PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

PUC-SP

Leandro Augusto Petrokas

AVALIAÇÃO DA EFICÁCIA DE SINAIS DA ANÁLISE TÉCNICA NO MERCADO

DE CAPITAIS BRASILEIRO, NO PERÍODO DE 2000 A 2010

MESTRADO EM ADMINISTRAÇÃO

SÃO PAULO – SP

2012
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

PUC-SP

Leandro Augusto Petrokas

AVALIAÇÃO DA EFICÁCIA DE SINAIS DA ANÁLISE TÉCNICA NO MERCADO

DE CAPITAIS BRASILEIRO, NO PERÍODO DE 2000 A 2010

Dissertação apresentada à banca examinadora da

Pontifícia Universidade Católica de São Paulo,
como exigência parcial para obtenção do título de
Mestre em Administração, sob orientação do
Prof. Dr. Rubens Famá.

SÃO PAULO – SP

2012
 Petrokas, Leandro Augusto
Avaliação da eficácia de sinais da análise técnica no mercado de capitais brasileiros, no
período de 2000 a 2010 / Leandro Augusto Petrokas. – São Paulo, 2012. 112f.

Dissertação (Mestrado) – Pontifícia Universidade Católica de São Paulo. Programa de

Estudos Pós-Graduados em Administração. Área de Concentração: Gestão Integrada das
Organizações. Linha de Pesquisa: Estratégia e Inovação. Orientador: Prof. Dr. Rubens Famá.
Evaluating the effectiveness of signals of technical analysis in the Brazilian capital
market in the period 2000 to 2010.

Palavras-chave: Análise Técnica, Bolsa de Valores, eficiência de mercado

BANCA EXAMINADORA

_____________________________________

_____________________________________

_____________________________________
AGRADECIMENTOS

Agradeço primeiramente a Deus, pela oportunidade e inspiração concedidas para cumprir

mais uma etapa na vida acadêmica.

Aos meus pais, Vera Lucia Tancsik Petrokas e Roberto Vicente Petrokas (in memorian),
grandes inspiradores de valores éticos e morais.

Ao Prof. Dr. Rubens Famá, pelos conhecimentos transmitidos nas aulas, pela paciência na
orientação desta dissertação, por sua cordialidade, amizade e pelo exemplo de dedicação ao
ensino e à pesquisa.

Ao Prof. Dr. José Odálio dos Santos, por todos os ensinamentos (não só acadêmicos)
transmitidos ao longo do curso, pelas contribuições no exame de qualificação e pelo prazer de
escrever artigos em conjunto.

Ao Prof. Dr. Marco Antônio de Barros Penteado, pelas valiosas contribuições tecidas no
exame de qualificação e por sua cordialidade e presteza em colaborar com esta dissertação.

À Rita de Cassia, secretária do Programa de Mestrado em Administração da PUC, sempre

disposta a ajudar os alunos.

Às empresas Scórpios Indústria Metalúrgica e Grupo Segurador Banco do Brasil MAPFRE,

pela disponibilidade e apoio ao longo desse curso.

Aos colegas do curso: Wilton Moisés Modro, Marli Colangelo, Adriane, Wilson Trevisan,
Marcus Nakagawa, Iaia Augusto Cuma e Antonio Carbonari.

Aos professores: Paulo Henrique Pereira e Tiago Alves Costa, amigos sempre dispostos a
colaborar quando são solicitados.

Aos amigos e familiares que entenderam a minha ausência durante o curso, porém, sempre me
apoiaram durante esta jornada. Em especial: Ana Paula Basso Rossi, minha esposa, e Paulo
Silvestre, quem me apresentou a Bolsa de Valores e a Análise Técnica.

À CAPES, pela concessão da Bolsa de Estudos.

v
RESUMO

Esta dissertação tem como objetivo principal avaliar se a análise técnica é capaz de produzir
resultados financeiros superiores ao modelo buy and hold, o qual preconiza a compra e a
venda de ações a médio ou longo prazo, sem utilização de critérios ou ferramentas específicas
para nortear esse tipo de decisão.
A amostra foi composta por quatorze ações, de oito setores diferentes da economia, o período
da pesquisa foi de 2000 a 2010 e os testes foram realizados com cinco dos principais
indicadores (sinais) da análise técnica.
Optou-se por testar se a média móvel simples de 233 períodos seria capaz de aumentar a
rentabilidade obtida pelos sinais. Foi avaliado o impacto da geração de um sinal de compra
nos retornos de cinco ações, por meio da metodologia de estudo de eventos e, por fim,
avaliou-se a duração média das operações realizadas pelos sinais estudados.
Os resultados indicaram que dentro de 350 casos, somente em 61 a rentabilidade obtida com
os sinais da análise técnica foi superior à obtida pelo modelo buy and hold. Por meio do teste
do qui-quadrado, constatou-se que tal frequência não é estatisticamente igual à metade dos
casos, portanto, conclui-se que a análise técnica não foi capaz de produzir resultados
financeiros superiores ao buy and hold.
Os resultados evidenciaram que não houve melhora significativa na rentabilidade com a
utilização da média móvel simples de 233 dias como regra de filtro, pois, não foi constatada
diferença estatisticamente significativa nas médias das rentabilidades obtidas por cada sinal,
com e sem o filtro.
Os estudos de eventos revelaram que somente em um dos cinco eventos analisados ocorreu
um impacto positivo e estatisticamente significativo nos retornos das ações.
A análise da duração das operações indicou que as operações lucrativas possuem uma duração
maior quando comparada às não lucrativas para todos os sinais, exceto no IFR, quando se
verificou um comportamento oposto desse padrão.

Palavras-chave: Análise Técnica. Bolsa de Valores. Eficiência de mercado.

vi
ABSTRACT

This study aims at assessing the technical analysis is capable of producing superior financial
results to the model buy and hold, which recommends the purchase and sale of shares in the
medium or long term, without the use of specific tools or criteria to guide such decision.
The sample was composed of fourteen shares, in eight different sectors of the economy, the
survey period was from 2000 to 2010 and the tests were conducted with five key indicators of
technical analysis. It was decided to test whether the simple moving average of 233 periods
could increase the profitability obtained by the signs. The impact of generating a buy signal in
the returns of five actions, through the event study methodology and, finally, estimated the
average duration of the operations performed by the signals studied.
The results indicated that in a case 350, 61 only in the yield obtained with the signals of the
technical analysis was superior to that obtained by the model buy and hold. By means of the
chi-square, it was found that this frequency is not statistically equal to half the cases,
therefore, conclude that technical analysis was not able to produce superior financial results to
the buy and hold. The results showed that there was no significant improvement in
profitability with the use of simple moving average of 233 days as a filter rule, therefore, was
not statistically significant differences in mean returns obtained by each signal, with and
without the filter. The event studies revealed that only one of the five events analyzed was a
statistically significant and positive impact on stock returns. The analysis of the duration of
the operations indicated that profitable operations have a longer duration when compared to
non-profit for all signals except the IFR, when there was an opposite behavior of this pattern.

Key words: Technical analysis. Stock market. Market efficiency.

vii
SUMÁRIO

LISTA DE FIGURAS E GRÁFICOS.....................................................................................x

LISTA DE TABELAS.............................................................................................................xi

1 INTRODUÇÃO....................................................................................................................12
1.1 Problema de pesquisa..........................................................................................................12
1.2 Objetivos.............................................................................................................................14
1.3 Justificativa.........................................................................................................................14
1.4 Metodologia........................................................................................................................16
1.5 Estrutura da dissertação .....................................................................................................16

2 FUNDAMENTAÇÃO TEÓRICA......................................................................................18
2.1 Eficiência de mercado.........................................................................................................18
2.1.1 Formas de eficiência do mercado................................................................................20
2.2 Anomalias no mercado de capitais.....................................................................................21
2.2.1 Anomalias de calendário.............................................................................................21
2.2.2 Anomalias fundamentalistas.......................................................................................23
2.3 Finanças comportamentais..................................................................................................23
2.4 Análise fundamentalista......................................................................................................26
2.4.1 Definição.....................................................................................................................27
2.4.2 Análise dos múltiplos..................................................................................................27
2.4.3 Método do fluxo de caixa descontado.........................................................................29
2.4.4 EVA® e MVA............................................................................................................30
2.5 Análise técnica....................................................................................................................31
2.5.1 Definição.....................................................................................................................31
2.5.2 Tipos de gráfico...........................................................................................................32
2.5.3 Teoria de Dow.............................................................................................................35
2.5.4 Suportes e resistências.................................................................................................36
2.5.5 Linhas de tendência.....................................................................................................37
2.5.6 Padrões gráficos..........................................................................................................38
2.5.7 Indicadores..................................................................................................................43
2.5.8 Teoria das Ondas de Elliot..........................................................................................50
2.5.9 Pesquisas acadêmica sobre análise técnica.................................................................51

viii
3 METODOLOGIA................................................................................................................59
3.1 Seleção da amostra..............................................................................................................59
3.2 Procedimentos da pesquisa.................................................................................................61
3.2.1 Cálculo da rentabilidade utilizando os sinais da análise técnica.................................63
3.2.2 Cálculo da rentabilidade do modelo buy and hold......................................................66
3.2.3 Detalhamento dos sinais..............................................................................................67
3.2.4 Teste da média móvel como regra de filtro para os sinais..........................................74
3.2.5 Análise do impacto dos sinais nos retornos das ações................................................77
3.2.5.1 Definição do evento e critérios de seleção........................................................78
3.2.5.2 Retornos Normais e Anormais..........................................................................78
3.2.5.3 Procedimento de estimação...............................................................................80
3.2.5.4 Procedimento de Teste......................................................................................80
3.2.6 Análise da duração das operações...............................................................................82

4 ANÁLISE DOS RESULTADOS........................................................................................83

4.1 Resultados obtidos sem a regra de filtro.............................................................................83
4.1.1 Análise da significância das frequências.....................................................................87
4.2 Resultados obtidos com a regra de filtro.............................................................................89
4.3 Resultados dos estudos de eventos.....................................................................................93
4.4 Resultados da análise da duração das operações................................................................97

5 CONSIDERAÇÕES FINAIS............................................................................................100
5.1 Conclusões........................................................................................................................100
5.2 Limitações.........................................................................................................................101
5.3 Sugestões para trabalhos futuros.......................................................................................101

REFERÊNCIAS BIBLIOGRÁFICAS................................................................................103

ix
LISTA DE FIGURAS E GRÁFICOS

FIGURAS
Figura 1 – Explicação do gráfico de barras .............................................................................32
Figura 2 – Explicação do gráfico de candles ...........................................................................33
Figura 3 – Gráfico de candles do Ibovespa..............................................................................34
Figura 4 – Gráfico de barras do Ibovespa.................................................................................34
Figura 5 – Suporte e resistência................................................................................................37
Figura 6 – Linha de tendência de alta.......................................................................................38
Figura 7 – Triângulo ascendente...............................................................................................39
Figura 8 – Retângulo de alta e retângulo de baixa....................................................................40
Figura 9 – Bandeira de alta.......................................................................................................40
Figura 10 – Bandeira de baixa..................................................................................................40
Figura 11 - Topo duplo.............................................................................................................41
Figura 12 – Ombro –cabeça - Ombro.......................................................................................42
Figura 13 – Médias móveis.......................................................................................................44
Figura 14 – MACD...................................................................................................................46
Figura 15 – Histograma MACD...............................................................................................47
Figura 16 – Índice de Força Relativa........................................................................................49
Figura 17 – Estocástico.............................................................................................................50
Figura 18 – Ondas de Elliot......................................................................................................51
Figura 19 – Divisão do período da pesquisa.............................................................................61
Figura 20 – Divisão do período da pesquisa adotada...............................................................62
Figura 21 – Gráfico mensal do Ibovespa de 2000 a 2010.........................................................63
Figura 22 – Sinais de compra e venda – Estocástico lento - PETR4........................................69
Figura 23 – Sinais de compra e venda – Hi Lo - PETR4..........................................................70
Figura 24 – Sinais de compra e venda – IFR - PETR4.............................................................71
Figura 25 – Sinais de compra e venda – MACD - PETR4.......................................................72
Figura 26 – Sinais de compra e venda - Parabólico SAR - PETR4..........................................74
Figura 27 – Média móvel como filtro.......................................................................................75
Figura 28: Etapas do estudo de evento.....................................................................................77

GRÁFICOS
Gráfico 1 - Probabilidade de o Ibovespa ganhar do dólar – Período de 1968 a 2003...............13
Gráfico 2 – Retornos anormais acumulados.............................................................................96

x
LISTA DE TABELAS

Tabela 1 – Pesquisas acadêmicas sobre análise técnica no Brasil............................................52

Tabela 2 - Pesquisas acadêmicas sobre análise técnica no exterior..........................................56
Tabela 3 – Composição da amostra..........................................................................................60
Tabela 4 – Exemplo de registro das operações.........................................................................65
Tabela 5 – Teste de igualdade das variâncias...........................................................................76
Tabela 6 – Amostra para o estudo de eventos...........................................................................78
Tabela 7 – Operações realizadas nos sub períodos sem o filtro................................................83
Tabela 8 – Rentabilidade líquida obtida sem o filtro................................................................84
Tabela 9 - Frequências esperadas e observadas por sinal.........................................................88
Tabela 10 - Resultado do teste do qui-quadrado.......................................................................88
Tabela 11 – Operações realizadas nos sub períodos com o filtro.............................................89
Tabela 12 – Rentabilidade líquida obtida com o filtro.............................................................90
Tabela 13 – Resultados do teste de igualdade de médias populacionais..................................92
Tabela 14 – Retornos anormais (AR).......................................................................................94
Tabela 15 – Retornos anormais acumulados (CAR).................................................................95
Tabela 16 – Resultados dos procedimentos de teste.................................................................96
Tabela 17 – Duração média das operações...............................................................................98
Tabela 18 – Testes de média das durações...............................................................................98

xi
1 INTRODUÇÃO

1.1 Problema da pesquisa

A teoria da eficiência de mercado é um dos temas mais pesquisados e discutidos em

finanças no universo acadêmico. De acordo com tal teoria, proposta por Fama (1970), em um
mercado eficiente, os preços das ações refletem rapidamente e plenamente as informações
disponíveis, impossibilitando a obtenção de ganhos anormais por meio de estratégias que
identifiquem padrões de comportamento nos preços.

Bruni e Famá (1998) apresentaram duas relações de trabalhos empíricos em relação à

eficiência de mercado. A primeira relacionou as pesquisas que atestaram a eficiência de
mercado, enquanto a segunda citou as pesquisas que negaram a teoria. Observando a data das
pesquisas, é possível notar que a maior parte dos trabalhos que comprovaram a teoria são
anteriores à década de 1990.

Há uma suspeita no meio acadêmico que devido a evolução dos sistemas

informatizados, ocorrida nas décadas de 1980 e 1990, os estudos a respeito do comportamento
dos preços das ações se intensificaram e a execução desses tornou-se mais rápida, e, por essa
razão, iniciou-se um processo de descobertas de padrões de comportamento persistentes ao
longo do tempo, denominadas anomalias de mercado.

As principais anomalias identificadas e estudadas pelos pesquisadores em finanças

são: anomalias de calendário (efeito janeiro, efeito segunda-feira, efeito virada de mês),
anomalias fundamentalistas (valor, tamanho da empresa) e as anomalias técnicas.

As anomalias técnicas são caracterizadas pelo poder de predição do comportamento

futuro dos preços das ações, baseado em padrões recorrentes identificados nos gráficos dos
preços.

De acordo com os resultados das pesquisas empíricas encontradas no Brasil e no

exterior1, parece que não há consenso a respeito do poder preditivo da análise técnica e de sua
capacidade de apontar sinais de compra e venda que proporcionem lucros anormais aos
investidores.

Autores como Halfeld (2004, p.76), defendem que o investimento em ações deve ser
feito visando o longo prazo, ou seja, mesmo que existam oscilações nos preços no curto

1
As tabelas 1 e 2, na sessão 2.5.9 apresentam um resumo de pesquisas acadêmicas sobre análise técnica.
12
prazo, o investidor pode se beneficiar de uma valorização das ações e da distribuição de
dividendos ao longo do tempo. Tal modo de investimento recebe o nome de buy and
hold,expressão
expressão no idioma inglês que pode ser traduzida como “comprar e segurar”.

Halfeld (2004, p. 67) apresenta o resultado de um estudo realizado pela Consultoria

C
Economática que relata a probabilidade de o Ibovespa ter um retorno maior que o dólar,
conforme a duração do investimento.

Gráfico 1 – Probabilidade de o Ibovespa ganhar do dólar – Período de 1968 a 2003

100%
97%
89%
80% 71%
59% 61%
60% 53% 54% 55% 56%
51%

40%

20%

0%
Diário Semanal Mensal Trimestral 1 ano 2 anos 3 anos 5 anos 8 anos 10 anos

Fonte: Halfeld (2004, p.67)

É possível perceber que quanto maior o tempo do investimento no Ibovespa, maior é a

probabilidade desse investimento gerar um retorno maior que o investimento em dólar, o que
justificaria a opção de se investir em ações visando o longo prazo.

Porém, ao realizar
zar um investimento em ações a longo prazo, o investidor pode estar
assumindo um risco maior, haja visto que em períodos de crises financeiras podem ocorrer
desvalorizações acentuadas nos preços das ações e, consequentemente, o retorno obtido ser
negativo.

Com base no exposto acima, a questão central que esta dissertação procura responder
é: a utilização dos sinais da análise técnica proporciona maior rentabilidade se comparada ao
modelo buy and hold?

13
1.2 Objetivos

O objetivo principal desta dissertação é verificar se a utilização dos sinais de compra e

venda de ações, gerados pela análise técnica, produzem resultados financeiros superiores ao
modelo buy and hold.

Os objetivos específicos são:

• Testar a utilização de uma média móvel simples como regra de filtro para utilização
dos sinais da análise técnica;
• Analisar o impacto de um sinal de compra nos retornos das ações, em parte da amostra
e dos sinais, pelo método do estudo de eventos;
• Analisar o tempo de duração das operações.

1.3 Justificativa

A análise técnica vem ganhando espaço no mundo acadêmico e no mercado de ações.

A pesquisa bibliográfica sobre análise técnica apresentada por Park e Irwin (2007),
revelou que dos 137 estudos encontrados no período de janeiro de 1960 a agosto de 2004, 56
(55,5 % do total) foram publicados nos últimos 10 anos do período da pesquisa, o que sugere
um aumento no interesse por esse assunto pela comunidade acadêmica.

Serafini e Valls Pereira (2010) testaram a eficácia de quatro sistemas técnicos de

trading em uma amostra de trinta e sete ações, negociadas no mercado brasileiro, no período
de janeiro de 1999 a agosto de 2009. Utilizando a metodologia de bootstrap e o Teste de
Realidade de White, os resultados indicaram que em apenas 17,6% dos casos estudados, o
retorno obtido por meio dos sistemas técnicos foi superior ao retorno médio das séries
originais, indicando que não é possível afirmar que os sistemas testados foram capazes de
gerar estratégias de investimento lucrativas dentro de um nível de significância de 95%.
Porém, em alguns dos sistemas estudados, os retornos obtidos foram superiores aos retornos
das séries originais em 75% dos casos, o que favorece a utilização desses sistemas.

Já Boainain e Valls Pereira (2009), avaliaram a lucratividade de estratégias de

investimento baseadas na identificação do padrão gráfico Ombro-Cabeça-Ombro e sua
formação invertida, por meio da utilização de um algoritmo computadorizado, em séries
diárias de preços de trinta ações no período de janeiro de 1994 a janeiro de 2009. Com a

14
identificação de 229 figuras para a amostra e período selecionados, os resultados indicaram a
obtenção de retornos significativos apenas na formação tradicional desse padrão, o que não
ocorreu com a sua forma invertida.

A este respeito, Marshall, Cahan e Cahan (2010) avaliaram a lucratividade obtida por
meio da utilização de regras da análise técnica em índices de 49 países, no período de janeiro
de 2000 a dezembro de 2007, com exceção da Grécia, que teve seu inicio em junho de 2001.
Encontraram-se evidências de que a análise técnica apresentou melhor desempenho em
mercados emergentes em comparação com os desenvolvidos, porém, os testes com mais de
5.000 regras indicaram a falta de capacidade em gerar retornos acima do esperado.

O estudo de Lento (2008) avaliou a lucratividade obtida por meio do uso de nove
sinais da análise técnica no índice S&P 500, no período de janeiro de 1950 a março de 2008, e
comparou com o retorno obtido pelo modelo buy and hold. Os resultados evidenciaram que a
utilização de sinais individuais não foi capaz de superar o retorno pela estratégia buy and
hold, porém, a estratégia dos sinais combinados superou, na média, os retornos obtidos pelo
modelo buy and hold.

Penteado (2008), constatou que a função log-periódica pode ser utilizada na Análise
Gráfica como um indicador do tipo oscilador, que prevê a reversão de tendências, e os
resultados obtidos por meio dessa estratégia foram superiores aos obtidos por meio da
utilização das médias móveis, IFR, MACD e rompimento de tendências.

Em relação ao mercado, uma consulta realizada no site da BM&F BOVESPA pelo

autor desta dissertação2, aponta que das 51 corretoras de valores mobiliários cadastradas que
negociam ações, 46 prestam algum tipo de serviço relacionado à análise gráfica.3 Os
principais serviços oferecidos são: relatórios com análises diárias, chats com analistas
técnicos, recomendações de compra e venda de ações e incorporação de sinais da análise
técnicas nas plataformas de negociação, por exemplo, os home brokers.

Diante disso, esta dissertação espera oferecer contribuições para essa área do
conhecimento.

2
Disponível em: http://www.bmfbovespa.com.br/shared/iframe.aspx?altura=1000&idioma=pt-
br&url=http://vitrinecorretoras.bvmf.com.br. Acesso em 13/07/2011.
3
Alguns autores diferenciam o conceito de análise técnica e de análise gráfica, enquanto outros sugerem que são
sinônimos. Nesta dissertação, serão tratados como sinônimos.
15
1.4 Metodologia

Nesta dissertação foram analisados cinco indicadores da analise técnica, a saber:

estocástico lento, Hi Lo, IFR, MACD e Parabólico SAR.

A amostra foi composta por quatorze ações, inclusas em oito setores da economia, de
acordo com a divisão de mercado proposta pela BM&FBovespa. O critério adotado para
seleção das empresas foi a liquidez, portanto as duas ações mais negociadas de cada setor
compuseram a amostra.

O período da pesquisa foi de 01/01/2000 a 31/12/2010, totalizando 11 anos.

Calculou-se a rentabilidade obtida em cada ação, por meio da utilização dos sinais de
compra e venda gerados pelos indicadores, e comparou-se com o modelo buy and hold.

Os testes com os indicadores foram repetidos com a utilização de uma média móvel
como regra de filtro e as rentabilidades obtidas foram comparadas, com o intuito de avaliar se
a utilização do filtro foi capaz de aumentar a rentabilidade obtida pelos indicadores quando
são utilizados de forma isolada.

Analisou-se o impacto da geração de um sinal de compra no retorno das ações, em

parte da amostra, por meio de um estudo de eventos, utilizando o Modelo de Mercado.

Foi utilizado o software Trader Gráfico, o qual é licenciado pela BMF&Bovespa, para
consulta dos gráficos e utilização dos indicadores.

1.5 Estrutura da dissertação

Além deste capítulo de introdução, fazem parte desta dissertação mais quatro
capítulos.

No segundo capítulo foi realizada a fundamentação teórica que norteia esse trabalho,
sendo abordados os seguintes temas: eficiência de mercado, anomalias de mercado, finanças
comportamentais, análise fundamentalista e análise técnica.

A Metodologia foi descrita no terceiro capítulo, assim como as hipóteses testadas.

Foram detalhados os procedimentos de coleta de dados, a seleção da amostra e o período da
pesquisa.

16
 O quarto capítulo abordou a análise dos resultados obtidos, conforme as hipóteses e os
objetivos da pesquisa; comparando os retornos obtidos pela utilização dos sinais da análise
técnica e do modelo buy and hold.Adicionalmente, foram apresentados os resultados dos
testes da média móvel como regra de filtro, dos estudos de eventos e da análise da duração
das operações.

Por fim, as considerações finais do estudo foram apresentadas, juntamente com a

bibliografia utilizada na elaboração desta dissertação.

17
2 FUNDAMENTAÇÃO TEÓRICA

2.1 Eficiência de mercado

A eficiência de mercado é um dos temas mais pesquisados e controversos no campo

dos estudos de finanças. Segundo Haugen (2000, p. 15) a eficiência de mercado é um dos
quatro paradigmas que constituem as Finanças Modernas, período compreendido entre as
décadas de 1950 e 1990.

Os outros paradigmas, todos baseados no comportamento econômico racional do

investidor, são: a teoria da otimização de carteiras (MARKOWITZ, 1958), a teoria da
irrelevância da estrutura de capital (MODIGLIANI e MILLER, 1958) e o CAPM 4 (SHARPE,
1964).

A definição de mercado eficiente ficou conhecida a partir da publicação do artigo

“Efficient Capital Markets: A Review of Theory and Empirical Work”, no Journal of
Finance, por Eugene Fama, em 1970. De acordo com a eficiência informacional, os preços
das ações refletem plenamente todas as informações disponíveis e relevantes a respeito de um
ativo.

A teoria sobre esse assunto surgiu anos antes do próprio conceito de eficiência, quando
George Gibson (1889, apud Shiller, 2000, p.162) afirmou que “quando as ações se tornam
publicamente conhecidas no mercado aberto, o valor que elas adquirem pode ser considerado
como o julgamento mais inteligente a respeito delas”.

Além da eficiência informacional, o mercado também pode ser eficiente em relação à

alocação de recursos e à operação. Segundo Copeland, Weston e Shastri (2005), o mercado é
considerado alocacionalmente eficiente se a alocação de recursos na economia for realizada
de modo a beneficiar a sociedade. O mercado será considerado operacionalmente eficiente se
os intermediários financeiros oferecerem seus serviços a um custo mínimo, permitindo a
apuração de um retorno justo pelos serviços prestados.

De acordo com Brealey, Myers e Allen (2008, p. 290), em mercados eficientes, a

compra e a venda de qualquer título a preço vigente no mercado nunca será uma transação
com um valor presente líquido positivo. Se a venda de um título proporcionar um valor

4
Capital Asset Pricing Model: Modelo de precificação de ativos proposto por Sharpe (1964), que define que o
retorno de qualquer ativo é determinado pelo retorno do ativo livre de risco e pelo prêmio de mercado
multiplicado pelo fator beta, que mede a sensibilidade dos retornos do ativo em relação à carteira de mercado.
18
presente líquido positivo ao vendedor, terá que conceder um valor presente líquido negativo
ao comprador.

Ainda, segundo os autores mencionados acima, existem seis “lições” importantes

sobre eficiência de mercado (BREALEY, MYERS e ALLEN, 2008, pp.304-308):

a) o mercado não tem memória: a forma fraca da eficiência de mercado preconiza que os
preços passados não contêm nenhuma informação importante em relação aos preços
futuros;

b) confie nos preços do mercado: em um mercado eficiente, os preços incorporam toda a

informação disponível, portanto, não há possibilidade de se obter ganhos
extraordinários de posse de mais informações do que outra pessoa e sim, de todas as
pessoas;

c) leia nas entrelinhas: se o mercado é eficiente, os preços no presente carregam todas as

informações importantes que podem ser úteis no futuro;

d) não há ilusões financeiras: aumentar o número de ações em circulação, por meio de

desdobramentos ou distribuição de dividendos sob a forma de ações, não afeta os
fluxos de caixa da empresa;

e) faça você mesmo: no mercado eficiente, os investidores não pagam a outros para
fazerem o que eles próprios são capazes de fazer igualmente bem;

f) avaliar uma ação é avaliar todas as ações: os investidores não compram uma ação
pelas suas qualidades raras, e sim, porque oferecem a perspectiva de uma rentabilidade
justa que compense o risco. Na medida em que as ações sejam substitutas perfeitas
entre si e a arbitragem funcione, o retorno de uma ação não pode ser sistematicamente
diferente de outra.

Fama (1970) estabeleceu três condições para a verificação da eficiência dos mercados:
a) inexistência de custos de transação; b) disponibilidade de toda a informação sem custo a
todos os participantes do mercado e c) as expectativas dos participantes do mercado são
homogêneas, ou seja, todos concordam quanto aos efeitos das informações nos preços atuais
dos ativos, assim como em suas distribuições futuras.
19
 Em mercados eficientes o preço de mercado é uma estimativa não tendenciosa do
valor real do investimento. Os erros no preço de mercado devem ser aleatórios, ou seja, que a
probabilidade de uma ação estar sub ou sobreavaliada seja igual em qualquer instante de
tempo. Adicionalmente, esses desvios não podem ser correlacionáveis a qualquer variável
observável. Sendo assim, nenhum grupo de investidores deveria ser capaz de
consistentemente encontrar ações sub ou supervalorizadas utilizando qualquer estratégia de
investimentos (DAMODARAN, 2009, p. 116).

2.1.1 Formas de eficiência

A classificação em três formas de eficiência mais aceita é a sugerida por Roberts

(1967) e estruturada por Fama (1970): fraca, semi-forte e forte.

Na forma de eficiência fraca, os preços refletem toda a informação contida nos preços
passados, não sendo possível obter retornos anormais com base em preços históricos.

Na forma de eficiência semi-forte, os preços dos ativos refletem toda informação

publicamente disponível, por exemplo, notícias específicas e anúncios sobre distribuição de
lucros e dividendos.

A eficiência na forma forte estabelece que os preços refletem todas as informações,

disponíveis ou não. Nesta forma de eficiência, seria impossível obter lucros extraordinários
mesmo de posse de informações privilegiadas.

Em relação aos testes de eficiência, Fama (1991) criou a seguinte nomenclatura:

• Testes de previsibilidade de retorno: utilizado na forma fraca de eficiência, avalia se

os retornos passados conseguem explicar os retornos atuais;
• Estudo de eventos: utilizado na forma semi-forte de eficiência, avalia se houve
geração de retornos anormais após a divulgação de informações públicas e
• Teste de informações privada: utilizado na forma forte de eficiência, procura detectar
se algum investidor possui alguma informação privilegiada que não está totalmente
refletida nos preços.

20
2.2 Anomalias no mercado de capitais

Em contraposição à teoria da eficiência de mercado, onde os preços seguem um

passeio aleatório (FAMA, 1970), as anomalias de mercado identificam padrões de
comportamento nos preços das ações que persistem ao longo do tempo e que contrariam as
expectativas racionais de precificação de ativos (BRAV e HEATON, 2006).

Nesse mesmo sentido, Fama e French (2008, p. 1853), afirmam que o conceito de
anomalias de mercado está relacionado ao fato de existirem padrões de retorno que não são
explicados pelo CAPM.

Para Fama (1998), as anomalias existem; porém, de forma randômica, de maneira que
acabariam por compensar-se e sendo, desse modo, consistentes com a eficiência de mercado.

As principais anomalias pesquisadas são descritas a seguir.

2.2.1 Anomalias de calendário

As anomalias de calendário são caracterizadas quando ocorrem diferenças nos retornos

médios em determinados períodos (dia-da-semana, mês-do-ano, virada de mês e feriado).

• Efeito dia-da-semana

O efeito dia-da-semana é determinado pela diferença observada nos retornos diários

dos ativos ao longo dos dias da semana.

Santos et al. (2007a) testaram a existência da anomalia efeito segunda-feira no

mercado brasileiro no período de 1986 a 2006 e os resultados revelaram diferença
estatisticamente significativa abaixo da média dos retornos do Ibovespa das segundas-feiras
em relação aos outros dias, confirmando a presença dessa anomalia no mercado brasileiro.

Já Milach, Kloeckner e Galli (2009), avaliaram o efeito dia da semana, no período de

1995 a 2008, no índice Bovespa. Inicialmente, constataram a presença de retornos médios
positivos anormais às sextas-feiras, porém, ao fracionarem a amostra pelos anos, percebeu-se
que tal anomalia não persistiu ao longo do tempo, não sendo possível, por esta razão, afirmar
a presença do efeito dia da semana no índice Bovespa no período estudado.

21
 • Efeito mês-do-ano

O efeito mês-do-ano refere-se à existência de médias de retornos mensais distintos

para os meses do ano. Usualmente, as pesquisas indicam um retorno médio maior no mês de
janeiro do que os retornos médios dos demais meses do ano.

Alguns dos estudos no exterior que confirmaram a presença desta anomalia foram
realizados por Lakonishok e Smidt (1988) e por Haugen e Jorion (1996).

Santos et al. (2007b) testaram a existência do efeito janeiro no mercado brasileiro no

período de 1969 a 2006 e não constataram diferença estatisticamente significativa das médias
dos retornos do mês janeiro em relação aos outros meses. Portanto, essa pesquisa nega a
existência desse efeito no mercado brasileiro.

• Efeito virada-de-mês

O efeito virada-de-mês consiste na observação da ocorrência de retornos maiores no

último e nos quatro primeiros dias do mês. Alguns dos estudos que confirmaram esta
anomalia foram realizados por Ariel (1987), Lakonishok e Smidt (1988) e Giovanis (2009).

• Efeito feriado

O efeito feriado caracteriza-se pela ocorrência de retornos anormais positivos no dia

de negociação imediatamente anterior a feriados.

Rêgo e Mussa (2008) analisaram a existência do efeito feriado nos índices Bovespa e
IBX 100, no período de 2002 a 2007 e os resultados não apontaram diferença estatisticamente
significativa das médias dos retornos dos dias imediatamente anteriores aos feriados em
relação aos outros dias.

Diferente do trabalho citado acima, Bone e Ribeiro (2002) estudaram as ações que
compõe o índice Bovespa de forma individual e os resultados indicaram presença do efeito
feriado apenas em um pequeno número de ações.

22
 2.2.2 Anomalias fundamentalistas

As anomalias fundamentalistas ocorrem quando os retornos dos ativos estão

relacionados com informações dos fundamentos da empresa. As principais anomalias
pesquisadas são: efeito tamanho, efeito valor, efeito momento e efeito dos múltiplos 5.

Fama e French (1993) formularam um modelo de precificação de ativos de três

fatores: o risco de mercado, o tamanho da empresa, que é medido pelo valor de mercado das
ações e tenta capturar a anomalia efeito tamanho; e o índice book-to-market (B/M), que
representa a relação entre o valor contábil e de mercado do patrimônio líquido e tenta capturar
a anomalia denominada efeito valor.

A propósito, Securato e Málaga (2004) realizaram um estudo que compreendeu as

ações listadas na BOVESPA no período 1995-2003 e a metodologia de teste utilizada foi
idêntica àquela desenvolvida e aplicada por Fama e French (1993). Os resultados observados
revelaram que o modelo de três fatores é superior ao CAPM na explicação dos retornos das
ações da amostra utilizada, e que os três fatores são significantes, se complementando na
explicação dos retornos de ações de diferentes características.

O efeito momento foi identificado por Jegadeesh e Titman (1993) e indicou que a
estratégia de venda de ativos que tiveram um mau desempenho passado e a compra de ativos
que tiveram um bom desempenho passado, produz retornos anormais positivos, nos meses
posteriores. Os resultados da pesquisa, cujo período foi de 1965 a 1989, confirmaram a
possibilidade de se obter ganhos anormais em 31 das 32 estratégias estudadas.

As pesquisas de Basu (1977), Rozeff (1984), Fama e French (1988) e Campbell e

Shiller (1988) mostraram alta correlação entre índices de mercado e retornos subsequentes,
confirmando a presença do efeito dos múltiplos (CAMPBELL e THOMPSON, 2008, p. 1509,
apud FURLANETTI, FAMÁ e SECURATO, 2010, p.2).

2.3 Finanças comportamentais

Contrariando a presença de racionalidade dos investidores, defendida pela teoria da

eficiência de mercado, as finanças comportamentais revelam que nem sempre os investidores

5
Na seção 2.4 é abordado esse termo de forma mais detalhada.
23
agem de maneira a maximizar a utilidade, ou seja, mesmo de posse das mesmas informações
podem tomar decisões diferentes de acordo com as próprias percepções e interpretações.

Segundo Kimura, Basso e Krauter (2006, p. 41), “os defensores das finanças
comportamentais argumentam que atitudes não racionais dos agentes econômicos podem
impactar, de maneira prolongada e consistente, o comportamento de variáveis financeiras.”

Nofsinger (2006, pp. 11-12) destaca que:

até mesmo as pessoas mais inteligentes são afetadas por vieses psicológicos,
mas o fato era tido como irrelevante pela teoria clássica de finanças. Esta
pressupõe que as pessoas são “racionais” e nos ensina como tais pessoas
devem se comportar para maximizar seu patrimônio. Essas idéias deram
origem às teorias de arbitragem, de portfólio, de precificação de ativos e de
precificação de opções.
Por sua vez, as finanças comportamentais estudam a forma como as pessoas
realmente se comportam em um ambiente financeiro. Especificamente,
estudam de que forma a psicologia afeta as decisões financeiras, as empresas
e os mercados.

Nesse sentido, os trabalhos de Tversky e Kahneman (1974) e Kahneman e Tversky

(1979) são considerados pioneiros em estudos sobre finanças comportamentais. No primeiro
trabalho, são apresentados alguns vieses sistemáticos que afastam o julgamento das pessoas
daquilo que seria previsto pelo comportamento racional (LUCCHESI, 2010). No segundo
trabalho, é apresentada a teoria da perspectiva, a qual estabelece que o indivíduo é avesso ao
risco para ganhos, mas propenso ao risco para perdas.

Os vieses abordados por Tversky e Kahneman (1974) serão descritos a seguir:

• Representatividade: a probabilidade de ocorrência de um evento específico está

relacionada à probabilidade de ocorrência de um grupo de eventos representados pelo
evento específico. Ou seja, as pessoas tendem a pensar sobre eventos ou objetos e a
fazer julgamentos sobre eles baseando-se em estereótipos pré-estabelecidos.

24
 Nofsinger (2006, p. 90) argumenta que esse viés ocorre porque “o cérebro parte da
premissa de que todas as coisas que compartilham qualidades semelhantes têm similaridade
entre si”.

• Disponibilidade: este viés está relacionado às lembranças mais recentes dos

indivíduos, as quais influenciam na tomada de decisão. Nas palavras de Tversky e
Kahneman (1974, p. 1127): “disponibilidade é uma pista útil para estimar frequência
ou probabilidade, porque grande grupo de eventos são geralmente recuperados de
forma melhor e mais rápido do que casos que ocorrem com menor frequência”.

• Ancoragem: está relacionado à condição dos indivíduos darem uma importância maior
a uma referencia ou informação inicial.

A Teoria da Perspectiva, apresentada por Kahneman e Tversky (1979) é uma

continuação dos estudos da tomada de decisão, e que confirma que os indivíduos tendem a
fazer avaliações parciais quando há presença de ricos e incertezas. Tal teoria está baseada em
três efeitos: efeito certeza, efeito reflexão e efeito isolamento, descritos a seguir.

Efeito certeza: os indivíduos tendem a valorizar as possibilidades que tem maiores

probabilidades de ocorrerem. O exemplo a seguir explica esse efeito:

A = (x, p), onde x é o valor associado à probabilidade p.

Situação 1: A = (4000, 0.8) ou B = (3000, 1.0), as pessoas escolhem B (80% contra 20%).

Situação 2: A = (4000, 0.2) ou B = (3000, 0.25), as pessoas escolhem A (65% contra 35%).

Na situação 1, os indivíduos escolhem B, pois, mesmo tendo menor valor, possui uma
maior probabilidade de ocorrência. Tal escolha caracteriza o comportamento de aversão ao
risco. Porém, se os mesmos investidores, avessos ao risco, são expostos a situação 2, as
escolhas se alteram de forma significativa. Eles tendem a escolher A, quando deveriam
escolher B novamente, pois, esta opção tem uma maior probabilidade de ocorrência do que A.
O axioma da substituição da teoria de utilidade esperada afirma que se B e preferido a A,
então qualquer combinação de (A,p) deve ser preferida a (B,p). Mas não é o que ocorre.

25
 Efeito reflexão: o efeito reflexão pode ser caracterizado como oposto do efeito
certeza. No efeito certeza, os indivíduos são avessos ao risco diante de duas possibilidades de
ganhos, enquanto no efeito reflexão, os mesmos indivíduos são propícios ao risco diante de
duas possibilidades de perdas.

Situação 1: A = (+4000, 0.8) ou B = (+3000, 1.0), as pessoas escolhem B (80% contra 20%)

Situação 2: A = (-4000, 0.8) ou B = (-3000, 1.0), as pessoas escolhem A (65% contra 35%)

Na situação 1, os indivíduos são avessos ao risco. Entretanto, na situação 2, a escolha

se inverte e os agentes escolhem as opções com maior perda esperada, ou seja, as
possibilidades de perdas iguais a zero são mínimas.

Efeito isolamento: quando as opções de um investidor se dividem em etapas, as

pessoas tendem a desconsiderar as etapas como um todo e apenas observam as etapas
individualmente. Por exemplo, existe a probabilidade de 75% de se encerrar um jogo sem
ganhar nada, e de 25% de ir para a segunda etapa, em que há duas escolhas:

Situação após etapa 1: A = (4000, 0.8) ou B = (3000, 1.0)

Considerando as duas etapas como algo único em termos de probabilidade: A = (4000,

0.2) ou B = (3000, 0.25), ou seja, na mesma situação 1 exposta anteriormente seria normal
considerar a escolha A como a escolha racional. Isso demonstraria uma aversão apenas ao
risco, porém, neste caso, com a separação em etapas, os investidores escolheram a situação B.
Pode ser afirmado que as pessoas tendem a ignorar a primeira parte do jogo e a pensar nas
partes em separado, ao invés de avaliá-las como um todo que representa oportunidades e
riscos.

2.4 Análise fundamentalista

Ao adquirir uma ação, o investidor está comprando um direito sobre lucros futuros de
uma empresa. Portanto, a seleção de ações tem características financeiras, já que está
26
relacionada ao desempenho econômico das empresas. Para avaliar esse desempenho, utiliza-
se a análise fundamentalista.

2.4.1 Definição

Pinheiro (2009, p. 379) conceitua a análise fundamentalista como “o estudo de toda a

informação disponível no mercado sobre determinada empresa, com a finalidade de obter seu
verdadeiro valor, e assim formular uma recomendação de investimento”.

Segundo Assaf (2008, p.195), “a análise fundamentalista adota a hipótese da

existência de um valor intrínseco para cada ação, com base nos resultados apurados pela
empresa emitente. O estudo dessa analise está baseado no desempenho econômico e
financeiro da empresa e processa, ainda, sofisticadas avaliações e comparações setoriais,
bursáteis e conjunturais.”

Os principais métodos da análise fundamentalista são: análise dos múltiplos, fluxo de

caixa descontado, EVA® e MVA.

2.4.2 Análise dos múltiplos

A análise dos múltiplos, ou análise relativa, consiste em determinar o valor de um

ativo a partir da comparação de variáveis de outros ativos. Tais variáveis são denominadas
múltiplos, e são calculadas a partir da relação de índices de mercado, por exemplo o preço da
ação, com índices contábeis, como o lucro e o valor do patrimônio liquido (DAMORADAN,
2009, pp. 18-19 e PINHEIRO, 2009, p. 448).

Cavalcante, Misumi e Rudge (2009, p. 268) sugerem a realização da análise pelos

múltiplos em três passos:

1) Calculam-se os múltiplos de várias empresas;

2) As ações que apresentarem os menores múltiplos estão subavaliadas em relação

àquelas de maiores múltiplos, por proporcionarem retorno em menor tempo, e
representam opções de compra;

3) As ações com maiores múltiplos estão superavaliadas e, portanto, são opções de

venda.
27
 Os principais múltiplos da análise fundamentalista utilizados em avaliações, de acordo
com Ross, Westerfield e Jaffe (2002), Pinheiro (2009), Assaf (2008) e Damodaran (2009),
estão listados a seguir:

• PREÇO / LUCRO POR AÇÃO (P/L)

• PREÇO / VALOR CONTÁBIL (P/B)
• LUCRO POR AÇÃO (LPA)
• PAY OUT
• DIVIDEND YIELD (DY)

Índice P/L

P/L = Preço da ação / Lucro por ação (1)

Este índice é formulado pela divisão entre o preço a vista do ativo e o último lucro
contábil das demonstrações financeiras da empresa.

O resultado deste índice é um número que representa, para o investidor, quanto tempo,
em função do preço atual do ativo e o lucro contábil da empresa, será necessário para a
recuperação do investimento no ativo.

De acordo com Ross, Westerfield e Jaffe (2002, p. 114) o índice P/L é a função de três
diferentes fatores. O índice de uma empresa tende a ser elevado se 1) possuir muitas
oportunidades de crescimento, 2) possuir baixo risco e 3) os métodos contábeis forem
conservadores.

Índice P/B

P/B = Preço da ação / Valor contábil do patrimônio liquido por ação (2)

Mede quanto a ação está cotada em relação ao seu valor patrimonial. Quanto menor o
indicador, mais subavaliada está a ação.

Índice LPA

LPA = Lucro líquido / número de ações emitidas (3)

28
 O índice ilustra o benefício (lucro) auferido por ação emitida pela empresa, ou seja, do
resultado líquido (após imposto de renda) obtido em determinado período, quanto compete a
cada ação emitida.

O indicador não revela o quanto cada acionista irá efetivamente receber em função do
retorno produzido na aplicação de seus capitais. O índice LPA denota, em verdade, a parcela
do lucro líquido pertencente a cada ação, sendo que sua distribuição é definida pela política de
dividendos adotada pela empresa (ASSAF, 2008, p. 195).

Índice Pay out

Pay out = Dividendos / LPA (4)

Indica os dividendos distribuídos aos acionistas como uma porcentagem do lucro por
ação (LPA). Por exemplo, para um LPA de R$ 1,40, a distribuição de R$ 0,49 / ação de
dividendos determina um índice de payout de 35%. De outra maneira, revela que a empresa
reinvestiu 65% de seus lucros apurados no exercício, distribuindo o equivalente a 35% a seus
acionistas.

Índice Dividend Yield

Dividend yield = dividendos / preço de mercado da ação (5)

Indica a remuneração por dividendos do acionista realizada sobre o capital investido.

2.4.3 Método do fluxo de caixa descontado

Segundo Copeland, Koller e Murrin (2002, p.136),

O método de fluxo de caixa descontado empresarial determina o valor

acionário de uma empresa como sendo o valor de suas operações (o valor
empresarial disponível para todos os investidores) menos o valor do
endividamento e outras formas de passivo de prioridade superior à do capital
ordinário (como, por exemplo, ações preferenciais). Os valores operacional e
de endividamento são iguais aos respectivos fluxos de caixa descontados a

29
 taxas que reflitam o risco desses fluxos. Desde que as taxas de desconto
sejam corretamente selecionadas para refletir o risco de cada fluxo de caixa,
a abordagem empresarial resultará exatamente no mesmo valor patrimonial
que resultaria se descontasse o fluxo de caixa para os acionistas ao custo de
capital social.

Damodaran (2009, p. 12) afirma que o valor de qualquer ativo é dado pelo valor
presente dos fluxos de caixa futuros esperado e afirma que

os fluxos de caixa irão variar de ativo para ativo – dividendos de ações,

cupons (juros) e valor nominal de bônus e fluxos de caixa pós-impostos para
um projeto real. A taxa de desconto será uma função do grau de risco
inerente aos fluxos de caixa estimados, com taxas maiores para os ativos
mais arriscados e taxas mais baixas para projetos mais seguros.

2.4.4 EVA® e MVA

Segundo Brealey, Myers e Allen (2008, p. 272), quando as empresas calculam o

retorno do capital, há um custo que geralmente não é deduzido: o custo do capital. Nesse
sentido, os autores recomendam a utilização do EVA® como métrica de análise de
desempenho, pois considera o custo do capital na metodologia de cálculo.

De acordo com Santos (2006, pp. 47-48), o EVA®, Valor Econômico Agregado, é
uma medida superior de desempenho porque elimina as distorções contábeis ao adotar o
regime de caixa. Portanto, trata-se do verdadeiro lucro econômico, pois leva em conta não só
os custos e despesas lançados contabilmente, mas também o custo de oportunidade do capital
empregado na empresa.

30
 Santos (2006, p.48) apresenta a equação do EVA® expressa por:

EVA® = [NOPLAT – (Capital investido nas operações x WACC)] (6)

onde

EVA®= Valor Econômico Agregado

NOPLAT = Lucro Operacional Líquido Menos Impostos Ajustados

WACC = Custo Médio de Capital Ponderado

Um maior detalhamento sobre o EVA® pode ser encontrado em Damodaran (2009,

pp. 917-939), Brigham e Ehrhardt (2006, pp. 49-52) e Ehrbar (1999).

O MVA, Valor de Mercado Adicionado, é uma métrica de desempenho que visa

mensurar a maximização da diferença entre o valor de mercado da ação e a quantia de capital
próprio fornecida pelos acionistas (BRIGHAM e EHRHARDT, 2006, p. 49).

2.5 Análise Técnica

2.5.1 Definição

De acordo com Murphy (1999, p.1), análise técnica é “o estudo da ação do mercado,
primariamente por meio do uso de gráficos, com o objetivo de prever tendências futuras dos
preços”.

Edwards, Magge e Bassetti (2007, p. 4) afirmam que “a análise técnica é a ciência de

registrar, geralmente na forma gráfica, a história efetiva das transações (mudanças de preços,
volume de transações, etc.) de uma certa ação ou “das médias” 6 , deduzindo-se então, a partir
do quadro formado, as prováveis tendências futuras.”

6
O termo “médias” refere-se aos índices de mercado.
31
 Segundo Rockefeller (2004, p. 11) “análise técnica é o estudo de como os preços das
ações se comportam e como explorar essa informação para ganhar dinheiro e evitar perdas”.

Pinheiro (2009, p.456) conceitua a análise técnica como “um estudo dos movimentos
passados dos preços e dos volumes de negociação de ativos financeiros, com o objetivo de
fazer previsões sobre comportamento futuro dos preços”.

2.5.2 Tipos de gráfico

Os gráficos das ações possuem dois eixos, sendo o tempo representado no eixo
horizontal e o preço representado no eixo vertical, e podem ser de diferentes periodicidades,
por exemplo, intradiário (60 minutos, 15 minutos), diário e semanal. Existem quatro tipos de
gráficos de ações: linhas, barras, candlesticks e ponto-e-figura.

Segundo Noronha (1995, p.11, apud Penteado, 2003, p. 47), o gráfico de barras é o
mais utilizado na Análise Técnica, enquanto Rockefeller (2004, p.137) defende que o gráfico
de candlesticks é mais útil em relação aos outros.

O gráfico de barras é composto por diversas barras, sendo que cada barra representa
uma divisão do período selecionado para o gráfico. Por exemplo, se o gráfico for diário, cada
barra representa um dia de negociação.

Figura 1 - Explicação do gráfico de barras

Fonte: Penteado (2003, p. 48)

32
 O comprimento vertical da barra representa o valor mínimo e máximo que o preço
atingiu ao longo do período de negociação, enquanto a linha horizontal à esquerda indica o
preço de abertura e a linha à direita representa o preço de fechamento. No exemplo da figura
1, o preço de abertura está abaixo do preço de fechamento, indicando que houve
desvalorização da ação.

O gráfico de candlesticks, ou somente candles, é similar ao gráfico de barras, sendo

que cada candle também representa uma divisão do período do gráfico. Os candles podem ser
de alta ou de baixa.

Figura 2 - Explicação do gráfico de candles

Fonte: Idoeta (2009, p. 17)

Conforme pode ser visto na figura 2, o candle é dividido em duas partes: corpo e
sombras. O corpo é representado pela figura geométrica, enquanto as sombras inferiores /
superiores são as linhas que se situam abaixo / acima do corpo e indicam os preços mínimos /
máximos atingidos no período. A cor do candle indica se o preço de abertura foi superior ou
inferior ao preço de fechamento. A cor branca (ou verde) indica que o preço de fechamento
foi superior ao de abertura e a cor negra (ou vermelha) indica o contrário.

33
Figura 3 - Gráfico de candles do Ibovespa

Fonte: elaboração própria

Figura 4 - Gráfico de barras do Ibovespa

Fonte: elaboração própria

As figuras 3 e 4 apresentam, respectivamente, o gráfico de candles e de barras, no

período diário, do Ibovespa.

34
 2.5.3 Teoria de Dow

Pring (2002), Muprhy (1999), Achelis (2001) e Lemos e Cardoso (2010) afirmam que
a Análise Técnica como é conhecida atualmente teve seu início a partir da Teoria de Dow,
proposta por Charles Dow, que foi um dos fundadores do Dow Jones Financial Service, junto
com Edward Jones, e utilizou esse meio para divulgar os princípios de sua teoria nos
editoriais que escrevia para o Wall Street Journal. Charles Dow e Edward Jones também
ficaram conhecidos pela criação do índice Dow Jones, que representa uma média das
principais ações do setor industrial negociadas nos Estados Unidos.

Segundo Achelis (2001, pp.124-127), a Teoria de Dow é composta por seis princípios,
conforme descrito a seguir:

• Os índices descontam tudo

O preço de um ativo reflete tudo o que é conhecido a respeito dele. Assim que novas
informações são recebidas, os participantes do mercado disseminam rapidamente a
informação e o preço se ajusta imediatamente. Do mesmo modo, os índices de mercado
descontam e refletem tudo o que é conhecido pelos participantes do mercado.

• O mercado tem três tendências

O mercado apresenta três tendências em relação à duração do movimento.

A mais importante é a tendência primária que tem duração de um ano ou mais, em

uma direção.

As tendências secundárias são correções das tendências primárias, ou seja, apresentam

direção inversa da tendência primária, e têm duração de três semanas a alguns meses.

Por fim, a tendência terciária, tem a duração aproximada de seis dias a três semanas.

• As tendências primárias têm três fases

A Teoria de Dow diz que a tendência da primeira fase é caracterizada por três distintas
etapas:

- primeiro os investidores bem-informados, apostando em uma forte alta, fazem

compras agressivas;
- na segunda fase o mercado como um todo, percebendo o inicio do movimento de
alta, começa a comprar;
35
 - na terceira fase os investidores bem informados começam a vender seus papéis
acreditando no esgotamento do período de alta.

• As médias têm que se confirmar

Dow afirmou que as médias do setor industrial e de transporte (ferroviário) deveriam

caminhar no mesmo sentido para que a tendência fosse confirmada (o termo média pode ser
substituído por índice).

• O volume confirma a tendência

Se a tendência primária é de baixa, o volume deve crescer enquanto o mercado retrai.

Se a tendência é de alta, o volume deve crescer quando o mercado avança.

• A tendência permanece até que haja um sinal contrário

Uma tendência de alta é válida enquanto houver topos e fundos ascendentes e somente
será revertida caso os preços deixem de fazer esse movimento.

2.5.4 Suportes e resistências

Suporte é uma região do gráfico que identifica que os preços pararam de cair e
reverteram no sentido contrário, desde que esse comportamento tenha se repetido mais de
uma vez. Resistência é uma região do gráfico em que, após um movimento de alta, os preços
param de subir e reverteram no sentido contrário, desde que esse comportamento tenha se
repetido mais de uma vez (DEBASTIANI, 2008, p.43).

As linhas de resistência rompidas tendem a se transformar em novos níveis de suporte

nos movimentos de baixa seguintes, enquanto linhas de suporte rompidas tendem a se
transformar em novos pontos de resistência quando os preços retornarem da tendência de
baixa.

De acordo com Pinheiro (2009, p. 472), nas regiões de suporte o interesse dos
compradores supera o dos vendedores e nas regiões de resistência, ocorre o movimento
contrário, o que provoca uma frenagem das cotações e sua consequente queda.

36
Figura 5 - Suporte e Resistência

Fonte: Abe (2009, p.51)

Na figura 05 há uma linha traçada que identifica uma região de suporte nos pontos A e
B e uma região de resistência nos pontos C, D e E, no gráfico da ação PRGA3, no período de
julho a dezembro de 2008.

2.5.5 Linhas de tendência

Segundo Correia (2008, p. 99), “linhas de tendências são linhas traçadas ligando os
fundos de uma tendência de alta ou os topos de uma tendência de baixa e podem dividir-se em
dois tipos: linha de tendência de alta ou linha de tendência de baixa”.

37
Figura 6 - Linha de tendência de alta

Fonte: Correia (2008, p.99)

A figura 06 apresenta uma linha de tendência de alta traçada no gráfico diário da ação
CSNA3, no período de janeiro de 2007 a fevereiro de 2008, que passa por três fundos.

2.5.6 Padrões gráficos

Os padrões gráficos são representados por figuras que são formadas nos gráficos das
ações e que costumam se repetir ao longo do tempo. Existem dois tipos de padrões: os de
continuação e os de reversão.

Os padrões gráficos de continuação mais conhecidos são os triângulos, os retângulos,

as bandeiras e flâmulas.

Em relação aos padrões de reversão, as figuras mais utilizadas na análise técnica são:
ombro-cabeça-ombro (O-C-O) e sua forma invertida (O-C-O-I), topos e fundos duplos e
cunha descendente.

38
 • Triângulos

Segundo Correia (2008, p.148) os triângulos são produzidos quando os preços oscilam
em movimentos ascendentes e descendentes, sendo essas oscilações cada vez menores. Tais
oscilações permitem traçar uma linha de suporte e outra de resistência, que se encontram em
um ponto, formando um triângulo.

Existem três tipos de triângulos: os ascendentes, os descentes e os simétricos.

Os triângulos ascendentes e descendentes possuem as mesmas características de

formação, porém, o primeiro indica a continuação de um movimento de alta e o segundo, de
baixa.

Figura 7 - Triângulo ascendente

Fonte: Debastiani (2008, p. 61)

• Retângulo

Segundo Murphy (1999, p. 147), os retângulos se formam quando há uma pausa no

movimento prévio de tendência dos preços e esses passam a se mover lateralmente entre duas
linhas paralelas e horizontais, formando uma área de congestão.

Os retângulos podem ser de alta ou de baixa, dependendo do rompimento dos preços

em relação às linhas paralelas. Se os preços romperem a linha superior (resistência) haverá
uma sinalização altista, caso contrário, o movimento mais provável será o de baixa

De acordo com Abe (2009, p. 118), a amplitude da projeção do movimento seguinte

ao rompimento será a altura do retângulo. Por exemplo, na figura 8, caso a distância entre a
39
linha inferior e a linha superior represente R$ 5, essa será a expectativa do movimento
seguinte.

Figura 8 - Retângulo de alta e retângulo de baixa

Fonte: ABE (2009, p. 119)

• Bandeiras
As bandeiras são figuras que aparecem após uma alta ou baixa nos preços e indicam a
possibilidade de retomada desse movimento. Kahn (2006, p.66) explica que quando os preços
estão em tendência de alta, é normal a ocorrência de um breve movimento de recuo, pois
muitos investidores estão realizando os lucros obtidos com a recente valorização da ação, o
que explica o surgimento desses padrões gráficos. As bandeiras podem ser de alta ou de baixa.

Figura 9 - Bandeira de alta Figura 10 - Bandeira de baixa

Fonte: Medeiros (2009, p. 53) Fonte: Medeiros (2009, p. 53)

40
 • Topos e fundos duplos

Um topo duplo é formado quando os preços avançam até certo nível, geralmente com
alto volume, formam um topo e depois recuam. Após esse recuo, voltam a subir e atingem
praticamente o mesmo nível de preços do topo anterior. Por atingir duas vezes o mesmo
patamar de preços e recuar, esse padrão recebe o nome de topo duplo. O fundo duplo segue a
mesma lógica descrita para o topo duplo, porém, formando fundos ao invés de topos
(EDWARDS, MAGGE E BASSETTI, 2007, p. 138).

A figura 11 apresenta um topo duplo formado no gráfico da ação BRKM5. É possível

notar que após a formação desse padrão, os preços caíram.

Figura 11 - Topo duplo

Fonte: Lemos e Cardoso (2010, p. 121)

• Ombro-cabeça-ombro (OCO)

A denominação Ombro-Cabeça-Ombro deve-se ao formato que a figura toma. O topo

mais elevado, formado ao meio, parece ser uma cabeça, enquanto os outros dois topos mais
baixos, um de cada lado, parecem ser os ombros de uma suposta figura humana
(DEBASTIANI, 2008, p. 68).

De acordo com Debastiani (2008, p. 67), “o OCO pode aparecer no topo de uma
tendência e alta ou no fundo de uma tendência de baixa. Também é necessário que se
estabeleça uma tendência mais prolongada para que a sua formação possa ter relevância para
a análise.”
41
Figura 12 - Ombro-cabeça-ombro

Fonte: Debastiani, (2008, p.71)

Boainain e Valls Pereira (2009) testaram a efetividade do padrão Ombro-Cabeça-

Ombro, em uma amostra de 30 ações, entre os anos 1994 e 2009, e concluíram que o padrão
tem poder de previsão no mercado de ações brasileiro, conseguindo capturar padrões
recorrentes nas informações históricas dos preços, que antecipam seu comportamento futuro e
permitem, dessa forma, a criação de estratégias de investimento rentáveis condicionais à sua
identificação.

Porém, tal poder de previsão não foi detectado na sua forma investida, como afirmam
os autores: “a forma invertida do padrão Ombro-Cabeça-Ombro, o OCOI, não tem a
habilidade descrita nos manuais de Análise Técnica de antecipar o fim de uma tendência de
baixa e início de uma tendência de alta. Embora algumas das estratégias condicionais à sua
identificação tenham levado a retornos positivos, os testes realizados evidenciaram que esses
retornos foram derivados meramente do acaso” (BOAINAIN E VALLS PEREIRA, 2009,
p.300).

42
 2.5.7 Indicadores

Os indicadores são ferramentas que acompanham os gráficos de barras e auxiliam no

reconhecimento de tendências e na determinação de pontos de reversão. Os indicadores são
divididos em duas categorias: os rastreadores de tendência e os osciladores (IDOETA, 2009,
p.26).

Os principais rastreadores são: as médias móveis, o MACD, histograma MACD, HiLo

e o parabólico SAR, enquanto os principais osciladores são o IFR e o estocástico.

De acordo com Pinheiro (2009, p. 480), os indicadores procuram trabalhar de forma

mais determinística o mercado. Tal ponto de vista também é defendido por Wolwacz (2007),
que afirma que as figuras da análise técnica estão sujeitas à interpretação, algo que não ocorre
com os indicadores.

• Médias móveis

A média móvel é uma linha traçada no gráfico que representa o preço médio de um
ativo em um determinado tempo. Quando calculada uma média móvel, deve ser especificada a
abrangência do tempo para calcular o preço médio (ex: 25 dias).

Uma média móvel simples é calculada pela divisão da soma do preço de fechamento
dos últimos “n” períodos por “n”.

O método mais popular de interpretação das médias móveis é comparação entre a

média móvel do preço de um ativo com seu próprio preço. Um sinal de compra é gerado
quando o preço do ativo superar a linha de sua média móvel e um sinal de venda é gerado
quando o preço cair abaixo da media móvel (ACHELLIS, 2001).

Outro sinal gerado pelas médias móveis ocorre quando houver o cruzamento de baixo
para cima de uma média móvel de menor período em relação a uma média móvel de maior
período (WOLWACZ, 2007, p.44).

Brock e Lakonishok e LeBaron (1992) testaram e efetividade das médias móveis no

índice Dow Jones entre 1897 e 1986 e encontraram evidências da utilidade desse sinal.

Ratner e Leal (1999) examinaram os retornos obtidos com a utilização de médias

móveis em dez índices de ações de mercados emergentes na América Latina e Ásia e
verificaram que três índices analisados apresentaram chances de sucesso com a aplicação da
estratégia proposta, dando suporte à análise técnica para estes três índices.
43
 A figura 13 apresenta o gráfico diário de barras do índice S&P500, no período de
14/11/1997 a 02/03/1998, e a linha da média móvel de 10 períodos.

Figura 13 - Médias móveis

Fonte: Murphy (1999, p. 196)

• MACD

MACD é uma abreviação do termo em inglês Moving Average Convergence

7
Divergence e foi desenvolvido por Gerald Appel, analista e gestor de recursos de terceiros
em Nova York (VIDOTTO, MIGLIATO e ZAMBON, 2009; LEMOS e CARDOSO, 2010).

O MACD consiste de três médias móveis, porém, apenas duas são exibidas no
indicador. A linha mais rápida (a linha do MACD) é calculada pela diferença entre a média
móvel exponencial de 12 períodos e média móvel exponencial de 26 períodos.

7
Em português significa convergência e divergência de médias móveis.
44
MACD = MME (12) - MME (26) (7)

Onde:

MACD = Moving Average Convergence Divergence

MME (12) = média móvel exponencial de 12 períodos

MME (26) = média móvel exponencial de 26 períodos

A outra linha, chamada de sinal, é uma média móvel exponencial da linha MACD.

Tratando-se de uma diferença de médias móveis, o ponto onde elas se encontram será
o valor zero, portanto, o gráfico traçado a partir do valor da diferença dessas duas médias
móveis deve ser interpretado da seguinte forma: quando o valor passa de negativo para
positivo, tem-se o sinal de compra; quando passa de positivo para negativo, tem-se o sinal de
venda. Uma melhoria no indicador é obtida quando uma média móvel do indicador é inserida
e o sinal de compra ocorre quando a linha do indicador cruza de baixo para cima a sua média
móvel, enquanto um sinal de venda é gerado quando o cruzamento ocorre de cima para baixo
(LEMOS e CARDOSO, 2010, pp. 217-218).

Vidotto, Migliato e Zambon (2009) testaram o MACD no gráfico de 5 empresas de

diferentes setores (Natura, WEG, Banco do Brasil, Perdigão e Embraer), durante o ano de
2006, e obtiveram um retorno de 26,7% contra 0,90% de rentabilidade do índice Bovespa,
indicando que a utilização desse indicador pode propiciar retornos acima do mercado.

Carvalho, Costa Jr. e Goulart (2008) testaram o indicador MACD no gráfico de 28

ações no período compreendido entre 1994 a 2003, e concluíram que o indicador MACD não
conseguiu produzir estratégias economicamente significativas no período.

A Figura 14 mostra um exemplo de aplicação dos sinais gerados pelo MACD.

45
Figura 14 - MACD

Fonte: Correia (2008, p.190)

• Histograma MACD

Segundo Martins (2010, p.38), o cálculo do histograma MACD é a diferença entre a

Linha MACD e a Linha Sinal. Assim, quando as linhas se encontram, o Histograma é zero;
quando a linha MACD está acima da linha Sinal, ele é formado por barras positivas; e,
quando as linhas se invertem, ele é formado por barras negativas.

HMACD = MACD – Sinal (8)

onde:

HMACD = Histograma MACD

MACD = Moving Average Convergence Divergence

Sinal = Linha sinal calculada no MACD

46
 Os sinais de compra e venda gerados pelo Histograma MACD ocorrem quando as
barras ultrapassam a linha de centro, para cima e para baixo, respectivamente.

Figura 15 - Histograma MACD

Fonte: Elder (1992, p. 133)

A figura 15 apresenta um gráfico com o Histograma MACD e os sinais de compra e

venda gerados por esse indicador.

• Hi Lo

O HiLo é um indicador criado a partir de médias móveis simples, traçadas a partir de

preços máximos ou mínimos de certo período de tempo, com deslocamento de um período.

O resultado gráfico obtido é uma média móvel que não está sofrendo variação alguma
com as oscilações de um candle em formação, porque seu cálculo já está fechado com os
preços máximos ou mínimos de barras anteriores (ABE, 2009, p.171).

47
 • Parabólico SAR

Segundo Martins (2010, p. 69) o nome Parabólico surgiu da semelhança com uma
parábola que o rastro do seu movimento deixa no gráfico, enquanto SAR é uma abreviação do
termo em inglês Stop and Reverse, ou seja, parar e reverter a operação.

De acordo com Lemos e Cardoso (2010, p. 235) o Parabólico SAR é um indicador de

tendência que utiliza o tempo e o preço em sua fórmula de cálculo e busca projetar a trajetória
do desenvolvimento do preço, uma vez que a tendência esteja estabelecida. Permanecendo a
tendência, o indicador ganha incrementos diários de aceleração. Quando o papel perde força,
o indicador se aproxima do preço, chegando ao ponto em que ocorre a inversão.

• Índice de Força Relativa (IFR)

O índice de força relativa foi desenvolvido por Welles Wilder e apresentado em seu
livro New Concepts in technical trading systems, em 1978 (LEMOS E CARDOSO, 2010 e
PENTEADO, 2003).

A equação do cálculo do IFR é demonstrada a seguir:

IFR = 100 – (100/(1+A/B)) (9)

sendo,

A= média dos fechamentos em alta

B= média dos fechamentos em baixa

O IFR pode variar entre 0 e 100, sendo que se for atingido o nível abaixo de 20 (30) o
ativo está considerado sobrevendido e há chances de uma alta no preços e, caso o nível supere
80 (70), o ativo está considerado sobrecomprado e há chances de uma baixa nos preços. Os
sinais de compra do IFR são gerados quando a linha do oscilador cruza de baixo para cima a
linha do nível de sobrevendido (PENTEADO, 2008).

48
Figura 16 - Índice de Força Relativa

Fonte: Penteado (2008, p. 18)

• Estocástico

O estocástico é um oscilador oriundo da relação do preço de fechamento com os

máximos e mínimos mais recentes. Seu princípio é o conceito de que, em movimentos de alta,
o preço de fechamento se aproxima da máxima do dia e, nos de baixa, o preço de fechamento
se aproxima da mínima (ABE, 2009, p. 156).

De acordo com Lemos e Cardoso (2010, p. 249), o estocástico mostra a posição em

que o preço está em relação à amplitude de variação relativa aos preços máximos e mínimos
de um número de períodos. Os níveis de fechamento que estão próximos à amplitude máxima
indicam força dos compradores e os níveis no fim da amplitude indicam força dos
vendedores.

49
Figura 17 - Estocástico

Fonte: Correia (2008, p. 207)

2.5.8 Teoria das Ondas de Elliot

A Teoria das Ondas foi desenvolvida na década de 1930, por Ralph Nelson Elliott, a
partir da observação dos movimentos históricos do Índice Dow-Jones. A obra Nature’s law:
the secret of the universe, é tida como marco inicial dessa teoria e foi publicada em 1946
(MEDEIROS, 2009, p. 19).

Segundo Frost e Prechter (2002), a Teoria das Ondas de Elliot é uma descrição
detalhada do comportamento do mercado, o qual progride no formato de ondas. Seu valor
primário consiste em fornecer a base para um pensamento disciplinado e uma perspectiva para
a posição do mercado, criando, assim, um contexto para análise do mesmo.

A teoria das ondas de Elliot define que o mercado se movimenta em ciclos, formados a
partir de oito ondas agrupadas. Cada onda representa a um movimento direcional dos preços,
sendo cinco ondas impulsivas, as quais representam um movimento de alta nos preços e três
corretivas, as quais representam um movimento de queda nos preços (SACHETIM, 2006,
p.64).

50
 A figura 18 apresenta um ciclo completo das ondas, que pode ser divido em: ciclo de
alta, composto por três ondas impulsivas e duas corretivas, e ciclo de baixa, composto por
duas ondas impulsivas e uma corretiva.

Figura 18 – Ondas de Elliot

Fonte: Sachetim (2006, p. 64)

2.5.9 Pesquisas acadêmicas sobre análise técnica

As tabelas a seguir (tabelas 1 e 2), apresentam algumas pesquisas acadêmicas sobre

análise técnica no Brasil e no exterior, respectivamente. Estão descritos os objetivos e as
conclusões de cada pesquisa, sendo que é possível notar que não há unanimidade nos
resultados no sentido de validar ou rejeitar a eficácia da análise técnica.

Park e Irwin (2007) encontraram 137 pesquisas sobre análise técnica, no período de
janeiro de 1960 a agosto de 2004, e adotaram uma divisão entre estudos antigos (1960 a 1987)
e estudos modernos (1988 e 2004). A maioria dos estudos antigos não comprovou a eficácia
da análise técnica. Em relação aos 95 estudos modernos, 56 apresentaram resultados a favor
da análise técnica, 20 apontaram resultados negativos e em 19 casos foram obtidos resultados
variados.

51
Tabela 1 - Pesquisas acadêmicas sobre análise técnica no Brasil
Autor (es) e ano Objetivo Conclusões

De Paula e Avaliar a utilização das médias As evidências encontradas indicaram

Triches (2010) móveis como estratégia de que o gerenciamento da carteira de
investimento em uma carteira ações, mediante o modelo das
teórica composta por doze médias móveis, apresentou um
ações, no período de 02/01/2007 rendimento de 69,27% contra
a 29/08/2008. 44,61% do modelo buy and hold.
Petrokas, Famá e Comparar a rentabilidade obtida A rentabilidade obtida no mercado
Modro (2010) por meio de investimento na de capitais seguindo três regras da
caderneta de poupança e no análise técnica foi 46,78% contra
mercado de capitais, seguindo 3 15,5% da poupança
regras da análise técnica em
2008 e 2009
Serafini e Valls Avaliar a eficácia de quatro Os resultados encontrados sugeriram
Pereira (2010) sistemas técnicos de trading em que os sistemas testados não foram
uma amostra de trinta e sete capazes de antecipar o futuro
ações, negociadas no mercado utilizando-se apenas de dados
brasileiro, no período de janeiro passados, exceto em alguns casos
de 1999 a agosto de 2009. quando foram obtidos retornos
significativamente acima de média.
Vidotto, Migliato Avaliar a eficácia do MACD em Os resultados apurados mostram que
e Zanbom (2009) indicar os momentos de compra a rentabilidade média obtida
e venda de ações de cinco utilizando a estratégia do MACD foi
empresas e analisar a de 26,7% contra uma rentabilidade
rentabilidade auferida durante o média acumulada do Ibovespa de
ano de 2006, tendo como 0,90%.
referencial a valorização do
Ibovespa no ano de 2006
Idoeta (2009) Avaliar a eficiência da aplicação Foram identificadas 79
da Análise Gráfica em três ações oportunidades de operação e seus
diferentes no mercado à vista e resultados variaram entre um

52
 simular operações de compra e prejuízo de 95,72% e um lucro de
venda de opções dessas três 801,96%, o que sugere a utilização
ações a partir das análises. com cautela da Análise Gráfica no
mercado de opções.
Boainain e Vall Avaliar a lucratividade de Os resultados indicam que a
Pereira (2009) estratégias de investimento utilização desse padrão gráfico pode
baseadas na identificação do gerar estratégias lucrativas, o que
padrão gráfico Ombro-Cabeça- não ocorre em sua formação
Ombro em 30 ações, no período invertida.
de janeiro de 1994 a janeiro de
2009.
Arantes e Famá Verificar se a combinação de Os retornos obtidos em ambas
(2009) sinais de diversos indicadores estratégias não foram superiores ao
aplicados pela Análise Técnica de uma estratégia buy and hold, não
produz retornos superiores sendo possível, então, rejeitar a
quando comparados com a Hipótese de Mercado Eficiente.
utilização de um indicador
isoladamente e ao modelo buy
and hold
Medeiros (2009) Avaliar a assertividade e a Os resultados apontam que as
frequência de cinco indicadores indicações de compra são
da análise técnica, em 56 ações, consistentemente mais assertivas do
nos anos de 2007 e 2008. que as indicações de venda
Bruni et al. Avaliar a confiabilidade de dez Os resultados apontam que a
(2008) indicadores da análise técnica utilização dos dez indicadores, de
nas ações da empresa Bombril forma isolada, produziu retornos
SA, durante os anos de 2005 e significativos na empresa e no
2006 período estudado.
Carvalho, Costa Avaliar a utilização do indicador Apesar da obtenção de 10 retornos
Jr. e Goulart Moving Average Convergence superiores à estratégia passiva,
(2008) /Divergence – MACD, em 28 nenhum deles foi estatisticamente
ações da Bolsa de Valores de significante.

53
 São Paulo, no período de julho
de 1994 a julho de 2003.
Baptista e Valls Verificar a robustez do conteúdo Os resultados indicam robustez ao
Pereira (2008) preditivo de regras da Análise longo do tempo e à taxa de
Técnica, usando informações amostragem dos dados no
intradiárias do mercado futuro desempenho das regras acima do
do índice de ações da Bolsa de benchmark (buy-and-hold).
Valores de São Paulo.
Penteado (2008) Este trabalho tem por objetivo Os testes realizados mostraram a
mostrar que a função log- viabilidade e eficácia de sua
periódica pode ser utilizada na utilização, levando a significativas
Análise Gráfica como um evidências em favor de sua
indicador do tipo oscilador, que utilização, quando os resultados são
prevê a reversão de tendências. comparados àqueles obtidos através
da utilização dos indicadores médias
móveis, IFR e MACD e do
rompimento de tendências.
Ferreira (2008) Estudar a lucratividade de quatro Após o teste de 1712 regras geradas
sinais da Análise Técnica na a partir dos sinais, verificou-se que a
negociação do dólar, no período melhor regra não possui o poder de
de abril de 1999 a agosto de previsibilidade significante.
2008.
Guarnieri (2006) Avaliar a eficácia de 42 Os resultados apontam que as
estratégias baseadas em médias estratégias com maior nível de acerto
móveis nas ações da Empresa não são as que produzem maiores
Brasileira de Aeronáutica, no retornos, devendo o investidor fazer
período de julho de 2000 a julho a escolha conforme suas
de 2005. preferências.
Lima et. al (2006) Verificar se o uso da análise Os resultados obtidos por meio da
técnica, adotando-se quatro utilização dos indicadores foram
indicadores, produz resultado superiores em todas as ações, se
superiores ao CAPM, em uma comparados aos resultados obtidos

54
 amostra de cinco empresas, utilizando o CAPM como estratégia
durante um mês de negociação de investimento.
no ano de 2005.
Sachetim (2006) Avaliar a confiabilidade dos Nenhum dos indicadores de análise
indicadores da escola de análise técnica estudados produziram
técnica, em treze composta pelas retornos superiores ao buy and hold
ações do Ibrx, de 1995 a 2005.
Penteado (2003) Detectar a existência de uma Os resultados obtidos evidenciam a
relação entre os sinais gráficos existência de tal relação, sugerindo a
observados no dia-a-dia do validade da utilização da Análise
mercado de ações brasileiro e as Gráfica como instrumento para a
tendências que lhes sucedem, previsão de preços no mercado de
durante um período de 8 anos, ações brasileiro, no período
para 10 ativos considerado.
Saffi (2003) Testar a validade da hipótese de Os resultados indicam que as
eficiência dos mercados no estratégias de análise técnica não são
mercado futuro do índice capazes de gerar retornos
Ibovespa através do uso das estatisticamente significativos
chamadas estratégias de análise quando os efeitos de data-snooping
técnica.” são levados em conta. Estes
resultados estão de acordo com o
previsto pela hipótese fraca de
eficiência de mercado.”
Fonte: elaborada pelo autor

55
Tabela 2 - Pesquisas acadêmicas sobre análise técnica no exterior
Autor (es) e ano Objetivo Conclusões
Marshall, Cahan Avaliar a lucratividade obtida Encontraram-se evidências de que a
e Cahan (2010) por meio da utilização de regras análise técnica apresenta melhor
da análise técnica em índice de desempenho em mercados
49 países, no período de janeiro emergentes em comparação com os
de 2000 a dezembro de 2007, desenvolvidos, porém, os testes com
com exceção da Grécia, que teve mais de 5.000 regras indicam a falta
seu inicio em junho de 2001. de capacidade em gerar retornos
acima do esperado.
Vasiliou, Eriotis Avaliar a utilização de regras da Os retornos obtidos com as regras
e Papathanasiou análise técnica combinadas com combinadas de análise técnica e
(2008) a teoria das finanças finanças comportamentais foram
comportamentais, no índice superiores ao retorno do mercado em
FTSE/ASE 20 da Bolsa de todos os anos, indicando a validade
Valores de Atenas, no período da análise técnica para a amostra e o
de janeiro de 1995 a dezembro período estudados.
de 2005.
Lento (2008) Avaliar a lucratividade obtida A utilização de sinais individuais não
por meio do uso de 9 sinais da foi capaz de superar o retorno pela
análise técnica no índice S&P estratégia buy and hold, porém, a
500, no período de janeiro de estratégia dos sinais combinados
1950 a março de 2008, e superou, na média, os retornos
compará-la com o retorno obtido obtidos pelo modelo buy and hold.
pelo modelo buy and hold.
Savin, Weller e Modificar o algoritmo proposto Os resultados revelam um baixo
Zvingelis (2007) por Lo, Mamaysky e Wang poder de predição do algoritmo
(2000) e avaliar a efetividade proposto, porém, se utilizando em
desse novo algoritmo nos conjunto com o portfólio de
índices S&P500 e Russel 2000, mercado, os retornos obtidos podem
no período de 1990 a 1999. superar o mercado consistentemente,
Oberlechner Avaliar, por meio de uma A maioria dos traders utiliza as duas

56
(2001) pesquisa tipo survey, a formas de análise, porém, quanto
importância da análise técnica e menor o horizonte de tempo, maior a
da análise fundamentalista, para importância dada à análise técnica.
traders e jornalistas financeiros Os jornalistas financeiros enfatizam
em quatro capitais européias. a análise fundamentalista e
raramente comentam sobre análise
técnica.
Lee e Analisar o volume passado de Os resultados da pesquisa
Swaminathan negociação de ativos e a relação demonstraram que os volumes
(2000) com os retornos futuros, das passados têm forte relação com os
ações listadas na NYSE e na retornos futuros.
AMEX, no período de janeiro de
1965 a dezembro de 1995
Lo, Mamaysky e Propor um algoritmo capaz de Em 31 dos 35 anos estudados, os
Wang (2000) identificar a formação de retornos obtidos por meio da
padrões gráficos e avaliar a utilização do algoritmo proposta
eficácia na geração de retornos superaram o retorno do mercado,
anormais, no período de 1962 a indicando a possibilidade de se
1996, em diversas ações validar o modelo proposto pelos
negociadas nos Estados Unidos autores.
Sullivan, Avaliar os retornos obtidos por Os retornos obtidos por meio da
Timmermann e meio da utilização das médias utilização das médias móveis foram
White (1999) móveis, no índice Dow Jones, no superiores ao mercado até o ano de
período de 1897 a 1996. 1986, e após esse ano, foram
inferiores ao mercado.
Ratner e Leal Avaliar os retornos obtidos por Apenas em três índices analisados, a
(1999) meio da utilização das médias aplicação da estratégia proposta
móveis em dez índices de ações apresentou chance de sucesso, o que
de mercados emergentes na gera dúvidas em relação à
América Latina e Ásia, no efetividade da estratégia analisada.
período de janeiro de 1982 a
abril de 1995

57
Osler e Chang Avaliar a estratégia de compra e Os resultados individuais foram
(1995) venda por meio de um algoritmo estatisticamente significativos apenas
de identificação da figura nas moedas marco e yen, porém,
ombro-cabeça-ombro, de março quando analisada a especulação
de 1973 a junho de 1994, em simultânea nas seis moedas, os
seis ativos (moedas) diferentes resultados foram estatisticamente e
economicamente significativos
Brock, Avaliar o uso de 26 regras As estratégias produziram retornos
Lakonishok, Le geradas pelas médias-móveis no anormais significativos e persistentes
Baron, (1992) índice Dow Jones, no período de durante o período estudado
1897 a 1986
Treynor e Avaliar se a posse de Os resultados indicam que a
Ferguson (1984) informação, o estudo dos preços combinação dos preços passados
passados ou a combinação com as informações relevantes pode
desses elementos, pode produzir produzir retornos anormais.
retornos anormais.
Fonte: elaborada pelo autor

58
3 METODOLOGIA

3.1 Seleção da amostra

A proposta inicial desta dissertação era compor a amostra com vinte ações de
empresas brasileiras negociadas na BM&FBovespa, sendo duas de cada setor da economia,
segundo a divisão proposta pela própria BM&FBovespa, divulgada em seu sítio 8 na internet.
Porém, devido ao não atendimento de algumas premissas explicadas abaixo, obteve-se uma
amostra final com quatorze ações.

Os dez setores da economia pela divisão da BM&FBovespa são: 1) bens industriais; 2)

construção e transporte; 3) consumo cíclico; 4) consumo não cíclico; 5) financeiro e outros; 6)
materiais básicos; 7) petróleo, gás e combustíveis; 8) tecnologia da informação; 9)
telecomunicações e 10) utilidade pública.

Cada setor é dividido em sub setores, que por sua vez, são divididos em segmentos.
Porém, tal classificação não foi considerada nesta pesquisa.

O critério adotado para seleção das empresas foi a liquidez, portanto foram
selecionadas as duas ações mais negociadas de cada setor à época da realização da pesquisa.

Para consulta da liquidez, adotou-se a composição do Ibovespa para o quadrimestre de

maio a agosto de 2011. Foram selecionadas as empresas com maior participação no índice
Bovespa dentro de cada setor.

Caso a ação escolhida não tenha sido negociada no período da pesquisa, entre
01/01/2000 a 31/12/2010, descartou-se da amostra e foi escolhida a próxima ação com maior
participação no índice.

Nenhuma ação das empresas do setor de Construção e Transporte foi negociada

durante todo o período da pesquisa, portanto esse setor foi excluído.

No setor de Bens Industriais, havia apenas uma empresa na composição do Ibovespa,

no período escolhido.

Não havia empresas do setor Tecnologia da Informação na composição do Ibovespa

para o período adotado.

Sendo assim, a amostra final obtida para esta dissertação está exibida na tabela 3.
8
Disponível em http://www.bmfbovespa.com.br/cias-listadas/empresas-
listadas/BuscaEmpresaListada.aspx?opcao=1&indiceAba=1&Idioma=pt-br. Acesso em 25/08/2011.
59
Tabela 3 – Composição da amostra
Setor Ação (código)

Bens industriais Embraer ON (EMBR3)

Construção e transporte -

Consumo cíclico Lojas Americanas PN (LAME4)

Consumo não cíclico Ambev PN (AMBV4)

Pão de Açúcar PN (PCAR4)

Financeiro e outros Bradesco PN (BBDC4)

Banco do Brasil ON (BBAS3)

Materiais básicos Vale PN (VALE5)

Gerdau PN (GGBR4)

Petróleo, gás e combustíveis Petrobrás PN (PETR4)

Petrobrás ON (PETR3)

Tecnologia de informação -

Telecomunicações Telesp PN (TLPP4)

TIM Participações ON (TIMP3)

Utilidade pública Sabesp ON (SBSP3)

Eletrobras ON (ELET3)

Fonte: elaborada pelo autor

60
3.2 Procedimentos da pesquisa

O objetivo geral desta dissertação é avaliar se a utilização da análise técnica produz

resultados financeiros superiores ao modelo buy and hold.

Para alcançar tal objetivo, foram consideradas as seguintes premissas estabelecidas por
Aronson (2007) para teste de hipóteses de rentabilidade de estratégias utilizando análise
técnica:

• Todos os sinais gerados de compra e venda devem ser claros, objetivos e classificados
como binário (exemplo: 1 para compra e 0 para venda). Não pode haver influência de
interpretação humana, tal como pode ocorrer com os padrões gráficos;
• Toda estratégia deve oferecer uma rentabilidade superior à obtida pelo modelo buy
and hold;
• Os resultados obtidos devem persistir em diferentes períodos de tempo. Para isso,
sugere-se que o período do estudo seja dividido e os resultados sejam analisados em
sub períodos, sendo esses escolhidos de forma aleatória, conforme figura 19.

Figura 19 – Divisão do período da pesquisa

Fonte: Aronson (2007, p. 321)

A figura 20 apresenta a divisão do período adotada nesta pesquisa.

61
Figura 20 – Divisão do período da pesquisa adotada
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Período total (2000 – 2010)
Fonte: elaborada pelo autor

Os anos assinalados em negrito (2001, 2002, 2005, 2008 e 2010) foram os sub
períodos analisados nesta dissertação.

Nos anos de 2001, 2002 e 2008, ocorreram desvalorizações nos preços da maioria das
ações e no Ibovespa. O ano de 2005 foi um ano de alta no mercado brasileiro, enquanto no
ano de 2010, os preços não seguiram uma direção predominante, permanecendo a maior parte
do tempo em uma tendência lateral, de acordo com a teoria de Dow.

Diversos são os fatores que ajudam a explicar os ciclos de alta e de baixa nos preços
das ações. Pretende-se abordar a seguir, de forma sucinta, alguns eventos sistêmicos ocorridos
no período analisado nesta dissertação.

O ano de 2000 foi marcado pela crise das empresas de tecnologia norte americanas,
denominada “crise das empresas pontocom”. Tal crise surgiu com o estouro de uma bolha
nesse setor, com reflexos no ano de 2001, quando mais de 500 empresas de tecnologia
fecharam ou pediram falência.

No ano de 2001, no dia 11/09, ocorreu um evento sistêmico adverso relevante para a
economia e para a sociedade em geral: o atentado às torres gêmeas na cidade norte americana
de Nova York. Nesse dia, o Ibovespa desvalorizou 9,1%, enquanto as Bolsas norte americanas
permaneceram em recesso por sete dias, retomando as atividades no dia 17/09. Na primeira
semana após a abertura das Bolsas, o índice S&P500 desvalorizou 11,6% e o Dow Jones
apresentou queda de 14%.

Entre os anos de 2003 e 2007, houve um ciclo de alta no Ibovespa, com valorização
superior a 400%. Nesse período, houve uma redução na taxa básica de juros, aumento no
número de ofertas públicas de ações, entrada de capital estrangeiro e aumento no número de
pessoas físicas negociando ações (PEREIRA, 2009).

No ano de 2008 ocorreu uma crise no mercado financeiro internacional que ficou
conhecida como “a crise Subprime.” Essa crise teve sua origem no mercado imobiliário norte

62
americano, devido à baixa qualidade dos empréstimos imobiliários e à inadimplência dos
tomadores de crédito. Os efeitos dessa crise foram percebidos em diversas economias no
mundo, sendo que no dia 15/09/2008, foi anunciado o pedido de concordata de uma das
maiores instituições financeiras norte americanas, o Lehman Brothers.

No Brasil, o Ibovespa encerrou 2008 com uma desvalorização superior a 40%, porém,
essa perda chegou a ser de 60%, quando consideradas as pontuações máximas e mínimas
atingidas ao longo do ano.

A figura 21 apresenta o gráfico mensal do Ibovespa, com destaque para os anos

analisados nesta dissertação.

Figura 21 – Gráfico mensal do Ibovespa de 2000 a 2010

2010

2001 2002 2008

2005

Fonte: elaborado pelo autor

3.2.1 Cálculo da rentabilidade utilizando os sinais análise técnica

Com a amostra definida, foram acompanhados os gráficos diários das ações, no

período de 01/01/2000 a 31/12/2010, utilizando o software Trader Gráfico.

Os cinco indicadores da análise técnica estudados nesta dissertação foram: estocástico

lento, Hi Lo, IFR, MACD e parabólico SAR. Cada indicador gera um sinal de compra e outro

63
de venda, sem a necessidade de interpretação. O detalhamento dos parâmetros adotados para
cada indicador está explicado no item 3.2.3

Cada ação e cada indicador foram analisados individualmente, conforme os passos

descritos a seguir:

a) Visualizou-se o gráfico de uma ação da amostra dentro do período escolhido.

Exemplo: PETR4, de 01/01/2000 a 31/12/2010.
b) Realizou-se o acompanhamento de um indicador por vez. Exemplo: estocástico lento.
c) Quando houve um sinal de compra gerado pelo indicador, foi simulada uma compra
de um lote de ações, considerando o preço de fechamento do dia em que ocorreu o
sinal.
d) Aguardou-se um sinal de venda gerado pelo indicador estudado.
e) Quando ocorreu um sinal de venda gerado pelo indicador, foi simulada a venda do lote
de ações comprado anteriormente de forma integral, considerando o preço de
fechamento do dia em que ocorreu o sinal.
f) Aguardou-se um novo sinal de compra gerado pelo indicador e foram repetidos os
passos c), d) e e).
g) Caso o sinal de venda tenha ocorrido após o último dia do sub período, essa operação
foi desconsiderada.

Adotaram-se as seguintes premissas nas simulações de compra e venda das ações:

• Valor inicial a ser investido por ação e por sinal: R$ 10.000,00

• Corretagem: fixa de R$ 15,00 por ordem
• Emolumentos e taxa de liquidação: 0,035% do valor da ordem (quantidade de
ações x preço unitário)
• Não foi considerada a incidência de impostos de renda sobre os lucros apurados
• Os lucros obtidos foram reinvestidos na operação seguinte

As operações de compra e venda foram registradas conforme o exemplo da tabela 4,

para todo o período da pesquisa. Para fins de análise dos resultados, considerou-se apenas os
resultados obtidos nos sub períodos.

64
Tabela 4 – Exemplo de registro das operações

Ação: PETR4 Estudo: MACD

Preço Preço Saldo da Rentabilidade Custos de Duração
Data Data
Compra Venda operação líquida por transação (dias
Compra Venda
(R$) (R$) (R$) operação (%) (R$) corridos)
06/01/10 35,21 12/01/10 34,14 9.659,22 -3,41 36,89 6
28/05/10 26,87 24/06/10 26,2 9.909,24 -2,86 37,05 27
02/09/10 26,49 16/09/10 25,3 9.566,93 -4,86 36,88 14
29/09/10 26,40 06/10/10 24,82 8.957,87 -6,37 36,50 7
27/10/10 25,14 16/11/10 24,51 8.697,20 -2,91 36,19 20
Saldo final: 8.697,20
Fonte: elaborada pelo autor

Nos quatro primeiros campos da tabela estão descritas as datas e os preços em que
ocorreram a compra e a venda das ações.

O saldo representa o valor final obtido após o encerramento da operação (venda das
ações) e foi calculado a partir da seguinte equação:

Saldo = (Lote * Preço de venda) - (Lote * Preço de compra) - Custos de transação (10)

Sendo:

Lote = quantidade de ações (valor investido / preço compra)

Custos de transação = Custos com Corretagem (2 x R$ 15,00 - pois são duas ordens) +
0,035% do valor da ordem (lote x preço)

A rentabilidade líquida por operação foi calculada conforme a equação a seguir:

Rentabilidade líquida por operação: (Saldo da operação – Valor investido) (11)

Saldo da operação

65
Sendo:

Valor investido = saldo da operação anterior (exceto na primeira operação, quando são
investidos R$ 10.000,00)

A rentabilidade final obtida para cada ação, com cada sinal no sub período, foi
calculada a partir da equação a seguir:

Rentabilidade final = (saldo final – saldo inicial) (12)

saldo inicial

Onde:

Saldo final = saldo da última operação do sub período

Saldo inicial = R$ 10.000,00

Para o exemplo da tabela 4, a rentabilidade final obtida com o sinal MACD, na ação
PETR4, foi:

Rentabilidade final = (8.697,20 – 10.000) = - 13,03 %

10.000

A última coluna apresenta a duração da operação, ou seja, o número de dias corridos

entre a data da compra e a data da venda.

3.2.2 Cálculo da rentabilidade do modelo buy and hold

A rentabilidade obtida no modelo buy and hold, para cada ação e sub período foi
calculada conforme a equação abaixo:

66
Rentabilidade = (Preço no final do período – preço no início do período) (13)
Preço no início do período

Todos os proventos estão incluídos nos preços e todas as bases de dados foram
ajustadas aos eventuais desdobramentos e agrupamentos ocorridos ao longo do período da
pesquisa.

A seguir, a equação 14 exibe um exemplo de cálculo da rentabilidade obtida no

modelo buy and hold, para a ação PETR4 no ano de 2010.

Preço de abertura no primeiro dia útil de 2010 (04/01/2010): R$ 34,69

Preço de fechamento no último dia útil de 2010 (30/12/2010): R$ 26,54

Rentabilidade = (26,54 -34,69) = -23,49% (14)

34,69

3.2.3 Detalhamento dos sinais

A seguir, estão detalhados como são gerados os sinais de compra e venda e também os
parâmetros adotados em cada sinal.

• Estocástico lento:

O estocástico é um oscilador e indicador de momento, podendo ser classificado em

lento e rápido. É composto por duas linhas: %K e %D rápida. A linha %K é calculada
conforme equação abaixo:

%K = (Preço de fechamento – Min n) x 100 (15)

(Max n – Min n)

Sendo:

N = número de dias

Preço de fechamento: último preço de fechamento

67
Max n = valor máximo do período n

Min n = valor mínimo do período n

A linha %D rápida é uma linha que representa a média dos últimos três valores de
%K.

No estocástico lento, a linha %K é substituída pela %D rápida e a segunda linha,

denominada %D lenta, é uma média dos três últimos valores da % D rápida.

Segundo Achelis (2001), existem três maneiras de se obter sinais de compra com o
estocástico: a) quando uma das linhas cruza de baixo para cima a linha que representa o nível
de sobrecomprado; b) quando a linha %K (%D rápida) cruzar para cima a linha %D rápida (%
D lenta) e c) quando há divergências entre topos e fundos formados no gráfico dos preços em
relação aos topos e fundos formados nas linhas do oscilador.

Nesta dissertação, adotou-se a primeira opção como regra.

São três parâmetros que devem ser configurados: número de períodos do cálculo, nível
sobrevendido e nível sobrecomprado.

Os parâmetros adotados nesta dissertação foram:

número de períodos = 9
nível sobrevendido = 30
nível de sobrecomprado = 70

A figura 22 apresenta um exemplo dos sinais gerados pelo estocástico lento no gráfico
da PETR4, no ano de 2010.

68
Figura 22 - Sinais de compra e venda - Estocástico lento - PETR4

Fonte: elaboração própria

• Hi Lo

O Hi Lo é um estudo baseado em médias móveis simples dos preços mínimos e

máximos de um determinado número de períodos, com um deslocamento de um período, o
que faz com que o indicador considere o cálculo até o dia anterior ao atual.

Somente uma linha é exibida no indicador: quando um sinal de compra for gerado, a
média móvel dos preços mínimos será visualizada e quando ocorre um sinal de venda, a
média móvel dos preços máximos é exibida. Neste estudo, foi adotado o cálculo do Hi Lo
com 6 períodos.

A figura 23 apresenta um exemplo dos sinais gerados Hi Lo no gráfico da PETR4, no

ano de 2010.

69
Figura 23 – Sinais de compra e venda – Hi Lo – PETR4

Fonte: elaboração própria

• IFR

O IFR é um oscilador que busca identificar regiões de preço em que a ação esteja
sobrecomprada, com uma maior probabilidade de ocorrência de um movimento de baixa, e
sobrevendida, quando existe uma maior possibilidade de alta nos preços.

O IFR oscila em uma escala que varia de 0 a 100 e são traçadas duas retas que
representam os níveis de sobrecomprado e sobrevendido.

A equação do cálculo do IFR está detalhada no item 2.5.7.

Os parâmetros adotados do IFR foram:

número de períodos = 14
nível de sobrevenda = 30
nível de sobrecompra = 70

Nesta pesquisa, adotou-se o modelo IFR Wilder Confirmado, o qual segue os

seguintes passos para gerar sinais de compra e venda:
70
 a) Quando a linha do IFR cruza a linha de sobrevendido de baixo para cima é gerado um
sinal de compra.
b) O sinal de venda só ocorrerá quando a linha do IFR cruzar a linha de sobrevendido de
cima para baixo. Se a linha do IFR voltar para linha de sobrevendido antes de alcançar
o nível de sobrecomprado, não será gerado um novo sinal de compra.

A figura 24 apresenta um exemplo dos sinais gerados pelo IFR no gráfico da PETR4,
no ano de 2010.

Figura 24 – Sinais de compra e venda – IFR – PETR4

Fonte: elaboração própria

• MACD

O MACD é um indicador e rastreador de tendência composto por duas linhas. A

primeira linha (chamada MACD) é traçada a partir da diferença de uma média móvel rápida
em relação a uma média móvel lenta dos preços de fechamento. A segunda linha é traçada a
partir de uma média exponencial da linha MACD.

Um sinal de compra ocorre quando a linha MACD cruza de baixo para cima a segunda
linha e um sinal de venda ocorre quando esse cruzamento é de cima para baixo.
71
 Os parâmetros adotado para o MACD foram:

Média móvel exponencial rápida = 12 períodos

Média móvel exponencial lenta = 26 períodos

Média móvel exponencial da linha MACD = 9 períodos

A figura 25 apresenta um exemplo dos sinais gerados pelo MACD no gráfico da

PETR4, no ano de 2010.

Figura 25 - Sinais de compra e venda - MACD - PETR4

Fonte: elaboração própria

• Parabólico SAR

O Parabólico SAR é um indicador que busca projetar o movimento futuro dos preços.
Um sinal de compra é gerado quando os preços cruzam para cima a linha do indicador e um
sinal de venda ocorre quando os preços cruzam a linha do indicador de cima para baixo.

72
 As equações para cálculo do SAR são as seguintes:

Mercado em alta: SAR(n) = SAR (n-1) + FAC x [H(n-1) – SAR(n-1)] (16)

Mercado em baixa: SAR(n) = SAR (n-1) - FAC x [L(n-1) – SAR(n-1)] (17)

Onde:

SAR (n) = indicador no dia seguinte ao inicial

SAR (n-1) = indicador no dia inicial

H (n-1) = preço máximo do dia inicial

L (n-1) = preço mínimo do dia inicial

FAC = fator de aceleração do SAR

O valor do indicador pode aumentar em duas situações: quando o preço atual for maior
que o preço do dia anterior (quando o movimento for de alta), ou quando o preço atual for
menor que o dia anterior (quando o movimento for de baixa). O fator de aceleração irá
provocar um aumento no valor do indicador, o que fará com que esse se aproxime do preço.
Quanto mais rápido o preço subir ou cair, mais rápido o indicador se aproximará do preço.

Os parâmetros adotados foram:

Fator de aceleração dentro da tendência: 0,02

Máximo fator de aceleração: 0,2

A figura 26 apresenta um exemplo dos sinais gerados pelo Parabólico SAR no gráfico
da PETR4, no ano de 2010.

73
Figura 26 - Sinais de compra e venda - Parabólico SAR - PETR4

Fonte: elaboração própria

3.2.4 Teste da média móvel como regra de filtro para os sinais

Com o intuito avaliar uma possível melhora nos resultados obtidos com os sinais
estudados, optou-se por utilizar uma média móvel simples de 233 dias como regra de filtro
nas operações simuladas.

Segundo Edwards, Magge e Bassetti (2007, p. 507) as médias móveis representam

linhas de tendência dos preços e contribuem na identificação de qual a direção mais provável
dos preços no futuro.

Penteado (2003) avaliou se a média móvel de 233 dias poderia indicar regiões de
suportes e resistências no gráfico diário de 10 ações, no período de 1995 a 2002, e, por meio
de testes estatísticos, confirmou essa hipótese.

Nesta dissertação, adotou-se o seguinte critério para utilização da média móvel

simples como regra de filtro: se os preços estiverem abaixo da linha da média móvel e ocorrer
um sinal de compra, tal operação não será efetuada.

A figura 27 apresenta o gráfico diário da Petrobras PN (PETR4), de 04/03/2010 a

24/08/2010, no formato de candlesticks e as linhas do sinal MACD abaixo do gráfico. A linha
de cor roxa representa a média móvel simples de 233 dias. É possível perceber que a partir de
74
15/04/2010 (candlestick indicado com uma seta) os preços estiveram abaixo da linha da média
móvel, portanto os sinais de compra gerados pelo MACD nesse período, seriam excluídos da
base na análise dos resultados com o filtro.

Figura 27: Média móvel como filtro

Fonte: elaboração própria

A partir das simulações de compra e venda de ações, seguindo os passos descritos no

item 3.2.1, foram gerados dois registros das operações (modelo explicado tabela 4, no item
3.2.1), sendo o primeiro sem a utilização do filtro regra de filtro e o segundo com o filtro da
média móvel simples.

Com o intuito de avaliar se a média móvel simples de 233 dias foi capaz de melhorar
os resultados obtidos, foram realizados testes de igualdade de médias populacionais (teste t),
adotando a rentabilidade líquida obtida como dado de análise.

As equações do teste são de igualdade de médias populacionais estão descritas a

seguir, conforme Bruni (2011, p. 162).

Quando houver igualdade das variâncias dos dados, as equações serão:

D
t = (18)
Sd

1
df ' = (19)
z1 + z 2
75
 Quando não houver igualdade das variâncias, as equações serão:

D
t' = (20)
S 'd

df = w1 + w 2 − 2 (21)

Os dados foram organizados no software Microsoft Office Excel 2007 e os testes

estatísticos foram realizados com auxílio do software SPSS Statistics 17.0.

Os resultados do teste de igualdade das variâncias (teste de Levene) realizados com os

dados estão apontados na tabela 5.

Tabela 5 – Testes de igualdade das variâncias

Sinal Estatística F p-value

Estocástico lento 2,57 0,1

Hi Lo 4,03 0,04

IFR 0,05 0,81

MACD 3,88 0,04

Parabólico SAR 0,92 0,33

Fonte: elaborada pelo autor

Para a amostra de dados dos sinais Hi Lo e MACD, com o p-value abaixo de 0,05, foi
rejeitada a hipótese de igualdade das variâncias, portanto foram utilizadas as equações 20 e 21
para o teste de igualdade de médias.

Os resultados do teste para a amostra de dados dos sinais estocástico lento, IFR e
Parabólico SAR, indicam que é possível aceitar a hipótese de igualdade das variâncias,
portanto, adotaram-se as equações 19 e 20 para o teste de igualdade de médias.

Nesse sentido, elaboraram-se as seguintes hipóteses, testadas para cada sinal da análise
técnica avaliado nesta dissertação:

H0: a média da rentabilidade líquida obtida sem o filtro da média móvel simples de 233 dias é
estatisticamente igual à média da rentabilidade líquida obtida com o filtro da média móvel

76
 A hipótese alternativa seria:

H1: a média da rentabilidade líquida obtida sem o filtro da média móvel simples de 233 dias
não é estatisticamente igual à média da rentabilidade líquida obtida com o filtro da média
móvel.

Uma vez identificada a diferença nas médias, proceder-se-ia

ia ao estudo dos seus sinais,
assumindo as seguintes interpretações:

a. Se a média da rentabilidade líquida obtida com filtro for estatisticamente diferente e

maior do que a obtida sem filtro, confirmar-se-ia a hipótese da eficácia
ficácia do filtro

b. Caso contrário, poder-se-ia

poder concluir que a utilização da média móvel simples de 233
dias não foi capaz de melhorar os resultados obtidos.

3.2.5 Análise do impacto dos sinais nos retornos das ações

O penúltimo objetivo específico desta dissertação

ssertação é avaliar o impacto da geração de
um sinal de compra nos retornos das ações.. Para alcançar tal objetivo, foi utilizada a
metodologia de estudo de evento.

Um estudo de evento consiste em utilizar um modelo de geração de retorno acionário

considerado
do padrão (retorno normal), o qual é tido como o retorno que o título teria caso o
evento não ocorresse. Depois disso, para identificar um comportamento anormal nos períodos
próximos a um evento específico que se está analisando, calcula-se
calcula se a diferença entre
ent o retorno
esperado fornecido pelo modelo e o retorno observado no período de análise (CAMARGOS E
BARBOSA, 2010).

Campbell, Lo e Mackinlay (1997) descrevem os procedimentos de um estudo

estu de
evento, conforme a Figura 28:
2

Figura 28: Etapas do estudo de evento

Retornos
Definição Critérios Procedimento Procedimento Resultados Interpretação
anormais e
do Evento de Seleção de Estimação de Testes Empíricos e Conclusões
normais

Fonte: Campbell, Lo e Mackinlay (1997)

77
 3.2.5.1 Definição do evento e critérios de seleção

Nesta dissertação, optou-se por analisar cinco eventos diferentes. A partir da

rentabilidade líquida obtida com cada sinal, adotou-se aquele que apresentou o maior número
de casos de superação da rentabilidade do buy and hold, no mesmo período de análise. Nesse
sentido, o IFR foi o sinal escolhido para ser analisado.

Os resultados completos estão descritos no item 4.3, no capítulo 4.

A partir da escolha do IFR, foram escolhidas, aleatoriamente, cinco ações e cinco

datas (cujo ano constatou-se maior rentabilidade em comparação ao buy and hold) e obteve-se
a amostra descrita na tabela 6.

Tabela 6: Amostra para o estudo de eventos

Sinal Ação Data do evento

IFR BBDC4 27/08/2010

IFR ELET3 09/02/2010

IFR EMBR3 07/07/2008

IFR PCAR4 13/10/2008

IFR TIMP3 22/07/2010

Fonte: elaborada pelo autor

3.2.5.2 Retornos Normais e Anormais

Segundo Campbell, Lo e MacKinlay (1997, p. 151), para avaliar o impacto do evento

é necessário medir os retornos anormais, que são os retornos ex post reais observados na
janela de evento, menos os retornos normais, ou seja, aqueles esperados caso o evento não
ocorresse, no mesmo período.

Os retornos observados da ação e do índice de mercado foram obtidos por meio da

capitalização contínua (logarítmica), a qual, segundo Soares, Rostagno e Soares (2002, p. 5 -
6), transforma a distribuição dos retornos em algo próximo a uma normal simétrica em
relação a zero, o que é um dos pré-requisitos necessários para efetuar os testes paramétricos.

78
 Os retornos normais, caso o evento não ocorresse, também conhecidos como retornos
esperados, foram obtidos pelo Modelo de Mercado, o qual estabelece uma relação linear, por
meio do método dos mínimos quadrados, entre o retorno observado do ativo e o retorno de
um índice que represente o mercado. Portanto os retornos normais foram obtidos do resultado
de uma regressão entre os retornos observados de cada ação analisada e o retorno do
Ibovespa, dentro da janela de estimação.

Os retornos esperados foram obtidos por meio da seguinte equação:

( )
E Rit = αi + βi Rmt (22)

Onde: R i é o retorno observado da ação i no período t; Rmt é o retorno observado do

t

( )
índice de mercado no período t, sendo este termo considerado o estimador para E Rmt ; e, αi

e β i , mínimos quadrados ordinários individuais a serem estimados.

Para o cálculo de alfa e beta foram adotadas as seguintes equações:

( )
α i = E Ri − βi E Rm ( ) (23)

βi =
(
Cov Rit , Rmt ) (24)

Var Rmt( )

Obtendo-se os retornos normais, aqueles caso o evento não ocorresse, são calculados
os retornos anormais, representados pela diferença entre o retorno observado e o retorno
esperado, conforme a equação abaixo:

( )
ARit = Rit − E Rit (25)

Onde: ARit , Rit e E Rit ( ) são, respectivamente, o retorno anormal, o retorno observado
e o retorno esperado, todos na data t.
79
 3.2.5.3 Procedimento de estimação

Nesta etapa foram definidas as janelas do evento.

A definição das janelas envolve certo grau de subjetividade e arbitrariedade por parte
do pesquisador e depende do evento estudado e dos objetivos que se almejam com o uso da
metodologia. Essa janela deve englobar períodos considerados relevantes para a verificação
de anormalidades no comportamento dos preços; não deve ser muito extensa, pois haveria o
risco de se englobar outros eventos, enviesando-se os resultados, e nem muito pequena, pois
arriscar-se-ia não se conseguir captar a anormalidade nos preços. De forma geral, a análise do
período anterior à data zero visa à identificação dos indícios do uso de informações
privilegiadas, enquanto a do período posterior visa fornecer evidências da velocidade e
precisão do ajuste dos preços à nova informação liberada ao mercado.

Para a janela de estimação foi considerado o período entre o dia -50 e dia -1.

A janela de evento adotada contemplou somente o dia em que ocorreu o sinal de

compra (data 0). Isso se deve ao fato de as janelas de comparação terem sido definidas como
períodos imediatamente anteriores e posteriores ao evento. A janela de comparação anterior
ao evento foi adotada como -5 a -1 e a posterior, do dia +1 a +5.

3.2.5.4 Procedimento de Teste

A fim de possibilitar a análise do efeito do evento, ou seja, a geração de um sinal de

compra, os retornos anormais foram acumulados entre o primeiro e o último dia dentro das
janelas de comparação ex ante e ex post, formando o Retorno Anormal Acumulado (CAR,
sigla no idioma inglês de Cumulative Abnormal Return), que é dado por:

t2
CARi ( t1 , t2 ) = ARit
t =t1
(26)

Onde: CARi ( t1 , t2 ) é o retorno anormal acumulado do título i, entre as datas t1 e t2.

Após o cálculo do CAR, foram elaboradas as seguintes hipóteses:

H0: a média dos retornos anormais acumulados antes da data do evento é estatisticamente
igual à média dos retornos anormais acumulados posterior ao evento

80
 CAR(anterior) = CAR(posterior)

A hipótese alternativa seria:

H1: a média dos retornos anormais acumulados antes da data do evento é estatisticamente
diferente à média dos retornos anormais acumulados posterior ao evento

CAR(anterior) CAR(posterior)

Uma vez identificada a diferença nas médias, proceder-se-ia ao estudo dos seus sinais,
assumindo as seguintes interpretações:

a. Se a média do retornos anormais acumulados antes da data do evento for

estatisticamente diferente e menor do que a média dos retornos anormais acumulados
posterior, confirmar-se-ia a hipótese de existir um impacto positivo nos retornos da
ações após a geração de um sinal de compra
b. Caso contrário, poder-se-ia concluir que a geração do sinal de compra não foi capaz de
alterar de forma significativa o retorno da ações

Para testar tais hipóteses, realizou-se um teste de médias pareadas, com os desvios
padrões conhecidos, cuja equação é:

zt =
( x1 − x2 )
σ 12 σ 22
+
n1 n2
(27)

Os dados foram organizados no software Microsoft Office Excel 2007 e os testes

estatísticos foram realizados com auxílio do software SPSS Statistics 17.0.

81
 3.2.6 Análise da duração das operações

Um gráfico com os preços de uma ação é composto por duas variáveis: o preço e o
tempo. No entanto, os principais manuais de análise técnica enfatizam o preço e não abordam
o tempo como fator de influência e de análise (WOLWACZ, 2010 e GILMORE, 1999).

Nesse sentido, como último objetivo específico desta dissertação, buscou-se avaliar se
o tempo médio de duração (intervalo entre os sinais de compra e venda) das operações que
terminam em lucro é estatisticamente igual ao tempo médio das operações que terminam em
prejuízo, sendo que cada sinal foi analisado separadamente.

O primeiro passo foi calcular a duração de cada operação, utilizando como base os
dados do registro de operações, conforme o exemplo da tabela 4, no item 3.2.1. Para isso,
utilizou-se o software Microsoft Excel e a unidade de medida foi o número de dias corridos.

Posteriormente, as operações foram separadas em dois grupos: operações que

terminaram em lucro (rentabilidade líquida positiva) e que terminaram em prejuízo
(rentabilidade líquida negativa).

As operações foram agrupadas por sinal e então, calculou-se a duração média das
operações por sinal pelo critério da média simples.

Por fim, para avaliar se existe diferença estatisticamente significativa na duração das
operações lucrativas e não lucrativas, realizou-se o teste de médias, constituindo-se as
hipóteses:

H0 = a duração médias das operações lucrativas é igual à duração média das operações não
lucrativas
e
H0 = a duração médias das operações lucrativas não é igual à duração média das operações
não lucrativas

Em todos os passos descritos acima, adotou-se a base de dados das operações sem o
filtro da média móvel.

82
4 ANÁLISE DOS RESULTADOS

Esta seção está divida em quatro partes, sendo cada uma dedicada à analise dos
resultados obtidos para cada objetivo da dissertação.

4.1 Resultados obtidos sem a regra de filtro

Analisando o período total da pesquisa, foram realizadas 8742 operações (uma compra
e uma venda), porém, considerando apenas os anos que compõem os sub períodos adotados
para análise (2001, 2002, 2005, 2008 e 2010) foram 4261 operações. O Hi Lo foi o sinal que
gerou o maior número de operações nos sub períodos analisados, conforme os dados da tabela
7.

Tabela 7 – Operações realizadas nos sub períodos sem o filtro

Ano Estocástico lento Hi Lo IFR MACD Parabólico SAR

2001 205 310 34 124 227

2002 172 299 38 140 214

2005 153 288 39 120 209

2008 194 296 33 146 260

2010 156 248 45 116 195

TOTAL 880 1441 189 646 1105

Fonte: elaborada pelo autor

O IFR foi o sinal com o menor número de operações realizadas em todos os anos. Isso
se deve principalmente à sua concepção, o qual só gera um sinal de compra quando a ação
está saindo do nível sobrevendido. Se a ação estiver com os preços em tendência de alta, o
IFR não atingirá o nível de sobrevendido, portanto não gerará sinais de compra. Outro motivo
que pode ter contribuído para um número reduzido de operações está relacionado ao
parâmetro de 14 períodos adotado nesta dissertação. Se fosse utilizado um período menor, o
IFR, possivelmente, atingiria o nível de sobrevendido com maior frequência, gerando mais
sinais de compra.
83
 A tabela 8 apresenta a rentabilidade obtida pelo modelo buy and hold e por cada sinal
da análise técnica, separada por ação e por ano analisado.

Tabela 8 – Rentabilidade líquida obtida sem o filtro

ESTOCÁSTICO
AÇÃO ANO BUY AND HOLD HI LO IFR MACD SAR
LENTO

2001 2,08% -35,54% -36,24% -1,17% -4,29% -16,02%

2002 12,19% -11,08% -20,46% 22,00% -9,82% -22,48%

AMBV4 2005 44,61% 9,35% 24,01% 22,42% 36,42% 30,30%

2008 -17,45% -29,79% -46,95% 14,70% -50,44% -51,84%

2010 50,79% 21,71% 6,89% 6,98% 9,19% 7,67%

2001 82,24% -3,39% 11,57% 1,78% 85,53% 52,23%

2002 -1,03% 16,00% 27,12% -14,93% 19,96% 16,25%

BBAS3 2005 30,78% -6,67% -3,78% 32,80% -0,77% -6,83%

2008 -48,48% -57,68% -48,30% -39,73% -46,37% -42,10%

2010 12,51% 5,88% -1,64% 8,15% 9,31% -4,10%

2001 10,00% -80,96% -86,77% 35,08% -64,17% -84,07%

2002 5,34% -65,35% -83,54% -21,88% -77,62% -69,35%

BBDC4 2005 112,69% 26,81% 56,76% 48,91% 41,63% 34,55%

2008 -37,65% -62,91% -47,25% -3,90% -31,29% -31,22%

2010 11,06% 0,97% -13,99% 11,09% 2,80% -0,10635

2001 -2,03% -30,25% -12,51% 26,34% -5,28% -19,68%

2002 -23,64% -32,33% 0,30% -30,12% -29,54% -4,14%

ELET3 2005 0,77% -2,36% -37,20% 28,23% 4,18% -40,72%

2008 12,43% -42,32% -54,06% 5,14% -14,60% -38,31%

2010 -14,24% -19,35% -5,12% 22,87% -3,60% -13,56%

2001 10,22% 16,85% 23,97% -47,03% 12,29% 24,26%

EMBR3
2002 27,55% -22,56% -15,81% -13,41% -21,04% -24,79%

84
 2005 14,83% -7,47% -8,79% 22,69% -12,22% -4,10%

2008 -55,54% -15,99% -24,84% 56,58% -18,52% -29,26%

2010 27,17% -20,35% -14,78% 0,77% -37,91% -8,71%

2001 25,00% -15,43% -9,36% 24,99% 18,85% -30,98%

2002 66,12% 7,28% 3,83% 40,30% -0,34% 5,16%

GGBR4 2005 33,45% 4,89% 22,72% -7,26% 63,56% 26,07%

2008 -40,09% -41,05% -47,79% -40,70% -30,33% -48,83%

2010 -9,10% -10,07% 4,79% 2,76% -3,02% 6,04%

2001 12,12% -19,68% 27,78% -36,90% 20,57% 28,83%

2002 129,73% -9,30% 6,15% -2,21% 0,09% 17,54%

LAME4 2005 75,33% 27,18% 45,14% 6,17% 56,79% 66,99%

2008 -60,08% -44,73% -52,69% -43,59% -48,49% -62,73%

2010 -1,80% -5,76% -7,57% 0,75% -2,43% 3,96%

2001 -29,32% -21,16% -6,11% -32,62% -29,08% -12,35%

2002 10,28% -4,32% -13,19% 15,99% 11,61% 13,70%

PCAR4 2005 11,93% 23,36% 22,81% 26,93% 11,95% 11,66%

2008 -5,46% -22,36% -19,89% 47,44% -23,40% -33,16%

2010 7,79% -5,59% -15,29% 18,52% 1,82% -2,59%

2001 18,90% -36,03% -41,75% 3,49% -25,49% -31,46%

2002 3,54% -17,65% 20,52% 20,68% 25,93% 8,11%

2005 56,64% 2,56% 19,38% 6,34% 57,74% 39,99%

PETR3
2008 -44,68% -0,69% -13,36% -42,41% -17,73% 1,21%

2010 -24,41% -1,73% -21,68% -40,54% -9,31% -22,41%

2001 19,72% 10,50% -27,21% 23,78% -18,40% -17,22%

2002 -6,94% 0,29% 11,44% -4,89% 8,17% 7,95%

PETR4 2005 55,15% 9,11% 18,47% 5,52% 80,86% 23,47%

2008 -45,24% 5,32% 13,04% -42,78% -12,41% -14,57%

2010 -23,49% -17,41% -8,54% -7,89% -13,03% -23,22%

85
 2001 -23,92% -24,55% -9,73% -1,81% -4,55% -4,05%

2002 -25,42% -35,61% -39,90% -5,96% -41,61% -29,65%

SBSP3 2005 0,38% -15,35% 11,23% 16,07% -20,56% -1,76%

2008 -20,75% -30,50% -48,29% -38,45% -28,63% -32,92%

2010 42,97% -19,91% -16,75% 31,42% -8,42% -8,84%

2001 -23,20% -9,72% -30,32% -38,13% -18,15% -5,37%

2002 -36,72% -53,98% -61,67% -2,15% -42,81% -46,49%

TIMP3 2005 61,84% -8,79% 37,68% 25,39% 68,64% 39,59%

2008 -41,51% -27,83% -64,69% -4,32% -14,02% -43,34%

2010 -5,41% -3,14% -46,31% 12,87% -2,63% -41,71%

2001 -13,36% -39,67% -33,08% -40,62% 0,98% -23,00%

2002 -22,64% -27,29% -28,36% -5,82% -16,68% -18,68%

TNLP4 2005 0,17% 17,45% -13,09% 1,98% 10,52% -5,32%

2008 5,17% -18,98% -44,84% -8,02% -12,32% -32,93%

2010 -27,54% -23,79% -28,84% 11,03% -22,92% -18,00%

2001 30,08% -23,53% -20,11% 5,24% -15,92% -6,50%

2002 83,49% -7,38% 5,15% 8,92% 17,58% 39,20%

VALE5 2005 36,04% 43,79% 15,55% -4,05% 17,93% 32,00%

2008 -46,12% -51,72% -60,69% -48,47% -65,73% -54,90%

2010 16,16% 11,23% -7,85% 8,13% 20,80% 9,46%

Fonte: elaborada pelo autor

Os valores destacados em negrito representam os períodos em que a rentabilidade

obtida com o sinal foi superior à obtida pelo buy and hold, no mesmo período.

No caso da rentabilidade auferida pelo buy and hold ser negativa, destacou-se somente
os casos em que a rentabilidade com os sinais foi positiva, não bastando ser superior ao buy
and hold.

86
 Com a combinação de cinco sinais, cinco anos e quatorze ações, obteve-se 350
campos de análise, sendo que em 61 casos, a rentabilidade obtida por algum sinal foi superior
ao buy and hold.

O sinal que obteve o maior número de casos em que a rentabilidade foi maior que o
buy and hold foi o IFR, com 22 casos e depois: o MACD, com 14 casos; o Parabólico SAR e
o Hi Lo com 9 casos cada e o estocástico lento, em 7 casos.

4.1.1 Análise da significância das frequências

Para avaliar se a frequência em que a rentabilidade obtida com os sinais da análise

técnica superou o modelo buy and hold e foi estatisticamente significativa, realizou-se o teste
do qui-quadrado.

Segundo Bruni (2011, p. 172) o teste do qui-quadrado analisa a hipótese nula de não
existir discrepância entre as frequências observadas e as frequências esperadas de
determinado evento.

Nesta dissertação, adotou-se a seguinte premissa para realização desse teste: se a

rentabilidade obtida com os sinais da análise técnica for superior ao buy and hold em 50% das
vezes, poder-se-ia concluir que a utilização dos sinais propicia o mesmo desempenho do buy
and hold.

Como cada sinal foi analisado setenta vezes (cinco anos e quatorze ações), obteve-se
uma frequência esperada de 35 casos em que a rentabilidade obtida com os sinais fosse
superior ao buy and hold.

Dessa forma, formularam-se as seguintes hipóteses:

H0: as frequências esperadas e observadas são iguais

H1: as frequências esperadas e observadas não são iguais

A partir dos dados tabela 8, elaborou-se a tabela 9, a qual apresenta as frequências

observadas e esperadas para cada sinal.

87
Tabela 9 – Frequências esperadas e observadas por sinal

Sinal Frequência esperada Frequência observada

Estocástico lento 35 7

Hi Lo 35 9

IFR 35 22

MACD 35 14

Parabólico SAR 35 9

Fonte: elaborada pelo autor

O teste do qui-quadrado foi realizado para cada sinal, utilizando a equação a seguir:

X² = [(O-E)² / E] (28)

Onde:

O = frequência esperada

E = frequência observada

Os resultados do teste do qui-quadrado são apresentados na tabela 10.

Tabela 10 – Resultado do teste do qui-quadrado

Sinal X² p-value

Estocástico lento 44,80 0

Hi Lo 38,62 0

IFR 9,65 0,002

MACD 25,2 0

Parabólico SAR 38,62 0

Fonte: elaborada pelo autor

88
 O p-value em todos os casos ficou abaixo do nível de significância de 0,05, portanto a
hipótese de igualdade de frequências foi rejeitada.

Conforme os dados da tabela 9, é possível notar que as frequências observadas ficaram

abaixo das frequências esperadas em todos os casos, o que por sua vez, em conjunto com a
análise dos resultados do teste do qui-quadrado, indicam que os sinais da análise técnica
estudados nesta dissertação, não foram capazes de produzir resultados financeiros superiores
ao modelo buy and hold.

4.2 Resultados obtidos com a regra de filtro

Com a utilização da média móvel simples de 233 dias como regra de filtro, foram
realizadas 2371 operações, o que representa uma redução de 44% no total de operações
originalmente efetuadas sem o filtro.

A tabela 11 apresenta a quantidade de operações realizadas nos sub períodos com o

filtro da média móvel.

Tabela 11 – Operações realizadas nos sub períodos com filtro

Ano Estocástico lento Hi Lo IFR MACD Parabólico SAR

2001 100 171 14 64 117

2002 74 149 17 66 99

2005 114 235 31 91 167

2008 58 108 17 45 84

2010 112 188 28 81 141

TOTAL 458 851 107 347 608

Fonte: elaborada pelo autor

A tabela 12 apresenta a rentabilidade líquida obtida por sinal e por ano, utilizando o
filtro da média móvel.

89
Tabela 12 – Rentabilidade líquida obtida com o filtro

AÇÃO ANO BUY AND HOLD ESTOCÁSTICO HILO IFR MACD SAR

2001 2,08% -25,75% -28,66% -1,17% -12,56% -16,14%

2002 12,19% -7,94% -21,77% 4,56% -12,27% -9,96%

AMBV4 2005 44,61% 9,35% 24,01% 22,42% 36,42% 30,30%

2008 -17,45% -9,06% -19,72% 0,00% -15,75% -12,11%

2010 50,79% 21,71% 6,89% 6,98% 9,19% 7,67%

2001 82,24% -2,63% 19,01% 5,75% 32,30% 35,12%

2002 -1,03% 31,29% 26,94% -14,10% 8,12% 22,37%

BBAS3 2005 30,78% -6,67% -3,78% 32,80% -0,77% -6,83%

2008 -48,48% -13,52% -13,92% 8,19% -16,42% -10,38%

2010 12,51% -4,49% -16,40% 1,69% 4,53% -18,23%

2001 10,00% -73,78% -82,99% 0,00% -52,94% -77,86%

2002 5,34% -31,18% -62,17% -20,68% -44,84% -49,22%

BBDC4 2005 112,69% 26,97% 52,15% 48,91% 41,84% 35,14%

2008 -37,65% -13,51% -15,03% -3,90% 6,09% -6,00%

2010 11,06% 2,03% -8,38% 11,09% 9,21% -3,91

2001 -2,03% -24,10% -23,43% 12,16% -17,28% -31,19%

2002 -23,64% 0,00% 0,00% 0,00% 0,00% 0,00%

ELET3 2005 0,77% -9,73% -29,27% 0,00% -5,08% -30,01%

2008 12,43% -12,43% -27,39% -0,70% -16,48% -23,57%

2010 -14,24% -16,90% -8,96% 13,28% -2,44% -15,35%

2001 10,22% -6,78% -4,81% -47,03% -12,18% 0,21%

2002 27,55% -26,12% -18,48% 9,75% -19,43% -18,55%

EMBR3 2005 14,83% -7,94% -0,80% 14,19% -10,58% -1,73%

2008 -55,54% 0,00% 0,00% 0,00% 0,00% 0,00%

2010 27,17% -30,23% -26,71% 0,77% -7,09% -23,85%

GGBR4 2001 25,00% -13,47% -5,22% 0,00% 0,00% 1,07%

90
 2002 66,12% 7,28% 3,83% 40,30% -0,34% 5,16%

2005 33,45% 7,42% 16,28% -13,63% 55,21% 25,66%

2008 -40,09% -32,09% -9,54% -40,70% 4,73% -2,63%

2010 -9,10% -9,04% -9,80% 1,43% 6,64% -5,53%

2001 12,12% 0,00% 6,77% 0,00% 6,90% 0,00%

2002 129,73% -9,30% 6,15% -2,21% 0,09% 17,54%

LAME4 2005 75,33% 27,18% 45,14% 6,17% 56,79% 66,99%

2008 -60,08% 0,00% -4,97% 0,00% 0,00% -5,74%

2010 -1,80% -11,16% -14,60% 0,75% -8,50% -5,83%

2001 -29,32% -6,46% -18,79% -19,38% -10,45% -9,33%

2002 10,28% -1,06% -4,74% -5,41% -8,06% 0,62%

PCAR4 2005 11,93% 16,72% 4,90% 9,13% 14,38% 1,61%

2008 -5,46% -22,85% -28,16% 8,69% -27,66% -35,39%

2010 7,79% -5,59% -15,29% 15,24% 1,82% -2,59%

2001 18,90% -10,19% -24,05% 7,73% -9,38% -19,78%

2002 3,54% -4,63% -6,80% 1,38% -1,36% -4,40%

PETR3 2005 56,64% 2,56% 19,38% 6,34% 57,74% 39,99%

2008 -44,68% 2,01% 18,29% -42,41% 11,39% 26,55%

2010 -24,41% -0,92% -5,10% 0,00% -2,87% -4,99%

2001 19,72% 4,55% -25,53% 4,56% -7,98% -21,48%

2002 -6,94% -0,67% -7,52% -14,56% -1,68% -6,08%

PETR4 2005 55,15% 9,11% 18,47% 5,52% 80,86% 23,47%

2008 -45,24% 9,14% 34,90% -42,78% 23,58% 23,17%

2010 -23,49% -2,24% 1,29% -15,90% 2,01% -2,85%

2001 -23,92% -16,30% -16,51% -17,44% -20,73% -17,22%

2002 -25,42% -1,74% 6,57% 0,00% -4,31% -1,77%

SBSP3
2005 0,38% 7,04% 17,53% 7,66% -6,10% 0,94%

2008 -20,75% -6,24% -19,29% -38,45% 0,00% -17,75%

91
 2010 42,97% -19,91% -16,75% 31,42% -8,42% -8,84%

2001 -23,20% 0,00% 2,02% 0,00% -4,70% -1,27%

2002 -36,72% 0,00% 0,00% 0,00% 0,00% 0,00%

TIMP3 2005 61,84% -8,79% 37,68% 25,39% 68,64% 39,59%

2008 -41,51% -2,23% -8,34% 0,00% 0,00% 1,23%

2010 -5,41% 0,80% -17,53% 7,28% -17,42% -31,50%

2001 -13,36% -11,22% -13,35% -40,62% 0,00% 8,83%

2002 -22,64% 0,00% -12,07% 4,50% -0,87% -5,40%

TNLP4 2005 0,17% 12,05% -4,45% 2,35% 1,76% -6,41%

2008 5,17% -3,25% -4,71% -8,02% -4,30% -8,28%

2010 -27,54% -19,16% -21,79% -1,37% -18,99% -23,43%

2001 30,08% -23,53% -20,11% 5,24% -15,92% -6,50%

2002 83,49% -7,38% 5,15% 8,92% 17,58% 39,20%

VALE5 2005 36,04% 43,79% 15,55% -4,05% 17,93% 32,00%

2008 -46,12% 10,62% 11,58% -48,47% 11,26% 10,38%

2010 16,16% 5,87% -6,37% -6,43% -3,72% -6,41%

Fonte: elaborada pelo autor

A fim de avaliar se a rentabilidade líquida obtida com o filtro foi superior à obtida sem
o filtro, realizou-se o teste de igualdade de médias populacionais, conforme descrito no item
3.2.5. A tabela 13 apresenta os resultados desse teste.

Tabela 13: Resultados do teste de igualdade de médias populacionais

Sinal Estatística t p-value

Estocástico lento -1,29 0,19

Hi Lo 1,42 0,15
IFR 0,6 0,54
MACD -1,37 0,18
Parabólico SAR -1,21 0,22
Fonte: elaborada pelo autor
92
 Os resultados apresentados na tabela sugerem a aceitação da hipótese de igualdade das
médias populacionais, quando são avaliadas as rentabilidades obtidas por cada sinal com e
sem a utilização do filtro da média móvel, pois em todos os casos, o p-value esteve acima do
nível de significância de 0,05.

Nesse sentido, parece que a utilização da média móvel simples de 233 dias não foi
capaz de melhorar os resultados pelos sinais estudados nesta dissertação.

Uma possível explicação para esse resultado seria o fato de a ação, ao estar com os
preços abaixo da média móvel simples de 233 dias em seu gráfico diário, poderia estar
sobrevendida e uma compra efetuada nessa condição apresentaria uma possibilidade de
ganho, caso os preços voltassem a subir.

4.3 Resultados dos estudos de eventos

O penúltimo objetivo específico desta dissertação é analisar o impacto de um sinal de

compra nos retornos das ações, por meio de um estudo de evento.

Conforme explicado no item 3.2.5.1, adotou-se o IFR para análise, pois foi o sinal que
apresentou o maior número de casos de superação da rentabilidade em comparação ao buy
and hold.

A fim de avaliar o impacto da geração de um sinal de compra nos retornos das ações,
cumpriram-se os passos descritos no item 3.2.5.

As equações obtidas para estimar os retornos normais foram as seguintes:

BBDC4: - 0,0004 + 1,307 x Rm

ELET3: - 0,0025 + 0,2159 x Rm

EMBR3: - 0,1121 + 0,2717x Rm

PCAR4: 0,0002 + 0,6677 x Rm

TIMP3: 0,0008 + 0,6054 x Rm

93
 Os retornos anormais calculados nas janelas de comparação e de evento são
apresentados na tabela 14:

Tabela 14 – Retornos anormais (AR)

Data BBDC4 ELET3 EMBR3 PCAR4 TIMP3

-5 0,0013 -0,0059 0,0036 -0,0362 -0,0009

-4 0,0141 -0,0439 0,0001 0,0323 0,0059

-3 -0,0058 -0,0649 -0,0306 -0,0302 0,0004

-2 -0,0073 -0,0364 -0,0163 0,0084 -0,0119

-1 0,0043 -0,0025 0,0149 -0,0292 -0,0052

0 -0,0075 0,0133 0,0591 0,0020 -0,0063

1 0,0037 0,0096 0,1089 0,0198 -0,0146

2 0,0094 0,0050 -0,0156 0,029 0,0169

3 -0,0028 -0,0136 0,0061 0,0420 0,0073

4 -0,0178 0,0138 -0,0090 0,0640 0,0203

5 -0,0058 0,0120 0,0331 -0,0486 -0,0205

Fonte: elaborada pelo autor

Os retornos anormais acumulados nas janelas de comparação e de evento estão na

tabela 15.

94
Tabela 15 – Retornos anormais acumulados (CAR)

Data BBDC4 ELET3 EMBR3 PCAR4 TIMP3

-5 0,0013 -0,0059 0,0036 -0,0362 -0,0009

-4 0,0154 -0,0499 0,0037 -0,0039 0,0049

-3 0,0095 -0,1148 -0,0269 -0,0341 0,0054

-2 0,0021 -0,1513 -0,0432 -0,0256 -0,0064

-1 0,0065 -0,1538 -0,0283 -0,0549 -0,0116

0 -0,0010 -0,1404 0,0307 -0,0528 -0,0180

1 0,0026 -0,1308 0,1397 -0,0330 -0,0326

2 0,0121 -0,1257 0,1241 -0,0039 -0,0156

3 0,0092 -0,1394 0,1303 -0,0380 -0,0082

4 -0,0085 -0,1255 0,1212 0,1020 0,0120

5 0,0144 -0,1135 0,1543 0,0534 -0,0084

Fonte: elaborada pelo autor

O gráfico 2 apresenta os retornos anormais acumulados nas janelas de comparação e

de evento, ação por ação, sendo possível notar o aumento no CAR das ações EMBR3, ELET3
e PCAR4 após a data do evento (data 0).

95
Gráfico 2 – Retornos anormais acumulados

0,2

0,15

0,1

0,05 BBDC4
C
ELET3
A 0
-5 -4 -3 -2 -1 0 1 2 3 4 5 EMBR3
R
-0,05 PCAR4
TIMP3
-0,1

-0,15

-0,2
Janelas de comparação e de evento (dias)

Fonte: elaborado pelo autor

Os resultados dos procedimentos de teste, ou seja, os testes de médias pareadas para os

retornos anormais acumulados nas janelas de comparação, são apresentados na tabela 16.

Tabela 16 – Resultados dos procedimentos de teste

Ação Data do evento Estatística T p-value

BBDC4 27/08/2010 1,65 0,17

ELET3 09/02/2010 1,02 0,36

EMBR3 07/07/2008 -13,96 0

PCAR4 13/10/2008 -2,36 0,07

TIMP3 22/07/2010 0,99 0,37

Fonte: elaborada pelo autor

96
 Em quatro dos cinco eventos analisados, o p-value ficou acima de 0,05, sendo aceita a
hipótese de igualdade das médias. Então, parece que não existiu geração de impacto
significativo nos retornos das ações para esses casos.

Os resultados mostram que houve diferença estatisticamente significativa nas médias

dos retornos anormais acumulados, nas janelas anteriores e posteriores ao evento, somente no
caso da geração do sinal de compra ocorrido em 07/07/2008, na ação EMBR3, pois o p-value
ficou abaixo do nível de significância de 0,05.

A análise da comparação das médias do CAR sugere que houve criação de valor nos
preços das ações, sendo o impacto positivo nos retornos das ações. A média do CAR na janela
de comparação anterior ao evento foi de – 0,091 e a média do CAR na janela de comparação
posterior foi de 0,6699.

É importante ressaltar que não é possível afirmar que todos os participantes do

mercado de capitais utilizam a análise técnica como ferramenta para tomada de decisão.
Portanto, esse resultado sugere um questionamento sobre causa e efeito dessa diferença
observada nos retornos ex ante e ex post a geração do sinal.

Não é possível afirmar que a causa de tal diferença seja, exclusivamente, a geração do
sinal de compra, pois, pode ter sido divulgada uma notícia relevante sobre a empresa na data
do evento (data 0) e, a partir disso, os investidores manifestaram interesse em comprar as
ações, fazendo com que os preços se elevassem de forma expressiva.

4.4 Resultados da análise da duração das operações

A tabela 17 apresenta a duração média das operações, separadas por sinal.

97
Tabela 17: Duração média das operações

Sinal Duração média das operações que Duração média das operações que
terminaram em lucro (dias) terminaram em prejuízo (dias)

Estocástico lento 19,2 7

Hi Lo 15,5 5,3

IFR 40,6 87,8

MACD 33,4 10,8

Parabólico SAR 19 6,5

Fonte: elaborada pelo autor

Observa-se que a duração média das operações do sinal IFR é superior se comparada
aos outro sinais. Isso ocorre devido ao conceito de geração de um sinal de venda, pois esse
ocorre somente quando a ação sai do estado sobrevendido. Se o preço da ação demorar para
atingir o nível de sobrevendido ou permanecer nesse estágio por um longo período, não é
gerado o sinal de venda.

Os resultados dos testes de médias são apresentados na tabela 18:

Tabela 18 – Testes de média das durações

Sinal Teste t p-value

Estocástico lento -22 0

Hi Lo 29,61 0

IFR 8,7 0

MACD 26,4 0

Parabólico SAR -30,4 0

Fonte: elaborada pelo autor

98
 Em todos os casos, a hipótese de igualdade das médias é rejeitada, pois o p-value está
abaixo do nível de significância de 0,05.

É possível notar que para os sinais estocástico lento, Hi Lo, MACD e SAR, a duração
média das operações que terminaram em prejuízo é menor. Para o sinal IFR, verifica-se o
comportamento contrário.

99
5 CONSIDERAÇÕES FINAIS

A eficiência de mercado e, em sua oposição, as anomalias de mercado (entre elas a

análise técnica) são temas pesquisados com frequência pela academia, sendo que esta
dissertação buscou gerar contribuições a esses temas.

A seguir, estão descritas as conclusões e limitações desta dissertação e as sugestões de

trabalhos futuros.

5.1 Conclusões

O objetivo principal desta dissertação foi avaliar se a utilização dos sinais de compra e
venda de ações, gerados pela análise técnica, produzem resultados financeiros superiores ao
modelo buy and hold.

A amostra foi composta por quatorze ações que pertencem ao IBOVESPA e o período
adotado foi de 2000 a 2010, porém as análises dos dados foram realizadas nos anos de 2001,
2002, 2005, 2008 e 2010.

Foram analisados cinco sinais da análise técnica (estocástico lento, Hi Lo, IFR,
MACD e Parabólico SAR), os quais são abordados nos principais manuais do tema, como os
apresentados por Edwards, Magee e Bassetti (2007), Achelis (2001) e Murphy (1999).

Esperava-se que a rentabilidade obtida com esses sinais fosse superior à obtida pelo
modelo buy and hold, uma vez que o tema vem sendo bastante difundido no mercado de ações
no Brasil.

Com a combinação de cinco sinais, cinco ações e quatorze ações, obteve-se uma
amostra de 350 casos para análise e constatou-se que em 61 ocasiões a rentabilidade obtida
com os sinais da análise técnica foi superior ao modelo buy and hold. Os resultados dos testes
de significância de frequência indicaram que os sinais da análise técnica não foram capazes de
produzir resultados financeiros superiores ao modelo buy and hold.

Optou-se por testar a média móvel simples de 233 períodos como regra de filtro para
utilização dos sinais, objetivando-se avaliar se tal regra aumentaria a rentabilidade obtida com
os sinais estudados, o que seria o resultado esperado. Os resultados revelaram que não houve
diferença estatisticamente significativa entre as rentabilidades obtidas com e sem o filtro,
contrariando o resultado esperado.
100
 Avaliou-se também qual o impacto da geração de um sinal de compra nos retornos de
cinco ações, por meio do método de estudo de eventos.

A metodologia de estudo de eventos é indicada para avaliar se o mercado foi eficiente,

na forma semi-forte, após a divulgação de um fato relevante (Fama, 1991). A análise técnica
contraria a eficiência de mercado, pois busca encontrar padrões de comportamentos nos
retornos das ações. Malkiel (1991, apud Penteado, 2003, p. 11) destaca que “(...) a forma fraca
da hipótese dos mercados eficientes diz simplesmente que a análise técnica de padrões de
preços passados para predizer o futuro é inútil porque qualquer informação proveniente de tal
análise já terá sido incorporada nos atuais preços de mercado”.

Optou-se por realizar o estudo de eventos em conjunto com a análise técnica para
gerar contribuições à academia e ao conhecimento em finanças, ainda que, sob a ótica da
teoria da eficiência de mercado, essa análise seria equivocada.

Os resultados dos estudos de eventos indicaram que houve impacto positivo e

estatisticamente significativo nos retornos de apenas uma ação. Nos outros quatro casos
analisados, como não foi constatada a presença de retornos anormais ex post o evento, sugere-
se que o evento estudado não foi relevante ou que o mercado não foi eficiente em sua forma
semi-forte.

Os resultados da análise da duração das operações apontam que as operações que

terminam em prejuízo possuem uma duração menor para todos os sinais, exceto no caso do
IFR, quando ocorre o contrário. De posse de tal informação, um investidor pode elaborar
estratégias baseadas em sinais juntamente com o fator tempo.

5.2 Limitações

Os resultados encontrados nesta dissertação são válidos para a amostra, período e

sinais analisados, não podendo ser generalizados. Outro ponto a ressaltar é que o desempenho
passado não é garantia de desempenho futuro no mercado de capitais.

5.3 Sugestões para trabalhos futuros

Como esta dissertação possui limitações e análise técnica é um tema extenso,

considerou-se oportuno sugerir algumas sugestões para trabalhos futuros:
101
• Avaliar outros sinais da análise técnica;
• Utilizar outras periodicidades da média móvel simples como regra de filtro de
utilização dos sinais;
• Incluir na amostra as ações que não fazem parte do IBOVESPA, bem como utilizá-lo
como ativo de pesquisa;
• Aumentar o período da pesquisa;
• Testar os sinais de forma combinada entre si, como os trabalhos de Lento (2008) e
Arantes e Famá (2009), bem como de forma combinada com os padrões gráficos;
• Analisar o fator tempo como variável da análise técnica, sob diferentes óticas, tais
como: o intervalo entre sinais de compra (frequência de ocorrência), época do ano
ideal para utilização de cada sinal e tempo estimado de exposição ao risco.
• Utilizar a análise técnica em conjunto com a análise fundamentalista.

102
REFERÊNCIAS BIBLIOGRÁFICAS

ABE, M. Manual de Análise Técnica: Essência e Estratégias Avançadas. São Paulo: Novatec
Editora, 2009.

ACHELIS, S. B. Technical Analysis from A to Z. New York, McGraw-Hill, 2001.

ARANTES, E. N.; FAMÁ, R. Análise Técnica: Aplicação de Sinais Combinados na Série

Histórica do Ibovespa entre 1998 e 2008. Trabalho apresentado no ENANPAD, não incluso
nos anais do Congresso, 2009.

ARIEL, R. A. A monthly effect in stock returns. Journal of Financial Economics. v.18, n.1,
p.161-174, March 1987.

ARONSON, D. Evidenc-based technical analysis: applying the scientific method and

statistical inference to trading signals. New Jersey, USA: John Willey & Sons Inc., 2007.

ASSAF, A. N. Mercado Financeiro. São Paulo: Atlas, 2008.

BAPTISTA, R. F. F.; VALLS PEREIRA, P.L. Análise da Performance de Regras de Análise

Técnica Aplicada ao Mercado Intradiário do Futuro do Índice Bovespa. Revista Brasileira de
Finanças, Vol. 6, No. 2, 2008.

BOAINAIN, P. G., VALLS PEREIRA, P. L. “Ombro-Cabeça-Ombro”: Testando a

Lucratividade do Padrão Gráfico de Análise Técnica. Revista Brasileira de Finanças. Volume
7, número 3, pp. 265-303, 2009.

BONE, R. B.; RIBEIRO, E. P. Eficiência fraca, efeito dia-da-semana e efeito feriado no

mercado acionário brasileiro: uma análise empírica sistemática e robusta. Revista
Administração Contemporânea, v.6, n.1, 2002.

103
BRAV, A.; HEATON, J. B. Testing behavioral theories of undervaluation and overvaluation.
Kellogg School of Management, 2006. Disponível em
www.kellogg.northwestern.edu/finance/faculty/seminars/brav051106.pdf. Acesso em:
03/08/2011.

BREALEY, R. A.; MYERS, S. T.; ALLEN, F. Princípios de Finanças Corporativas. São

Paulo: McGraw-Hill, 2008

BRIGHAM, E. F.; EHRHARDT, M. C. A. Administração Financeira – Teoria e Prática. São

Paulo: Ed. Thompsom, 2006.

BROCK, W.; LAKONISHOK, J.; LEBARON, B. Simple Technical Trading Rules and the
Stochastic Properties of Stock Returns. The Journal of Finance, Vol. 47, No. 5, pp.1731-1764,
1992.

BRUNI, A. L. PASW Aplicado à Pesquisa Acadêmica. 2ª edição. São Paulo: Atlas, 2011.

BRUNI, A. L.; SOARES, O. S.; PEREIRA DA SILVA, M.; PAIXÃO, R. B., CARVALHO
JUNIOR; C. V. O. Análise Técnica de Ações: um estudo de caso da empresa Bombril S.A.
XI SEMEAD, São Paulo, 2008.

BRUNI, A. L.; FAMÁ, R. Eficiência, previsibilidade dos preços e anomalias em mercados de

capitais: teoria e evidências. Caderno de Pesquisas em Administração, v.1, n.7, 1998.

CAMARGOS, M. A.; BARBOSA, F. D. A adoção de práticas diferenciadas de governança

corporativa beneficia o acionista e aumenta a liquidez acionária? Evidências empíricas do
mercado brasileiro. Revista de Gestão da USP, São Paulo, v. 17, n. 2, p. 189-208, abril/junho
2010.

CARVALHO, L. G. de, COSTA JR., N. C. A.; GOULART, M. A. de O. V. Análise técnica

versus hipótese dos mercados eficientes: um estudo utilizando o indicador MACD. Revista
Alcance – Eletrônica, v15, n3, 2008.

104
CAVALCANTE, F.; MISUMI, J. Y.; RUDGE, L. F. Mercado de Capitais: o que é, como
funciona. Rio de Janeiro: Campus Elsevier, 2009.

COPELAND, T. E.; KOLLER, T.; MURRIN, J. Avaliação de empresas: Valuation.

Calculando e gerenciando o valor das empresas. São Paulo: Makron Books, 2002.

COPELAND, T. E.; WESTON, J.F.; SHASTRI, K. Financial theory and corporate policy.
4.ed. New York: Addison Wesley, 2005.

CORREIA, J. S. Operando na Bolsa de Valores utilizando a Análise Técnica. São Paulo:

Novatec Editora, 2008.

DAMODARAN, A. Avaliação de Investimentos: ferramentas e técnicas para a determinação

do valor de qualquer ativo. Rio de Janeiro: Qualitymark, 2ª edição, 2009.

DE PAULA, A.; TRICHES, D. O mercado acionário e o desempenho dos ativos financeiros

no Brasil com emprego da análise técnica. Revista Perspectiva Econômica, v. 6, n. 1:37-62
jan/jun 2010.

DEBASTIANI, C. A. Análise técnica de ações: identificando oportunidades de compra e

venda. São Paulo: Novatec Editora, 2008.

EDWARDS, R. D.; MAGEE, J.; BASSETTI, W. H. C. Technical Analysis of Stock Trends.

EUA: CRC Press, 9ª edition, 2007.

ELDER, A. Trading for a live. New York: John Wiley & Sons Inc, 1992.

EHRBAR, A. EVA: Valor Econômico Agregado. Rio de Janeiro: Qualitymark, 1999.

FAMA, E. F. Efficient Capital Markets: A Review of Theory and Empirical Work. The
Journal of Finance, pp. 383-417, 1970.

105
_______Efficient capital markets: II. Journal of Finance, v. 46, n. 5 p.1575-1618, December
1991.

_______Market efficiency, long-term returns, and behavioral finance. Journal of Financial

Economics, v. 47, n. 2, p. 283-306, Set. 1998.

FAMA, E. F.; FRENCH, K. Common risk factors in the returns on stocks and bonds. Journal
of Financial Economics, 33, p. 3-56, 1993.

___________________ Dissecting Anomalies. The Journal Of Finance, Vol LXIII, nº4, 2008.

FERREIRA, L. A. S. Estudo da lucratividade de modelos de análise técnica no mercado de

câmbio brasileiro. Dissertação de Mestrado. Escola de Economia de São Paulo, Fundação
Getúlio Vargas, 2008.

FROST, A. J; PRECHTER, R. R. J, JR. O princípio da onda de Elliott: chave para o

comportamento do mercado. São Paulo: Editec, 2002.

FURLANETTI, C. E.; FAMÁ, R.; SECURATO, J. R. Análise dos retornos de carteiras de

ações montadas a partir do uso de múltiplos de mercado: Estudo empírico com ações da
BM&FBovespa, entre 2002 e 2009. XIII SEMEAD, 2010.

GILMORE, B. Dynamic Time & Price Analysis of Market Trends. Helensvale, Australia:
Bryce Gilmore & Associates Publication, 1999.

GIOVANIS, E. Calendar Effects in Fifty-Five Stock Market Indices. Global Journal of

Finance and Management. v1, n.2, pp. 75-98, 2009.

GUARNIERI, O. C. Um estudo empírico da eficiência da análise técnica como instrumento

na predição do comportamento dos preços das ações: o caso Embraer. Dissertação de
Mestrado. Taubaté: Universidade de Taubaté, 2006.

HALFELD, M. Investimentos, 2ª edição. São Paulo: Editora Fundamento Educacional, 2004.

106
HAUGEN, R. A. Os Segredos da Bolsa. São Paulo: Pearson, 2000.

HAUGEN, R. A.; JORION, P. The January effect: still there after all these years. Financial
Analysts Journal, v. 52, n. 1, 1996.

IDOETA, A. R. A. Aplicação da análise gráfica no mercado de opções. Dissertação de

Mestrado. São Paulo: FEA-USP, 2009.

JEGADEESH, N.; TITMAN, S. Returns to buying winners and selling losers: implications for
stock market efficiency. Journal of Finance, Chicago: American Finance Association, v. 48, n.
1, p. 65-91, 1993.

KAHN, M. N. Technical analysis plain and simple. 2 ed. FT Prentice Hall. 2006.

KAHNEMAN, D.; TVERSKY, A Prospect Theory: an Analysis of Decision under Risk.

Econometrica, v. 47, n. 2, pp. 263-291, 1979.

KIMURA, H.; BASSO, L. F. C.; KRAUTER, E. Paradoxos em finanças: teoria moderna

versus finanças comportamentais. Revista Administração de Empresas, vol. 46, n.1, Sessão
Fórum, pp. 41-58, 2006.

LAKONISHOK, J.; SMIDT, S. Are seasonal anomalies real? A ninety-year perspective. The
review of financial studies, v.1, n.4, p. 403-42, 1988.

LEE, M. C. C.; SWAMINATHAN, B. Price Momentum and Trading Volume. The Journal of
Finance v. 55, n. 5, p.2017-2068, 2000.

LEMOS, F.; CARDOSO, C. Análise Técnica Clássica. São Paulo: Editora Saraiva, 2010.

LENTO, C. A Combined Signal Approach to Technical Analysis on the S&P 500. Journal of
Business & Economics Research, volume 6, number 8, 2008.

107
LIMA, F. G.; SILVA FILHO, A. C. da; MINANTE, O. ; DONZELI, O. A eficiência da
análise técnica no mercado de capitais, frente o modelo CAPM. IX SEMEAD, 2006.

LO, A.; MAMAYSKY, H.; WANG, J. Foundations of technical analysis: computacional

algorithms, statistical inference, and empirical implementation. The Journal of Finance, v. 55,
n. 4, p. 1705-1765, 2000.

LUCCHESI, E. P. O efeito disposição e suas motivações comportamentais: um estudo com

base na atuação de gestores de fundos de investimentos em ações. Tese de Doutorado. São
Paulo: FEA-USP. 2010

MARKOWITZ, H. Portfolio Selection. Journal of Finance, Vol. 7, n1. 1952.

MARSHALL, B. R.; CAHAN, R. H.; CAHAN, J. M. Technical analysis around the world.
SSRN Working Papers. Disponível em: http://ssrn.com/abstract=1181367. Acesso em
01/06/2010.

MARTINS, C. Os Super Sinais da Análise Técnica. Rio de Janeiro: Elsevier, 2010.

MEDEIROS, A. S. V. de. Análise Técnica: um estudo empírico à luz das finanças

comportamentais. Dissertação de Mestrado em Economia. Universidade Federal da Bahia,
2009.

MILACH, F. T.; KLOECKNER, G. O.; GALLI, O. C. Anomalias Diárias no Ibovespa:

Verificação da Persistência do Efeito Dia-da-Semana, Anais do ENANPAD, 2009.

MODIGLIANI, F.; MILLER, M. The cost of capital, corporation finance and the theory of
investment. The American Economic Review, Nashville, v.48, n.3, 1958.

MURPHY, J. J. Technical analysis of the financial markets a comprehensive guide to trading

methods and applications. EUA: New York Institute of Finance, 1999.

108
NOFSINGER, J. R. A lógica do mercado: como lucrar com finanças comportamentais. São
Paulo: Editora Fundamento Educacional, 2006.

NORONHA, M. Análise Técnica: Teorias, Ferramentas, Estratégias. Rio de Janeiro, EDITEC

– Editora de Livros Técnicos LTDA, 1995.

OBERLECHNER, T. Importance of Technical and Fundamental Analysis in the European

Foreign Exchange Market. International Journal of Finance and Economics, 6, pp.81-93,
2001.

OSLER, C. L.; CHANG, P. H. K. Head and shoulders: Not just a flaky pattern. Federal
Reserve Bank of New York staff report 4, 1995.

PARK, C. H.; IRWIN, S. H. What Do We Know About the Profitability of Technical

Analysis? Journal of Economic Surveys, Vol. 21, No. 4, pp. 786-826, 2007.

PENTEADO, M. A. B. Uma avaliação estatística da análise gráfica no mercado de ações

brasileiro à luz da teoria dos mercados eficientes e das finanças comportamentais. Dissertação
de mestrado. São Paulo: FEA-USP, 2003.

___________________. A função log-periódica e sua aplicação na previsão de reversão de

tendências por meio da Análise Gráfica do mercado acionário brasileiro. Tese de Doutorado.
São Paulo: FEA-USP, 2008.

PEREIRA, A. N. O Juro de Curto Prazo e a Capitalização do Mercado Brasileiro de Ações:

Aplicação de Regressão Linear sob Conjectura Keynesiana de Investimento. XII SEMEAD,
2009.

PETROKAS, L. A.; FAMÁ, R.; MODRO, W. M. A utilização da análise técnica contribui

para o aumento da riqueza dos investidores?XIII SEMEAD, 2010.

PINHEIRO, J. L. Mercado de capitais: fundamentos e técnicas. 5 ed. São Paulo: Atlas, 2009.

109
PRING, M. J. Technical analysis explained. New York: Mc Graw-Hill, 2002.

RATNER, M.; LEAL, R. Tests of Technical Trading Strategies in the Emerging Equity
Markets of Latin America and Asia. Journal of Banking and Finance vol.23, n12, 1999.

RÊGO, R, H. T.; MUSSA, A. Anomalias do Mercado Acionário Brasileiro: A Verificação do

Efeito Feriado no Ibovespa e IBX-100 no Período de 2002 a 2007. In: 8 Congresso USP de
Controladoria e Contabilidade, 2008, São Paulo.

ROBERTS, H. Statistical versus clinical prediction of the stock market. Unpublished Work
presented in the Conference of Securities Price Analysis, Chicago, May 1967.

ROCKEFELLER, B. Technical analysis for dummies. Indiana: Wiley Publishing, 2004.

ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. Administração Financeira – Corporate

Finance, 2a. Ed. São Paulo. Atlas, 2002.

SACHETIM, H. M. Análise técnica: estudo da confiabilidade dos principais indicadores de

análie técnica, aplicados as ações mais negociadas na Bovespa no período de 1995 a 2005.
Dissertação de Mestrado. Curitiba: Universidade Federal do Paraná, 2006.

SAFFI, P. A. C. Analise técnica: sorte ou realidade? Rio de Janeiro. FGV, Revista brasileira
de economia, vol. 57, n. 04, 2003.

SANTOS, J. O. A contribuição da determinação do valor da empresa e do EVA no processo

de análise de crédito. Revista de Gestão da USP, São Paulo, v. 13, n. 3, p. 41-55,
julho/setembro 2006.

SANTOS, J. O.; MUSSA, A.; RÊGO, R. H. T.; SILVA, R. O. G. C. Anomalias do Mercado

Acionário: A Verificação do Efeito Segunda-Feira no Ibovespa no Período de 1986 a 2006.
In: 7º Congresso USP de Controladoria e Contabilidade, 2007, São Paulo. 7º Congresso USP
de Controladoria e Contabilidade, 2007a.

110
SANTOS, J. O. ; FAMÁ, R.; MUSSA, A.; TROVÃO, R. H .T. Anomalias do Mercado
Acionário Brasileiro: A Verificação do Efeito Janeiro no Ibovespa no Período de 1969 a 2006.
In: 7º Encontro Brasileiro de Finanças, 2007, São Paulo. 7º Encontro Brasileiro de Finanças,
2007b.

SAVIN, G.; WELLER, P.; ZVINGELIS, J. The predictive power of head-and-shoulders price
patterns in the U.S. stock market. Journal of Financial Econometrics, Vol. 5, No. 2, 243–265,
2007.

SECURATO, J. R.; MÁLAGA, F. K. Aplicação do Modelo de Três Fatores de Fama e French

no Mercado Acionário Brasileiro - Um Estudo Empírico do Período 1995-2003. In: XXVIII
ENANPAD, Curitiba, 2004.

SERAFINI, D. G.; VALLS PEREIRA, P. L. Sistemas Técnicos de Trading no Mercado de

Ações Brasileiro: Testando a Hipótese de Eficiência de Mercado em sua Forma Fraca e
Avaliando se a Análise Técnica Agrega Valor. Anais do ENANPAD, 2010.

SHARPE, W. F. Capital asset prices: a theory of market equilibrium under conditions of risk.
Journal of Finance, v. 19, p. 425-443, 1964.

SHILLER, R. J. Exuberância Irracional. São Paulo: Makron Books, 2000.

SOARES, R. O.; ROSTAGNO, L. M.; SOARES,K. T. C. Estudo de Evento: O Método e as

Formas de Cálculo do Retorno Anormal. In: ENCONTRO NACIONAL DOS PROGRAMAS
DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO, XXVI, Anais... Salvador: ANPAD, 2002.

SULLIVAN, R.; TIMMERMANN, A.; WHITE, H. Data-snooping, technical trading rules

and the bootstrap. Journal of Finance, v54, pp 1647-1692, 1999.

TREYNOR, J. L.; FERGUSON, R. In defense of technical analysis. The Journal of Finance.

v. 40, n. 3, pp.757-753, 1985.

111
TVERSKY, A.; KAHNEMAN, D. Judgment under Uncertainty: Heuristics and Biases.
Science, v. 185, n. 4157, pp. 1124-1131, 1974.

VASILIOU, D; ERIOTIS, N; PAPATHANASIOU,S. Incorporating Technical Analysis into

Behavioral Finance: A Field Experiment in the Large Capitalization Firms of the Athens
Stock Exchange. International Research Journal of Finance and Economics Issue 14, 2008.

VIDOTTO, R. S.; MIGLIATO, A. L. T.; ZAMBON, A. C. O Moving Average Convergence-

Divergence como Ferramenta para a Decisão de Investimentos no Mercado de Ações. Revista
de Administração Contemporânea (RAC), v13, n2, p.291-309, 2009.

WOLWACZ, A. A arte do investimento: Táticas Operacionais de Posição em Ações. 2ª

Edição, vol. 1. Porto Alegre: Leandro Stormer Editora, 2007.

_______________. A matemática, o tempo e o mercado de ações. Porto Alegre: Wolwacz e

Ruschel, 2010.

112