constantes fixas, logo, não aleatórias.
Então há heterogeneidade na parte constante e homogeneidade nos declives.

~=a,. +bX;, +....+uu

A parte constante a1 é diferente para cada indivíduo, captando diferenças invariantes


no tempo.

Por final, a especificação do modelo com efeitos aleatórios pressupõe que o


comportamento específico dos indivíduos e períodos de tempo é desconhecido, não
podendo ser observado, nem medido: é parte da "ignorância geral". A estimação é
feita introduzindo-se a heterogeneidade dos indivíduos no termo de erro. A
constante deste modelo não é considerada um parâmetro fixo, mas um parâmetro
aleatório não observável.

com a;=a+IJ;

( '71 representa o efeito aleatório individual não observável)

Desta forma, os modelos com efeitos fixos consideram que as diferenças dos
indivíduos (dos fundos de investimento) captam-se na parte constante, enquanto
que os modelos com efeitos aleatórios consideram que estas diferenças captam-se
no termo de erro.

Para auxiliar a decisão do modelo a ser utilizado existem três testes bastante
utilizados. O teste de Breush-Pagan é utilizado para decisão entre os modelos
pooled e o modelo de efeitos aleatórios. O teste de Hausman é utilizado para
decisão entre o modelo de efeitos aleatórios e o modelo de efeitos fixos e, o teste de
22

CHOW pode ser utilizado para auxiliar na escolha entre os modelos pooled e o
modelo de efeitos fixos.

Os dados em painel podem ainda ser divididos em painéis balanceados e painéis


desbalanceados. Em painéis balanceados acompanha-se o mesmo fundo ao longo
de todo o período, já em painéis desbalanceados, o fundo pode entrar no banco de
dados e/ou sair antes de terminar o período de observação.

Foi utilizada a metodologia de painéis desbalanceados com efeitos fixos. Desta


forma foram considerados os fundos que iniciaram ou "morreram" dentro da janela
de tempo estudada.

4.2 Modelo de vários Fatores

O ponto de partida para as analises realizadas neste estudo é o modelo de Jensen


(1968), derivado do CAPM, o qual estabelece uma relação linear entre o excesso de
retorno de um portfólio e o ativo sem risco e, o excesso de retorno de uma proxy do
portfólio de mercado e o ativo livre de risco. A existência de um alfa ai significante
seria um indicio da habilidade do gestor em adicionar valor. A equação abaixo
descreve o modelo:

onde ri,t é o retorno do fundo estudado, rf.t é o retorno livre de risco (neste estudo foi
utilizado o CDI) e rm,t é o retorno de mercado (neste estudo foi utilizado o índice
Bovespa).

Muitos estudos, incluindo Fama e Franch (1993) e Cahart (1997) argumentam que
os retornos de fundos não podem ser explicados por um único fator. A decisão
23

racional, portanto, seria construir modelos com múltiplos fatores, que incorporem as
principais fontes de variação dos retornos dos ativos estudados.

O modelo inicial proposto neste trabalho traz três fatores, o primeiro procura capturar
o efeito do mercado de renda variável no retorno dos fundos estudados, o segundo
fator procura incorporar o efeito dos mercados de renda fixa e o terceiro fator busca
congregar o efeito do mercado de cambio.

onde r 1,t é o retorno do fundo i, r1,t é o retorno do CDI, r;bov,t é o retorno do


lbovespa, r 1ma,t é o retorno do lndice de Mercado ANBIMA (I MA-Geral ex C), rdol,t é
o retorno da carteira cambial e, eit é a parcela da variação mensal do fundo i não
explicada por estes fatores, todos no mês t .

4.3 Modelo de vários Fatores com Market Timing

Além dos diversos estudos sugerindo a inclusão de fatores lineares na avaliação do


desempenho de fundos, estudos como os desenvolvidos por Treynor e Mazuy
(1966) e Chen e Stockum (1985) procuraram incorporar fatores não lineares na
avaliação dos fundos. Os modelos quadráticos tentam capturar a habilidade dos
gestores em antecipar movimentos de mercado e segregar a habilidade do gestor
entre a alocação dos recursos nos diferentes mercados (alocação de estratégia) e a
habilidade de market timing. A intuição destes modelos é de que gestores que
conseguem antecipar movimentos de mercado terão a capacidade de aumentar a
exposição dos fundos ao mercado em períodos de altas e, reduzir as exposições em
períodos de queda. Esta habilidade de timing pode ser capturada nos coeficientes
dos termos quadráticos do modelo abaixo:
24

(ri,t- rf,t) = ai+ fli(ribov,t- rt,t) + oihma,t -rr,t) + Yi(~'ctol,t -1[,t)


+ ei(ribov,t- rt.t) + Pi(~'ima,t -1[,t/ + fli(rctol,t- rt.t) + eit
2 2

onde a existência de coeficientes e, p, f1 significativamente positivos, sugeririam a


capacidade dos gestores dos fundos em antecipar os movimentos, respectivamente,
nos mercados de renda variável, renda fixa e cambiaL

4.4 Modelo de vários Fatores com Benchmark Individual

A avaliação dos gestores de fundo de fundos incorpora uma habilidade adicional à


habilidade de alocação dos recursos em diferentes estratégias e à habilidade de
market timing.

A capacidade de selecionar os melhores gestores dentro das diferentes estratégias


é, talvez, a habilidade sobre as quais os gestores desta categoria de fundos mais
fazem marketing junto a seus clientes prospectivos.

Para tentar avaliar a capacidade de selecionar os melhores fundos dentro das


diferentes categorias existentes na indústria brasileira, foi criado pelo autor um
benchmark individual para cada fundo da amostra, com base nas informações
mensais das carteiras de cada um destes fundos, que agrega as habilidades de
alocação estratégica e market timing, permitindo que o alfa obtido no modelo abaixo
represente apenas a capacidade de seleção do fundo. Maiores detalhes sobre a
construção dos benchmarks individuais estão no capitulo 5 de definição das
variáveis.

(ri,t- rr,t) = ai+ fli(ribov,t- rf,t) + oi(rima,t- rt.t) + Yi(~'ctol,t- rt.t)


+ !p /rbench i, t -r f,t) + eit
25

onde r;,, é o retorno do fundo i, rf,t é o retorno do CDI, r;bov,t é o retorno do


lbovespa, r;ma,t é o retorno do lndice de Mercado ANBIMA (IMA-Geral ex C), rdol,t é

o retorno da carteira cambial, rbench i, t é o retorno do benchmark individual de


cada fundo i e, e;, é a parcela da variação mensal do fundo i não explicada por
estes fatores, todos no mês t .

4.5 Análise da Habilidade de Alocação Estratégica através do Modelo


de vários Fatores com Market Timing

Enquanto no modelo de vários fatores o alfa encontrado combina as três habilidades


hipotéticas do gestor de um fundo de fundos (alocação estratégica, market timing e
seleção de fundos), os dois modelos subseqüentes tentam decompor estas
habilidades. No modelo de vários fatores com market timing, o alfa encontrado
reflete, em tese, apenas as habilidades de alocação estratégica e seleção de fundos
e, no modelo com a inclusão do benchmark individual, o alfa encontrado reflete a
habilidade de seleção de fundos de forma isolada.

Para avaliar apenas a habilidade de alocação estratégica, que, conforme Darolles e


Vaissé (201 O) explica boa parte dos retornos dos fundos desta categoria na indústria
global, replicaremos o modelo de vários fatores com market timing apresentado no
item 4.3, no entanto, no lugar do retorno mensal dos fundos, estudaremos o retorno
do benchmark individual de cada fundo, conforme o modelo abaixo.

onde rbench i,t é o retorno do benchmark do fundo i, rf,t é o retorno do C DI, r;bov,t é o
retorno do lbovespa, r;ma,t é o retorno do fndice de Mercado ANBIMA (IMA-Geral ex
26

C), rdol,t é o retorno da carteira cambial, e, e;, é a parcela da variação mensal do


benchmark do fundo i não explicada por estes fatores, todos no mês t .

4.6 Modelo de vários Fatores com Retornos Brutos de Taxa de


Administração

No intuito de avaliar se os gestores de fundo de fundos são capazes de adicionar


valor antes dos custos cobrados dos cotistas adicionou-se aos retornos mensais
destes fundos de fundos suas respectivas taxa de administração em termos
mensais.

onde 11ruto i,t é o retorno bruto do fundo i, r1,, é o retorno do CDI, r;bov,t é o retorno
do lbovespa, r;ma,t é o retorno do lndice de Mercado ANBIMA (I MA-Geral ex C), rdol,t
é o retorno da carteira cambial e, eit é a parcela da variação mensal do fundo i não
explicada por estes fatores, todos no mês t .

O intuito da construção deste modelo no estudo é poder comparar os resultados


obtidos pelos fundos desta categoria em dois momentos, antes da cobrança de
taxas e após a cobrança de taxas e, verificar se os gestores se apropriam do alfa
que geram em detrimento dos cotistas.
27

5 DEFINIÇÃO DAS VARIÁVEIS

Nesta seção, serão apresentadas as variáveis utilizadas para compor cada um dos
modelos testados. Estas variáveis têm uma periodicidade mensal.

Algumas variáveis foram simplesmente obtidas da base de dados e outras foram


calculadas de acordo com o que se pretendia estudar.

5.1 Retorno dos Fundos

O retorno de cada fundo foi obtido através da razão entre o valor da cota deste
fundo em um mês pelo valor da cota no mês anterior. O retorno mensal do CDI foi
obtido através da base Quantum Axis.

5.2 Retorno Bruto dos Fundos

Esta variável foi calculada adicionando-se ao retorno do fundo, a taxa de


administração anual, transformada para base mensal, do respectivo fundo. A
informação sobre a taxa de administração anual foi obtida através da base de dados
Quantum Axis.
28

5.3 Excesso de Retorno de Mercado

Para o cálculo de excesso de retorno de mercado foram utilizados o lbovespa, como


uma proxy da carteira de mercado, e o CDI como uma proxy do ativo livre de risco.
O excesso de retorno foi estimado através da diferença do retorno mensal do indice
lbovespa para o CDI. Tanto o retorno do lbovespa quanto o retorno do CDI foram
obtidos através da base Quantum Axis.

5.4 Excesso de Retorno da Renda Fixa

Para construção desta variável foi utilizado o indice de Mercado ANBIMA (I MA Geral
ex-C) como proxy para o evolução, a preços de mercado, de uma carteira de titulos
públicos. O IMA-Geral ex-C é uma média ponderada dos retornos dos sub-indices
IMA-8 (composto por titulos atrelados ao IPCA - NTN-Bs), IMA-S (composto por
LFTs) e IRF-M (composto por titulos pre-fixados, LTNs e NTN-Fs). O IMA-Geral ex-C
exclui o sub-indice composto por titulos atrelados ao IGP-M, em virtude da intenção
explicita da Secretaria do Tesouro Nacional em não mais emitir estes titulos, o que
reduziu a liquidez deste segmento, o que poderia viesar o benchmark.

O excesso de retorno da renda fixa foi calculado com base na diferença entre o
retorno mensal do IMA-Geral ex-C e o retorno do CDI.

O IMA-Geral ex-C foi obtido através do Sistema de Informação ANBID e o retorno do


CDI foi obtido da base de dados Quantum Axis.
29

5.5 Excesso de Retorno Cambial

Um dos fatores que intuitivamente poderia contribuir para explicar a variação de


fundos multimercados é a variação cambial. Como benchmark para este fator foi
utilizada a diferença entre o retorno hipotético de uma carteira comprada em dólar
futuro e LFTs e o CDI. O retorno desta carteira foi calculado com base em dados
divulgados pela Bloomberg.

5.6 Retorno dos Benchmarks Individuais

Uma parte importante deste trabalho foi calcular os benchmarks individuais de cada
fundo Multigestor da amostra utilizada. Para isso foram obtidas, através da base de
dados Quantum Axis, as informações mensais sobre os ativos existentes nas
carteiras de cada fundo da amostra. Os ativos, em sua maioria cotas de outros
fundos, foram classificados de acordo com os Tipos Anbima ou, quando não cotas,
em uma das três categorias criadas pelo autor (Ações, CDI e Dólar), de acordo com
o fator de risco.

Para cada Tipo Anbima foi gerada uma série de retornos, considerando o
rendimento de todos os fundos existentes neste respectivo Tipo na base ANBID e
ponderando-os com seus respectivos patrimônios llquidos a cada mês. Para as
categorias criadas pelo autor foram utilizados, respectivamente, os retornos mensais
do lbovespa Fechamento, a variação mensal do CDI e a variação mensal da Ptax.

A série de retorno de cada Tipo foi extrai da conforme o calculo abaixo:

_ ~r-1,.,n
rserie, t -
Tt,tX PLi,t
.
d d f •
on e, ri,t é o retorno o undo i no mes t, e PLi,t é o
L.i=1 PLt,t

patrimônio liquido do fundo i no mês t.


30

Ao todo, foram geradas 46 séries de retornos de modo a agrupar todos os ativos


existentes nas carteiras dos fundos estudados. As principais caracteristicas de
retornos destas séries podem ser observadas na tabela abaixo.

Número
Número de Retorno Desvio
Categoria In feio da Final da médio de
TipoAnblma Meses no padrão do
Anbima Série Série fundos na
observados período retorno
série
Dividendos jan-06 dez-11 72 28 131.58% 5.53%
180VESPA Ativo jan·06 dez-11 72 276 82.90% 6.61%
IBOVESPA Indexado jan-06 dez-11 72 27 62.56% 6.39%
IBrX Ativo jan-06 dez-11 72 116 78.63% 6.78%
IBrX Indexado jan-06 dez-11 72 13 64.85% 6.76%
Livre jan-06 dez·ll 72 444 303.63% 9.86%
Setoriais jan-06 dez-11 72 82 88.96% 7.37%

Ações Small Caps jan-06 dez-11 72 25 93.08% 7.33%


Sustentabilidade/Governança
jan-06 dez-11 72 24 72.15% 6.70%

Fundos de fndices- ETF jan-06 dez-11 72 17 65.89% 6.95%


Fundos Fechados de Ações
jan-06 dez-11 72 13 243.41% 7.95%

Livre com Alavancagem 1 jan-06 abr-09 40 19 29.46% 4.10%


IBOVESPA Ativo Com
Alavancagem1 jan-06 mar-09 39 17 41.56% 5.50%

Cambial jan-06 dez-11 72 53 -1.95% 4.84%


Cambial
Cambial Dólar1 jan-06 dez-09 48 11 -12.01% 4.09%

Curto Prazo Curto Prazo jan-06 dez-11 72 115 77.68% 0.15%


Investimento no Exterior
Dfvida Externa jan-06 dez-11 72 29 -27.30% 4.43%

FIDC Agro Indústria e Comércio


jan-06 dez-11 72 70 22.97% 0.72%

FIDC Outros jan-06 dez-11 72 41 40.07% 3.81%


Fundos
Estruturados Fundos de Participações
jan-06 dez-11 72 80 140.95% 4.50%

Direitos Creditórios1 jan-06 out-10 58 93 -78.88% 4.92%


Balanceados jan-06 dez-11 72 37 90.89% 1.25%
Capital Protegido jan-06 dez-11 72 46 77.28% 1.43%
Long And Short- Direcional
jan-06 dez-11 72 48 101.55% 1.18%

Multimercados Long And Short- Neutro jan-06 dez-11 72 54 102.26% 0.47%


Estrategia Especifica jan-06 dez-11 72 85 129.08% 1.34%
Juros e Moedas jan-06 dez-11 72 205 103.33% 0.63%
Macro jan-06 dez-11 72 230 148.14% 1.63%
31

Multiestrategia jan-06 dez-11 72 1748 149.15% 1.06%


Multigestor jan-06 dez-11 72 1186 97.98% 0.50%
Trading jan-06 dez-11 72 14 101.87% 0.37%
1
Com RV jan-06 abr-09 40 97 72.67% 2.24%
Multimercados
Com RV Com Alavancagem 1
jan-06 abr-09 40 593 52.38% 1.14%
1
Sem RV jan-06 abr-09 40 77 51.57% 1.32%
Sem RV Com Alavancagem 1
jan-06 abr-09 40 22 124.66% 10.69%

Long and Short- Renda VariáveP


jan-06 mar-09 39 17 27.60% 1.64%

Previdência Balanceados Até 15


jan-06 dez-11 72 35 70.49% 0.81%

Previdência Previdência Multimercados


jan-06 dez-11 72 95 90.86% 0.73%

Referenciado DI Referenciado DI jan-06 dez-11 72 464 89.94% 0.16%


Renda Fixa jan-06 dez-11 72 946 97.84% 0.16%
Crédito Livre jan-06 dez-11 72 102 98.11% 0.17%
Renda Fixa Renda Fixa fndices jan-06 dez-11 72 117 115.58% 0.73%
Renda Fixa Com Alavancagem 1
jan-06 nov-08 35 6 32.65% 1.39%

Ações jan-06 dez-11 72 70.63% 6.92%


fndices CDI jan-06 dez-11 72 94.56% 0.17%
Próprios 2
Dólar jan-06 dez-11 72 -19.86% 4.91%

1 Antiga sub-classificações da ANBIMA que deixou de ser adotada em 2009

2 Os fndices próprios foram criados pelo autor para categorizar os ativos presentes nas carteiras dos FICs que não eram cotas de

investimentos
Tabela 2: Benclunarks das Séries de Retomas dos Tipos ANBIMA

Para chegar ao retorno mensal de cada benchmark individual, foram somados, para
cada mês e para cada fundo, os percentuais dos ativos de um mesmo Tipo na
carteira do fundo Multigestor e, este percentual foi multiplicado pelo retorno mensal
da série deste Tipo. Ao final deste processo, foi criado um único benchmark para
cada fundo Multigestor da amostra.

O cálculo do benchmark individual de cada fundo Multigestor pode ser descrito


abaixo:

rbench i, t
f
- x~l
L
(L~ PPLLAtivo Tipo,t .
X Tserze, t
)
fundo,t
32

Onde k é o número de total de ativos na carteira do fundo i no mês t e,n é o número


de ativos com a mesma classificação de Tipo Anbima na carteira do fundo i no mês
t.

Este benchmark individual pode ser entendido como o retorno que teria sido obtido
por um fundo hipotético que tivesse a mesma composição estratégica do fundo
estudado, mas que ao invés de ter selecionado como ativo um fundo "A", constante
na carteira do fundo estudo, tivesse alocado o percentual destinado a este fundo "A"
na média ponderada do Tipo Anbima ao qual este fundo "A" pertence.

A utilização deste benchmark nos modelos de fatores deste estudo procura isolar a
capacidade de seleção de gestores dos fundos estudados, uma vez que o
benchmark agrega as habilidades de alocação estratégica e market timing dos
gestores de fundos Multigestores.
33

6 RESULTADOS

Nesta seção da dissertação são apresentados os resultados obtidos nas regressões


realizadas conforme os modelos apresentados no quarto capítulo do trabalho.

6.1 Resultados do Modelo de vários Fatores

Nesta primeira subseção apresentamos a tabela com o resultado da regressão em


painel do primeiro modelo estudado, obtida através do pacote e-Views, e o
histograma construído com os alfas obtidos através do mesmo modelo ao rodarmos
regressões individuais para cada um dos fundos de fundos da amostra.

Modelo:

Método dos Minlmos Quadrados- Painel Desbalanceado

Coeficiente Erro Padrão estatlstíca-t Prob.

a -0.000393 4.15E-05 -9.456465 0.0000


f3 0.049342 0.000838 58.84718 0.0000
o 0.277788 0.006560 42.34420 0.0000
y -0.007346 0.001057 -6.953046 0.0000

R-quadrado o. 186763
R-quadrado Ajustado o. 168797
Estatlstica-F 10.39528
Prob(Estatlstica-F) 0.000000

Tabela 3: Resultadas estatísticos obtidos com a Regressão em Painel do Modelo ele vários fatores
34

O alfa obtido através desta regressão em painel é significativamente diferente de


zero ao nlvel de confiança de 5% e, o sinal negativo deste coeficiente indica que os
gestores de fundo de fundos não só não são capazes de adicionar valor a seus
cotistas, como destroem valor ( -0.0393% ao mês em média).

O modelo abaixo foi utilizado para obter coeficientes para cada um dos fundos da
amostra:

A tabela abaixo traz a média e a mediana dos coeficientes das regressões múltiplas
realizadas em cada um dos fundos da amostra e a distribuição percentual dos
fundos com coeficientes positivos e negativos, além do percentual de coeficientes
significativamente diferentes de zero (ao nivel de significãncia de 5%) e sua
distribuição entre positivos e negativos.

Coeficientes
ai f3i oi Yi
Média -0.0477% 4.7423% -0.3066% 25.4849%
Mediana -0.0466% 2.1509% -0.2761% 22.6005%
%positivo 24.77% 85.66% 38.96% 92.05%
%negativo 75.23% 14.34% 61.04% 7.95%
%Significativo (5% de confiança) 26.87% 57.63% 9.23% 66.50%
%Significativo positvo 3.03% 56.85% 3.48% 66.15%
%Significativo negativo 23.85% 0.78% 5.75% 0.35%
Tabela 4: Resurno dos coeficientes obtidos com o Modelo de múltiplos fatores

O alfa médio e a mediana dos alfas obtidos através das regressões individuais
ficaram em -0.0477% e -0.0466% respectivamente. O histograma abaixo mostra a
distribuição de todos os alfas das regressões deste modelo. Destes, apenas 26.87%
são estatisticamente diferentes de zero ao nível de confiança de 5%. Dos
coeficientes diferentes de zero, 88.74% são negativos (23.85% de todos os alfas da
amostra), enquanto apenas 11.26% são positivos (3.03% de todos os alfas da
35

amostra). Portanto, de acordo com este modelo, a maior parte dos fundos
Multigestor da indústria não é capaz de adicionar valor (apenas 3.03% dos fundos
conseguiram essa façanha).

30.00%

25.00%

f\1 20.00% ·;,,



c
~ 15.00%
~
u. 10.00%

A.! tas

s Modelo de vários Fatores

Figura 4. Dtslnbwçiio dos alfas elas reg1essões mdtvtduats do Modelo ele vános Fatores

6.2 Resultados do Modelo de vários Fatores com Market Timing

Nesta segunda subseção apresentamos a tabela com o resultado da regressão em


painel do segundo modelo estudado, obtida através do pacote e-Views, o
histograma construído com os alfas obtidos através do mesmo modelo ao rodarmos
regressões individuais para cada um dos fundos de fundos da amostra e, a tabela
com as principais estatísticas dos coeficientes das regressões individuais.

Modelo de vários fatores com market timing:

2
(ri,t- rf,t) == a;+ P(ribov,t- Tr,t) + o(rima,t- rr,t) + y(rdol,t- rf,t) + e(ribov,t- rf,t)
2 2
+ p(r;ma,t- rr,t) + Jl(rdol,t - rt.t) + eit
36

Método dos Mínimos Quadrados- Painel Desbaianceado

Coeficiente Erro Padrão estatlstica-t Prob.

a -0.0000256 0.0000499 -0.513003 0.6060


f3 0.046695 0.000942 49.55852 0.0000
8 0.315091 0.009987 31.54965 0.0000
y -0.002596 0.001468 -1.769118 0.0769
e -0.006714 0.007874 -0.852704 0.3938
p -5.743899 0.582683 -9.854297 0.0000
J1 -0.050406 0.010945 -4.605370 0.0000

R-quadrado 0.190027
R-quadrado Ajustado 0.172095
Estatistica-F 10.59674
Prob(Estatlstica-F) 0.000000

Tabelo 5: Resultados estatísticos obtidos com a Regressão em Painel do Modelo de vóríos fatores com Market
Timing

A inclusão dos termos quadráticos no modelo com a intenção de capturar a não


linearidade dos excessos de retornos dos fundos de fundos aumentou o coeficiente
do alfa da regressão, que neste modelo, passou a ser não significante ao nível de
5% de confiança, ou seja, neste modelo não se pode descartar a hipótese de que o
alfa seja diferente de zero.

Os coeficientes dos termos quadráticos fJ,p,Jl encontrados na regressão são


negativos, sugerindo que os fundos não são capazes de antecipar os movimentos
de mercado (habilidade de market timing). O coeficiente e, ao nível de 5% de
confiança, não pôde ser considerado estatisticamente diferente de zero.

O modelo abaixo foi utilizado para obter coeficientes para cada um dos fundos da
amostra:

A tabela abaixo traz a média e a mediana dos coeficientes das regressões múltiplas
realizadas em cada um dos fundos da amostra e a distribuição percentual dos
37

fundos com coeficientes positivos e negativos, além do percentual de coeficientes


significativamente diferentes de zero (ao nível de significância de 5%) e sua
distribuição entre positivos e negativos.

Coeficientes
ai /J.i Yi oi (Ji li i Pi
Média -0.013% 0.04435 -0.00346 0.28164 -0.06609 -0.00628 -3.74360
Mediana -0.028% 0.01922 -0.00419 0.24366 -0.01049 0.00000 -2.70308
%positivo 35.34% 81.66% 35.34% 92.14% 43.20% 49.15% 31.02%
%negativo 64.66% 18.34% 64.66% 7.86% 56.80% 50.85% 68.98%
%Significativo (5% de 16.86% 48.37% 4.25% 51.35% 11.19% 4.82% 10.55%
confiança)
%significativo positvo 5.03% 47.59% 0.78% 50.99% 3.40% 3.68% 2.90%
%significativo negativo 11.83% 0.78% 3.47% 0.35% 7.79% 1.13% 7.65%
Tabela 6: Resumo dos coeficíentes obtidos com o Modelo de múltiplos fatores e Market Timing

A inclusão das variáveis quadráticas implicou em um alfa médio menor do que o


observado no modelo anterior, bem como uma parcela menor de alfas significativos.
O percentual de alfas negativos caiu de 75,23% para 64,66% dos fundos da
amostra.
O histograma abaixo mostra o comportamento dos alfas neste segundo modelo em
comparação com o primeiro.

l
30.00%

25%
" 6%
25.00%

20.00% • 8%

~
8 15.00%
""
14~.'

I "" I
10.00%

Figura 5: Oistribuiçlio dos Alfas no Modelo de vários Fatores e no Morle/o rle vários Fatores
com termos quadráticos
38

A intuição desta comparação sugere que ao tentar antecipar os movimentos de


mercado, ao invés de gerar valor, os gestores destes fundos de fundos reduzem o
alfa gerado aos cotistas. Portanto, ao isolar este efeito, o alfa com as habilidades de
alocação estratégica e seleção de gestores se torna menos negativo e a distribuição
se desloca para direita.
Analisando os resultados da distribuição dos alfas das regressões individuais dos
dois modelos, enquanto 23.85% dos alfas gerados a partir do Modelo com vários
Fatores (onde o alfa, em tese, captura as três habilidades do gestor) foram
estatisticamente (ao nível de 5% de confiança) negativos, ao isolar a habilidade de
market timing, este percentual recuou para apenas 11.83% dos fundos da amostra,
sugerindo que ao tentar antecipar os movimentos os gestores destroem valor.

6.3 Modelo de vários Fatores com Benchmark Individual

Nesta subseção analisamos os resultados do modelo de vários fatores com a


inclusão dos benchmarks individuais dos fundos como variável explicativa. O
benchmark individual captura tanto a seleção de estratégia quanto o market timing
do gestor. Portanto, ao incluir esta variável no modelo, procuramos isolar no alfa
apenas a habilidade dos gestores em selecionarem os melhores fundos dentro de
cada estratégia.

O modelo abaixo foi utilizado para regressão em painel:

(rt,t- rt.t) = a; + P(rtbov,t- r1,t) + o(rtma,t- rt.t) + r(rdot,t- rr.t)


+ ({J(rbench i, t - rf,t) + e;,t

A tabela abaixo apresenta os resultados encontrados pelo programa econométrico.


39

Método dos Mínimos Quadrados- Painel Desbalanceado

Coeficiente Erro Padrão estatistica-t Prob.

a -0.000990 0.000052 -19.02894 0.0000


fJ 0.017744 0.002202 8.058092 0.0000
o O. 186378 0.010478 17.78705 0.0000
y -0.011144 0.001131 -9.848810 0.0000
(/) 0.525160 0.038957 13.48064 0.0000

R-quadrado 0.390640
R-quadrado Ajustado 0.377169
Estatistica-F 28.99702
Prob(Estatistica-F) 0.000000

Tabela 7: Resultados estatísticos obtidos com a Regressâo em Painel do Modelo de vários fatores com
benchmark individual

O alfa obtido através da regressão em painel sugere que os fundos escolhidos para
compor a carteira dos fundos de fundos não conseguem adicionar valor aos cotistas.
Destaca-se ainda, que ao comparar o alfa deste modelo, que captura de forma
isolada a habilidade do gestor em selecionar os melhores fundos dentro das
estratégias escolhidas, com o alfa do primeiro modelo, que agrega as três
habilidades (alocação estratégica, market timing e seleção de fundos), o resultado
encontrado é mais negativo, o que sugere que, assim como os gestores desta
categoria de fundos não conseguem gerar valor ao

A análise da tabela abaixo, que traz o comportamento dos coeficientes nas


regressões individuais, mostra que 82.74% dos alfas, que refletem apenas a
capacidade de seleção de fundos, são negativos. E, apenas 2.49% dos fundos
estudados são capazes de gerar alfa a partir da seleção de fundos.

Coeficientes
ai oi (/)i
Média -0.078% 0.18671 0.37762
Mediana -0.064% 0.00921 -0.00430 0.14476 0.29087
%positivo 17.26% 72.59% 34.45% 85.72% 86.01%
%negativo 82.74% 27.41% 65.55% 14.28% 13.99%
%Significativo (5% de 36.36% 33.24% 13.57% 50.71% 55.97%
confiança)
%significativo positvo 2.49% 30.18% 2.49% 49.64% 55.82%
%significativo negativo 33.88% 3.05% 11.08% 1.07% 0.14%
Tabela 8: Resumo dos coeficientes obtidos com o Modelo de múltiplos fatores e benchmark individual
40

6.4 Resultados da Análise da Habilidade de Alocação Estratégica


através do Modelo de vários Fatores com Market Timing

Analisando o percentual de alfas estatisticamente negativos (ao nível de


significância de 5%), no Modelo de vários Fatores 23.85% dos fundos tiveram alfa
negativo, no Modelo de vários Fatores com Market Timing o percentual foi de
apenas 11.83% e, no modelo de vários Fatores com Benchmark Individual, este
percentual subiu para 33.88% dos fundos da amostra.

Considerando que no Modelo de vários Fatores o alfa encontrado sintetiza as três


habilidades hipotéticas de um gestor de fundo de fundos, no modelo onde o market
timing é extraído com variáveis explicativas, o alfa congrega as habilidades de
alocação de estratégia e seleção de fundos e, no modelo com benchmark individual,
o alfa representa apenas a habilidade de seleção de fundos.

O comportamento das distribuições dos alfas encontrados nos três modelos


anteriores sugere que os fundos Multigestor não conseguem adicionar valor com a
seleção de fundos (resultado das regressoes com benchmark individual) e, que a
estratégia de market timing também não consegue adicionar valor (ao isolarmos esta
habilidade com os termos quadráticos na regressão com vários fatores, o percentual
de alfas negativos recuou de 23.85% para 11.83%). No entanto, não conseguimos
até o momento isolar a habilidade de alocação estratégica dos gestores dos fundos
de fundos. Esta habilidade representaria a capacidade de gerar valor ao escolher
com quais estratégias compor o fundo de fundos (exemplo: estabelecer o percentual
do patrimônio liquido do fundo que irá comprar cotas de fundos de Renda Fixa e o
percentual que será destinado a comprar cotas de fundos de Ações).

Para avaliar a habilidade de alocação estratégica dos fundos Multigestor utilizamos


como variável explicada o excesso de retorno dos benchmarks individuais de cada
fundo da amostra, uma vez que estes benchmarks representam, em conjunto, a
seleção estratégica e o market timing dos fundos estudados.

As variáveis explicativas utilizadas no modelo foram as mesmas utilizadas no


Modelo de vários Fatores com Market Timing, pois, desta forma, tentamos isolar a
habilidade de market timing da variável explicada.
41

A tabela abaixo traz os resultados da regressão em painel do modelo.

Método dos Minlmos Quadrados- Painel Desbalanceado

Coefficient Std. Errar t-Statistic Prob.

a 0.001299 5.20E-05 24.96850 0.0000


{3 0.059455 0.000900 66.09246 0.0000
8 0.130983 0.009535 13.73726 0.0000
y 0.002996 0.001401 2.138586 0.0325
e -0.063791 0.007518 -8.485504 0.0000
p 1.965518 0.556492 3.531981 0.0004
J1 0.047436 0.010449 4.539552 0.0000

R-squared 0.192400
Adjusted R-squared 0.174520
F-statistic 10.76057
Prob(F-statistic) 0.000000

Tabela 9: Resultados estatísticos obtidos com a Regressão em Painel do Modelo de vários fatores e market
timing tenda o benchmark como variável dependente.

O coeficiente positivo e significativo do alfa da regressão dos benchmarks dos


fundos em relação aos fatores estudados sugere que a habilidade de seleção de
estratégia adiciona valor.

Este resultado é importante para o estudo, pois combinado com os resultados


observados nos modelos anteriores, sugere que enquanto os fundos Multigestor não
conseguem adicionar valor em conjunto, as habilidades de market timing e seleção
de fundos destroem valor, enquanto a habilidade de seleção de estratégia adiciona
valor aos cotistas desta classe de fundos. No entanto, o alfa positivo gerado pela
seleção de estratégia não supera os custos e os impactos negativos do market
timing e da seleção de fundos.

É válido destacar que os coeficientes dos termos quadráticos p e p. ficaram positivos


neste modelo, enquanto no modelo estudado anteriormente, que trazia como
variável explicada o excesso de retorno dos fundos em relação ao CDI, o sinal
42

encontrado para estes coeficientes era significante e negativo. Já o coeficiente


quadrático de excesso de retorno do lbovespa, que não era significante, tornou-se
significante e negativo. Estes coeficientes sugerem que embora a capacidade de
antecipar movimentos de mercado no lbovespa possa ser descartada, há sinais de
convexidade na relação entre o excesso de retorno dos benchmarks dos fundos e as
carteiras cambial e de renda fixa construfdas neste estudo.

6.5 Modelo de vários Fatores com Retornos Brutos de Taxa de


Administração

Analisando os resultados obtidos pelos modelos anteriores verificou-se que, em


média, os fundos de fundos não conseguem adicionar valor aos cotistas. No entanto,
esta categoria de fundos traz um sobrecusto, uma vez, que além das taxas que
incidem nos fundos que compõe a carteira do fundo Multigestor, o próprio fundo
Multigestor cobra uma taxa de administração de seus cotistas (além de outros custos
inerentes a uma estrutura de fundo de investimento, tais como, taxas de fiscalização
do órgão regulador, custos de custódia e auditoria).

Nesta subseção do estudo tentamos avaliar se, a capacidade de adicionar valor


(gerar alfa) estaria sendo impactada primordialmente por este custo adicional. Ou
seja, se os gestores de fundos Multigestor têm a capacidade de gerar alfa, mas
acabam se apropriando deste alfa.

Novamente adotamos a mesma metodologia das subseções anteriores, analisando o


resultado da regressão em painel para toda a amostra e, avaliando os resultados
obtidos com as regressões individuais de cada fundo.

Modelo analisado:

A tabela abaixo sumariza os resultados da regressão em painel do modelo acima.


43

Método dos Minlmos Quadrados- Painel Desbalanceado

Coeficiente Erro Padrão estatística-! Prob.

a -0.000125 4.49E-05 -2.781388 0.0054


{3 0.049342 0.001198 41.18555 0.0000
8 0.277788 0.008580 32.37530 0.0000
y -0.007346 0.001350 -5.441058 0.0000

R-quadrado 0.186872
R-quadrado Ajustado 0.168908
Estatlstica-F 10.40272
Prob( Estatlstica-F) 0.000000

Tabela lO: Hesultados estatísticos obtidos com o Modelo de m!íftiplosfatores com retornos brutos

O alfa obtido na regressão com retornos brutos de taxas permaneceu negativo e,


estatisticamente diferente de zero, ao nivel de 5% de confiança. Esse resultado
indica que mesmo antes dos custos, os fundos Multigestores, em média, não
conseguiram gerar alfa para seus cotistas. No entanto, conforme esperado, o alfa
obtido com os retornos brutos de taxas foi superior ao observado no modelo de
retornos líquidos. Houve um incremento de cerca de 68.19% no alfa, quando
comparados os resultados dos dois modelos.

Analisando os resultados das regressões individuais, como pode ser visto na figura
abaixo, o que se percebe é um deslocamento da distribuição dos alfas para direita,
com uma redução do percentual dos alfas negativos da amostra de 75.23% dos
fundos estudados (Modelo de vários Fatores), para 64.02% (Modelo de vários
Fatores com Retornos Brutos de Taxa de Administração).
44

35.00%
31%
30.00%
25%
25.00%

•• 20.00%
~
,•
! 15.00%

10,00%

5.00%

í\1 Modelo de vários Fatores ::-1 Modelo de vários Fatores com Retornos Brutos de Tx de Adm

Ftgurii6:0ístríbuíção cio~~ a/fase/o ModeioCie vi.Í"ios Fatores-o do);iodeio de v!lríos Fatores


com retornos brutos ele taxa ele aclmínístração

Na mesma linha, os fundos estatisticamente diferentes de zero (com nível de


significância de 5%) e positivos, saíram de 3.03% do total da amostra para 6.39%,
ou seja, um incremento de 111%. A tabela abaixo sumariza a distribuição dos
coeficientes das regressões brutas de taxa de administração.

a; o·
Média -0.0196% 0.04742 -0.00307 0.25485
Mediana -0.0224% 0.02151 -0.00276 0.22600
%positivo 35.98% 85.66% 38.96% 92.05%
%negativo 64.02% 14.34% 61.04% 7.95%
%Significativo (5% de confiança) 17.89% 57.56% 9.23% 66.50%
%significativo positvo 6.39% 56.78% 3.48% 66.15%
%significativo negativo 11.50% 0.78% 5.75% 0.35%
Tabela 11: Resumo dos coeficientes individuais obtidos com o Modelo de múltiplos fatores con1 retomas brutos
45

7 CONCLUSÃO

A conclusão que se pode retirar dos testes realizados é de que os fundos


Multigestor, em sua grande maioria, não conseguem adicionar valor aos cotistas.
Enquanto na média, esta categoria de fundos produz um alfa negativo de -0.0393%
(resultado obtido através da regressão em painel do Modelo de vários Fatores),
avaliando os alfas de todos os fundos estudados (1421 fundos), 73.03% dos fundos
apresentaram alfas, que ao nível de confiança de 5%, não puderam ser
considerados diferentes de zero e, apenas 3.03% dos alfas de todos os fundos
estudados foram positivos (resultados obtidos através das regressões individuais
dos fundos da amostra pelo Modelo de vários Fatores).

Outra caracterlstica interessante que pudemos constatar a partir deste estudo foi a
de que, considerando que o alfa de um fundo Multigestor possa ser segregado em
três caracterlsticas distintas, quais sejam, a alocação em estratégias, a habilidade de
antecipar movimentos de mercado (market timing) e, a capacidade de escolher os
melhores fundos disponíveis no mercado dentro de cada estratégia (seleção de
fundos), os modelos estudados sugerem que os gestores destes fundos conseguem
gerar alfa ao selecionar as estratégias que comporão a carteira do fundo Multigestor
(alocação estratégica - resultado apresentado na subseção 6.4), no entanto,
destroem valor ao tentar antecipar os movimentos de mercado (resultado
apresentado na subseção 6.2) e, não conseguem escolher os melhores fundos
dentro de cada estratégia (resultado apresentado na subseção 6.3).

Uma intuição para os resultados encontrados é de que os fundos Multigestor, por


serem fundos que alocam em outros fundos do mercado, dependem da capacidade
de gerar valor dos fundos da indústria e, como sugerem Jordão e Moura (2011 ),
apenas uma pequena parcela dos fundos hedge da indústria brasileira consegue
obter retornos anormais e um percentual também bastante reduzido consegue
antecipar as oscilações de mercado. Desta forma, os resultados encontrados neste
estudo não destoam da indústria de fundos hedge no Brasil.
46

A importância da alocação estratégica no desempenho dos fundos de fundos


também foi ressaltada na literatura internacional, como destacaram Darolles e
Vaissié (201 O) em um paper sobre a indústria global de fundo de fundos, em que a
alocação estratégica foi considerada o principal fator para explicar o retorno dos
fundos desta categoria, enquanto a seleção de fundos, embora considerada uma
fonte potencial para aprimorar os retornos, apresentou contribuição menos
consistente.

Embora os resultados encontrados neste estudo possam induzir avaliações de que


os fundos Multigestor não configuram uma boa alternativa de investimento, uma vez
que em média não conseguem gerar valor a seus cotistas, existem outras
características nos fundos Multigestor que não foram consideradas neste estudo e
que devem ser consideradas por potenciais investidores, tais como, a possibilidade
de acessar fundos fechados para captação através de aplicações em fundos de
fundos que possuam cotas dos fundos já fechados em sua carteira; a possibilidade
de diversificar em vários fundos/gestores com um investimento inicial inferior ao que
seria necessário para montar uma carteira com a mesma exposição; a possibilidade
de compensar automaticamente os prejulzos de investimentos mal sucedidos em
fundos que compõe a carteira, com ganhos obtidos por outros fundos da carteira; e,
a possibilidade de resgatar de um fundo que compõe a carteira do fundo de fundos
e, investir em um novo fundo, sem implicar a antecipação de impostos por parte do
cotista, uma vez que não incidem impostos nas alterações na carteira do fundo e, o
cotista não precisa reiniciar sua contagem de prazo para incidência do come-cotas.
47

8 BIBLIOGRAFIA

AGARWAL, VIKAS. NAIK, NARAYAN, Y., Risks and Portfolio Decisions lnvolving
Hedge Funds. Review of Financiai Studies, 17(1): 63-98. 2004

ALLEN, DAVID E, SOUCIK, VICTOR, In Search of True Performance? Testing


Benchmark - Model Validity in Managed Funds Context, Working Paper, Edith
Cowan University, 2000.

AMENC, NOEL ANO VAISSIE, MATHIEU, Determinants of Funds of Hedge


Funds' Performance, Journal of lnvesting, 2006.Vol. 15, No. 4, pp. 46-52.

Anuário 2011 -Indústria de Fundos de Investimento, Anbima e FGV, 10-29.

ASSALI, NICOLAU. A Análise de desempenho e caracteristicas de fundos de


fundos multigestores do mercado Brasileiro no periodo de setembro/1998 a
Agosto/2007. Dissertação de Mestrado em Finanças e Economia Empresarial,
Escola de Pós-Graduação em Economia, FGV, 2007

ASSOCIAÇÃO BRASILEIRA DAS ENTIDADES DOS MERCADOS FINANCEIRO E


DE CAPITAIS- ANBIMA, IMA -lndice de Mercado Ambima. Rio de Janeiro, 2011
Dispon Ive I em: <htlp://portal.anbima.com.br/informacoes-tecnicas/indices/ima/Documents/ima_cartilha.pdf>

CAPOCCI, DANIEL, CORHAY, ALBERT, ANO GEROGES HÜBNER, Hedge Fund


Performance and Persistence in Buli and Bear Markets, European Journal of
Finance, 2005. Vo1.11, N'5, p.361-392.

CAPOCCI, DANIEL ANO GEORGES HÜBNER, Analysis of Hedge Fund


Performance, Journal of Empirical Finance, 2005. V oi. 11, No. 1, pp. 55-89.

CAPOCCI, DANIEL ANO GEORGES HÜBNER (2006), Funds of Hedge Funds:


Bias and Persistence in Returns, Oxford, pp. 27-43.

CARHART, MARK M., On Persistence in Mutual Fund Performance, Journal of


Finance,1997. Vol.52, N'1, p.57-82.
48

COGGIN, T. DANIEL, FABOZZI, FRANK J., RAHMAN , SHAFIQUR. The


investment performance of U.S. equity pension fund managers: An empirical
investigation. Journal of Finance, 48, 1039-1055, 1993

DAROLLES, SERGE ANO VAISSÉ, MATHIEU, Do Funds of Hedge Funds Really


Add Value? A Post-Crisis Analysis, EDHC-Risk lnstitute, 2010.

DEWAELE, B PIROTTE, H TUCHSCHMID, N E WALLERSTEIN, E. Assessing the


Performance of Funds of Hedge Funds, Centre Emile Bernheim Working Paper
n11/041, 2011.

FAMA, E. FRENCH, K.. Common Risk Factors in the Returns on Stocks and
Bonds. Journal of Financiai Economics, v.33, n.1, p. 3-56, 1993.

GREGORIOU, G. N., Are managers of funds of hedge funds good market timer?
Journal ofWealth Management, 61-75. 2004

GUARANA, LAURA C. Estudo do Impacto do Patrimonio na Rentabilidade dos


Fundos de Investimento em Ações. Dissertação de Mestrado em Finanças e
Economia Empresarial, Escola de Pós-Graduação em Economia, FGV, 2012.

HENRIKSSON, ROY D. MARKET Timing and Mutual Fund Performance: An


Empiricallnvestigation, Journal of Business, V oi. 57, n1, pp. 73-96. 1984

IPPOLITO, RICHARD A. Efficiency with Costly lnformation: A Study of Mutual


Fund Performance, 1965-1984. Quartely Journal of Economics, Vol104, No.1, pp.
1-23. 1989

JENSEN, MICHAEL C., The Performance of Mutual Funds in the Period 1945-
1964, Journal of Finance, 1968. Vol.23, N"2, p.389-416.

JORDAO, GUSTAVO A., MOURA, MARCELO L., Análise de Desempenho de


Fundos Multimercados Brasileiros, Journal of Multinational Financiai
Management. 2011

LEUSIN, LILIANA M. C. Análise de fundo de fundos: um estudo para o caso


brasileiro. Dissertação de Mestrado em Finanças e Economia Empresarial, Escola
de Economia de São Paulo, FGV, 2008.
49

SHARPE, WILLIAM F.,Mutual Fund Performance, Journal of Busíness, 1966.


Vol.39, W1, p.119-138.

SZKLO, RENATO S., Detectando Não-Linearidades nos Retornos dos Fundos


Multimercados, Escola de Pós-Graduação em Economia, FGV, 2007

TREYNOR, J. AND K. MAZUY, Can mutual funds outguess lhe market? Harvard
Busíness Revíew 44, 131-136. 1966