SSRN Id3488609

INSPER – Instituto de Ensino e Pesquisa
MESTRADO PROFISSIONAL EM ECONOMIA
LUCIANO BOUDJOUKIAN FRANÇA
AVALIAÇÃO DE ATIVOS DE BAIXA VOLATILIDADE NO MERCADO

BRASILEIRO: MENORES RISCOS COM MAIORES RETORNOS
LOW VOLATILITY ASSET VALUATION IN BRAZILIAN STOCK MARKET:

LOWER RISK WITH HIGHER RETURNS
São Paulo
2017
LUCIANO BOUDJOUKIAN FRANÇA
Electronic copy available at: https://ssrn.com/abstract=3488609

AVALIAÇÃO DE ATIVOS DE BAIXA VOLATILIDADE NO MERCADO
BRASILEIRO: MENORES RISCOS COM MAIORES RETORNOS
Dissertação apresentada ao Programa de

Mestrado Profissional em Economia do
Insper – Instituto de Ensino e Pesquisa como
parte dos requisitos para a obtenção do título
de Mestre em Economia.
Linha de Pesquisa: Finanças Aplicadas
Orientador:
Prof. Dr. Gustavo Barbosa Soares
São Paulo
2017

França, Luciano Boudjoukian
Avaliação de Ativos de Baixa Volatilidade no Mercado

Brasileiro: Menor Risco com Maiores Retornos/ Luciano
Boudjoukian França – São Paulo, 2017
40 f.
Dissertação de Mestrado – Insper, 2017

Orientador: Prof. Dr. Gustavo Barbosa Soares
1. Volatilidade 2. Ações de Baixo Risco 3. Fatores de Fama-

French 4. CAPM

RESUMO
FRANÇA, Luciano Boudjoukian. Avaliação de ativos de baixa volatilidade no

mercado brasileiro: menor risco com maiores retornos 2017. 40 f. Dissertação
(Mestrado) – Insper Instituto de Ensino e Pesquisa, São Paulo, 2017
Este estudo avalia o comportamento de carteiras formadas por ativos do

mercado acionário brasileiro ordenados em função de sua volatilidade para investigar
a anomalia de baixa volatilidade.
Entre janeiro de 2003 e junho 2017, o portfólio de baixa volatilidade apresentou
um retorno anual 15,5% maior que o portfólio de maior volatilidade, com significância
estatística tanto na geração de alfa como na melhora do Índice de Sharpe quando
comparado com o universo de ativos do mercado. Tais resultados estão alinhados
com as observações feitas por Blitz e Van Vliet (2007) nos mercados internacionais,
que obtiveram 12% de alfa anual no período de 1986 a 2006.
Ainda, através de um processo de duplo ordenamento, foi possível obter
carteiras mais rentáveis e com menor risco do que quando ordenadas apenas por um
fator de risco.
Palavras-chave: Baixa Volatilidade, Ações de Baixo Risco, Fatores de Fama-French,

CAPM

ABSTRACT
FRANÇA, Luciano Boudjoukian. Low volatility asset valuation in Brazilian stock

Market: Lower Risk with Higher Returns 2017. 40 p. Dissertation (Mastership) –
Insper Instituto de Ensino e Pesquisa, São Paulo, 2017
This work evaluates the behavior of portfolios comprised of Brazilian stocks

ordered by their volatility to investigate the low volatility anomaly.
Between January 2003 and June 2017, the low volatility portfolio presented a
15.5% annual return above the high volatility portfolio, with statistical significance in
alpha as in the Sharpe Index when compared to the assets universe. These results
are aligned with the observations made by Blitz and Van Vliet (2007) in global markets,
with an annual alfa spread of 12% over the period between 1986 and 2006.
Also, through a double sorting process, it was possible to obtain portfolios with
higher returns and lower risk than those ordered by a single risk factor.
Keywords: Low Volatility, Low Risk Stocks, Fama-French Factors, CAPM

LISTA DE TABELAS
Tabela 1 – Resultados dos portfólios de baixa volatilidade.........................................15

Tabela 2 – Divisão em períodos..................................................................................17
Tabela 3 – Regressão nos modelos Multi-fatoriais......................................................20
Tabela 4 – Resultados dos portfólios formados com outros fatores............................21
Tabela 5 – Resultados dos portfólios formados por ordenamento duplo.....................24
Tabela 6 – t-valor da comparação entre Índices de Sharpe.........................................26
Tabela 7 – Resultados dos portfólios ordenados por beta...........................................28
Tabela 8 – Proposta de Estratégia..............................................................................31

SUMÁRIO
1. INTRODUÇÃO....................................................................................................7
2. DADOS E METODOLOGIA ................................................................................9
3. RESULTADOS .................................................................................................13
3.1 AVALIAÇÃO DE OUTROS FATORES ...........................................................20
3.2 PROCESSO DE DUPLA ORDENAÇÃO ........................................................24
3.3 ORDENAMENTO POR BETA ........................................................................28
3.4 PROPOSTA DE ESTRATÉGIA DE OPERAÇÃO ..........................................30
4. POSSÍVEIS CAUSAS PARA O EFEITO VOLATILIDADE ...............................34
5. CONCLUSÃO ...................................................................................................36
6. REFERÊNCIAS BIBLIOGRÁFICAS .................................................................38

1. INTRODUÇÃO
A teoria moderna de portfólio desenvolvida por Harry Markowitz (1952) está

ligada a premissa de que os agentes buscam a maximização de seu Índice de Sharpe
(IS), ou seja, o maior retorno esperado por unidade de risco. O modelo também
assume que os investidores são avessos ao risco, ou seja, dado dois ativos de mesmo
retorno esperado, prefere-se o ativo de menor risco. Logo, assumindo que os agentes
são racionais, um ativo menos arriscado diminui a probabilidade de retornos maiores.
Neste trabalho, investigamos no Brasil a relação entre risco e retorno de
carteiras formadas pelo ordenamento dos ativos em função da volatilidade de cada
ação entre os anos de 2003 e 2017 que compunham o IBrX, índice do mercado cujo
objetivo é ser um indicador ponderado do desempenho dos 100 ativos de maior
representatividade e negociabilidade da bolsa de valores brasileira. Observou-se a
partir desta análise uma relação inversa entre risco, medido através dos betas de cada
portfólio, e retorno de cada um dos portfólios. Inicialmente foram formadas dez
carteiras para fazer essa análise, que posteriormente foram consolidadas em três
grandes grupos, sendo que os grupos dos extremos (menor e maior volatilidade)
foram formados por 30% dos ativos e o grupo intermediário por 40%. Em uma análise
comparativa entre portfólios, obteve-se Índice de Sharpe (IS) maior no portfólio com
ativos de baixa volatilidade em relação aos ativos do índice de mercado. Os resultados
estão em linha com o estudo desenvolvido por Blitz e Van Vliet (2007) para os
mercados americano, europeu e japonês utilizando a mesma metodologia.
Em um estudo de 2014, Moskowitz e Daniel constataram que as estratégias
que buscavam capturar os alfas de cada carteira de momentum poderiam apresentar
ocasiões de retornos extremamente negativos. Replicou-se essa análise para avaliar
de que forma um investidor que queria extrair alfa desta relação inversa de risco-
retorno estaria suscetível a comportamento similar ao que ocorre nas estratégias de
momentum. Em 2009, ano subsequente a um momento de alta volatilidade e stress
no mercado, a diferença de rentabilidade entre o portfólio de menor risco e o de maior
risco foi de 88,95%. Caso um investidor explorasse a persistente diferença de
performance entre essas duas carteiras observado de 2003 a 2008, a performance de
2009 seria suficiente para apagar os resultados positivos dos anos anteriores, assim
como em estratégias de momentum evidenciada por Moskowitz e Daniel (2014).
11

Na sequência, os portfólios foram analisados sob a ótica do modelo CAPM,
quando foi possível verificar que tanto o alfa de 3,75% ao ano da carteira de baixo
beta como o alfa de -6,34% ao ano da carteira de alto beta apresentavam significância
estatística ao nível de 5%. O alfa de ambos portfólios também foi significante quando
analisado com o modelo de três fatores de Fama & French (1992), de 3,37% e -5,99%,
respectivamente.
A mesma base de ativos foi utilizada para a formação de portfólios a partir de
outras características como tamanho, valor, momentum e qualidade. Posteriormente
as carteiras foram submetidas a um novo ordenamento em função da volatilidade de
cada ativo. Este procedimento gerou carteiras com Índice de Sharpe superiores às
carteiras ordenadas por apenas um fator.
Os portfólios também foram comparados com o processo de ordenamento pelo
beta de cada empresa de Andrea Frazzini e Lasse Pedersen (2012). Constatou-se
que o ordenamento por volatilidade é capaz de gerar portfólios com menor beta,
menor volatilidade e maior alfa do que os portfólios gerados a partir do ordenamento
por beta.
Encontradas evidências estatísticas de que a geração de alfa é consistente,
estruturou-se uma estratégia de alocação que explore o comportamento observado
da carteira de baixa volatilidade em comparação com a carteira de alta volatilidade. A
estratégia foi capaz de gerar um retorno anualizado de 21,78% ao ano, sem exposição
ao índice de mercado. Para zerar a exposição ao risco de mercado, foi utilizado um
modelo de beta ex-post e um modelo de beta ex-ante utilizando a convergência
proposta por Blume (1975).
Por fim, foram consideradas possíveis explicações para a observação do
comportamento da relação risco-retorno dos portfólios ordenados por volatilidade.
Uma das prováveis explicações está relacionada ao fato dos agentes considerarem
que o modelo CAPM ainda é um instrumento capaz de refletir as expectativas dos
retornos dos ativos. Outra hipótese está atrelada ao fato de que investidores buscam
ativos com maior volatilidade na expectativa de obterem retornos de maneira mais
acelerada, como se fosse um ticket de loteria, e esse comportamento causa um
aumento de preços deste tipo de ativo em detrimento dos ativos de menor volatilidade.
12

2. DADOS E METODOLOGIA
O modelo foi desenvolvido a partir de dados obtidos dos sistemas Economática

e Bloomberg. Os dados foram coletados mensalmente a partir de janeiro de 2003 até
junho de 2017. Os ativos utilizados para obtenção de dados compunham o IBrX 100
na data de corte de cada mês utilizado no modelo.
Escolheu-se o IBrX 100 pois este índice é composto por 100 ações de maior
negociabilidade e representatividade do mercado de ações brasileiro, ou seja, os
ativos que o compõe são suficientemente líquidos para que os portfólios formados
nessa análise sejam replicados de maneira sistematizada. O índice é rebalanceado
quadrimestralmente.
No processo de obtenção de dados, mesmo utilizando-se de ativos mais
líquidos e de maior representatividade, não foi possível coletar informações completas
de todas as ações do índice. Em cada um dos cortes realizados, a disponibilidade de
informações foi de aproximadamente 96,77% das informações necessárias para
montar cada portfólio. A cada mês, em média, cerca de 97 ativos apresentavam dados
suficientes para a criação das carteiras utilizadas neste estudo.
Com o objetivo de manter o baixo turnover dos ativos em cada um dos portfólios
formados durante os rebalanceamentos mensais, foi adotada uma janela de medição
de volatilidade de prazo mais longo, observando os dados diários dos últimos 252 dias
úteis, ou o equivalente a um ano. Blitz e Van Vliet (2007) propuseram um prazo ainda
maior, de 3 anos. A adoção de uma janela de volatilidade maior no mercado local
reduziria substancialmente o número de ativos com informações disponíveis, pois os
componentes do IBrX, ao longo do período analisado, eram ativos relativamente
novos no mercado, com métricas reduzidas para dados quantitativos como
momentum e a própria volatilidade.
Inicialmente, foram construídos dez portfólios com aproximadamente 10 ativos
em cada um deles, através do ranqueamento das volatilidades dos ativos que
compunham o IBrX em cada um dos meses. O ranqueamento foi feito de maneira
crescente, sendo que os ativos de menor volatilidade compunham os primeiros
portfólios e os ativos de maior volatilidade compunham os últimos portfólios. Estes
portfólios foram ordenados e numerados de 1 a 10, sendo o primeiro portfólio
nomeado de D1 até o último portfólio denominado de D10.
13

Os resultados obtidos a partir do ordenamento por volatilidade foram
comparados com a performance de uma carteira formada pelos ativos base. Os ativos
foram ponderados de igual maneira dentro dessa carteira em detrimento do
procedimento de ponderação proposto na metodologia do IBrX, que segue o critério
de valor de mercado. A performance do IBrX é dominada por um pequeno número de
ações que tem uma representatividade maior no índice. Quando ocorre a adoção de
uma metodologia que iguala os pesos dos ativos, com rebalanceamentos mensais,
passa-se a observar os ganhos médios das ações que compõe a carteira, o que torna
a comparação de resultados entre o universo de ativos e os portfólios obtidos mais
coerente em termos da relação entre retorno e risco.
Também foram formadas dez carteiras a partir dos fatores de risco valor,
momentum, tamanho e qualidade.
O portfólio de valor foi formado a partir da análise da razão entre o valor
patrimonial de cada ativo e o seu valor de mercado. A metodologia de cálculo seguiu
o procedimento sugerido por Asness e Frazzini (2013), e foi nomeada de High Minus
Low Devil (HML). No modelo sugerido por Fama & French (1993), os dados eram
avaliados semestralmente, mesmo havendo disponibilidade diária para o valor de
mercado de cada companhia. Já para o fator de Asness e Frazzini, são propostas
duas metodologias. Foi utilizada a metodologia que considerada as informações mais
recentes, ou seja, o valor de mercado calculado pelo último preço disponível no
mercado para cada companhia e os valores patrimoniais divulgados nos últimos
relatórios de resultados divulgados por cada companhia, sendo estes portfólios
rebalanceados mensalmente. Asness e Frazzini identificaram que esse procedimento
gerou mais alfa quando analisado diversos mercados de ações mundiais, em
comparação aos demais modelos propostos.
A estratégia de formação de portfólios do fator de risco de momentum tem sido
amplamente discutida desde a introdução do estudo de Jegadeesh e Titman (1993)
que avaliou 16 diferentes estratégias de momentum. Rouwenhorst (1998) foi o
primeiro a testar este fator no Brasil, mas utilizou-se apenas de uma estratégia:
retornos acumulados nos últimos 6 meses e retenção por 6 meses. Neste estudo,
como proposto por Rouwenhorst, foram considerados os retornos totais acumulados
nos últimos 6 meses, adotando um rebalanceamento mensal em contrapartida ao
rebalanceamento semestral proposto.
14

Na sequência, foram formados portfólios de tamanho, com base no valor de
mercado de cada ativo e por fim, um fator qualidade, levando em conta o ordenamento
dos ativos pelo seu retorno sobre capital investido (ROIC) de cada companhia,
conforme proposto por Joel Greenblatt (2010).
Koller, Goedhart e Wessels (2010), realizaram uma pesquisa com dados
obtidos a partir do banco de dados da consultoria McKinsey e identificaram que apesar
do ROIC das empresas reverterem a média, esse processo é gradual durante cerca
de quinze anos, o que sustenta a manutenção do ROIC nos patamares observados
por um tempo relativamente grande. Ainda, evidenciaram que o ROIC é um bom
indicador de vantagem competitiva de uma companhia o que, alinhado a persistência
proposta no estudo citado acima, o torna um bom indicador como fator de qualidade
de uma companhia.
Assim como no processo de criação dos portfólios de volatilidade, o
ranqueamento de tamanho também foi feito de ordem crescente, ou seja, os ativos
com menor tamanho são alocados nos primeiros decis e as empresas de maior valor
de mercado são alocadas nos últimos decis. Já para momentum, valor e qualidade, a
ordenação foi feita de maneira decrescente, ou seja, os ativos com valores
observados maiores são alocados nos primeiros decis e vice-versa.
A divisão dos 100 ativos que compõe o IBrx em decis gera portfólios com 10
ativos em cada carteira, que deve apresentar um risco idiossincrático maior que o
universo de ativos como um todo. Desta forma, foram formados grupos maiores de
ativos a partir da união destes portfólios. O processo de agregação de carteiras seguiu
a lógica do processo de formação de fatores de Fama & French, ou seja, o primeiro
grupo de baixa volatilidade é composto por 30% dos ativos com menor volatilidade,
seguido por um grupo intermediário de 40% e, por fim, os 30% dos ativos restantes
que apresentam maior volatilidade.
Para testar a geração de alfa desses grupos de ativos, analisou-se o alfa de
cada uma das carteiras ordenadas por volatilidade, tanto no modelo CAPM como no
modelo de Fama French de três fatores. Os mesmos grupos foram testados incluindo
um falor de momentum, ou up minus down (UMD) e um fator qualidade, ou quality
minus junk (QMJ).
15

Os fatores UMD, HML e QMJ são compostos pelas diferenças entre os retornos
do grupo contendo os primeiros 30% ativos e os 30% últimos ativos no processo de
ordenamento, assim como adotado para o ordenamento por volatilidade.
Já o fator formado a partir do tamanho das empresas, também denominado de
small minus big (SMB) foi criado dividindo a amostra em duas partes, sendo a primeira
metade as ações de empresas com menor valor de mercado e a segunda metade as
ações de empresas maiores.
Para cada portfólio foi calculado o retorno total, o excesso de retorno em
relação ao CDI, bem como a volatilidade e o Índice de Sharpe, conforme a seguinte
equação:
𝑟# − 𝑟(
𝐼𝑆# =
𝜎#
Onde 𝐼𝑆# é a razão entre a diferença entre os retornos do portfólio i e do ativo

livre de risco (𝑟( ) com a volatilidade do portfólio i (𝜎# ).
Para comparação entre o Índice de Sharpe dos portfólios criados e do universo
de ativos, se utilizou o teste de Jobson & Korkie (1981) adotando as correções de
Memmel (2003). Este teste apresenta a significância estatística das diferenças entre
os índices de Sharpe de carteiras diferentes, conforme equação abaixo:
𝐼𝑆# − 𝐼𝑆-
𝑧 =
.1 1231 − 𝜌#,- 6 + 1 8𝐼𝑆#9 + 𝐼𝑆-9 − 𝐼𝑆# 𝐼𝑆- 31 + 𝜌#,-
9
6:;
𝑇 2
Na equação, 𝐼𝑆# refere-se ao índice de Sharpe do portfólio i, 𝐼𝑆< refere-se ao

índice de Sharpe do portfólio r, 𝜌#,- a correlação entre o portfólio i e o portfólio j, e T o
número de observações.
16

3. RESULTADOS
Na figura 1 encontra-se a plotagem de cada carteira obtida pelo ordenamento

da volatilidade dos ativos que compõe o universo de ações.
Figura 1 – Plotagem das carteiras ordenadas por volatilidade

Plotagem das carteiras obtidas pelo ordenamento dos ativos por volatilidade. Os
ativos de menor volatilidade compõem a carteira D1 enquanto os ativos de maior
volatilidade compõem a carteira D10. A linha azul apresenta a Security Market Line,
sendo o universo de ativos o ponto onde o beta é 1, assim como o ativo livre de
risco quando o beta observado é zero. A relação entre os retornos dos portfólios e
o beta é inversamente proporcional, o que é contrário a expectativa dada pelo
modelo CAPM.
30,00%
25,00% Universo
D2 D3
D1
20,00%
Retorno anualizado
D6
alfa positivo por ações D4
de baixa volatilidade
15,00% D7
D5 alfa
negativo
D9 por
10,00%
ações
D8 de alta
volat.
5,00% D10
0,00%
0,00 0,20 0,40 0,60 0,80 1,00 1,20 1,40 1,60 1,80
Beta
Fonte: elaboração própria
Em azul, observa-se a Security Market Line (SML) cuja equação é dada por:
𝑟# = 𝑟( + 𝛽(𝑅@ )
Neste processo, a expectativa de retorno de um portfólio 𝑟# é a soma do retorno

do ativo livre de risco com o retorno do mercado, ponderado pelo beta do portfólio i.
17

Ou seja, quanto maior o beta, maior o retorno do portfólio i. Entretanto é possível
observar que os portfólios formados a partir dos ativos de menor volatilidade
encontram-se acima da SML, apresentando retorno maior e risco menor do que os
portfólios formados pelas ações com maior volatilidade.
O resultado deste processo está representado na tabela 1. No painel A,
apresentou-se as estatísticas de cada uma das dez carteiras, bem como uma coluna
com o spread entre o portfólio D1 e o D10, que consiste nas carteiras de menor e
maior volatilidade respectivamente. Todos os portfólios não apresentam custos
transacionais para sua composição.
18

Tabela 1 – Resultados dos portfólios de baixa volatilidade
O primeiro painel (A) desta tabela apresenta os resultados das carteiras formadas
por ações ordenadas da menor para a maior volatilidade de 252 dias úteis no
período compreendido entre janeiro de 2003 e junho de 2017. O retorno,
volatilidade e Índice de Sharpe são anualizados. O α, β e o t(α) são estimados a
partir da regressão para todo o período de cada um dos decis. Posteriormente o
alfa foi anualizado. Na coluna D1 - D10 está refletido o resultado de um portfólio
formado pela compra da carteira D1 e pela venda da carteira D10. O Painel B
apresenta na primeira linha o comportamento médio de cada carteira em meses de
alta da bolsa, seguido pelo comportamento médio em meses de baixa do universo
de ativos e por fim a perda máxima esperada para cada carteira, ou seja, a maior
perda esperada por um investidor caso a alocação tenha sido feita no pico de
retorno acumulado de cada portfólio. Por fim, o Painel C consolida as carteiras em
3 grupos: um primeiro grupo formado por 30% dos ativos do universo que
apresentam menor volatilidade, seguido por um grupo intermediário com 40% dos
ativos e finalmente os 30% ativos que apresentaram maior volatilidade. A coluna
VOL apresenta um portfólio formado pela compra do grupo de menor volatilidade e
pela venda do grupo de maior volatilidade.
19

Assim como observado por Blitz e Van Vliet (2007) em outros mercados, foi
possível verificar no Brasil uma melhora em termos de retorno absoluto, redução de
volatilidade e um consequente aumento do IS dos portfólios D1 e D2 em comparação
ao universo de ativos. O IS do portfólio de mercado foi de 0,12 enquanto o observado
nas carteiras D1 e D2 foram 0,32 e 0,36 respectivamente. A diferença entre o IS do
mercado e o IS das carteiras D1 e D2 é estatisticamente significante ao nível de 5%,
com estatística t de 2,33 e 2,89.
Por outro lado, analisando individualmente cada carteira, não foi possível obter
alfas com nível de significância razoável no modelo CAPM, não podendo afirmar que
estes portfólios apresentem alfa diferente de zero.
No Painel B, foram analisadas três características dos portfólios formados. A
primeira e a segunda linha apresentam o comportamento de cada portfolio nos meses
em que o universo de ativos do mercado teve retornos positivos e negativos,
respectivamente. Pode se observar que os portfólios de baixo risco tendem a ter uma
performance inferior ao universo de ativos nos meses em que o mercado sobe, mas
por outro lado apresentam um comportamento muito mais defensivo nos meses em
que o mercado apresenta retorno negativo.
Este painel também apresenta a perda máxima de cada carteira, que consiste
na maior perda esperada por um investidor que tenha investido em cada portfólio no
seu melhor momento. Assim como as demais métricas, os portfólios de baixa
volatilidade apresentam um perfil bem mais conservador do que as carteiras de alta
volatilidade que obtiveram perdas superiores ao do universo dos ativos.
Os resultados encontrados no Painel A, principalmente com relação ao alfa de
cada portfólio pode estar ligada a quantidade de ativos em cada portfólio e
consequentemente influência do risco idiossincrático de cada ação. Com o intuito de
reduzir tal risco, a amostra foi dividida seguindo a formação de fatores de Fama &
French, separando-a em três carteiras, sendo as 30% menores volatilidades
enquadradas no primeiro portfólio, as 40% subsequentes no segundo portfólio e por
fim um terceiro portfólio formado com as maiores volatilidades. Os resultados foram
apresentados no Painel C. Com a consolidação proposta, o alfa da carteira de baixa
volatilidade apresentou significância estatística para o nível de 5% no modelo CAPM
assim como o alfa negativo da carteira de maior risco.
20

As estratégias baseadas na captura de spread entre os ativos com maiores e
menores momentum apresentam retornos negativos extremos em momentos
subsequentes a grandes eventos de stress e alta volatilidade. Embasada nesta
evidência de Moskowitz e Daniel (2004), buscou-se verificar se o spread entre os
portfólios de menor e maior volatilidade apresentariam um comportamento similar.
Para prosseguir com essa análise, isolou-se o ano de 2009 dos demais anos da
amostra para verificar a performance do spread entre o grupo dos ativos de menor
volatilidade com os ativos de maior volatilidade.
21

Tabela 2 – Divisão em períodos
O painel A apresenta os resultados dos grupos formados por ações ordenadas da
menor para a maior volatilidade de 252 dias úteis no período compreendido entre
janeiro/2003 e dezembro/2008. O retorno, volatilidade e Índice de Sharpe são
anualizados. O α, β e o t(α) são estimados a partir da regressão para todo o período
de cada um dos decis. Posteriormente o alfa foi anualizado. Na coluna VOL está
refletido o resultado de um portfólio formado pela compra da carteira com 30% dos
ativos de menores volatilidades e pela venda da carteira com as maiores
volatilidades. O Painel B apresenta os resultados para o ano de 2009. Por fim, o
painel C apresenta os resultados entre janeiro/2010 e junho/2017.
22

No primeiro painel da tabela 2, foram analisados os dados do período
compreendido entre os anos de 2003 e 2008, ano em que houve uma deterioração
generalizada nos preços dos ativos.
No painel B, que consiste nos dados apenas de 2009, quando houve uma
retomada nos preços dos ativos, observa-se um desempenho absoluto do portfólio de
baixa volatilidade inferior ao dos demais portfólios bem como ao do universo de ativos.
Apesar da estratégia comprada no portfólio de menor volatilidade e vendida no
portfólio de maior volatilidade apresentar alfa positivo no longo prazo, mas o retorno
absoluto desta estratégia seria de -88,95%, destruindo em um ano quase que todo o
valor deste portfólio. Parte dessa performance deve-se a exposição negativa de beta
que esta estratégia apresentou. Por fim, o Painel C apresenta o comportamento de
cada portfólio de 2010 até 2017. Neste período, apesar de haver diferenças relevantes
nos retornos anuais de cada portfólio, bem como significância estatística no índice de
Sharpe entre o portfólio de baixa volatilidade e o universo de ativos, não foi possível
encontrar alfas diferente de zero, o que talvez possa ser uma evidência de que esse
efeito tenha desaparecido neste período, sendo a performance superior dos portfólios
de baixa volatilidade nesse período, uma consequência exclusiva de um beta menor,
principalmente em um mercado de baixa dos preços dos ativos.
23

3.1 AVALIAÇÃO DE OUTROS FATORES
Como pode ser observado nos resultados apresentados anteriormente, o

portfólio de baixa volatilidade foi capaz de gerar alfa quando testado no modelo de
CAPM. Afim de avaliar se a geração de alfa sustenta-se analisando esses portfólios
sob outros fatores de risco, propôs se um exame de cada um dos três portfólios
regredidos com base nos três fatores do modelo de Fama & French, um modelo de 4
fatores que consiste no modelo de Fama & French com a inclusão do fator momentum
e por fim, um terceiro modelo alternativo incluindo um fator de qualidade, conforme
proposto por Joel Greenblatt (2006) e De Carvalho e outros (2017), composto pelas
30% melhores empresas em termos de ROIC e das 30% piores empresas.
No painel A, observa-se os alfas resultantes das regressões sob cada modelo
proposto onde é possível notar que, a medida que são adicionados novos fatores de
risco ao modelo de um fator, menor é o alfa gerado nas carteiras.
Já no painel B, apresentou-se as estatísticas t dos alfas de cada regressão. Os
valores de t que são significantes estatisticamente ao nível de 5% estão apresentados
em negrito na tabela. As evidências a partir dos valores apresentados dão indícios de
que os modelos de quatro e cinco fatores podem estar capturando todo o risco da
carteira de baixa volatilidade, uma vez que não é possível afirmar do ponto de vista
estatístico que os alfas gerados são diferentes de zero.
24

Tabela 3 – Regressão nos modelos multi-fatoriais
O painel A apresenta o alfa da regressão de cada um dos três portfólios,

formados a partir da ordenação por volatilidade, contra o modelo
CAPM, 3 Fatores de Fama & French (F&F), um modelo combinando o
modelo de F&F com o fator momentum e outro modelo de 5 fatores
combinando F&F, momentum e qualidade. O segundo painel apresenta
a estatística t para cada alfa observado no painel A.
Na sequência, buscou-se analisar os fatores aos quais os portfólios de

volatilidade foram regredidos, separando-os em dez carteiras e fazendo a composição
a partir do ordenamento proposto para a criação de cada um dos fatores.
As carteiras de boa qualidade e alto momentum apresentam uma performance
superior ao da média de mercado enquanto as carteiras de baixa qualidade e pouco
ou nenhum momentum, performaram abaixo do índice de mercado. Com relação aos
fatores de tamanho e valor, encontrou-se pouca significância estatística na relação
entre o Índice de Sharpe de cada carteira em comparação com o IS da carteira de
mercado, como pode-se observar na tabela 4. Os alfas gerados por esses portfólios
também não apresentam significância estatística.
25

Tabela 4 – Resultados dos portfólios formados com outros fatores
O primeiro painel apresenta os resultados dos portfólios ordenados por

capitalização de mercado. As menores empresas formam a carteira D1 e as
maiores empresas estão concentradas na carteira D10. Na sequência, o Painel B
apresenta o resultado dos portfólios formados a paritr do valor de mercado (VM) de
cada empresa em relação ao patrimônio líquido (PL). As ações mais baratas na
relação PL/VM compõe o portfólio D10 enquanto as mais caras formam o portfólio
D1.O painel C apresenta as carteiras formadas a partir do ordenamento dos ativos
do universo a partir do retorno absoluto de cada ação nos 6 meses anteriores a
formação da carteira e posteriores rebalanceamentos. O portfólio D1 contém as
ações com maiores momentums enquanto o portfólio D10 contém os menores
momentum. Por fim, o painel D apresenta as carteiras formadas pelo ordenamento
por ROIC, sendo D1 o portfólio formado pelos ativos de maior ROIC.
26

Na comparação de performance de cada uma das carteiras, é possível notar
que os portfólios que apresentaram uma rentabilidade superior ao da carteira de
mercado apresentavam, na média, uma beta menor do que um, enquanto as carteiras
que tiveram uma performance menor que a do portfólio de mercado apresentavam
betas maiores do que um.
Como observado anteriormente, as carteiras de baixa volatilidade foram
capazes de apresentar um IS com significância estatística em relação ao universo de
ativos, com uma volatilidade 75% menor que a deste universo, ou seja, obteve-se uma
redução de risco na carteira atrelado a uma performance superior em termos de
retorno absoluto, o que resulta em uma relação de risco-retorno melhor que a situação
inicial.
27

3.2 PROCESSO DE DUPLA ORDENAÇÃO
Após ordenar os portfólios por uma característica primária, cujos resultados

foram refletidos na tabela 4, foi realizado um processo de dupla ordenação.
Primeiramente, os ativos foram separados em grupos de ativos conforme o fator
principal (tamanho, valor, momentum e qualidade) seguindo o mesmo processo de
criação dos fatores de risco utilizados para testar os portfólios (SMB, HML, UMD e
QMJ, respectivamente). Na sequência, dentro de cada subgrupo, realizou-se novos
ordenamentos crescentes, desta vez a partir da volatilidade de 252 dias de cada ativo,
formando novos decis, cujos resultados estão refletidos na tabela 5.
Na comparação entre cada portfólio formado a partir da ordenação simples,
com o portfólio equivalente do processo de ordenação dupla, é possível notar uma
melhora em termos de risco e retorno das carteiras que recebem as ações com menor
volatilidade. Houve melhora na significância estatística no Sharpe das carteiras
quando comparado com o portfólio de mercado, como também no alfa sob o modelo
CAPM de algumas carteiras.
Analisando especificamente a carteira do primeiro decil formada por
momentum e em seguida por baixa volatilidade, por exemplo, foi possível obter um
retorno equivalente ao da formação por ordenação simples, mas com uma volatilidade
8% menor. Isso se traduz em uma carteira cujo índice de Sharpe passa de 0,36 para
0,49. O mesmo resultado é visto na redução do beta do modelo CAPM, que reduziu
de 0,96 para 0,62.
28

Tabela 5 – Resultados dos portfólios formados por ordenamento duplo
Esta tabela apresenta os resultados obtidos a partir do duplo ordenamento dos

ativos, primeiramente em função de uma característica específica tais como
tamanho, valor, momentum e qualidade e posteriormente ordenados por
volatilidade. No painel A estão refletidos os resultados obtidos a partir do
ordenamento por tamanho e volatilidade. Primeiramente o universo de ativos foi
divido em duas partes, assim como o processo de formação do fator SMB. Na
sequência, cada metade foi ordenada por volatilidade, sendo os portfólios D1 de
cada metade os que apresentam menor volatilidade. No primeiro D1, as empresas
são pequenas e com baixa volatilidade. No D1 seguinte, as empresas são maiores
e também apresentam baixa volatilidade. Os painéis B, C e D tratam dos resultados
para valor, momentum e qualidade. Nos três painéis, os dados são primeiramente
divididos em três grandes grupos, de acordo com o processo de formação de cada
fator (HML, UMD e QMJ, respectivamente) e posteriormente ordenados por
volatilidade.
29

Para testar se houve uma melhora estatisticamente significante nesse processo
de duplo ordenamento, utilizou-se novamente o teste de Jobson & Korkie, mas neste
caso, comparando o IS das carteiras obtidas pelo ordenamento simples com o IS
obtido pelo ordenamento duplo. Os resultados encontrados podem ser observados na
tabela 6.
No caso de tamanho, utilizou-se apenas o universo das menores empresas
para efetuar a comparação, ou seja, comparou-se o IS dos cinco primeiros decis
obtidos pelo ordenamento simples com o IS dos cinco primeiros decis obtidos pelo
processo de duplo ordenamento. O processo que ordena primeiramente por tamanho
e posteriormente por volatilidade crescente de 252 dias, apresentou significância
estatística na melhora do Sharpe nas carteiras do primeiro e segundo decil. Já no
caso de valor, onde foram observadas as 30% ações mais caras e posteriormente
ordenadas por volatilidade, apenas o primeiro decil apresentou melhora com
significância estatística no IS.
Em momentum e qualidade, não houve melhora ao nível de 5%, mas houve
uma piora nas carteiras do 3º decil, que receberam as ações mais voláteis bem como
um aumento no beta dessas carteiras, ou seja, o duplo ordenamento piorou a relação
de risco e retorno destes portfólios.
Tal analise sugere que o ordenamento por volatilidade pode ser utilizado em
qualquer carteira para melhora da relação risco-retorno destes portfólios,
principalmente pela redução da volatilidade e do beta das carteiras, como já
observado anteriormente. Blitz e Van Vliet (2007) observaram que a redução de
volatilidade por esse método foi maior que a encontrada nos portfólios gerados pelo
processo de mínima variância nas carteiras do mercado americano, desenvolvido por
Clarke, de Silva e Thorley (2006).
30

Tabela 6 – t-valor da comparação entre IS
Nesta tabela apresentou-se o t-valor da comparação entre os Índices de Sharpe
(IS) dos portfólios ordenados por uma única característica (tamanho, valor,
momentum e qualidade) com os IS dos portfólios gerados a partir da dupla
ordenação. Inicialmente ordenou-se os dados a partir de uma característica
primária das empresas. Na sequência, ordenou-se os ativos em função da sua
volatilidade de 252 dias. Em cada painel foi avaliada uma característica, sendo que
no Painel A comparou-se apenas os grupos de empresas pequenas, no B, mais
caras, no C, com mais retorno absoluto e no D de maior qualidade. Por fim,
comparou-se os IS dos portfólios de ordenamento simples pelo respectivo IS do
portfólio ordenado duplamente, cujos valores encontram-se nas tabelas 4 e 5
respectivamente. Os t-valores com significância estatística foram apresentados em
negrito e demostram uma melhora com significância estatística oriunda do
processo de duplo ordenamento em comparação com o ordenamento simples.
Nesta tabela, a variável n da coluna Dn de cada painel assume o valor respectivo
da linha que está sendo comparada. Ou seja, se o portólio que está sendo avaliado
é o D3, n assume o valor 3.
31

3.3 ORDENAMENTO POR BETA
Em 2012, Andrea Frazzini e Lasse Pedersen apresentaram um modelo

denominado “Betting Against Beta” que consiste na compra de ativos de baixo beta e
na venda de ativos de beta alto, formando um novo fator, o BAB.
Apesar do risco idiossincrático de cada ativo refletir na sua variância, existe
uma relação próxima entre a volatilidade e o beta em relação ao índice de mercado
de cada ativo. Com base nisso, foi proposta uma comparação entre os resultados
obtidos no modelo de ordenamento de volatilidade, apresentado na tabela 1, e o
modelo de ordenamento por beta.
Para construir os portfólios, seguiu-se o mesmo processo utilizado nas carteiras
de volatilidade, obtendo-se 10 portfólios ordenados de maneira crescente por beta e
posteriormente consolidando em grupos divididos entre os 30% de ativos que
apresentaram os menores betas, seguido de um grupo intermediário contendo 40%
dos ativos e um grupo final com os 30% de ativos restantes, formando um grupo com
os ativos de maiores betas.
Do ponto de vista de rentabilidade, conforme pode ser observado na
comparação entre os dados do painel A da tabela 1 com o painel A da tabela 7, os
portfólios de baixa volatilidade apresentaram uma performance superior aos ativos de
baixo beta.
Quando analisados os resultados dos painéis C das mesmas tabelas, quando
os ativos são consolidados em 3 grandes grupos, o portfólio de menor volatilidade
apresentou um risco inferior e um retorno superior em comparação ao portfólio de
ordenação por betas, o que resultou em um maior IS estatisticamente significante. Tal
constatação não pode ser feita para o portfólio de beta, ou seja, não pode se dizer
que a ordenação por beta originou um portfólio mais eficiente que o universo de ativos.
Nota-se que o beta obtido da regressão pelo modelo CAPM dos portfólios
ordenados por volatilidade de 252 dias é menor que o beta obtido das carteiras
ordenadas por beta de 252 dias. Tal característica aparece não só na classificação
por decis como nos três grandes grupos.
Por fim, os alfas obtidos nos portfólios dos painéis C da tabela 1 e tabela 7
apresentaram significância estatística no caso da volatilidade, enquanto os portfólios
ordenados por beta não obtiveram tal resultado.
32

Tabela 7 – Resultados dos portfólios ordenados por Beta
O primeiro painel (A) desta tabela apresenta os resultados das carteiras formadas
por ações ordenadas do menor para o maior beta de 252 dias úteis no período
compreendido entre janeiro de 2003 e junho de 2017. O retorno, volatilidade e
Índice de Sharpe são anualizados. O α, β e o t(α) são estimados a partir da
regressão para todo o período de cada um dos decis. Posteriormente o alfa foi
anualizado. Na coluna D1 - D10 está refletido o resultado de um portfólio formado
pela compra da carteira D1 e pela venda da carteira D10. O Painel B apresenta na
primeira linha o comportamento médio de cada carteira em meses de alta da bolsa,
seguido pelo comportamento médio em meses de baixa do universo de ativos e por
fim a perda máxima esperada para cada carteira, ou seja, a maior perda esperada
por um investidor caso a alocação tenha sido feita no pico de retorno acumulado
de cada portfólio. Por fim, o Painel C consolida as carteiras em 3 grupos: um
primeiro grupo formado por 30% dos ativos do universo que apresentam menores
betas, seguido por um grupo intermediário com 40% dos ativos e finalmente os
30% ativos que apresentaram maior betas. A coluna BAB apresenta um portfólio
formado pela compra do grupo de menor beta e pela venda do grupo de maior beta.
33

3.4 PROPOSTA DE ESTRATÉGIA DE OPERAÇÃO
A partir dos dados obtidos, a proposta foi o desenvolvimento de uma estratégia

comprada nos 30% ativos de menor volatilidade e vendida nos 30% ativos de maior
volatilidade, sendo todo caixa consumido pela compra dos ativos de menor
volatilidade e havendo o retorno de parte deste caixa pela venda dos ativos de maior
volatilidade, cujo montante de venda é dado pela equação abaixo, com relação a
alocação da ponta comprada que neste caso é 100%.
𝛽MNOP< QPRST#R#USUN
𝑄𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑎 𝑝𝑜𝑛𝑡𝑎 𝑣𝑒𝑛𝑑𝑖𝑑𝑎 (%) =
𝛽MS#P< QPRST#R#USUN
Em estratégias onde ocorrem a venda de ativos, é necessário que os ativos

sejam alugados para que seja realizada a venda a descoberto. Essas locações geram
custos que não foram considerados neste estudo. Por outro lado, a receita com o
aluguel dos ativos comprados também não foi considerada.
O modelo foi testado tanto utilizando o beta puro como o coeficiente beta
ajustado pelo método de Blume (1975) na proporção de dois terços para o beta
histórico de um ano e 1/3 convergindo para um, em cada uma das pontas operadas,
conforme equação:
2 1
𝛽S-VWTSUP = ∗ 𝛽MZ[ + ∗ 1
3 3
Os resultados obtidos em termos de retorno e desvio-padrão foram muito

similares, havendo apenas um aumento do máximo drawdown e do período de
duração, na estratégia em que se ajusta o beta.
No prazo total da operação, a proporção de ativos vendidos é muito menor do
que a de ativos comprados, gerando um caixa livre para ser aplicado no ativo livre de
risco.
A estratégia que utilizou o beta ex-post de um ano apresentou uma
rentabilidade anualizada de 21,71% com desvio-padrão de 10,46%. Estes resultados
refletem em um índice de Sharpe de 0,84 enquanto o máximo drawdown foi de 9,70%
e teve duração de 15 meses. Por outro lado, a estratégia que corrige o beta pelo
34

modelo de Blume apresentou 21,77% de retorno anualizado, desvio-padrão de
10,81% e um índice de Sharpe de 0,82. Entretanto, o máximo drawdown foi de
14,15%. Ocorreram mais drawdown que no modelo de beta ex-post puro, e de
duração maior, sendo que o mais longo foi de 17 meses e coincide com o final da
série, sendo possível supor que sua duração será ainda maior. Os resultados dessa
estratégia estão refletidos na figura 2.
Figura 2 – Comparação de performance entre as estratégias
Resultado da estratégia comprada em ativos de baixa volatilidade e vendida em

ativos de alta volatilidade com intuito de criar um portfólio com beta zero. Observou-
se um beta relativamente menor dos portfólios de baixa volatilidade em
comparação aos portfólios de alta volatilidade criando estratégias que, em geral,
possuem uma maior quantidade de ações de baixa volatilidade, em termos
financeiros, do que ações de alta volatilidade. Em amarelo observamos o resultado
da estratégia que utiliza os betas observados até a data de rebalanceamento da
estratégia. Em azul, foram realizados os ajustes propostos por Blume (1975). A
linha preta apresenta o retorno do ativo livre de risco no mesmo período.
20
18
16
14
12
10
0
Dez002
Mai003
Out003
Mar004
Ago004
Jan005
Jun005
Nov005
Abr006
Set006
Fev007
Jul007
Dez007
Mai008
Out008
Mar009
Ago009
Jan010
Jun010
Nov010
Abr011
Set011
Fev012
Jul012
Dez012
Mai013
Out013
Mar014
Ago014
Jan015
Jun015
Nov015
Abr016
Set016
Fev017
Beta Ajustado Beta Puro Ativo Livre de Risco
Esta estratégia apresenta um viés comprado, uma vez que se compra uma
carteira de baixo beta e vende-se uma carteira de beta alto, sendo necessária a venda
de uma quantidade menor em termos monetários. Em função disso, é razoável
35

comparar os resultados desta estratégia apenas com a parte comprada da estratégia,
cujos resultados estão refletidos no painel C da tabela 1. Em termos de retorno, houve
uma melhora na rentabilidade anualizada em torno de 2,00%, mas o principal
aperfeiçoamento da estratégia sugerida é na diminuição da volatilidade anualizada,
que medida pelo desvio-padrão, diminuiu de 16,44% para a casa dos 10,5%.
Já em termos de beta, a ponta longa apresentava um beta de 0,67 e a ponta
vendida apresentava um beta de 1,37. No modelo que utiliza o beta ex-post, sem
ajustes, a estratégia apresentou um beta de 0,19 com alta significância estatística.
Por outro lado, a estratégia que utilizou o beta ajustado pelo modelo de Blume,
apesar de ter um drawdown maior e de duração mais longa, foi capaz de zerar o beta
em relação ao mercado, sendo todo retorno da estratégia capturado através de alfa,
com alta significância estatística. A estratégia com beta ex-post teve parte do retorno
oriundo da exposição ao retorno de mercado.
Outra formatação que essa proposta de operação poderia seguir é zerar o beta
através da alavancagem da ponta comprada, com o intuito de capturar todo o alfa da
venda do portfólio de alta volatilidade, uma vez que o alfa desta ponta é maior que a
alfa gerado pela compra do portfólio de baixa volatilidade. Tal estratégia apresentaria
alavancagem em relação a disponibilidade de capital para alocação e limitaria o
escopo de agentes dispostos a efetuar tal estratégia.
Os dados estão resumidos na tabela 8.
36

Tabela 8 – Proposta de estratégia
Nesta tabela foram apresentados os resultados de uma estratégia comprada em
um portfólio de baixa volatilidade e vendida em um portfólio de alta volatilidade de
forma que o beta da estratégia como um todo fosse zerado. O primeiro processo
utilizou-se do beta ex-post na tentativa de formar um portfólio beta zero, enquanto
o segundo processo seguiu as correções de Blume para zerar o beta. Conforme
observado nos resultados, o processo de correção que propõe a convergência do
beta para 1 apresentou beta zero quando regredido no modelo CAPM enquanto o
processo sem ajuste de beta apresentou um beta ligeiramente positivo. Ambas as
estratégias apresentaram retorno anualizado e volatilidade equivalentes.
37

4. POSSÍVEIS CAUSAS PARA O EFEITO VOLATILIDADE
O modelo CAPM pressupõe que a relação em risco medido por beta e retorno
dos ativos tenha uma relação crescente, ou seja, quanto maior o beta de um ativo,
maior o retorno esperado para o ativo em questão.
Apesar da relação proposta pelo CAPM ter relação positiva com o risco, o que
se observou das carteiras formadas a partir do ordenamento feito por volatilidade é
uma relação negativa entre risco e retorno, definida pela curva amarela plotada na
figura 1, que foi obtida a partir da regressão do risco e retorno das carteiras ordenadas
por volatilidade, através do método dos mínimos quadrados ordinários.
As persistências dos ganhos com essa anomalia podem estar relacionadas ao
fato de que o benchmark ao qual os fundos de ações são avaliados baseiam-se em
um índice de mercado. A compra de ações de baixa volatilidade, que apresentam
betas menores que um, em detrimento de ações de maior volatilidade, que por sua
vez apresentam um beta mais próximo de um, criariam um portfólio que apresenta um
maior tracking error em relação ao benchmark fazendo com que gestores de portfólios
de ações que sigam um índice de mercado possuam mais ativos com beta próximo a
um.
A utilização de ativos de baixa volatilidade para formar um portfólio exigiria
alavancagem de quase 50% para que o risco deste portfólio fosse equivalente ao da
carteira de mercado de referência. As restrições em relação ao empréstimo de ativos
e alavancagem já haviam sido identificadas por Black (1972) como um argumento
para a performance superior de ativos de baixo beta. Em um artigo mais recente, Blitz
Falkenstein e Van Vliet (2014), fizeram uma análise sobre as possíveis causas para o
efeito volatilidade. Um dos pontos discutidos no artigo está relacionado a liberdade
que o modelo CAPM dá no processo de alavancagem ou venda descoberta. Como
avaliado pelos autores, no mundo real os investidores tendem a ter limites ou
vedações a alavancagem através de mandatos.
Outra premissa do modelo CAPM que também foi discutida pelos mesmos
autores é o fato do modelo não apresentar custos transacionais. As evidências
apresentadas demonstram que os ativos que apresentam maiores divergências de
precificação em relação ao equilíbrio do modelo são os ativos cujo custo de locação
para que seja possível realizar as vendas a descoberto. Por outro lado, a explicação
38

de retornos superiores dos ativos de baixa volatilidade deve-se a questão
comportamental de investidores que buscam maiores retornos direcionarem suas
alocações para ações de maiores betas, na crença de que o CAPM seja sustentável,
ainda que parcialmente.
Em suma, as limitações a alavancagem, alinhadas a custos de locação maiores
para ativos de maior risco e a busca de portfólios mais rentáveis através da alocação
em ativos de maior volatilidade resultam em uma demanda reprimida a ativos de baixa
volatilidade que podem explicar esta anomalia resultado em uma relação inversa entre
o risco medido por beta e o retorno dos portfólios conforme observado na figura 1
acima.
39

5. CONCLUSÃO
A anomalia de baixa volatilidade tem sido extensivamente documentada em

estudos acadêmicos. O padrão de comportamento tido como um dos pilares básicos
das finanças pressupõe que quanto maior o risco, maior o retorno. Neste estudo foi
possível verificar que a expectativa de retorno foi inversamente proporcional ao risco
dos ativos. Os resultados obtidos no mercado local estão em linha com os dados
obtidos por pesquisas desenvolvidas em outros países do mundo, principalmente no
artigo de Blitz e Van Vliet (2007).
As carteiras formadas a partir do ordenamento pela volatilidade dos ativos
apresentaram uma relação inversa a esperada pelo modelo de CAPM. Os 30% ativos
de menor volatilidade apresentaram performance, medida por retorno absoluto e por
IS, superior quando comparadas ao universo dos ativos e à carteira formada pelos
ativos com maior volatilidade. Como constatado anteriormente, este resultado foi
consistente não só com os resultados apresentados por Blitz e Van Vliet (2007) em
estudo feito para países da América do Norte, Europa e Ásia, que propuseram uma
janela de volatilidade de 3 anos, como também com os resultados de Ang et al. (2006)
que evidenciaram alfa negativo em ações americanas com alta volatilidade
idiossincrática, analisando um histórico de volatilidade de 1 ano.
Os resultados obtidos se refletem na geração de alfa destas carteiras quando
analisadas sob a ótica do modelo CAPM bem como na melhora do IS da carteira de
baixa volatilidade, com significância estatística na comparação com a carteira de
mercado. Apesar da presença de alfa no modelo CAPM e no modelo de 3 fatores de
Fama & French, a adição de outros fatores de risco ao modelo permitiram a captura
de parte do alfa gerado pelo processo de ordenamento por volatilidade. Esta análise
deve ser aprofundada em artigo oportuno com foco nas exposições aos riscos
multifatoriais.
Também foi possível utilizar o procedimento de ordenação por volatilidade em
um modelo de dupla ordenação, melhorando a geração de alfa e IS de portfólios pré-
ordenados por outros fatores de risco.
Quando comparado ao modelo de ordenamento por beta, o modelo de
ordenamento por volatilidade apresentou maior robustez nos resultados obtidos,
evidenciando uma vantagem comparativa em relação ao ordenamento por betas.
40

Com os dados obtidos, sugeriu-se uma estratégia que pudesse capturar os
alfas oriundos desta anomalia. A operação foi estruturada para minimizar ou até
mesmo zerar a exposição ao risco de mercado, gerando resultados que independesse
do comportamento do mercado durante o período analisado. Os resultados não foram
ajustados por custos transacionais, o que pode ser tema de um outro estudo que
aborde como a dinâmica de custos de operação, de administração e de locação de
ativos e receitas de empréstimos dos ativos que compõe a parte comprada,
impactariam os resultados obtidos permitindo assim avaliar a viabilidade econômica
de implementar esta estratégia em um veículo de investimento.
Por fim buscou-se explicações que embasassem os resultados obtidos e
sustentassem tal anomalia desde as primeiras evidências acadêmicas. Apesar de
várias hipóteses terem sido discutidas na literatura, acredita-se que as limitações a
alavancagem por investidores, ligados aos custos elevados de locação dos ativos de
alta volatilidade e busca por parte dos investidores por ativos de maior volatilidade
para aumentar os retornos dos portfólios através da captura de maior prêmio de risco
de ações estão diretamente ligadas ao comportamento da relação entre risco e retorno
observada pelos portfólios de baixa volatilidade.
Como observado por Blitz e Van Vliet, explorar o efeito volatilidade não é fácil
para gestores com mandatos para seguir um benchmark de mercado e que não
podem ou não querem alavancar seus portfólios ou efetuar vendas descobertas. Por
outro lado, investidores que buscam capturar alfas ou montar estratégias com IS
superior ao do mercado, podem se beneficiar dessa anomalia na gestão de seus
portfólios.
41

6. BIBLIOGRAFIA
Ang A., R.J. Hodrick, Y. Xing and X. Zhang, The Cross-Section of Volatility and
Expected Returns, 2006, Journal of Finance, 61, pp. 259-299
Black, Fisher, Capital Markets Equilibrium with Restricted Borrowing, 1972, The
Journal of Business, Volume 45, Número 3, Páginas 445-455
Blitz, David C. e Vliet, Pim van, The Volatility Effect: Lower Risk without Lower
Return, 2007, Journal of Portfolio Management, Fall, Páginas 102-113;
Blitz, David C, Falkenstein, E. e Vliet, Pim van, Explanations for the Volatility Effect,
2014, Journal of Portfolio Management, Fall, Páginas 61-76;
Blume, Marshall E., Betas and Their Regression Tendencies, 1975, The Journal of
Finance, Volume 30, Edição 3, Páginas 785-795
Carhart, Mark M., On Persistence in Mutual Fund Performance, 1997, The Journal
of Finance, Volume 52, Número 1, Páginas 57-82
Clarke, R., de Silva, H., e Thorley, S., Minimum-Variance Portfolios in the U.S.
Equity Market, 2006, Journal of Portfolio Management, Volume 33, Número 1,
Páginas 10-24
De Carvalho, R. L., Lu, Xiao, Soupé, François e Dugnolle, Patrick, Diversify and
Purify Factor Premiums in Equity Markets, 2017. Disponível em
<https://ssrn.com/abstract=2894171>. Acesso em 25 set. 2017
de Prado, Marcos Lopez, Building Diversified Portfolios that Outperform Out-of-

Sample, 2016, Journal of Portfolio Management, Páginas 59-69
42

DeMiguel, Victor e Garlappi, Lorenzo e Uppal, Raman, Optimal Versus Naive
Diversification: How Inefficient is the 1/N Portfolio Strategy, 2009, The Review of
Financial Studies, Volume 22, Edição 5, Páginas 1915-1953.
Dutt, Tanuj e Humphery-Jenner, Mark, Stock return volatility, operating

performance and stock returns: International evidence on drivers of the ‘low
volatility’ anomaly, 2013. Journal of Banking & Finance, Volume 37, Número 3,
Páginas 999-1017
Fama, Eugene F., Efficient Capital Markets: A Review of Theory and Empirical
Work, 1970, The Journal of Finance, Volume 25, Páginas 383-417
Fama E.F. e K.R. French, The Cross-Section of Expected Stock Returns, 1992,
Journal of Finance, Volume 47, Número 2, Páginas 427-446
Fama E.F. e K.R. French, Size, Value, and Momentum in International Stock
Returns, 2012, Journal of Financial Economics, Volume 105, Edição 3, Páginas 457-
472
Frazzini, Andrea e Pedersen, L. H., Betting Against Beta, 2012, Swiss Finance
Institute Research Paper No. 12-17
Greenblatt, J., The little book that still beats the market. John Wiley & Sons, 2010.
ISBN 0470926716
Jegadeesh, N, Evidence of Predictable Behavior of Security Returns, 1990, The

Journal of Finance, Volume 45, Edição 3, Páginas 881-898
Jegadeesh N. e S. Titman, Returns to Buying Winners and Selling Losers:

Implications for Stock Market Efficiency, 1993, Journal of Finance, 48(1), pp. 65-
91
43

Koller, T., Goedhart, M., Wessels, D. Valuation: measuring and managing the value
of companies. John Wiley and Sons, 2010. ISBN 0470424702.
Lintner, John, The Valuation of Risk Assets and the Selection of Risky
Investments in Stock Portfolios and Capital Budgets, 1965, The Review of
Economics and Statistics, Volume 47, Número 1, Páginas 13-37
Maillard, Sébastien e Roncalli, Thierry e Teiletche, Jérôme, On the properties of

equally-weighted risk contributions portfolios, 2010, The Journal of Portfolio
Management, Volume 36, Número 4, Páginas 60-70
Neto, César Thomé, Leal, Ricardo P. C. e Souza e Almeida, Vinício de, Um índice de
mínima variância de ações brasileiras, 2011, Economia Aplicada, volume 15,
número 4, Páginas 535-557
Qian, Edward, Risk Parity Portfolios, PanAgora Asset Management, Working Paper
Roncalli, T. e Cazalet, Z., Facts and Fantasies About Factor Investing, 2014,
Disponível em: <https://ssrn.com/abstract=2524547>. Acesso em 02 jun. 2017
Ross, Stephen A., The Arbitrage Theory of Capital Asset Pricing, 1976, Journal of
Economic Theory, Volume 13, Edição 3, Páginas 341-360
Rouwenhorst, K., International Momentum Strategies, 1998, Journal of Finance,

Volume 53, Edição 1, Páginas 267-284
Sharpe, William F., Capital Asset Prices: A Theory of Market Equilibrium Under
Conditions of Risk., 1964, Journal of Finance, 19, 425–42.
44

SSRN Id3488609

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SSRN Id3488609

Enviado por

Direitos autorais:

Formatos disponíveis

INSPER – Instituto de Ensino e Pesquisa

MESTRADO PROFISSIONAL EM ECONOMIA

LUCIANO BOUDJOUKIAN FRANÇA

AVALIAÇÃO DE ATIVOS DE BAIXA VOLATILIDADE NO MERCADO

LOW VOLATILITY ASSET VALUATION IN BRAZILIAN STOCK MARKET:

Electronic copy available at: https://ssrn.com/abstract=3488609

Dissertação apresentada ao Programa de

Linha de Pesquisa: Finanças Aplicadas

Electronic copy available at: https://ssrn.com/abstract=3488609

Avaliação de Ativos de Baixa Volatilidade no Mercado

Dissertação de Mestrado – Insper, 2017

1. Volatilidade 2. Ações de Baixo Risco 3. Fatores de Fama-

Electronic copy available at: https://ssrn.com/abstract=3488609

FRANÇA, Luciano Boudjoukian. Avaliação de ativos de baixa volatilidade no

Este estudo avalia o comportamento de carteiras formadas por ativos do

Palavras-chave: Baixa Volatilidade, Ações de Baixo Risco, Fatores de Fama-French,

Electronic copy available at: https://ssrn.com/abstract=3488609

FRANÇA, Luciano Boudjoukian. Low volatility asset valuation in Brazilian stock

This work evaluates the behavior of portfolios comprised of Brazilian stocks

Keywords: Low Volatility, Low Risk Stocks, Fama-French Factors, CAPM

Electronic copy available at: https://ssrn.com/abstract=3488609

Tabela 1 – Resultados dos portfólios de baixa volatilidade.........................................15

Electronic copy available at: https://ssrn.com/abstract=3488609

3.1 AVALIAÇÃO DE OUTROS FATORES ...........................................................20

3.2 PROCESSO DE DUPLA ORDENAÇÃO ........................................................24

3.3 ORDENAMENTO POR BETA ........................................................................28

3.4 PROPOSTA DE ESTRATÉGIA DE OPERAÇÃO ..........................................30

4. POSSÍVEIS CAUSAS PARA O EFEITO VOLATILIDADE ...............................34

6. REFERÊNCIAS BIBLIOGRÁFICAS .................................................................38

Electronic copy available at: https://ssrn.com/abstract=3488609

A teoria moderna de portfólio desenvolvida por Harry Markowitz (1952) está

Electronic copy available at: https://ssrn.com/abstract=3488609

Electronic copy available at: https://ssrn.com/abstract=3488609

O modelo foi desenvolvido a partir de dados obtidos dos sistemas Economática

Electronic copy available at: https://ssrn.com/abstract=3488609

Electronic copy available at: https://ssrn.com/abstract=3488609

Electronic copy available at: https://ssrn.com/abstract=3488609

Onde 𝐼𝑆# é a razão entre a diferença entre os retornos do portfólio i e do ativo

Na equação, 𝐼𝑆# refere-se ao índice de Sharpe do portfólio i, 𝐼𝑆< refere-se ao

Electronic copy available at: https://ssrn.com/abstract=3488609

Na figura 1 encontra-se a plotagem de cada carteira obtida pelo ordenamento

Figura 1 – Plotagem das carteiras ordenadas por volatilidade

Fonte: elaboração própria

Neste processo, a expectativa de retorno de um portfólio 𝑟# é a soma do retorno

Electronic copy available at: https://ssrn.com/abstract=3488609

Electronic copy available at: https://ssrn.com/abstract=3488609

Fonte: elaboração própria

Electronic copy available at: https://ssrn.com/abstract=3488609

Electronic copy available at: https://ssrn.com/abstract=3488609

Electronic copy available at: https://ssrn.com/abstract=3488609

Fonte: elaboração própria

Electronic copy available at: https://ssrn.com/abstract=3488609

Electronic copy available at: https://ssrn.com/abstract=3488609

Como pode ser observado nos resultados apresentados anteriormente, o

Electronic copy available at: https://ssrn.com/abstract=3488609

O painel A apresenta o alfa da regressão de cada um dos três portfólios,

Fonte: elaboração própria

Na sequência, buscou-se analisar os fatores aos quais os portfólios de

Electronic copy available at: https://ssrn.com/abstract=3488609

O primeiro painel apresenta os resultados dos portfólios ordenados por

Fonte: elaboração própria

Electronic copy available at: https://ssrn.com/abstract=3488609

Electronic copy available at: https://ssrn.com/abstract=3488609