FGV EPGE

Computação
Professor: Alexandre Loureiro Madureira
Monitores: Ana Carolina de Barros e Igor Michels
Aluno: Rogério Lima Menezes

Bolsa de Valores e times de futebol: boa combinação?

1 Introdução
Nos últimos anos, tem sido cada vez mais comum comparar a estrutura
de um grande clube de futebol com a de uma empresa. E, como é caminho
natural daquelas empresas que se destacam no mercado e buscam crescer
ainda mais, abrir capital na bolsa de valores não é utopia para clubes da bola.
Apesar de ser um fenômeno ainda inédito no Brasil, na Europa por exemplo, há
alguns times que já são negociados no mercado de capitais. Assim, o
propósito deste trabalho consiste em analisar como tem sido o desempenho
das ações de três clubes do Velho Continente, de modo a verificar se de fato
vale a pena deixar a paixão por seu clube de lado e investir nesse segmento.
Os clubes escolhidos são: Manchester United (MANU), da Inglaterra; Juventus
(JUVE.MI), da Itália e Borussia Dortmund (BVB.DE), da Alemanha. O período
de análise escolhido será os últimos cinco anos, consistindo em um horizonte
comum de médio-longo prazo para os investidores. E a base de dados utilizada
consistiu na API do Yahoo! Finance, onde foi possível obter os dados históricos
do desempenho das ações de cada clube.

Observação:
Esse relatório não constitui uma recomendação de investimento.

2 Breve histórico de cada clube analisado

O Manchester United foi fundado no dia cinco de março de 1878. Os
Red Devils, como é popularmente conhecido, é reconhecido por muitos como
um dos times mais bem sucedidos da Inglaterra e do mundo, tendo obtido 19
títulos de Premier League (campeonato nacional) e 3 títulos da Liga dos
Campeões da Europa, sendo o primeiro clube inglês a conquistá-la em 1968. O
United situa-se em Trafford, na região metropolitana de Manchester, e seu
estádio, o Old Trafford é popularmente conhecido como "teatro dos sonhos". O
maior técnico de sua história é o sir Alex Ferguson, que treinou o clube de
novembro de 1986 até maio de 2013. E foi eleito pela FIFA o segundo maior
clube de futebol do século XX.
A Juventus, por sua vez, foi fundada no dia primeiro de novembro de
1897 e situa-se na região de Turim, no norte da Itália. É o clube com maior
números de escudettos (campeonato nacional) do futebol italiano, tendo obtido
36 títulos, além de ser o maior campeão da Copa Itália, com 14 troféus. Não
obstante, a Velha Senhora, como é popularmente conhecida, possui 2 títulos
de Liga dos Campeões da Europa e é considerada um dos clubes mais
tradicionais do planeta. Seu estádio é o Juventus Stadium e foi eleito pela FIFA
como o sétimo maior clube de futebol do século XX.
Por fim, o Borussia Dortmund foi fundado no dia dezenove de dezembro
de 1909. Seu estádio é o Signal Iduna Park e sua sede fica na região de
Dortmund, na Alemanha. Venceu 8 Bundesliga (campeonato nacional) e
apenas uma Liga dos Campeões da Europa, na temporada 1996-1997.
Ademais, foi o primeiro clube alemão a conquistar um título europeu, em 1966,
e seus dois principais rivais são o Schalke 04 e o Bayern de Munique.

3 Análise da performance das ações dos clubes desde 2015

Em primeiro lugar, efetuou-se a importação dos dados das ações de
cada clube, desde o dia primeiro de janeiro de 2015 até hoje, da API do Yahoo!
Finance. Nessa base de dados, temos as cotações diárias (preços de abertura
e de fechamento), além de outros dados como o volume diário negociado e o
valor de fechamento "ajustado". Para calcular o retorno de cada ação no
período, utilizou-se o valor de fechamento ajustado, uma vez que nesse dado
já está sendo contabilizado no preço possíveis desmembramentos da ação,
além do pagamento de dividendos.
A fórmula de cálculo utilizada para calcular o retorno diário foi a
𝑝
seguinte: 𝑟 𝑑𝑖á𝑟𝑖𝑜
= 𝑝
ℎ𝑜𝑗𝑒
− 1 . Em seguida, calculamos a média desses
𝑜𝑛𝑡𝑒𝑚

retornos diários ao longo do período, e o anualizamos, ao multiplicarmos esse

valor pelo número de dias úteis no ano (252). Assim, temos que o clube que
performou melhor na bolsa foi a Juventus, com um retorno anual de 27%,
seguido pelo Borussia Dortmund, com retorno de 10% a.a. O lanterna foi o
Manchester United, que teve um retorno anual de apenas 6% a.a.

4 Análise de risco-retorno de um portfólio formado apenas por esses clubes

De posse da informação do desempenho individual da ação de cada
clube no período analisado, agora iremos fazer um novo exercício: supondo
que um investidor deseje montar uma carteira de ações apenas com esses três
clubes, na mesma proporção, como seria o desempenho? Superaria as
principais bolsas da Europa (Paris e Londres)?
A primeira medida, nesse caso, foi pegar o desempenho diário da ação
de cada clube, normalizar para a base 100 de modo a obter o retorno de cada
ticker sem levar em consideração as diferenças iniciais de preço de cada uma
das ações na data base (01-01-2015). Ao plotar um gráfico com esse "ajuste",
observamos o seguinte:

De fato, conforme visto na seção anterior, as ações da Juventus performaram

de forma bem superior aos ativos do Manchester United e do Borussia
Dortmund.
Em seguida, construímos uma matriz com os retornos de cada ativo. E,
supondo-se que o investidor aplicou uma parte igual de seu capital em cada
1
clube, temos que os pesos de cada ação ficou em 3
na carteira fictícia. E

assim, calculamos a média anualizada dos retornos da matriz, obtendo um

retorno de cerca de 12% a.a. desse portfólio.
Para poder comparar esse valor com os principais benchmarks de
mercado utilizados neste trabalho – os índices da Bolsa de Paris (CAC 40) e da
Bolsa de Londres (FTSE 100) – foi feita a importação da cotação diária de
fechamento (ajustada) desses índices diretamente da API do Yahoo! Finance.
Nessa base de dados, temos apenas os valores diários de cada um desses
índices. Além disso, foi feita a normalização de modo a não levar em
consideração as diferenças iniciais de preço de cada um dos índices na data
base (01-01-2015). Ao obter o gráfico destes dois ativos, podemos observar o
seguinte:

Nota-se que, desde o final de 2016, a Bolsa de Paris (^FCHI) vem superando a
Bolsa de Londres (^FTSE).
Após efetuar o cálculo do retorno médio anualizado de cada índice no
período de 2015 até hoje, o resultado não foi muito diferente do que foi possível
observar no gráfico acima. O retorno médio da bolsa de Paris foi de 9% a.a.,
enquanto que o da bolsa de Londres foi de apenas 3% a.a. Como o retorno do
portfólio dos clubes foi de 12% a.a., podemos concluir que nossa carteira
futebolística performou melhor do que duas das principais bolsas de valores
europeias. Logo, caso tivéssemos aplicado esse montante apenas na ações
dos clubes, em igual proporção, teríamos obtido em média um retorno maior do
que se tivéssemos aplicado em algum fundo de índice que replica a
performance desses dois indicadores (CAC 40 e FTSE 100).
Mas, como nem tudo na vida são flores, no mercado de capitais não
seria diferente. O risco é um fator que deve ser muito bem analisado. Desse
modo, agora iremos verificar como se deu a volatilidade tanto desse portfólio
em específico, assim como de cada clube separadamente e dos índices de
mercado.
 De posse dos retornos anualizados de cada clube, calculamos o desvio
padrão dos mesmos. Assim, obtivemos um valor de cerca de 21% para o
Manchester United, que foi o mais "seguro" nesse quesito, de 60% para o
Borussia Dortmund, e colossal 4020% (!) para a Juventus. Já ao se levar em
consideração apenas o portfólio formado pelos três clubes, o desvio-padrão
ficou na casa dos 25%. Mas, ao se comparar com os índices de mercado,
vemos que os riscos de se investir apenas em clubes são bem maiores do que
investir em um índice de mercado. Tal conclusão decorre do fato de que o
desvio-padrão da bolsa de Londres ficou em apenas 0,15% e da bolsa de
Paris, em 0,3%, no período analisado.
Portanto, se o investidor desejar obter resultados superiores à média de
mercado, é possível que se alcance esse objetivo ao investir em clubes de
futebol. Porém, deve-se ressaltar a questão do risco envolvido nesse tipo de
investimento, uma vez que seu portfólio estará bastante concentrado em um
único segmento da economia, ficando mais à mercê de eventos que geram
impactos tanto positivos quanto negativos.

5 Aplicação da Teoria Moderna de Portfólio, de Harry Markowitz

A seção atual do trabalho focará na confecção da fronteira eficiente de

Markowitz, para um portfólio formado pela ação de cada clube e um índice de
mercado (foi escolhido o FTSE 100, da bolsa de Londres). Essa fronteira mede
os conjuntos de portfólios mais eficientes entre as ações de cada clube e o
índice da bolsa de Londres. Nesse sentido, podemos identificar quais os
retornos esperados mais eficientes de cada portfólio para um determinado nível
de risco que o investidor esteja disposto a tomar.
Em princípio, foi efetuada a importação dos dados das cotações diárias
de fechamento (ajustadas) tanto do Manchester United quanto do FTSE 100,
índice que replica o desempenho da London Stock Exchange (LSE). Após a
obtenção desses valores de 2015 até hoje, foi feito o cálculo dos retornos
simples e em seguida, dos retornos anualizados de cada um desses ativos.
Lembrando que, para diferenciar em relação à análise anterior, foi efetuada
uma maneira de calcular o retorno diferente, agora usando logaritmos. Assim, o
㏑(𝑝 )
retorno simples diário ficou da seguinte forma: 𝑟 𝑑𝑖á𝑟𝑖𝑜
= ㏑(𝑝
ℎ𝑜𝑗𝑒
)
.
𝑜𝑛𝑡𝑒𝑚

Para construir a fronteira, é preciso calcular tanto a correlação quanto a

covariância dos retornos de cada ativo. Além disso, criamos pesos aleatórios
para cada ativo na carteira teórica, de modo que se adeque a cada nível de
risco desejado pelo investidor (quanto maior a concentração, ou seja, o peso
na carteira, maior o risco). Depois, calculamos o retorno esperado, a variância
e a volatilidade (medida pelo desvio-padrão) desse portfólio. E, para que
tenhamos uma boa gama de variações dessa carteira, iremos obter cerca de
1000 combinações diferentes desses dois ativos, variando suas proporções no
portfólio. Por fim, obtemos uma tabela com o retorno esperado de cada um
desses 1000 portfólios, e ao lado o risco de cada portfólio. Ao plotar esses
dados, podemos notar o seguinte:

Quanto maior a volatilidade esperada, menor o retorno. Logo, não faz sentido
escolher qualquer um desses portfólios da região inferior do gráfico. Desse
modo, o ideal seria selecionar algum portfólio da região superior esquerda, cuja
volatilidade é menor e o retorno esperado, maior.
Ao se efetuar o mesmo passo a passo para portfólios formados pelas
ações da Juventus e do índice da bolsa de Londres, observamos o seguinte:
Quanto maior o retorno esperado, maior a volatilidade. É o famoso trade-off
entre risco-retorno. Nesse caso, caso o investidor deseje obter um
desempenho interessante, sem sofrer muito com a volatilidade, a tendência é
que escolha algum portfólio da região inferior esquerda do gráfico.
Já no caso do Borussia Dortmund, ao confeccionarmos os 1000
portfólios compostos em diferentes proporções, entre os ativos do clube e o
índice da bolsa de Londres, podemos notar que:
Quanto maior o retorno esperado, maior a volatilidade do portfólio. Tal resultado
pôde ser observado também na fronteira eficiente da Juventus. Assim, caso se
deseje obter uma melhor performance, deve-se estar disposto a assumir maior
risco, uma vez que a volatilidade vai aumentando na medida que se eleva o
retorno esperado.

6 Aplicação da teoria do CAPM (Capital Asset Pricing Model)

Nesta seção do trabalho, focou-se na aplicação da teoria do CAPM em
relação a cada ativo em específico, isto é, a ação de cada clube de futebol.
Assim, calculamos o beta de cada título, seu retorno esperado, além de
definirmos o índice de Sharpe, que consiste em uma medida de risco-retorno.
O beta de um ativo consiste basicamente na divisão da covariância entre
a ação e o portfólio de mercado – neste exercício, utilizou-se também o índice
da bolsa de Londres (FTSE 100) – pela variância do mercado. Ou seja:
σ𝑎𝑡𝑖𝑣𝑜, 𝑚𝑒𝑟𝑐𝑎𝑑𝑜
β𝑎𝑡𝑖𝑣𝑜 = 2 . Esse indicador mede justamente o risco idiossincrático de
σ𝑚𝑒𝑟𝑐𝑎𝑑𝑜

cada ação, isto é, o risco de mercado que não pode ser evitado por meio da
diversificação. Ele costuma ser calculado em intervalos de 4-5 anos, e quanto
mais volátil uma ação, maior o seu beta. De modo geral, as ações que
possuem total independência em relação ao portfólio de mercado, terão beta
igual a zero. Já aquelas de caráter mais defensivo, cujo retorno costuma ser
menor (maior) que a do portfólio de mercado quando a economia cresce
(decresce), terão beta menor do que um. E aquelas ações de maior risco, que
comumente terão retorno maior (menor) que o portfólio de mercado quando a
economia cresce (decresce), terão beta maior do que um.
Para dar início ao cálculo do beta das ações de cada clube, foi
necessário importar os dados de cada ativo diretamente da API do Yahoo!
Finance. Em seguida, foi calculado o retorno de cada ativo, e a covariância
desses retornos. Após essa etapa, determinou-se a covariância do preço das
ações de cada clube em relação ao portfólio de mercado. Por fim, foi estimada
a variância anualizada do índice de mercado, que no caso em específico dessa
seção, foi considerado o índice da bolsa de Londres, o FTSE 100. Desse
modo, fazendo o cálculo da divisão da covariância em relação à variância do
mercado, temos que:
 ● O beta das ações do Manchester United foi de 0,62;
● O beta das ações da Juventus foi de 0,76.
● O beta das ações do Borussia Dortmund foi de 0,82.

Logo, com base no critério definido no parágrafo inicial, todas essas ações são
consideradas de caráter mais defensivo, por possuírem beta menor do que um.
Desse modo, em cenários de crescimento da economia, elas tendem a
performar menos do que o índice de mercado. Todavia, em cenários de
recessão, costumam sofrer menos com as desvalorização do que o índice de
referência.
A segunda parte da aplicação da teoria do CAPM consistiu em estimar o
retorno esperado de cada ação. Como o beta é a nossa medida de risco, para
fazer sentido, quanto maior o beta, isto é, o risco, maior deve ser o retorno
esperado daquela ação para fazer valer a pena o investimento. Seguindo esse
raciocínio, o retorno esperado do Borussia deveria ser maior do que o dos
outros dois clubes. Será que de fato isso vai ocorrer? Veremos em seguida.
A fórmula utilizada para calcular o retorno esperado de uma ação é a

( )
seguinte: 𝑟𝑎𝑡𝑖𝑣𝑜 = 𝑟𝑓 + β𝑎𝑡𝑖𝑣𝑜 × 𝑟𝑚 − 𝑟𝑓 . Ou seja, o retorno esperado consiste,

basicamente, no retorno da taxa livre de risco, somado ao prêmio de risco do

mercado de ações multiplicado pelo beta daquele ativo. Lembrando que a taxa
livre de risco utilizada foi a taxa de juros dos títulos de 10 anos do governo
britânico, disponível no site da Bloomberg. E o prêmio de risco do mercado
acionário britânico foi calculado com base nos dados históricos disponíveis no
site Statista. Logo, efetuando-se os cálculos, os resultados foram os seguintes:

● O retorno esperado das ações do Manchester United é de 4,6%;

● O retorno esperado das ações da Juventus é de 5,4%;
● O retorno esperado das ações do Borussia Dortmund é de 5,7%.

Portanto, o retorno esperado das ações de cada clube esteve de acordo com o
valor do beta. Ou seja, o clube que teve maior beta, o Borussia, apresentou
maior retorno esperado. Já os que tiveram um beta menor, seu retorno
esperado também ficou mais abaixo, uma vez que o risco desses ativos
também é inferior. Logo, podemos concluir que: quanto maior o beta de cada
ação, e consequentemente, maior o risco, mais elevado será o retorno
esperado das ações daquele clube. Logo, como as ações do Borussia
apresentam maior risco pelo critério do CAPM, poderá oferecer maiores
ganhos aos investidores que demonstrarem interesse em aportar capital nesse
ativo.
Como análise final, calculou-se o índice de Sharpe de cada ativo. O
índice de Sharpe permite avaliar a relação entre risco e retorno das ações de
cada clube. Nesse indicador, o retorno é medido pelo excesso de performance
do ativo em relação à taxa livre de risco, e o risco é medido pelo desvio-padrão
𝑟𝑎𝑡𝑖𝑣𝑜 − 𝑟𝑓
das ações do clube. A fórmula desse índice é a seguinte: 𝑆ℎ𝑎𝑟𝑝𝑒 = σ𝑎𝑡𝑖𝑣𝑜
.

Logo, fazendo os devidos cálculos para as ações de cada clube, obtemos o

seguinte resultado:

● O índice de Sharpe das ações do Manchester United é 0,114.

● O índice de Sharpe das ações da Juventus é 0,101.
● O índice de Sharpe das ações do Borussia é 0,138.

Portanto, temos que quanto maior o índice, mais interessante é aquela

determinada ação, posto que oferece um retorno superior ao seu risco. Desse
modo, o clube que mais se destaca é o próprio Borussia, seguido pelo
Manchester United.

7 Simulação de Monte Carlo

O método ou simulação de Monte Carlo consiste em uma série de
cálculos de probabilidade que estimam a chance de um evento futuro
acontecer. Ele se baseia em amostragens aleatórias massivas para obter
resultados numéricos. Por meio desse modelo, é possível realizar simulações
de cenários, obtendo-se uma ideia de seus resultados, além da possibilidade
de implantar hipóteses adicionais nas previsões. Em resumo, ele permite
prever possíveis cenários e buscar estratégias de acordo com cada
probabilidade.
 Nesta seção em específico, faremos um exercício que simula dez
cenários diferentes de desempenho para a ação de cada clube. O primeiro
passo para conseguir efetuar essa estimação, foi utilizar a cotação dos últimos
dez anos. Tal medida é necessária para que se tenha um número de amostras
mais abrangente e se possa efetuar uma previsão mais precisa. As cotações
também foram importadas diretamente da API do Yahoo! Finance. Em seguida,
calculamos o retorno das ações ao longo desse período de dez anos. Após
essa etapa, estimou-se o preço da ação da seguinte forma:
𝑟
𝑝𝑟𝑒ç𝑜 𝑑𝑒 ℎ𝑜𝑗𝑒 = 𝑝𝑟𝑒ç𝑜 𝑑𝑒 𝑜𝑛𝑡𝑒𝑚 × 𝑒 . Contudo, para modelarmos a variável
aleatória 𝑟, foi preciso utilizar o conceito de movimento browniano, de modo
que o preço da ação foi definido da seguinte maneira:
(µ− 1
2
2
)
×σ +σ×𝑍[𝑟𝑎𝑛𝑑(0;1)]
𝑝𝑟𝑒ç𝑜 𝑑𝑒 ℎ𝑜𝑗𝑒 = 𝑝𝑟𝑒ç𝑜 𝑑𝑒 𝑜𝑛𝑡𝑒𝑚 × 𝑒 . Ao observar a
fórmula, nota-se que esse movimento é composto pelo drift (direção que as
taxas de retorno tiveram no passado) e pela volatilidade (variável aleatória) da
ação. Logo, se repetirmos esse cálculo por cerca de 1000 vezes, será possível
simular a evolução do preço da ação amanhã e avaliar a probabilidade de que
seguirá um certo padrão.
A próxima etapa de cálculo, após as definições anteriores, consistiu no
cálculo do drift. Para conseguirmos estimá-lo, determinou-se o retorno
logarítmico médio das ações de cada clube e em seguida efetuou-se o cálculo
da variância dos retornos. Concluída essa etapa, calculou-se o desvio-padrão
do retorno das ações, e a variável aleatória Z, que consiste na distância entre a
média e os eventos (supomos 95% de chance de ocorrer). Por fim,
estipulamos o número máximo de dias que desejamos prever o preço das
ações, que no nosso caso, foram os próximos 1000 dias, e em dez séries de
previsão diferentes, ou seja, em dez cenários distintos. Ao confeccionarmos o
gráfico para as ações de cada clube, o resultado obtido foi o seguinte:

● Manchester United:
● Juventus:

● Borussia Dortmund:
8 Conclusão
Investir em clubes de futebol pode ser uma opção interessante a se
considerar. Por meio das análises realizadas ao longo do trabalho, observou-se
que esses clubes superaram os principais índices de mercado acionário da
Europa, como por exemplo as bolsas de Paris e de Londres. Contudo, a
questão do risco é algo a se destacar, sendo uma espécie de ativo de maior
volatilidade e também de maior influência de decisões passionais, uma vez que
muitos dos acionistas são torcedores do próprio clube. Agora, resta esperar
para ver se essa situação também chega ao Brasil, para que em algum futuro
próximo tenhamos uma invasão de craques no mercado da B3.
Referências

https://www.manutd.com
https://finance.yahoo.com/quote/MANU/analysis?p=MANU
https://pt.wikipedia.org/wiki/Manchester_United_Football_Club
https://www.juventus.com/pt/
https://pt.wikipedia.org/wiki/Juventus_Football_Club
https://finance.yahoo.com/quote/JUVE.MI?p=JUVE.MI
https://www.bvb.de
https://pt.wikipedia.org/wiki/Borussia_Dortmund
https://finance.yahoo.com/quote/BVB.DE/?guccounter=1&guce_referrer=aHR0c
HM6Ly93d3cuZ29vZ2xlLmNvbS8&guce_referrer_sig=AQAAAKD2OTzEpdlKTV
8KrLTIKH-2ivxQ3uluibmhKKgsEzjkYhdg3IAVEz35LFOEUEWiqr-0b7c1QsOBIw
kj1iRzZO0trlcct8bq36RHnYJsA7n8rSAQydzy1c5K5LQTe11Ss4QfbpTkhZXfcuC
ic1Frv3At0orH8100mnI8c0Sysn4a
https://pypi.org/project/yfinance/
https://365datascience.com/question/remotedataerror-unable-to-read-url-for-yah
oo-using-pandas-datareader/
https://matplotlib.org/stable/gallery/color/named_colors.html
https://www.bloomberg.com/markets/rates-bonds/government-bonds/uk
https://www.statista.com/statistics/664833/average-market-risk-premium-united-
kingdom/