Centro Federal de Educação Tecnológica Celso Suckow da Fonseca – CEFET/RJ

Análises de regressão linear simples entre os valores da cota, dividendos e

valores patrimoniais para o fundo imobiliário ABCP11

Alunos:

Antonio Candido Rodrigues Rapozo - rapozoantonio@gmail.com

Matheus Giada Matschinske – matheusgiada@gmail.com

Nathalia Gomes B. de Paiva – nathaliagbpaiva@gmail.com

Rodolfo Cerqueira Neves – rodolfo.c.neves@gmail.com

Orientador:

Pedro Senna

Rio de Janeiro, RJ - Brasil

Novembro / 2018
 RESUMO

ABCP11 é um fundo de investimento do setor imobiliário. Com o crescimento de investimentos no

ramo de fundos imobiliários, especialmente com o aumento de valores de cotas em curtos períodos,
esse tema mostrou-se relevante para uma análise de regressão. E sendo esse um grande centro
comercial – Grand Plaza Shopping, Santo André, SP – o ativo do fundo, reforça a relevância para
o mercado. Visto que é uma grande fonte de consumo de produtos e serviços, é um espaço de
consumo muito importante para a região, de modo que é comumente utilizado por uma grande
parcela da população local.

A partir do que foi trabalhado em sala de aula sobre regressão linear simples, foram utilizados um
conjunto de métodos estatísticos capazes de modelar e explorar relações entre variáveis que estão
relacionadas de maneira não determinística. São essas variáveis, valores das cotas – variável
independente - e valores do dividendo e do patrimônio líquido – variáveis dependentes. Neste
relatório serão expostos os gráficos de dispersão resultantes e modelos lineares obtidos.

Assim, foi concluído que é necessário utilizar variáveis corretas para obter modelos adequados.
Apenas três variáveis resultaram modelos adequados. São elas o patrimônio líquido do fundo, o
valor patrimonial da cota e o dividend yield de mercado. Utilizando esses dados são obtidos
modelos de regressão linear adequados, proporcionando análises de possíveis lucros ou não na
compra e venda das cotas do fundo imobiliário ABCP11.

Palavras-chave: Fundos de investimento imobiliários; Regressão linear simples; Métodos

estatísticos.
 SUMÁRIO

1. INTRODUÇÃO ......................................................................................................................................... 4
2. REVISÃO DE LITERATURA ................................................................................................................. 5
3. METODOLOGIA ...................................................................................................................................... 8
4. ESTUDO DE CASO E EXPERIMENTO NUMÉRICO......................................................................... 16
5. CONCLUSÕES ....................................................................................................................................... 16
6. REFERÊNCIAS ...................................................................................................................................... 17
7. ANEXOS ................................................................................................................................................. 18
 4
1. INTRODUÇÃO
Houve um aumento de capital alocado em fundos de investimentos no Brasil, como indicam
os relatórios da Associação Brasileira das Entidades dos Mercados Financeiros e de Capitais
(ANBIMA). Segundo a instituição, o patrimônio líquido total alocado na indústria atingiu, pela
primeira vez, R$1 trilhão, no final da década de 1990, sendo que, no final de 2016, chegou a R$3,47
trilhões, correspondendo a 56% do Produto Interno Bruto (PIB) do País. Seguindo essa tendência,
os fundos de investimentos imobiliários se popularizaram também.
No segundo semestre de 2015, a Comissão de Valores Mobiliários (CVM) reformulou a
regulação da indústria. Com o objetivo de criar um padrão nas classificações dos ativos, com foco
na internacionalização do mercado brasileiro.
Os investidores dispõem de diversas técnicas para analisar o desempenho de fundos de
investimentos e de múltiplas informações influentes sobre o desempenho desses ativos auxiliares no
processo de tomada de decisões de investimento.
O conjunto de modelos paramétricos de análise de ativos que carregam pressupostos acerca
das distribuições de variáveis e resíduos dos modelos compõe a metodologia da Moderna Teoria de
Finanças, este trabalho utiliza a metodologia da regressão linear.
A regressão linear é uma ferramenta estatística usada para prever futuros valores a partir de
valores passados. A linha de tendência da regressão linear usa o método dos mínimos quadrados
para desenhar uma linha reta através dos preços com o objetivo de minimizar a distância entre eles e
a resultante linha de tendência.
Investimentos em fundos agregam riscos que requerem avaliações bem elaboradas quanto ao
desempenho dos ativos. Em busca de parâmetros precisos e reais, analisar os resultados dos fundos
se torna indispensável para prognósticos sobre o desempenho do ativo. Mesmo com o auxílio de um
especialista ou delegando a responsabilidade do investimento a um profissional experiente, não há a
certeza de um resultado satisfatório do fundo.
Para reduzir ao máximo esses riscos são feitas análises sobre os resultados e parâmetros dos
fundos. Como citado anteriormente, a regressão linear foi o método abordado em sala de aula
escolhido para a análise do Fundo de Investimento Imobiliário FII Grand Plaza Shopping
(ABCP11).
O ABCP11 tem como ativo 98,6% do empreendimento comercial Grand Plaza Shopping.
Seu objetivo é a exploração comercial do shopping. Sendo um dos maiores shoppings em área bruta
locável do Brasil, o Grand Plaza Shopping é mais importante centro comercial do Grande ABC
paulista.
Neste relatório foi utilizada uma variável dependente e uma variável independente para
realizar a regressão. Os valores para cada variável foram extraídos do relatório enviado pela
 5

corretora Rio Bravo Investimentos DTVM Ltda. A variável dependente será sempre o valor de
mercado da cota, através desta, foi obtida uma regressão com a utilização de diversas variáveis
independentes – que também foram extraídas do relatório da Rio Bravo. Com isso, diversos
comparativos foram obtidos entre o valor comercial da cota e todas as outras variáveis
individualmente.

2. REVISÃO DE LITERATURA
Como já abordado, o tipo de análise escolhido para esse relatório foi o método de regressão
linear simples. De forma geral, regressão consiste em um conjunto de ferramentas estatísticas
utilizadas para modelar e explorar relações entre variáveis que estão associadas de maneira não
determinística.
Por exemplo, as vendas de um produto podem estar relacionadas ao valor gasto em
marketing com esse produto. Assim, é possível construir um modelo relacionando vendas a gastos
com marketing, e então usar um modelo para previsão de vendas.
A relação entre essas variáveis é descrita por um modelo matemático, chamado de modelo
de regressão, o qual é ajustado a um conjunto de dados. Em muitos casos, a explicação de um
fenômeno de interesse pode estar associada a outras variáveis que contribuem de alguma maneira
para a ocorrência do fenômeno. O comportamento conjunto de duas variáveis quantitativas pode ser
observado por meio do gráfico de dispersão.
Para estabelecer o modelo, deve-se verificar qual o tipo de curva e equação de um modelo
matemático que mais se aproxime dos pontos representados no diagrama de dispersão. No caso
deste relatório o modelo utilizado foi o de regressão linear simples.
Através dos diagramas de dispersão pode-se ver se uma relação linear é razoável ou não,
analisando se o grau de correlação é forte ou fraca, conforme o modo como estão espalhados os
pontos, como na figura baixo.

Figura 1 - Correlações lineares a partir de diagramas de dispersão

 6

No caso da regressão linear a relação entre variáveis se dá de modo que há somente uma
variável independente ou regressor (x) e a relação de resposta linear, a variável dependente (y).
Supondo que a relação entre x e y seja uma linha reta e que a observação de y para cada valor de x
seja uma variável aleatória, essa relação pode ser expressa pelo modelo:
𝐘 = 𝛃𝟎 + 𝛃𝟏 + 𝛜
Sendo β0 a interseção e β1 a inclinação e 𝜖 é um erro aleatório com média zero e variância
desconhecida σ². Diferentes retas podem ser traçadas em um diagrama de dispersão, por isso o
objetivo do método é encontrar a reta que esteja tão próxima dos pontos quanto possível.

Figura 2 - A distância entre a reta e os pontos são denominados erros de predição, erros em y

Estimar os parâmetros β0 e β1 é o mesmo que ajustar a melhor reta em um gráfico de

dispersão. A melhor reta é aquela que resultará no menor erro. Logo:
𝛜𝐢 = 𝐲𝐢 − [𝛃𝟎 + 𝛃𝟏𝐱 𝐢 ]
O objetivo é estimar os parâmetros β0 e β1 de modo que os desvios entre os valores
observados sejam os mínimos possíveis. A forma de obter essas estimativas é usando o método de
mínimos quadrados. Esse método consiste em minimizar a soma dos quadrados dos desvios, como
na expressão abaixo.
𝐧 𝐧

𝐐 = ∑ 𝛜²𝐢 = ∑(𝐲𝐢 − 𝛃𝟎 − 𝛃𝟏𝐱 𝐢 )²

𝐢=𝟏 𝐢=𝟏

As estimativas de mínimos quadrados da interseção e da inclinação no modelo de regressão

linear simples são: Para encontrar as estimativas para os parâmetros, deriva-se a equação anterior
̂ 𝑒 𝛽1
em relação a β0 e β1, e a solução dessas equações fornece os erros médios quadráticos e 𝛽0 ̂:
̂ = 𝐲̅ − 𝛃𝟏
𝛃𝟎 ̂ 𝐱̅
(∑𝐧𝐢=𝟏 𝐲𝐢 )(∑𝐧𝐢=𝟏 𝐱 𝐢 )
∑𝐧𝐢=𝟏 𝐲𝐢 𝐱 𝐢 −
̂ =
𝛃𝟏 𝐧
𝐧
(∑ 𝐱 )²
∑𝐧𝐢=𝟏 𝐱²𝐢 − 𝐢=𝟏 𝐢
𝐧
 7

Os valores de 𝑥̅ e 𝑦̅ correspondem à média dos valores de x e y. A linha de regressão

estimada é:
̂ + 𝛃𝟏
𝐲̂ = 𝛃𝟎 ̂x
Cada par de observações satisfazem a relação:
̂ + 𝛃𝟏
𝐲𝐢 = 𝛃𝟎 ̂ 𝐱 𝐢 + 𝐞𝐢 , 𝐢 = 𝟏, 𝟐, … , 𝐧
Onde 𝑒𝑖 = 𝑦𝑖 − 𝑦𝑖
̂ , recebe o nome de resíduo.
Uma importante parte da verificação da adequação de um modelo de regressão linear é a
realização de um teste estatístico de hipóteses. Um p-valor é uma medida de quanta evidência existe
contra a hipótese nula. Quanto menor o p-valor, mais evidência existe. Deve-se combinar o p-valor
com o nível de significância α para tomar decisão sobre um dado teste de hipótese.
Em tal caso, se o p-valor for menor que um corte (usualmente 0,05) então se rejeita a
hipótese nula. Em suma, o p-valor é o menor nível de significância que conduz à rejeição nula H0
com os dados fornecidos.
Após comparar o p-valor ao valor de α, o nível de significância do teste, é verificado se há
evidência suficiente para rejeitar a hipótese nula.
𝐇𝟎: 𝛃𝟏 = 𝟎
𝐇𝟏: 𝛃𝟏 ≠ 𝟎
Um método chamado análise de regressão pode ser usado para testar a significância da
regressão. O procedimento divide a variância total na variável de resposta em componentes
significativas:
𝐧 𝐧 𝐧

∑(𝐲𝐢 − 𝐲̅) ² = ∑(𝐲̂𝐢 − 𝐲̅) + ∑(𝐲𝐢 − 𝐲̂)

𝐢
𝐢=𝟏 𝐢=𝟏 𝐢=𝟏

Graus de liberdade (GL) são a quantidade de informações que a amostra fornece e é usada
para estimar os valores de parâmetros desconhecidos e calcular a variabilidade dessas estimativas.
Esse valor é determinado pela quantidade de observações na amostra e o número de parâmetros do
modelo. Dessa forma, aumentar a amostra aumenta os graus de liberdade e adicionar parâmetros ao
modelo diminui os graus de liberdade. Também são usados para caracterizar uma distribuição
específica e qual a mais adequada para diferentes tamanhos de amostra e número de parâmetros no
modelo.
Para avaliar a significância do modelo como um todo utiliza-se a análise de variância
ANOVA. Com a utilização da distribuição F, o teste compara os valores de F calculado e F crítico.
Caso o F calculado seja maior do que o F crítico, a hipótese nula é rejeitada e a regressão é válida,
caso contrário a hipótese nula é aceita e a regressão inválida. Quanto maior for o F, calculado mais
adequada é a reta.
 8

Tabela 1- Análise de variância (ANOVA) utilizada para analisar a significância da regressão

Uma das formas de avaliar a qualidade do ajuste do modelo é através do coeficiente de

determinação. Esse coeficiente indica o quanto o modelo foi capaz de explicar os dados coletados.
O coeficiente de determinação é dado pela expressão:
̂ ∑𝐧𝐢=𝟏(𝐱 𝐢 − 𝐱̅)𝐲𝐢
𝛃𝟏
𝐑² =
∑𝐧𝐢=𝟏(𝐲𝐢 − 𝐲̅)²
Sendo 0 ≤ R² ≤ 1. O R² é uma medida descritiva da qualidade do ajuste obtido ou a
quantidade da variabilidade nos dados que é explicada pelo modelo de regressão ajustado.

3. METODOLOGIA
A metodologia utilizada foi a de uma regressão linear, que se baseou na escolha de um
fundo imobiliário, visto que a alteração de seus valores depende de uma série de fatores aleatórios,
o que facilitaria o cálculo requisitado, para pôr em prática tudo o que foi colocado em sala de aula.
Não é nada além de um padrão seguido, com os mesmos moldes dos modelos apresentados.
Foi escolhido um fundo imobiliário devido à grande popularização do investimento do meio
de capital e a viabilidade da aplicação do método estocástico de regressão, para que fosse possível
realizar de maneira clara uma análise do prognóstico, tal qual o desempenho dos valores financeiros
do fundo.
Os artigos utilizados como base são os dados fornecidos aos clientes da corretora Rio Bravo
Investimentos DTVM Ltda., proporcionando confiabilidade aos estudos.
Gráficos de dispersão dos valores de mercado da cota, em função das mais diversas
variáveis independentes, disponíveis através da corretora para estudo do fundo imobiliário. Dessa
maneira, é possível obter a regressão linear nos diferentes casos abordados.
O fundo abordou os seguintes prognósticos, dentro de um período de 31 meses (Janeiro de
2016 até Julho de 2018): Rentabilidade patrimonial e Rentabilidade de mercado. Fazendo uso, dessa
maneira, das seguintes variáveis independentes: Patrimônio líquido do fundo, valor patrimonial da
cota, rendimentos, variação patrimonial, Dividendo Yield patrimonial, rentabilidade patrimonial,
rentabilidade acumulada no ano, variação da cota de mercado, Dividendo Yield Mercado,
rentabilidade de mercado total.
 9

O comportamento do Valor de Mercado da Cota pode ser observado com base em cada uma
de suas respectivas análises, vale ressaltar que com exceção do Patrimônio Líquido do Fundo, Valor
Patrimonial da Cota e Rendimento que são valores em reais, todos os outros parâmetros estão
indicados em percentuais do Valor de Mercado da Cota.

Gráfico 1 – Patrimônio Líquido do Fundo (R$)

O Patrimônio Líquido do Fundo trata-se, basicamente, do valor do fundo caso ele fosse
vendido. O patrimônio líquido é calculado pela soma de todos os títulos e do valor em caixa, menos
as obrigações do fundo, inclusive aquelas relativas à sua administração.
É possível perceber, no gráfico, que há uma inclinação positiva no cálculo da regressão, o
que lhe afere uma tendência à valorização do valor de mercado da cota. Após os cálculos realizados,
conclui-se que modelo é adequado, visto que o valor do F calculado está acima do F crítico.
 10

Gráfico 2 – Valor Patrimonial da Cota (R$)

Tendo como base a premissa de que a quantidade de cotas é a quantidade de donos do

fundo, pode-se fazer uma análise relativa ao Valor Patrimonial da Cota, que nada mais é do que
uma razão entre o Patrimônio Líquido e a quantidade total de cotas.
Seguindo a tendência das análises da rentabilidade patrimonial, da mesma maneira que o
Patrimônio líquido do Fundo tende a valorizar-se, o Valor Patrimonial da Cota também segue a
mesma linha crescente, com valores até bem próximos uma da outra.
De mesmo modo que no cálculo do Patrimônio Líquido do Fundo, foi possível obter um
valor de F notavelmente acima do valor do F crítico, o que torna a regressão válida.

Gráfico 3 – Rendimento (R$/Cota)

 11

A grosso modo, rendimento é o lucro alcançado em uma empresa ou em uma operação

financeira. Nessa análise, estaremos relacionando-o ao valor de mercado da cota, que é o valor que
o mercado está pagando por ela.
Mais uma análise da rentabilidade patrimonial, a análise dos rendimentos aparentemente
segue uma tendência crescente, porém o modelo não se mostrou adequado devido ao valor
inadequado do F calculado (abaixo do F crítico), o que torna o modelo inadequado.

Gráfico 4 – Variação Patrimonial (%)

Variação Patrimonial é a alteração de valor, de qualquer elemento do patrimônio público,

por alienação, aquisição, depreciação ou valorização, amortização, superveniência, insubsistência e
efeitos da execução orçamentária.
Analisando a tabela com os valores da Variação Patrimonial, percebe-se a inconstância e a
irregularidade nos valores, mês após mês. Isso dificilmente validaria o cálculo da regressão, o que
se confirma com a demonstração de que o modelo não é adequado através cálculo do F (abaixo do F
crítico).
 12

Gráfico 5 – Dividend Yield Patrimonial

Dividend Yield significa “rendimento do dividendo”, ou seja, quanto é recebido de aluguel

em relação ao valor do patrimônio líquido do fundo.
Como se trata de um valor que não apresenta uma linearidade na sua evolução ao longo dos
31 meses estudados, dificilmente seria um modelo adequado de regressão. Fato que se confirma
com o cálculo do seu F (também abaixo do F crítico).

Gráfico 6 - Rentabilidade Patrimonial

A Rentabilidade Patrimonial nada mais é do que o retorno sobre o Patrimônio Líquido (sigla
em inglês ROE: Return on equity). É um indicador que mede a capacidade de agregar valor de uma
 13

empresa a partir de seus próprios recursos e do dinheiro de investidores. É basicamente o quanto de

lucro que uma empresa pode gerar com o dinheiro investido pelos acionistas.
É possível observar que se trata de mais uma variável irregular e com um comportamento
linear praticamente nulo ao longo dos anos de 2016, 2017 e 2018. Apesar de influir numa linha
crescente no gráfico acima, o que sugeriria uma valorização do Valor de Mercado de Cota, o
modelo também é inadequado, devido ao valor inválido achado no cálculo do seu F.

Gráfico 7 - Rentabilidade Patrimonial Acumulada no Ano

Nesse modelo, a análise foi feita de maneira acumulada, com o acréscimo de mês em mês,
dentro de um período de um ano. Diferentemente da análise anterior, na qual a Rentabilidade
Patrimonial é feita mensalmente.
Da mesma maneira que nas últimas variáveis independentes, a rentabilidade acumulada está
apta a sofrer alterações abruptas de um mês para outro o que não lhe confere um desenvolvimento
lógico ao longo do tempo. O modelo também não é considerado adequado, devido ao valor de F
inválido.
 14

Gráfico 8 - Variação da Cota de Mercado

Partindo agora para uma análise da rentabilidade de mercado, começamos pela Variação da
Cota de Mercado, que é uma variável independente e que influencia diretamente no valor de
Mercado da Cota. Sendo esta a porção de mercado detida por uma organização (ou um produto)
relativamente a esse mercado, e por possuir uma variação com ausência de linearidade ao longo do
tempo, seu modelo é considerado inadequado.

Gráfico 9 - Dividend Yield Mercado

De mesmo modo que na rentabilidade patrimonial, realizamos o estudo do Dividend Yield de

Mercado, que, por sua vez, apresenta uma notória desvalorização ao longo do tempo, através da
linha decrescente explícita no gráfico acima. Nesse caso, o modelo é considerado adequado, visto
que o F calculado está acima do F crítico requisitado.
 15

Gráfico 10 - Rentabilidade de mercado total

Assim como explicado anteriormente, a rentabilidade de mercado trata-se do percentual de

remuneração de um dinheiro aplicado. Nesse caso, com uma abordagem relacionada ao mercado, e
não patrimonial.
A rentabilidade de mercado total também apresenta variações abruptas de um mês para
outro, dificultando a efetividade do cálculo de regressão. Isso fica explícito, mais uma vez, pela
incompatibilidade do valor de F calculado (abaixo do F crítico), tornando o modelo impróprio.

Gráfico 11 - Rentabilidade de Mercado Acumulada no Ano

 16

Assim como no desenvolvimento do estudo da rentabilidade patrimonial acumulada no ano,

a rentabilidade de mercado acumulada trata-se de um modelo indevido pela incoerência de seus
valores, numa abordagem mês-mês. O F calculado de 2,94 está abaixo do F crítico.

4. ESTUDO DE CASO E EXPERIMENTO NUMÉRICO

O estudo do Valor de Mercado das Cotas em função de outros parâmetros do ABCP11
dentro da série histórica no período de janeiro de 2016 e julho de 2018, utilizando uma regressão
linear simples oferece ao investidor uma abordagem estatística para reduzir o risco associado ao
investimento, observando a presença ou ausência de relação entre os valores destes.
O modelo matemático elabora uma equação que associa o Valor de Mercado das Cotas,
como a variável dependente em função dos outros parâmetros do fundo, como variáveis
independentes, de forma individual, caracterizando a regressão linear simples.
Com os dados é possível construir um diagrama de dispersão, que neste trabalho é avaliada a
partir das técnicas estáticas de análise de variância (ANOVA), dividindo a variância total da
variável de resposta utilizada para avaliar a significância da regressão. Os objetivos da análise
ANOVA através da variável de distribuição F são de estimar a validade da regressão em função de
um F calculado e um F crítico.

5. CONCLUSÕES
Após a observação dos gráficos e dos fatos citados anteriormente, conclui-se que a regressão
linear é uma ferramenta poderosa na análise de investimentos financeiros – no caso, o estudo do
fundo imobiliário ABCP11. Porém, necessita-se usar variáveis corretas e assim obter-se um modelo
adequado, que consiste em um F calculado maior que o F crítico.
O objetivo do trabalho é observar se é possível ou não utilizar os dados fornecidos pela a
corretora Rio Bravo aos seus clientes para realizar uma análise de regressão linear com esses dados.
Os resultados dos modelos de regressão linear mostraram se o valor de mercado da cota do fundo
está valorizado ou não, fundamentado pelos valores das variáveis dependentes. Ou seja, prever se é
possível ou não ter lucro com a venda ou compra das cotas do fundo imobiliário ABCP11.
Os modelos adequados foram obtidos com as variáveis dependentes sendo o patrimônio
líquido do fundo, o valor patrimonial da cota e o dividend yield de mercado. O patrimônio líquido é
valor total dos ativos do fundo caso fosse totalmente vendido. O valor patrimonial da cota é a
divisão do valor do patrimônio líquido pela quantidade de cotas, ou seja, quanto cada cota vale do
valor total de ativos. O dividend yield de mercado é o rendimento mensal em relação ao valor de
mercado mensal da cota.
 17

A diferença entre F calculado e F crítico indica qual o modelo mais adequado. Quanto maior
for essa diferença, mais adequado é o modelo. Com isso a análise de regressão linear utilizando
como variável dependente o patrimônio líquido do fundo (diferença de 20,3601) é a mais adequada.
E a análise usando o dividend yield de mercado como variável é a menos adequada (diferença de
8,5808).
A principal contribuição desse estudo é com as pessoas que estejam interessadas em
descobrir ou aprimorar suas avaliações e técnicas de avaliações dos valores não só de fundos
imobiliários, mas de qualquer transação financeira que se trabalhe com previsões de cotações
futuras, usando cormo base memória de dados posteriores.
Para se refinar ainda mais a projeção de lucro ou não, é possível usar uma regressão linear
múltipla. Ou seja, com múltiplas variáveis, o que irá gerar uma análise ainda mais concreta.

6. REFERÊNCIAS
 Fonseca, Simone Evangelista; Fernandes, Anderson Rocha; Cunha, Cristiana Lara; Iquiapaza,
Robert Aldo. Fundos de Investimento: Performance Aplicando Modelo Carhart e Análise
Envoltória de Dados. Universidade Federal de Minas Gerais, 2017.
 Bastos, Edson; Senna, Pedro; Guimarães, Julio César; Severo, Eliana. Análise de
investimento com o uso do método estatístico de regressão: o caso de uma indústria
petrolífera. XI Congresso nacional de excelência em gestão, 2015.
 MONTGOMERY, D. C.; RUNGER, G. C. Estatística Aplicada e Probabilidade para
Engenheiros, LTC, 2009.
 Bacci, André L. F. S. Introdução aos Fundos de Investimento Imobiliário, Brasília:
ISBN, 2014.
 https://www.riobravo.com.br/default.aspx <acesso em 04/09/18 às 15 horas>
7. ANEXOS

RENTABILIDADE PATRIMONIAL RENTABILIDADE DE MERCADO

Rentabilidade
Valor Valor de Variação da Rentabilidade Rentabilidade
Patrimônio Líquido do Quantidade de Rendimentos Amortizações Variação Dividend Yield Rentabilidade Acumulada no Dividendo Yield
Mês/Ano Patrimonial M ercado da Cota de de Mercado Acumulada no
Fundo (R$) Cotas (R$/Cota) (R$/Cota) Patrimonial Patrimonial Patrimonial Ano Mercado
da Cota Cota Mercado Total Ano (Mercado)
(Patrimonial)

jan/16 R$ 633.345.724,00 61.019.165 10,38 0,1397 0 -0,11% 1,34% 1,23% 1,23% 9,4 -1,05% 0,71% -0,33% -0,33%
fev/16 R$ 633.969.256,00 61.019.165 10,39 0,06 0 0,10% 0,58% 0,68% 1,92% 9,5 1,06% 1,51% 2,59% 2,25%
mar/16 R$ 634.751.413,00 61.019.165 10,4 0,065 0 0,12% 0,63% 0,75% 2,68% 9,74 2,53% 0,64% 3,18% 5,50%
abr/16 R$ 635.031.806,00 61.019.165 10,41 0,065 0 0,04% 0,62% 0,67% 3,37% 10,21 4,83% 0,67% 5,53% 11,33%
mai/16 R$ 635.369.960,00 61.019.165 10,41 0,07 0 0,05% 0,67% 0,73% 4,12% 9,7 -5,00% 0,64% -4,39% 6,45%
jun/16 R$ 633.379.621,00 61.019.165 10,38 0,07 0 -0,31% 0,67% 0,36% 4,49% 11 13,40% 0,73% 14,23% 21,59%
jul/16 R$ 638.127.004,00 61.019.165 10,46 0,065 0 0,75% 0,63% 1,38% 5,93% 11,5 4,55% 0,64% 5,22% 27,94%
ago/16 R$ 636.561.430,00 61.019.165 10,43 0,07 0 -0,25% 0,67% 0,42% 6,38% 11,7 1,74% 0,57% 2,32% 30,90%
set/16 R$ 637.024.423,00 61.019.165 10,44 0,075 0 0,07% 0,72% 0,79% 7,22% 11,6 -0,85% 0,60% -0,26% 30,56%
out/16 R$ 637.501.492,00 61.019.165 10,45 0,07 0 0,07% 0,67% 0,75% 8,02% 11,7 0,86% 0,65% 1,52% 32,55%
nov/16 R$ 679.452.768,00 61.019.165 11,14 0,075 0 6,58% 0,72% 7,30% 15,90% 11,95 2,14% 0,60% 2,75% 36,19%
dez/16 R$ 676.622.924,00 61.019.165 11,09 0,075 0 -0,42% 0,67% 0,26% 16,20% 12,05 0,84% 0,63% 1,47% 38,20%
jan/17 R$ 684.555.839,00 61.019.165 11,22 0,12 0 1,17% 1,08% 2,25% 2,25% 13,2 9,54% 0,63% 10,23% 10,23%
fev/17 R$ 680.191.658,00 61.019.165 11,15 0,08 0 -0,64% 0,71% 0,08% 2,33% 14,02 6,21% 0,92% 7,19% 18,15%
mar/17 R$ 680.608.975,00 61.019.165 11,15 0,075 0 0,06% 0,67% 0,73% 3,08% 15,9 13,41% 0,57% 14,06% 34,76%
abr/17 R$ 680.988.529,00 61.019.165 11,16 0,075 0 0,06% 0,67% 0,73% 3,83% 15,9 0,00% 0,47% 0,47% 35,40%
mai/17 R$ 681.555.062,00 61.019.165 11,17 0,075 0 0,08% 0,67% 0,76% 4,62% 16,01 0,69% 0,47% 0,67% 36,31%
jun/17 R$ 678.351.705,00 61.019.165 11,12 0,1322 0 -0,47% 1,18% 0,71% 5,36% 16,5 3,06% 0,47% 3,55% 41,15%
jul/17 R$ 682.222.584,00 61.019.165 11,18 0,075 0 0,57% 0,67% 1,25% 6,68% 16,45 -0,30% 0,81% 0,15% 41,36%
ago/17 R$ 682.387.300,00 61.019.165 11,18 0,077 0 0,02% 0,69% 0,71% 7,44% 16,5 0,30% 0,46% 0,78% 42,46%
set/17 R$ 683.683.808,00 61.019.165 11,2 0,08 0 0,19% 0,72% 0,91% 8,41% 18,5 12,12% 0,47% 13,16% 61,20%
out/17 R$ 682.654.820,00 61.019.165 11,19 0,08 0 -0,15% 0,71% 0,56% 9,02% 15,63 -15,51% 0,43% -14,66% 37,57%
nov/17 R$ 683.066.970,00 61.019.165 11,19 0,08 0 0,06% 0,72% 0,78% 9,87% 16,28 4,16% 0,51% 4,16% 43,29%
dez/17 R$ 783.263.400,00 61.019.165 12,84 0,08 0 14,67% 0,71% 15,38% 26,77% 16,09 -1,17% 0,49% -1,17% 41,62%
jan/18 R$ 784.633.803,00 61.019.165 12,86 0,08 0 0,17% 0,62% 0,80% 0,80% 16,97 5,47% 0,50% 5,47% 5,47%
fev/18 R$ 784.896.160,00 61.019.165 12,86 0,08 0 0,03% 0,62% 0,66% 1,46% 16,77 -1,18% 0,47% -1,18% 4,23%
mar/18 R$ 784.925.854,00 61.019.165 12,86 0,08 0 0,00% 0,62% 0,63% 2,09% 16,4 -2,21% 0,48% -2,21% 1,93%
abr/18 R$ 785.425.925,00 61.019.165 12,87 0,08 0 0,06% 0,62% 0,69% 2,79% 16,1 -1,83% 0,49% -1,83% 0,06%
mai/18 R$ 784.868.696,00 61.019.165 12,86 0,085 0 -0,07% 0,66% 0,59% 3,40% 15,48 -3,85% 0,50% -3,85% -3,79%
jun/18 R$ 781.790.198,00 61.019.165 12,81 0,085 0 -0,39% 0,66% 0,27% 3,68% 14,4 -6,98% 0,55% -6,98% -10,50%
jul/18 R$ 784.612.498,00 61.019.165 12,86 0,085 0 0,36% 0,66% 1,02% 4,74% 15,75 9,38% 0,59% 9,38% -2,11%